Saltar al contenido
Volver a los resultados

Encuesta relacional — Investigación mediante encuesta relacional

Propuesto por
Established in educational and social science research methodology; systematised by Fraenkel & Wallen and others
Año
Mid-20th century onward (systematised ~1960s–1990s)
Tipo
Quantitative non-experimental survey design
Familia
Survey / observational design

Este texto es una traducción automática y aún no se ha revisado. Leer el original en inglés

Tamaño de letra

¿Qué hace?

La investigación mediante encuesta relacional es un diseño cuantitativo no experimental que recopila datos estructurados de autoinforme de una muestra y examina las asociaciones estadísticas entre dos o más variables.

A diferencia de las encuestas puramente descriptivas, que solo caracterizan distribuciones, las encuestas relacionales preguntan si las variables covarían y con qué fuerza lo hacen, proporcionando evidencia de relaciones sin manipular condiciones ni establecer causalidad.

La intuición detrás del método

Piense en una encuesta relacional como una instantánea de un grupo en un momento dado, y luego pregúntese: ¿las personas que obtienen puntuaciones más altas en la variable A también tienden a obtener puntuaciones más altas (o más bajas) en la variable B? Por ejemplo, un investigador podría administrar escalas validadas de motivación académica y uso de tecnología a estudiantes universitarios y luego calcular coeficientes de correlación para ver qué aspectos de la motivación covarían de manera más consistente con diferentes formas de uso de la tecnología. El diseño no interviene; observa y cuantifica la covariación.

Historia

El diseño de encuesta relacional surgió de la tradición más amplia de la investigación por encuesta, que tomó forma en las ciencias sociales a principios y mediados del siglo XX. Su enfoque en las relaciones entre variables se basa directamente en el desarrollo del coeficiente de correlación por Karl Pearson en la década de 1890 y en la expansión de la regresión múltiple a mediados del siglo XX. Los libros de texto de investigación educativa ampliamente utilizados de Fraenkel y Wallen desde la década de 1990 en adelante formalizaron la encuesta relacional como un tipo de diseño distinto, distinguiéndola de las encuestas puramente descriptivas por un lado y de los diseños causales-comparativos por el otro.

Cuándo usarlo

Utilice una encuesta relacional cuando el objetivo sea cuantificar asociaciones entre variables en un grupo que ocurre naturalmente sin manipular experimentalmente nada; por ejemplo, explorar vínculos entre rasgos de personalidad y rendimiento académico, o entre clima organizacional y bienestar de los empleados. El diseño es apropiado cuando la recopilación de datos transversales y de autoinforme es factible y cuando las preguntas de investigación se formulan como '¿Está X relacionado con Y?' o '¿Qué tan bien predice X a Y?'. No lo use cuando el objetivo sea establecer una dirección causal (considere un diseño longitudinal o experimental) o cuando el constructo de interés no pueda ser capturado válidamente por una escala de cuestionario. Evítelo cuando los tamaños de muestra caigan por debajo de ~50, ya que las estimaciones de correlación se vuelven inestables y engañosas con N muy pequeños.

Limitaciones y consideraciones

  • No puede establecer la dirección causal: una correlación entre X e Y es igualmente consistente con que X cause Y, Y cause X, o una tercera variable cause ambas.
  • Los resultados son tan válidos como los instrumentos utilizados; una fiabilidad deficiente de la escala o una validez de constructo socavan todos los análisis posteriores.
  • La varianza del método común es una amenaza cuando tanto las variables predictoras como las de resultado se miden con el mismo instrumento de autoinforme al mismo tiempo.
  • Las encuestas relacionales transversales no pueden capturar el cambio a lo largo del tiempo ni las tendencias de desarrollo.

Las condiciones de la fuente no sustituyen una revisión científica independiente ni la validación por un motor de análisis.

Fortalezas

  • Examina eficientemente múltiples relaciones entre variables en un solo esfuerzo de recopilación de datos.
  • Produce estimaciones de tamaño del efecto cuantitativas estandarizadas, fácilmente replicables y comparables.
  • Bien respaldado por herramientas estadísticas establecidas (correlación, regresión, análisis de rutas, SEM).
  • Adecuado para muestras grandes y geográficamente dispersas mediante administración en línea o en papel.
  • Puede sentar las bases para estudios de seguimiento experimentales o longitudinales posteriores.

Aplicaciones

  • Examinar la relación entre la autoeficacia estudiantil, la motivación y el rendimiento académico en la investigación educativa.
  • Investigar las asociaciones entre la satisfacción laboral, el compromiso organizacional y la intención de rotación en la psicología organizacional.
  • Explorar los vínculos entre los comportamientos de salud (dieta, ejercicio, sueño) y el bienestar autoinformado en encuestas de salud pública.
  • Evaluar cómo los estilos de crianza covarían con los resultados socioemocionales de los niños en la investigación del desarrollo.
  • Estudiar las relaciones entre las actitudes de adopción de tecnología y los patrones de uso en la investigación de sistemas de información.

Cómo funciona

Cómo funciona

1

El investigador especifica al menos dos constructos cuyas relaciones son de interés y formula preguntas de investigación o hipótesis sobre la dirección y magnitud esperadas de las asociaciones. Un marco conceptual o teórico suele guiar qué variables se incluyen y si alguna se trata como predictora o como variable de resultado.

2

Se seleccionan o desarrollan cuestionarios validados, escalas de calificación o instrumentos estandarizados para medir numéricamente cada variable. Se realizan pruebas piloto y verificaciones de fiabilidad (p. ej., alfa de Cronbach) antes de la recopilación principal de datos para confirmar que las escalas funcionan adecuadamente en la población objetivo.

3

La encuesta se administra a una muestra representativa o intencional, generalmente en una única fase de recopilación de datos (transversal), aunque las encuestas relacionales también pueden integrarse en diseños longitudinales. El tamaño de muestra adecuado se calcula de antemano mediante análisis de potencia, y la mayoría de los diseños basados en correlación requieren al menos 50-100 participantes para detectar tamaños de efecto moderados de manera fiable.

4

Las asociaciones bivariadas se estiman utilizando coeficientes de correlación (r de Pearson para variables continuas, rho de Spearman para datos ordinales o no normales). Cuando hay múltiples variables predictoras involucradas, la regresión múltiple o el análisis de rutas extienden el marco relacional para evaluar contribuciones únicas y controlar variables de confusión.

5

Los tamaños del efecto (r, R², coeficientes beta) y los intervalos de confianza se informan junto con la significación estadística. El investigador interpreta el significado práctico de las asociaciones, reconoce que la evidencia correlacional no puede establecer causalidad y sitúa los hallazgos dentro de la literatura previa y el marco teórico.

Errores comunes

  • Interpretar una correlación estadísticamente significativa como evidencia de causalidad: la evidencia de la encuesta relacional es solo asociativa; las afirmaciones causales requieren diseños experimentales o cuasi-experimentales sólidos.
  • Descuidar el análisis de potencia: los estudios con menos de 50 participantes producen rutinariamente estimaciones de correlación con intervalos de confianza tan amplios que son prácticamente ininterpretables.
  • Utilizar una única sesión de encuesta para medir tanto las variables predictoras como las de criterio sin abordar el sesgo del método común; considere diseños con desfase temporal o soluciones procedimentales como el contrabalanceo del orden de las escalas.
  • Tratar una matriz de correlación como un modelo causal sin justificación teórica o estadística adicional para la direccionalidad.

Preguntas frecuentes

¿Cuál es el tamaño mínimo de muestra para una encuesta relacional?

No existe una regla única, pero como referencia práctica, muchos metodólogos recomiendan al menos 50 participantes para obtener una estimación de correlación bivariada razonablemente estable, y 100 o más cuando se planifica una regresión múltiple. La respuesta formal es realizar un análisis de potencia a priori especificando el tamaño del efecto esperado, la potencia deseada (típicamente .80) y el nivel alfa (.05); esto producirá el N mínimo necesario para detectar la relación hipotetizada.

¿Puedo usar una encuesta relacional para probar un modelo causal?

Una encuesta relacional puede probar si el patrón de correlaciones es consistente con un modelo causal (usando análisis de rutas o SEM), pero no puede confirmar la dirección causal. El modelado de ecuaciones estructurales con datos de encuestas relacionales puede descartar modelos que son inconsistentes con los datos, pero las afirmaciones causales aún requieren manipulación experimental, experimentos naturales o diseños longitudinales con precedencia temporal.

¿En qué se diferencia una encuesta relacional de una encuesta descriptiva simple?

Una encuesta descriptiva caracteriza la distribución de una o más variables en una muestra: medias, frecuencias, proporciones. Una encuesta relacional va más allá al examinar estadísticamente si las variables están asociadas entre sí y con qué fuerza. Ambas pueden usar los mismos datos de cuestionario; la diferencia radica en las preguntas de investigación formuladas y las técnicas analíticas aplicadas.

¿Qué coeficiente de correlación debo usar?

La r de Pearson es apropiada cuando ambas variables son continuas y tienen una distribución aproximadamente normal. La rho de Spearman se prefiere para variables ordinales o cuando las distribuciones están marcadamente sesgadas. La tau de Kendall es una alternativa para datos ordinales con muchos rangos empatados. Para variables binarias o dicotómicas, los coeficientes biserial-puntual o phi son opciones estándar.

¿Cómo abordo el sesgo del método común en una encuesta relacional?

El sesgo del método común surge cuando los datos del predictor y del resultado provienen del mismo encuestado al mismo tiempo. Las soluciones procedimentales incluyen separar las ocasiones de medición (diseño con desfase temporal), usar diferentes formatos de respuesta y contrabalancear el orden de las escalas. Las soluciones estadísticas incluyen la prueba de un solo factor de Harman y la técnica de la variable marcadora, aunque ninguna elimina completamente el problema.

Métodos relacionados

Fuentes

  1. Fraenkel, J. R., Wallen, N. E., & Hyun, H. H. (2009). How to Design and Evaluate Research in Education (8th ed.). McGraw-Hill.

    ISBN: 978-0073525748
    Copiado.
  2. Creswell, J. W. (2014). Research Design: Qualitative, Quantitative, and Mixed Methods Approaches (4th ed.). Sage Publications.

    ISBN: 978-1452226101
    Copiado.