Blog / Data Science

Guía básica de métodos cuantitativos en la investigación en trabajo social

Original en inglés: Beginner's guide on Quantitative Methods in Social Work Research (publicado el 2 de febrero de 2022)

Actualizado el 28 de enero de 2022

¡Le damos la bienvenida al posgrado! Y bienvenida a la investigación en trabajo social. El trabajo social opera fundamentalmente en sistemas multinivel, y por esta razón la investigación en trabajo social es también interdisciplinaria. Esto es algo muy valioso. Sin embargo, es posible que al principio no sepa qué metodologías estadísticas aprender prioritariamente por ese motivo, ¡y al menos a mí me ocurrió! Me formulaba preguntas como estas: ¿en qué orden y de qué manera puedo aprender métodos cuantitativos adecuados para mis preguntas de investigación? ¿Qué tipo de preguntas de investigación se pueden responder con qué metodologías? ¿Cuáles son las diferencias entre la terminología y las metodologías empleadas en las distintas disciplinas? ¿Qué software debería aprender a utilizar? Espero que quien se encuentre desorientado, tal como me ocurrió a mí, encuentre alguna orientación en este artículo.  

Cómo elegir sus métodos

Aprender estadística básica (estadística descriptiva, análisis bivariado, análisis de regresión)

El primer paso consiste en aprender estadística básica (estadística descriptiva, análisis bivariado, análisis de regresión), comenzando por los tipos de variables. Resulta indispensable distinguir entre variables continuas, categóricas y dicotómicas, y saber transformar un tipo de variable en otro. Por ejemplo, la edad puede ser una variable continua, pero puede convertirse en una variable categórica por grupos de edad (1 = menor de 18, 2 = 18 a 30, 3 = 31 a 50, 4 = 51 o más) o en una variable dicotómica (0 = menor de 18, 1 = 18 o más), en función de las preguntas de investigación.

El tipo de variables determina el tipo de análisis que se debe elegir. Por ello, a continuación se requiere aprender análisis bivariados (prueba t de Student, prueba chi-cuadrado, análisis de correlación, ANOVA…). El siguiente paso es aprender análisis de regresión. La guía de UCLA IDRE sobre “Choosing the Correct Statistical Test” explica qué tipo fundamental de análisis primario resulta apropiado según las variables independientes y dependientes de las preguntas de investigación. Por lo tanto, primero es necesario comprender los tipos de variables (de intervalo, ordinales, continuas, binarias, categóricas…).

Tras asimilar estos conceptos de estadística básica, puede profundizar en su repertorio metodológico seleccionando métodos según sus intereses de investigación. Por ejemplo, comprender la regresión logística constituye el paso más elemental para la aplicación del aprendizaje automático en tareas de clasificación.

Recursos de introducción a la estadística

MOOC 

Libros

Historia del desarrollo de métodos en ciencias sociales
Jones, L. V., & Thissen, D. (2006). 1 A History and Overview of Psychometrics. Handbook of statistics, 26, 1-27.
  • Psicólogos y economistas han desarrollado de forma independiente métodos estadísticos para las ciencias sociales (Goldberger, 1971). No obstante, en ocasiones convergen (por ejemplo, algunos psicólogos aplican métodos de inferencia causal a la psicometría, y algunos economistas aplican predictores o variables de resultado psicológicas a la econometría, en particular los economistas del comportamiento).
  • En ocasiones, los términos estadísticos ampliamente aceptados varían según la disciplina, pero la lógica estadística subyacente es la misma. Por ejemplo, los epidemiólogos denominan modificación del efecto a lo que otros llaman efecto de interacción. Los sociólogos suelen referirse al análisis de supervivencia como análisis del historial de eventos.
  • Los investigadores en salud pública y epidemiología suelen recurrir con mayor frecuencia a la econometría o la bioestadística (por ejemplo, análisis de supervivencia), dado que el factor de “causalidad” resulta primordial para sus conclusiones. Si le interesa la efectividad de las intervenciones, la inferencia causal y los diseños experimentales orientados a demostrar causalidad antes y después de la intervención resultan esenciales.
  • Los académicos de trabajo social o educación tienden a emplear psicometría con mayor frecuencia, ya que se interesan por constructos subjetivos atendiendo a las poblaciones de estudio. Existen, sin embargo, excepciones: los investigadores en políticas de bienestar social, política educativa e intervenciones suelen recurrir a la econometría más que a la psicometría en sus trabajos. En años recientes, ambas corrientes estadísticas han evolucionado integrando enfoques computacionales (por ejemplo, introducing SEM for machine learning).
Psicometría
  • Si le interesan las variables subjetivas (por ejemplo, salud mental, estigma, bienestar…)
  • Emplee la medición psicométrica mediante encuestas o la recopilación de datos primarios 
  • El modelado de ecuaciones estructurales (SEM) combina la medición psicométrica (el modelo de medida) con una secuencia de regresiones (el modelo estructural)
Econometría
Otros métodos avanzados

Existe una variedad de métodos avanzados que los investigadores en trabajo social pueden emplear: análisis longitudinal (conocido como análisis de panel en econometría), modelado multinivel, análisis de redes sociales, análisis geoespacial y análisis computacional (como procesamiento del lenguaje natural, aprendizaje automático…). Estos métodos pueden combinarse, como ocurre en el SEM multinivel, el SEM longitudinal y la inferencia causal con datos espaciales…

Modelado longitudinal

Puede interesarle el cambio longitudinal que experimenta una persona. Por ejemplo, tal vez se pregunte de qué manera las Adverse Childhood Experiences (ACEs) affect life in their later life. Para ello, es necesario estudiar análisis longitudinal. La metodología que empleará variará según realice una investigación de base psicométrica o econométrica. Por ejemplo, en psicometría pueden utilizarse ecuaciones estructurales longitudinales (como modelos de crecimiento latente), mientras que en econometría pueden aplicarse métodos de análisis de panel (como las ecuaciones de estimación generalizada, para controlar la no normalidad).

Modelado multinivel
Ref.: Why We Need Multilevel Analysis de Multilevel Modeling | Coursera.

Puede tener interés en los sistemas multinivel; en trabajo social, la teoría de sistemas ecológicos de Bronfenbrenner es el enfoque primordial para comprender las problemáticas de las poblaciones. En múltiples preguntas de investigación en ciencias sociales, las variables se encuentran agrupadas en niveles superiores del sistema. Por ejemplo, puede preguntarse por el efecto de un vecindario, escuela o país específico sobre el individuo (por ejemplo, efecto de vecindario). Esto puede responderse de manera más adecuada mediante el modelado multinivel (también conocido como modelos lineales jerárquicos).

Análisis geoespacial y sistemas de información geográfica

Algunos académicos de trabajo social interesados en la dimensión comunitaria emplean además sistemas de información geográfica para representar características a nivel de vecindario (por ejemplo, mapeo de activos comunitarios).

Referencias

Análisis de redes sociales

Los profesionales del trabajo social prestan especial atención a las relaciones y conexiones sociales. La técnica de análisis de redes sociales (SNA) resulta particularmente útil si desea comprender de qué manera se conectan los distintos actores y sistemas. El Duke Network Analysis Center goza de gran reconocimiento por sus talleres sobre redes sociales y salud y, afortunadamente, los materiales de los talleres están ahora abiertos a todas las personas interesadas en aprender SNA.

Referencias

Ciencia de datos / Ciencia social computacional

Si le interesa el uso de big data en particular (por ejemplo, registros electrónicos de salud o datos administrativos en protección infantil o en el sistema judicial) o la utilización de texto como modalidad cuantitativa de datos (por ejemplo, publicaciones en redes sociales), los métodos computacionales o la ciencia de datos constituyen herramientas que debería aprender. El procesamiento del lenguaje natural es la técnica que transforma datos textuales en un formato computable.

Otros

Software estadístico 

Dado que la reproducibilidad y la colaboración revisten una trascendencia creciente en la investigación en ciencias sociales (numerosas revistas promueven que los autores faciliten los datos y el código en el envío), le recomiendo comenzar a practicar la programación en lugar de emplear SPSS o AMOS lo antes posible. En ciencias sociales, Stata es el software más utilizado. Puede consultar los seminarios web gratuitos de Stata aquí: https://www.stata.com/training/webinar/

  • El requerimiento de experiencia en programación sigue el siguiente orden: SPSS (no requiere programar) > Stata (requiere programar para garantizar reproducibilidad, aunque puede utilizarse sin código) > R (demanda abundante práctica para familiarizarse con los paquetes)
  • Para modelos de ecuaciones estructurales: AMOS (no requiere programar) > Stata (requiere programar para reproducibilidad, aunque puede usarse sin código; sin embargo, AMOS y Mplus ofrecen mayores opciones para análisis SEM) > Mplus (requiere código aunque no resulta extremadamente complejo) > R (requiere una programación intensiva)

Recientemente, R ha ganado gran popularidad al ser gratuito y expandible mediante paquetes creados por los usuarios. Una vez que adquiera soltura en la escritura de código (por ejemplo, en Stata), la velocidad de aprendizaje para programar en otro software (como R) se acelera notablemente. Queda a su elección iniciar la programación en R o Python en lugar de Stata. Con todo, considero que puede comenzar con cualquier programa basado en sintaxis (lo que denomino que requiere programar), ya que familiarizarse con la redacción de sintaxis constituye un activo que facilita el aprendizaje de otras herramientas con menor incertidumbre y frustración.

Actualización: ChatGPT incorpora incluso funciones para convertir código de un lenguaje (como STATA) a otro (como R). Si domina un lenguaje, le resultará mucho más sencillo desenvolverse en otro.

Talleres y recursos

Fuera del ámbito universitario, pueden aprenderse métodos estadísticos avanzados en estos sitios web (algunos de ellos con costos elevados para asumirlos de forma particular): 

Si tiene interés en la investigación transcultural y los modelos de ecuaciones estructurales, tengo algunas recomendaciones de libros:

  • February 2, 2022
Nari Yoo, PhD
Assistant Professor, University of Michigan School of Social Work

Translate this page into: