MUESTREO Y OPERACIONALIZACIÓN DE VARIABLES

Por: Hugo Casanova

 Subtítulo

El error de subestimar el muestreo

Resumen

Luego de establecer el marco teórico y operacionalizar el constructo el procesamiento de datos puede dar GIGO si se menosprecian las pruebas iniciales y el muestreo pues este proceso es mas que obtener un número mágico

Contenido

1. La Operacionalización del Constructo
2. De la Operacionalización al Muestreo
3. Funciones de la Medición

Uno de los temas de más difícil comprensión entre los tesistas es el tema del muestreo. Esto parece justificado pues no es materia necesaria en todas las carreras ni postgrados, pero surge como imprescindible a la hora de la investigación cuantitativa y cualitativa. Nos ocuparemos del caso cuantitativo.

Cuando se entrevistan personas se llama investigación por muestreo de encuestas y la encuesta es el acto de entrevistar personas (a veces se confunde con el instrumento pero este no es la encuesta). Parto del supuesto que el muestreo es subestimado en muchos trabajos, tal vez por razones de costo y operatividad o por desconocimiento sobre el tema

Veamos algunos puntos esclarecedores en ciencia social, aunque no agotaré el tema pues esto es un proceso más especializado y el objetivo de estos artículos es tratar los temas brevemente.

El muestreo constituye la pieza clave en la real-ización del estudio (hacerlo real de verdad, dejar de ser un plan), este proceso de concreción consiste, brevemente, en dos subprocesos una vez definido el constructo que se desea evaluar

La Operacionalización del Constructo

El proceso de objetivación del constructo consiste básicamente en dividirlo progresivamente en niveles (de mas a menos abstracto ó de abstracto a concreto) de modo tal que uno sea más específico que el anterior hasta llegar a los ítems o variables que pueden medirse directamente. Pe. el constructo “Dengue Hemorrágico” se operacionaliza evaluando la presencia de los siguientes síntomas

1. temperatura 1. súbitamente alta de 2 a 7 días,

2. sangrado en diferentes partes del cuerpo,

3. dificultad de respiración,

4. inflamación en la cara,

5. enrojecimiento de la cara,

6. vómito o diarrea,

7. alteraciones en la presión,

8. falta de apetito, palidez,

9. sudoración y

10. sueño.

Como vemos este constructo tiene un solo nivel (el de los síntomas). Otro ejemplo es el constructo “Actitud hacia un producto” que tomando el modelo tricomponente se subdivide en componente

1. Afectivo,

2. Cognitivo y

3. Conductual.

A su vez, cada uno de estos niveles puede subdividirse en otros subniveles. Pe. el afectivo, en razones para preferir la marca y percepciones sobre el producto; el cognitivo en conocimiento de marcas y conocimiento del producto y el conductual en hábito de compra y hábito de consumo. Cada uno de estos puede seguir desarrollándose hasta llegar a ítems o variables medibles directamente mediante una escala determinada. Este procedimiento puede denominarse desagregación del constructo o de la variable mayor (se considera dentro del proceso de operacionalización). Veamos un ejemplo hipotético para el componente afectivo en la tabla 1.

 

Tabla 1 Ejemplo hipotético de desagregación del componente afectivo

 

De la Operacionalización al Muestreo

Hasta aquí generalmente se procede bien. El problema viene ahora. Me he extendido un poco para introducir el muestreo. ¿Cómo sabemos que el proceso de desagregación del constructo es eficiente?. Cuando se desagrega el constructo se asume que “esa estructura” existe en realidad de esa forma pues nada indica que no exista otra forma de desagregar el constructo. En otras palabras, la forma de expresar la actitud puede variar según ciertas otras características (llorar o reír pueden ser expresión de la misma actitud hacia algo). ¿Cómo sabemos que la persona tiene esa actitud que deseamos investigar? Pues para tener actitud se deben haber desarrollado los tres componentes (conocer el producto, sentir algo hacia él y haber tenido experiencia con él), para el caso del dengue sería similar ¿Cómo sabemos que la persona tiene o tuvo recientemente esa enfermedad y no es un falso positivo? ¿Dónde están esas personas? ¿Cómo están distribuidas físicamente? ¿Cómo está distribuida la actitud o el tipo de enfermedad? ¿Qué tan accesibles son? ¿Cuántas son? todas estas preguntas son preguntas de muestreo.

Generalmente se cree que el muestreo resuelve solo el problema del número de entrevistas necesarias y que ese número nos da información sobre la significación de la muestra. Además se cree que como existe cierta homogeneidad en las escalas (pues son cualitativas de dos o tres niveles de respuesta, por ejemplo) una muestra pequeña será suficiente.

Bien, el número de entrevistas (o de encuestas) puede ser alto y significativo numéricamente (salvando las variables de las ecuaciones, nivel de confianza, varianza y error máximo admisible) pero pueden tomarse personas que tengan que ver poco o nada con la actitud evaluada o con la enfermedad; pueden caer muchas personas con poca actitud y dejar por fuera las de mayor actitud hacia el producto, o para el caso del dengue pueden caer más las de un tipo y no del otro. Existen productos o enfermedades cuyas personas son de difícil acceso, pe, las portadoras de VIH o los usuarios de Rolex o simplemente que no puedan encontrarse en sus hogares sino en sus trabajos (lo que dificulta la entrevista), pueden trabajar por turno (caso de las enfermeras), etc. Estos y muchos otros problemas deben resolverse en el muestreo.

El muestreo no es solo una técnica que nos dice a cuantas personas entrevistar, constituye la investigación operativa del estudio. Todo el caudal de información contenido en el marco teórico, en el diseño del constructo y en su desagregación u operacionalización va neto al muestreo. Todo ese caudal de información es una gran hipótesis que se prueba en el muestreo. Es una gran hipótesis sobre la realidad y el muestreo debe encargarse de encontrarla pues esta se presenta borrosa, poco delineada y no tan estructurada como desearíamos. En estadística se dice Garbage In, Garbage Out (GIGO), si metes basura (a las ecuaciones) estas sacarán basura.

Funciones de la Medición

Finalmente un comentario adicional, la medición tiene dos funciones básicamente (Díez y Moulines, 1999. pg. 180) su papel en la búsqueda de nuevas leyes y teorías y su uso para contrastar otras ya existentes. El uso que generalmente se da a los datos en las tesis es el segundo y por eso el estudio del marco teórico es vital. Ahora bien Díez y Moulines señalan adicionalmente que

Cuando la contrastación involucra medición, cobran especial importancia tres tipos de supuestos auxiliares relacionados: los que tienen que ver con la idealización de las leyes, los relativos a la fiabilidad de los instrumentos de medición y los que establecen más o menos implícitamente el margen de error admisible

Obsérvese que los dos últimos supuestos adicionales tienen que ver con el muestreo (al tener que ver con la medición). La fiabilidad de los instrumentos y el error máximo que se admite. Cuando las variables son cualitativas o no métricas (vale decir de niveles de medición nominales u ordinales) estos supuestos se complican (algunos piensan que se suavizan) debido a no se sabe el error que se comete por la falta de métrica. La fiabilidad tiene dos aspectos importantes, los ítemes deben responder al marco teórico y la prueba piloto debe ser exitosa o el instrumento debe haber sido probado exitosamente. Por su parte el error máximo admisible de los datos va a depender de la sensibilidad de los resultados, un error de 5% y otro de 15% pueden ser grandes o pequeños dependiendo de la sensibilidad de los resultados, es decir de cómo afecte a los objetivos del estudio. Los errores cometidos muchas veces son inobservables y no sabemos cómo han afectado a los datos estos pueden venir abultados o disminuidos y el único modo de ir seguros es teniendo el mismo cuidado que tiene un cirujano cuando realiza un corte e interviene a un paciente

[1] Tomado de cruzrojaaragua.org.ve

Díez y Moulines. Fundamentos de Filosofía de la Ciencia. Ariel Filosofía. 2ª ed. 1999