Investigación por Encuestas — Diseño de Investigación por Encuestas
- Propuesto por
- Francis Galton, Charles Booth, and early social statisticians; systematised by Paul Lazarsfeld and colleagues at Columbia in the 1940s
- Año
- Late 19th century; methodologically systematised 1940s–1960s
- Tipo
- Quantitative (and mixed) non-experimental design
- Familia
- Survey / observational design
Este texto es una traducción automática y aún no se ha revisado. Leer el original en inglés
¿Qué hace?
La investigación por encuestas es un diseño cuantitativo (y a veces de métodos mixtos) en el que un investigador recopila datos estandarizados de autoinforme de una muestra extraída de una población definida, utilizando un cuestionario o una entrevista estructurada.
Es la estrategia no experimental dominante para describir las características de la población, estimar la prevalencia, mapear las distribuciones de actitudes y probar asociaciones bivariadas o multivariadas en las ciencias sociales, del comportamiento y de la salud.
La intuición detrás del método
Piense en una encuesta como un instrumento de medición estandarizado aplicado simultáneamente a muchas personas. En lugar de observar a cada participante en profundidad, el investigador plantea el mismo conjunto de preguntas a cada encuestado. El conjunto de datos resultante es un rectángulo: las filas son personas, las columnas son variables. La magia de la investigación por encuestas es la agregación: incluso cuando las respuestas individuales son ruidosas, los patrones en cientos de encuestados pueden revelar verdades a nivel poblacional con confianza cuantificable. El principal compromiso es entre amplitud y profundidad: las encuestas capturan muchas variables en muchas personas, pero no pueden sondear la experiencia de una sola persona con la riqueza que lo haría una entrevista.
Historia
La encuesta social sistemática surgió a finales del siglo XIX con los mapas de pobreza de Londres de Charles Booth (1889-1903) y esfuerzos similares de Seebohm Rowntree. La encuesta probabilística moderna fue moldeada por el desarrollo de la teoría del muestreo aleatorio — el artículo de Jerzy Neyman de 1934 sobre muestreo estratificado es un hito — y por la industrialización de las encuestas de opinión pública a través de Gallup, Roper y Crossley en la década de 1930. Paul Lazarsfeld y sus colegas de la Universidad de Columbia formalizaron la metodología de encuestas para las ciencias sociales durante la década de 1940. Floyd Fowler, Don Dillman y Robert Groves produjeron posteriormente los manuales metodológicos canónicos que definen las mejores prácticas actuales.
Cuándo usarlo
La investigación por encuestas es apropiada cuando el objetivo es describir las características de, o las relaciones entre variables en, una población definida, especialmente cuando la observación directa o la experimentación no son prácticas. Es el método de elección para la medición de actitudes, la evaluación de necesidades, la evaluación de programas y los estudios de prevalencia epidemiológica. Úsela cuando las variables no se puedan manipular y cuando la medición estandarizada de muchos participantes sea factible. No utilice la investigación por encuestas cuando la pregunta de investigación requiera una comprensión profunda del significado subjetivo (use fenomenología o investigación narrativa), cuando se requiera inferencia causal a partir de condiciones manipuladas (use diseños experimentales o cuasi-experimentales), o cuando la población de interés sea demasiado pequeña o inaccesible para producir una tasa de respuesta útil.
Limitaciones y consideraciones
- Los diseños transversales (la forma más común) no pueden establecer precedencia temporal ni descartar factores de confusión, lo que limita la inferencia causal.
- Los datos de autoinforme son vulnerables a la varianza del método común, el sesgo de deseabilidad social y los efectos de aquiescencia de respuesta.
- El sesgo de no respuesta es una amenaza persistente: los encuestados que completan la encuesta pueden diferir sistemáticamente de los no encuestados.
- La redacción del ítem, el formato de la escala de respuesta y el orden de las preguntas pueden influir sustancialmente en las respuestas de maneras difíciles de detectar.
- La profundidad de la información por encuestado es limitada; las construcciones complejas pueden ser mal capturadas por un pequeño conjunto de ítems.
Las condiciones de la fuente no sustituyen una revisión científica independiente ni la validación por un motor de análisis.
Fortalezas
- Permite la descripción y el análisis de poblaciones grandes y geográficamente dispersas a un costo relativamente bajo por encuestado.
- Los instrumentos estandarizados maximizan la comparabilidad entre encuestados y la replicación entre estudios.
- El muestreo probabilístico apoya la generalización estadística a una población definida con incertidumbre cuantificada.
- La flexibilidad del modo de administración (en línea, postal, telefónico, cara a cara) permite la adaptación a la población objetivo.
- Produce conjuntos de datos estructurados susceptibles a una amplia gama de procedimientos estadísticos inferenciales.
- Puede medir un gran número de variables simultáneamente, permitiendo el análisis multivariado de relaciones complejas.
Aplicaciones
- Encuestas de salud nacionales que estiman la prevalencia de enfermedades, comportamientos de riesgo para la salud y la utilización de la atención médica en poblaciones adultas.
- Encuestas de compromiso de empleados y clima organizacional utilizadas para monitorear las actitudes en el lugar de trabajo y guiar la política de recursos humanos.
- Encuestas de evaluación educativa que miden las experiencias de aprendizaje de los estudiantes, la autoeficacia y la satisfacción en la educación superior.
- Encuestas de opinión pública que miden actitudes políticas, intenciones de voto y preferencias políticas antes de las elecciones.
- Encuestas de evaluación de programas que recopilan datos de satisfacción del participante y resultados autoinformados para intervenciones sociales.
- Cuestionarios de investigación de mercado que mapean las preferencias del consumidor, las percepciones de marca y el comportamiento de compra.
Cómo funciona
Cómo funciona
El investigador especifica las preguntas de investigación y las construcciones de interés: qué debe medir la encuesta y para qué población. Los objetivos determinan si el diseño es puramente descriptivo (estimación de prevalencia), relacional (prueba de asociaciones) o predictivo (modelado de resultados). Los objetivos claros evitan la hinchazón del instrumento y mantienen el análisis enfocado.
Se redactan y refinan los ítems individuales (preguntas) para operacionalizar cada construcción. La redacción del ítem, el tipo de escala de respuesta (Likert, diferencial semántico, dicotómico, abierto), el orden y la lógica de salto son decisiones que se toman en esta etapa. Se utiliza una prueba piloto con una pequeña muestra de conveniencia para identificar redacciones ambiguas y estimar el tiempo de finalización antes de finalizar el instrumento.
Se elige una estrategia de muestreo para extraer encuestados de la población objetivo. Los diseños probabilísticos (aleatorio simple, estratificado, por conglomerados, sistemático) permiten la generalización estadística a la población; los diseños no probabilísticos (conveniencia, intencional, bola de nieve) no lo permiten, pero son aceptables para trabajos exploratorios o confirmatorios donde la representatividad no es el objetivo. El tamaño de muestra requerido se estima a partir de las expectativas de tamaño del efecto, la potencia deseada y el margen de error aceptable.
El instrumento se administra a través del modo elegido: en línea (plataformas de encuestas web), correo postal, teléfono o entrevista cara a cara. La elección del modo afecta la tasa de respuesta, el sesgo de deseabilidad social y el acceso a subpoblaciones. Se envían recordatorios de seguimiento para mejorar las tasas de respuesta y se mantiene un seguimiento de la tasa de respuesta durante todo el trabajo de campo.
Las respuestas completadas se limpian (manejando datos faltantes, valores fuera de rango y respuestas idénticas) y luego se analizan. Las estadísticas descriptivas resumen las distribuciones de ítems y escalas. Los análisis inferenciales — pruebas t, ANOVA, chi-cuadrado, regresión, modelado de ecuaciones estructurales — se seleccionan para abordar las preguntas de investigación. Se aplican ponderaciones de encuesta cuando se utilizó un diseño probabilístico y las tasas de respuesta variaron entre estratos.
Los hallazgos se interpretan en relación con las preguntas de investigación y se colocan en el contexto de la literatura previa. Los informes incluyen detalles del muestreo, tasa de respuesta, índices de fiabilidad del instrumento (p. ej., alfa de Cronbach para escalas de múltiples ítems), tamaños del efecto e intervalos de confianza. Se discuten transparentemente las limitaciones relativas al sesgo de no respuesta, la varianza del método común y la generalizabilidad.
Errores comunes
- Hinchazón del instrumento: incluir cada ítem potencialmente interesante aumenta el tiempo de finalización, eleva las tasas de abandono y produce un conjunto de datos demasiado grande para analizar coherentemente; priorice los ítems que abordan directamente las preguntas de investigación.
- Descuidar las pruebas piloto: los ítems que parecen claros para el investigador a menudo son mal entendidos por los encuestados; una pequeña prueba piloto (n = 5-10) detecta la mayoría de los problemas de redacción antes de la implementación a gran escala.
- Tratar una muestra de conveniencia como representativa: los resultados de una muestra no probabilística solo se pueden generalizar con gran cautela; declare explícitamente las limitaciones del muestreo y evite las afirmaciones de prevalencia a nivel poblacional.
- Ignorar el sesgo de no respuesta: una baja tasa de respuesta no invalida automáticamente un estudio, pero es necesario un análisis que compare los encuestados tempranos y tardíos (o encuestados y no encuestados conocidos) para evaluar la amenaza.
- Omitir evidencia de fiabilidad y validez para escalas de múltiples ítems: se espera que se informen los resultados del alfa de Cronbach y, cuando corresponda, del análisis factorial confirmatorio en publicaciones revisadas por pares.
Preguntas frecuentes
¿Qué tan grande debe ser mi muestra de encuesta?
El tamaño de muestra requerido depende del tamaño del efecto esperado, la potencia estadística deseada (convencionalmente 0.80), el nivel de significancia (típicamente 0.05) y la complejidad de los análisis planificados. Para una comparación simple de dos grupos que detecta un efecto mediano (d = 0.50) con un 80% de potencia, se necesitan aproximadamente 64 por grupo. Los modelos de ecuaciones estructurales suelen requerir al menos 200 casos completos. Utilice un análisis de potencia a priori (p. ej., G*Power) en lugar de reglas generales, y agregue un 20-30% para tener en cuenta las respuestas incompletas anticipadas.
¿Es una baja tasa de respuesta un defecto fatal?
Una baja tasa de respuesta es una amenaza, no automáticamente un defecto fatal. Lo que importa es si los encuestados difieren sistemáticamente de los no encuestados en variables relevantes para el estudio. Realice un análisis de sesgo de no respuesta: compare los encuestados tempranos y tardíos en datos demográficos clave, o compare el perfil de su muestra con puntos de referencia poblacionales conocidos, e informe los hallazgos. Reconozca la incertidumbre restante sobre la generalización, incluso si el análisis es tranquilizador.
¿Qué es la varianza del método común y cómo la abordo?
La varianza del método común (CMV) es una covarianza espuria entre variables causada por el hecho de que se midieron con el mismo instrumento al mismo tiempo, lo que infla las correlaciones observadas. Los remedios procedimentales incluyen la separación temporal de la medición del predictor y del resultado, el uso de diferentes formatos de respuesta para diferentes construcciones y la inclusión de una variable marcadora. Las comprobaciones estadísticas como la prueba de un solo factor de Harman o el enfoque del factor latente no medido pueden detectar, pero no corregir completamente, la CMV.
¿Cuándo debo elegir una encuesta en línea en lugar de una encuesta postal o telefónica?
Las encuestas en línea son rentables, rápidas y apropiadas cuando la población objetivo tiene acceso confiable a Internet, la mayoría de los adultos en edad de trabajar en países desarrollados. Las encuestas postales siguen siendo valiosas para poblaciones mayores o aquellas sin acceso a Internet, a costa de un tiempo de respuesta más lento y un mayor costo por respuesta. Las encuestas telefónicas tienen tasas de respuesta decrecientes, pero permiten una lógica de ramificación compleja y llegan a poblaciones sin Internet. Los diseños de modo mixto (que ofrecen múltiples canales de respuesta) suelen lograr tasas de respuesta más altas que cualquier modo único.
¿Puede una encuesta establecer causalidad?
Una sola encuesta transversal no puede establecer causalidad porque carece de orden temporal y asignación aleatoria. Los diseños de panel longitudinal que miden a los mismos encuestados en múltiples momentos pueden establecer la precedencia temporal, que es una condición necesaria (pero no suficiente) para la causalidad. Los modelos de panel cruzado y los modelos de panel cruzado con intercepto aleatorio pueden controlar las diferencias individuales estables, fortaleciendo la inferencia causal, pero los factores de confusión no medidos siguen siendo una amenaza. Para afirmaciones causales inequívocas, se requieren diseños experimentales o cuasi-experimentales.
Métodos relacionados
Fuentes
Fowler, F. J. (2014). Survey Research Methods (5th ed.). Sage Publications.
ISBN: 978-1452259000Copiado.Dillman, D. A., Smyth, J. D., & Christian, L. M. (2014). Internet, Phone, Mail, and Mixed-Mode Surveys: The Tailored Design Method (4th ed.). Wiley.
ISBN: 978-1118456149Copiado.