Métodos de investigación en psicología: preguntas de práctica con explicaciones

1Por qué la psicología necesita métodos de investigación

La psicología hace afirmaciones sobre las personas: que dormir mejora la memoria, o que una terapia reduce la ansiedad. Los métodos de investigación son las reglas para comprobar esas afirmaciones de forma justa, de modo que la respuesta no dependa de opiniones.

Un estudio empieza con una hipótesis, una predicción comprobable. La hipótesis nula dice que no hay efecto o que no hay relación; la hipótesis alternativa dice que sí la hay. Una hipótesis direccional (unilateral) también indica la dirección del efecto; una no direccional (bilateral) no.

En un experimento, el investigador cambia una variable y mide otra:

• La variable independiente (VI) es la que el investigador cambia deliberadamente, como la cantidad de sueño.
• La variable dependiente (VD) es la que se mide para ver si se ve afectada, como una puntuación de memoria.
• Las variables extrañas también podrían afectar a la VD. Si una de ellas varía con la VI, se convierte en una variable de confusión y el resultado no es claro.

La operacionalización consiste en definir una variable para poder medirla, por ejemplo «memoria» como «el número de palabras recordadas de una lista de 20».

2Diseños, muestras y ética

Los diseños experimentales difieren en quién participa en cada condición:

• Grupos independientes: personas distintas en cada condición. No hay efectos de orden, pero los grupos pueden diferir.
• Medidas repetidas: las mismas personas hacen todas las condiciones. Se controlan las diferencias individuales, pero aparecen efectos de orden (práctica, fatiga); el contrabalanceo (la mitad hace A y luego B, la otra mitad B y luego A) los controla.
• Pares emparejados: personas distintas, emparejadas según rasgos clave como la edad o el CI.

En un experimento verdadero los participantes se asignan al azar a las condiciones. En un cuasiexperimento la VI es una diferencia que existe de forma natural, como el género o la edad, por lo que no se puede asignar. Un experimento de campo manipula la VI en un entorno natural.

Los métodos no experimentales incluyen los estudios correlacionales, las observaciones, los cuestionarios y entrevistas, los estudios de caso y los estudios longitudinales que siguen a las mismas personas a lo largo del tiempo.

Muestreo: en una muestra aleatoria todos tienen la misma probabilidad; el sistemático toma a una de cada n personas de una lista; el estratificado mantiene las proporciones de subgrupos de la población; el de oportunidad usa a quien esté disponible; el voluntario usa a personas que responden a un anuncio.

Sesgo: los participantes pueden cambiar su conducta porque adivinan el objetivo (características de demanda) o porque quieren quedar bien (deseabilidad social). Un diseño de doble ciego, en el que ni los participantes ni los experimentadores conocen la condición, reduce esto y el sesgo del experimentador.

Ética: consentimiento informado, derecho a retirarse, protección frente a daños, confidencialidad y una explicación final (debriefing), sobre todo cuando se usó engaño.

3Fiabilidad, validez y estadística

La fiabilidad es la consistencia: una medida da el mismo resultado cada vez. Se comprueba con test–retest, con el acuerdo entre observadores (interjueces), o con las dos mitades y la consistencia interna.

La validez es la exactitud: el estudio mide lo que dice medir. La validez interna significa que la VI realmente causó el cambio en la VD. La validez externa significa que los resultados se generalizan a otras personas y entornos.

Una medida también puede mostrar validez concurrente (coincide con una prueba establecida) y validez predictiva (predice un resultado posterior). Una medida puede ser fiable sin ser válida.

Niveles de medida: nominal (categorías), ordinal (rangos), de intervalo (pasos iguales) y de razón (pasos iguales y un cero real, como el tiempo de reacción).

Estadística descriptiva: la media, la mediana y la moda describen el centro; la desviación típica describe la dispersión. En una distribución normal alrededor del 68 % de las puntuaciones están a 1 DT de la media y alrededor del 95 % a 2 DT.

La estadística inferencial contrasta la hipótesis nula. Si p < 0,05, el resultado se llama significativo. Son posibles dos errores:

• Error de tipo I: rechazar una hipótesis nula que es verdadera, un falso positivo.
• Error de tipo II: no rechazar una hipótesis nula que es falsa, un falso negativo. Las muestras pequeñas lo hacen más probable.

Elige la prueba según el diseño y los datos: una t de Student para muestras independientes en dos grupos separados, una t para muestras relacionadas en medidas repetidas, chi cuadrado para categorías, la r de Pearson para una relación lineal y la rho de Spearman para rangos.

Un valor p no dice nada sobre lo grande que es un efecto. Eso lo muestran los tamaños del efecto, como la d de Cohen o r, y los intervalos de confianza.

4Cómo evaluar un estudio

Muchas preguntas describen un estudio y piden qué se puede concluir. Recórrelo en este orden:

1. Identifica las variables: la VI y la VD, o las dos variables medidas en una correlación.
2. Nombra el diseño: experimento verdadero, cuasiexperimento, correlacional, observación o estudio de caso.
3. Mira la muestra: cómo se eligió, qué tamaño tiene y a quién se aplican los resultados.
4. Busca amenazas: variables de confusión, características de demanda, grupos de control ausentes, medidas poco fiables.
5. Comprueba la estadística: la prueba correcta, el valor p y el tamaño del efecto.
6. Enuncia la conclusión que permite el diseño. Solo un experimento bien controlado respalda una afirmación causal.

5Un ejemplo resuelto

Evalúa el estudio paso a paso. Intenta decir el siguiente paso antes de abrirlo.

6Errores frecuentes

• Tratar la correlación como causalidad. Una tercera variable o una dirección inversa pueden explicar la relación.
• Intercambiar la VI (la que se cambia) y la VD (la que se mide).
• Intercambiar los errores de tipo I (falso positivo) y de tipo II (falso negativo).
• Leer p como la probabilidad de que la hipótesis nula sea verdadera. Es la probabilidad de datos tan extremos si la hipótesis nula fuera verdadera.
• Concluir «no hay efecto» a partir de un resultado no significativo en una muestra pequeña. Puede que el estudio carezca de potencia.
• Confundir la fiabilidad (consistente) con la validez (exacta).

7Cómo son las preguntas de examen

• Fácil (términos y hechos clave): definiciones. Qué es una VI, una hipótesis nula, la fiabilidad o el consentimiento informado.
• Medio (aplicar los conceptos): un estudio breve que hay que clasificar. Nombras el diseño, el método de muestreo, el tipo de validez o la prueba estadística correcta.
• Difícil (casos y análisis): un estudio con un problema. Detectas una variable de confusión, el p-hacking, un rango restringido o una muestra WEIRD, interpretas R² o un intervalo de confianza, o aplicas una corrección de Bonferroni.

En las preguntas difíciles, pregúntate qué más podría explicar el resultado y si el diseño permite la conclusión que se saca.