Los tamaños de las muestras en encuestas de las ciencias sociales y su repercusión en la generación del conocimiento

Autores/as

  • Juan Rositas Martínez Universidad Autónoma de Nuevo León image/svg+xml

DOI:

https://doi.org/10.29105/rinn11.22-4

Palabras clave:

análisis factorial, intervalo de confianza, alpha de Cronbach, modelación mediante ecuaciones estructurales, pruebas de hipótesis, tamaño de muestra, tamaño del efecto

Resumen

Palabras clave: análisis factorial, intervalo de confianza, alpha de Cronbach, modelación mediante ecuaciones estructurales, pruebas de hipótesis, tamaño de muestra, tamaño del efecto

Resumen. El propósito del presente documento es contribuir al cumplimiento de los objetivos de la investigación en las ciencias sociales de estimar, explicar, predecir y controlar niveles de variables de la realidad social y sus interrelaciones, en investigaciones de tipo cuantitativo. Se demostró que el tamaño de la muestra o la cantidad de observaciones que hay que recolectar y analizar es trascendente tanto en la pertinencia del método de inferencia estadístico que se utilice como en el grado de impacto que se logre en sus resultados, sobre todo de cara a cumplir con lineamientos emitidos por la Asociación Americana de Psicología que es la que da la pauta en la mayoría de las publicaciones del área social. Se investigaron métodos y formulaciones para determinar los tamaños de muestra que contribuyan a tener buenos niveles de estimación al momento de establecer los intervalos de confianza, con aperturas razonables y con magnitudes de los efectos que sean de impacto y se pusieron a prueba reglas prácticas sugeridas por varios autores lográndose integrar una guía tanto para variables dicotómicas, continuas, discretas, tipo Likert y para interrelaciones en ellas, ya se trate de análisis factorial, alpha de Cronbach, regresiones o ecuaciones estructurales. Se recomienda que el lector crear escenarios con esta guía y se sensibilice y se convenza de las implicaciones y de trascendencia tanto en la investigación científica como en la toma de decisiones de los tamaños de muestra al tratar de cumplir con los objetivos de la que hemos mencionado.

Descargas

Los datos de descargas todavía no están disponibles.

Métricas

Cargando métricas ...

Citas

APA, Board of Scientific Affairs. (1996). Initial Report of The Task Force on Statistical Inference. Recuperado de http://www.apa.org/science/leadership/bsa/statistical/tfsiinitial-report.pdf el 18 de Septiembre del 2014

Cervantes, V.H. (2005). Interpretaciones del coeficiente alpha de Cronbach. Avances en Medición, 3, 9-28.

Chin, W.W. (1988). Issues and opinions on structural equation modeling. Management Information Systems Quarterly, 22(1), 7-16.

Chin, W.W. (1998) Chapter 10: “The Partial Least Squares Approach for Structural Equation Modeling”, in Maroulides, G. A. (ed.). Modern Methods for Business Research, Hillsdate,N.J. : Lawrence Erlbaum Associates.

Churchill, G.A. (1991), Marketing research: Methodological foundations, 5th ed. Hinsdale, Il:Dryden Press

Cortina, J.M. (1993). What is coefficient alpha? An Examination of Theory and Applications. Journal of Applied Psychology, 78(1), 98-104

Cronbach, L. J. (1951). Coefficient alpha and the internal structure of tests. Psychometrika,16(3), 297-334.

De-la-Garza-García, J., Morales-Serrano, B.N. y González-Cavazos, B.A.(2013). Análisis Estadístico-Multivariado: Un enfoque teórico y práctico. Monterrey, México: McGrawHill.

Fidler, F., Thomason, Neil, Cumming, G. Finch, S. & Leeman, J. (2004). Editors Can Lead Researchers to Confidence Intervals, but Can’t Make Then Think: Statistical Lessons From Medicine.

Psychological Science 2004 15:119 Recuperado de http://pss.sagepub.com/content/15/2/119

Hair, J.F, Anderson, R. E., Tatham, R. L. y Black, W. C. (1999). Análisis Multivariante, 5ª. Edición. Madrid: Prentice-Hall

Hanke, J. E. & Wichern, D. W. (2010). Pronósticos en los Negocios, 9ª. Edición. México:Prentce-Hall

Havlicek, L. & Peterson, N. (1976). Robustness of the Pearson correlation against violations of assumptions, Perceptual and Motor Skills, 43(3f), 319-1334.

Jamieson, S. (2004). Likert scales: How to (ab)use them. Medical Education, 38(12), 1217-1218.

Knofczyinski, G. T. & Mundford, D. (2008). Sample sizes when using multiple linear regression for prediction. Educational and psychological measurement, 68(3), 431-442.

Lind, D. A., Marchal, W. C. & Wathen, S.A. (2012). Estadística aplicada a los negocios y la economía 15ª. Edición. México: McGraw-Hill.

Moral de la Rubia, José. (2009). Capítulo 13. Análisis factorial y su aplicación al desarrollo de escalas, en Landeros-Hernández, R. & González-Ramírez (eds.). Estadística con SPSS y metodología de la investigación, Monterrey: Trillas.

Pértegas-Díaz, S & Pita-Fernández, S. (2002). Metodología de investigación. Coruña:Fisterra.

Royer, I. & Zarlowski, P. (1999). Chap. 8. Sampling, en Thiétart, Raymond-Alain. Doing Management Research: A Comprehensive Guide. London: Sagen

Shrout, P. (1997). Should significance test be banned? Introduction to a special section exploring the pros and cons. Psychological Science, 8(1), 1-2.

Sierra-Bravo, R. (1983). Ciencias sociales. Espistemología, lógica y metodología. Teoría y ejercicios. Madrid: Paraninfo

Thiétart, A. (1999). Doing management research. London: Sage.

Wilkinson, L. (1999). The task force on statistical inference. American Psychologist, 54(8),594-604.

Descargas

Publicado

12-12-2014

Cómo citar

Rositas Martínez, J. (2014). Los tamaños de las muestras en encuestas de las ciencias sociales y su repercusión en la generación del conocimiento. InnOvaciOnes De NegOciOs, 11(22), 235–268. https://doi.org/10.29105/rinn11.22-4