viernes, 13 de octubre de 2023

UNIDAD 3. INVESTIGACIÓN CUANTITATIVA

CONTENIDOS DE LA UNIDAD 3
• Del planteamiento del problema al contraste de hipótesis
• Validez de la investigación
• Método experimental o manipulativo (principales diseños)
• Método no manipulativo (y principales diseños)
• El informe científico cuantitativo

TEMA 1 DEL PROBLEMA DE INVESTIGACIÓN AL CONTRASTE DE

HIPOTESIS

E
l objetivo de esta sesión es el de introducir conceptos básicos que
necesitaremos para entender cómo funcionan los métodos y diseños de
investigación cuantitativa en psicología:

• Conocer cómo se pasa del problema general a la pregunta de investigación y a las

hipótesis de investigación

• Comprender la importancia de la definición y medición de las variables en el

proceso de explicar la relación entre las mismas

• Conocer el tipo de variables según su escala de medida y qué importancia tiene para
el contraste de hipótesis

EL PROBLEMA DE INVESTIGACIÓN

Nace del desconocimiento y de nuestra inquietud y deseo de saber, es el inicio del

proceso de investigación.

En el paradigma cuantitativo, para que un problema sea “investigable” tiene que estar
suficientemente acotado:

1. Se reduce a las variables específicas de estudio

2. Expresa las posibles relaciones entre las variables

1
 • Causal: ¿Mejora el conocimiento sobre bullying y la responsabilidad de los
observadores para parar al autor del bullying un programa de prevención X?
(método experimental)

• De covariación: p.ej. ¿Existe un mayor riesgo de suicidio en los consumidores

asiduos de cannabis? (método correlacional o no manipulativo)
¿CÓMO ACOTAMOS EL PROBLEMA?

Imagina que te han propuesto hacer un trabajo de investigación sobre el problema del
burnout. Para hacerlo investigable tienes que acotarlo, encontrar las variables
concretas sobre las que quieres investigar si hay una relación.

Realizas una revisión bibliográfica y

decides:

• Estudiar la prevalencia del burnout en

un tipo de trabajadores (p.ej.
enfermer@s, cuidadores de enfermos
crónicos, profesores...)

• Los factores que desencadenan su

aparición (factores del trabajo y/ o
factores individuales)

PREGUNTAS E HIPOTESIS DE LA INVESTIGACIÓN

La pregunta de investigación

¿Qué características del trabajo de enfermer@s están relacionadas con el burnout de

los trabajadores?

La hipótesis

• El trabajo a turnos se asocia con el cansancio emocional

• La hostilidad de los pacientes está relacionada con el cansancio emocional

• La ambigüedad del rol está asociada con el cansancio emocional

TIPOS DE PREGUNTAS DE INVESTIGACIÓN

Objetivo descriptivo: preguntas descriptivas

2
• Tratan de conocer el fenómeno de estudio, sus características, cómo se manifiesta,
es la pregunta más básica.

• Emplea la estadística descriptiva para representar los datos (es decir describe los
datos de la muestra, no hace inferencias acerca de la población)

¿Qué porcentaje de estudiantes de psicología se ha sentido deprimido durante el

primer año de carrera?

Objetivo explicativo

• El objetivo es el de explicar qué variables contribuyen a que aparezca el fenómeno

de estudio.

• Este tipo de preguntas llevan asociadas hipótesis que contrastaremos mediante

pruebas de estadística inferencial (queremos saber las relaciones que existen en la
población general, no sólo en nuestra muestra)

1. De coartación

¿Existe relación entre el trabajo a turnos de los profesionales de salud y el síndrome

del burnout?

¿Existe relación entre el intento de suicidio y el consumo habitual de cannabis?

2. De causalidad

¿Se evalúa como más bellos los rostros con facciones simétricas que los que tienen
facciones asimétricas?

¿Las técnicas de relajación mejoran los resultados de un programa de pérdida de peso?

3. De predicción

¿Qué probabilidad de éxito tiene el programa de relajación de mejorar los resultados

del programa de pérdida de peso?

HIPOTESIS DE INVESTIGACIÓN

La hipótesis es una predicción sobre los resultados que esperamos encontrar, es decir,
la respuesta que esperamos dar a nuestra pregunta de investigación.

La hostilidad de los pacientes está relacionada con el cansancio emocional

3
No todos los estudios
científicos contienen hipótesis,
estas son necesarias cuando se
trata de estudios de tipo
explicativo, aquellos que
aspiran a predecir y/o explicar
(estudios de covariación o de
causalidad) .

En estudios descriptivos, dado que el objetivo es a menudo realizar una primera

aproximación a un tema del que no se sabe demasiado, las hipótesis no son necesarias
(ni apropiadas)

¿CÓMO PASAMOS DE LAS HIPÓTESIS DE INVESTIGACIÓN A LOS

RESULTADOS DEL ESTUDIO?

LA MEDICIÓN DE LOS FENÓMENOS PSICOLÓGICOS

En investigación cuantitativa
estamos interesados en detectar
relaciones de causalidad y/o
covariación entre nuestras
variables de interés.

Para confirmar si los datos que

recogemos apoyan nuestras
hipótesis las variables tienen que
expresarse en puntuaciones
numéricas, esto nos permite
aplicar técnicas estadísticas para
el contraste de hipótesis.

4
La diferencia que tenemos con otras ciencias es que muchas de nuestras variables no
son directamente observables (ni expresables directamente en números) son
constructos/ abstracciones que se infieren en base a una serie de manifestaciones
observables de conducta.

Así, el paso previo a identificar esas relaciones es el de cómo definimos y medimos

las variables

Y es tan importante como la comprobación misma de las relaciones

DEFINICIÓN CONCEPTUAL DE LAS VARIABLES

Se trata de definir el conjunto de conductas y procesos internos que componen el
constructo.

Ejemplo:

La adicción al trabajo se ha estudiado desde hace aproximadamente 50 años.

Inicialmente, se definía trabajo excesivo. A medida que se realizan investigaciones
empíricas y avanza el conocimiento se empieza a caracterizar de manera más
compleja.

Actualmente, una de las definiciones conceptuales más aceptadas hace referencia a la

incapacidad de reducir o parar de trabajar manera excesiva a pesar de que esta
conducta ocasiona problemas en tu salud y/o en tus relaciones interpersonales, y no
está motivada simplemente por completar un proyecto puntual (Quinones & Griffiths,
2015).

Estas dos maneras de conceptualizar la adicción al trabajo determina la definición

operativa que hagamos de ellas en nuestro estudio.

DEFINICIÓN OPERATIVA
Se trata de definir una variable en términos de cómo se ha de medir.

Un constructo puede tener varias definiciones operativas. Por ejemplo, el estrés puede
medirse mediante un autoinforme que capture los componentes cognitivos y afectivos
de la definición de estrés, o mediante medidas fisiológicas (p.ej. incremento del nivel
de cortisol en saliva).

Ejemplo anterior

5
Si conceptualizamos la adicción como trabajo excesivo, mediremos la cantidad de
horas que trabajan las personas y comprobaremos si superan el punto de corte
establecido para categorizar la conducta de adicción.

Sin embargo el conocimiento ha avanzado y hoy conceptualizamos la adicción al

trabajo de manera más compleja. Para medir la adicción al trabajo, buscaremos
escalas que se hayan desarrollado desde ese modelo conceptual. En este caso
partimos del modelo de componentes de la adicción, según la cual todas las
adicciones sean conductuales o a sustancias, comparten las mismas dimensiones
(Griffiths, 2005).

6
TIPOS DE VARIABLES SEGÚN EL ESCALA DE MEDIDA
• Hasta ahora hemos hecho alusión a variables, cualquier característica susceptible de
cambiar, y que por tanto puede presentar al menos 2 valores distintos.

• Antes de poder aplicar técnicas estadísticas necesitamos especi car qué tipo de
variables tenemos ya que esto indicará qué tipo operaciones podemos hacer con
ellas

Ejemplo

Imagina que estamos interesados en identificar qué variables individuales están

relacionadas con la adicción al trabajo

Construimos un cuestionario con las variables que podrían explicar la vulnerabilidad

a este tipo de adicción.

Edad, sexo, nivel profesional (empleado sin subordinados, jefe de nivel medio, jefe de
nivel superior) , sueldo, número de horas trabajadas, rasgo perfeccionista de la
personalidad, neuroticismo y adicción al trabajo.

CLASIFICACIÓN DE LAS VARIABLES

¿Cómo expresamos la variable edad o la variable sueldo? ¿Qué valores puede tener?

¿Y qué valores puede tener la variable sexo? ¿ Es el mismo tipo de variable que el
nivel laboral?

• S.S. Stevens (1946) propuso que cualquier variable podía ser clasificada en una de
las cuatro escalas de medida: nominal o categórica, ordinal, intervalo/ razón.

• Estas escalas están ordenadas de menor a mayor complejidad, de tal modo que las
escalas de intervalo/razón son las que nos permiten realizar operaciones más
complejas

ESCALA NORMAL O CATEGÓRICA

Reflejan diferencias cualitativas, no cuantitativas, los números asignados no tienen

propiedades matemáticas tales como la suma, resta sino sólo simbólicas.

La única relación posible que podemos establecer es la de diferencia o igualdad.

7
fi
Por ejemplo, la variable sexo biológico o la variable nacionalidad. Podemos decir si
una persona de la muestra es igual que otra en dicha variable, pero no podemos
ordenar a las personas en base a su respuesta de nacionalidad.

OJO: para realizar análisis estadísticos mediante programas informáticos como Excel
o SPSS necesitamos meter todas las variables en bases de datos. En este proceso
asignamos "números” a todas las variables, incluidas las nominales.

Por ejemplo, a la nacionalidad podemos darle el valor 1: española, 2: británica, 3:

alemana etc. a pesar de que el número asignado a la alemana, esto no quiere decir que
sea mayor que la británica o la española, simplemente podemos decir que es igual o
diferente a otra nacionalidad.

ESCALA ORDINAL

Es una escala en la que las categorías pueden ordenarse con referencia a un criterio
externo.

El estar en una categoría puede considerarse como que tiene más o menos de la
propiedad subyacente que el estar en otra categoría.

En este caso los códigos numéricos que asignamos sí indican jerarquía, pero no
podemos saber con exactitud la magnitud de la diferencia entre las categorías.

Ejemplo

Un profesor de inglés puede ordenar a los estudiantes en competencias de inglés

hablado: 1. básico, 2: intermedio y 3: avanzado según su criterio de competencias
orales para cada nivel.

Imagina que a Lola la clasifica en nivel 3: avanzado, y a Susana en nivel 1: básico.

Sabemos que Lola tiene un nivel hablado mucho más elevado que Susana pero no
podemos precisar cuanto mejor es, ni tampoco decir que la diferencia entre el nivel 1
y 2 sea exactamente igual que entre el 2 y el 3.

ESCALAS DE INTERVALO

• Además de identificar la categoría que posee la persona y clasificarla en una

posición en relación a cierto atributo, permite asignar un número real. Así, la
diferencia entre dos variables tiene un valor numérico real, no relativo.

8
• Tiene la propiedad de intervalos iguales. La temperatura en grados es un ejemplo
cásico de variable intervalo. La diferencia entre 20 y 25 grados es de 5 grados, lo
que es equivalente a la diferencia entre 15 y 20 grados.

• Este tipo de escala permite operaciones matemáticas como suma, resta etc. y la
posibilidad de realizar pruebas paramétricas para el contraste de hipótesis.

IMPORTANTE:

Muchas de las escalas de constructos psicológicos se puntúan con escalas tipo Likert,
y por tanto estrictamente su escala es ordinal. PERO existe la convención de tratar
estas medidas como escalas de intervalo para poder realizar pruebas más potentes en
el contraste de hipótesis. Se acepta así que si la medida ordinal es buena, llegarás a las
mismas conclusiones.

ESCALAS DE RAZÓN

Tienen las mismas propiedades que la escala de intervalo pero además, en esta escala
el cero tiene un valor real, es decir, si puntúas 0 en una variable en escala de razón, no
tienes esa variable.

La escala de intervalo sin embargo, tiene un cero arbitrario. Es decir, el cero no

significa la ausencia total de variable. Por ejemplo, la temperatura de 0 grados no es
que no haya temperatura, sino que hace mucho frío.😺 Otro ejemplo sería el número
de respuestas correctas en un test, si tienes 0 , no has respondido nada.

Para nuestros análisis en psicología no suele importar mucho la distinción entre

intervalo y razón, ambas permiten la aplicación de pruebas potentes para el contraste
de hipótesis que es lo que nos interesa. Por eso a menudo hablamos de manera general
de escala intervalo/razón.

¿EN QUÉ ESCALAS ESTÁN NUESTRAS VARIABLES?

• Edad: razón (o intervalo/razón si preferimos una denominación global)

• Sexo: nominal

9
• Nivel profesional (empleado sin subordinados, jefe de nivel medio, jefe de nivel
superior): ordinal

• Escala de rasgo perfeccionista: intervalo Sueldo: razón

Número de horas trabajadas: razón Escala de neuroticismo: intervalo

• Escala de adicción al trabajo: intervalo

PARTE 2

TIPOS DE VARIABLES SEGÚN SU PAPEL EN LA INVESTIGACIÓN

El papel de las variables en la investigación viene determinado por la estrategia

general o método que hayamos seleccionado

Los métodos de investigación cuantitativa se clasifican en dos grandes grupos:

1. Métodos experimentales: se manipula una variable para ver el efecto en la otra

(establece relaciones causa-efecto)

10
2. Métodos no experimentales: no se pueden manipular variables porque no es ético
o porque no es posible, hablamos de covariación y no de causalidad

TIPOS DE VARIABLES EN EL MÉTODO EXPERIMENTAL

1. Variable independiente : causa (también se puede llamar activa, manipulada)

2. Variable dependiente : efecto (también se llama consecuente o resultado)

3. Variables extrañas: variables que no son objeto de estudio pero que pueden ejercer
un efecto sobre los resultados y por tanto tenemos que controlar

¿CÚAL SERÍA LA VARIABLE INDEPENDIENTE Y LA VARIABLE

DEPENDIENTE?

En un estudio de Richards y Gross (2000) querían medir si suprimir emociones

negativas externamente podía afectar a la memoria de reconocimiento.

La tarea experimental consiste en visualizar unas imágenes donde aparece una pareja
discutiendo por una deslealtad, y su hijo viéndolo todo.

A un grupo de participantes se les pide que no muestren (supriman) la emoción que les
genera el visionado y a la otra mitad no se les dice nada .

Más tarde se les muestra una prueba de reconocimiento de algunos detalles visuales y
auditivos del visionado.

Se encuentra que los participantes del grupo de supresión recuerdan peor los detalles
de la tarea que los que no tuvieron que suprimir emociones durante el visionado.

¿Cuál es la VI? ¿Y la VD? ¿Y cuál podría ser una variable extraña?

MÉTODO NO EXPERIMENTAL

No es posible manipular las variables, con lo que no podemos asegurar qué variable
ocurre antes, si la causa o el efecto.

Lo que se estudia es la diferencia es la covariación entre variables (variación conjunta)

o las diferencias entre grupos, pero no se puede establecer que las diferencias sean el
efecto de una variable independiente o quién causa qué en la covariación

Por ejemplo, estudiamos la relación entre escuchar música clásica y la capacidad de

concentración mediante una encuesta.

11
Si los resultados dicen hay una correlación positiva fuerte entre estas dos variables,
podemos hacer predicciones tal que si escuchas música clásica al estudiar es probable
que aumentes la concentración, pero tendremos menos seguridad que si hubiésemos
estudiado estas relaciones mediante un estudio experimental.

VARIABLES EN ESTUDIOS NO MANIPULATIVOS

• Variable predictora o de selección de valores

Son las equivalentes a la variable independiente en la investigación experimental, pero

en este caso son preexistentes en las personas, o no se puede realizar una
manipulación intencional (o no sería ético)

Por ejemplo, variables como el índice de masa corporal, el nivel socio económico.

• Variable criterio
Equivale a la variable dependiente en el diseño no experimental

EJEMPLO

Imagina que estamos estudiando la relación entre asistencia a centro de educación

infantil y rendimiento en primaria. Para ello seleccionamos a un grupo de niños que
ha acudido a centros de infantil y otro que no ha acudido (pasado), y comparamos su
rendimiento medio en primario.

Hay una variable que diferencia a los grupos (haber acudido o no a educación
infantil) de manera similar a como lo haría la variable independiente, pero no es
manipulable puesto que ya se ha dado.

A este tipo de variable la denominamos de selección de valores.

La variable criterio en este caso sería el rendimiento en primaria, equivalente a la

variable dependiente en el método experimental

PROCESO DE INVESTIGACIÓN CUANTITATIVA

12
‐
MUESTRA Y POBLACIÓN

Imagina que estás interesada en estudiar el nivel de burnout del personal de

enfermería de tu comunidad autónoma mediante un cuestionario. La población de
estudio sería el total de enfermer@s de tu comunidad.

 Si pudiese preguntar a todo el personal de la comunidad tendría una medida

"perfecta" del nivel de burnout en las enfermeras y enfermeros de mi comunidad.

 Lo habitual es que no tengamos recursos suficientes para preguntar a todos y cada

uno de los componentes de nuestra población de interés.

 En ese caso seleccionamos a una muestra de esa población, un subconjunto sobre

el que realizaré los análisis inferenciales

 Nuestro objetivo es que las conclusiones que extraigamos de los datos de la

muestra sean extrapolables a la población general, pero para ello necesitamos que la
muestra representativa

REPRESENTATIVIDAD DE LA MUESTRA

Imagina que quieres estudiar actitudes de estudiantes de psicología de primer año

sobre el PIR en España. La población está compuesta por todos los estudiantes de
primero año del grado de psicología.

Hay tres elementos que nos ayudarán a maximizar la representatividad de la muestra

1. Estructura
2. Tamaño
3. Aleatoriedad

ESTRUCTURA DE LA MUESTRA

Cuanto mayor conocimiento tengamos de la población de estudio, mejor podemos

definir el marco para extraer la muestra, y menos errores en la selección.

Tendremos que conocer en cuantas regiones se imparte el grado de psicología, Univ.

Pública y privada, y cuantos estudiantes han comenzado el primer curso del grado.

13
Además, también sabemos que el porcentaje de mujeres es superior al de hombres, de
media 85% mujeres vs. 15% hombres. Así que nuestra muestra tendrá que representar
esta característica diferencial.

TAMAÑO DE LA MUESTRA

El tamaño se asocia con la precisión que queremos en la estimación. En términos

generales cuantos más participantes tengamos, más probabilidades de que la muestra
sea representativa.

En el ejemplo anterior, partimos de una base de datos todos los estudiantes de último
curso.

Si el total son 5800, un tamaño muestral adecuado sería alrededor de 300 estudiantes

(el tamaño se ha calculado para un nivel confianza del 95% y un margen de error del
5%)

ALEATORIEDAD DE LA MUESTRA

Este término hace referencia que seleccionamos las unidades muestrales al azar.

Todos los individuos tienen la misma probabilidad de ser seleccionados

En este caso, del listado de 5800 estudiantes, seleccionamos al azar 300

TIPOS DE MUESTREO

14
MUESTRO PROBABILISTICO SIMPLE

Se realiza un listado de todos los elementos de la población

Se selecciona al azar un número de elementos de dicha población

Este tipo de muestreo es adecuado cuando se trata de poblaciones pequeñas ya que el

listado poblacional requiere un elevado número de recursos

Por ejemplo, en nuestra empresa de 500 empleados, donde existe una proporción
similar de mujeres y hombres, queremos examinar la relación entre trabajo a turnos e
intención de abandono de la empresa. Partimos del listado de todos los trabajadores y
seleccionamos 150 empleados aleatoriamente

MUESTREO PROBABILISTICO ESTRATIFICADO

Es el adecuado cuando nuestra población de estudio se diferencia en alguna

característica sociodemográfica como el sexo, o el número de hijos, por ejemplo.

Así las relaciones de comparación o de covariación que estamos estudiando pueden

que sean diferentes para cada grupo (estrato) de la población.

Se realiza un censo de los componentes de cada grupo teniendo en cuenta esta
diferencia, y se seleccionan aleatoriamente a los participantes dentro de cada estrato

En el ejemplo de estudiantes de psicología podríamos tener dos estratos: 85% mujeres

y 15% hombres y realizar una selección aleatoria dentro de cada grupo. Si teníamos
una muestra de 300 estudiantes, seleccionaríamos un total de 255 mujeres y 45
hombres

CONTRASTE DE HIPÓTESIS

15
Es un procedimiento para juzgar si las relaciones que observamos en la muestra
representan lo que ocurre en la población de la que extraemos la muestra

Para poder realizar el contraste de hipótesis tenemos que transformar las hipótesis de
investigación en hipótesis estadísticas.

La hipótesis estadística engloba dos hipótesis: la nula y la alternativa

HIPÓTESIS ESTADÍSTICA

•Hipótesis alternativa (H1 ): es la hipótesis que plantea la existencia de relación o de

causalidad (dependiendo del tipo de estudio). Es nuestra hipótesis de investigación, la
que aparece en los artículos científicos, la que estamos tratando de apoyar con nuestro
estudio.

H1: " Existen diferencias en altruismo entre hombres y mujeres".

•Hipótesis nula (H0): es la hipótesis de no relación entre las variables, o de no

diferencias.

H0"No hay diferencias entre hombres y mujeres en altruismo".

La hipótesis nula es la que se somete a comprobación cuando realizas un test de

estadística inferencial.

¿POR QUÉ HACEMOS LA PRUEBA CON LA HIPÓTESIS NULA Y NO

CON LA ALTERNATIVA?

De acuerdo con el principio de falsabilidad de Popper verificar una hipótesis es

conceptualmente imposible.

Puede haber explicaciones alternativas que no estemos contemplando en nuestras

hipótesis y que expliquen dicha relación.

Así, lo único que podemos hacer es “falsar”, es decir, demostrar que una afirmación
que hacemos sea falsa, y por consiguiente la afirmación contraria, puede ser plausible.

¿QUÉ SIGNIFICA ESTO EN PRÁCTICA?

Lo que nos interesa es apoyar la hipótesis de relación entre variable (hipótesis

alternativa)

16
Formulamos la hipótesis nula de no relación (la contraria a la alternativa) con el
objetivo de rechazarla

Si nuestros datos indican que podemos rechazar la hipótesis nula, concluimos que
encontramos apoyo empírico para nuestra hipótesis de investigación (no afirmamos
que se ha demostrado)
¿CÚAL SERÍA LA HIPÓTESIS NULA EN ESTE EJEMPLO?

En estudios previos se ha encontrado que existe un mayor nivel de bienestar adulto en

niños que han sido escolarizados con Montessori vs. Educación tradicional (Lillard et
al., 2021). Partiendo de esta evidencia, hipotetizamos que estas diferencias ya serán
apreciables al finalizar la etapa primaria.

H1: Los niños educados en escuelas Montessori mostrarán puntuaciones más altas en
la escala de bienestar infantil al final de la etapa primaria que los niños educados en
escuelas tradicionales.

Imagina que nuestros análisis avalan que rechacemos la hipótesis nula de no

diferencias. Concluimos por tanto que nuestros datos parecen apoyar la explicación
alternativa, es decir la de diferencias significativas.

¿Podemos decir que se demuestra que la educación Montessori mejora el bienestar de

los niños por encima de la tradicional?

No podemos concluir que sea la verdad absoluta, sino que la explicación que plantea
parece plausible a la luz de los datos.

Si con el tiempo se empieza a acumular evidencia en este sentido, estaríamos más

cerca de confirmar que ese tipo de educación favorece el bienestar por encima de la
enseñanza tradicional

NIVEL DE CONFIANZA Y SIGNIFICACIÓN ESTADÍSTICA

El nivel mínimo de confianza para rechazar la hipótesis nula (y así apoyar nuestra
hipótesis de investigación de relación o de diferencias) es del 95%.

17
Es decir, aceptamos un 5% de error de haber rechazado la hipótesis nula cuando en
realidad es cierta, o expresado en términos de probabilidad 0.05.

Lo que buscamos es que la probabilidad de que las relaciones encontradas entre

nuestras variables sean por azar, sea más baja que el mínimo de error aceptado,
p<0.05. A esto se le denomina el umbral de significación estadística.

TEMA 2: VALIDEZ DE LA INVESTIGACIÓN

18
OBJETIVOS

 Entender el concepto de validez de las conclusiones de investigación

 Conocer los diferentes tipos de validez y sus características dependiendo de la

secuencia del proceso de investigación al que se refiera

VALIDEZ DE LA INVESTIGACIÓN

La validez de la investigación se refiere al grado de confianza que podamos adoptar

sobre la veracidad de los resultados teniendo en cuenta el rigor del proceso de
obtención de los mismos

“Las conclusiones de un estudio se consideran válidas en la medida en que sean

correctas de acuerdo a las pruebas que las sustentan” (Quintanilla Cobián et al.,
2020, p.111).

Los juicios de validez no son absolutos, es cuestión de grados, no podemos tener una
validez total

TIPOS DE VALIDEZ

El análisis de la validez de una investigación se realiza en función del grado de

seguridad de las conclusiones sobre 3 aspectos fundamentales o pilares del proceso
de investigación cuantitativa (Kline, 2009, p. 40).

1. El pilar del método : nos referimos a la estrategia general que condiciona el

desarrollo de cada etapa del proceso de investigación desde la formulación de
hipótesis hasta las técnicas de contraste.

2. El pilar de la medida: de validez de constructo y fiabilidad de los instrumentos

3. El pilar del análisis: grado de confianza que podemos tener en que los análisis
estadísticos que hemos llevado a cabo nos llevan a la correcta inferencia de la
hipótesis.

En esta asignatura, nos centraremos particularmente en el pilar del método.

19
AMENAZAS A LA VALIDEZ

Son errores de procedimiento o limitaciones inherentes al método de investigación

que pueden poner en cuestión la veracidad de las conclusiones alcanzadas

Es importante analizar las posibles amenazas porque:

1. Poder manejar las condiciones de estudio para minimizar las amenazas

2. Desarrollar nuestra capacidad crítica para extraer conclusiones adecuadas al alcance

y posibilidades del estudio realizado

VALIDEZ INTERNA

Hace referencia a la probabilidad de obtener conclusiones correctas acerca del efecto

de la variable independiente sobre la variable dependiente

Podemos considerar un diseño internamente válido cuando las diferencias

observadas en la variable dependiente entre los diferentes grupos pueden atribuirse
única y exclusivamente a las variaciones producidas en la variable independiente

Para ello tienen que darse 3 condiciones:

CONDICIONES PARA UNA RELACIÓN CAUSAL

El filósofo John Suart Mill (1806-1873) estableció tres condiciones necesarias para
poder concluir de manera inequívoca la relación causal :

1. Ha de existir una covariación entre causa y efecto (varían de manera directa o

inversamente proporcional)

20
 2. Ha de haber una contigüidad temporal entre la variable independiente y la
dependiente: primero ocurre la variable manipulada (causa) y luego el efecto

3. Podemos desechar otras explicaciones del efecto distintas a la causa que

estamos estudiando

VALIDEZ INTERNA Y EL MÉTODO EXPERIMENTAL

Nuestra validez interna aumentará en la medida que utilicemos un método de

investigación que garantice esas condiciones.

El método que permite alcanzar las mejores condiciones de validez interna es el

método experimental

La primera condición de causalidad (la covariación) es una condición necesaria pero

no suficiente, y no es exclusiva del método experimental. Veamos cómo aborda las
otras dos condiciones necesarias de causalidad el método experimental .

Imagina que queremos estudiar la relación causal entre rendimiento académico y

autoestima en estudiantes de secundaria.

¿Cuál es la secuencia temporal?

Existen modelos teóricos que explican cómo una elevada autoestima ayuda afrontar el
estudio y esto repercute en mejor rendimiento académico:

Autoestima Rendimiento
Pero también podemos encontrar modelos que expliquen que un elevado

rendimiento académico mejora la autoestima

RendimientoAutoestima

Un investigador quiere demostrar la relación causal entre el nivel de autoestima inicial

en el rendimiento.

Diseña un estudio donde primero mide la autoestima de un grupo de estudiantes de

secundaria y tres meses después evalúa su rendimiento

Autoestima rendimiento
¿Es suficiente para garantizar que la variable autoestima (causa) sucede antes

21
 que la variable rendimiento?

Aunque utilicemos las calificaciones a posteriori, la autoestima “no surge” en el

momento de la primera medición del investigador

Los participantes tienen una historia de éxitos y fracasos que han ido configurando su
autoestima. Puede ser que sea su historial de rendimiento en años anteriores sea lo que
afecte la autoestima

CONCLUSIÓN

22
 El método no experimental empleado en el ejemplo no permite demostrar de
manera inequívoca la secuencia temporal de la variable independiente a la variable
dependiente

 Concluimos que tiene menos validez interna que un estudio experimental

VALIDEZ INTERNA Y MÉTODO EXPERIMENTAL

El método experimental aborda las condiciones de causalidad y por tanto maximiza

las posibilidades de validez interna mediante:

1. Control en la presentación de la variable independiente antes que la dependiente

(causa antes que el efecto)

2. Aleatorización de los sujetos a los grupos para controlar el efecto de posibles

explicaciones alternativas de los efectos observados en la variable dependiente

AMENAZAS A LA VALIDEZ INTERNA

Selección diferencial
El hecho de no asignar aleatoriamente los sujetos a los grupos hace que no podamos

confirmar la equivalencia inicial de los grupos.

Por ejemplo, un estudio en el que queremos aplica un programa de comprensión

lectora en una clase y comprobar la mejora en rendimiento, mientras que en otra clase
hacemos la enseñanza habitual.

No hemos seleccionado aleatoriamente los sujetos a los grupos pues partimos de una
clase dada. Puede ser que en uno de los grupos hay varias personas con un nivel más
elevado de comprensión lectora.

Así, no podemos saber si el programa ha funcionado por sí mismo o porque en el

grupo que se ha implementado había niños que ya tenían un nivel superior que en el
grupo control.

 Ambigüedad en la contigüidad temporal: cuando se usa un método no

experimental para concluir relaciones causales

 Fallos en la precisión de las medidas: no se usan los mismos instrumentos para

medir la VD o estos no son fiables

Por ejemplo, imaginad que en el experimento de Richards y Gross la tarea de

reconocimiento de un grupo se usan dos cuestionarios de reconocimiento A y B para

23
evitar que los participantes se copien las respuestas. Puede que tengan diferente grado
de dificultad.

Historia

Hay acontecimientos que ocurren durante el desarrollo del estudio, dentro o fuera del
mismo, que pueden afectar a la variable dependiente y confundir los resultados. El
ejemplo que pusisteis en clase fue que podía ser que algunos participantes ya hubiesen
visto el vídeo del experimento en otra ocasión.

VALIDEZ EXTERNA

Se refiere a la medida en que puedes generalizar los resultados de tu estudio.

Hablamos de dos tipos:

 Validez externa poblacional

 Validez externa ecológica

VALIDEZ POBLACIONAL

Un estudio tiene alta validez poblacional si puedes generalizar los resultados a la

población general de la que se ha extraído la muestra.

Para ello nuestra muestra ha de ser representativa

Imagina que estás interesada en conocer la concienciación de la sociedad ante el

aumento de problemas de salud mental en los niños y jóvenes.

Para ello administras un cuestionario a una muestra de estudiantes de psicología.

La validez poblacional está comprometida porque es poco probable que los

estudiantes de psicología sean una muestra representativa de la sociedad, ya que
tendrán un mayor interés y formación en estas áreas que la población general, factores
que influyen en las actitudes

VALIDEZ ECOLÓGICA

Un estudio tiene alta validez ecológica si puedes generalizar los resultados del
estudio al contexto de la vida diaria.

Los estudios experimentales de laboratorio tratan de recrear o simular situaciones

cotidianas en un contexto artificial.

24
Por ejemplo, imagina un estudio experimental mediante el que estudias las estrategias
de regulación emocional cuando se reciben malas noticias. Para ello planteas una tarea
en la que el participante debe leer un email con malas noticias.

Esta situación puede elicitar emociones parecidas, pero no puede reproducir de

manera exacta las emociones que recibimos ante una noticia real.

Si el estudio está bien diseñado va a tener gran validez interna, pero el nivel de control
repercute en una menor validez ecológica ya que el escenario presentado en el
laboratorio puede tener menos que ver con la situación cotidiana que se está
estudiando.

RELACIÓN VALIDEZ INTERNA/ EXTERNA Y MÉTODO

La validez no es cuestión de todo o nada, sino de grados

Si bien es deseable tener alta validez interna y externa, un estudio bien construido
tiende a tener un tipo u otro de validez elevado

1. Experimento: alta validez interna pero menor validez externa (ecológica)

2. Estudio no experimentalalta validez externa pero limitada validez interna

VALIDEZ DE LA MEDIA

Se refiere hasta qué punto las variables han sido medidas de manera fiable y
representan el constructo teórico de manera adecuada:

1. Fiabilidad de los test

2. Validez del test

FIABILIDAD DEL TEST

Un test es fiable si es consistente:

• Consigo mismo, es decir todos los ítems del test están estrechamente relacionados

entre sí.

25
 Por ejemplo, en un test de supresión emocional todos los ítems deben estar
encaminados a representar las diferentes facetas del concepto de suprimir emociones y
mostrarán alto grado de correlación entre ellos.

• Es consistente a través del tiempo, es decir, si una persona realiza el test en

diferentes momentos, tendrá una puntuación similar.

Por ejemplo, la supresión emocional como rasgo es una tendencia de regulación

emocional bastante estable. Si administramos el test a las mismas personas en
ocasiones diferentes, las puntuaciones serán similares.

VALIDEZ DEL TEST

Hace referencia a que el instrumento mide “lo que dice medir”

Así, los ítems del test capturan cada componente de la definición conceptual de la que

partimos (ejemplo adicción al trabajo tema 1)

Por ejemplo, la supresión emocional se define como la inhibición consciente de la

expresión emocional ante una activación emocional fisiológica. Los ítems reflejan esta
definición:

Trato de mantener ocultos mis sentimientos.

Cuando estoy sintiendo emociones positivas, tengo cuidado de no expresarlas.
Controlo mis emociones no expresándolas.
Cuando estoy sintiendo emociones negativas, me aseguro de no expresarlas.

(Rodríguez Carvajal et al., 2006)

VALIDEZ DEL CONSTRUCTO

Hace referencia a si el test mide con precisión el constructo psicológico que dice
medir. Para ello se suele recurrir a realizar tres tipos de análisis:

• Validez convergente: el test ha de correlacionar significativamente con otros test

que miden constructos parecidos. Por ejemplo, una medida nueva sobre esfuerzo
emocional debería correlacionar de manera elevada con medidas existentes sobre
agotamiento emocional ya que son dos variables teóricamente relacionadas.

• Validez divergente: el test no correlaciona (tiene una correlación muy baja cercana
a 0) con medidas con las que teóricamente no está relacionado. Por ejemplo, una

26
‐
 medida de extraversión no debería correlacionar con una medida de ansiedad por las
matemáticas.

• Validez de la estructura factorial: el análisis factorial es una técnica estadística

que permite relacionar variables observadas (los ítems de una escala) con variables
no observadas (factores).

Hace referencia a si el test mide con precisión el constructo psicológico que dice
medir. Para ello se suele recurrir a realizar tres tipos de análisis:

Imagina que estamos interesados en estudiar constructo de burnout. Este síndrome

está formado por tres variables: el cansancio emocional, cinismo y baja eficacia
profesional.

El test del burnout tiene 3 subescalas, una para medir cada variable. Los ítems de
cada escala tienen una relación más fuerte entre ellos que con los ítems de las otras
subescalas (p.ej.los ítems de la escala de agotamiento emocional tienen una
correlación más elevada entre ellos que con los de las otras escalas).

Cuando decimos que una persona sufre burnout, lo inferimos porque puntúa alto en
cada una de las escalas. Es decir, el constructo teórico del burnout nos ayuda a
explicar la elevada correlación entre estas tres variables. Dado que estos resultados
han sido replicados en múltiples estudios, la escala de burnout cuenta con gran
validez de constructo.

 Tanto la fiabilidad del test como la validez de constructo son temas complejos.
Abordaréis estos temas de nuevo en las asignaturas de análisis de datos y psicometría.

 Por ahora es importante que os quedéis con la idea de que cuando escogemos una
escala para medir nuestras variables de estudio, los instrumentos han de estar
previamente validados es decir existen datos disponibles que avalan su fiabilidad y
validez de constructo.

Tema 4. Diseño de la investigación.

27
28