TECNICAS CUANTITATIVAS DE LA INVESTIGACIN

CTEDRA CHITARRONI
PRCTICOS: DANISA RIERA - TM/TT

LA MEDICIN: EL DATO EN LAS CIENCIAS SOCIALES

Unidades de anlisis: fragmentos de la realidad que pueden ser personas individuales, o bien
organizaciones como los partidos polticos
Variables: ciertas propiedades de los objetos que son de nuestro inters: permiten clasificar,
ordenar o medir a las unidades de anlisis o, lo que es lo mismo, las unidades de anlisis
asumen cierta posicin cierto valor o categora en las variables
La confluencia de estos tres elementos (unidades de anlisis, variables y posicin que ocupan
las primeras en las segundas) es lo que denominamos un dato Esta estructura tripartita del dato
cobra materialidad en una matriz de datos
La matriz de datos: unidades de anlisis en las filas; variables en las columnas; valores o
categoras en las celdas
Tipos de matrices de datos
Unidades de anlisis Variables
Muchas Pocas

Muchas Estudios extensos

(paradigma: censos)

Pocas Estudios profundos (paradigma:

estudio de caso)

Las variables: capacidad o nivel de medicin

Variables categricas o cualitativas
Nominales: clasifican
Ordinales: clasifican y ordenan
Variables numricas o cuantitativas
De intervalos iguales: clasifican, ordenan y miden distancias entre casos (cero
convencional)
De razones o cocientes: clasifican, ordenan, miden distancias entre casos y establecen
relaciones entre valores (cero absoluto)

UNIDADES DE DISTINTO NIVEL DE AGREGACIN Y ATRIBUCIN DE

PROPIEDADES A DIFERENTES NIVELES
Tipos de propiedades de unidades de Propiedades de los...
anlisis de distinto nivel de agregacin
Miembros Colectivos

Que dependen de los...Miembros Absolutas Analticas

Colectivos Contextuales Globales

Que dependen de Miembros Relacionales Estructurales

relaciones entre los...
 Colectivos Comparativas ------
Propiedades de los miembros
Absolutas: son un atributo propio del individuo, como la edad, el sexo o el nivel
educativo
Contextuales: son un atributo que el individuo adquiere del colectivo, tal como
pertenecer a un hogar pobre o ser alumno de una escuela pblica
Relacionales: depende de la relacin del individuo con otros miembros del mismo
colectivo, tal como la posicin en el hogar (jefe, cnyuge, hijo, etc.)
Comparativas: propiedades que caracterizan a un miembro comparando su valor en
alguna propiedad (absoluta o relacional) y la distribucin de esta propiedad en el colectivo al
que pertenece. Si decimos que alguien es el hijo mayor o el principal perceptor de ingresos en
un hogar, estamos fijando su posicin en relacin con la distribucin de la variable edad o
ingresos entre el total de los miembros del hogar.

Propiedades de los colectivos

Analticas: propiedades de los colectivos construidas a travs de operaciones con
propiedades de los miembros, tal como la tasa de desempleo de una provincia, el ingreso per
capita de un hogar o la tasa de repitencia de una escuela
Globales: propiedades de los colectivos que no dependen de propiedades de los
miembros tal como el tipo de gobierno o la extensin de un pas, o el tamao de un hogar o el
tipo de vivienda que ocupa
Estructurales: propiedades de los colectivos que son construidas a partir de las
relaciones entre los miembros. Sera el caso de la variable que clasifica a los hogares en
nucleares, extensos o compuestos. Ello depende de las relaciones de parentesco que guardan
entre s los miembros convivientes (tipo de hogar)

EJEMPLO:
El desempeo escolar de los nios que provienen de un hogar con jefe de alta educacin es
ms satisfactorio
Esta proposicin se refiere a individuos: los nios
Y vincula una variable individual (el desempeo escolar, que es propio de los nios),
con una variable contextual (la pertenencia a un hogar con jefe altamente educado, que es una
caracterstica del hogar)
Y advirtase que, a su vez, la alta educacin se ha transferido, por carcter transitivo,
del jefe al hogar, para concluir en el nio.

La falacia ecolgica
Las relaciones observadas a nivel de unidades colectivas no siempre reflejan que iguales
relaciones tienen lugar entre los miembros
As, el hecho de que los robos a viviendas aumenten en los barrios donde hay ms
hogares de ingresos altos, no significa que sean los ricos los que roban viviendas de sus vecinos
Y el hecho de que ciertos delitos contra las personas sean ms frecuentes en los barrios
de ingresos ms bajos, no significa tampoco que sean los pobres los que cometen esos delitos

La falacia atomista
Es la falacia de inferir conclusiones sobre la variabilidad entre unidades de nivel superior
con datos correspondientes a unidades de nivel inferior
La falacia atomista surge porque las asociaciones entre dos variables individuales pueden
ser diferentes de las asociaciones entre variables anlogas pero grupales. Por ejemplo, en un
estudio con individuos puede observarse que el mayor ingreso individual se asocia a una
menor mortalidad por cardiopata coronaria
 Si se infiere de estos datos que a escala de pas el mayor ingreso per cpita se asocia con la
reduccin de la mortalidad por cardiopata coronaria, el investigador quiz est incurriendo
en una falacia atomstica (porque entre pases, los mayores ingresos per cpita pueden, en
realidad, asociarse con una mayor mortalidad por cardiopata coronaria).

Qu son los datos secundarios?

Aquellos que fueron recogidos o producidos por otros y que pueden ser
empleados por nosotros
Por oposicin a los que uno mismo recoge o produce
As, cuando una consultora hace una encuesta de intencin de voto, se trata de
datos primarios
Pero si uno emplea los datos de la encuesta de hogares que hace el INDEC para
hacer una investigacin sobre la pobreza o el empleo, se trata de datos secundarios

Ejemplo: para un historiador que investigue la historia del sindicalismo, fuentes

secundarias son los libros de otros investigadores sobre el tema: Rotondaro, Matsushita
o Julio Godio
En tanto que los peridicos sindicales, las solicitadas de la CGT, aunque sean material
escrito hace tiempo, son datos primarios, pues no fueron producidos como datos: el
investigador los convierte en tales
Ventajas
Disponibilidad, Accesibilidad, Economa, Amplia cobertura territorial, Muestras con
alta representatividad y posibilidad de desagregacin, Comparabilidad a lo largo del
tiempo, Comparabilidad entre pases (convenciones internacionales)
Desventajas
Temticas estandarizadas, No relevan temas especficos, A veces hay mdulos
especiales que no se repiten. No cubren localidades pequeas (salvo el censo o
limitadamente las estadsticas vitales). Los tamaos muestrales impiden focalizar en
subpoblaciones muy pequeas

Censo es un relevamiento total y casi simultneo de la poblacin de un pas, sus

finalidades: planificacin, asignacin de representacin poltica, recursos humanos,
marcos muestrales para las encuestas
De facto o de jure?: un censo de facto registra a las personas que pasaron la noche
previa en cada vivienda, un censo de jure registra a los que viven habitualmente en la
vivienda

La EPH (Encuesta Permanente de Hogares) del INDEC

Es una encuesta por muestreo
Que se releva en 24 aglomerados urbanos (todas las capitales provinciales, y
otras ciudades importantes como Rosario, Mar del Plata, Baha Blanca y Ro IV)
Representa al 60% de la poblacin total del pas y al 70% de la poblacin
urbana)
Se puede desagregar geogrficamente por aglomerados y dentro del GBA
permite separar la CABA

Los datos de fuentes internacionales: una cantera de informacin

 Los organismos internacionales consolidan bases de datos sobre la mayor parte
de los pases del mundo sobre vastas temticas econmicas y sociales
En general provienen de las fuentes estadsticas oficiales de cada pas
Estn generalmente disponibles en las pginas web

MUESTREO

Una poblacin es un conjunto de elementos definidos por ciertas especificaciones: por

ejemplo, las personas que votaron en las ltimas elecciones, los habitantes de la Ciudad
de Buenos Aires de 14 y ms aos
Una muestra: un subconjunto de los elementos que componen la poblacin (casi
siempre una pequea proporcin de ellos) obtenidos bajo ciertos recaudos de manera
que satisfagan nuestras necesidades. Las muestra probabilsticas o aleatorias, que son
aquellas en cuya seleccin entran procedimientos de azar. A ellas nos referiremos en
primer trmino.
Las muestras no probabilsticas, o sea aquellas en las que los elementos que las
componen son elegidos por procedimientos que no incluyen el azar.

Marco muestral: todos los elementos que componen la poblacin.

Una muestra ms grande tiende a ser mejor, pero que el tamao muestral es
independiente de la magnitud del universo. Con una muestra ms grande se consigue
aumentar la precisin o, en otras palabras, achicar el error de estimacin.
La confianza en que la muestra obtenida no difiere en demasa de la poblacin, tambin
crece apreciablemente as como aumenta el tamao muestral.

Principales factores que se tienen en cuenta al determinar el tamao de las muestras:

Uno de ellos es la precisin con que queremos estimar: aceptaremos
equivocarnos por un punto, por dos o por tres?
Otro es la confianza que pretendemos asignar a nuestras estimaciones: esta
confianza tambin se puede cuantificar, puesto que es posible decidir, antes de
elegir la muestra, si queremos afirmar algo con una seguridad de 99% o nos
conformaremos con una de 95%.
Un tercer elemento estriba en una caracterstica de la poblacin: su
heterogeneidad: los universos ms heterogneos requieren muestras ms
grandes.

Tamao muestral = (Confianza * heterogeneidad) / Error de estimacin

Muestras probabilsticas

La muestra al azar simple

En las muestras de azar simple, hemos de contar con un listado completo de los N
elementos que componen la poblacin
Estos elementos deben ser numerados y, a continuacin, se eligen mediante una tabla de
nmeros al azar, un bolillero o cualquier otro medio aleatorio, n elementos que
integrarn la muestra
El procedimiento es, pues, similar al que aplica quien saca papelitos numerados de una
galera
Muestras al azar sistemtico
El paso inicial consiste en obtener un cociente entre N (cantidad de elementos que
componen la poblacin) y n (cantidad de ellos que hemos de incluir en la muestra).
Si este cociente fuera 3000/300 = 10, se determina un primer nmero al azar entre 1 y
N (en este caso, entre 1 y 3000). Supongamos que salga el 115: pues bien, el primer
elemento elegido ser el n 115 en el listado.
A partir de l elegiremos los otros 299 con intervalo igual a N/n, es decir igual a 10.
De manera que hecha la primera seleccin (115), le seguir la 125, luego la 135, etc.

Las muestras estratificadas

Antes de seleccionar la muestra, se separa el universo en estratos o subuniversos.
Para ello debemos disponer un marco muestral, que contenga la informacin suficiente
como para hacer tal divisin. Por ejemplo, si fuera necesario seleccionar una muestra de
alumnos de la facultad de ciencias sociales, con el propsito de entrevistarlos y
averiguar sus opiniones y expectativas, podramos decidir estratificar por carrera.
De manera que elegiramos submuestras separadas de alumnos de cada carrera
El muestreo estratificado puede ser proporcional, si distribuimos los casos muestrales
en proporcin al peso que adquieren los estratos en la poblacin
As, si tenemos un estrato que representa la mitad de la poblacin, otro el 30% y el
tercero el 20% restante, seleccionamos la mitad de la muestra en el primero, el 30% en
el segundo y el 20% en el tercero

El muestreo de conglomerados
Esta es una muestra por conglomerados de etapa nica: hemos seleccionado al azar slo
una vez. La muestra ser tanto mejor cuanto ms se parezcan los conglomerados entre
s.
Conglomerados de mltiples etapas Es el tipo de muestreo del que suelen valerse las
encuestas de hogares, as como las de opinin y los sondeos electorales
En este caso se seleccionan al azar conglomerados geogrficos (por ejemplo, barrios o
radios censales) Luego, dentro de ellos, manzanas.Y dentro de las manzanas, se
seleccionan viviendas

El muestreo no probabilstica

Muestreo coincidental: Se trata de seleccionar por ejemplo para realizar una encuesta
a las personas que pasan casualmente por el sitio donde se ha ubicado el encuestador:
generalmente un punto por donde pasa mucha gente, tal como una estacin ferroviaria o
una esquina cntrica

Muestreo por cuotas: El muestreo por cuotas es tenido por la mejor alternativa para
sustituir al muestreo probabilstico en procura de obtener una razonable rplica en
pequeo de la poblacin, cuando no se cuenta con la posibilidad de llevar a cabo un
muestreo al azar. Guarda alguna semejanza con el muestreo estratificado.

Muestreo intencional: En este tipo de muestreo no buscamos en modo alguno que la

muestra se parezca a la poblacin. Por el contrario, nos interesamos exclusivamente en
cierto tipo de casos, que nos resulten relevantes desde el punto de vista terico

EL ANLISIS EXPLICATIVO Y LOS VNCULOS CAUSALES EN LAS CIENCIAS

Establecer leyes (regularidades empricas repetidamente comprobadas) que vinculen a unos
fenmenos con otros

La explicacin nomolgico deductiva (Carl Hempel, epistemlogo alemn del Crculo de

Viena)
Explanans
-L1, L2, Ln (leyes generales) El deterioro de las condiciones de vida, genera estallidos
sociales
-C1, C2, Cn (condiciones antecedentes) Alto desempleo, aumento de la desigualdad y la
pobreza, exclusin social de ciertos grupos -por ejemplo de origen migratorio-, reduccin de
ayuda social
Explanandum
-E (descripcin del fenmeno emprico a ser explicado) Estallido social (en Espaa en 2012 o
en Londres en 2011 o en Pars en 2005 o en Buenos Aires en 2001)

Las reglas de Mill:

- Mtodo de la concordancia y de la diferencia
Mtodo de la concordancia (causa suficiente)
X, A, B, C Y
X, (A, B, C) Y
Mtodo de la diferencia (causa necesaria)
X, A, B, C Y
(X), A, B, C (Y)
-Mtodo de la coincidencia y la discrepancia
X, A, B, C Y
X, (A, B, C) Y
(X), A, B, C (Y)
La objecin a las reglas de Mill: La eventual existencia existencia de un factor oculto D
X, A, B, C; D Y
X, (A, B, C), D Y
(X), A, B, C (D) (Y)
Condiciones que requiere la causalidad
Presencia conjunta o covariacin emprica
Sucesin temporal (primero la causa; luego la consecuencia)
Nexo terico
Control de otros factores (el factor oculto D)

El experimento estocstico
Es el principal modo que tiene la ciencia para poner a prueba relaciones causales es el
denominado diseo experimental, tambin denominado experimento estocstico moderno.
Condiciones:
Debe contarse con un grupo experimental y un grupo de control cuya igualdad inicial
pueda garantizarse
El factor experimental o estmulo debe poder ser introducido por el investigador
Si el factor experimental no es dicotmico (presencia/ausencia), podemos contar con
diferentes grupos
Una medicin de la variable dependiente, posterior a la introduccin del estmulo, debe
arrojar diferencias significativas entre ambos grupos
Procedimiento de igualacin:
Lo ideal es la igualacin al azar o ramdomizacin: es decir, ambos debieran ser seleccionados
como muestras probabilsticas de una misma poblacin, o bien resultar de la particin al azar de
una misma muestra
Tambin se recurre al sistema denominado matching o apareamiento: en este caso, pueden
formarse, a partir de la muestra original, pares de casos que se asemejen en los valores de un
conjunto de variables que se consideren cruciales en la investigacin. Por ejemplo, sujetos de
igual edad, sexo, nivel educativo y situacin ocupacional
Experimentos antes/despus: En algunas ocasiones en que no es posible garantizar la igualdad
inicial por procedimientos de azar, es posible acudir a una medicin previa de la variable
dependiente en ambos, Luego de introducido el estmulo sobre uno de los grupos, es posible
realizar una segunda medicin de la variable dependiente. Luego de introducido el estmulo
sobre uno de los grupos, es posible realizar una segunda medicin de la variable dependiente
Aplicacin del diseo experimental: Es difcil replicar fenmenos sociales, econmicos,
polticos, etc. en condiciones de laboratorio y bajo control. Las causas no pueden manipularse y
estn fuera de nuestro control. Se suele recurrir a un grupo de comparacin, estadsticamente
construido, que presente condiciones similares a los beneficiarios: los llamados experimentos de
campo
Se habla de cuasi experimentos cuando falta alguno de los requisitos exigidos: o bien la
posibilidad de igualacin inicial o bien la medicin previa (en ausencia de tal igualacin) o bien
la introduccin deliberada del estmulo
La validez en los diseos experimentales:
validez interna se refiere a si se han podido aislar eficazmente las eventuales influencias
de otras variables ajenas al estmulo experimental
La validez externa hace referencia a las posibilidades de generalizacin de los efectos o
relaciones causales observadas
La aproximacin mediante el control de variables: La investigacin controlada se emplea como
sustituto del experimento apela a la simulacin estadstica del estmulo y la igualacin de
grupos. Se emplea cuando no se cuenta con grupos previamente igualados en forma aleatoria, ni
se puede introducir el factor experimental generalmente, porque este ya ha actuado

El modelo de control de variables desarrollado por Paul Lazarsfeld como aproximacin al

experimento
El modelo de anlisis multivariado de Lazarsfeld nos proporciona elementos para discernir el
papel que cumple cada variable en la relacin:
Si una de ellas est causando la relacin entre las otras
Si est intermediando la relacin entre ellas
Si acta como condicin para que esa relacin se produzca
Si es la verdadera causa de la que suponemos independiente...
Y en funcin de ello, realimentamos el conocimiento previo

Partimos de una relacin bivariada (x-y)

Que reproducimos para cada categora de la variable independiente por separado: las relaciones
parciales
T1 T2
X1 X2 Marg.T1 X1 X2 Marg.T2
Y1 FX1Y1T1 FX2Y1T1 FY1T1 Y1 FX1Y1T2 FX2Y1T2 FY1T2
Y2 FX1Y2T1 FX2Y2T1 FY2T1 Y2 FX1Y2T2 FX2Y2T2 FY2T2
Subtotal FX1T1 FX2T1 NT1 Subtotal FX1T2 FX2T2 NT2
La posicin lgica de la variable de control: antecedente o interviniente: En esta fase del anlisis
cobra importancia el orden temporal de las variables que mencionbamos al principio. Segn T
sea variable antecedente o interviniente, pasar a ocupar en los marginales el lugar de la variable
independiente (y en este caso encabezar las columnas de los cuadros) o bien quedar situada en
las filas de los mismos, y de sa manera la variable independiente original conservar o su lugar
en los mismos

Relaciones marginales con T como variable antecedente (antes que X)

Relaciones marginales con T como variable interviniente (entre X e Y)

La tipologa de Lazarsfeld: cuatro alternativas (Ver ejemplos de cada uno en libro)

1. Que la relacin entre las variables (X e Y) se mantenga en los cuadros parciales (aunque
acrecentada en uno de ellos y debilitada en el otro) y la variable introducida como control
(T) fuera una variable antecedente con relacin a X. Esta situacin se denominaba, en la
nomenclatura de Lazarsfeld, parcial antecedente y equivaldra a una condicin bajo la cual
tena lugar la relacin XY.
2. Que la relacin XY permaneciera en los parciales (tambin acrecentada en uno y debilitada
en el otro), pero T fuera una variable intermediaria, situada entre X e Y. En este caso,
denominado parcial interviniente, habra de pensarse que la relacin entre X e Y se produce
slo por mediacin de cierto valor de T, que operara como una contingencia:
3. Que la relacin entre X e Y desapareciera en los parciales y, en cambio, se revelaran
relaciones fuertes en los marginales. Si T fuera una variable antecedente con relacin a X,
se tratara de una situacin marginal antecedente, donde habra de presumirse que T fuese
la verdadera determinante de las variaciones de X e Y. Esta configuracin correspondera a
al caso de una relacin aparente o espuriedad)
4. Por fin, podra suceder que desapareciera la relacin en los parciales y se observaran
relaciones marginales intensas, pero con T como variable intermediaria entre X e Y. A
esta situacin, denominada marginal interviniente, Lazarsfeld la distingua con el trmino
de interpretacin intermediacin o interpretacin

Recomendaciones:
Primero observar los parciales:
Se mantienen similares a la relacin original?
Aumenta uno y baja el otro?
En ambos se debilitan o desaparecen las relaciones?
Luego mirar los marginales:
La variable de control tiene relacin con X o con Y?
Si el marginal TY es ms fuerte que la relacin original, debe presumirse que T es la
variable explicativa principal
En ese caso habra que rotar el anlisis, comenzando por TY
ANLISIS DE DATOS CUANTITATIVOS: PROCEDIMIENTOS BSICOS DE ESTADSTICA
DESCRIPTIVA
De la recoleccin de la informacin cuantitativa al anlisis:
Los datos de las encuestas o de los registros secundarios van a conformar la matriz de
datos, donde confluyen unidades de anlisis, variables, valores o categoras
La estadstica y la desaparicin del caso: la matriz cuantitativa no puede ser leda.
Requiere de operaciones de resumen que son posibles mediante el uso de la estadstica

Un ejemplo: Los argentinos y su relacin con el mercado de trabajo

1-Cuntos trabajan?: distribucin de frecuencias de una variable nominal
Poblacin de 10 aos y ms segn condicin de actividad
Condicin de actividad Total %
Ocupado 9.113.667 47,1
Desocupado 1.556.716 8,1
Inactivo 8.664.919 44,8
Total 19.335.302 100
Fuente: elaboracin propia en base a EPH-INDEC (semestre I
de 2004)

2- De qu trabajan: distribucin de frecuencias de una variable nominal

Poblacin ocupada de 10 aos y ms segn categora ocupacional. Total de
aglomerados urbanos
Categora ocupacional Total %
Patrn o empleador 357.158 3,5
Trabajador por cuenta 2.155.463 21,1
propia
Obrero o empleado 7.524.365 73,8
Trabajador sin 163.177 1,6
remuneracin
Total 10.200.163 100

Las razones: cocientes entre frecuencias de diferentes categoras de una variable

Desocupados / (ocupados + desocupados) = 8,1 / 55,2 = 0,147 (14,7%: la tasa de
desempleo)
Una razn entre los desocupados y los econmicamente activos (desocupados y
ocupados), nos devuelve la tasa de desempleo.
Obrero o empleado / patrn o empleador = 73,8 / 3,5 = 21,1
Autnomos / asalariados = (21,1 + 3,5) / 73,8 = 0,33
Estas razones nos revelan que hay 21 asalariados por cada empleador. O, lo que es lo
mismo, cada patrn emplea, en promedio, a 21 trabajadores. Asimismo, si sumamos a
los empleadores y los cuentapropistas, advertiremos que hay 0,33 trabajadores no
dependientes por cada asalariado. Sera ms claro decir que hay 33 de los primeros por
cada 100 personas que trabajan en relacin de dependencia.
3-Distribucin de frecuencias de una variable ordinal: frecuencias acumuladas
Tabla 3.2.1: Poblacin de 14 aos y ms segn mximo nivel educativo alcanzado (en
%). Total de aglomerados urbanos.
Nivel educativo % % acumulado % acumulado
(A) (D)
Hasta primaria incompleta10,8 10,8 100

Hasta secundaria 49,2 60 89,2

incompleta
Hasta superior incompleta 29,8 89,8 40

Superior completa 10,2 100 10,2

Total 100

El caso particular de las respuestas mltiples y su tabulacin

Cules de los siguientes temas deseara que encare el prximo gobierno?
1) Inseguridad
2) inflacin
3) Desempleo
4) Educacin
(marque hasta tres alternativas)

Elecciones de los encuestados:

A 1 2 3
B 1 2 4
C 3 1 2
D 4 1 3
E 4 2 1

El porcentaje de encuestados nos dice qu proporcin de los sujetos interrogados se

inclin por cada una de las alternativas (no se suma)
El porcentaje de respuestas nos dice qu alternativas fueron ms preferidas por los
sujetos interrogados
% %
Alternativas Encuestados Respuestas encuestados respuestas
Inseguridad 5 5 100 33,3
Inflacin 4 4 80 26,7
Desempleo 3 3 60 20
Educacin 3 3 60 20
Total 5 15 300 100
EL CASO DE LAS VARIABLES CUANTITATIVAS: CMO RESUMIR LA INFORMACIN?
Cuando se quiere mostrar la distribucin de frecuencias de una variable cuantitativa
suelen construirse intervalos de clase o tramos
Estos intervalos deben ser exhaustivos y excluyentes y no necesariamente deben
ser de igual amplitud
Las edades, en los censos, suelen representarse en grupos quinquenales
 Pero si representramos una distribucin de ingresos, los tramos tenderan a ser
menores al principio y a ampliarse a medida que los ingresos son ms altos. La
razn es que una diferencia de $ 1000 es significativa entre $ 2000 y $ 3000
Pero pierde importancia entre $ 10000 y $11000
Ejemplo:

Las medidas de resumen para variables cuantitativas

Hay tres subconjuntos de medidas estadsticas de resumen para las variables
cuantitativas o numricas:
Medidas de tendencia central:
El modo o moda es el valor de variable que ms se repite: el que presenta la frecuencia
ms elevada (puede obtenerse tambin en variables categricas)
La mediana es el valor de variable que deja por encima y por debajo igual cantidad de
casos
La media aritmtica es el promedio de todos los valores
Medidas de posicin u orden
La mediana (Md)
Los cuartiles (C1)
Los quintiles (Q1)
Los deciles (D1)
Los percentiles (P1)
Medidas de dispersin
El rango o recorrido (RG)
El rango relativo (RR)
El rango semi-intercuartlico (RSIC)
El desvo medio (DM)
La varianza (S2)
El desvo estndar (S)
El coeficiente de variacin (CV)

APLICACIONES CONJUNTAS DE LAS MEDIDAS DE RESUMEN

La investigacin sobre el mercado de trabajo
Difieren los ingresos de los ocupados segn sean asalariados (registrados o no
registrados) o cuentapropistas?
Quines ganan ms?
Entre quines hay mayor desigualdad?

LA MEDICIN DE ACTITUDES
Hay varios modos de resolver metodolgicamente la medicin de actitudes
Escalas tipo Lickert: clasifican sujetos en cuanto al grado en que poseen o no cierta
actitud, es decir a las unidades medidas
Escala tipo Thurstone clasifican objetos o items, que luego se emplean para medir a los
sujetos segn la actitud de aceptacin o rechazo que manifiestan frente a dichos
objetos.
Los procedimientos de jerarquizacin y pareo permiten el escalamiento de objetos
segn las actitudes que suscitan en las personas
Por ejemplo, podra tratarse de cuatro temas a incluir en la agenda gubernamental:
Educacin Desempleo Inflacin - Seguridad
Podramos someter estos cuatro objetos al juicio de un conjunto amplio de personas,
solicitndoles que los puntuaran de uno a cuatro segn la preferencia que les otorgan
Las puntuaciones otorgadas por los jueces

Una vez otorgadas las puntuaciones por los N jueces, es posible obtener un promedio
vertical para cada una de las actividades considerada
El sistema de pareo da unos resultados parecidos. En este caso, se forman con los cuatro
objetos tantos pares como sea posible: Con cuatro elementos se pueden formar seis
pares. Se solicita a los diferentes jueces que elijan uno de los dos elementos, desechando
el restante, cada objeto obtendr una puntuacin promedio otorgada por cada juez, en
base al nmero de veces en que lo prefiri frente a los otros. La puntuacin final es el
promedio de los puntajes otorgados por los N jueces

Preferencias de a pares:

Puntuaciones de los objetos

La escala de Lickert: mide la posicin de un sujeto sobre un continuo con respecto a un

objeto de estudio que sera casi imposible medir de otra manera por involucrar
prejuicios, propios de la vida en sociedad
La principal ventaja que presenta es que contiene en su proceso de construccin su
propia prueba de unidimensionalidad o, lo que es lo mismo, de su validez. Esto es, de
que todos los items incluidos miden una misma dimensin latente, que no es otra que la
actitud que se pretende medir
Se renen afirmaciones (entre 20 y 40) que suponemos que expresan ideas positivas o
negativas con relacin a la dimensin que pretendemos medir. Deben formularse
siguiendo las siguientes recomendaciones: Estar enunciados en presente, No suministrar
informacin sobre hechos, Evitar la ambigedad, No enunciar ideas sobre las cuales
todos o nadie concuerde, No colocar expresiones que necesiten ser explicadas, No usar
dobles negaciones

Una vez enunciado el listado de sentencias, se procede a realizar la prueba de

unidimensionalidad para medir la validez de las mismas a fin de incorporarlas a lo que
ser la escala definitiva.Es decir, cules de las que enunciamos discriminan o separan
a la poblacin entre los que presentan o no presentan la actitud discriminatoria
Jueces: personas perteneciente a la poblacin que sobre la cual se aplicar la escala
definitiva
Puntuaciones:

El total acuerdo con la afirmacin Los inmigrantes limtrofes ocupan puestos de

trabajo que deberan ser para los argentinos recibira una puntuacin de 4, en tanto que
el total acuerdo con el item La Argentina siempre recibi con generosidad a los
extranjeros y debe seguir hacindolo merecera un puntaje de cero.
Seleccin de jueces: Cada juez obtendr un puntaje total que resultar de sumar los
puntajes que manifiesten frente a las afirmaciones
Ordenamos al conjunto de los jueces en forma decreciente segn sus puntajes
Dividimos luego la distribucin en cuatro partes de tal manera que en los extremos
queden el 25 % inferior y el 25 % superior. Con estos dos grupos nos interesara trabajar
para analizar la unidimensionalidad de los tems
Seleccin de tems: Si un tem discrimina correctamente si mide adecuadamente el
grado en que est presente al actitud de rechazo a los migrantes se supone que debera
ser contestado de modo diferente por los jueces del grupo alto y por los jueces del
grupo bajo. Si ambos grupos los contestaran de manera semejante, significar que ese
tem no mide adecuadamente
Entonces, para cada uno de los tems, hemos de promediar las puntuaciones recogidas
en los jueces del grupo bajo (5 y 1) y en los jueces del grupo alto (4 y 2)
Se calcula la diferencia entre ambos promedios
Se toma como criterio de diferenciacin para distinguir aquellas afirmaciones vlidas
para incluir en la escala definitiva, aquellas cuya diferencia de promedios resulte de 3 en
adelante
La construccin de la escala: En nuestro caso, despus de aplicar el procedimiento con
todos los tems, veremos que los nicos que pasan la prueba de validez son el 1 y el 2.
Lo que se analiza en principio es la actitud (graduada por grados de conformidad) de la
poblacin
Las puntuaciones: Si hubiramos aplicado diez items puntuados entre cero y cuatro, los
encuestados podran haber obtenido puntuaciones en un rango de cero a cuarenta. En
este caso, podramos establecer cuatro intervalos sobre ese rango:
0 a 10: muy en desacuerdo
11 a 20: en desacuerdo
21 a 30: de acuerdo
31 a 40: muy de acuerdo
A pesar de que aparecen intervalos numricos estamos frente a una variable ordinal y
que lo que hicimos es cuantificarla a travs de los procedimientos arriba expuestos
La escala de tipo Thurstone
Se requiere del concurso de jueces que evalen tems: sin embargo estos jueces no
son personas del comn, de perfil semejante al de los destinatarios finales de la escala,
sino que ha de tratarse de expertos, que renan calificaciones especiales sobre la
temtica que se pretende medir, requiere la construccin de un amplio nmero de
afirmaciones o tems un centenar o ms deliberadamente redactados de modo tal que
su contenido sea, respectivamente, positivo, negativo y neutral respecto de la actitud a
medir. Un ejemplo: medir el conservadurismo poltico. Para ello se redactar un amplio
conjunto de tems que se repartan en forma equilibrada entre progresistas,
neutrales y conservadores
La desigualdad social ha existido siempre y es necesaria para el funcionamiento de la
sociedad (conservador)
El gobierno debe procurar una mejor distribucin de la riqueza sin vulnerar la
propiedad privada (neutral)
Los trabajadores deben tener una creciente influencia en el control del Estado
(progresista)
Los jueces debern puntuar los tems sobre un continuo de uno a once puntos, donde el
uno corresponde a la actitud menos conservadora (----) y el once a la ms
extremadamente conservadora (++++):

Si los tems estn adecuadamente redactados y libres de ambigedad, debera esperarse

que los juicios de los jueces discrepen poco y lo hagan en una banda relativamente
estrecha: miden adecuadamente aquellos tems en torno de los cuales hubo relativa
coincidencia
Cmo seleccionar items?
Es necesario medir el grado de consenso o disenso que genera cada item entre los
diferentes jueces: ello es posible mediante una medida de dispersin, como lo es la
desviacin media.
Conceptualmente, consiste en la sumatoria bruta (sin considerar el signo) de las
diferencias que pueden calcularse para cada tem entre la puntuacin otorgada por cada
uno de los jueces y el promedio de ellas mismas, dividido por el nmero de jueces.
Si los jueces acuerdan mucho, esta sumatoria ser muy pequea: en el extremo de
homogeneidad, si todos asignaran 10 puntos a un tem, no habra diferencias y la suma
sera cero

En el ejemplo, los jueces otorgaron puntuaciones diferentes (10, 11 y 8) y el promedio

de estas puntuaciones result 9,7. La suma bruta de las diferencias entre cada
puntuacin y ese promedio es 3,3, que dividido por 3 (pues son tres los jueces), arroja
un desvo medio de 1,1 (Esta operacin deber repetirse con cada uno de los tems)
Hecho esto, se tratar de retener dos tems cuya puntuacin promedio quede incluida en
cada uno de los intervalos de la escala, seleccionando, en cada caso, aquellos cuya
dispersin sea menor: Por ejemplo, el tem 1 cuya puntuacin media es 9,7 queda en
el intervalo cuyos lmites son 9,1 y 10.

Se adopta un criterio general: por ejemplo, consistente en desechar todo tem cuya
desviacin media supere 1,5. Ahora bien, es posible que todos los tems muestren una
dispersin excesiva. Ello podra pasar, con mayor razn, en los tramos medios de la
escala, donde la ambigedad es por fuerza mayor. Si as fuera, habra que redactar
nuevos tems y ponerlos a prueba, hasta lograr un resultado adecuado.
Supongamos, sin embargo, que por uno u otro medio logramos reunir quince tems
satisfactoriamente homogneos, cinco de cada clase (conservadores, neutrales,
progresistas) Estos tems sern finalmente sometidos al acuerdo/desacuerdo de los
encuestados cuya actitud se desea medir
Para obtener la puntuacin de cada encuestado en la escala, se suman y promedian los
puntajes de los tems con los cuales la persona manifiesta acuerdo

Si el primer encuestado acuerda con los items 1 y 2 y se manifiesta en desacuerdo con el

tercero, entonces promediaramos las puntuaciones de los dos primeros:
Promedio del encuestado = (9,7 + 6,5) / 2 = 8,1
As, el encuestado asumir una puntuacin de 8,1 puntos en una escala que va de 0 a 11
Se supone que los items miden un continuo psicolgico subyacente, que va desde el
progresismo al conservadurismo poltico

FALTAN 3 TEMAS
1- EL ANALISIS DE LA RELACION ENTRE VARIABLES
2- EL CUESTIONARIO
3- EL INFORME DE INVESTIGACIN