Вы находитесь на странице: 1из 246

D

METODOLOGA
DE LA
INVESTIGACIN TRIBUTARIA
Samuel Emilio Vergara Hernndez
Abogado
Doctor en Derecho
Magster en Planificacin y Gestin Tributaria

VIA DEL MAR, 2010

Metodologa de la Investigacin Tributaria


EDITORIAL
NOMBRE: Ediciones VERGARA
REPRESENTANTE LEGAL: Samuel Vergara Hernndez
DOMICILIO: Avenida Libertad 1405, Of. 2004, Edificio Coraceros,
Via del Mar.
Telfono celular: 74771401
Correo electrnico de autor: samuelemiliov@gmail.com
PROPIEDAD INTELECTUAL
Nmero: 190026
Nombre: Samuel Emilio Vergara Hernndez
Fecha: 7 de abril del ao 2010
ISBN
Nmero: 978-956-332-600-0
Nombre: Samuel Emilio Vergara Hernndez
Fecha: 7 de abril del ao 2010
DIAGRAMADOR
Luis Emilio Vergara Riquelme
Avenida Puelma 642, Quilpu.

Samuel Vergara Hernndez

Metodologa de la Investigacin Tributaria

PREFACIO
Este curso tiene como propsito ensear la metodologa de la investigacin cientfica, a todas aquellas personas que deben hacer
una tesis para optar a un postgrado en Derecho Tributario, Tributacin o Planificacin Tributaria, con nfasis en el SABER-HACER.
En el mercado, existen varios textos sobre metodologa de la investigacin cientfica; pero ninguno de ellos se refiere a la investigacin
tributaria, sino que a la metodologa de la investigacin cientfica en
general o a metodologas particulares.
En la exposicin de las distintas etapas del mtodo de investigacin cientfico se ha procurado dar ejemplos relacionados con temas tributarios, particularmente en la prueba de hiptesis, a fin de
facilitar la comprensin de la teora, ya que sta desvinculada de la
prctica puede resultar difcil de entender o aplicar.
En materia de prueba de hiptesis hemos expuesto, adems de las
pruebas estadsticas, una prueba que tiene especial importancia en
investigaciones relacionadas con la planificacin tributara. Esta
prueba de hiptesis consiste en el experimento hipottico, que se
ha usado desde el Derecho Romano, en el mbito jurdico, y tambin se ha usado en otras disciplinas, como la Fsica. Por ejemplo,
Einstein prob su teora de la relatividad general mediante experimento hipottico y razonamiento matemtico. En el experimento hipottico se manipulan las variables independientes y despus se
mide el efecto que producen en la variable dependiente, lo que se
hace agregando o suprimiendo mentalmente las variables independientes. En Derecho, para determinar la relacin de causalidad entre una accin y su resultado, se suprime mentalmente el hecho que
se considera causa y luego se ve el efecto que produce.
Tambin hemos expuesto la simulacin como prueba de hiptesis,
particularmente la simulacin computacional, que se basa en la
misma idea del experimento hipottico; pero la situacin hipottica
se maneja mediante tcnicas y programas computaciones.
Samuel Vergara Hernndez

Metodologa de la Investigacin Tributaria


Por ltimo, tratamos el anlisis inductivo como prueba de hiptesis,
que tiene particular importancia en investigaciones cualitativas, y
que se puede usar perfectamente en el mbito tributario.

Samuel Vergara Hernndez

Metodologa de la Investigacin Tributaria


Objetivos del curso
Al final del curso, los alumnos estarn en condiciones de:

Plantear el problema de investigacin


Determinar los objetivos generales y especficos
Delimitar y justificar la investigacin
Definir el tipo de investigacin
Elaborar el marco terico y conceptual
Formular la hiptesis
Disear la investigacin
Determinar la poblacin y la muestra
Recopilar la informacin
Procesar la informacin
Analizar e interpretar la informacin
Redactar y entregar el informe final

Samuel Vergara Hernndez

Metodologa de la Investigacin Tributaria


Captulo I
EPISTEMOLOGA Y CIENCIA SOCIAL
I. INTRODUCCIN
1. CONOCIMIENTO CIENTFICO Y VULGAR
El conocimiento cientfico, o sea, la ciencia, requiere de un mtodo
adecuado. En esto se distingue del conocimiento vulgar que carece
de mtodo. Al respecto, Mario Bunge (2004) seala que se debe
diferenciar entre el mtodo general de la ciencia y los mtodos especiales de las ciencias particulares.
2. MTODO GENERAL Y MTODOS ESPECIALES
El autor antes sealado agrega que:
El mtodo cientfico es un modo de tratar problemas intelectuales
y, consecuentemente, puede utilizarse en todos los campos del
conocimiento; y
La naturaleza del objeto de estudio dicta los posibles mtodos
especiales del respectivo tema o campo de investigacin.
3. CLASIFICACIN DE LAS CIENCIAS
Rudolf Carnap clasific las ciencias en:
Ciencias
formales

Porque estudian las formas vlidas de inferencia: Lgica y Matemtica. Por eso, no tienen contenido concreto, es un contenido formal en contraposicin al resto de las ciencias fcticas o empricas.

Samuel Vergara Hernndez

Metodologa de la Investigacin Tributaria

Ciencias
naturales

Porque estudian las ciencias naturales, es decir, las


que tienen por objeto el estudio de la naturaleza. Siguen el mtodo cientfico: Astronoma, Biologa, Fsica, Geologa, Qumica, Geografa fsica.

Ciencias
sociales

Porque se ocupan de los distintos aspectos del ser


humano, cultura y sociedad. El mtodo depende de
cada disciplina particular: Administracin, Antropologa, Ciencia poltica, Demografa, Economa, Derecho, Historia, Psicologa, Sociologa, Geografa humana, Trabajo social.

Mario Bunge (2004) seala que la diferencia primera y ms notable entre las varias ciencias es la que se presente entre ciencias
formales, como la lgica y la matemtica; y la ciencias fcticas, como la economa, la sociologa, etc. (factuales sociales), la
fsica, la qumica, etc. (factuales naturales).

Ciencia
Factual

Ciencia
Formal

La ciencia factual se encarga de estudiar hechos


auxilindose de la observacin y la experimentacin.
Por ejemplo, la fsica y la psicologa son ciencias factuales, porque se refieren a hechos que se supone
ocurren en la realidad y, por consiguiente, tienen que
apelar al examen de la evidencia emprica para comprobarlos.
En cambio, el objeto de estudio de la ciencia formal
no son las cosas ni los procesos, sino las relaciones
abstractas entre signos, es decir, se estudian ideas (la
lgica y las matemticas).

4. TERMINOLOGA USADA EN CIENCIAS


Los trminos modelo, hiptesis, ley y teora tienen significados distintos en la ciencia y en el lenguaje coloquial.
Samuel Vergara Hernndez

Metodologa de la Investigacin Tributaria


El modelo es una descripcin de algo, especialmente una cosa
que pueda ser usada para realizar predicciones y que puedan ser
sometidas a prueba por experimentacin u observacin.
Una hiptesis es una afirmacin provisional sobre la solucin de
un problema cientfico, provisional porque an no ha sido probada,
o bien an no ha sido descartada (falseada).
Una ley fsica o ley natural es una generalizacin cientfica basada
en observaciones empricas.
La palabra teora es incomprendida particularmente por el comn
de la gente. El uso vulgar de la palabra teora se refiere, equivocadamente, a ideas que no poseen demostraciones firmes o respaldo.
En contraposicin, los cientficos generalmente utilizan esta palabra
para referirse a cuerpos de leyes que realizan predicciones acerca
de fenmenos especficos. Formalmente, una teora es un sistema
conceptual, general y explicativo, racional, objetivo y emprico, sobre hechos o sobre algn aspecto de la realidad.
5. MTODO CIENTFICO
Cada ciencia y cada investigacin concreta producen su propio mtodo de investigacin.
En trminos generales, se entiende por mtodo el proceso mediante el cual una teora cientfica es validada o bien descartada.
La forma clsica del mtodo de la ciencia ha sido la induccin (formalizada por Francis Bacon en la ciencia moderna); pero que ha
sido fuertemente cuestionada como el mtodo de la ciencia, especialmente por Karl Popper, quien sostiene que el mtodo de la
ciencia es el hipottico-deductivo.
En todo caso, cualquier mtodo cientfico requiere de estos criterios:

Samuel Vergara Hernndez

Metodologa de la Investigacin Tributaria

La reproducibilidad, es decir, la capacidad de repetir un determinado experimento en cualquier lugar y por cualquier persona. Esto se basa, esencialmente, en la comunicacin y publicidad de los resultados obtenidos. En la actualidad, stos se publican generalmente en revistas cientficas y revisadas por pares.
La falsabilidad, esto es, la capacidad de una teora de ser sometida a potenciales pruebas que la contradigan. Bajo este criterio se delimita el mbito de lo que es ciencia de cualquier otro
conocimiento que no lo sea: es el denominado criterio de demarcacin de Karl Popper. La corroboracin experimental de una
teora cientficamente "probada" -aun la ms fundamental de
ellas- se mantiene siempre abierta a escrutinio (falsacionismo).

Samuel Vergara Hernndez

Metodologa de la Investigacin Tributaria

II. EPISTEMOLOGA
1. CONCEPTO
La teora del conocimiento o epistemologa, junto con la lgica y la
metodologa, constituyen tres ramas importantes en el campo del
saber cientfico.
La lgica estudia las condiciones formales de la verdad en el
campo de las ciencias (las leyes del pensar correcto).
La metodologa es la teora de los procedimientos generales de
investigacin que describe las caractersticas del proceso de investigacin cientfica y las etapas en que se divide dicho proceso, y se
refiere a los mtodos de investigacin cientfica y las tcnicas relacionadas con dichos mtodos.
La epistemologa es la teora del conocimiento, que investiga las
teoras y conceptos cientficos, e intenta fundamentarlos y evaluarlos. El trmino ms cercano a la epistemologa es el de filosofa de
las ciencias.
2. CLASES
La epistemologa o teora del conocimiento se puede clasificar en
tres categoras, a saber:
Las que parten de una reflexin sobre las ciencias y tienden a
prolongarla en una teora general del conocimiento;
Las que, apoyndose en una crtica de las ciencias, procuran alcanzar un modo de conocimiento distinto del conocimiento cientfico; y
Las que permanecen en el interior de una reflexin sobre las
ciencias.
Samuel Vergara Hernndez

10

Metodologa de la Investigacin Tributaria

3. EPISTEMOLOGAS REGIONALES
Las epistemologas regionales son construidas de acuerdo con las
caractersticas y necesidades de cada ciencia o campo especializado de conocimiento.
As, es posible distinguir, entre otras:
Epistemologa de la lgica
Epistemologa de la fsica
Epistemologa de la sociologa
Epistemologa del derecho
Epistemologa de la economa, etc.
4. PROBLEMAS QUE COMPETEN A LA EPISTEMOLOGA
Para Mario Bunge, una autntica epistemologa debe abordar,
entre otros, los siguientes aspectos:
Debe hacer referencia a la lgica de la ciencia;
Debe estudiar la semntica de la ciencia;
Debe reflexionar sobre la ontologa de la ciencia; y
Debe reflexionar sobre la axiologa de la ciencia.

Samuel Vergara Hernndez

11

Metodologa de la Investigacin Tributaria

III. CIENCIA SOCIAL


1. CIENCIA
La ciencia puede caracterizarse como conocimiento racional, sistmico, objetivo y verificable (Vase BUNGE, 2004).
2. CIENCIA SOCIAL
Se considera ciencia a un sistema organizado de conocimientos y
los mtodos requeridos para la obtencin de dichos conocimientos.
Dentro de las ciencias, se denominan sociales aquellas que se centran en la actividad del hombre como parte de un colectivo.
El objeto de estas ciencias es conocer las causas y las consecuencias de los comportamientos humanos tanto desde una perspectiva
individual como social.
3. CIENTIFICIDAD DE LAS CIENCIAS SOCIALES
Con el surgimiento de las ciencias sociales se presenta la primera
polmica entre dos corrientes filosficas: el positivismo y la corriente
hermenutica. La primera niega la autonoma de las ciencias sociales; y la segunda, la afirma. Posteriormente, surge una posicin intermedia denominada racionalismo crtico.
3.1. Concepcin positivista de la ciencia
Para esta concepcin, un conocimiento es considerado cientfico, si
se acomoda al paradigma de las ciencias naturales, caracterizado
por:
Monismo metodolgico, esto es, unidad de mtodo y homogeneidad doctrinal;
Modelo de la ciencias naturales exactas;
Samuel Vergara Hernndez

12

Metodologa de la Investigacin Tributaria

Explicacin causal; y
Prediccin.
3.2. Concepcin hermenutica
Para este movimiento, el mtodo propio de las ciencias sociales es
el de la comprensin y no el de la explicacin propuesta por el positivismo.
Se trata de entender o interpretar el sentido o el significado de los
actos humanos. Aqu opera la intersubjetividad en la generacin del
conocimiento, en oposicin a la objetividad que propone el positivismo.
3.3. Racionalismo crtico
El racionalismo crtico tiene su origen en el decenio de 1930. Su
principal exponente fue Karl Popper. Constituye una postura intermedia entre el positivismo y la hermenutica. En esta postura, el
conocimiento es la interpretacin de las experiencias. Pone nfasis
en lo cuali-cuantitativo, y subraya la importancia de las tcnicas para obtener datos. Describe una relacin entre las ciencias naturales
y las sociales. Propone la falsacin y no la verificacin. La ciencia
se construye mediante el mtodo deductivo y se valida con la crtica.
La corriente del racionalismo crtico pretende establecer un equilibrio entre el conocimiento y la accin. La ciencia tiene criterios propios diferentes e independientes de las condicionantes ambientales.
Se acepta el valor del conocimiento emprico en la construccin del
conocimiento cientfico.
3.4. Situacin actual del concepto de ciencia
En este punto nos referiremos, sucintamente, a las revoluciones
cientficas, a la metodologa de programas de investigacin, a la
anarqua del mtodo y al pensamiento complejo.
Samuel Vergara Hernndez

13

Metodologa de la Investigacin Tributaria

A. Thomas Kuhn y la estructura de las revoluciones


cientficas
En 1963, Kuhn public su libro La estructura de las revoluciones
cientficas, en el cual afirma que la comunidad cientfica se constituye mediante la aceptacin de paradigmas, esto es, conquistas
cientficas universalmente aceptadas, que durante un tiempo determinado ofrecen un modelo de problemas y soluciones aceptables p
ara quienes trabajan en un campo de investigacin.
En la historia de las ciencias se observan tiempos de revolucin, en
los que cambia la ciencia aceptada hasta ese entonces; y perodos
de ciencia normal, en los que la ciencia imperante permanece como
reguladora del quehacer cientfico. El desarrollo de la ciencia se hace de manera discontinua, por cambios revolucionarios de paradigmas y por largos perodos de normalidad cientfica.
B. Lakatos y la metodologa de los programas de investigacin cientfica
Este autor, discpulo de Popper, se distancia de su maestro y habla de programas cientficos de investigacin rivales, que van desarrollando sus potencialidades, unos en oposicin de otros, y que se
falsean entre s por su mayor validez global. Segn Lakatus, la
historia de la ciencia es y debe ser una historia de programas de
investigacin en competencia (Bernal, 2000, p. 33).
C. Feyerabend y la anarqua del mtodo
Para este autor, el estudio detallado de lo que ha sido y sigue siendo la ciencia ofrece un resultado, pero no ha sido jams un mtodo.
No puede haber un mtodo. La nocin de un mtodo que contenga
principios firmes, inmutables y absolutamente vinculantes en calidad
de gua de la actividad cientfica, choca con dificultades notables
cuando se enfrenta con los resultados de la investigacin histrica.
Samuel Vergara Hernndez

14

Metodologa de la Investigacin Tributaria


Por consiguiente, es necesario, en ciertas circunstancias, violar alguna norma, para el avance cientfico (Reale y Antiseri, 1988, p.
917).
D. Morn y la complejidad e integracin del conocimiento
En el ltimo tiempo se ha destacado la complejidad como un rasgo
general de la realidad, dentro de la cual est la del propio ser humano, que se caracteriza por ser multidimensional.
As, el Pensamiento Complejo busca ampliar el horizonte de comprensin de la realidad, sin agotarlo, porque de todas maneras el
ser humano slo es capaz de percibir aspectos de la realidad.
Para Edgar Morn, en la teora del pensamiento complejo, la
realidad se comprende y se explica desde todas las perspectivas
posibles.
Se entiende que un fenmeno especfico puede ser analizado por
medio de las ms diversas reas del conocimiento: entendimiento
multidisciplinario".
La realidad o los fenmenos se deben estudiar de forma compleja,
ya que, dividindolos en pequeas partes para facilitar su estudio,
se limita el campo de accin del conocimiento.
Tanto la realidad como el pensamiento y el conocimiento son complejos y, debido a esto, es necesario usar la complejidad para entender el mundo.
Otro aspecto relevante, segn el pensamiento complejo, es
que el estudio de un fenmeno se puede hacer desde la dependencia de dos perspectivas: holstica y reduccionista.
La primera, se refiere a un estudio desde el todo; y la segunda, a un
estudio desde las partes.

Samuel Vergara Hernndez

15

Metodologa de la Investigacin Tributaria


3.5. Paradigma de la complejidad
Para el paradigma de la complejidad, el conocimiento cientfico es
una de las diversas formas de conocer el mundo, pero no la nica.
Entre otras, las caractersticas del paradigma de la complejidad son
las siguientes:
La complejidad es un rasgo general de toda la realidad;
La ciencia es un punto de vista de la complejidad;
La complejidad implica considerar, al mismo tiempo, todo el sistema;
Se debe considerar la visin totalizadora con la contextual;
Hay apertura metodolgica, pues la complejidad no tiene un mtodo propio;
Se apoya en la interdisciplinariedad y transdisciplinariedad o metaconocimiento; y
Conjuga la explicacin causal con la interpretacin o comprensin hermenutica.
3.6. Interdisciplinariedad e integracin
La interdisciplinariedad, en su acepcin ms general, en el campo
de la ciencia, consiste en una cierta razn de unidad, de relaciones
y de acciones recprocas, de interpretaciones entre diversas ramas
del conocimiento llamadas disciplinas cientficas.
En la interdisciplinariedad, sin desconocer los lmites de cada ciencia o disciplina, se buscan factores de unidad entre diversos saberes, en cuanto al objeto, al mtodo o al lenguaje.
Segn Nikolaevitch (1998, p. 51), la interdisciplinariedad consiste, ante todo, es un intercambio recproco de resultados cientficos y
en un desarrollo mutuo de las diversas disciplinas, comprendida la
nueva disciplina que nace del propio intercambio.

Samuel Vergara Hernndez

16

Metodologa de la Investigacin Tributaria


En sntesis, el desafo de hoy, en el campo de la epistemologa, es
el de la integracin del conocimiento, entendi como una categora
ms amplia que la de la propia ciencia, porque incluye los saberes
de la vida cotidiana, como la religin, el mito, las creencias, etc.
En la actualidad, se requiere integrar el conocimiento y para ello es
necesario investigar en grupos interdisciplinarios capaces de trascender su respectiva disciplina para genera nuevo conocimiento.
Esto tiene mucha importancia en el campo de la tributacin y de la
planificacin tributaria, ya que sta supone conocimientos de Derecho, Contabilidad, Finanzas, Ingeniera, entre otras disciplinas de
las ciencias empresariales.

Samuel Vergara Hernndez

17

Metodologa de la Investigacin Tributaria


Captulo II
PROCESO DE INVESTIGACIN CIENTFICA
En este captulo, se trata de desarrollar los pasos del proceso de
investigacin cientfica, siguiendo el mtodo de investigacin general, sin desconocer que cada disciplina requiere de sus propios mtodos de investigacin.
I. MTODO GENERAL DE LA INVESTIGACIN
Las principales caractersticas del proceso de investigacin cientfica, segn Bernal (2000, p. 62-65), son las siguientes:
1. CONOCIMIENTO FCTICO
La ciencia intenta descubrir los hechos tal como son, independientemente del valor comercial o emocional que se le otorgue.
2. CONOCIMIENTO TRASCENDENTE
La investigacin cientfica observa los hechos, prescinde de los que
no son tiles, produce acontecimientos nuevos y los explica, despus de observarlos y describirlos, y de realizar cierta experimentacin.
3. CIENCIA ANALTICA
La ciencia aborda problemas especficos y trata de descomponer
sus elementos, a fin de entenderlos de manera integral y relacionada con el medio que los rodea.
El todo se descompone en sus partes integrantes, para luego reintegrarlas mediante la sntesis.

Samuel Vergara Hernndez

18

Metodologa de la Investigacin Tributaria


4. INVESTIGACIN ESPECIALIZADA
La investigacin cientfica se enmarca en una disciplina en particular, sin perjuicio de las consideraciones interdisciplinarias del problema.
5. CONOCIMIENTO CLARO Y PRECISO
El conocimiento cientfico se apoya en mtodos y tcnicas comprobadas, para dar claridad a la investigacin y precisar sus resultados.
6. CONOCIMIENTO COMUNICABLE
La comunicacin de los resultados del conocimiento cientfico perfecciona la ciencia y multiplica las posibilidades de confirmacin,
refutacin y expansin.
7. CONOCIMIENTO VERIFICABLE
Para que el conocimiento sea considerado cientfico debe ser sometido a comprobacin o demostracin y a la crtica de la comunidad
cientfica.
8. INVESTIGACIN METDICA
La investigacin cientfica requiere de un mtodo de investigacin
adecuado al objeto de estudio, as como de tcnicas y procedimientos que han resultado eficaces en el pasado.
9. CONOCIMIENTO SISTEMTICO
La ciencia es un sistema de ideas interconectadas entre s que buscan la verdad.

10. CONOCIMIENTO GENERAL


Samuel Vergara Hernndez

19

Metodologa de la Investigacin Tributaria

La ciencia de hechos particulares infiere pautas generales, a travs


del mtodo inductivo, mediante la generalizacin de los resultados
obtenidos.
11. CONOCIMIENTO LEGAL
Porque busca leyes, es decir, se apoya en pautas generales, las
que deben servir como marco de referencia, y no como norma rgida.
12. CIENCIA EXPLICATIVA
La ciencia busca el porqu de los hechos, y no se conforma con
describir detalladamente un fenmeno.
13. CONOCIMIENTO PREDICTIVO
Porque a partir de los resultados de las investigaciones cientficas
se predicen nuevos hechos y consecuencias.
14. CIENCIA ABIERTA
Se considera que el conocimiento actual es susceptible de ser corregido y reemplazado.
15. CIENCIA TIL
La ciencia busca la verdad y la objetividad de los resultados, pero
en particular busca solucionar problemas.
En resumen, la mayor parte de las caractersticas del conocimiento
cientfico dicen relacin con las ciencias naturales.
Sin embargo, muchas caractersticas se aplican tambin a las ciencias sociales, que son objeto de nuestro estudio.
Samuel Vergara Hernndez

20

Metodologa de la Investigacin Tributaria

II. MTODOS Y METODOLOGA DE LA INVESTIGACIN


Samuel Vergara Hernndez

21

Metodologa de la Investigacin Tributaria


1. INTRODUCCIN
Es preciso distinguir el mtodo de investigacin de la metodologa
de la investigacin cientfica.
El trmino metodologa est compuesto del vocablo mtodo y el
sustantivo griego logos que significa juicio, estudio. As, esta palabra se puede definir como la descripcin, el anlisis y la valoracin
crtica de los mtodos de investigacin.
La metodologa es el instrumento que enlaza el sujeto con el objeto
de la investigacin, Sin la metodologa es casi imposible llegar a la
lgica que conduce al conocimiento cientfico.
La palabra mtodo se deriva del griego meta: hacia, a lo largo, y
odos que significa camino, por lo que podemos deducir que mtodo
significa el camino ms adecuado para lograr un fin.
Tambin podemos decir que el mtodo es el conjunto de procedimientos lgicos a travs de los cuales se plantean los problemas
cientficos y se ponen a prueba las hiptesis y los instrumentos de
trabajo investigados.
El mtodo es un elemento necesario en la ciencia; ya que sin l no
sera fcil demostrar si un argumento es vlido.
2. MTODOS DE INVESTIGACIN
Por mtodo de investigacin se entiende el conjunto de postulados,
reglas y normas para el estudio y solucin de los problemas de investigacin. Es el procedimiento que se siguen para hallar la verdad
cientfica.
2.1. Mtodos baconiano, galileano y cartesiano
En general, en la investigacin cientfica han predominado tres mtodos cientficos bsicos, a saber:
Mtodo baconiano, que se basa en la induccin.
Samuel Vergara Hernndez

22

Metodologa de la Investigacin Tributaria


Mtodo galileano, que postula la experimentacin.
Mtodo cartesiano, que postula la duda fundamentada en el
anlisis y la sntesis.
Desde otro punto de vista, podemos establecer dos grandes clases
de mtodos de investigacin:
2.2. Mtodos lgicos y empricos
Mtodos lgicos, que se basan en la utilizacin del pensamiento
en sus funciones de deduccin, anlisis y sntesis.
Mtodos empricos, que se aproximan al conocimiento del objeto mediante observacin y el uso de la experiencia, entre ellos encontramos la observacin y la experimentacin.
En trminos ms precisos, los principales mtodos de investigacin
cientfica son los siguientes:
A. Mtodo lgico deductivo
Segn este mtodo, los principios o leyes descubiertos se aplican a
casos particulares, a partir de un enlace de juicios. El papel de la
deduccin en la investigacin es doble:
Primero consiste en encontrar principios desconocidos, a partir de
los conocidos. Una ley puede reducirse a otra ms general que la
incluya. Si un cuerpo cae decimos que pesa, porque es un caso
particular de la gravitacin.
Tambin sirve para descubrir consecuencias desconocidas, de principios conocidos. Si sabemos que la formula de la velocidad es
v=e/t, podremos calcular la velocidad de un avin.
La matemtica es la ciencia deductiva por excelencia; parte de
axiomas y definiciones.
El mtodo lgico deductivo, puede ser directo o indirecto:
Samuel Vergara Hernndez

23

Metodologa de la Investigacin Tributaria

A.1. Mtodo deductivo directo


Se obtiene el juicio de una sola premisa, es decir, se llega a una
conclusin directa sin intermediarios.
Ejemplo:
"Los libros son cultura"
"En consecuencia, algunas manifestaciones culturales son libros"
A.2. Mtodo deductivo indirecto
El mtodo deductivo indirecto es un silogismo, es decir, es un argumento que consta de tres proposiciones: premisa mayor, premisa
menor y conclusin. Se comparan dos extremos (premisas o trminos) con un tercero para descubrir la relacin entre ellos. La premisa mayor contiene la proposicin universal, la premisa menor contiene la proposicin particular, de su comparacin resulta la conclusin.
Ejemplo:
Los tributos consisten en el pago obligatorio de una prestacin pecuniaria al Fisco
"El impuesto supone el pago obligatorio de una cantidad de dinero
al Fisco
"Por tanto, los impuestos son tributos"

B. Mtodo hipottico-deductivo
Segn este mtodo, se parte de aseveraciones que tienen la calidad de hiptesis y se busca falsear o refutar tales hiptesis, deduSamuel Vergara Hernndez

24

Metodologa de la Investigacin Tributaria


ciendo de ellas conclusiones que deben confrontarse con los hechos.
As, un investigador propone una hiptesis como consecuencia de
sus inferencias del conjunto de datos empricos o de principios y leyes ms generales. En el primer caso arriba a la hiptesis mediante
procedimientos inductivos y en segundo caso mediante procedimientos deductivos.
C. Mtodo lgico inductivo
El mtodo deductivo es el razonamiento que, partiendo de casos
particulares, se llega a conocimientos generales.
Este mtodo permite la formacin de hiptesis, investigacin de leyes cientficas, y las demostraciones.
La induccin puede ser completa o incompleta.
C.1. Induccin completa
La conclusin es sacada del estudio de todos los elementos que
forman el objeto de investigacin, es decir, slo es posible si conocemos con exactitud el nmero de elementos que forman el objeto
de estudio y, adems, cuando sabemos que el conocimiento generalizado pertenece a cada uno de los elementos del objeto de investigacin.
Las llamadas demostraciones complejas son formas de razonamiento inductivo, slo que en ellas se toman muestras que, poco a
poco, se van articulando hasta lograr el estudio por induccin completa.

Ejemplo:
"Al estudiar el rendimiento acadmico de un determinado curso tributacin, estudiamos los resultados de todos los estudiantes del
Samuel Vergara Hernndez

25

Metodologa de la Investigacin Tributaria


curso, y dado que el objeto de estudio es relativamente pequeo, 15
alumnos, concluimos que el rendimiento promedio es bueno.
Tal conclusin es posible mediante el anlisis de todos y cada uno
de los miembros del curso."
C.2. Induccin incompleta
Los elementos del objeto de investigacin no pueden ser numerados y estudiados en su totalidad, lo que obliga al sujeto de la investigacin a tomar una muestra representativa de la poblacin (universo), que permita hacer generalizaciones.
El mtodo de induccin incompleta puede ser de dos clases:
a) Mtodo de induccin por simple enumeracin
Es un mtodo utilizado en objetos de investigacin cuyos elementos
son muy grandes o infinitos.
Se infiere una conclusin universal observando que un mismo carcter se repite en una serie de elementos homogneos, pertenecientes al objeto de investigacin, sin que se presente ningn caso
que entre en contradiccin o niegue el carcter comn observado.
La mayor o menor probabilidad, en la aplicacin del mtodo, radica
en el nmero de casos que se analicen, por tanto sus conclusiones
no pueden ser tomadas como demostraciones de algo, sino como
posibilidades de veracidad.
Basta con que aparezca un solo caso que niegue la conclusin para
que esta sea refutada como falsa.

b) Mtodo de induccin cientfica


Se estudian los caracteres y conexiones necesarios del objeto de
investigacin, relaciones de causalidad, entre otros. Este mtodo se
Samuel Vergara Hernndez

26

Metodologa de la Investigacin Tributaria


apoya en mtodos empricos como la observacin y la experimentacin.
Ejemplo: "Sabemos que el agua es un carcter necesario para todos los seres vivos, entonces podemos concluir con certeza que las
plantas necesitan agua".
D. Mtodo sinttico
Es un proceso mediante el cual se relacionan hechos aparentemente aislados y se formula una teora que unifica los diversos elementos.
Este mtodo consiste en la reunin racional de varios elementos
dispersos en una nueva totalidad.
El investigador sintetiza las superaciones en la imaginacin para
establecer una explicacin tentativa que someter a prueba.
E. Mtodo analtico
Se distinguen los elementos de un fenmeno y se procede a revisar
ordenadamente cada uno de ellos por separado.
La fsica, la qumica y la biologa utilizan este mtodo. A partir de la
experimentacin y el anlisis de gran nmero de casos, se establecen leyes universales.
Este mtodo consiste en la extraccin de las partes de un todo, con
el objeto de estudiarlas y examinarlas por separado, para ver, por
ejemplo las relaciones entre las mismas.

Estas operaciones no existen independientes una de la otra; el anlisis de un objeto se realiza a partir de la relacin que existe entre
los elementos que conforman dicho objeto como un todo; y a su
Samuel Vergara Hernndez

27

Metodologa de la Investigacin Tributaria


vez, la sntesis se produce sobre la base de los resultados previos
del anlisis.
F. Mtodo sistmico
Est dirigido a modelar el objeto como un todo mediante la determinacin de sus componentes, as como las relaciones entre ellos.
Esas relaciones determinan por un lado la estructura del objeto y
por otro su dinmica.
G. Mtodo comparativo
Se trata de comparar dos o ms objetos de estudio, para buscar las
diferencias y semejanzas entre ellos.
2.3. Metodologa de la investigacin
La metodologa de la investigacin es la ciencia de los mtodos de
investigacin, ya que estudia el conjunto de mtodos de investigacin que se usan en el proceso de investigacin cientfica.

III. MODELOS DE MTODO GENERAL


1. INTRODUCCIN
Samuel Vergara Hernndez

28

Metodologa de la Investigacin Tributaria

El mtodo cientfico de investigacin es el conjunto de etapas y reglas que sealan el procedimiento para llevar a cabo una investigacin, cuyos resultados sean aceptados como vlidos por la comunidad cientfica.
En general, el mtodo cientfico de investigacin supone las siguientes etapas esenciales, a saber:
Planteamiento del problema de investigacin, que supone la enunciacin, la formulacin y la sistematizacin.
Formulacin de una hiptesis de investigacin, es decir,
de una afirmacin provisional acerca de la solucin del problema
planteado.
Contrastacin o demostracin de la hiptesis de investigacin, mediante el uso del instrumento de prueba adecuado.
Exposicin de resultados, a travs de la conclusin.
Sin embargo, hay autores que desarrollan un mtodo propio de investigacin, que consta de varias otras etapas, adems de las reseadas precedentemente, entre los cuales cabe sealar a:
-Bunge;
-Arias Galicia;
-Hernndez, Fernndez y Baptista; y
-Bernal.
2. MTODO DE MARIO BUNGE
Planteamiento del problema
Construccin del modelo terico
Deduccin de consecuencias particulares
Aplicacin de la prueba
Introduccin de las conclusiones en la teora
Samuel Vergara Hernndez

29

Metodologa de la Investigacin Tributaria


3. MTODO DE ARIAS GALICIA
Planteamiento del problema
Planeacin
Recopilacin de la informacin
Procesamiento de los datos
Explicacin e interpretacin
Comunicacin de los resultados y solucin del problema
4. MTODO DE HERNNDEZ, FERNNDEZ Y BAPTISTA
Concebir la idea de investigacin
Plantear el problema de investigacin
Elaborar el marco terico
Definir el tipo de la investigacin
Establecer la hiptesis
Seleccionar el diseo apropiado de investigacin
Determinar la poblacin y la muestra
Recolectar los datos
Analizar los datos
Presentar los resultados
5. MTODO DE BERNAL
Inters por un tema de investigacin
Plantear el problema de investigacin
Establecer los objetivos de la investigacin
Justificar y delimitar la investigacin
Definir el tipo de investigacin
Elaborar el marco de referencia
Formular la hiptesis
Definir el diseo de investigacin
Determinar la poblacin y la muestra
Recopilar la informacin
Procesar la informacin
Analizar y discutir los resultados
Redactar y entregar el informe.

Samuel Vergara Hernndez

30

Metodologa de la Investigacin Tributaria

IV. PARADIGMAS DE INVESTIGACIN


1. INTRODUCCIN
Samuel Vergara Hernndez

31

Metodologa de la Investigacin Tributaria


Como vimos, hay varios mtodos de investigacin, y stos pueden
enmarcarse dentro de algunos de los paradigmas de investigacin, es decir, la concepcin o visin del mundo que se tenga
respecto de la investigacin cientfica.
Existen varios paradigmas de investigacin, entre los cuales se hallan:
La investigacin cuantitativa, que se basa en datos palpables y cuantificables (variables); y
La investigacin cualitativa, que est basada, en general, en
el estudio de actitudes humanas (atributos).
2. PARADIGMAS DE INVESTIGACIN
El concepto de paradigmas (Kuhn, 1971) admite pluralidad de significados y diferentes usos; pero aqu lo entendemos como un conjunto de creencias y actitudes, como una visin del mundo compartida
por un grupo de cientficos, que implica una metodologa determinada.
El paradigma es un esquema terico, o una va de percepcin y
comprensin del mundo, que un grupo de cientficos ha adoptado
3. INVESTIGACIN CUANTITATIVA
La investigacin cuantitativa tiene como propsito recoger, procesar
y analizar datos cuantitativos o numricos sobre variables previamente determinadas.

Lo anterior le da una connotacin que va ms all de un mero listado de datos organizados como resultado, pues estos datos, que se
muestran en el informe final, estn en total consonancia con las variables que forma parte de la hiptesis formulada desde el principio
como una solucin provisional del problema de investigacin planteado.
Samuel Vergara Hernndez

32

Metodologa de la Investigacin Tributaria

El producto de una investigacin de corte cuantitativo ser un informe, en el que se muestre una serie de datos clasificados, sin ningn
tipo de informacin adicional que le d una explicacin, ms all de
la que en s mismos conllevan.
As, desde este punto de vista, se podra pensar que los estudios
cuantitativos son arbitrarios y que no ayudan al anlisis de los resultados ms que lo que han mostrado por s solos. Sin embargo, esto
no as, porque con un estudio de este tipo se muestran, adems, las
caractersticas de estos datos que han sido organizados.
Por otra parte, debemos agregar que la investigacin cuantitativa
estudia la asociacin o relacin entre las variables que han sido
cuantificadas, lo que ayuda an ms en la interpretacin de los resultados.
Este tipo de investigacin trata de determinar la fuerza de asociacin o relacin entre variables, as como la generalizacin y objetivacin de los resultados obtenidos a travs de una muestra.
Por eso, de una muestra se hacen inferencias respecto de toda la
poblacin objeto de estudio.
Ms all del estudio de la asociacin o la relacin entre variables, la
investigacin cuantitativa pretende explicar por qu las cosas suceden o no de una forma determinada.
Por mtodos cuantitativos de investigacin se entienden los diseos
experimentales y cuasi experimentales, la investigacin por encuesta, los cuestionarios estandarizados, los registros estructurados de
observacin, las tcnicas estadsticas de anlisis de datos, entre
otros:
3.1. Diseos experimentales
Los diseos experimentales se caracterizan por que en ellos se hacen experimentos puros, entendiendo por tales los que renen tres
requisitos fundamentales:
Samuel Vergara Hernndez

33

Metodologa de la Investigacin Tributaria


La manipulacin de una o ms variables independientes;
La medicin de efecto de la variable independiente sobre la variable
dependiente; y
El conrol de las variables.
Obviamente, en los diseos cuasiexperimentales no concurren todos los requisitos sealados, entre los cuales se hallan los diseos
preexperimentales.
3.2. Encuesta social
La encuesta social es la investigacin cuantitativa de mayor uso en
el mbito de las ciencias sociales, y consiste en aplicar una serie de
tcnicas especficas con el objeto de recoger, procesar y analizar
caractersticas que se dan en personas de un grupo determinado.
3.3. Estudios cuantitativos con datos secundarios
Los estudios cuantitativos con datos secundarios, a diferencia de
los dos mtodos anteriores, abordan anlisis con utilizacin de datos ya existentes.
En general los mtodos cuantitativos son muy potentes en trminos
de validez externa (miden lo que quiere medir), ya que con una
muestra representativa de una poblacin se hacen inferencia fiables
respecto de sta.

4. INVESTIGACIN CUALITATIVA
La investigacin cualitativa es un tipo de investigacin que cuenta
con tcnicas especializadas para obtener respuesta a fondo acerca
Samuel Vergara Hernndez

34

Metodologa de la Investigacin Tributaria


de lo que las personas piensan y sienten. Su finalidad es proporcionar una mayor comprensin acerca del significado de las acciones
de los hombres, sus actividades, motivaciones, valores y significados subjetivos.
Este tipo de estudio se ha venido retomando luego del predominio
de los mtodos de investigacin cuantitativos.
Este tipo de investigacin se puede utilizar:

Como mecanismo de generacin de ideas;

Para complementar un estudio cuantitativo;

Para evaluar un estudio cuantitativo; y

Como mtodo principal de investigacin.

La investigacin cualitativa exige el reconocimiento de mltiples


realidades y trata de capturar la perspectiva del investigado.
Desde este punto de vista, se aprecia que en las investigaciones
cualitativas es un hecho sumamente importante el sujeto o las fuentes a investigar. Los resultados estn muy en dependencia de las
emociones o de los anlisis exhaustivos del contenido de las fuentes de informacin.
La investigacin cualitativa permite hacer variadas interpretaciones
de la realidad y de los datos. Esto se logra debido a que en este tipo
de investigacin el analista o investigador va al "campo de accin"
con la mente abierta, aunque esto no significa que no lleve consigo
un basamento conceptual. El hecho de tener mente abierta hace
posible redireccionar la investigacin en ese momento y captar
otros tipos de datos que en un principio no se haban pensado.

En otras palabras, la investigacin cualitativa reconoce que la propia evolucin del fenmeno investigado puede propiciar una redefinicin y a su vez nuevos mtodos para comprenderlo.
Samuel Vergara Hernndez

35

Metodologa de la Investigacin Tributaria


En los mtodos de investigacin cualitativos los investigadores no
slo tratan de describir los hechos, sino de comprenderlos mediante
un anlisis exhaustivo y diverso de los datos y siempre mostrando
un carcter creativo y dinmico.
La investigacin cualitativa cuenta con varias tcnicas para la obtencin de datos, como son:

La observacin;
La entrevista;
Anlisis documental;
El estudio de caso;
Los grupos focales; y
Los cuestionarios.

Captulo III
IDEA O TEMA DE INVESTIGACIN
Samuel Vergara Hernndez

36

Metodologa de la Investigacin Tributaria

I. BSQUEDA DE TEMA
1. INTRODUCCION
Las investigaciones cientficas se originan en ideas, lo que constituye el primer paso pasa iniciar una investigacin cientfica, es decir,
las ideas constituyen el primer acercamiento a la realidad que habr
de investigarse.
La idea de investigacin dice relacin con el tema de investigacin
de inters para el investigador.
Es usual que la investigacin cientfica comience con el inters que
investigador tiene respecto de un tema en especial.
Por consiguiente, a continuacin, nos referiremos a la bsqueda y
definicin del tema, y a los criterios de seleccin.
2. FUENTES DE IDEAS
El tema es la idea general, en mbito de la respectiva disciplina, en
el cual hay inters por realizar una determinada investigacin.
Las fuentes de las ideas de investigacin pueden ser:
2.1. Lectura reflexiva y crtica
La lectura reflexiva y crtica de libros y revistas especializadas es
una buena fuente de ideas o temas de investigacin.
A nuestro juicio, esta debera ser la principal fuente de ideas de investigacin, ya que el lector al leer reflexionar sobre el contenido
de la lectura y o la criticar, en su caso.
2.2. Participacin activa
Samuel Vergara Hernndez

37

Metodologa de la Investigacin Tributaria


La participacin activa en congresos, seminarios, reuniones, conferencias y dems formas de exposicin y reflexin de temas, es tambin una fuente de ideas de investigacin.
2.3. Aula de clases
La asistencia a clases, como alumno, es una buena fuente de ideas
de investigacin, cuando el alumno se propone buscar tema de investigacin.
2.4. Centros de investigacin
Las lneas de investigacin de los centros de investigacin pueden
constituir una fuente de ideas de investigacin.
2.5. Organismos interesados en investigacin
Muchas instituciones pblicas o privadas desarrollan proyectos de
investigacin sobre problemas de su inters, los que pueden servir
de inspiracin para encontrar una idea de investigacin, en especial
si financian dichos proyectos con recursos propios.
2.6. Profesores
Los profesores de la respectiva disciplina pueden aportar ideas de
investigacin cuando desarrollan sus clases sobre el tema de inters.
2.7. Actividad profesional
El investigador, en el ejercicio de una actividad profesional, puede
desarrollar la idea de inters para su respectiva disciplina.

2.8. Experiencia personal


Samuel Vergara Hernndez

38

Metodologa de la Investigacin Tributaria


Por ltimo, la experiencia personal del investigador puede ser fuente de ideas de investigacin.

II. CRITERIOS PARA SELECCIONAR LA IDEA


Samuel Vergara Hernndez

39

Metodologa de la Investigacin Tributaria

No existen criterios nicos para considerar un tema como fuente de


investigacin; pero puede, en todo caso, considerarse como tales
los siguientes:
1. NOVEDAD Y ORIGINALIDAD
Sin duda, la novedad y originalidad del tema de investigacin es un
buen criterio de seleccin para emprender una investigacin en una
determinada disciplina.
2. UTILIDAD EN LA SOLUCIN DE PROBLEMAS
Si el tema de investigacin dice relacin con la solucin de un problema concreto de inters para la sociedad, grupos o personas determinas, puede resultar til emprender la investigacin y, por tanto,
ser un buen criterio para seleccionar el tema o idea de investigacin.
3. EST DENTRO DE UNA LNEA DE INVESTIGACIN
Si el tema elegido est dentro de la lnea de investigacin del centro
o institucin que financia la investigacin, puede servir de criterio de
seleccin.
4. CONTRASTE DE RESULTADOS
Un buen criterio para seleccionar un tema como objeto de investigacin puede derivar de la necesidad de contrastar el resultado de
investigaciones anteriores.

III. TTULO DEL TEMA DE INVESTIGACIN


Samuel Vergara Hernndez

40

Metodologa de la Investigacin Tributaria

1. INTRODUCCIN
Una vez definida la idea o tema de investigacin, es necesario consensarlo o sintetizarlo en una frase que exprese la esencia de la
idea o tema que se va a investigar, que se denomina ttulo del estudio.
El ttulo debe ser general, en cuanto recoge la esencia del tema de
investigacin; pero debe ser especfico, en cuanto debe reflejar el
problema que se ha investigar.
En el proyecto de investigacin, el ttulo es tentativo o provisional,
ya que puede modificarse o cambiarse en el curso de la investigacin.
2. EJEMPLOS DE TEMAS DE INVESTIGACIN
Los ejemplos sobre temas de investigacin tributaria se pueden clasificar en:
Temas de investigacin sobre Derecho Tributario;
Temas de investigacin sobre Tributacin; y
Temas de investigacin sobre Planificacin Tributaria.
3. INVESTIGACIN EN DERECHO TRIBUTARIO
Hechos gravados en la Ley sobre Impuesto a la Renta
Hechos gravados en la Ley sobre Impuesto a la Valor Agregado
Determinacin de la base imponible en la Ley sobre Impuesto a la
Renta
Determinacin de la base imponible en la Ley del IVA
Impuestos progresivos en el Derecho Tributario Chileno
Crditos contra el impuesto
Medidas antielusin
Medidas antievasin
Ficciones legales tributarias
Presunciones legales tributarias
Samuel Vergara Hernndez

41

Metodologa de la Investigacin Tributaria


Interpretacin tributaria
Prescripcin tributaria
Devolucin de impuestos
Principio de buena fe
Ventajas y desventajas de la interpretacin econmica
Tipificacin genrica del hecho gravado
Hechos imponibles complementarios
4. INVESTIGACIN EN TRIBUTACIN
Clculo de la base imponible
Mtodos de depreciacin de bienes
Tributacin de los activos intangibles
Determinacin fehaciente de la base imponible
Rgimen de renta presunta
Rgimen opcional de tributacin
Rgimen simplificado de tributacin
Tributacin de los derechos sociales
Tributacin de las acciones
Rentas de primera categora
Rentas de segunda categora
Retenciones de impuestos
Pagos provisionales mensuales
Beneficios tributarios
Franquicias tributarias
5. INVESTIGACIN EN PLANIFICACIN
Principios de la planificacin tributaria
Lmites de la planificacin tributaria
Mtodos de planificacin tributaria
Estrategias de planificacin tributaria
Opciones legales tributarias
Planificacin tributaria empresarial
Planificacin tributaria personal
Planificacin tributaria patrimonial
Planificacin tributaria de herencias
Planificacin tributaria de donaciones
Planificacin tributaria internacional
Samuel Vergara Hernndez

42

Metodologa de la Investigacin Tributaria


Subcapitalizacin como instrumento de planificacin
Precios de transferencia como instrumentos de planificacin
Reorganizacin empresarial
Convenios de doble imposicin como opcin tributaria
Establecimiento permanente como opcin tributaria
Filial como opcin tributaria
Planificacin mediante divisin
Planificacin mediante fusin
Planificacin mediante transformacin
Planificacin mediante conversin

Captulo IV
Samuel Vergara Hernndez

43

Metodologa de la Investigacin Tributaria

PLANTEAMIENTO DEL PROBLEMA DE INVESTIGACIN


1. INTRODUCCIN
Una vez que se ha definido el tema de investigacin y el ttulo con
que se presentar, se procede a plantear el problema de investigacin, esto es, la situacin, fenmeno, evento, hecho u objeto del estudio que se realizar.
Dicho con otras palabras, para que una idea sea objeto de investigacin, debe convertirse en problema de investigacin, es decir, todo aquello que se convierte en objeto de reflexin y sobre el cual se
presenta la necesidad de conocer y, por ende, de estudiar cientficamente.
En todo caso, la necesidad de conocer, de solucionar el problema
planteado, tiene una finalidad til, la cual puede ser terica o prctica, dependiendo de si la investigacin es pura o aplicada.
En las tesis de magster de carcter profesional, por lo comn, la
investigacin es aplicada, porque se pone nfasis en la solucin de
problemas prcticos.
El planteamiento de problemas es una de las fases ms importante
del proceso de investigacin cientfica, lo que supone:
1) Enunciar el problema;
2) Formular el problema; y
3) Sistematizar el problema
2. ENUNCIACIN DEL PROBLEMA
La enunciacin del problema supone hacer un diagnstico del problema, por una parte; y, por otra, realizar un pronstico del mismo.
2.1. Diagnstico
Samuel Vergara Hernndez

44

Metodologa de la Investigacin Tributaria

El diagnstico del problema significa indicar los sntomas o efectos


del problema objeto de la investigacin, as como las posibles causas que originaron el problema.
Ejemplo:
Un contribuyente de primera categora est soportando una carga
impositiva ms alta que la que soportan otros contribuyentes de la
competencia, porque la forma de organizacin jurdica de la empresa, el rgimen tributario y la forma de financiamiento de la inversin
no le permite aprovechar todos los beneficios y franquicias tributarias que la ley contempla. As, el efecto del problema consiste en la
alta carga impositiva que soporta este contribuyente; y la causa de
este problema reside en la falta de una adecuada planificacin que
implique el aprovechamiento de todos los beneficios y franquicias
tributarias que la ley prev.
En otros trminos, en la enunciacin del problema hay que tomar en
cuenta los siguientes aspectos, entre otros:
1) Describir los hechos relacionados con el problema;
2) Determinar la importancia o efecto de los hechos;
3) Identificar las posibles relaciones entre los hechos que pueda indicar la causa del problema; y
4) Proponer explicaciones para conocer la causa del problema.
En sntesis, enunciar un problema de investigacin significa describir, en forma ms o menos detallada, la situacin objeto de investigacin.
2.2. Pronstico
Una vez diagnosticado el problema de investigacin, corresponde
realizar un pronstico de la situacin objeto de anlisis, es decir,
qu suceder si no se investiga.

Ejemplo:
Samuel Vergara Hernndez

45

Metodologa de la Investigacin Tributaria


Si no se realiza una planificacin tributaria que implique el ptimo
aprovechamiento de los beneficios y franquicias tributarias que la
ley contempla, el contribuyente continuar pagando ms impuesto
que su competencia.
3. FORMULACIN DEL PROBLEMA
Por lo comn, la formulacin del problema de investigacin se hace
mediante una pregunta.
Ejemplo:
Cmo se puede optimizar la carga impositiva que soporta un contribuyente que no ha aprovechado los beneficios tributarios que la
ley contempla?
4. SISTEMATIZACIN DEL PROBLEMA
La sistematizacin del problema se realiza mediante una serie de
interrogantes orientadas a dar respuesta al problema de investigacin y en relacin con la formulacin del problema:
Ejemplo:
Quines son los contribuyentes de primera categora?
Qu carga impositiva soporta un contribuyente de primera categora?
Qu beneficios y franquicias tributarios establece la ley tributaria
para los contribuyentes de primera categora, considerando la forma
jurdica, el rgimen impositivo y la forma de financiamiento de la
empresa?
Qu estrategias tributarias se podran usar para optimizar la carga
impositiva de un contribuyente de primera categora que no ha realizado una planificacin tributaria?
Cmo se puede demostrar que las estrategias tributarias aumentarn la rentabilidad financiero fiscal?
Cul es el ahorro impositivo que se puede conseguir mediante la
realizacin de una planificacin tributaria?
Captulo V
Samuel Vergara Hernndez

46

Metodologa de la Investigacin Tributaria

OBJETIVOS DE LA INVESTIGACIN
1. INTRODUCCIN
En toda investigacin cientfica se deben establecer sus objetivos,
es decir, las finalidades o propsitos del estudio.
Los objetivos que deben determinarse son:
Objetivos generales; y
Objetivos especficos.
Los objetivos, tanto los generales, como los especficos, deben redactarse en forma clara y precisa, para evitar confusiones; pero ello
no implica que no puedan modificarse o cambiarse durante el curso
de la investigacin si es necesario.
Como todo objetivo implica la accin que se desea lograr, se debe
redactar utilizando el verbo en infinitivo.
Ejemplos:
Determinar
Explorar
Describir
Explicar
Proponer
Disear
Plantear
Sostener
Exponer
Relacionar
Correlacionar
Suponer

Identificar
Comparar
Sostener
Exponer
Relacionar
Correlacionar
Suponer
Sostener
Exponer
Relacionar
Correlacionar
Medir

En todo caso, es conveniente que los objetivos sean alcanzables


mediante la investigacin, razn por la cual deben emplearse los
Samuel Vergara Hernndez

47

Metodologa de la Investigacin Tributaria


verbos en infinito- adecuados al problema planteado y al tipo de
investigacin que desea desarrollar.
2. OBJETIVO GENERAL
El objetivo general debe reflejar la esencia del problema de investigacin y la idea expresada en el ttulo del proyecto de investigacin.
Ejemplos:
Optimizar la carga impositiva de la empresa
Aumentar la rentabilidad financiero fiscal de la empresa
Reducir la carga impositiva
Planificar tributariamente la organizacin jurdica de la empresa
Planificar tributariamente la forma de financiamiento de la inversin
Determinar el rgimen impositivo que genere mayor rentabilidad
financiero fiscal
3. OBJETIVOS ESPECFICOS
Los objetivos especficos se desprenden del general y deben estar
destinados a conseguir el objetivo general.
Ejemplo:
Estudiar las distintas formas jurdicas de las empresas de primera
categora que conllevan ventajas tributarias.
Analizar las distintas formas de financiacin de la empresa y sus
ventajas e inconvenientes tributarios.
Determinar el rgimen tributario adecuado a la forma jurdica y a la
va de financiacin de la inversin, considerando la variable tributaria.
Elaborar estrategias y planes tributarios.
Comparar los planes tributarios, considerando las formas jurdicas
de las empresas, las vas de financiacin y los distintos regmenes
tributarios, segn la rentabilidad financiero fiscal.
Evaluar los planes tributarios y elegir el mejor plan desde el punto
de vista de los ahorros impositivos.
Captulo VI
Samuel Vergara Hernndez

48

Metodologa de la Investigacin Tributaria

JUSTIFICACIN Y DELIMITACIN
DE LA INVESTIGACIN
1. INTRODUCCIN
La investigacin cientfica debe justificarse, tanto desde el punto de
vista terico como prctico; pero, adems, debe delimitarse, a lo
menos, desde el punto de vista temporal y espacial.
2. JUSTIFICACIN DE LA INVESTIGACIN
Toda investigacin est orientada a la resolucin de problemas, razn por la cual debe justificarse, es decir, se deben exponer los motivos por los cuales debe realizarse la investigacin.
La justificacin puede ser terica o prctica, o bien terica y prctica
a la vez.
Adems, la justificacin puede ser metodolgica, aunque este tipo
de justificacin podra quedar comprendida dentro de la justificacin
terica.
Entre los criterios para evaluar la justificacin de una investigacin
se pueden sealar los siguientes:
Conveniencia de la investigacin, esto es, para qu sirve;
Trascendencia, es decir, a quines beneficiar;
Implicancias prcticas, vale decir, cmo se resolver el problema;
Valor terico, o sea, qu aporta al conocimiento.

2.1. Justificacin terica


Samuel Vergara Hernndez

49

Metodologa de la Investigacin Tributaria

La justificacin terica dice relacin con las investigaciones cuyo


propsito es generar o probar una teora, o generar reflexin y debate acadmico sobre el conocimiento existente.
La justificacin terica se presenta, por lo comn, en las tesis de
doctorado y en algunas maestras.
Ejemplo:
La investigacin se justifica, desde el punto de vista terico, porque
permitir probar una estrategia de planificacin tributaria que podr
usarse en otros casos, con la misma finalidad de optimizar la carga
impositiva de la empresa.
2.2. Justificacin prctica
La justificacin es prctica si la investigacin contribuye a resolver
un problema o, por lo menos, propone estrategias para resolverlo.
Las investigaciones en el mbito de los programas de magster profesional ameritan una justificacin prctica, ya que se trata de realizar investigaciones que contribuyan a resolver problemas profesionales, dentro del mbito de las respectivas disciplinas, como por
ejemplo de las ciencias empresariales, entre las cuales se hallan las
materias tributarias.
2.3. Justificacin metodolgica
La justificacin metodolgica tiene lugar cuando la investigacin
propone un nuevo mtodo de investigacin o una nueva estrategia
para generar conocimiento vlido y confiable.
3. DELIMITACIN DE LA INVESTIGACIN
Una vez justificada la investigacin, corresponde establecer las limitaciones temporales, espaciales, materiales y financieras.
Por consiguiente, la investigacin puede delimitarse desde el punto
de vista:
Samuel Vergara Hernndez

50

Metodologa de la Investigacin Tributaria

Temporal;
Espacial;
Material; y
Financiero.
3.1. Limitacin temporal
La delimitacin temporal dice relacin con el perodo de tiempo durante el cual se realizar la investigacin. Asimismo, se trata de determinar si se realizar una investigacin transversal (en un momento del tiempo) o longitudinal (en un perodo del tiempo).
3.2. Limitacin espacial
La delimitacin espacial est referida al lugar geogrfico o territorio
jurisdiccional en el cual se desarrollar la investigacin.
As, las investigaciones cientficas pueden limitarse a una ciudad,
regin o pas, o bien a una jurisdiccin tributaria.
3.3. Limitacin material u objetiva
La delimitacin objetiva dice relacin con el objeto de la investigacin, ya que se debe precisar hasta dnde alcanza la investigacin,
es decir, qu aspectos comprender, dentro del problema planteado.
3.4. Limitacin financiera
La delimitacin financiera dice relacin con los recursos que se requerirn para realizar la investigacin y con la obtencin de dichos
recursos financieros.
Captulo VII
Samuel Vergara Hernndez

51

Metodologa de la Investigacin Tributaria


ELABORACIN DEL MARCO DE REFERENCIA
1. INTRODUCCIN
La ciencia es la bsqueda de conocimiento vlido, razn por la cual
cada nueva investigacin debe fundamentarse en el conocimiento
existente (estado del arte), porque el proceso de investigacin cientfica no supone ausencia de conocimiento en la respectiva disciplina, sino de un conocimiento previo acumulado por anteriores investigaciones sobre la materia.
Adems, debe tenerse presente que las investigaciones, como las
tributarias, requieren de un marco jurdico o legal, dentro del cual se
enmarcan y que le sirve de fundamento.
Por eso, el marco de referencia de una investigacin dice relacin
con el marco terico, el marco conceptual y el marco jurdico, entre
otros.
Una vez planteado el problema de investigacin, corresponde sustentar terica, conceptual y legalmente el estudio que se pretende
realizar.
Por consiguiente, corresponde referirnos a continuacin al:
Marco terico;
Marco conceptual; y
Marco jurdico.
Sin embargo, no todas las investigaciones requieren marco terico y
conceptual, y slo algunas pueden requerir marco jurdico.

El marco de referencia, en algunas investigaciones, puede comprender tambin el marco filosfico o el marco histrico, en su caso,
dependiendo del tipo de investigacin que se pretende realizar.
Samuel Vergara Hernndez

52

Metodologa de la Investigacin Tributaria


2. MARCO TERICO
En la elaboracin del marco terico, se trata de analizar y exponer,
las teoras, los enfoques tericos y los aspectos tericos que se
consideran vlidos para el correcto encuadre de la investigacin.
En una investigacin cientfica el marco terico es el conjunto articulado de conocimientos o proposiciones que definen las condiciones
segn las cuales surgen o se relacionan los fenmenos empricos
(hechos naturales o sociales), que la delimita de otras investigaciones y disciplinas.
Por su parte, teora significa un conjunto de conceptos, definiciones
y proposiciones relacionadas entre s, que presentan un punto de
vista sistemtico de fenmenos, especificando relaciones entre variables, con el objetivo de explicar y predecir fenmenos (Kerlinger,
1975).
Las funciones del marco terico son, entre otras, las siguientes:
Contribuye a prevenir errores que se han cometido en otras investigaciones;
Orienta sobre la realizacin del estudio;
Conduce al establecimiento de hiptesis; y
Provee un marco de referencia para interpretar los resultados del
estudio.
La elaboracin del marco terico comprende dos etapas, a saber:
1) La revisin de la literatura existente sobre la materia, a travs de
fuente primarias, secundarias y terciarias, para interiorizarse del estado del arte; y
2) La adopcin de una teora o desarrollo de una perspectiva terica.
Las funciones de la teora son:
Samuel Vergara Hernndez

53

Metodologa de la Investigacin Tributaria

a) Describir;
b) Explicar;
c) Sistematizar; y
d) Predecir.
Una teora es til, porque describe, explica y predice el fenmeno o
hecho al que se refiere. Adems, organiza el conocimiento y orienta
la investigacin que se lleva a cabo sobre el fenmeno.
La teora puede estar completamente desarrollada, o bien slo pueden existir trozos o piezas de teoras, llamadas generalizaciones
empricas.
Ejemplo del marco terico en al mbito tributario
Si el tema de investigacin dice relacin con los hechos gravados
en la Ley sobre Impuesto a la Renta, entonces el marco terico ser
la teora del hecho imponible, entiendo por tal la descripcin o tipificacin legal de los hechos cuya realizacin por el contribuyente da
nacimiento a la obligacin tributaria; lo que tiene particularmente
importancia en nuestro Derecho Tributario, ya que no existe una definicin legal sobre hecho imponible.
3. MARCO CONCEPTUAL
El marco conceptual es el glosario de trminos clave utilizados en la
investigacin, segn la formulacin del problema planteado.
Ejemplo de marco conceptual en el mbito tributario
Si la investigacin dice relacin con los hechos gravados en la Ley
sobre Impuesto a la Renta, entonces los conceptos relevantes podran ser:1) Tributos; 2) Impuesto a la Renta; y3) Obligacin tributaria

4. MARCO JURDICO
Samuel Vergara Hernndez

54

Metodologa de la Investigacin Tributaria


El marco jurdico es el conjunto de normas y principios jurdicos que
regulan la materia sobre la cual se realiza la investigacin.
Ejemplo de marco jurdico en materia tributaria:
Si el tema de investigacin son los hechos gravados en la Ley sobre
Impuesto a la Renta, entonces el marco jurdico es la Ley sobre Impuesto a la Ren

Captulo VIII
Samuel Vergara Hernndez

55

Metodologa de la Investigacin Tributaria


FORMULACIN DE HIPTESIS
1. INTRODUCCIN
La hiptesis de investigacin es una afirmacin provisional acerca
de la solucin del problema planteado y la mayor parte de las investigaciones requieren de ella; pero hay tipos de investigacin, como
la exploratoria, que no requiere de hiptesis, atendida su naturaleza, ya que no hay conocimiento previo sobre la materia objeto de
estudio.
Con respecto a la formulacin de las hiptesis de investigacin, veremos:
a) El concepto;
b) La estructura lgica;
c) Las variables;
d) Los tipos o clases;
e) La funcin; y
f) La verificacin.
Una investigacin puede tener una o ms hiptesis; salvo las investigaciones exploratorias que carecen de hiptesis.
2. CONCEPTO DE HIPTESIS
Hernndez et al (2000, p. 74) seala que las hiptesis son proposiciones tentativas acerca de las relaciones entre dos o ms variables y se apoyan en conocimientos organizados y sistematizados.
Agregan que las hiptesis pueden ser ms o menos generales o
precisas, e involucrar dos o ms variables; pero, en cualquier caso,
son slo proposiciones sujetas a comprobacin emprica.
Samuel Vergara Hernndez

56

Metodologa de la Investigacin Tributaria


Bernal (2006, p. 137) dice que una hiptesis es una suposicin o
solucin anticipada al problema objeto de la investigacin y, por lo
tanto, la tarea del investigador debe estar orientada a probar tal suposicin o hiptesis.
3. ESTRUCTURA LGICA DE LAS HIPTESIS
La hiptesis, al pretender describir o explicar un fenmeno o suceso, tiene implcito cierto razonamiento.
El ser humano, al razonar, trabaja con una lgica denominada condicional, que tiene la siguiente estructura:
Si p, entonces q
Y se simboliza:
p

(p = antecedente, q = consecuente)

Si se da p, entonces suceder q.
Ejemplo:
Si con motivo de la divisin de sociedad se asignan bienes subvalorados a la nueva sociedad que nace, entonces el Servicio de
Impuestos Internos carece de faculta de tasacin fiscal de los valores asignados.
Si, en la enajenacin de bienes races por personas naturales
que no son empresas, no existe habitualidad (ni se presume), entonces el mayor valor proveniente de la enajenacin es ingreso
no constitutivo de renta que aumenta la rentabilidad financiero
fiscal del enajenante.

Algunas veces en el lenguaje corriente, se usa, en vez de


sientonces, las siguientes expresiones:
Sinnimo de si
Ya que
Samuel Vergara Hernndez

Sinnimo de entonces
En conclusin
57

Metodologa de la Investigacin Tributaria


Cuando
Slo si
Siempre que

Por consiguiente
As, pues
Por tanto

Sin embargo, la hiptesis tambin puede formularse mediante una


afirmacin o aseveracin (provisional). Esto tiene lugar especialmente en el mbito de las investigaciones descriptivas.
Ejemplo:
El sistema tributario chileno es complejo (hiptesis descriptiva).
La contabilidad y la tributacin estn correlacionadas (hiptesis
correlacional)
La rentabilidad financiera fiscal de las empresas depende de la
forma de organizacin jurdica y de la estructura de financiamiento de la empresa (hiptesis explicativa o causal).
4. VARIABLES DE LAS HIPTESIS
4.1. Concepto de variable
Las variables son los elementos fundamentales de las hiptesis, ya
que stas se construyen sobre la base de la relacin entre las variables, y consistes en todos los fenmenos cuyas caractersticas o
propiedades pueden variar cualitativa o cuantitativamente, y son
susceptibles de ser medidas, si son cuantitativas.
As, la hiptesis es una suposicin de la relacin entre caractersticas, atributos, propiedades o cualidades que definen el problema
objeto de investigacin. Estas caractersticas, atributos o propiedades se definen como variables de investigacin (Bernal, 2004, p.
140).
Para Hernndez et al (2000, p. 75), una variable es una propiedad
que puede variar y cuya variacin es susceptible de medirse.
4.2. Clasificacin de las variables
Las variables pueden clasificarse en:
Samuel Vergara Hernndez

58

Metodologa de la Investigacin Tributaria

Cualitativas y cuantitativas.
Discretas y continuas.
Dependientes, independientes e interviniente
A. Variables cuantitativas
Son aquellas que, por su naturaleza, se expresan mediante una
numeracin o unidades de medida (nmeros, porcentajes, etc.).
Ejemplos:
Edad: nmero de aos.
Nivel de ingreso: unidades en dinero.
Distancia: metros, centmetros, kilmetros, etc.
Peso corporal: gramos, kilos, toneladas.
Temperatura: grados de calor (Kelvin, Farenheit).
B. Variables cualitativas
Son propiedades o caractersticas de los objetos que no se expresan en unidades de medida, nmeros o porcentajes, sino en conceptos acerca de cualidad o calidad.
Ejemplos:
Color: amarillo, verde, azul, etc.
Meses del ao: enero, febrero, marzo, etc.
Gnero: masculino y femenino.
Belleza: belleza latina, belleza asitica, belleza nrdica.

C. Variables discretas (o discontinuas)


Son aquellas que no pueden tomar valores intermedios entre otros
dos valores dados, sino que han de hacerlo siempre con valores enteros.
Samuel Vergara Hernndez

59

Metodologa de la Investigacin Tributaria


Ejemplos:
Nmero de contribuyentes
Nmero de regmenes tributarios
Nmero de expedientes.
D. Variables continuas
Son aquellas que pueden tomar cualquier valor dentro de un intervalo dado y pueden expresarse en fracciones o decimales.
Ejemplos:
Tasa de rentabilidad: 7,9 %
Promedio de ingresos: $ 3.825.000
Temperatura: 34,5 C
E. Variable dependiente
En las hiptesis causales, la variable dependiente es el resultado o
efecto producido por la accin de la variable independiente.
Ejemplos:
Resultado tributario que depende de (forma de organizacin
jurdica).
Resultado financiero que depende de(reduccin de costos).
F. Variable independiente o explicativa
Es la variable que explica o es causa de la de la variable independiente.

Ejemplo:
Organizacin jurdica que causa(rentabilidad financiero fiscal).
Reduccin de costos que causa(resultado financiero).
G. Variable interviniente
Samuel Vergara Hernndez

60

Metodologa de la Investigacin Tributaria


Las variables intervinientes son todos aquellos aspectos, hechos y
situaciones del medio ambiente, las caractersticas del sujeto u objeto de la investigacin, que estn presentes o intervienen, de manera positiva o negativa, en el proceso de interaccin de las variables independiente y dependiente.
En las investigaciones experimentales, es muy importante identificar
y realizar un adecuado control de las variables intervinientes, para
tener confiabilidad sobre la interdependencia de las variables independientes y dependientes.
El control de variables intervinientes se debe hacer indicando cules variables sern controladas, cmo ser el control y por qu se
controlan.
4.3. Definicin conceptual y operacional
Una vez identificadas las variables, es necesario definirlas, tanto
conceptual como operacionalmente.
En la definicin conceptual se define el trmino con otros trminos.
En cambio, en la definicin operacional se especifica qu actividades u operaciones deben realizarse para medir una variable. As,
por ejemplo, variables rentabilidad financiero fiscal se mede en dinero, es decir, pecuniariamente.
5. CLASES DE HIPTESIS
Segn el problema planteado y el tipo de investigacin, las hiptesis
pueden clasificarse en:
Hiptesis de investigacin, nula y alternativa;
Hiptesis descriptiva, correlacional y explicativa; e
Hiptesis estadsticas.
5.1. Hiptesis de investigacin
Samuel Vergara Hernndez

61

Metodologa de la Investigacin Tributaria


La hiptesis de investigacin es la que rige la investigacin, es decir, la que se pretende demostrar o probar en un estudio.
Ejemplo:
El sistema tributario chileno es complejo (hiptesis descriptiva de
investigacin).
Si la empresa se apalanca financieramente, entonces aumenta la
rentabilidad financiero fiscal (hiptesis explicativa de investigacin).
Los sistemas contable y tributario estn correlacionados (hiptesis correlacional).
5.2. Hiptesis nula
La hiptesis nula es la negacin de la hiptesis de investigacin, y
no es lo contrario.
Ejemplo:
El sistema tributario chileno no es complejo (hiptesis descriptiva
de investigacin).
Si la empresa se apalanca financieramente, entonces no aumenta la rentabilidad financiero fiscal (hiptesis explicativa de investigacin).
Los sistemas contable y tributario no estn correlacionados (hiptesis correlacional).

5.3. Hiptesis alternativa


La hiptesis alternativa es otra solucin provisional al problema
planteado, que no sea contradictoria con el marco terico, siempre
que el problema planteado lo amerite; pero, desde el punto de vista
estadstico, corresponde a la negacin de la hiptesis nula.
5.4. Hiptesis descriptiva
Samuel Vergara Hernndez

62

Metodologa de la Investigacin Tributaria


La hiptesis es descriptiva en las investigaciones que tienen este
carcter, y se caracterizan porque sealan la presencia de determinadas caractersticas en el objeto de estudio, as como su medicin.
Este tipo de hiptesis implica slo una variable, razn por la cual no
se distingue entre variables independiente y variable dependiente.
Ejemplo:
Las presunciones y las ficciones legales en materia tributaria son
medidas antielusin.
La Ley Navarino tiene implcita una exencin del impuesto global
complementario
5.5. Hiptesis correlacional
Las hiptesis correlacionales especifican las relaciones entre dos o
ms variables o cmo estn asociadas.
Ejemplo:
Los impuestos de primera categora y los impuestos finales estn
correlacionados.
Las normas contables y tributarias estn correlacionadas
5.6. Hiptesis explicativa
Las hiptesis explicativas establecen relaciones de causa-efecto
entre la variable independiente (causa) y la variable dependiente
(efecto).

Ejemplo:
La complejidad del sistema tributario chileno causa evasin
El ahorro impositivo de un contribuyente depende del ejercicio de
todos beneficios que la ley contempla.
5.7. Hiptesis estadstica
Samuel Vergara Hernndez

63

Metodologa de la Investigacin Tributaria


Las hiptesis estadsticas son la transformacin de las hiptesis de
investigacin, nula y alternativa en smbolos estadsticos, lo que supone que los datos son cuantitativos.
6. FUNCIN DE LAS HIPTESIS
La principal funcin de las hiptesis es la de servir de gua a la
investigacin, es decir, sealan al investigador por dnde debe
dirigir su investigacin, ya que le proporciona orden y lgica interna.
Esto puede implicar un gran ahorro de tiempo y de recursos escasos.
Las hiptesis tambin tienen una funcin descriptiva y explicativa, segn sea el tipo de investigacin.
Adems, las hiptesis sirven para probar teoras, si se aporta
evidencia a favor de una, porque cuando varias hiptesis de una
teora que reciben evidencia a su favor, la teora se robustece.
Por ltimo, las hiptesis pueden sugerir teoras, cuando no estn asociadas con una teora en particular. As, puede suceder que,
con motivo de la prueba de hiptesis, se pueda construir una teora
o las bases para sta.
En sntesis, las funciones de las hiptesis son:

Servir de gua a la investigacin;


Describir y explicar el problema de investigacin;
Probar teoras; y
Sugerir teoras.

7. VERIFICACIN DE LAS HIPTESIS


Samuel Vergara Hernndez

64

Metodologa de la Investigacin Tributaria

7.1. Concepto de verificacin


La verificacin de una hiptesis consiste en probar si ella concuerda
con la realidad, es decir, si como proposicin es verdadera o falsa.
A la verificacin de hiptesis se denomina tambin contrastacin,
comprobacin o simplemente prueba de hiptesis; pero, obviamente, son trminos sinnimos, pues todos ellos significan lo mismo.
Sabemos que toda investigacin cientfica, independientemente del
tipo de ciencia (natural o social), requiere de los siguientes elementos:
Existencia de un hecho que merece ser estudiado (planteamiento
del problema);
Una supuesta solucin provisional al problema (hiptesis); y
Una verificacin de la solucin provisional (prueba de hiptesis)
7.2. Medios para verificar las hiptesis
Por lo comn, cuando se trata de la verificacin de hiptesis, los
textos de metodologa de la investigacin hacen referencia nicamente a los procedimientos estadsticos, particularmente a la denominada prueba de hiptesis, que forma parte de la estadstica
inferencial.
Sin embargo, tambin existen otros procedimientos o medios para
verificar hiptesis, como el experimento real, el experimento hipottico, el experimento simulado y la induccin analtica, sin perjuicio
de aplicar igualmente el anlisis estadstico que corresponda segn
el tipo de investigacin (cualitativa y cuantitativa) y el mtodo de
muestreo (paramtrico y no paramtrico).

As, entre otros, los procedimientos para verificar hiptesis, son los
siguientes:
Samuel Vergara Hernndez

65

Metodologa de la Investigacin Tributaria

Experimento real;
Experimento hipottico;
Simulacin;
Induccin analtica;
Anlisis estadstico (pruebas estadsticas).
A continuacin, nos referiremos, sucintamente, a cada uno de ellos,
con especial referencia a la investigacin tributaria:
7.3. Experimento real
A. Concepto
El experimento, que nosotros hemos calificado de real, para distinguirlo de los experimentos hipotticos (o mentales) y de los
experimentos simulados, se ha definido (Hernndez et al,
2000, p.107) como: un estudio de investigacin en el que se manipulan deliberadamente una o ms variables independientes (supuestas causas) para analizar las consecuencias que la manipulacin tiene sobre una o ms variables dependientes (supuestos efecto), dentro de una situacin de control para el experimentador.
B. Elementos
Para que estemos en presencia de un experimento real, es necesario que concurran los siguientes elementos:
Situacin real, natural o social, que sea susceptible de repetirse en ambientes controlados, tantas veces cuanto sea necesario;
Samuel Vergara Hernndez

66

Metodologa de la Investigacin Tributaria


Manipulacin de la variable independiente (en el grupo
experimental), para ver cmo cambia la variable dependiente a
causa de la manipulacin de la variable independiente;
Medicin del cambio de la variable dependiente, como consecuencia de la variacin de la variable independiente;
Control de las variables extraas o intervinientes, para realizar la comparacin del resultado con experimento y sin
experimento (en el grupo de control), y evitar que la variable dependiente vare por otros factores distintos a los experimentados
en la variable independiente;
Existencia de un grupo experimental, en cual se manipulan las variables independientes con el propsito de causar un
resultado medible en la variable dependiente;
Existencia de un grupo de control, en el cual no se manipula la variable independiente, pero s se miden la variable dependiente, para realizar la comparacin entre el resultado del
grupo experimental y el grupo de control.
Empleo de una tcnica general de control, ya que se
deben eliminar los participantes que obviamente han de sesgar
los resultados, se deben asignar aleatoriamente los participantes
a los grupos, los grupos deben estar equilibrados, los participantes no deben saber a qu grupo pertenecen.
C. Clases de experimentos reales
El experimento real puede clasificarse, segn si la asignacin a los
grupos es aleatoria y segn el grado de control de las variables, en:
Experimento puro, si existe manipulacin intencional de una
o ms variables independientes, la asignacin a los grupos es
aleatoria y hay control sobre las variables objeto de medicin y
sobre las variables extraas.
Samuel Vergara Hernndez

67

Metodologa de la Investigacin Tributaria


Cuasiexperimento, si hay manipulacin de las variables independientes, no existe control sobre las variables extraas, los
sujetos se pueden asignar aleatoriamente a los grupos y algunas
veces se tiene grupo de control.
Preexperimento, si hay manipulacin de las variables independientes, pero no hay control sobre las variables extraas, los
sujetos no se asignar aleatoriamente a los grupos y no hay grupo
de control.
D. Validez de los experimentos
Un aspecto fundamental de los experimentos es la validez de los
resultados que se obtenga de ellos, razn por la cual es importante
controlar las variables extraas.
En la investigacin experimental, existen dos tipos de validez:
Validez interna, si mide que la accin de la variable independiente produzca los efectos en la variable dependiente.
Validez externa, si existe posibilidad de que los resultados
del experimento se generalicen a otras personas u objetos.
Ejemplo de experimento en planificacin tributaria:
Una investigacin en el mbito de la planificacin tributaria podra
estar destinada a conocer el efecto que causara sobre la rentabilidad financiero fiscal de una empresa, que pertenece a un grupo
empresarial, el apalancamiento financiero (financiamiento de la inversin con deuda), cuando el costo de oportunidad del capital es
de 16% y el costo de la deuda es de 8% antes de impuesto. As, para llevar a cabo la investigacin:
Se determina que la variable independiente es la estructura de
financiamiento y la variable dependiente es la rentabilidad financiero fiscal (utilidad despus de impuesto).
El primero de enero del ao 1 (ao comercial), se crean dos empresas por los mismos dueos (grupo empresarial) que sean
idnticas, salvo en la estructura de financiamiento, porque una se
financia con capital propio (1.000 millones de pesos) y la otra con
Samuel Vergara Hernndez

68

Metodologa de la Investigacin Tributaria


deuda (1.000 millones de pesos), si el costo de la deuda es 8%
anual y el costo de oportunidad de los dueos es de 16%. Dicho
con otras palabras, en una de las empresas se manipula la variable independiente en el sentido indicado, es decir, en vez de
aportar capital, los dueos obtienen un prstamo bancario al 8%
anual.
Los empleados de las empresas se distribuyen aleatoriamente
entre ellas y todos ellos tienen el mismo nivel de salarios segn
el tipo de trabajo que realizan. Los productos que fabrican son
vendidos a una tercera empresa del grupo, la que los comercializa. En general, ambas empresas son iguales, salvo en la forma
de financiamiento. Por lo que no hay variables que puedan afectar la relacin de causalidad indicada.
En abril del ao 2 (ao tributario), las empresas determinan su
renta lquida imponible del siguiente modo:
Empresa A financiada con Empresa B financiada con cadeuda
pital
Ingresos brutos
500.000.000 Ingresos brutos
500.000.000
Costo de ventas (400.000.000) Costo de venta
(400.000.000)
Gastos financiero (80.000.000)
Resultado
20.000.000 Resultado
100.000.000
Gastos rechazados 5.000.000 Gastos rechazados 5.000.000
RLI
15.000.000 RLI
105.000.000
Impuesto a la renta 2.550.000 Impuesto a la renta 17.850.000
La empresa A obtiene un ahorro impositivo de $ 15.600.000, como consecuencia de la planificacin tributaria, motivo por el cual
obtiene una mayor rentabilidad financiero fiscal.
7.4. Experimento hipottico
A. Concepto
El experimento hipottico, tambin denominado experimento mental, es un recurso de la imaginacin empleado para investigar la naturaleza de las cosas. En su sentido ms amplio es el empleo de un
escenario hipottico que nos ayude a comprender cierto razonamiento o algn aspecto de la realidad.
Samuel Vergara Hernndez

69

Metodologa de la Investigacin Tributaria


Tambin podra definirse como una instancia de razonamiento que,
dada una situacin hipottica, sirve para inferir cmo el mundo es o
podra ser.
Segn la tesis de Irvine (1991), experimentos mentales son formas de argumentos acerca de hechos o eventos, de naturaleza hipottica o contrafctica, y que llevan a una conclusin.
A. Origen y aplicacin
Existe una gran diversidad de experimentos mentales. Sin embargo,
todos emplean una metodologa racional, independiente de consideraciones empricas, en el sentido de que no se procede por observacin o experimentacin fsica, sino por simulacin (otra forma
de realizar la misma distincin sera entre lo a priori y lo a posteriori).
Gran parte de la tica, la filosofa del lenguaje y la filosofa de la
mente estn fundamentados firmemente en los resultados de experimentos mentales. Puede mencionarse su importancia para campos tan variados como la filosofa, el derecho, la fsica y la matemtica.
En filosofa se han empleado por lo menos desde la Antigedad
clsica, algunos anteriores a Scrates, y eran igualmente bien conocidos en el Derecho Romano. El siglo XVII fue testigo de algunas
de sus puestas en prctica ms brillantes en Galileo, Descartes,
Newton y Leibniz.
Y, en nuestros tiempos, la creacin de la mecnica cuntica y de la
teora de la relatividad son casi impensables sin el papel crucial jugado por los experimentos mentales o hipotticos.
En efecto, la teora de la relatividad general fue obtenida por Einstein a partir de razonamientos matemticos, experimentos hipotticos y rigurosa deduccin matemtica, sin contar realmente con una
base experimental (Elas y Campos, 2005).

Samuel Vergara Hernndez

70

Metodologa de la Investigacin Tributaria


B. Comparacin con los experimentos reales
Aunque los experimentos mentales no producen conocimiento emprico, obtienen sus resultados por medio de argumentacin y a travs de la peculiar relacin que tienen con las teoras.
Los experimentos reales estn apoyados por observaciones empricas, confirmadas previa e independientemente. Del mismo modo,
los experimentos mentales se apoyan en una buena cantidad de
suposiciones asumidas
dentro de un contexto terico. Por consiguiente, el experimento mental debe ayudar a responder las preguntas y problemas que surgen dentro de dicho contexto terico o
prctico.
Tanto los experimentos reales, como los experimentos mentales,
tienen importantes consecuencias para las teoras: falsacin, confirmacin provisoria, etc., y ambos tipos de experimentos sirven para probar hiptesis.
Sin embargo, hay dos aspectos en que experimentos reales y experimentos mentales no coinciden: los primeros intervienen la naturaleza y tienen restricciones prcticas (tiempo de ejecucin, recursos,
etc.); y, en cambio, los segundos no intervienen la naturaleza y las
limitaciones prcticas son irrelevantes.
El experimento real interviene en la naturaleza cuyas consecuencias observacionales sirven para testear alguna hiptesis (sostenida
a la luz de observaciones pasadas o de algn contexto terico). Por
eso, el experimento se lleva a cabo en circunstancias controladas,
repetibles y observables, y estn vinculadas a una teora, que resulta corroborada o refutada mediante dicho experimento.
Todo experimento, sea real o hipottico, asume un procedimiento
para testear una hiptesis. Las condiciones antecedentes del experimento se regulan o controlan para llegar al resultado del experimento. Muchas de las variables de un experimento mental o real
son determinadas slo mediante el contexto terico.

Samuel Vergara Hernndez

71

Metodologa de la Investigacin Tributaria


El experimento mental, dado que no interviene en la naturaleza, se
apoya formalmente en algunas suposiciones de corte hipottico (o
contrafctico).
Por otra parte, el experimento real recurre a medidas e instrumentos; y el experimento mental, en cambio, enfatiza diferencias intuitivas y cualitativas.
Ejemplo de experimento hipottico en materia tributaria:
El ejemplo de experimento real -expuesto precedentemente- puede
transformarse en una experimento hipottico o mental, sin necesidad de que, para realizarlo, haya que intervenir la realidad, es decir,
no es necesario crear las empresas ni esperar un ao para declarar
los impuestos, ya que bastara con crear situaciones mentales hipotticas, por una parte; y, por la otra, habra que realizar una supresin mental hipottica de todas aquellas variables extraas que pudieren afectar el resultado experimental. As, en este experimento
hipottico no hay necesidad de manipular variables independientes
en la realidad, sino que basta hacerlo hipotticamente, y el resultado ser el mismo:
Empresa A financiada con Empresa B financiada con
deuda
capital
Ingresos brutos
500.000.000 Ingresos brutos
500.000.000
Costo de ventas (400.000.000) Costo de venta (400.000.000)
Gastos financieros (80.000.000)
Resultado s/balance 20.000.000 Resultado
100.000.000
Gastos rechazados 5.000.000 Gastos rechazados 5.000.000
RLI
15.000.000 RLI
105.000.000
Impuesto Renta
2.550.000 Impuesto Renta
17.850.000
La empresa A obtiene un ahorro impositivo de $ 15.600.000, como consecuencia de la planificacin tributaria, motivo por el cual
obtiene una mayor rentabilidad financiero fiscal.

Samuel Vergara Hernndez

72

Metodologa de la Investigacin Tributaria


7.5. Experimento simulado o simulacin
Segn Anderson et al (2003), la simulacin es uno de los procedimientos cuantitativos ms ampliamente utilizados en la toma de
decisiones; sirve para aprender lo relacionado con un sistema real
mediante la experimentacin con el modelo que lo representa. El
modelo de simulacin contiene las expresiones matemticas y las
relaciones lgicas que, dado los valores de las entradas, describen
la forma de calcular el valor de los resultados. Cualquier modelo de
simulacin tiene dos entradas: controlables y probabilsticas.
Al realizar un experimento simulado, los valores de las entradas
controlables quedan seleccionados por quien toma las decisiones.
Acto seguido, se generan aleatoriamente valores para las entradas
probabilsticas. Con base en los valores de las entradas controlables y probabilsticas, se utiliza el modelo para calcular o valores de
los resultados.
Para Bierman et al (1996, p. 559), en los ltimos aos se ha desarrollado tcnicas para probar los resultados de algunas decisiones
empresariales antes que se pongan en prctica, a travs de la simulacin en un computador de los procesos empresariales reales que
se anticipan. Los computadores tienen la ventaja de que pueden
manipular grandes cantidades de datos con rapidez. Sin embargo,
el procedimiento bsico de una simulacin es independiente de la
manera como se realizan los clculos.
En muchas situaciones la incertidumbre es un factor clave en las
operaciones del sistema y es importante tener presente esta aleatoriedad en el modelo.
Naylor (1996) seala la simulacin es una tcnica numrica para
conducir experimentos en un computador digital, el cual requiere
cierto tipo de modelos lgicos y matemticos, que describa el comportamiento de un negocio o de un sistema econmico (o algn
componente de ellos), en perodos extensos de tiempo real.

Samuel Vergara Hernndez

73

Metodologa de la Investigacin Tributaria


As, un experimento de simulacin en computador consiste en una
serie de corridas en un equipo, en el cual probamos empricamente,
empleando datos de simulacin, los efectos que causa la variable
independiente sobre la variable dependiente.
En la investigacin cientfica, la simulacin involucra la creacin de
un ambiente artificial, en el cual las hiptesis pueden ser probadas a
travs del experimento simulado.
Los pasos a seguir podran ser los siguientes:

Planteamiento del problema


Formulacin de la hiptesis
Elaboracin del modelo de simulacin
Aplicacin del modelo para contrastar la hiptesis
Conclusin.

7.6. Induccin analtica


Segn Borobia (2004), la induccin analtica, como estrategia de
tratamiento de los datos en investigacin, constituye una posibilidad
de anlisis riguroso, condicin necesaria para otorgar legitimidad a
una lectura de la realidad que pretenda ser cientfica, y tiene los siguientes caracteres:
Por medio de la induccin analtica, se examinan los datos en busca
de categoras de fenmenos y de relaciones entre ellas. A tal fin, se
desarrollan hiptesis de trabajo a partir de los casos iniciales, que
posteriormente van siendo modificadas con la aparicin de casos
nuevos. La importancia que el mtodo da a los casos negativos determina la articulacin entre "hechos, observaciones, conceptos,
proposiciones y teora" y adems hace posible examinar viejas teoras a la luz de nuevas anomalas.
La induccin analtica combina aspectos de otras dos estrategias:
a) la estrategia que codifica los datos y luego los analiza para testear provisionalmente una hiptesis, y
Samuel Vergara Hernndez

74

Metodologa de la Investigacin Tributaria


b) la estrategia que redefine y reintegra nociones tericas, a medida
que inspecciona datos en busca de nuevas propiedades de sus categoras, como lo hace el muestreo terico.
En forma similar a la primera de las estrategias mencionadas, la induccin analtica "testea un nmero limitado de hiptesis con todos
los datos disponibles, consistentes en un nmero de casos del fenmeno claramente definidos y cuidadosamente seleccionados."
Adems, y coincidiendo con la segunda de las estrategias, en la induccin analtica la teora es generada por la reformulacin de hiptesis y redefinicin del fenmeno forzado por la constante confrontacin de la teora con casos negativos, casos que no confirman la
presente formulacin.
En la induccin analtica los conceptos se utilizan como sensibilizadores. Este proceso permite al investigador ir de la teora a los datos y de stos nuevamente a la teora, modificando esta ltima toda
vez que sea necesario a la luz de un nuevo dato.
La induccin analtica se relaciona con el modelo experimental del
tipo antes y despus. Los casos negativos, representaran los grupos no expuestos al test en esa clase de diseo, en tanto negaran
la hiptesis causal.
Esta estrategia permite chequear las debilidades de la teora, en
tanto constantemente pone a prueba sus reas ms crticas, buscando de manera explcita y concienzudamente las anomalas, para
poder generalizar las conclusiones sobre la base de la permanente
adaptacin, restriccin o ampliacin del constructo.
El mtodo requiere que todos los casos recogidos en la investigacin confirmen la hiptesis.
Si se encuentra un caso que no la confirma, el investigador est
obligado a modificar la hiptesis para que esta pueda ajustarse al
caso que ha refutado la idea inicial.

Samuel Vergara Hernndez

75

Metodologa de la Investigacin Tributaria


En la induccin analtica, el anlisis de datos empieza a medida que
el dato est siendo recogido; es tentativo y provisional a lo largo del
estudio y solamente se transforma en comprehensivo una vez que
los datos se recolectan completamente. Inicialmente, el dato es
usado solamente para especular sobre posibilidades que podrn ser
descartadas o modificadas antes de que la investigacin sea completada.
Este tipo de investigacin permite que, a partir de los registros, una
vez finalizada la tarea, se puedan conocer todos los estados de
desarrollo de la teora partiendo desde el anlisis del primer caso
hasta las conclusiones finales, de tal forma que de la lectura del reporte se pueda juzgar la adecuacin o suficiencia del procedimiento
y el grado de evidencia para las conclusiones.
En la medida en que la seleccin secuencial de casos se define
como procedimiento abierto con el que a medida que avanza la investigacin se determinan nuevos conjuntos de fenmenos para su
anlisis y tiene como objetivo facilitar la emergencia de constructos
y teoras, as como eliminar constructos, teoras e hiptesis rivales,
podemos decir que hay seleccin secuencial en la induccin analtica.
La seleccin secuencial propia de la induccin analtica es seleccin
de casos negativos. Se entiende por caso negativo de un concepto
o un postulado, aquel que lo refuta. Es la excepcin a una regla
emergente y opera como una hiptesis nula que permite limitar el
constructo. La seleccin de casos negativos es una manera de perfeccionar y delimitar la universalidad de los enunciados emergentes
a partir de la bsqueda ad hoc de casos que los nieguen. Es til
adems para sealar su grado de aplicabilidad y condiciones de validez. El proceso de seleccin se detendr cuando ya no haya casos
negativos que indiquen limitaciones.
Los pasos de la induccin analtica sern:
1. Plantear el problema de investigacin

Samuel Vergara Hernndez

76

Metodologa de la Investigacin Tributaria


2. Formular una hiptesis inicial que podr basarse en los datos,
en otra investigacin o en la comprensin del investigador.
3. Analizar un primer caso para ver si la hiptesis se ajusta, no
siendo necesario que este caso sea medio o representativo del
fenmeno a estudiar.
4. Si la hiptesis inicial no explica el caso, reformularla con una hiptesis de revisin para incluir el caso examinado, o bien redefinir el fenmeno de tal manera que el caso sea excluido.
5. En sucesivos casos adicionales buscar activamente anomalas,
que si aparecen determinarn casos negativos y refutarn la
nueva hiptesis. La naturaleza de estas anomalas proporcionar la informacin acerca de cmo deber revisarse la hiptesis.
6. Si resulta que en varias ocasiones la hiptesis es confirmada, se
puede hablar de cierto grado de certeza, aunque ser preciso
continuar y por cada caso negativo habr que seguir reformulando hiptesis o redefiniendo el fenmeno hasta que no aparezcan anomalas.
7. Continuar hasta que se haya puesto a prueba adecuadamente
la hiptesis, examinando una amplia gama de casos, todos los
cuales deben ser contemplados en una hiptesis ltima, que tratar de representar lo ms exactamente posible la realidad de la
situacin, haciendo ms comprensiva la explicacin.
La prueba no consiste en examinar si se ha logrado un estado final
de explicacin perfecta, sino en la distancia que se ha recorrido por
sobre los casos negativos y a travs de los matices consecuentes, a
partir de un estado inicial del conocimiento. La bsqueda por induccin analtica de una explicacin perfecta, o de "universales", debe
entenderse como una estrategia de investigacin antes que como
una medida ltima del mtodo.
La defensa de la naturaleza del enunciado general al que se arribe,
se fundamentar mejor en tanto se pueda demostrar lo exhaustivo
del estudio, es decir, la amplitud de la gama de casos que se ha
Samuel Vergara Hernndez

77

Metodologa de la Investigacin Tributaria


estudiado sobre el fenmeno, as como el tratamiento de casos negativos.
La investigacin que se desarrolla segn esta estrategia, hace que
las conclusiones sean ms propensas a ser generalizadas, ya que
numerosos ejemplos han sido explicados a travs de sucesivas versiones calificadas de la hiptesis.
Para Amezcua y Glvez (2002), la Induccin Analtica es la mejor estrategia para combatir la "ilusin de transparencia" del analista, esa opcin de facilidad que a veces hace avanzar explicaciones
que si no encuentran resistencia son tomadas por su autor como
vlidas y definitivas. Este mtodo, que fue formulado por
Znaniecki en 1934 y refinado posteriormente por otros autores,
nos propone un ejercicio dialctico para probar teoras mediante
anlisis cualitativo. La prueba a la que se van a someter la hiptesis
o las proposiciones tericas se basa en una sistemtica en la que
tiene especial importancia la bsqueda activa de casos negativos:
se define el fenmeno a explicar, se formula una hiptesis, se estudian tantos casos como sean necesarios para redefinir el fenmeno,
se buscan casos negativos que refuten la hiptesis y se reformula
una y otra vez hasta que se establece una relacin universal consistente. A diferencia de la teora fundamentada, la induccin analtica
"busca" datos para probar una teora ya existente y los utiliza para
generalizar sus resultados.
As, nosotros concluimos que la induccin analtica se puede
usar para probar hiptesis en las investigaciones tributarias.

Samuel Vergara Hernndez

78

Metodologa de la Investigacin Tributaria

Captulo IX
PRUEBA DE HIPTESIS ESTADSTICAS
I. INTRODUCCIN
1. CONCEPTO DE ESTADSTICA
Para poder aplicar una prueba de hiptesis estadstica, en primer
lugar, es necesario que las hiptesis de investigacin se transformen en hiptesis estadsticas, denominadas hiptesis nula (N0) y
hiptesis alterna (NA).
En segundo lugar, hay que tener en cuenta el nivel de medicin de
las variables, ya que pueden estar expresadas en escala nominal,
escala ordinal, escala de intervalo o escala de razn, lo que determina si la estadstica es paramtrica o no paramtrica.
En tercer lugar, hay que precisar una serie de conceptos estadsticos, para poder entender las pruebas de hiptesis, que se expondrn ms adelante.
La ESTADSTICA es la ciencia que trata de la reunin, organizacin, presentacin, anlisis e interpretacin de los datos, para ayudar a tomar mejores decisiones.
La estadstica se divide en estadstica descriptiva y estadstica inferencial.
2. ESTADSTICA DESCRIPTIVA
La estadstica descriptiva estudia los mtodos para organizar,
resumir y presentar datos de manera informativa, y comprende medidas estadsticas como la media, la mediana, la moda, la varianza,
la desviacin estndar, entre otras.
Samuel Vergara Hernndez

79

Metodologa de la Investigacin Tributaria

2.1. Moda, mediana y moda


Para efectos de este trabajo, nos interesa destacar la media, la varianza y la desviacin estndar, a travs del siguiente ejemplo:
Sean los valores (1, 2, 3, 4, 4, 5, 6, 7), la moda es el valor que ms
se repite en un conjunto de valores (4); la mediana de un conjunto
es el valor intermedio cuando los elemento del conjunto se ordenan
en forma ascendente o descendente; la media es la sumatoria de
los elementos del conjunto dividida por el nmero de elementos (1,
2, 3, 4, 4, 5, 6, 7 = 32, y 32/8 = 4); la varianza es la suma de los
cuadrados de la diferencia entre los datos observados y su media,
dividida por el nmero de observaciones cuando se trata de la media de la poblacin, o dividida por el nmero de observaciones menos 1 si se trata de una muestra; y la desviacin estndar es la raz
cuadrada de la varianza.
2.2. Varianza de la poblacin (medidas de dispersin)
La varianza de la poblacin se calcula mediante la siguiente frmula:
2 = [(X )2]/N
2 =[(1-4)2 + (2-4)2 + (3-4)2 + (4-4)2 + (4-4)2 + (5-4)2 + (6-4)2 + (74)2]/8 = 3,5
Donde:
2 = Varianza de la poblacin (sigma cuadrado).
= Sumatoria de i valores desde 1 hasta n.
X = Cada una de las observaciones (1, 2, 3, etc.).
= Media de la poblacin.
N = Nmero de observaciones de la poblacin.
Este clculo tambin se puede realizar en forma abreviada mediante la siguiente frmula:
Samuel Vergara Hernndez

80

Metodologa de la Investigacin Tributaria

2 = [X2 N2]/N
2 = [(12 + 22 + 32 + 42 + 42 + 52 + 62 + 72) - 8(4)2]/8 = [156 8(16)]/8
= 3,5
Mediante Excel tambin se puede calcular la varianza de la poblacin, para lo cual se abre la hoja de clculo y en frmulas estadsticas se busca a VARP. Luego, en el cuadro de dilogo Nmero 1 se
escribe en la celda superior del rango y la celda inferior, por ejemplo: A1:A8 -> OK.
2.3. Desviacin estndar de la poblacin
La desviacin estndar de la poblacin es la raz cuadrada de la varianza:
= 2 = 1,87
2.4. Varianza y desviacin estndar de una muestra
Para calcular la varianza y la desviacin estndar de una muestra
se usan las siguientes frmulas:
Supongamos que los datos fueron extrados de una muestra: (1, 2,
3, 4, 4, 5, 6, 7)
s2 = [(X )2]/(n-1)
s2 = [(1-4)2 + (2-4)2 + (3-4)2 + (4-4)2 + (4-4)2 + (5-4)2 + (6-4)2 + (74)2]/(8-1) = 4
s = s2 = 4 = 2
En forma abreviada:
Varianza de la muestra = s2 = [X2 n2]/(n-1)

Samuel Vergara Hernndez

81

Metodologa de la Investigacin Tributaria


s2 = [(12 + 22 + 32 + 42 + 42 + 52 + 62 + 72) - 8(4)2]/8 = [156 8(16)]/7
=4
s = 4 = 2
Los clculos anteriores sobre la media, la varianza y la desviacin
estndar se refieren a datos no agrupados.
Para determinar la media, tratndose de datos agrupados, es necesario dividir las observaciones en clases, luego se determina un
punto medio respecto de cada clase y este punto se multiplica por la
frecuencia de las observaciones en cada clase, y, por ltimo, el producto de la multiplicacin de la frecuencia por el punto medio de cada clase se suman, tal como se muestra en el ejemplo siguiente.
Clase
10-19
20-29
30-39

Frecuencia
(f)
10
8
4
f = 22 = n

Punto medio de clase


(M)
(10+19)/2 = 14,5
(20+29)/2 = 24,5
(30+39)/2 = 34,5

fM
145
196
138
fM = 479

Ahora bien, las frmulas para determinar la media, la varianza y la


desviacin estndar de muestras, respecto de datos agrupados, son
las siguientes:
= (fM)/n
= 479/22 = 21,77
s2 = [(fM2) (n2)]/(n-1) = [11.665,5 22(21,77)2]/(22-1) =
[11.665,5 -10.426,5]/21 = 59
s = 59 = 7,68

Samuel Vergara Hernndez

82

Metodologa de la Investigacin Tributaria

Clase

10-19
20-29
30-39

Frecuencia

Punto Medio

(f)

(M)

10
8
4
n =22

14,5
24,5
34,5

fM
145
196
138
fM = 479

M2

fM2

210,25
600,25
1.190,25

2.102,5
4.802
4.761
fM2 =11.665,5

3. ESTADSTICA INFERENCIAL
La estadstica inferencial estudia los mtodos para determinar
algo acerca de la poblacin basndose en una muestra, y comprende la estimacin y la prueba de hiptesis.
3.1. Poblacin y muestra
La poblacin es el conjunto de todos los posibles individuos, objetos
o mediciones de inters.
En cambio, la muestra es un subconjunto o parte de la poblacin de
inters, que debe ser representativa de la poblacin.
3.2. Niveles o escalas de medicin
En estadstica hay cuatro niveles de medicin, a saber: nominal, ordinal, de intervalo y de razn.
Nivel nominal: es el nivel de medicin ms bajo, porque las observaciones slo se pueden clasificar o contar. Las categoras son
mutuamente excluyentes (una categora excluye a la otra) y exhaustivas (cada objeto de medicin pertenece slo a una categora). Por
ejemplo, los nombres de las personas.
Nivel ordinal: las categoras de datos son mutuamente excluyentes y exhaustivas, pero las categoras de datos estn ordenados o
clasificados segn la caracterstica especial que poseen. Por ejemplo, la calificacin que puede ser buena, regular o deficiente.
Samuel Vergara Hernndez

83

Metodologa de la Investigacin Tributaria

Nivel de intervalo: las categoras de datos son mutuamente excluyentes y exhaustivas, las categoras estn ordenadas de acuerdo
con la cantidad de la caracterstica que poseen y diferencias iguales
en la caracterstica estn representadas por diferencias iguales en
los nmeros asignados a las categoras. Por ejemplo, la temperatura.
Nivel de razn: las categoras de datos son mutuamente excluyentes y exhaustivas, las categoras estn ordenadas de acuerdo
con la cantidad de la caracterstica que poseen, diferencias iguales
en la caracterstica estn representadas por diferencias iguales en
los nmeros asignados a las categoras, el punto cero tiene significado y la relacin entre dos nmeros tiene sentido. Por ejemplo, los
ingresos, las utilidades, etc.
3.3. Distribucin de frecuencia
Es un agrupamiento de datos en categoras mutuamente excluyentes, en el cual se indica el nmero de observaciones de cada categora. Por ejemplo, la distribucin de los contribuyentes que declaran impuestos en categoras segn los ingresos que perciben:
Ingresos percibidos
5.000.000 a 10.000.000
10.000.001 a 20.000.000
20.000.001 y ms

Nmero de declaraciones
2.000.000
1.000.000
500.000

3.4. Probabilidad
La probabilidad es el medio por el cual a partir de la informacin
contenida en una muestra tomamos decisiones o hacemos afirmaciones que se refieren a toda la poblacin mediante el proceso llamado inferencia estadstica. Dicho con otras palabras, la probabilidad es la posibilidad numrica, medida entre 0 y 1, de que ocurra
un evento. El proceso que produce un evento se denomina experimento.

Samuel Vergara Hernndez

84

Metodologa de la Investigacin Tributaria


Un experimento es toda accin bien definida que conlleva un resultado nico bien definido. Por el ejemplo, el lanzamiento de un dado
es un experimento, y un resultado bien definido es un nmero entre
1 y 6. La probabilidad de que un evento ocurra se calcula dividiendo
el nmero de resultados favorables entre el nmero de posibles resultados. Por eso, la probabilidad de que, al lanzar un dado, el resultado sea 2, es igual 1/6, ya que el nmero de resultados posibles
es igual 6 (1, 2, 3, 4, 5, 6).
3.5. Distribucin de probabilidad
Una variable aleatoria es aquella cuyo valor es el resultado de un
evento aleatorio (que puede suceder o no). Por ejemplo, si se lanza
una moneda tres veces y se anota el nmero de caras que se obtiene, los posibles resultados son 0 cara, 1 cara, 2 caras o 3 caras.
La variable aleatoria es el nmero de caras que se obtiene, y los
posibles resultados son los valores de la variable aleatoria. Las variables aleatorias pueden ser discretas o continuas. Una variable
aleatoria discreta puede asumir slo ciertos valores enteros, por
ejemplo el nmero de contribuyentes de un pas, el nmero de caras en el lanzamiento de una moneda tres veces, etc. En cambio,
una variable aleatoria continua puede asumir cualquier valor dentro
de un rango dado. Por ejemplo, las utilidades tributables. La distribucin de probabilidad es una lista de todos los posibles resultados
de un experimento y la probabilidad que se asocia a cada una de
ellas. Por ejemplo, en el lanzamiento de una moneda una sola vez,
la distribucin de probabilidad es la siguiente:
Resultado
Cara
Sello

Probabilidad

Las distribuciones de probabilidad ms conocidas son:

La distribucin binomial.
La distribucin normal.
La distribucin t.
La distribucin chi-cuadrado (X2).
La distribucin F.

Samuel Vergara Hernndez

85

Metodologa de la Investigacin Tributaria


3.6. Distribucin de probabilidad binomial
La distribucin de probabilidad binomial es un ejemplo de distribucin de probabilidad discreta, porque slo existen dos resultados
posibles para un ensayo particular de un experimento: xito o fracaso. Por ejemplo, la respuesta a la pregunta de verdadero o falso,
slo puede ser verdadero o falso. Los resultados son mutuamente
excluyentes. Este tipo de distribucin tiene las siguientes caractersticas:
1) El resultado de cada ensayo dentro de un experimento se clasifica dentro de dos categoras mutuamente excluyentes: xito o
fracaso.
2) La variable aleatoria cuenta el nmero de xitos en un nmero
fijo de ensayos.
3) La probabilidad de xito permanece igual en cada ensayo; y lo
mismo pasa con la probabilidad de fracaso.
4) Los ensayos son independientes, lo que significa que la ocurrencia de uno de ellos no afecta el resultado de cualquier otro.
Este tipo de distribucin de probabilidad (binomial) se representa
mediante la siguiente frmula:
P(x) = nCx px (1-p)n-x
Donde:
C = combinacin, cuya frmula = nCr = n!/r!(n-r)!
n = nmero de ensayos
x = nmero de xitos
p = probabilidad de xito para cada ensayo
Por ejemplo, de cinco contribuyentes, la probabilidad de que uno
de ellos se retrase en el pago de sus impuestos es de 0,20.

Samuel Vergara Hernndez

86

Metodologa de la Investigacin Tributaria


Cul es la probabilidad de que ninguno de los contribuyentes se
retrase?
Cul es la probabilidad de que exactamente uno de los contribuyentes se retrase?
Solucin:
La probabilidad de que un contribuyente se retrase es de 0,20, de
modo que p=0,2. Hay 5 contribuyentes, por lo que n=5. Y x se refiere al nmero de xitos, y como -en este caso- un xito es igual a un
contribuyente que se retrasa en el pago de sus impuestos, x=0. As,
la probabilidad de xito (que ningn contribuyente se retrase) es de
0,3277 (32,77%), segn la aplicacin de la frmula:
5C0 =

5!/0!(5-0)! = 1

( porque cero factorial = 0! = 1)

P(0) = 5C0 / (0,2)0(1-0,2)5-0 = (1)(1)(0,3277) = 0,3277


La probabilidad de que un solo contribuyente se atrase en el pago
de sus impuestos es de 0,4096, segn la frmula:
5C1 =

5!/1!(5-1)! = 5

P(1) = 5C1(0,2)1(1-0,2)5-1 = (5)(0,2)(0,4096) = 0,4096


As, la distribucin de probabilidad binomial para n=5 y p=0,2 es la
siguiente:
Nmero de contribuyentes con retraso
en el pago de sus impuestos
0
1
2
3
4
5
Total

Samuel Vergara Hernndez

Probabilidad
0,3277
0,4996
0,2048
0,0512
0,0064
0,0003
1,0000

87

Metodologa de la Investigacin Tributaria


3.7. Distribucin de probabilidad normal
La distribucin de probabilidad normal es un tipo de distribucin de
probabilidad continua, porque la variable aleatoria puede asumir
cualquier valor dentro de cierto rango especfico. La distribucin de
probabilidad normal y la curva normal que la acompaa tienen las
siguientes caractersticas:
1) La curva normal tiene forma de campana y un solo pico en el
centro de la distribucin. La media aritmtica, la mediana y la moda
de la distribucin son iguales y se ubican en el pico o cspide.
As, la mitad del rea bajo la curva se halla a la derecha del punto
central y la otra mitad est a la izquierda de dicho punto.
2) La distribucin de probabilidad normal es simtrica en torno a su
media. As, si se corta la curva normal en forma vertical por el valor
central, las dos mitades sern como imgenes en un espejo.
3) La curva normal desciende suavemente en ambas direcciones a
partir del valor central. Es asinttica, lo que significa que la curva se
acerca cada vez ms al eje X, pero jams llega a tocarlo.
Dicho con otras palabras, las colas de la curva se extienden indefinidamente en ambas direcciones.

Existe una familia de distribuciones normales, y cada una puede tener una media distinta o una desviacin estndar distinta. Sin embargo, es posible un solo miembro de la familia de distribuciones
normales, la que tiene una media igual a 0 y una desviacin estndar igual a 1, denominada distribucin normal estndar.
Samuel Vergara Hernndez

88

Metodologa de la Investigacin Tributaria


Todas las distribuciones normales pueden transformarse a distribucin normal estndar, para lo cual se resta la media de cada observacin y se divide por la desviacin estndar.
Primero, se convertir, o estandarizar, la distribucin real a una
distribucin normal estndar mediante la utilizacin de un valor llamado z, puntuacin z, estadstica z.
El valor z es la distancia entre un valor seleccionado, designado
X, y la media , dividida por la desviacin estndar .
En otros trminos, un valor z es la distancia a partir de la media,
medida en las unidades de desviacin estndar.
La frmula para representar el valor z es la siguiente:
z = [X ]/
Donde:
X = Valor de cualquier observacin o medicin especfica
= Media de la distribucin
= Desviacin estndar de la distribucin
Al determinar el valor z, empleando la frmula, es posible encontrar
el rea de probabilidad bajo cualquier curva normal, haciendo referencia a la distribucin normal estndar contenido en una Tabla,
que se transcribe a continuacin:

Samuel Vergara Hernndez

89

Metodologa de la Investigacin Tributaria


TABLA DE DISTRIBUCIN DE PROBABILIDAD
NORMAL ESTNDAR
reas bajo la distribucin de probabilidad Normal Estndar entre la
media y valores positivos de Z.
= 0 y =1
Z
0.0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1.0
1.1
1.2
1.3
1.4
1.5
1.6
1.7
1.8
1.9
2.0
2.1
2.2
2.3
2.4
2.5
2.6
2.7
2.8
2.9
3.0
3.1
3.2
3.3
3.4
3.5

.00
0.00000
0.03983
0.07926
0.11791
0.15542
0.19146
0.22575
0.25804
0.28814
0.31594
0.34134
0.36433
0.38493
0.40320
0.41924
0.43319
0.44520
0.45543
0.46407
0.47128
0.47725
0.48214
0.48610
0.48928
0.49180
0.49379
0.49534
0.49653
0.49744
0.49813
0.49865
0.49903
0.49931
0.49952
0.49966
0.49977

.01
0.00399
0.04380
0.08317
0.12172
0.15910
0.19497
0.22907
0.26115
0.29103
0.31859
0.34375
0.36650
0.38686
0.40490
0.42073
0.43448
0.44630
0.45637
0.46485
0.47193
0.47778
0.48257
0.48645
0.48956
0.49202
0.49396
0.49547
0.49664
0.49752
0.49819
0.49869
0.49906
0.49934
0.49953
0.49968
0.49978

.02
0.00798
0.04776
0.08706
0.12552
0.16276
0.19847
0.23237
0.26424
0.29389
0.32121
0.34614
0.36864
0.38877
0.40658
0.42220
0.43574
0.44738
0.45728
0.46562
0.47257
0.47831
0.48300
0.48679
0.48983
0.49224
0.49413
0.49560
0.49674
0.49760
0.49825
0.49874
0.49910
0.49936
0.49955
0.49969
0.49978

.03
0.01197
0.05172
0.09095
0.12930
0.16640
0.20194
0.23565
0.26730
0.29673
0.32381
0.34849
0.37076
0.39065
0.40824
0.42364
0.43699
0.44845
0.45818
0.46638
0.47320
0.47882
0.48341
0.48713
0.49010
0.49245
0.49430
0.49573
0.49683
0.49767
0.49831
0.49878
0.49913
0.49938
0.49957
0.49970
0.49979

.04
0.01595
0.05567
0.09483
0.13307
0.17003
0.20540
0.23891
0.27035
0.29955
0.32639
0.35083
0.37286
0.39251
0.40988
0.42507
0.43822
0.44950
0.45907
0.46712
0.47381
0.47932
0.48382
0.48745
0.49036
0.49266
0.49446
0.49585
0.49693
0.49774
0.49836
0.49882
0.49916
0.49940
0.49958
0.49971
0.49980

Samuel Vergara Hernndez

.05
0.01994
0.05962
0.09871
0.13683
0.17364
0.20884
0.24215
0.27337
0.30234
0.32894
0.35314
0.37493
0.39435
0.41149
0.42647
0.43943
0.45053
0.45994
0.46784
0.47441
0.47982
0.48422
0.48778
0.49061
0.49286
0.49461
0.49598
0.49702
0.49781
0.49841
0.49886
0.49918
0.49942
0.49960
0.49972
0.49981

.06
0.02392
0.06356
0.10257
0.14058
0.17724
0.21226
0.24537
0.27637
0.30511
0.33147
0.35543
0.37698
0.39617
0.41308
0.42785
0.44062
0.45154
0.46080
0.46856
0.47500
0.48030
0.48461
0.48809
0.49086
0.49305
0.49477
0.49609
0.49711
0.49788
0.49846
0.49889
0.49921
0.49944
0.49961
0.49973
0.49981

.07
0.02790
0.06749
0.10642
0.14431
0.18082
0.21566
0.24857
0.27935
0.30785
0.33398
0.35769
0.37900
0.39796
0.41466
0.42922
0.44179
0.45254
0.46164
0.46926
0.47558
0.48077
0.48500
0.48840
0.49111
0.49324
0.49492
0.49621
0.49720
0.49795
0.49851
0.49893
0.49924
0.49946
0.49962
0.49974
0.49982

.08
0.03188
0.07142
0.11026
0.14803
0.18439
0.21904
0.25175
0.28230
0.31057
0.33646
0.35993
0.38100
0.39973
0.41621
0.43056
0.44295
0.45352
0.46246
0.46995
0.47615
0.48124
0.48537
0.48870
0.49134
0.49343
0.49506
0.49632
0.49728
0.49801
0.49856
0.49896
0.49926
0.49948
0.49964
0.49975
0.49983

.09
0.03586
0.07535
0.11409
0.15173
0.18793
0.22240
0.25490
0.28524
0.31327
0.33891
0.36214
0.38298
0.40147
0.41774
0.43189
0.44408
0.45449
0.46327
0.47062
0.47670
0.48169
0.48574
0.48899
0.49158
0.49361
0.49520
0.49643
0.49736
0.49807
0.49861
0.49900
0.49929
0.49950
0.49965
0.49976
0.49983

90

Metodologa de la Investigacin Tributaria


3.6 0.49984 0.49985 0.49985 0.49986 0.49986 0.49987 0.49987 0.49988 0.49988 0.49989
3.7 0.49989 0.49990 0.49990 0.49990 0.49991 0.49991 0.49992 0.49992 0.49992 0.49992
3.8 0.49993 0.49993 0.49993 0.49994 0.49994 0.49994 0.49994 0.49995 0.49995 0.49995
3.9 0.49995 0.49995 0.49996 0.49996 0.49996 0.49996 0.49996 0.49996 0.49997 0.49997
4.0 0.49997 0.49997 0.49997 0.49997 0.49997 0.49997 0.49998 0.49998 0.49998 0.49998

Observe en esta tabla la localizacin de la columna identificada con


Z.
El valor de Z deriva de la frmula antes enunciada.
Por ejemplo, si se calcul un valor z = 1,95, entonces para determinar el rea bajo la curva normal entre la media y X, se baja por la
columna de la tabla encabezada por la letra Z hasta llegar a 1,9, y
luego se mueve en direccin horizontal hacia la derecha hasta la
interseccin con la columna denominada 0,05.
En este caso, el valor es 0,47441, esto es, 47,44% del rea bajo la
curva se halla entre la media y 1,95 desviacin estndar arriba de la
media.
3.8. Teorema del lmite central
Segn el teorema del lmite central, si en cualquier poblacin se seleccionan muestras de un tamao especfico, la distribucin muestral de las medias de muestras es aproximadamente una distribucin normal. Esta aproximacin mejora con muestras de mayor tamao. Esta es una de las conclusiones ms tiles en estadstica,
porque es posible razonar sobre la distribucin muestral de las medias de muestras sin contar con informacin alguna sobre la forma
de la distribucin original de la que se toma la muestra.
El teorema del lmite central es vlido para todas las distribuciones.
La mayora de los estadsticos considera que 30 muestras es una
cantidad suficientemente grande para emplear el teorema del lmite
central. Por ejemplo, 30 muestras aleatorias de la poblacin, de 5
integrantes cada muestra, permitira utilizar el teorema del lmite
central, porque la distribucin de las medias de la muestra se acercar a la distribucin normal.
Samuel Vergara Hernndez

91

Metodologa de la Investigacin Tributaria


Recuerde que la distribucin muestral es una lista de todos los valores posibles para un estadstico y la probabilidad relacionada con
cada valor, es decir, respecto de cada una de las 30 muestras, de 5
elementos cada una, se calcula la media y la correspondiente probabilidad (1/30).
De todas las medias muestrales se obtiene una gran media, que es
la media de las medias muestrales. As, la media de las medias
muestrales ser igual a la media de la poblacin de la cual se extrajeron las muestras. Esto es el teorema del lmite central.
3.9. Distribucin t de Student
El teorema del lmite central asegura normalidad en el proceso de
muestreo slo si la muestra es grande (30). Por eso, cuando se
utiliza una muestra pequea (<30) se debera usar la distribucin
t Student (o simplemente la distribucin t).
En efecto, la distribucin t se utiliza cuando se cumplen las tres
condiciones siguientes: 1) la muestra es pequea; 2) la desviacin
estndar es desconocida; y 3) la poblacin es normal o casi normal.
Si la desviacin estndar es conocida, la distribucin Z se usa, incluso si la muestra es pequea. Adems, si no puede asumirse una
poblacin normal, se aumenta el tamao de la muestra para utilizar
la distribucin Z y, de no ser posible, se debe recurrir a las pruebas
no paramtricas.
Al igual que la distribucin Z, la distribucin t tiene una media de cero, es simtrica con respecto a la media y oscila entre - y +. Sin
embargo, mientras que la distribucin Z tiene una varianza = 1, la
varianza de la distribucin t es superior a 1. Por lo tanto, es ms
plana y ms dispersa que la distribucin Z.
En realidad, la distribucin t es una familia de distribuciones, cada
una con su propia varianza. La varianza depende de los grados de
libertad (g.l.), definidos como el nmero de observaciones que se
pueden escoger libremente.

Samuel Vergara Hernndez

92

Metodologa de la Investigacin Tributaria


El nmero de grados de libertad de un estadstico se define tambin
como nmero n de observaciones independientes en la muestra (o
sea, el tamao de la muestra) menos el nmero k de parmetros de
la poblacin que debe ser estimado a partir de observaciones muestrales. En smbolos, g.l. = n-k.
El estadstico t se calcula en forma similar a como se calcula el estadstico Z:

t = ( - )/(s/n)

Donde:
= Media de la muestra
= Media de la poblacin
s = Desviacin estndar de la media muestral
Ejemplo:
Si la media hipottica de la poblacin fuera 65, la media de la muestra 60,75 y la desviacin estndar de la muestra 3,8406, y si n = 12,
entonces t calculado es igual 3,83, segn la frmula:
t = (60,75 65)/(3,8406/12) = 3,83
El valor crtico de t se halla consignado en una Tabla que se puede
encontrar en cualquier libro de estadstica.
Por ejemplo, si se asume que se desea un intervalo de confianza de
95% y se tiene una muestra de n=20, y, por consiguiente, los grados de libertad son 20-1 = 19.
Entonces, se baja por la primera columna de la Tabla bajo g.l. hasta
19; y luego hay que moverse a travs de dicha fila hacia la columna
encabezada por un nivel de confianza de 0,95 para las pruebas de
dos colas.
Samuel Vergara Hernndez

93

Metodologa de la Investigacin Tributaria


El valor crtico es 2,093 que se compara con el valor estimado mediante la frmula (3,83).
3.10. Distribucin chi-cuadrado 1 ()
En estadstica, la distribucin chi-cuadrado es una distribucin
de probabilidad continua con un parmetro k que representa los
grados de libertad de la variable aleatoria:

Donde ZK son variables de distribucin normal, de media cero y varianza uno.


El estadstico se define as:
= ns2 = (X1 )2 + (X2 )2 ++ (Xn )2
2
2

Donde:
= Chi-cuadrado, que se lee ji-cuadrado
n = Tamao de muestra
s2 = Varianza de la muestra
2 = Varianza de la poblacin
Existe una distribucin chi-cuadrado diferente para cada nmero
grados de libertad (n-1).
A medida que aumenta el nmero de grados de libertad, la curva se
hace cada vez ms simtrica hasta que el nmeros de grados de
1

Es conveniente tener en cuenta que la letra griega se transcribe al latn como chi y se pronuncia en espaol como ji.

Samuel Vergara Hernndez

94

Metodologa de la Investigacin Tributaria


libertad alcanza valores grandes, en cuyo la distribucin puede
aproximarse con la normal.

Distribucin para 1 grado de libertad


Distribucin para 5 grados de libertad
Distribucin para 10 grados de libertad

10

11

12

13

14

Tal como se hace con la distribucin normal y la distribucin t, se


pueden definir los intervalos y lmites de confianza, como 95%, 99%
u otros, usando la Tabla de Distribucin . De este modo, se puede
estimar, dentro de ciertos lmites, la desviacin tpica de la poblacin, en trminos de una desviacin tpica muestral.
Por ejemplo, si .025 y .975 son los valores de (llamados valores
crticos) para los que el 2,5% del rea bajo la curva est en cada
una de las colas de la distribucin, entonces el intervalo de confianza 95% es:
.025 < ns/2 < .975
As, vemos que la desviacin estndar de la poblacin estar en
el intervalo siguiente, con 95% de confianza:
sn/.975 < < sn/.025
La distribucin tiene muchas aplicaciones en inferencia estadstica, por ejemplo en la denominada prueba utilizada como prueba
de independencia y como prueba de bondad de ajuste.
Samuel Vergara Hernndez

95

Metodologa de la Investigacin Tributaria


3.11. Distribucin F
La distribucin F recibi este nombre en honor a Sir Ronald Fisher,
uno de los fundadores de la estadstica moderna. Esta distribucin
de probabilidad se usa como estadstica de prueba en varias situaciones.
Por ejemplo, se emplea para probar si dos muestras provienen de
poblaciones que poseen varianzas iguales. Esta prueba es til para
determinar si una poblacin normal tiene una mayor variacin que
otra y tambin se aplica cuando se trata de comparar simultneamente varias medias poblacionales.
La comparacin simultnea de varias medias poblacionales se conoce como anlisis de varianza (ANOVA). En ambas situaciones,
las poblaciones deben ser normales y los datos tener al menos la
escala de intervalos.
Las caractersticas de la distribucin F son las siguientes:
Existe una "familia" de distribuciones F. Un miembro especfico
de la familia se determina por dos parmetros: los grados de libertad en el numerador y en el denominador. Existe una distribucin F para la combinacin de 29 grados de libertad en el numerador y 28 grados en el denominador. Existe otra distribucin F
para 19 grados en el numerador y 6 en el denominador.
La distribucin F es una distribucin continua.
F no puede ser negativa.
La distribucin F tiene un sesgo positivo.
A medida que aumentan los valores, la curva se aproxima al eje
x, pero nunca lo toca.
El estadstico F, considerando dos muestras (1 y 2), de tamaos n1 y
n2, tomadas de dos poblaciones normales con varianzas 21 y
22, es
Samuel Vergara Hernndez

96

Metodologa de la Investigacin Tributaria

La distribucin de muestreo de F se llama distribucin F, v1 = n-1 y


v2 = n-1 grados de libertad, y la frmula es:
Y = [CF(v1/2)-1]/[(v1F+v2)(v1 + v2)/2]
Donde C es una constante que depende de v1 y v2 tal que el rea
total bajo la curva es 1.
Existen Tablas de los valores percentiles de F, para los que las
reas en la cola de la derecha son 0,05 y 0,01, denotadas por F.99 y
F.99, respectivamente, que representan los niveles de significacin
5% y 1%. stos se pueden usar para determinar si la varianza S21
es significativamente mayor que la varianza S22 o no. En la prctica,
la muestra con mayor varianza se elige como muestra 1.
3.12. Estadsticas paramtricas y no paramtricas
Respecto de la prueba de hiptesis, se distingue los pruebas estadsticas paramtricas de las no paramtricas.
a) Pruebas estadsticas paramtricas
Los contrastes de hiptesis y significacin (o reglas de decisin)
que suponen una distribucin normal o cuasi normal de la poblacin, se denominan contrastes paramtricos.
b) Pruebas estadsticas no paramtricas
Por el contrario, los contrastes no paramtricos son independientes
de la distribucin de la poblacin y de los parmetros asociados.
Estas pruebas o contrastes se pueden usar como abreviaciones de
contrastes ms complicados. Este tipo de pruebas de hiptesis no
paramtricas son ms apropiados cuando se trata con datos no
numricos.
Samuel Vergara Hernndez

97

Metodologa de la Investigacin Tributaria


En el contrate de hiptesis, las pruebas estadsticas no paramtricas usualmente emplean datos ms simples de la muestra, como
los signos de las mediciones, las relaciones de orden o las categoras de las frecuencias.
Segn Elorza (1994, p. 545), las pruebas estadsticas no paramtricas tienen ventajas sobre las paramtricas, entre las cuales cabe
sealar:
Implican menos requisitos de uso;
Son ms sencillas de entender y aplicar; y
Los procedimientos de clculo resultan menos laboriosos.
Pero tambin presentan desventajas, tales como:
Se pierde informacin;
La potencia de la prueba es menor; y
Tienden a ser conservadoras, es decir, orientan hacia la aceptacin de la hiptesis nula con ms frecuencia de lo que deberan.

II. PRUEBAS DE HIPTESIS ESTADSTICAS


1. INTRODUCCIN
Samuel Vergara Hernndez

98

Metodologa de la Investigacin Tributaria


Las hiptesis estadsticas deben diferenciarse de las hiptesis cientficas, pues las primeras son una afirmacin acerca de la distribucin de cierta variable aleatoria o probabilstica, que se prueba a
travs de un procedimiento para decidir si se rechaza o no, considerando el resultado de un experimento aleatorio; y, en cambio, las
hiptesis cientficas se prueban a travs de un procedimiento determinista, llamado experimento real o hipottico (Elorza, 1994, p.
347).
2. HIPTESIS NULA Y ALTERNATIVA
Las hiptesis estadsticas son, en general, enunciados acerca de
las distribuciones de probabilidad de las poblaciones, partiendo de
una muestra aleatoria que sea representativa de la poblacin objeto
de estudio; y se distinguen dos tipos de hiptesis: a) hiptesis nula;
y b) hiptesis alternativa.
2.1. Hiptesis nula
La hiptesis nula, H0, establece una afirmacin acerca del valor de
ciertos parmetros de la poblacin y, por lo general, se expresa como la negacin de una relacin posible entre la variable independiente y la dependiente.
En muchos casos se formula una hiptesis estadstica con el nico
propsito de rechazarla o invalidarla. Por ejemplo, si queremos probar que un rgimen tributario es mejor que otro, formularemos la
hiptesis de que no hay diferencia significativa entre ellos: El rgimen opcional del artculo 14 bis de la Ley sobre Impuesto a la Renta es igual al rgimen general de tributacin.
Con los datos muestrales, la hiptesis nula es rechazada o no rechazada; pero no se puede aceptar como verdadera.
El no rechazo de la hiptesis nula solamente significa que la evidencia muestral no es lo suficientemente fuerte para llevar al rechazo de la hiptesis. As, si se concluyera que el rgimen opcional es
igual al rgimen general, esto no significa que la hiptesis nula es
verdadera, porque la igualdad podra, por ejemplo, deberse a un
error de muestreo (Webster, 2000, p. 199).
Samuel Vergara Hernndez

99

Metodologa de la Investigacin Tributaria

2.2. Hiptesis alternativa


La hiptesis alternativa, que se expresa como H1, es la negacin de
la hiptesis nula, es decir, por lo comn, es la hiptesis de investigacin que se quiere probar. Por ejemplo, la hiptesis alternativa
sera: El rgimen opcional del artculo 14 bis de la Ley sobre Impuesto a la Renta es mejor que el rgimen general de tributacin de
dicha Ley.
3. SIGNIFICACIN ESTADSTICA
Si suponemos que una hiptesis es cierta, pero vemos que los resultados hallados en una muestra aleatoria difieren notablemente de
los esperados bajo tal hiptesis, entonces diremos que las diferencias observadas son significativas y nos veramos obligados a rechazar dicha hiptesis.
Por el contrario, hay diferencia estadsticamente insignificante, si la
diferencia entre el valor de la media poblacional bajo la hiptesis y
el valor de la media muestral, es lo suficientemente pequea como
para atribuirla a un error de muestreo.
4. ERRORES DE TIPO I Y DE TIPO II
4.1. Error tipo I: Rechazar la hiptesis nula verdadera
Si rechazamos una hiptesis cuando debiera ser aceptada, diremos
que se ha cometido un error de tipo I (rechazar la hiptesis nula
cuando es verdadera).

4.2. Error tipo II: No rechazar la hiptesis nula falsa


Por el contrario, si aceptamos una hiptesis que debiera haber sido
rechazada, diremos que se ha cometido un error de tipo II (no rechazar una hiptesis nula que es falsa).
Samuel Vergara Hernndez

100

Metodologa de la Investigacin Tributaria

Para que las reglas de decisin, en el contraste de hiptesis, sean


buenas, deben disearse de modo que minimicen los errores de la
decisin.
En la prctica, un error tipo de error puede ser ms grava que otro;
y la nica forma de disminuir ambos es aumentar el tamao de la
muestra, lo que no siempre es posible.
5. NIVEL DE SIGNIFICACIN
Al contractar una hiptesis, la mxima probabilidad con la que estamos dispuestos a correr el riesgo de cometer un riesgo tipo I, se
llama nivel de significacin del contraste. Esta probabilidad se denota a menudo por el smbolo alfa (), y se suele especificar antes de
tomar la muestra, de manera que los resultados obtenidos no influyan en la decisin.
En la prctica, es frecuente un nivel de significancia de 0,01 (1%) y
0,05 (5%), aunque pueden usarse otros.
Si se elige un nivel de significancia de 5% al disear una regla de
decisin, entonces hay cinco por ciento de oportunidades de rechazar la hiptesis cuando debiera haberse aceptado. Dicho con otras
palabras, hay 95% de confianza de que hemos adoptado la decisin
correcta.
En caso que la hiptesis ha sido rechazada al nivel de significacin
del 0,05 quiere decir que la hiptesis tiene una probabilidad de 0,05
de ser falsa.

6. VALORES CRTICOS Y ZONA DE RECHAZO


Muchas de las investigaciones que se realizan pretenden comparar
un valor o medida obtenido de una muestra, con un valor terico o
Samuel Vergara Hernndez

101

Metodologa de la Investigacin Tributaria


crtico; o bien, comparar dos o ms grupos para saber si existe diferencia entre ellos.
Se toma una muestra de cada grupo poblacional y a cada uno se le
calculan las medidas que se desean comparar.
Si la hiptesis de investigacin plantea que los grupos difieren en
cuanto a la variable estudiada, la hiptesis nula expresar que no
existe diferencia significativa entre los grupos, sea por promedios,
porcentajes, etc., es decir: la hiptesis nula plantea que la diferencia
observada en la muestra obedece al azar y no se da igualmente en
la poblacin (la diferencia no es significativa).
Para poder rechazar esa hiptesis se debe realizar una prueba estadstica de significacin.
Muchas de estas pruebas se basan en el supuesto de que la poblacin estudiada tiene una distribucin normal y, por lo tanto, las propiedades de la curva normal son aplicables. Recuerde que, por el
teorema del lmite central, igualmente se puede aplicar la curva
normal.
Este tipo de prueba consiste, en lneas generales, en lo siguiente:
1) Se calcula un valor con la muestra y ese valor se lleva a puntaje
Z, usando las frmulas indicadas precedentemente z = [( )/(n)], que expresada en forma verbal es: diferencia entre la media muestral y la media poblacional, dividida por el cociente de la
desviacin estndar de la poblacin y la raz cuadrada del tamao
de la muestra.
2) Se fija un nivel de significacin , el cual determina en la curva
normal dos zonas: una zona de aceptacin de la hiptesis nula y
una zona de rechazo de la hiptesis nula.
Para un nivel de significacin = 0,05, la zona de aceptacin de la
H0 est comprendida entre los valores Z= -1,96 y + 1,96; pero, si se
trata de una prueba de dos colas, en la cola izquierda se halla 2,5%
y el otro 2,5% se encuentra en la cola derecha.
Samuel Vergara Hernndez

102

Metodologa de la Investigacin Tributaria

0,025
1,96
Zona rechazo

Zona de no rechazo
Existe 95% de probabilidades de que
los resultados muestrales estn entre
1,96 desviacin estndar, si la hiptesis
nula es verdadera
0

0,025
1,96
Zona rechazo

3) Se ve en qu zona cae el valor Z calculado con los datos de la


muestra. Si dicho valor cae en la zona de aceptacin, entonces no
se puede rechazar la hiptesis nula.
Para determinar si la prueba ser de dos colas, cola izquierda o cola derecha, es decir, donde se ubican la zona o zonas de rechazo
de la hiptesis nula, hay que tener en cuenta los signos de la hiptesis alternativa.
Por ejemplo:
Si la hiptesis alternativa es H1 a, lo que significa que la hiptesis nula es H0 = a, entonces la zona de rechazo se halla en las
dos colas, como en el ejemplo anterior, y tal como se muestra en
la figura siguiente:

Zona rechazo

Zona rechazo

Si la hiptesis alternativa es H1 > a, significa que la hiptesis


nula es H0 a, entonces la zona de rechazo se halla en la cola
derecha, tal como se muestra en la figura siguiente:
Samuel Vergara Hernndez

103

Metodologa de la Investigacin Tributaria

Zona rechazo

Si la hiptesis alternativa es H1 < a, significa que la hiptesis nula


es H0 a, entonces la zona de rechazo se halla en la cola izquierda, tal como se muestra en la figura siguiente:

Zona rechazo

7. PROCEDIMIENTO PARA PROBAR HIPTESIS


El procedimiento para probar hiptesis estadsticas consta de 5 pasos, a saber:
Samuel Vergara Hernndez

104

Metodologa de la Investigacin Tributaria

Formulacin
Hiptesis

Seleccin de
Nivel
Significancia

Identificacin
Estadstico
Prueba

Formular
Regla de
Decisin

Toma de
muestra y
Decisin

PRIMER PASO: Se formula la hiptesis nula y la alternativa


La hiptesis nula se denota por H0 y se lee H subndice cero, que
significa sin diferencia. Por lo comn, la hiptesis nula incluye el
trmino no, que significa que no hay cambio. La hiptesis nula es
una afirmacin respecto del valor de un parmetro de la poblacin.
La hiptesis alternativa describe la conclusin a la que se llegar si
se rechaza la hiptesis nula. Se escribe H1 y se lee H subndice
uno. Tambin se conoce como hiptesis de investigacin, porque es
la que se pretende probar. La hiptesis alternativa se acepta si los
datos de la muestra proporcionan suficiente evidencia estadstica de
que la hiptesis nula es falsa.
Ejemplos de hiptesis nula y alternativa:
Si la hiptesis de investigacin seala que la rentabilidad financiero
fiscal promedio de los mdicos que realizan planificacin tributaria
es superior a la rentabilidad financiero fiscal promedio de los que no
realizan planificacin tributaria, que es de 130 millones de pesos,
entonces:
La hiptesis nula H0 es: La rentabilidad financiera fiscal promedio de los mdicos que realizan planificacin tributaria es igual o
inferior a 130 millones de pesos (H0 $ 130.000.000).
La hiptesis alternativa H1 es, por consiguiente: La rentabilidad
financiero fiscal promedio de los mdicos que realizan planificacin tributaria es significativamente superior a 130 millones de
pesos (H1 > $ 130.000.000.
SEGUNDO PASO: Se selecciona el nivel de significancia
Samuel Vergara Hernndez

105

Metodologa de la Investigacin Tributaria


Una vez formulada la hiptesis nula y la hiptesis alternativa, el siguiente paso consiste en seleccionar el nivel de significancia, esto
es, la probabilidad de rechazar la hiptesis nula cuando es verdadera.
No existe un nivel de significancia que se aplique a todas las pruebas; pero, por lo comn, se eligen los niveles de 1% 5%.
Si el nivel de significancia es de 5% (0,05), entonces el nivel de confianza es de 95%; y si el nivel de significancia es de 1% (0,01), entonces el nivel de confianza es de 99%.
Supongamos que se selecciona el nivel de significancia de 5%, estos es, 0,05.
TERCER PASO: Se identifica el estadstico de prueba
Existen muchos estadsticos de prueba, los que se hallan relacionados con las distribuciones de probabilidades, como Z, t, F y .
Ntese que los estadsticos dicen relacin con la muestra y, en
cambio, los parmetros estn relacionados con la poblacin.
As, estadstico de prueba es un valor que se calcula con base en la
informacin de la muestra y que se utiliza para determinar si se rechaza la hiptesis nula.
Por ejemplo, si se trata de una distribucin de probabilidad normal
(curva normal) (o casi normal por aplicacin de teorema del lmite
central), y se conoce la desviacin estndar de la poblacin, entonces el estadstico de prueba se denomina Z o distribucin Z como
estadstico de prueba, que se formula del siguiente modo:
Z = [( - )/(/n)
Si no se conoce la desviacin estndar de la poblacin, pero se trata de muestras grandes (n 30), la frmula es la siguiente, porque
se sustituye la desviacin estndar de la poblacin () por la desviacin estndar de la muestra (s).
Samuel Vergara Hernndez

106

Metodologa de la Investigacin Tributaria


Z = [( - )/(s/n)
El valor de Z se basa en la distribucin de muestreo de , que tiene
una distribucin normal cuando la muestra es razonablemente
grande ( 30) con una media igual a , y una desviacin estndar
igual /n. As, es posible determinar si la diferencia entre y
es significativa desde el punto de vista estadstico, al encontrar
cuntas desviaciones estndar separan a de , utilizando la frmula antes mencionada.
CUARTO PASO: Se formula la regla de decisin
Una regla de decisin es una afirmacin de las condiciones bajo las
que se rechaza la hiptesis nula y bajo las que no se rechaza. El
rea o regin de rechazo define la ubicacin de todos aquellos valores que son tan grandes o tan pequeos que la probabilidad de que
ocurra bajo una hiptesis nula verdadera es bastante remota.
Segn el ejemplo anterior, se trata de una prueba de una cola a la
derecha, porque la hiptesis alternativa es H1 > $ 130.000.000.
En consecuencia, tal como se muestra en la figura siguiente, el rea
en la que no se rechaza la hiptesis nula est a la izquierda de
1,65; y, consecuencialmente, el rea de rechazo est a la derecha
de de 1,65. Este valor, llamado valor crtico, que separa la regin
de rechazo de la regin de aceptacin, se determina segn la Tabla
de valor Z, sobre la base del nivel de significancia (0,05) del siguiente modo:
En primer lugar, considerando que se trata de una prueba de
una cola a la derecha, se resta a 0,5 (que corresponde al 50%
del rea bajo la curva, a la derecha de la media de la distribucin
normal Z, la que como sabemos es = 0) 0,05 (que corresponde
al valor del nivel de significancia), lo da como resultado 0,45
(45% del rea bajo la curva).
Z
.00
.01
.02
.03
.04
.05
.06
.07
.08
.09
0.0 0.00000 0.00399 0.00798 0.01197 0.01595 0.01994 0.02392 0.02790 0.03188 0.03586
0.1 0.03983 0.04380 0.04776 0.05172 0.05567 0.05962 0.06356 0.06749 0.07142 0.07535
0.2 0.07926 0.08317 0.08706 0.09095 0.09483 0.09871 0.10257 0.10642 0.11026 0.11409
0.3 0.11791 0.12172 0.12552 0.12930 0.13307 0.13683 0.14058 0.14431 0.14803 0.15173

1.4 0.41924 0.42073 0.42220 0.42364 0.42507 0.42647 0.42785 0.42922 0.43056 0.43189

Samuel Vergara Hernndez

107

Metodologa de la Investigacin Tributaria


1.5 0.43319 0.43448 0.43574 0.43699 0.43822 0.43943 0.44062 0.44179 0.44295 0.44408
1.6 0.44520 0.44630 0.44738 0.44845 0.44950 0.45053 0.45154 0.45254 0.45352 0.45449

En primer lugar, se busca en la tabla a qu valor Z corresponde.


En este caso, el valor Z ms cercano es 1,65.
QUINTO PASO: Se toma la muestra y se decide: a) no rechazar
no rechazar la hiptesis nula; o b) rechazar la hiptesis nula y aceptar, en consecuencia, la hiptesis alternativa.
En efecto, el quinto y ltimo paso de la prueba de hiptesis consiste
en tomar la decisin de rechazar o no rechazar la hiptesis nula,
segn si el valor Z calculado es superior o inferior al valor crtico,
que divide la zona de rechazo de la zona de no rechazo.
Ejemplo:
Si, con base en la informacin de la muestra de tamao n = 50, la
rentabilidad financiero fiscal promedio de los mdicos que realizan
planificacin tributaria es de 150 millones de pesos ( = $
150.000.000), la desviacin estndar de la poblacin es de 8 millones de pesos ( = $ 8.000.000) y la media de la poblacin es igual a
130 millones de pesos ( = $ 130.000.000), entonces el valor Z segn la frmula es el siguiente: Z = [(150-130)/(8/50) = 17,68. En
consecuencia, el valor Z calculado segn la frmula es mayor que
1,65, razn por la cual cae en la zona de rechazo de la hiptesis nula y, por ende, se acepta la hiptesis alternativa.
8. VALORES P: USO E INTERPRETACIN
Para probar hiptesis se calcula un valor Z y se compara con un valor crtico Z con base en el nivel de significancia seleccionado. El
valor p de una prueba puede servir como mtodo alternativo o
complementario para probar hiptesis.
El valor p para una prueba es la probabilidad de obtener resultados muestrales a lo menos tan extremos como los que se obtendran si la hiptesis nula es verdadera, y se puede definir como el
nivel ms bajo de significancia (valor ) al cual se puede rechazar la hiptesis nula (Webster,2000, p. 211). Se encuentra de la
misma manera que el rea de la cola que va ms all del valor del
Samuel Vergara Hernndez

108

Metodologa de la Investigacin Tributaria


estadstico para la muestra. Este valor p se puede aplicar a pruebas
de una cola o de dos colas.
a) Tratndose de una prueba de una cola
El valor p es el rea en la cola que est ms all del valor del estadstico para la muestra. As, supongamos que la Administracin
Tributaria estima que, en un determinado sector de la actividad
econmica, las utilidades promedio de las empresas, registradas en
el Fondo de Utilidades Tributables, superan significativamente los
1.000 millones de pesos. Al tomar una muestra de 100 contribuyentes, se determina una media de 1.020 millones de pesos ( =
1.020.000.000) y una desviacin estndar de 100 millones de pesos
(s = 100.000.000).
H0: $ 1.000.000.000
H1: > $ 1.000.000.000
El valor Z, segn la frmula es:
Z = [(-)/(s/n)
Z = [(1.020.000.000 -1.000.000.000)/(100.000.000/100) = 2
El valor Z = 2, calculado segn la frmula, lo ubicamos en la Tabla
de Valores Z:
Z
.00
.01
.02
.03
.04
.05
.06
.07
.08
.09
2.0 0.47725 0.47778 0.47831 0.47882 0.47932 0.47982 0.48030 0.48077 0.48124 0.48169

El valor Z = 2, corresponde a un rea bajo la curva normal estndar


de 0,47725. Por lo tanto, si este valor lo restamos de 0,5 (que es el
rea total del lado derecho de la curva normal estndar), tenemos
que el valor p = 0,02275, tal como se muestra en la figura siguiente:

Samuel Vergara Hernndez

109
0

0,47725

p=0,02275
Zona rechazo

Metodologa de la Investigacin Tributaria

Si (nivel de significacin) es mayor que el valor p = 0,02275 (por


ejemplo 0,05), entonces el valor del estadstico para la muestra Z=
2 se ubica en la zona de rechazo, tal como se muestra en la figura
siguiente:

Zona no rechazo
0,4500
0

Valor p
0,02275
1,65 2
Zona de rechazo

Si (nivel de significacin) es menor que el valor p = 0,02275 (por


ejemplo 0,01), entonces el valor del estadstico para la muestra Z =
2 se bica en la zona de no rechazo, tal como se muestra en la figura siguiente:

No rechazo

Samuel Vergara Hernndez


0

Valor p=0,02277
= 0,05
2 2,33
Zona rechazo

110

Metodologa de la Investigacin Tributaria

b) Tratndose de una prueba de dos colas


El valor p de una prueba de dos colas es muy similar al de una cola,
con la salvedad de que, a final, el valor obtenido debe multiplicarse
por dos, es decir, el rea obtenida -segn el valor Z calculado- debe
multiplicarse por dos.
Supongamos que la Administracin Tributaria estima que, en un determinado sector de la actividad econmica, las utilidades promedio
de las empresas, registradas en el Fondo de Utilidades Tributables,
son distintas de 1.000 millones de pesos. Al tomar una muestra de
100 contribuyentes, se determina una media de 1.100 millones de
pesos ( = 1.020.000.000) y una desviacin estndar de 100 millones de pesos (s = 100.000.000).
H0: = $ 1.000.000.000
H1: $ 1.000.000.000
Sabemos que Z = [( - )/(s/n) =
[(1.020.000.000-1.000.000.000)/(100.000.000/100) = 2

p=0,02275
2
Zona rechazo

Samuel Vergara Hernndez

0,47425

p=0,02275
2
Zona rechazo

111

Metodologa de la Investigacin Tributaria

En una prueba de dos colas, el rea determinada -segn el valor Z


calculado- debe multiplicarse por 2, porque en una prueba de dos
colas el valor alfa () se divide en dos zonas de rechazo. Recuerde
que el valor p es el valor alfa ms bajo al cual se rechaza la hiptesis nula. As, en este caso el valor p = 0,02275 x 2 = 0,0455.
En resumen, si al comparar el valor p con el valor valor , el
primero es menor que el segundo, entonces se rechaza la hiptesis
nula (N0). Por el contrario, si el valor p es mayor que el valor ,
entonces no se rechaza la hiptesis nula.
Segn Lind et al (2003, p. 283), en relacin con la interpretacin
del peso de la evidencia contra la hiptesis nula, seala que si el
valor p es menor que:
0.10, se tiene alguna evidencia de que H0 no es verdadera;
0.05, se tiene una firme evidencia de que H0 no es verdadera;
0.01, se tiene un evidencia muy firme de que H0 no es verdadera;
y
0.001, se tiene una evidencia extremadamente firma de que H0
no es verdadera.

III. APLICACIN PROCEDIMIENTO PARA PROBAR HIPTESIS


1. INTRODUCCIN
Samuel Vergara Hernndez

112

Metodologa de la Investigacin Tributaria


A continuacin ilustraremos la aplicacin del procedimiento para
probar mediante el anlisis de las siguientes situaciones:
Prueba de la media de la poblacin, con muestra grande y desviacin estndar desconocida, en prueba de dos colas y una cola.
Prueba de hiptesis para dos medias de poblacin
Prueba respecto de proporciones
Prueba para la diferencia entre dos proporciones poblacionales
Prueba para muestras pequeas
Anlisis de varianza
Anlisis de regresin
Prueba chi-cuadrado
2. PRUEBA DE LA MEDIA DE LA POBLACIN
En este punto veremos la prueba de media de la poblacin, con
muestras grandes y desviacin estndar desconocido, en pruebas
de dos colas y de una cola.
2.1. Prueba de dos colas
La Administracin Tributaria desea saber si los ingresos de 12 millones de pesos anuales que percibe un contribuyente son significativamente diferentes del promedio del ramo, en la plaza.
Paso 1: La hiptesis nula es: la media de la poblacin es $
12.000.000. Por consiguiente, la hiptesis alternativa es: la media
de la poblacin no es igual a 12.000.000.
H0: = $ 12.000.000
H1: $ 12.000.000
Se trata de una prueba de dos colas, porque la hiptesis alternativa
no establece una direccin.
Paso 2: Se utiliza el nivel de significancia de 0,01 (1%). ste es ,
esto es, la probabilidad de cometer el error tipo I: rechazar una hiptesis verdadera.
Samuel Vergara Hernndez

113

Metodologa de la Investigacin Tributaria

Paso 3: La estadstica de prueba para muestra grande es Z y se


entiende por tal la que es igual o superior a 30, aunque se desconoce la desviacin estndar de la poblacin. Por lo tanto, se debe tomar una muestra igual o superior a 30.
Paso 4: La regla de decisin se formula hallando los valores crticos de Z, segn la Tabla de valores Z y el nivel de significacin. As,
como se trata de una prueba de dos colas, la mitad de 0,01, es decir, 0,005 est en cada cola. Por lo tanto, el rea en que no se rechaza la hiptesis nula, entre los dos valores crticos, es de 0,99. La
tabla se basa en la mitad del rea bajo la curva normal, o sea, 0,5.
Por consiguiente, 0,5 0,005 = 0,4950, que es el rea entre 0 y el
valor critico. A continuacin, se localiza el valor 0,4950 en la Tabla
de valores Z. El valor ms prximo es 0,4951, que corresponde a
2,58
Por lo tanto, la regla de decisin es: no rechazar la hiptesis nula, si
el valor calculado de Z est entre -2,58 y +2,58; y rechazar la hiptesis nula si Z no cae entre -2,58 y + 2,58.
Paso 5: Se toma una muestra de 35 contribuyentes y se determina
que el promedio anual son 15 millones de pesos (= $ 13.000.000)
y que la desviacin estndar de la muestra es de 500 mil pesos (s =
$ 500.000).
As, el valor Z = [(13.000.000 12.000.000)/(500.000/35)] = 0,34
Por lo tanto, como el valor Z calculado (0,34) se ubica entre -2,58 y
+2,58, no se rechaza la hiptesis nula.

2,58
Zona rechazo

Samuel Vergara Hernndez

2,58
Zona rechazo

114

Metodologa de la Investigacin Tributaria

2.2. Prueba de una cola


En el ejemplo anterior, a la Administracin Tributaria le interesaba
saber si el ingreso del contribuyente era diferente al ingreso promedio de los contribuyentes que giran en el mismo ramo y en la misma
plaza; pero si quisiera saber si el ingreso del contribuyente es superior al ingreso promedio de los contribuyentes que giran en el mismo
ramo y en la misma plaza, entonces las hiptesis estadsticas deberan ser: H0: $ 12.000.000; y H1: > $ 12.000.000. Aqu se tratara de una prueba de hiptesis de cola derecha, porque la hiptesis
alternativa as lo indica mediante el signo >.
Por el contrario, si la H0: $ 12.000.000; y H1: < $ 12.000.000,
entonces la prueba sera de cola izquierda, porque as lo indica la
hiptesis alternativa.
Los valores crticos para una prueba de una cola son distintos de
los de dos colas al mismo nivel de significancia, porque todo el riesgo se halla en una sola direccin.
Por eso, si la prueba es de cola derecha, entonces el valor crtico es
2,33, que se encuentra: 1) al restar 0,01 de 0,5; y 2) encontrar el
valor Z que corresponda a 0,4900.Y, si la prueba es de cola izquierda, entonces el valor crtico es -2,33.
En consecuencia, habra que concluir que no se rechaza la hiptesis nula, porque el valor Z calculado es de 0,34 (que se halla en zona de no rechazo). Esto es as, porque este valor queda comprendido entre -2,33 y +2,33, es decir, en ambos casos en la zona de no
rechazo.
3. PRUEBA DE HIPTESIS DE DOS MEDIAS
Si se selecciona un gran nmero de muestras aleatorias independientes de dos poblaciones normales, la distribucin de las diferencias entre ambas medias de muestras tambin tendr una distribucin normal. Si esas diferencias se dividen por el error estndar de
Samuel Vergara Hernndez

115

Metodologa de la Investigacin Tributaria


la diferencia, la distribucin resultante sigue la distribucin normal
estndar.
La frmula para este valor Z es:

Z = [(-)/(s2 1/n1) + (s22/n2)]

Por ejemplo, si se pide a cada uno de los contribuyentes que concurren a dos Direcciones Regionales del Servicio de Impuestos Internos (Direccin A y Direccin B) que evalen el servicio recibido, una
vez concluido el trmite de iniciacin de actividades, porque algunos
contribuyentes se quejaron de que los tiempos de atencin son distintos. El Direccin Nacional solicita que se estudie el problema, para lo cual se recolecta la siguiente informacin muestral, al nivel de
significancia de 0,01:
Tipo contribuyente
De la Direccin A
De la Direccin B

Media de la
muestra
32 minutos
30 minutos

Desviacin estndar
6 minutos
7 minutos

Tamao
muestra
100
100

Se utiliza el procedimiento de 5 pasos para la prueba de hiptesis:


Paso 1: Establecimiento de la hiptesis nula y alternativa
La hiptesis nula es que no hay diferencia en los tiempos medios de
respuesta de las dos Direcciones Regionales para el trmite de iniciacin de actividades. En otras palabras, la diferencia de 2 minutos
se debe a la mera casualidad.
La hiptesis alternativa es que el tiempo medio de respuesta es
ms largo para los contribuyentes que concurren a la Direccin Regional A.
El tiempo medio de respuesta para la Direccin A es A; y para la
Direccin B es B.
Samuel Vergara Hernndez

116

Metodologa de la Investigacin Tributaria


H0:A B
H1:A > B
Paso 2: Seleccin del nivel de significancia
Este nivel es la probabilidad de rechazar la hiptesis nula cuando
en realidad es verdadera. En este caso, se selecciona 0,01.
Paso 3: Clculo de la estadstica de prueba
En este caso, se utilizar la distribucin normal estndar (Z).
Paso 4: Formulacin de la regla de decisin
Se desea determinar si el tiempo de respuesta es ms largo para
los contribuyentes de la Direccin Regional A. As, se establece la
hiptesis alternativa para indicar que el tiempo medio de respuesta
es mayor para los contribuyentes que concurren a la Direccin A,
por lo que la regin de rechazo est en la cola derecha. Esto quiere
decir que 0,4900 (0,5-0,01) se localiza entre el valor Z de 0 y el valor crtico. Luego, se busca en la Tabla Z el valor que se aproxima a
0,4900. Dicho valor es 2,33, razn por la cual la regla de decisin es
rechazar H0 si el valor que se calcula para la estadstica de prueba
excede 2,33.
Paso 5: Tomar la decisin e interpretar el resultado
Se utiliza la frmula siguiente para calcular el valor del estadstico
de prueba:

Z = [(1 - 2)/(s21 /n1) + (s22/n2)]


Z = [(32-30)/(62/100) + (72/100)] = 2/0,36 + 0.49 = 2,17
Samuel Vergara Hernndez

117

Metodologa de la Investigacin Tributaria


En consecuencia, como el valor Z = 2,17 es menor que el valor
2,33 la decisin es no rechazar la hiptesis nula, ya que el valor Z =
2,17 se ubica en la zona de no rechazo.
4. PRUEBA RESPECTO DE LAS PROPORCIONES
En los ejercicios anteriores se ha empleado la escala de intervalo o
de razn; pero, si se utiliza una escala nominal de medicin, las observaciones se registran en una de dos o ms categoras, como
hombre o mujer, residente o no residente, contribuyente de la primera categora o de la segunda categora, etc.
Proporcin es una fraccin, relacin o porcentaje que indica la
parte de la poblacin o muestra que tiene una caracterstica de inters particular.
Por ejemplo, si 23 de cada 100 contribuyentes que participan en
una encuesta reconocen evadir el pago del Impuesto al Valor Agregado, entonces la proporcin de la muestra es 23/100, o sea, 23%.
Si la proporcin de la muestra se denota por p, entonces:

p = Nmero de xitos en la muestra/Nmero muestreado

Para probar la hiptesis sobre una proporcin de la poblacin, se


elige una muestra aleatoria de la poblacin. Este es el experimento.
Se supone que se cumplen las suposiciones binomiales:
a) Los datos de muestra recolectados son resultado de conteos;
b) El resultado de un experimento se clasifica en una de dos categoras mutuamente excluyentes: xito o fracaso;
c) La probabilidad de xito es igual para cada prueba; y
d) Los ensayos son independientes, lo que significa que los resultados de un ensayo no afecta al resultado de otro ensayo.
Samuel Vergara Hernndez

118

Metodologa de la Investigacin Tributaria

La prueba es apropiada, si tanto np como n(1-p) son al menos 5,


donde n es el tamao de la muestra y p es la proporcin de la poblacin.
La frmula para calcular Z es:

Z = (P-p)/p

Donde:
p = proporcin de la poblacin (valor hipottico de la proporcin)
P = proporcin de la muestra
n = tamao de muestra
p = error estndar de la proporcin de la poblacin, que se calcula
por
p = p(1-p)/n

Por lo tanto, la frmula se transforma en:

Z= P - p
p(1-p)/n

Ejemplo:
Suponga que a la Administracin Tributaria le interesa saber si la
evasin tributaria, en el sector de transporte en una plaza determinada, es inferior al 23%, para lo cual utilizar el procedimiento de
prueba de hiptesis, sobre la base de una fiscalizacin aleatoria
(auditora tributaria) de 50 contribuyentes.
Samuel Vergara Hernndez

119

Metodologa de la Investigacin Tributaria

Se determina que es posible realizar la prueba, ya que tanto np y


como n(1-p) exceden de 5:
50 x 0,23 = 11,5
50 x 0,77 = 38,5
Paso 1: La hiptesis nula, H0, es que la proporcin de la poblacin
p que evade impuestos es mayor o igual al 23%. La hiptesis alternativa, H1, es que la proporcin de la poblacin p que evade impuestos es menor al 23%.
H0: p 0,23
H1: p < 0,23
Segn la hiptesis alternativa, la direccin de la prueba se establece en la cola izquierda.
Paso 2: El nivel de significancia se establece en 0,05 que es la
probabilidad de rechazar la hiptesis nula verdadera.
Paso 3: El estadstico apropiado es Z, que se determina mediante
la siguiente frmula:
Z= P - p
p(1-p)/n

Paso 4: La regla de decisin es rechazar la hiptesis nula y aceptar la alternativa si el valor calculado de Z se ubica a la izquierda de
-1,65; y, en caso contrario, no rechazar.
Recuerde que el nivel de significancia se fij en 0,05, razn por la
cual el rea bajo la curva normal estndar es igual a 0,4500 (0,5
0,05) y esto corresponde al valor crtico de Z = -1,65.
Samuel Vergara Hernndez

120

Metodologa de la Investigacin Tributaria


Paso 5: La auditora tributaria determin que de 50 contribuyentes
fiscalizados 10 de ellos evaden impuestos. As, la proporcin de
contribuyentes que evaden impuestos es de 20%, que se determina
mediante la siguiente divisin: 10/50 = 0,2 = 20%.
En este caso, para calcular el valor Z:
P = 0,2, proporcin de la muestra que evade impuestos
n = 50, tamao de la muestra
p = 0,23, proporcin hipottica de la poblacin
Z = estadstico de prueba

Z=

(0,2 0,23)/[0,23(0,77)/50] = - 0,504

En consecuencia, el valor calculado de Z = -0,504 se ubica en la


zona de no rechazo de la hiptesis nula, razn por la cual se entiende que la diferencia no es significativa y debe a la casualidad.
5. PRUEBA PROPORCIONES POBLACIONALES
En este tipo de prueba se trata de determinar si dos proporciones
de poblacin son iguales. Para realizar la prueba, se supone que
cada muestra es lo bastante grande para que la distribucin normal
funcione como una buena forma de aproximar la distribucin binomial.

En la prueba de proporcin de dos muestras, el estadstico de


prueba Z se calcula mediante la siguiente frmula:
Z = (p1 p2)
pc(1-pc)/n1 + pc(1-pc)/n2
Donde:
Samuel Vergara Hernndez

121

Metodologa de la Investigacin Tributaria


n1 = nmero en la primera muestra
n2 = nmero en la segunda muestra
p1 = proporcin en la primera muestra que posee la caracterstica
p2 = proporcin en la segunda muestra que posee la caracterstica
pc = proporcin conjunta que posee la caracterstica en la muestra
combinada
La frmula para establece la proporcin conjunta es la siguiente:

pc = Nmero total de xitos (X1 + X2)


N total de muestras (n1 + n2)
Ejemplo:
Supongamos que una Consultora Tributaria desea saber si sus
clientes mujeres desean planificar sus impuestos de igual modo
que sus clientes hombres. La consultora utilizar el procedimiento
normal de prueba de hiptesis, para lo cual tomar una muestra a
las mujeres de tamao 30 y a los hombres de tamao 50.
Paso 1: La hiptesis nula (H0) es que no hay diferencia entre la
proporcin de mujeres y hombres que desean planificar sus impuestos. Por consiguiente, la hiptesis alternativa (H1) es que la proporcin de mujeres que desean planificar sus impuestos es diferente
de la proporcin de hombres.
H0: p1 = p2
H1: p1 p2
Paso 2: Se selecciona como nivel de significancia a 0,05.
Paso 3: La estadstica de prueba es la distribucin normal estndar (Z).
Paso 4: La regla de decisin es no rechazar la hiptesis nula si el
valor Z calculado se ubica en la regin entre -1,96 y +1,96, considerando el nivel de significacin y que se trata de una prueba de dos
colas
Samuel Vergara Hernndez

122

Metodologa de la Investigacin Tributaria

De la muestra de 30 mujeres encuestadas, 9 de ellas estaran dispuestas a planificar sus impuestos; y, por su parte, de la muestra de
50 hombres, 30 manifiestan deseos de planificar sus impuestos.
As, para tomar la decisin, hay que calcular el valor Z conforme a
la frmula siguiente:
Z = (p1 p2)
pc = Nmero total de xitos (Xp
1 + X2)
c(1-pc)/n1 + pc(1-pc)/n2
N total de muestras

(n1 + n2)

p1 = X1/n1 = 9/30 = 0,3


p2 = X2/n2 = 30/50 = 0,6
pc = (9+30)/(30+50) = 0,4875

Z = (0,3 0,6)/[0,4875(0,5125)/30 + 0,4875(0,5125)/50] = -2,6

En consecuencia, se rechaza la hiptesis nula, porque el valor calculado (Z = -2,6) se ubica en la zona de rechazo, es decir, a la izquierda de -1,96.

6. PRUEBA MEDIA (MUESTRAS PEQUEAS)


Si la muestra es pequea (>30), la desviacin estndar es desconocida y la poblacin es normal o casi normal en cuanto a su distribucin, es posible utilizar la distribucin t.
La frmula para determinar la distribucin t es:
t = (-)/(s/n)
Samuel Vergara Hernndez

123

Metodologa de la Investigacin Tributaria

Donde s es el estimador de la .
Si la poblacin de inters es normal, la distribucin t tendr las siguientes caractersticas:
a) Al igual que la distribucin Z, es una distribucin continua;
b) Al igual que la distribucin Z, tiene forma acampanada y simtrica; pero ms plana;
c) No hay una distribucin t, sino una familia de distribuciones t; pero todas tienen la misma media cero y desviacin estndar diferente, de acuerdo con el tamao de la muestra.
d) La distribucin t es ms ancha y ms plana en el centro que la
distribucin Z; pero, a medida que aumenta el tamao de la
muestra, la distribucin t se aproxima a la distribucin normal estndar.
Distribucin Z
Distribucin t

Ejemplo:
En un curso de planificacin tributaria, a nivel de postgrado, de 10
alumnos, stos determinaron que el promedio de la rentabilidad financiera fiscal de sus empresas, sin planificacin tributaria, es 555
millones de pesos, con una desviacin estndar de 186 millones de
pesos.
Se discute si una planificacin tributaria que implique pagar slo el
50% del impuesto de categora respecto de aquellos contribuyentes
cuya rentabilidad financiero fiscal supere el promedio de 555 milloSamuel Vergara Hernndez

124

Metodologa de la Investigacin Tributaria


nes de pesos. Algunos alumnos creen que se producira un aumento significativo del promedio y otros creen que ello no es posible.
As, con el fin indicado se realiza planificaciones tributarias hipotticas slo respecto de las empresas cuya rentabilidad financiero fiscal supera los 555 millones de pesos.
Se aplica el procedimiento para probar hiptesis, cuyos 5 pasos son
los siguientes:
Paso 1: La hiptesis nula es: el promedio de la rentabilidad financiera fiscal de las 10 empresas es menor o igual a 555 millones de
pesos, despus de realizar una planificacin hipottica. Por consiguiente, la hiptesis alternativa es: la media de la rentabilidad financiero fiscal de las 10 empresas es superior a 555 millones de
pesos, despus de realizar una planificacin tributaria hipottica.
H0: $ 555.000.000
H1: > $ 555.000.000
Se trata de una prueba de una cola a la derecha, porque la hiptesis alternativa establece direccin en el sentido indicado.
Paso 2: Se utiliza el nivel de significancia de 0,01 (1%). ste es ,
esto es, la probabilidad de cometer el error tipo I: rechazar una hiptesis verdadera.
Paso 3: La estadstica de prueba es la distribucin t de Student,
porque no se conoce la desviacin estndar de la poblacin y la
muestra es pequea.
Paso 4: Los valores crticos de t se hallan en cualquier Tabla de
valores t, que se halla en cualquier libro de estadstica.
La columna izquierda de la tabla est titulada como Grados de Libertad (gl). El nmero de grados de libertad es el nmero de observaciones en la muestra menos el nmero de muestras (n-1). En esSamuel Vergara Hernndez

125

Metodologa de la Investigacin Tributaria


te caso, el nmero de observaciones es igual a 10, por lo que hay 9
grados de libertad (10-1).
Para hallar el valor crtico, primero se localiza la lnea con los grados de libertad apropiados. Luego, se determina si la prueba es de
una o dos colas (en este caso es de una cola a la derecha). Por lo
tanto, se encuentra la parte de la Tabla relativa a una cola. As, se
localiza la columna con el nivel de significancia seleccionado, que
en este caso es 0,01. Se sigue la columna titulada una cola hasta
su interseccin con la lnea correspondiente a 9 grados de libertad.
El valor es 2,821. Ahora bien, como se trata de una prueba de una
cola y la regin de rechazo est en la cola derecha, entonces el valor crtico tiene signo positivo.
Por consiguiente, la regla de decisin es rechazar la hiptesis nula
si el valor de t calculado es menor que +2,821.
Paso 5: Se realizan las planificaciones hipotticas y luego se determina que el promedio de la rentabilidad financiero fiscal de las
empresa, despus de la planificacin tributaria hipottica, es de 850
millones de pesos y la desviacin estndar en 311 millones de pesos.
El valor t se calcula mediante la siguiente frmula:
t = (-) / (s/n) = (850-555)/(311/10) = +2,999

Donde:
= media de la muestra: 850 millones de pesos
= media supuesta de la poblacin: 555 millones de pesos
s = desviacin estndar de la muestra: 311 millones de pesos
n = nmero de elementos de la muestra: 10 elementos
Samuel Vergara Hernndez

126

Metodologa de la Investigacin Tributaria


En consecuencia, como el valor calculado de t= +2,999, entonces
se ubica en la zona de rechazo de la hiptesis alternativa y, por ende, se debe aceptar la hiptesis alternativa.
Valor t calculado = 2,999

= 0,01
2,821
Zona rechazo
Valor crtico

7. ANLISIS DE VARIANZA
El anlisis de varianza o ANOVA est diseado especficamente
para probar si dos o ms poblaciones tienen la misma media.
Aun cuando el propsito de ANOVA es una prueba para hallar las
diferencias en las medias poblacionales, implica un examen de las
varianzas muestrales.
En esta prueba se trata de determinar si cuando se aplica un tratamiento en particular a una poblacin, ste tendr un impacto significativo en su media.
En un estudio ANOVA, las unidades experimentales son los
objetos que reciben el tratamiento, como por ejemplo las empresas
objeto de una planificacin tributaria. El factor es la fuerza o variable cuyo impacto en tales unidades experimentales se desea medir,
como por ejemplo el resultado de la planificacin tributaria, esto es,
la rentabilidad financiero fiscal. Los tratamientos son las estrategias de planificacin tributaria o niveles del factor.
La forma como se seleccionan los tratamientos determina si se
est utilizando un modelo de efectos fijo o un modelo de efectos
aleatorios.
Samuel Vergara Hernndez

127

Metodologa de la Investigacin Tributaria

En el modelo de efectos fijos se seleccionan tratamientos especficos o se fijan antes del estudio.
En cambio, en el modelo de efectos aleatorios los tratamientos utilizados en el estudio se seleccionan aleatoriamente de una
poblacin de niveles posibles.
Ntese que slo nos referiremos a los modelos de efectos fijos, relacionados con materias tributarias.
Para la aplicacin de ANOVA son esenciales tres suposiciones:
Todas las poblaciones involucradas son normales.
Todas las poblaciones tienen la misma varianza o desviacin estndar.
Las muestras se seleccionan independientemente.
Si un tratamiento se designa como c, el conjunto de hiptesis de
prueba es:
H0 = 1 = 2 = 3 = c
H1 = No todas las medias son iguales.
La letra c se usa para indicar el nmero de tratamientos debido a
que en una tabla de ANOVA cada tratamiento se especifica en su
propia columna.
Hay varias formas en las cuales se puede disear un experimento
de ANOVA; pero quizs el ms comn es el diseo completamente
aleatorizado o ANOVA a una va.
En este diseo los sujetos o unidades experimentales se asignan
aleatoriamente a los diferentes niveles de un solo factor.
Samuel Vergara Hernndez

128

Metodologa de la Investigacin Tributaria


Por ejemplo, varias empresas pueden seleccionarse aleatoriamente
para participar en diversos tipos (niveles diferentes) de un proceso
de planificacin tributaria.
Por ejemplo, el gerente de un grupo empresarial desea saber si
tres estrategias de planificacin tributaria (rgimen general, rgimen
opcional del artculo 14 bis y rgimen simplificado del artculo 14 ter)
tienen efectos diferentes en la rentabilidad financiero fiscal de 9
empresas del grupo empresarial, seleccionadas aleatoriamente y
asignadas a uno de los tres regmenes de tributacin (estrategias
de planificacin tributaria).
Las empresas del grupo empresarial, asignadas aleatoriamente a
las distintas estrategias de planificacin tributaria, producen la rentabilidad financiero fiscal que se indica en cada caso, expresadas
en millones de pesos:
RGIMEN GENERAL
60
45
50

RGIMEN OPCIONAL
80
70
65

RGIMEN SIMPLIFICADO
60
70
50

Recuerde que se trata de determinar si las diferentes medias de


muestras proceden de una sola poblacin o de poblaciones con distintas medias. Las medias muestrales se comparan por medio de
sus varianzas. Por eso, en la prueba hay que calcular la varianza de
la poblacin, o sea, la desviacin estndar elevada al cuadrado, de
dos formas, y luego encontrar la relacin entre esas dos estimaciones.
Si la relacin est prxima a 1, entonces ambas estimaciones, de
forma lgica, son iguales, razn por la cual las medias de la poblacin tambin son iguales. Si la relacin es muy distinta de 1, entonces se concluye que las medias de las poblaciones no son iguales.
La distribucin F indica que la relacin es mucho mayor que 1 para
haber ocurrido por casualidad.
Para realizar la prueba, se debe determinar la variacin total, la variacin de tratamiento y la variacin aleatoria, denominada tambin
suma de cuadrado total, suma de cuadrados de los tratamientos y
suma de cuadrado de los errores.
Samuel Vergara Hernndez

129

Metodologa de la Investigacin Tributaria


Suma de cuadrado total (o variacin total) es la suma del
cuadrado de las diferencias entre cada observacin y la media global. Esto supone determinar, en primer lugar, la media global mediante la sumatoria de todos los valores individuales (rentabilidad
financiero fiscal) y su divisin por el nmero de observaciones (empresas):
(60 + 45 + 50 + 80 + 70 + 65 + 60 + 70 + 50)/9 = 61
Luego, a cada observacin se resta la media global y el resultado
se eleva al cuadrado:
(60 61)2 + (45 61)2 + (50 61)2 + (80 - 61)2 + (70 61)2 + (65
61)2 + (60 61)2 + (70 61)2 + (50 61)2 = 1039.
A continuacin, se separa la variacin total en sus dos componentes: la variacin de tratamiento y la variacin aleatoria. Para lo cual
se determina la media de cada uno de los tratamientos, es decir, la
rentabilidad financiero fiscal del tratamiento rgimen general, del
rgimen opcional y del rgimen simplificado:
RGIMEN GENERAL
60
45
50
Suma = 155
Media = 155/3 = 51,67

RGIMEN OPCIONAL
80
70
65
Suma = 215
Media = 215/3= 71,67

REGIMEN SIMPLIFICADO
60
70
50
Suma =180
Media =180/3=60

Suma del cuadrado de los tratamientos (o variacin de


tratamiento) es la suma del cuadrado de las diferencias entre la
media de cada tratamiento y la media global:
3(51,67-61)2 + 3(71,67-61)2 + 3(60-61)2 = 606.
Ntese que, si existe una considerable variacin entre las medias
de tratamiento, este trmino ser un valor grande; pero, si las medias del tratamiento son similares, este trmino tendr un valor pequeo, que puede llegar a ser cero, si todas las medias son iguales.
Samuel Vergara Hernndez

130

Metodologa de la Investigacin Tributaria


Suma del cuadrado del error (o variacin aleatoria) es la
suma del cuadrado de las diferencias entre cada observacin y la
media de tratamiento agrupada de todas las poblaciones.
La media de tratamiento se resta de cada observacin en dicho tratamiento, la diferencia se eleva al cuadrado y luego se suman. Esto
se hace para cada uno de los tratamientos, y los resultados se suman.
Para el tratamiento denominado rgimen general:(60-51.67)2 + (4551.67)2 + (50-51.67)2=116,67
Para el tratamiento denominado rgimen opcional:(80-71.67)2 + (7071.67)2 + (65-71.67)2=116,67
Para el tratamiento denominado rgimen simplificado:(60-60)2 +
(70-60)2 + (50-60)2= 200
Por lo tanto, la suma del cuadrado del error = 433
SCT = SCTR + SCE
1039 = 606 + 433
Ahora corresponde calcular los cuadrados medios, que se determina dividiendo la suma de los cuadrados por sus grados de libertad:
Cuadrado medio total: CMT = SCT/(n-1).
Cuadrado medio del tratamiento: CMTR = SCTR/(k-1).
Cuadrado medio del error: CME = SCE/(n-k)
Donde k = 3 medias muestrales.
CMT = 1039/(9-1) = 130
CMTR = 606/(3-1) = 303
CME = 433/(9-3) = 72
Samuel Vergara Hernndez

131

Metodologa de la Investigacin Tributaria

Estos cuadrados medios estn modelados a partir de la frmula de


la varianza:
s2 = [(Xi - )2]/n-1
Son sumas de los cuadrados divididas por sus grados de libertad, y
como tal son varianzas. Es as que la razn CMTR/CME se utiliza
como base del anlisis de varianza para probar la hiptesis respecto a la igualdad de las medias. Esta razn se ajusta a la distribucin
F, y se expresa:
F = CMTR/CME
En este caso, F = 303/72 = 4,2
Si la razn F se vuelve significativamente grande, porque CMTR
excede a CME por una cantidad grande, se reconoce que los efectos del tratamiento probablemente existen. Es probable que tratamientos diferentes tengan efectos diferentes en las medias de sus
poblaciones respectivas, y podra rechazarse la hiptesis nula 1 =
2 = 3
Para determinar el valor crtico, es necesario determinar los grados
de libertad en el numerador y en el denominador. As, por ejemplo,
en este caso, CMTR es el numerador y tiene 2 grados de libertad
(k-1 = 3-1); y CME es el denominador y tiene 6 grados de libertad
(n-k = 9-3).
Por eso, si el nivel de significancia es 0,05 y tiene 2 grados de libertad en el numerador y 6 en el denominador, entonces el valor crtico
de F es igual a 5,14.La regla de decisin es no rechazar la hiptesis nula si F 5,14; y
rechazar en caso contrario.
Ahora bien, como se calcul un valor F 4.2 < 5,14 entonces lo que
procede es no rechazar la hiptesis nula.
Samuel Vergara Hernndez

132

Metodologa de la Investigacin Tributaria


Segn el procedimiento de prueba de hiptesis, los pasos son los
siguientes:
Paso 1: Se establece la hiptesis nula de que las puntuaciones
medias son iguales para los tres regmenes tributarios; y la hiptesis
alternativa es que las puntuaciones medias no son iguales.
H0 = 1 = 2 = 3 = k
H1 = No todas las medias son iguales.
Paso 2: Se selecciona un nivel de significacin de 0,05
Paso 3: El estadstico de prueba es la distribucin F
Paso 4: La regla de decisin requiere calcular el valor crtico, el
cual es 5,14, segn el nivel de significacin (0,05), los grados de
libertad en el numerador (2) y los grados de libertad en el denominador (6).
As, la regla de decisin es rechazar la hiptesis nula si el calor calculado de F excede el valor crtico de 5,14.
Paso 5: Se selecciona la muestra, se realizan los clculos y se toma la decisin. Los clculos de la estadstica F se resumen en un
cuadro ANOVA:

Fuente
de Suma cua- Grados
variacin
drados
libertad
Tratamientos
SCTR
k-1
Error
SCE
n-k
Total
SCT
n-1

Fuente de va- Suma cuadrados


riacin
Tratamientos
SCTR = 606
Error
SCE = 433
Total
SCT = 1039

Samuel Vergara Hernndez

de Media cuadrtica
SCTR/(k-1)= MCT
SCE/(n-k)= MCE
SCT/(n-1)

Grados de liber- Media cuadrtad


tica
2
606/2 = 303
6
433/6 = 72
8

F
MCT
MCE

F
303
72

133

Metodologa de la Investigacin Tributaria

F = 303/72 = 4,2
Clculos necesarios para determinar el valor F:
Rgimen General
Rgimen Opcional
Rgimen Simplificado Total
60
3600
80
6400
60
3600
45
2025
70
4900
70
4900
50
2500
65
4225
50
2500
Tk
215
180
550
155
n
3
3
3
9
X2
8125
15525
11000
34650

SCT = X2 - [(X)2/n] = 34650 [5502/9] = 1039


SCTR = (Tk/nk) [(X2)/n] = (1552/3) + (2152/3) + (1802/3)
(5502/9) = 606
SCE = SCT SCTR = 1039 606 = 433
El valor calculado F = 4,2 es menor que el valor crtico 5,14, razn
por la cual no debe rechazarse la hiptesis.

Zona de no rechazo

= 0.05
4,2 5,14

Todos los clculos anteriores se pueden realizar, fcilmente, con


Excel, para lo cual, si ANOVA con factor nico no est instalado,
debe hacer lo siguiente: Abrir planilla de clculo 2007 -> Hacer clic
en cono de Office -> Opciones Excel -> Complementos -> Herramientas para anlisis -> ANOVA factor nico (ANOVA Single Factor) -> Input Range: A:C -> OK.
Resultado de Excel
Anova: Single Factor

Samuel Vergara Hernndez

134

Metodologa de la Investigacin Tributaria


SUMMARY
Groups

Count

Sum

Average

Variance

Column 1

155

51,6666667

58,3333333

Column 2

215

71,6666667

58,3333333

Column 3

180

60

100

Source of Variation

SS

Df

MS

P-value

F crit

Between Groups

605,555556

302,777778

4,19230769

0,07257031

5,14325285

Within Groups

433,333333

72,2222222

Total

1038,88889

ANOVA

8. PRUEBA CHI-CUADRADO
La prueba chi-cuadrado es una prueba no paramtrica, porque est
libre de supuestos acerca de la forma de distribucin de la poblacin.
Mediante la prueba chi-cuadrado se puede probar la bondad de
ajuste, la independencia de dos variables e hiptesis referentes a
proporciones.
El estadstico de prueba chi-cuadrado se denota por 2, y frmula es
la siguiente:

2 = [fo fe)2/fe]

Donde:
k = nmero de categoras.
fo = frecuencia observada en una categora determinada.
Samuel Vergara Hernndez

135

Metodologa de la Investigacin Tributaria


fe = frecuencia esperada en una categora determinada.
En otros trminos, chi-cuadrado es la sumatoria del cuadrado de la
diferencia entre la frecuencia observada y la frecuencia esperada
dividida por la frecuencia esperada.
El clculo se realiza del siguiente modo:
1) Se resta fe de la fo para cada uno de los valores de la tabla correspondiente;
2) Cada diferencia se eleva al cuadrado;
3) Se divide cada diferencia al cuadrado entre fe; y
4) Se suman todos los resultados.
La distribucin chi-cuadrado, que es usada como estadstico de
prueba, tiene las siguientes caractersticas:
Nunca es negativa;
Hay una familia de chi-cuadrado, para 1, 2, 3, etc., grados de libertad; y
La distribucin chi-cuadrado es positivamente sesgada; pero,
conforme el nmero de grados de libertad, se acerca a la distribucin normal, tal como se muestra en la figura siguiente:

gl = 1 gl = 3

gl = 10

Samuel Vergara Hernndez

136

Metodologa de la Investigacin Tributaria


Ntese que la prueba chi-cuadrado requiere que la frecuencia esperada sea 5 o ms.
8.1. Prueba de bondad de ajuste
La prueba de bondad de ajuste es una de las pruebas no paramtricas ms usadas, y se puede utilizar para datos de cualquier nivel,
aunque las pruebas no paramtricas, por lo comn, slo se usan
para datos de nivel nominal y ordinal.
El propsito de las pruebas de bondad de ajuste es ver qu tan bien
se ajusta un conjunto de datos observados a un conjunto de datos
esperados.
Ejemplo 1: Frecuencias igualmente esperadas
Supongamos que una empresa consultora vende 5 tipos de planes
tributarios a sus clientes y quiere saber si hay diferencia significativa
entre la frecuencia observada y la frecuencia esperada, es decir,
puede concluir que vende el mismo nmero de tipos de planes tributarios o debe concluir que no es as?
Tipo de plan tributario
Plan A
Plan B
Plan C
Plan D
Plan E
Total

Nmero de plan vendi- Nmero de plan esperados (fo)


do (fe)
45
40
35
40
34
40
48
40
38
40
200
200

La diferencia de venta que se observa se debe a la casualidad o


podemos concluir que hay preferencia por algn tipo de plan tributario.
El procedimiento de prueba de hiptesis es el mismo que hemos
utilizado en las pruebas anteriores, tal como se muestra a continuacin:
Paso 1: La hiptesis nula es que no hay diferencia entre el conjunto de frecuencias observadas y el conjunto de frecuencias esperaSamuel Vergara Hernndez

137

Metodologa de la Investigacin Tributaria


das. Por el contrario, la hiptesis alternativa es que s hay diferencias entre las frecuencias indicadas.
Paso 2: Se elige el nivel de significancia de 0,05 que es igual a la
probabilidad de cometer el error tipo I, es decir, que se rechace la
hiptesis nula verdadera.
Paso 3: Elegir el estadstico de prueba, que en este caso es chicuadrado, con k-1 grados de libertad.
Paso 4: Para adoptar la regla de decisin, hay que determinar el
valor crtico, segn el nivel de significancia y los grados de libertad,
valor crtico que separa la regin de rechazo de la de no rechazo.
El nmero de grados de libertad es k-1, donde k representa el nmero de categoras. Por eso, en este caso, hay 5 categoras, por lo
que los grados de libertad son 4 (5-1).
As, en la Tabla de valores chi-cuadrado (2), que se puede hallar en
cualquier libro de estadstica o en internet, el valor crtico para 4
grados de libertad y un nivel de significancia de 0,05 es de 9,488,
que es la interseccin entre la columna 0,05 del rea bajo la curva y
la lnea 4 de grados de libertad.
Por consiguiente, la regla de decisin es no rechazar la hiptesis
nula si el valor chi-cuadrado calculado es inferior al valor crtico de
9,488; y rechazar en caso contrario, aceptando la hiptesis alternativa.
Paso 5: Se realiza el clculo para determinar el valor de chicuadrado, segn los datos de la tabla precedente:

Planes tributarios
Plan A
Plan B
Plan C
Plan D
Plan E
2

fo
45
35
34
48
38

Samuel Vergara Hernndez

fe
40
40
40
40
40

(fo-fe)
5
-5
-6
8
-2

(fo-fe)2
25
25
36
64
4

(fo-fe)2/fe
25/40 = 0,625
25/40 = 0,625
36/40 = 0,9
64/40 = 1,6
4/40 = 0,2
3,95

138

Metodologa de la Investigacin Tributaria

En este caso, el valor chi-cuadrado calculado (3,95) es inferior al


valor crtico 9,488, razn por la cual no debe rechazarse la hiptesis
nula (H0) de que no hay diferencia significativa entre las frecuencias
observadas y las frecuencias esperadas.
Ejemplo 2: Frecuencias desigualmente esperadas
En un estudio nacional sobre fiscalizacin tributarias por rubro o giro
se determin el nmero de veces que fueron fiscalizados los contribuyentes que pertenecen a mismo giro o rubro, y se quiere comparar con el nmero de fiscalizaciones realizadas en una regin determinada del territorio nacional respecto de los mismos rubros.
A nivel nacional, el porcentaje de fiscalizaciones por rubro es el siguiente:

Rubros fiscalizados
Rubro A
Rubro B
Rubro C
Rubro D
Rubro E
Total

Nmero de fiscalizaciones
400
250
150
150
50
1.000

Tanto por ciento del total


40%
25%
15%
15%
5%
100%

A nivel regional, el nmero de fiscalizaciones tributarias es el siguiente:


Rubros fiscalizados
Rubro A
Rubro B
Rubro C
Rubro D
Rubro E
Total

Nmero de fiscalizaciones
42
24
12
14
8
100

Rubros
dos

fiscaliza- Nmero de fiscalizacio- Nmero esperado de fiscalizanes observadas a nivel cin a nivel regional
regional
fo
fe
Rubro A
42
40% x 100 = 40
Rubro B
24
25% x 100 = 25

Samuel Vergara Hernndez

139

Metodologa de la Investigacin Tributaria


Rubro C
Rubro D
Rubro E

12
14
8
100

15% x 100 = 15
15% x 100 = 15
5% x 100 = 5
100

La hiptesis nula y la hiptesis alternativa son:


H0 = No hay diferencia entre la experiencia nacional y la regional
H1 = S hay diferencia entre la experiencia nacional y la regional
Para determinar la regla de decisin, previamente hay que determinar el valor crtico, considerando un nivel de significacin de 0,01 y
k-1 = 5 1 = 4 grados de libertad. As, este valor crtico, segn la
Tabla de valores chi-cuadrado, es 13,277.
As, la regla de decisin es no rechazar la hiptesis nula si el valor
chi-cuadrado es inferior al valor crtico de 13,277; y rechazar en caso contrario.
Para calcular el estadstico de prueba, se realizan las siguientes
operaciones:
Rubros
Rubro A
Rubro B
Rubro C
Rubro D
Rubro E

fo
42
24
12
14
8

fe
40
25
15
15
5

fo-fe
2
-1
-3
-1
3
0

(fo-fe)2
4
1
9
1
9

(fo-fe)2/fe
4/40 = 0,1
1/25 = 0,04
9/15 = 0,6
1/15 = 0,067
9/5 = 1,8
2 = 2,607

Como el valor calculado de 2 = 2,607 se halla a la izquierda del valor crtico de 13,277, corresponde no rechazar la hiptesis nula de
que no hay diferencia entre la experiencia nacional y regional.
8.2. Prueba de independencia de dos variables
Las pruebas de independencia implican al menos dos variables categricas, y lo que se prueba es el supuesto de que las variables
son estadsticamente independientes.
La independencia supone que el conocimiento de la categora en la
que es clasificada una observacin respecto de una variable no tieSamuel Vergara Hernndez

140

Metodologa de la Investigacin Tributaria


ne efecto sobre la probabilidad de que la otra variable se encuentre
en una de varias categoras.
Cuando estn implicadas dos o ms variables, las frecuencias observadas se organizan en una tabla de doble clasificacin o tabla de
contingencias.
Las dimensiones de estas tablas estn definidas por r x k, donde r
indica el nmero de lneas y k el nmero de columnas.
Ejemplo:
Supongamos una tabla de contingencias sobre recaudacin tributaria, que tiene como variables sexo, las cuales presentan cada una
dos niveles de clasificacin o categoras, expresadas en millones de
pesos:
Edad
Menor de 30 aos
Mayor de 30 aos
Total

Sexo
Masculino
30
40
70

Sexo
Femenino
20
10
30

Total
50
50
100

Si la hiptesis nula de independencia es rechazada, ello indica que


las dos variables son dependientes y que existe una relacin entre
ellas (edad y sexo).

Dada la hiptesis de independencia de las dos variables indicadas,


la frecuencia esperada asociada con cada celda de la tabla de contingencia debe ser proporcional a las frecuencias observadas totales, incluidas en la columna y lnea en las que se ubica la celda en
relacin con el tamao de muestra total.
Donde fr es la frecuencia total de una lnea dada y fk la frecuencia
total de una columna dada, una frmula conveniente para determinar la frecuencia esperada para la celda de la tabla de contingencia
ubicada en esa lnea y columna es:
fe = frfk/n = (50 x 70)/100 = 35
Samuel Vergara Hernndez

141

Metodologa de la Investigacin Tributaria


La frmula general para los grados de libertad asociados con una
prueba de independencia es:
gl = (r-1)(k-1)
La tabla de frecuencias esperadas, para las frecuencias observadas
reportadas en la tabla anterior, se construye del siguiente modo.
Primero, se inserta el valor 35 calculado segn la frmula: fe = frfk/n.
Edad
Menor de 30 aos
Mayor de 30 aos
Total

Sexo
Masculino
35

Sexo
Femenino

70

30

Total
50
50
100

Luego, se completa la tabla con las tres frecuencias esperadas restantes por sustraccin de los totales de columnas y lneas, como
una alternativa al uso de la frmula: fe = frfk/n.
Edad
Menor de 30 aos
Mayor de 30 aos
Total

Sexo
Masculino
35
35
70

Sexo
Femenino
15
15
30

Total
50
50
100

La estadstica de prueba chi-cuadrado, para tablas de contingencia,


se calcula del mismo modo que la estadstica de prueba de bondad
de ajuste.
Las hiptesis nula y alternativa son:
H0: Sexo y edad de los contribuyentes son independientes.
H1: Sexo y edad son variables dependientes, pues existe una relacin entre ellas.
El valor crtico supone conocer: a) el nivel de significancia, que en
este caso lo fijamos en 0.01; y b) los grados de libertad, que en este
caso es:
Samuel Vergara Hernndez

142

Metodologa de la Investigacin Tributaria


(r-1)(k-1) = (2-1)(2-1) = 1.
Por lo tanto, segn la tabla, el valor crtico es 6,635, que corresponde a la interseccin de la columna 0,01 del rea bajo la curva y
la lnea 1 sobre grados de libertad.
2 = (fo fe)2/fe =(30-35)2/35 + (20-15)2/15 + (40-35)2/35 + (1015)2/15 = 4,76
Ahora bien, como el valor chi-cuadrado 4,76 se ubica a la izquierda
del valor crtico no se rechaza la hiptesis nula de que el sexo y la
edad de los contribuyentes son independientes.
8.3. Prueba de hiptesis referente a proporciones
Una consultora tributaria estima que una proporcin del 30% de sus
clientes participaran en un curso de planificacin tributaria empresarial. De una muestra aleatoria de 50 clientes, 10 manifiestan su
intencin de participar en el curso.
La hiptesis nula y la alternativa son:
H0: p = 0,3
H1: p 0,3
gl = k-1 = 2 -1 = 1
A continuacin mostramos una tabla con las frecuencias observadas y esperadas, segn los datos precedentes:

Nmero
observado
Nmero
esperado

Participa en curso
Si
10

No participa en curso
No
40

Total
50

15

35

50

El valor crtico, considerando 1 grado de libertad y un nivel de significacin de 0.05, segn la Tabla de valor chi-cuadrado, es 3,84.
El valor 2 calculado, segn la frmula, es 2,38
Samuel Vergara Hernndez

143

Metodologa de la Investigacin Tributaria


2 = (fo fe)2/fe = (10-15)2/15 + (40-35)2/35 = 2,38
El estadstico calculado (2,38) no excede el valor crtico de 3,84, razn por la cual la hiptesis nula no se rechaza al nivel de significancia del 0,05; y, en consecuencia, se concluye que la proporcin de
participantes es igual 0,3 (30%).
En Excel, el clculo del valor chi-cuadrado es el siguiente:
1
2
3
4

1
2
3
4

A
Prueba chi-cuadrado
Frecuencia observada
(fo)
Frecuencia
esperada
(fe)
Valor de 2

A
Prueba chi-cuadrado
Frecuencia observada
(fo)
Frecuencia
esperada
(fe)
Valor de 2

10

40

=(B2-B3)^2/B3

15

35

=(C2-C3)^2/C3
=SUM(E2+E3)

10

40

15

35

1,66666667
0,71428571
2,38095238

9. PRUEBA DE HIPTESIS MEDIANTE REGRESIN


9.1. Regresin lineal simple
A. Objetivos del anlisis
El objetivo del anlisis de regresin es estimar el valor de una variable aleatoria, llamada dependiente, a partir de una o ms variables independientes conocidas.
El anlisis de regresin es simple o mltiple segn el nmero de variables independientes involucradas. Si slo existe una variable independiente, el anlisis de regresin se llama simple; y, si existen
dos o ms variables independientes, el anlisis de regresin se llama mltiple.
Samuel Vergara Hernndez

144

Metodologa de la Investigacin Tributaria

Dicho con otras palabras, en el anlisis de regresin simple una variable independiente explica la variacin de la variable dependiente.
En cambio, en el anlisis de regresin mltiple, varias variables independientes explican la variacin de la variable dependiente.
B. Supuestos del anlisis de regresin
Los supuestos generales del anlisis de regresin son los siguientes:
1) La variable dependiente es una variable aleatoria;
2) Las variables independientes y dependientes estn relacionadas
linealmente;
3) Las varianzas de las distribuciones condicionales de la variable
dependiente, dado diferentes valores de la variable independiente;
4) Las distribuciones condicionales de la variable dependiente, dado diferentes valores de la variable independiente, siguen una distribucin normal en las poblaciones de valores; y
5) Los valores observados de la variable dependiente son independientes entre s.
C. Diagrama de dispersin
Un diagrama de dispersin es una grfica en la que cada punto trazado representa un par de valores observados de las variables independiente y dependiente.
El valor de la variable independiente (X) se ubica en el eje horizontal del plano de coordenadas cartesianas; y el valor de la variable
dependiente (Y) se ubica en el eje vertical del mencionado plano.
El anlisis de regresin supone relaciones lineales; pero cuando la
forma de la relacin es curvilnea podra transformarse en lineal
A continuacin, mostramos algunas de las formas que puede adoptar la relacin lineal:
Samuel Vergara Hernndez

145

Metodologa de la Investigacin Tributaria

a) Relacin lineal directa

Samuel Vergara Hernndez

146

Metodologa de la Investigacin Tributaria

b) Relacin lineal inversa


Samuel Vergara Hernndez

147

Metodologa de la Investigacin Tributaria

D. Coeficiente de correlacin
Samuel Vergara Hernndez

148

Metodologa de la Investigacin Tributaria


El coeficiente de correlacin es una medida de la magnitud de la
relacin lineal entre dos variables, y para determinar el valor numrico del coeficiente de correlacin se usa la siguiente frmula:
r = n(XY) (X)(Y)
[n(X2)-(X)2][n(Y2)-( Y)2]
Donde:
n = nmero de pares de observaciones
X = suma de las variables X
Y = suma de las variables Y
(X2) = suma de los cuadrados de la variable X
(Y2) = suma de los cuadrados de la variable Y
(X)2 = suma de las variables X elevada al cuadrado
(Y)2 = suma de las variables Y elevada al cuadrado
XY = suma de los productos de X y Y.
Por ejemplo, la relacin entre los gastos por concepto de servicios
de planificacin tributaria y la rentabilidad financiero fiscal, expresada en millones de pesos:
Empresas
Empresa A
Empresa B
Empresa C
Empresa D
Empresa E
Empresa F
Total

Gastos
(X)
20
40
20
30
10
15
135

Rentabilidad
(Y)
30
60
40
60
30
40
260

X2
400
1600
400
900
100
225
3625

Y2
900
3600
1600
3600
900
1600
12200

XY
600
2400
800
1800
300
600
6500

r = n(XY) (X)(Y)
[n(X2)-(X)2][n(Y2)-( Y)2]

r = 6(6500) (135)(260)
[6(3625)-(135)2][6(12200)-(260)2]
Samuel Vergara Hernndez

149

Metodologa de la Investigacin Tributaria

r = 3900/4443 = 0,87779082
En Excel, se sigue el siguiente procedimiento:
Se abre una planilla de clculo y en ella escribe (o importa) la columna (X), desde A1:A6, y la columna (Y), desde B1:B6;
Se oprime la techa fx, y en el cuadro de dilogo se escribe coeficiente de correlacin y se aprieta IR -> aparece
COEF.DE.CORREL
En el cuadro de COEFICIENTE DE CORRELACIN, en matriz X
se escribe A1:A6; y en la matriz Y B1:B6.
Se hace clic en aceptar y aparece el siguiente resultado:
0,87779082
E. Coeficiente de determinacin
El coeficiente de determinacin es la proporcin de la variacin total
de la variable dependiente Y que se explica por la variacin en la
variable independiente X.
Este coeficiente se calcula elevando al cuadrado el coeficiente de
correlacin:
r2 = 0,882 = 0,7744
F. Prueba de la significacin del coeficiente de correlacin
Segn el coeficiente de correlacin 0,88, existe una fuerte correlacin entre el gasto y la rentabilidad. Sin embargo, como la muestra
fue de 6 pares, podra ser que correlacin en la poblacin fuera cero, esto es, que la correlacin 0,88 se deba a la casualidad.

Para resolver este problema, se requiere de una prueba que se denomina prueba t para el coeficiente de correlacin.
Samuel Vergara Hernndez

150

Metodologa de la Investigacin Tributaria


La frmula para t es la siguiente:

t = [(rn-2)/(1-r2)
La hiptesis nula es: la correlacin de la poblacin es cero; y
La hiptesis alternativa es: La correlacin en la poblacin es distinta
de cero.
As, para un nivel de significacin de 0,05 y cuatro grados de libertad, el valor crtico, segn la Tabla de valores t, es 2,776, razn por
la cual la regla de decisin establece que, si el valor de t que se calcule est entre ms 2,776 y menos 2,776 la hiptesis nula no se rechaza.
El valor t calculado, segn la frmula, es 3,7
t = [(0.886-2)/(1-0.882) = 3,7
En consecuencia, como el valor t = 3,7 calculado cae fuera del rea
de rechazo (entre -2,776 y +2,776), es procedente que se rechace
la hiptesis nula, debiendo concluirse que la correlacin en la poblacin es distinta de cero.
G. Determinacin del modelo de regresin lineal simple
La ecuacin de la recta de regresin lineal simple es:

Y = b0 + b1X

Donde:
b0 = interseccin con el eje de las Y
Samuel Vergara Hernndez

151

Metodologa de la Investigacin Tributaria


b1 = pendiente de la recta.
Por ejemplo, si Y = 5 + 2X
b1 = variacin vertical/variacin horizontal = 2/1 = 2
8
7
6
5
4
3
2
1
0

Cambio vertical = cambio 2


Cambio horizontal = cambio 1

1 2 3 4 5

H. Mtodo de mnimos cuadrados ordinarios


La ecuacin de regresin lineal simple define la relacin entre dos
variables:
Yi = 0 + 1Xi + i
Donde:
Yi = valor de la variable dependiente en el isimo ensayo u observacin
0 = primer parmetro de la ecuacin de regresin, el cual indica el
valor de Y cuando X = 0
1 = segundo parmetro de la ecuacin de regresin, el cual indica
la pendiente de la lnea de regresin
X = el valor especificado de la variable independiente en el isimo
ensayo u observacin
i = error de muestreo aleatorio en el isimo ensayo u observacin
( es la letra griega psilon)
Samuel Vergara Hernndez

152

Metodologa de la Investigacin Tributaria


Los valores de los parmetros 0 + 1 del modelo de regresin lineal
se estiman con los valores de b0 y b1, los que se basan en los datos
muestrales.
De acuerdo con el mtodo de los mnimos cuadrados ordinarios, la
lnea de regresin del mejor ajuste (y la mejor ecuacin) es aquella
que reduce al mnimo la suma de las desviaciones cuadradas entre
los valores estimado y real de la variable dependiente para los datos muestrales.
Dicho con otras palabras, el principio o mtodo de mnimos cuadrados ordinarios determina una ecuacin de regresin minimizando la
suma de los cuadrados de la distancia vertical entre el valor real de
Y y el predicho de Y.
Las frmulas de clculo por las cuales pueden determinarse los valores de b0 y de b1 son:

b1 = n(XY) (X)(Y)
n(X2) (X)2

b0 = Y - b1X
n
n

Tomando los datos de los gastos en planificacin tributaria y la rentabilidad financiero fiscal, determinamos b1 y b0.

Empresas
Empresa A

Gastos
(X)
20

Rentabilidad
(Y)
30

Samuel Vergara Hernndez

X2
400

Y2
900

XY
600

153

Metodologa de la Investigacin Tributaria


Empresa B
Empresa C
Empresa D
Empresa E
Empresa F
Total

40
20
30
10
15
135

60
40
60
30
40
260

1600
400
900
100
225
3.625

3600
1600
3600
900
1600
12.200

2400
800
1800
300
600
6.500

= 135/6 = 22.5
= 260/6 = 43.33
b1 = n(XY) (X)(Y) = 6(6500) (135)(260) = 3900 =
1,106382979
n(X2) (X)2
6(3625) (135)2
3525
b0 = Y - b1X = 260 - 1.106382979 (135)
n
n
6
6
b0 = 43.33 24.89361703 = 18,4397163
CLCULOS EN EXCEL:
Los clculos anteriores se pueden realizar, fcilmente, en Excel,
segn el siguiente procedimiento:
Se hace clic en DATOS (se supone que se ha instalado HERRAMIENTAS -> COMPLEMENTOS).
Luego, en Data Analysis -> Regression.
En el cuadro de Regression, en Input Y Range se inserta la columna Y, por ejemplo: =B1:B6; y en Input X Range se inserta la
columa de las X, por ejemplo: =A1:A6.
En nivel de confianza, se elige 95% (nivel de significancia 0,05).
Por ltimo, se hace clic en OK.

Regression Statistics
Multiple R
0,87779082
R Square
0,77051672
Adjusted R
0,7131459

Samuel Vergara Hernndez

154

Metodologa de la Investigacin Tributaria


Square
Standard Error

7,31752002

Observations

ANOVA
Df

SS

MS

Regression

719,148936

719,148936 13,4304636

Residual

214,184397

53,5460993

Total

933,333333

Coefficients

Standard Error

t Stat

P-value

Intercept

18,4397163

7,42058876

2,48493979 0,06785104

X Variable 1

1,10638298

0,30189782

3,66475969 0,02149002

I. Dibujo de la lnea de regresin


La ecuacin de mnimos cuadrados
Y = 18,4397163 + 1,10638298X,
se puede dibujar en un diagrama de dispersin, tal como se muestra en la figura siguiente.
As, si el gasto en planificacin tributaria es 20, el nmero de estimado de rentabilidad financiero fiscal es Y = 18,4397163 +
1,10638298 (20) = 40,5673759. El punto X=20 y Y= 40,5673759, se
localiza movindose por el eje X hasta 20 y despus yendo verticalmente hasta 40,5673759.
Los dems puntos de la regresin se pueden determinar mediante
la sustitucin del valor particular de X en la ecuacin de regresin.
Samuel Vergara Hernndez

155

Metodologa de la Investigacin Tributaria

J. Error estndar de la estimacin


Si se observa el diagrama anterior, es posible constatar que no todos los puntos estn en la lnea de regresin.
Si todos los puntos estuvieran en la lnea de regresin y si el nmero de observaciones fuera lo suficientemente grande, no habra ningn error de estimacin en el nmero de la rentabilidad financiero
fiscal.
Dicho con otras palabras, si todos los puntos estuvieran en la lnea
de regresin, la rentabilidad financiero fiscal se podra predecir con
exactitud de 100%. No habra ningn error en predecir la variable Y
con base en los datos de la variable X.
En economa y negocios, las predicciones perfectas son prcticamente imposibles, razn por la cual se requiere de una medida que
describa qu tan precisa es la prediccin de Y con base en X. Esta
medida se llama error estndar de estimacin.
El error estndar de estimacin es una medida de la dispersin de los valores observados alrededor de la lnea de regresin, y
se encuentra mediante la siguiente ecuacin:

Samuel Vergara Hernndez

156

Metodologa de la Investigacin Tributaria


sy . x = [(Y-Y)2/(n-2)]
Empresas

Empresa A
Empresa B
Empresa C
Empresa D
Empresa E
Empresa F

Rentabilidad Rentabilidad
real
estimada
(Y)
30
60
40
60
30
40

(Y)
40,5673759
62,6950355
40,5673759
51,6312057
29,5035461
35,035461

Desviacin

Desviacin al cuadrado

(Y-Y)
-10,5673759
-2,6950355
-0,5673759
8,3687943
0,4964539
4,964539
0

(Y-Y)2
111,669433
7,26321635
0,32191541
70,036718
0,24646647
24,6466475
214,184397

sy . x = 214,184397/(6-2)] = 53,54609925 = 7,3175


Las desviaciones (Y-Y)2 son las desviaciones verticales de la lnea
de regresin. Las desviaciones positivas, arriba de la lnea de regresin, se compensan con las desviaciones negativas (debajo de
la lnea de regresin).
Ante la complejidad de la frmula para calcular el error estndar de
la regresin, se puede usar como alternativa la siguiente frmula,
que es ms fcil de desarrollar:
sy . x = [Y2 b0(Y) b1(XY)]/(n-2) = 7,3175
Donde:
Y2 = 12.200
b0 = 18,4397163
Y = 260
b1 = 1,10638298
XY = 6.500
n=6
sy.x=[12.20018,4397163(260)1,10638298(6.500)]/(6-2)
7,317519935

Samuel Vergara Hernndez

157

Metodologa de la Investigacin Tributaria


K. Relacin entre el coeficiente de correlacin, el coeficiente de determinacin y el error estndar de la
estimacin
El error estndar de la estimacin mide qu tan cerca estn los valores reales de la lnea de regresin. Si el error estndar es pequeo, esto indica que las dos variables estn estrechamente relacionadas.
En el clculo de error estndar, el trmino clave es (Y-Y). Si el valor de este trmino es pequeo, entonces el error estndar tambin
es pequeo.
El coeficiente de correlacin mide la magnitud de la relacin entre
dos variables. Si los puntos en el diagrama de dispersin estn cerca de la lnea, entonces el coeficiente de correlacin tiende a ser
grande. El error estndar de la estimacin y el coeficiente de correlacin dan la misma informacin; pero usan escalas diferentes para
indicar la magnitud de la relacin.
El cuadrado del coeficiente de correlacin es el coeficiente de determinacin. El coeficiente de determinacin mide el porcentaje de
la variacin en Y que es explicable por la variacin en X.
Un medio conveniente para explicar entre estas tres mediciones es
un cuadro de ANOVA. La variacin total (Y-Y) se divide en dos
componentes:
1) El explicado por la regresin, dado por la variable independiente;
y
2) El error o variacin no explicada.
La segunda columna indica los grados de libertad asociados con
cada categora. El nmero de grados de libertad es n-1. El nmero
de grados de libertad en la regresin es 1, ya que slo hay una variable independiente. El nmero de grados de libertad asociado con
el trmino de error es n-2. El trmino SC se refiere a la mitad de los
cuadrados. Los trminos se calculan como sigue:
Samuel Vergara Hernndez

158

Metodologa de la Investigacin Tributaria


El formato para cuadro de ANOVA es:
Fuente
Regresin
Error
Total

Gl
1
n-2
n-1

SC
SCR
SCE
SCT=SCR+SCE

MC
SCR/1
SCE/2

Regresin
= SCR = (Y-)2
Variacin del error = SCE = (Y-Y)2
Variacin total
= SC = (Y-)2

Regression
Residual
Total

Df (gl)
1
4
5

SS(SC)
719,148936
214,184397
933,333333

MS(MC)
719,148936
53,5460993

F
13,4304636

El coeficiente de determinacin se puede obtener directamente del


cuadro de ANOVA:
r2 = SCR/SCT = 1-(SCE/SCT)
El trmino SCR/SCT es la proporcin de la variacin en Y explicada por la variable independiente X.
Ntese que conforme SCE disminuye, r2 aumenta.
El error estndar de la estimacin tambin se puede obtener del
cuadro ANOVA, mediante la siguiente frmula:
sy . x = [(SCE/(n-2)]
9.2. Regresin mltiple
A. Introduccin
En la ecuacin de regresin lineal con una sola variable independiente tiene la forma de Y = b0 + b1X; pero en el caso de la regresin mltiple la ecuacin incluye varias variables independientes y
la forma general de la ecuacin con k variables independientes es la
siguiente:
Samuel Vergara Hernndez

159

Metodologa de la Investigacin Tributaria


Y =0 + 1X + 2X + kXk +
Y el modelo de regresin mltiple estimado es:
Y = b0 + b1X1 + b2X2 + bkXk
Donde:
X1, X2 = variables independientes
b0 = punto de interseccin con el eje Y
b1 = cambio en Y por cada cambio de una unidad en X1, permaneciendo las dems variables independientes sin cambio. Se le llama
coeficiente de regresin parcial, coeficiente de regresin neto o
simplemente coeficiente de regresin.
b2 = cambio neto en Y por cada cambio de una unidad en X2, permaneciendo las dems variables independientes sin cambio. Tambin se llama coeficiente de regresin parcial o simplemente coeficiente de regresin.
bk = Idem.
= error de muestreo aleatorio.
B. Modelo de regresin estimado
En el modelo de regresin estimado, Y es el valor estimado de la
variable dependiente y bi son los estimados para los coeficientes
poblacionales i.
La regresin mltiple implica los mismos supuestos que la regresin
simple ms otros, a saber:

Se requiere que el nmero de observaciones (n) exceda el nmero de variables independientes en por lo menos 2.

Samuel Vergara Hernndez

160

Metodologa de la Investigacin Tributaria


En la regresin mltiple hay k+1 parmetros por estimar, que son
los coeficientes para las variables independientes ms el trmino
del intercepto (interseccin). Por lo tanto, los grados de libertad
(gl) relacionados con el modelo son gl = n-(k+1) = n-k-1

Se requiere que las variables independientes no estn relacionadas entre s. Si dos o ms variables independientes estn relacionadas, a este problema se llama multicolinealidad.

La multicolinealidad existe si dos o ms variables independientes estn relacionadas linealmente. La multicolinealidad puede hacer que los signos algebraicos de los coeficientes sean opuestos a
lo que la lgica puede indicar, mientras incrementan el error estndar de los coeficientes.
Para hallar los valores de b0, b1, b2 y bk, se hacen estimaciones de
los coeficientes que minimizan la suma de los errores al cuadrado:
(Y-)2. Esto proporcionar el modelo de mnimos cuadrados que
se ajuste mejor a los datos observados.
Por ejemplo, la rentabilidad financiero fiscal est directamente relacionada con el gasto en servicios de planificacin tributaria (X1) e
inversamente relacionada con los costos de ventas de la empresa
(X2), y los datos son los siguientes (expresados en millones de pesos):
Empresas

Empresa A
Empresa B
Empresa C
Empresa D
Empresa E
Empresa F
Total

Gastos de planificacin
(X1)
20
40
20
30
10
15
135

Costos de Venta
(X2)
60
30
20
30
15
20
175

Rentabilidad financiero
fiscal
(Y)
30
60
40
60
30
40
260

La ecuacin de regresin mltiple, segn el resultado de Excel, es


la siguiente:
Y = 24,6679019 + 1,21351197X1 -0,29618016X2
Samuel Vergara Hernndez

161

Metodologa de la Investigacin Tributaria


El valor 24,6679019 indica que el plano de regresin intersecta al
eje Y en 24,6679019 cuando X1 y X2 son cero.
El valor 1,21351197 indica que, por cada unidad (milln de pesos)
de aumento en servicios de planificacin tributaria, la rentabilidad
financiero fiscal aumenta en 1,21351197 unidades, permaneciendo
las dems variables independientes constantes.
El valor de -0,29618016 indica que, por cada aumento de una unidad (milln de pesos) en los costos de ventas, la empresa ve reducida su rentabilidad financiero fiscal en 2/10 de milln de pesos,
permaneciendo las dems variables independientes constantes.
A continuacin se muestra el resultado de Excel respecto del ejemplo precedente:
REGRESIN:
Multiple R
R Square
Adjusted R Square
Standar error
Observations

0,94203814
0,88743586
0,8123931
5,917766
6

ANOVA:
Regression
Residual
Total

Df
2
3
5

SS
828,27347
105,059863
933,333333

MS
414,136735
35,0199544

F
11,825736

COEFICIENTES:
Intercept
X
Variable 1
X
Variable 2

Coefficients
24,6679019
1,21351197

Standar Error
6,96145866
0,25157798

t Stat
3,54349615
4,82360171

p-value
0,03826798
0,01697982

-0,29618016

0,16778478

-1,76523859

0,17570637

Nota: Ms adelante explicaremos cmo realizar una regresin mltiple y cul es la interpretacin de los resultados que arroja el programa.

Samuel Vergara Hernndez

162

Metodologa de la Investigacin Tributaria


C. Evaluacin del modelo
Despus de haber estimado el modelo, es necesario evaluarlo para
determinar si proporciona un ajuste y explicacin satisfactorios para
los datos que se ha recolectado. Las varias pruebas que se pueden
utilizar para estos efectos son muy similares a las del modelo de regresin simple. Sin embargo, se podr nfasis en los fundamentos
que se hallan tras esas pruebas, ya que los clculos se hacen a travs de un programa computacional. Nosotros hemos elegido Excel
en razn de que cualquier persona puede acceder fcilmente a dicho programa. Por eso, lo clculos matemticos y frmulas necesarios se presentan slo para demostrar conceptualmente para qu
est diseada la prueba.
D. Error estndar de la estimacin
Al igual que en la regresin simple, el error estndar de la estimacin se puede utilizar como medida de bondad del ajuste, y mide los
grados de dispersin de los valores Yi alrededor del plano de regresin. Mientras menor es la dispersin, ms pequeo ser el error
estndar de la estimacin y ms preciso ser el modelo en su prediccin y pronstico.
El error estndar de estimacin se calcula mediante la siguiente
frmula:
Se = [(Yi Y)2/(n-k-1)]
En donde, n-k-1 es el nmero de grados de libertad y k es el nmero de variables independientes (a la derecha). El numerador bajo el
radical de la frmula es la suma de los errores elevada al cuadrado
y se minimizar de acuerdo con el mtodo de los mnimos cuadrados ordinarios.
En nuestro ejemplo, Se = 5,917766
Al igual que en la regresin simple, en la regresin mltiple se puede usar el error estndar de la estimacin (o error estndar de la
regresin) y la distribucin t, para formar un intervalo de confianza
alrededor del valor estimado de Y.
Samuel Vergara Hernndez

163

Metodologa de la Investigacin Tributaria


Por ejemplo, en el problema de estimacin de la rentabilidad financiero fiscal, si X1 = 20.000.000 y X2 = 30.000.000, entonces Y =
24,6679019 + 1,21351197(20.000.000) - 0,29618016(30.000.000) =
$ 15.384.859, como estimacin de la rentabilidad financiero fiscal.
Si deseamos construir un intervalo de confianza del 95% alrededor
de la estimacin de $ 15.384.859, miramos en la Tabla de los valores t, en la interseccin de la columna del 5% (0,05) y el rengln 3
(correspondiente a n-k-1 = 6-2-1 = 3 grados de libertad), y encontramos que el valor de t = 3,182. En consecuencia, podemos calcular los lmites de nuestro intervalo de confianza del siguiente modo,
teniendo presente que el error estndar se expresa en la misma
unidad que la variable dependiente (en este caso, en millones de
pesos):
Y + t(Se) = 15.384.859 + 3,182(5,917766 x 1.000.000) =
34.215.190
Y - t(Se) = 15.384.859 - 3,182(5,917766 x 1.000.000) = -3.445.472
E. Coeficiente de determinacin mltiple
Al igual que con la regresin simple, el coeficiente de determinacin
mltiple se utiliza como una medida de bondad de ajuste, y mide la
fuerza de la relacin entre la variable Y y las variables independientes X
El coeficiente de determinacin se denota por R2 y la frmula para
calcularlo es la siguiente:
R2 = SCR/SCT
Donde:
SCR = Suma de los cuadrados de la regresin; y
SCT = Suma de cuadrados total.
Como SCT = SCR + SCE, entonces R2 tambin se puede calcular
por la siguiente frmula:

Samuel Vergara Hernndez

164

Metodologa de la Investigacin Tributaria


R2 = 1- (SCE/SCT)
F. Coeficiente de determinacin corregido
El estadstico R2 es quizs el ms utilizado; pero, como es posible
inflarlo artificialmente mediante la agregacin de otras variables independientes, aunque la variable sea absurda (no tenga poder explicativo), se usa el coeficiente de determinacin mltiple corregido,
cuya frmula es la siguiente:
R2 = 1- SCE/(n-k-1)
SCT/(n-1)
O bien:
R2 = 1 (1-R2) n - 1
n-k-1
G. Evaluacin del modelo como un todo
El modelo de regresin lineal mltiple se puede evaluar mediante un
procedimiento estadstico denominado ANOVA (Anlisis de Varianza).
El procedimiento ANOVA prueba si alguna de las variables independientes tiene alguna relacin con la variable dependiente.
Si una variable independiente no est relacionada con la variable
dependiente Y, entonces su coeficiente debera ser cero. Dicho con
otras palabras, si X no est relacionada con Y, entonces i = 0.
El procedimiento ANOVA prueba la hiptesis nula de que todos los
valores son cero, contra la hiptesis alternativa de que a lo menos
un valor no es cero.
H0: 1 = 2 = 3 = k = 0
H1: Al menos un no es cero.
Samuel Vergara Hernndez

165

Metodologa de la Investigacin Tributaria


Si no se rechaza la hiptesis nula, entonces no hay relacin lineal
entre cualquiera de las variables independientes X y la variable dependiente Y.
Por el contrario, si la hiptesis nula se rechaza, entonces por lo menos una variable independiente est relacionada linealmente con Y.
El cuadro ANOVA necesario para probar la hiptesis nula utiliza la
prueba F:
Fuente de varia- Grados de Suma
cin
libertad
dos
Entre muestras
K
(tratamiento)
Dentro de las
n-k-1
muestras (error)
Variacin total
n-1

de cuadra- Cuadrado medio

Valor F

SCR

SCR/k

F=CMR
CME

SCE

SCE/(n-k-1)

SCT

SCT = (Y - )2
SCR = (Y - )2
SCE = (Y Y)2
En el plano de coordenadas cartesianas, los valores indicados se
pueden presentar del siguiente modo:
Y
Valor observado de Y
Desviacin no explicada de Y
Desviacin total de Y
Desviacin explicada de Y
Valor estimado de Y a partir de la regresin (Y)
X
En nuestro ejemplo, segn Excel, el cuadro de ANOVA es el siguiente:

Samuel Vergara Hernndez

166

Metodologa de la Investigacin Tributaria


Fuente de varia- Grados
cin
libertad
Entre muestras
2
Dentro muestras
3
Variacin total
5

de Suma de cuadrados
828,27347
105,059863
933,333333

Cuadrado me- Valor F


dio
444,136735
11,825736
35,0199544

Para realizar la prueba, hay que tener en cuenta que la razn


F=11,825736 [CMR/CME = 444,136735/35,0199544], los grados de
libertad en el numerador y denominador son 2 y 3, respectivamente,
y al nivel de significancia del 0,05, el valor crtico es 9,55.
La regla de decisin es no rechazar la hiptesis nula, al nivel de
significancia del 5%, si F 9,55; y rechazar en caso contrario.
Por lo tanto, como F = 11,825736 > 9.55, se debe rechazar la hiptesis nula y aceptar, en consecuencia, la hiptesis alternativa: H1: Al
menos un no es cero.
As, se puede concluir que, al nivel de significancia del 5%, existe
una relacin lineal Y y por lo menos una de las variables independientes Xi.
ANOVA:
Regression

df
2

SS
828,27347

MS
414,136735

Residual

105,059863

35,0199544

Total

933,333333

F
11,825736

H. Pruebas individuales para los coeficientes de regresin parcial


Las pruebas individuales consisten en probar cada coeficiente individualmente, para determinar cul es significante.
El proceso es idntico a la regresin lineal simple:
H0: 1 = 0
H1: 1 0

Samuel Vergara Hernndez

167

Metodologa de la Investigacin Tributaria


En donde 1 es el coeficiente de regresin poblacional, por ejemplo
gastos de planificacin tributaria. No rechazar la hiptesis nula significa que los gastos en servicios de planificacin tributaria no contribuyen con el poder explicativo del modelo, dado que los costos de
ventas ya estn incluidos.
Se utiliza la prueba t con n-k-1 grados de libertad.
t = b1 - 1
Sb1
En donde Sb1 es el error estndar del coeficiente de regresin. Este
estadstico, como la mayora de los estadsticos relacionados con la
regresin mltiple, es difcil de calcular manualmente, razn por la
cual se requiere de programas computaciones, entre los cuales se
halla Excel, que hemos preferido por su fcil acceso.
t = (1,21351197 0)/0,25157798 = 4,82360171
COEFICIENTES:
Intercept
X
Variable 1
X
Variable 2

Coefficients
24,6679019

Standard Error
6,96145866

t Stat
3,54349615

P-value
0,03826798

1,21351197

0,25157798

4,82360171

0,01697982

-0,29618016

0,16778478

-1,76523859

0,17570637

Si se selecciona un valor alfa =0,01 con 3 grados de libertad (6-21), el valor crtico de t = 5,841, entonces la regla de decisin es:
No rechazar la hiptesis nula si t est entre 5,841. De lo contrario
rechazar.
Por lo tanto, como t calculado (4,82360171) es menor al valor t terico (5,841), no hay que rechazar la hiptesis nula, es decir, los gastos de planificacin tributaria no contribuyen significativamente al
poder explicativo del modelo de regresin lineal mltiple. Esto se
confirma mediante el valor p=0,01697982, que es mayor que el valor =0,01. Dicho con otras palabras, el valor alfa es menor que el
valor p.
Samuel Vergara Hernndez

168

Metodologa de la Investigacin Tributaria


La misma prueba de significancia se realiza con la variable explicativa costos de venta.
I. Ejercicio con caso de auditora tributaria
Para demostrar cmo podemos utilizar Excel para estimar los coeficientes de regresin mltiple, supongamos que el Servicio de Impuestos Internos desea determinar los impuestos no pagados, esto
la evasin tributaria.
La variable dependiente es la evasin tributaria (expresada en millones de pesos); y las variables independientes son:

Las horas de auditora de campo (expresadas en cientos);

Las horas en computador (expresadas en cientos); e

Incentivos a los fiscalizadores (expresados en millones de pesos).

Los datos supuestos son los que se indican a continuacin:


Mes

Enero
Febrero
Marzo
Abril
Mayo
Junio
Julio
Agosto
Sept
Oct
Nov
Dic

Horas
auditora
campo
(millones $)

Horas
computadora
(millones $)

Incentivo
fiscalizadores
(millones $)

Evasin
tributaria
descubierta
(millones $)

X1
90
84
88
90
86
92
88
90
88
86
88
86

X2
32
28
30
26
26
28
32
32
30
30
28
32

X3
4
2
4
2
4
4
6
4
4
4
4
6

Y
290
240
270
250
260
280
300
280
280
270
260
270

Samuel Vergara Hernndez

169

Metodologa de la Investigacin Tributaria


Resultado Excel:
Una vez que se introducen los datos y se eligen las variables dependientes e independientes, Excel calcula los coeficientes de regresin y varios estadsticos asociados con la ecuacin de regresin:
Regresin:
Multiple R = Coeficiente de correlacin
R Square = R2 = Coeficiente de determinacin
Adjusted R Square = R2 Ajustados
Standard Error = Error estndar o tpico
Observations = Observaciones

0,9124053
0,83248343
0,76966471
8,04600371
12

Anova:

Regression
Residual
Total

df gl

SS = SC

MS = MC

3
8
11

2573,76126
517,905405
3091,66667

857,92042
64,7381757

13,2521563

Significance
F
0,00180316

Coeficientes:

Intercept
X1
X2
X3

Coefficients
-135,551802
3,36711712
2,86036036
6,42454955

Standard
Error
98,4871461
1,08002482
1,42873854
2,68991777

t Stat
-1,37634003
3,11762938
2,00201805
2,3883814

P-value
0,20600802
0,01427977
0,08026489
0,04396676

a) Ecuacin de regresin
La ecuacin de regresin es:
Y = b0 + b1X1 + b2X2 + b3X3
Y = -135,551802 + 3,36711712X1 + 2,86036036X2 + 6,42454955X3
Samuel Vergara Hernndez

170

Metodologa de la Investigacin Tributaria


Segn la ecuacin de regresin, si se mantiene constante el nmero de horas de auditora de campo (X1) y el nmero de horas de
computadora (X2) y se cambian los incentivos a los fiscalizadores
(X3), entonces el valor de Y aumentar en 6.424.549 de pesos por
cada 1.000.000 de pesos pagados a los fiscalizadores como incentivo. De igual manera, al mantener constante X1 y X3, por cada milln de pesos en pagos por concepto de horas adicionales de
computadora, Y aumentar en 2.860.360 de pesos. Por ltimo, si
se dejan constante X2 y X3, se estima que, por cada milln de pesos
de pagos por concepto de auditora de campo, se descubrirn impuestos no pagados por valor de 6.424.549 pesos.
b) Error estndar de la estimacin de la ecuacin de
regresin mltiple
Para medir la dispersin de los datos alrededor del plano de regresin mltiple, debemos utilizar la medida conocida como error estndar de la estimacin:
Se = [(Y Y)2/(n-k-1)]
Donde:
Y = valores muestrales de la variable dependiente
Y= valores estimados con la ecuacin de regresin
n = nmero de observaciones de la muestra
k = nmero de variables independientes
En este caso, el error estndar de la estimacin es igual a
8,04600371.
c) Intervalo de confianza
Se puede usar el error estndar de la estimacin y la distribucin t
para formar un intervalo de confianza alrededor de nuestro valor estimado Y.
Samuel Vergara Hernndez

171

Metodologa de la Investigacin Tributaria


Por ejemplo, si b1 = $ 90.000.000 (horas de trabajo en auditora de
campo), b2 = $ 30.000.000 (horas en computadora) y $ 4.000.000
(incentivos a fiscalizadores, entonces:
Y = -135,551802 + 3,36711712 (90.000.000) + 2,86036036
(30.000.000) + 6,42454955 (4.000.000) = 414.549.414.
Ahora bien, para determinar dichos lmites, hay que conocer el valor
t y el error estndar de la estimacin. El error estndar de la estimacin es 8,04600371 (se expresa en unidades de la variable dependiente, esto es, millones de pesos). Por su parte, para conocer el
valor t, al nivel de significancia del 5% y con 8 grados de libertad
(12-3-1), el valor t = 2,306.
Los lmites del intervalo de confianza son:
Lmite superior = Y+ t(se) = 414.549.414 + 2,306(8.046.004) =
433.103.499
Lmite inferior= Y - t(se) = 414.549.414 - 2,306(8.046.004) =
395.995.329
En consecuencia, con un lmite de confianza de 95%, se puede estar seguro de que la evasin tributaria descubierta estar comprendida en el intervalo de 395.995.329 a 433.103.499.
d) Coeficiente de determinacin mltiple
Es la fraccin que representa la porcin de la variacin total de Y
que es explicada por la ecuacin de regresin, y se expresa por R2..
Segn el resultado de Excel, R2 = 0,83248343.
El coeficiente de determinacin mltiple es tambin el coeficiente de
correlacin al cuadrado. Segn el resultado Excel, el coeficiente de
correlacin es igual 0,9124053 y se eleva al cuadrado es igual a
0,83248343.
Samuel Vergara Hernndez

172

Metodologa de la Investigacin Tributaria


La interpretacin es la siguiente: el 83% de la variacin total de impuestos no pagados descubiertos se explica por las variable independientes X1, X2 y X3.
e) Inferencias sobre parmetros de la poblacin
En la regresin lineal simple, la lnea de regresin de la muestra estima la lnea de regresin de la poblacin; y la razn por la cual slo
podemos estimar la lnea de regresin de la poblacin y no encontrarla exactamente, es que las observaciones no caen exactamente
en la lnea de regresin de la poblacin, debido a las perturbaciones
aleatorias (). En la regresin lineal mltiple ocurre lo mismo, porque el plano de regresin estimado es una estimacin de un plano
de regresin de poblacin verdadera, pero desconocido.
Pero, a pesar de que el plano de regresin se deriva de una muestra y no de la poblacin, podemos utilizar el b1, una de las pendientes que calculamos a partir de la muestra, para hiptesis acerca del
valor de 1, una de las pendientes del plano de regresin para la
poblacin completa.
Supongamos que, durante un largo perodo de tiempo, la pendiente
de la relacin entre Y y X1 fue de 3,1. Para probar si todava es vlida, podramos definir las hiptesis estadsticas como sigue:
H0: 1 = 3.1
H1: 1 3.1
Para hallar el estadstico de prueba para 1, es necesario encontrar
primero el error estndar del coeficiente de regresin b1, que se representa por sb1. El error estndar de este coeficiente (b1), segn el
resultado de Excel, es 1,08002482.
Ahora se procede a estandarizar la pendiente de la regresin ajustada (b1), mediante la siguiente frmula:
t = (b1- 1)/sb1 = 3,36711712 3,1 = 0,247
1,08002482
Samuel Vergara Hernndez

173

Metodologa de la Investigacin Tributaria


As, si deseamos probar nuestro hiptesis al nivel de significancia
del 5% (prueba de dos colas), con 8 grados de libertad (n-k-1 = 123-1 = 8), comparamos el coeficiente de regresin estandarizado
(0,247) con el valor crtico = 2.306, segn la Tabla de los valores t.
Ahora bien, como el coeficiente de regresin estandarizado es inferior al valor crtico, se ubica en la zona de no rechazo, por lo que no
se debe rechazar la hiptesis nula, razn por la cual hay que concluir que no existe una diferencia significativa entre b1 y el valor de
3,1.
Los dems coeficientes de la regresin (b2 y b3) se calculan y prueban del mismo modo.
f) Intervalo de confianza para los coeficientes
Adems de la prueba de hiptesis, tambin se puede construir un
intervalo de confianza para cualquiera de los valores de i. Por
ejemplo, un intervalo de confianza de 95% para 1 se construye del
siguiente modo, con los datos del ejemplo:
b1 = 3,36711712 = coeficiente de regresin.
sb1 = 1,08002482 = error estndar del coeficiente.
t = 2,306 = nivel de significancia de 5% y 8 grados de libertad, para
prueba de dos colas.
El intervalo de confianza se calcula del siguiente modo:
Lmite superior: b1 + t(sb1) = 3,36711712 + 2,306(1,08002482) =
5,857654355
Lmite inferior: b1 - t(sb1) = 3,36711712 - 2,306(1,08002482) =
0,8765798851
En consecuencia, podemos estar seguros en 95% de que por cada
milln de pesos pagados por auditora de campo aumenta el descubrimiento de impuestos no pagados en una cantidad entre $
876.580 y $ 5.857.654.
Samuel Vergara Hernndez

174

Metodologa de la Investigacin Tributaria


g) Prueba de hiptesis respecto de los coeficientes
Si queremos saber si X1 (o X2 o X3) es una variable explicativa significativa de Y, debemos formular las hiptesis estadsticas del siguiente modo:
H0: 1 = 0 = X1 no es una variable explicativa significativa.
H1: 1 0 = X1 es una variable explicativa significativa.
La frmula es la misma, pero el clculo es ms fcil, porque 1 = 0 y
el valor de to lo calcula la computadora (vase columna t Stat del
resultado de Excel). De modo que slo hay que buscar el valor crtico de tc segn la Tabla, para compararlo con el valor observado o
calculado de to.
Entonces,
tc = valor crtico o apropiado de t (con n-k-1 grados de libertad), para
el nivel de significancia de la prueba (5% en este caso); y
to = valor observado (o calculado), obtenido con Excel.
La regla de decisin es: si to cae entre tc y +tc, no se rechaza la hiptesis nula y se llega a la conclusin de que X1 no es una variable
explicativa significativa. En caso contrario, se rechaza la hiptesis
nula y se concluye que la variable explicativa indicada es significativa.
Al nivel de significacin del 5% y con 8 grados de libertad (n-k-1 =
12-3-1), el valor crtico de tc = 2,306 y este valor es menor si se
compara con el valor to = 3,11762938, calculado por el programa
computacional, razn por la cual se debe rechazar la hiptesis nula,
porque el valor to cae en la zona de rechazo.
Por lo tanto, se concluye que las horas de auditora de campo es
una variable explicativa significativa.

Samuel Vergara Hernndez

175

Metodologa de la Investigacin Tributaria


h) Inferencias acerca de la relacin como un todo
(Prueba F)
Se trata de averiguar si la regresin mltiple, como un todo, es significativa, para lo cual se recurre a la Prueba F de ANOVA (Anlisis
de Varianzas).
El procedimiento ANOVA prueba si alguna de las variables independientes tiene alguna relacin con la variable dependiente.
Si una variable independiente no est relacionada con la variable
dependiente Y, entonces su coeficiente debera ser cero. Dicho con
otras palabras, si X no est relacionada con Y, entonces i = 0.
El procedimiento ANOVA prueba la hiptesis nula de que todos los
valores son cero, contra la hiptesis alternativa de que a lo menos
un valor no es cero.
H0: 1 = 2 = 3 = k = 0
H1: Al menos un no es cero.
Si no se rechaza la hiptesis nula, entonces no hay relacin lineal
entre las variables independientes X y la variable dependiente Y.
Por el contrario, si la hiptesis nula se rechaza, entonces por lo menos una variable independiente est relacionada linealmente con Y.
El cuadro ANOVA necesario para probar la hiptesis nula utiliza la
prueba F:
Fuente de varia- Grados de liber- Suma de cua- Cuadrado me- Valor F
cin
tad
drados
dio
Entre
muestras
K
SCR
SCR/k
F=CMR
(tratamiento)
CME
Dentro de las
n-k-1
SCE
SCE/(n-k-1)
muestras (error)
Variacin total
n-1
SCT

SCT = (Y - )2
SCR = (Y - )2
Samuel Vergara Hernndez

176

Metodologa de la Investigacin Tributaria


SCE = (Y Y)2
En nuestro ejemplo, segn Excel, el cuadro de ANOVA es el siguiente:

Regression
Residual
Total

df = gl

SS = SC

MS = MC

3
8
11

2573,76126
517,905405
3091,66667

857,92042
64,7381757

13,2521563

Significance
F
0,00180316

Para realizar la prueba, hay que tener en cuenta que la razn


F=13,2521563 [CMR/CME = 857,92042/64,7381757], los grados de
libertad en el numerador y denominador son 3 y 8, respectivamente,
y al nivel de significancia del 0,05, el valor crtico es 4,07.
La regla de decisin es no rechazar la hiptesis nula, al nivel de
significancia del 5%, si F 4,07; y rechazar en caso contrario.
Por lo tanto, como F =13,2521563 > 4,07, se debe rechazar la hiptesis nula y aceptar, en consecuencia, la hiptesis alternativa: H1: Al
menos un no es cero.
As, se puede concluir que, al nivel de significancia del 5%, existe a
lo menos una de las variables independientes Xi que est relacionada con la variable dependiente Y.
J. Aplicacin de Excel para determinar la regresin
mltiple
Para calcular una regresin lineal mltiple con Excel, es necesario
que se haya instalado Anlisis de datos. Si no se ha instalado,
hay que instalar dicha herramienta, lo que supone estar conectado
a Internet y seguir los siguientes pasos: En el icono de Windows, se
hace clic en la tecla derecho del ratn -> Personalizar barra de herramientas de acceso rpido ->Complementos -> Analysis Toolpak y
Aceptar -> Analysis Toolpak-VBA y Aceptar.
Una vez instalada la herramienta Anlisis de Datos, se debe proceder del siguiente modo:
Samuel Vergara Hernndez

177

Metodologa de la Investigacin Tributaria


En el cuadro de Regresin (Regression), en Rango Y de entrada
(Input Y Range) se indican las celdas del Rango en que se halla la
variable dependiente, para lo cual pulse el botn principal del ratn
en la celda superior del Rando (por ejemplo A1) y, mantenindolo
presionado, arrastre hasta la que ser la celda inferior derecha (por
ejemplo A10), o bien escriba el cuadro respectivo: $A$1:$A$10. Por
su parte, en el Rango X de entrada, se procede del mismo modo,
para lo cual se pulsa el botn principal del ratn en la celda superior
del rango (por ejemplo B1) y, mantenindolo presionado, arrastre
hasta la ceda inferior del rango (por ejemplo C10), o bien escriba en
cuadro respectivo: $B$1:$C$10. Presione Aceptar (OK). Despus
elija el nivel de confianza (por ejemplo 95%, y presione OK. Por ltimo, salvo que dese otros clculos, elija el rango de salida, para lo
cual basta con indicar la celda de entrada, como por ejemplo A15.
K. Variables ficticias
En la regresin lineal, por lo comn, se usan variables cuantitativas;
pero bien se pueden utilizar variables cualitativas, como el sexto, la
residencia, etc. A este tipo de variables se les denomina variables
ficticias, dicotmicas, categricas, dummy.
Las variables ficticias o cualitativas pueden implicar la existencia o
ausencia de una cualidad o atributo, y se representan:
Por 1, si est presente el atributo; o cero, si no est presente el atributo.
Las variables ficticias pueden ser utilizadas en un anlisis de regresin del mismo modo que las variables cuantitativas.
De hecho, un anlisis de regresin puede estar compuesto exclusivamente por variables explicativas ficticias, y se denominan modelo
ANOVA (anlisis de varianza).
Por ejemplo, evasin tributaria como variable dependiente y sexo
(hombre o mujer) como variable explicativa.

Samuel Vergara Hernndez

178

Metodologa de la Investigacin Tributaria


L. Problemas de la regresin mltiple
La regresin mltiple puede presentar algunos problemas importantes, como la multicolinealidad, la heteroscedasticidad y la autocorrelacion, cuyo anlisis excede el mbito de nuestro trabajo; pero, para
los que estn interesados en el tema, pueden consultar algn texto
de econometra, como por ejemplo: Gujarati (2006), Wooldridge
(2007), Prez Lpez (2006), Fernndez Gallastegui (2004), entre
otros.
A continuacin, expondremos el concepto de cada uno de los problemas indicados, a saber:
Multicolinealidad. Las variables explicativas estn relacionadas linealmente entre s.
Heteroscedasticidad. Las perturbaciones aleatorias (residuos) no tienen igual varianza, es decir, no son homoscedsticas.
Autocorrelacin. Tambin se denomina correlacin serial y
se refiere a la ausencia de independencia en la secuencia de valores de la variable dependiente Y y, por lo tanto, tambin en la
secuencia de los residuales (Y Y) respecto de la lnea de regresin.

Samuel Vergara Hernndez

179

Metodologa de la Investigacin Tributaria


Captulo X
TIPOS DE INVESTIGACIN
1. INTRODUCCIN
En la investigacin cientfica existen diferentes tipos de investigacin, razn por la cual es menester conocer sus principales caractersticas, para saber cul de ellas se ajusta mejor a la investigacin
que se pretende realizar.
Sin embargo, para los efectos de este curso slo nos referiremos a
los siguientes tipos de investigacin:

Exploratoria

Descriptiva

Correlacional

Explicativa o causal

Estudio de caso

Experimental

No experimental

Otros tipos de investigacin:


- Histrica
- Documental
- Terica
- Aplicada
- Cuantitativa
- Cualitativa

La tipologa antes mencionada no es excluyente, ya que una investigacin bien puede tipificarse o encuadrarse en ms de un tipo de
investigacin. Por ejemplo, podra ser descriptiva y correlacional, o
descriptiva y explicativa, o histrica y documental, etc.
Samuel Vergara Hernndez

180

Metodologa de la Investigacin Tributaria


La eleccin del tipo de investigacin depende del problema planteado, de la disciplina teora en que se encuadra, del tipo de informacin disponible, de los objetivos, etc.
Sin embargo, algunos autores cuando tratan los tipos de investigacin slo se refieren a la investigacin exploratoria, descriptiva, correlacional y explicativa (Hernndez. et al, 2000).
2. INVESTIGACIN EXPLOTARIA
En la investigacin exploratoria no existen investigaciones previas
sobre nuestro objeto de estudio, razn por la cual se requiere explorar e indagar, con el fin de alcanzar el objetivo planteado.
Explorar significa incursionar en un territorio desconocido. Por lo
tanto, emprenderemos una investigacin exploratoria cuando no
conocemos el tema por investigar, o cuando nuestro conocimiento
es tan vago e impreciso que nos impide sacar las ms provisorias
conclusiones sobre qu aspectos son relevantes y cules no.
3. INVESTIGACIN DESCRIPTIVA
En la investigacin descriptiva se resean las caractersticas o rasgos de la situacin o fenmeno objeto de estudio.
Una de las funciones principales de este tipo de investigacin es la
capacidad para seleccionar las caractersticas fundamentales del
objeto de estudio, as como la descripcin detallada de las partes,
categoras o clases de dicho objeto.
El objetivo de la investigacin descriptiva consiste en llegar a conocer las situaciones, costumbres y actitudes predominantes a travs
de la descripcin exacta de las actividades, objetos, procesos y personas, que son objeto de la investigacin. Su meta no se limita a la
recoleccin de datos, sino a la prediccin e identificacin de las relaciones que existen entre dos o ms variables.

Samuel Vergara Hernndez

181

Metodologa de la Investigacin Tributaria


Los investigadores, en la investigacin descriptiva, no son meros
tabuladores, sino que recogen los datos sobre la base de una hiptesis o teora, exponen y resumen la informacin de manera cuidadosa y luego analizan minuciosamente los resultados, a fin de extraer generalizaciones significativas que contribuyan al conocimiento.
En el informe de la investigacin se sealan los datos obtenidos y la
naturaleza exacta de la poblacin de donde fueron extrados.
La poblacin -a veces llamada universo- constituye siempre una totalidad. Las unidades que la integran pueden ser individuos, hechos
o elementos de otra ndole.
Una vez identificada la poblacin con la que se trabajar, entonces
se decide si se recogern datos de la poblacin total o de una
muestra representativa de ella.
El mtodo elegido depender de la naturaleza del problema y de la
finalidad para la que se desee utilizar los datos.
Muchas veces no es difcil obtener informacin acerca de todas las
unidades que componen una poblacin reducida, pero los resultados no pueden aplicarse a ningn otro grupo que no sea el estudiado.
Cuando se trata de una poblacin excesivamente amplia se recoge
la informacin a partir de unas pocas unidades cuidadosamente seleccionadas, ya que si se aborda cada grupo, los datos perderan
vigencia antes de concluir el estudio. Si los elementos de la muestra
representan las caractersticas de la poblacin, las generalizaciones
basadas en los datos obtenidos pueden aplicarse a todo el grupo.
Los datos descriptivos se expresan en trminos cualitativos y cuantitativos. Se puede utilizar uno de ellos o ambos a la vez:
Trminos cualitativos (se expresan mediante smbolos verbales):
Se usan en estudios cuyo objetivo es examinar la naturaleza general de los fenmenos.
Samuel Vergara Hernndez

182

Metodologa de la Investigacin Tributaria


Los estudios cualitativos proporcionan una gran cantidad de informacin valiosa, pero poseen un limitado grado de precisin, porque
emplean trminos cuyo significado vara para las diferentes personas, pocas y contextos. Los estudios cualitativos contribuyen a
identificar los factores importantes que deben ser medidos.
Trminos cuantitativos (se expresan por medio de smbolos matemticos): Los smbolos numricos que se utilizan para la exposicin de los datos provienen de un clculo o medicin. Se pueden
medir las diferentes unidades, elementos o categoras identificables.
Ejemplos de investigacin descriptiva en materia tributaria
Descripcin de la complejidad del sistema tributaria
Descripcin de las caractersticas de las medidas antielusin
Descripcin de los procedimientos tributarios
Descripcin del proceso de planificacin tributaria
4. INVESTIGACIN CORRELACIONAL
La investigacin correlacional tiene como objetivo mostrar o examinar la relacin que existe entre variables; pero no explica que una
sea la causa de la otra, porque esto es propio de las investigaciones
explicativas.
En efecto, en la investigacin correlacional se miden dos o ms variables, estableciendo su grado de correlacin; pero sin pretender
dar una explicacin completa (de causa y efecto) del objeto investigado, sino que slo investiga grados de correlacin, dimensiona las
variables.
Los estudios correlacinales se distinguen de los descriptivos principalmente en que, mientras estos ltimos se centran en medir con
precisin las variables individuales, los estudios correlacinales
evalan el grado de relacin entre dos variables, pudindose incluir
varios planes de evaluaciones de esta naturaleza en una nica investigacin.
Samuel Vergara Hernndez

183

Metodologa de la Investigacin Tributaria


Ejemplos de investigacin correlacional en materia tributaria:
Relaciones entre el Derecho comn y la planificacin tributaria
Cmo se relaciona la contabilidad con la tributacin
5. INVESTIGACIN EXPLICATIVA
Los estudios explicativos van ms all de la descripcin de conceptos o fenmenos o del establecimiento de relaciones entre conceptos, porque estn dirigidos a responder a las causas de los eventos
fsicos o sociales, es decir, explican relaciones de causa-efecto de
un fenmeno.
Como su nombre lo ndica, su inters se centra en explicar por qu
ocurre un fenmeno y en qu condiciones se da ste, o por qu dos
o ms variables estn relacionadas entre s.
Los estudios explicativos responderan a preguntas tales como:
1) Qu efectos produce la contabilidad y las finanzas en la planificacin tributaria?
2) Cul es la causa de la mayor rentabilidad financieros fiscal de
las empresas?
3) La maximizacin de las utilidades de la empresa depende del
efectivo aprovechamiento de los beneficios y franquicias tributarias
que la ley prev?
Una investigacin que empez como exploratoria puede transformarse en descriptiva, y luego continuar como correlacional o incluso
explicativa.
Aunque un estudio sea esencialmente exploratorio contendr elementos descriptivos, o bien un estudio correlacional incluir elementos descriptivos, y lo mismo puede decirse de los otros tipos de estudios.
Samuel Vergara Hernndez

184

Metodologa de la Investigacin Tributaria


Los factores que influyen en que una investigacin se inicie como
exploratoria, descriptiva, correlacional o explicativa, son los siguientes:
a) El estado del conocimiento en el tema de investigacin que nos
revele la revisin de la literatura; y
b) El enfoque que el investigador pretenda dar a su estudio.
Se dice que la investigacin explicativa o causal es el ideal y el nivel
ms alto de la investigacin no experimental, el modelo de investigacin no experimental por antonomasia.
Las investigaciones explicativas tienen como fundamento la prueba
de hiptesis.
Ejemplo de investigacin explicativa en materia tributaria:
Causas de la complejidad tributaria
Cmo se determina la relacin de causalidad en el Derecho Tributario
Efectos y causas de los impuestos sobre el consumo
Efectos y causas de la planificacin tributaria
6. ESTUDIO DE CASO
En el estudio de caso se analiza en profundidad o en detalle una
unidad de anlisis especfico, tomada de un universo poblacional.
El caso o unidad de anlisis puede ser una persona, una institucin,
una empresa, un grupo, etc.
El estudio de caso involucra aspectos descriptivos y explicativos de
los temas objeto de estudio; pero, adems, utiliza informacin cualitativa y cuantitativa, obtenida por distintos medios.
El estudio de casos permite analizar el fenmeno objeto de estudio
en su contexto real, utilizando mltiples fuentes de evidencia, cuantitativas y/o cualitativas simultneamente.
Samuel Vergara Hernndez

185

Metodologa de la Investigacin Tributaria


Por otra parte, en el estudio de casos se emplea abundante informacin subjetiva y una elevada influencia del juicio subjetivo del investigador en la seleccin e interpretacin de la informacin.
El estudio de casos tiene como principales debilidades sus limitaciones en la confiabilidad de sus resultados y en la generalizacin
de sus conclusiones; pero tiene como fortaleza la riqueza de sus
fuentes, ya que la informacin puede recabarse por distintos vas
lcitas.
Sin embargo, para avanzar en el conocimiento de determinados fenmenos complejos, el estudio de casos puede aportar contribuciones valiosas, si es empleado con rigor y seriedad, aplicando procedimientos que incrementen su confiabilidad y su validez.
Aunque este tipo de estudios pongan nfasis en el trabajo de campo, es imprescindible que se base en un marco terico adecuado.
Algunos consideran el estudio de caso como un mtodo, y otros
como un diseo de la investigacin cualitativa; pero tambin puede
considerase como un tipo de investigacin.
Como dice Yin (1993), el estudio de caso no tiene especificidad,
pudiendo ser usado en cualquier disciplina para dar respuesta a
preguntas de la investigacin, que se formulen dentro del planteamiento del problema.
El estudio de caso puede tener alguno de los siguientes objetivos:

Producir un razonamiento inductivo, ya que a partir del estudio, la


observacin y recogida de datos, se establecen hiptesis o teoras.

Producir nuevos conocimientos o confirmar teoras ya conocidas.

Describir situaciones o hechos concretos.

Comprobar o contrastar fenmenos, situaciones o hechos.

Samuel Vergara Hernndez

186

Metodologa de la Investigacin Tributaria

Explicar hechos o fenmenos objeto de estudio.

Dicho con otras palabras, el estudio de caso puede servir para explorar, describir, explicar y evaluar.
En los estudios de casos se pueden formular hiptesis o proposiciones tericas.
7. INVESTIGACIN EXPERIMENTAL
Este tipo de investigacin, al cual no referiremos ms adelante con
motivo del diseo de la investigacin, supone la realizacin de un
experimento.
Experimento es la accin destinadas a descubrir, comprobar o demostrar determinados fenmenos o principios cientficos.
La investigacin experimental est integrada por un conjunto de actividades metdicas y tcnicas que se realizan para recabar la informacin y datos necesarios sobre el tema a investigar y el problema a resolver.
La investigacin experimental se presenta mediante la manipulacin
de una variable experimental no comprobada, llamada variable independiente, en condiciones rigurosamente controladas, con el fin
de describir de qu modo o por qu causa se produce una situacin
o acontecimiento particular (variable dependiente).
Su diferencia con los otros tipos de investigacin es que el objetivo
de estudio y su tratamiento dependen completamente del investigador, de las decisiones que tome para manejar su experimento.
El experimento es una situacin provocada por el investigador para
introducir determinadas variables de estudio manipuladas por l (variables independientes), para controlar el aumento o disminucin de
esas variables y medir su efecto en otras variables dependientes.

Samuel Vergara Hernndez

187

Metodologa de la Investigacin Tributaria


En el experimento, el investigador maneja de manera deliberada la
variable experimental y luego observa lo que ocurre en condiciones
controladas. La experimentacin es la repeticin voluntaria de los
fenmenos para verificar su hiptesis.
8. INVESTIGACIN NO EXPERIMENTAL
Este tipo de investigacin, al cual nos referiremos ms adelante con
motivo del diseo de la investigacin, no supone experimento alguno.
La investigacin no experimental ocurre cuando el investigador se
limita a observar los acontecimientos sin intervenir en los mismos,
entonces se desarrolla una investigacin no experimental.
La investigacin no experimental es tambin conocida como investigacin EX POST FACTO, trmino que proviene del latn y significa
despus de ocurridos los hechos.
La investigacin ex post facto es un tipo de investigacin sistemtica en la que el investigador no tiene control sobre las variables independientes, porque ya ocurrieron los hechos o porque son
intrnsecamente manipulables.
Es muy importante destacar que, en una investigacin experimental,
la variable independiente se manipula y por eso se le llama variable
activa o experimental. En cambio, en la investigacin ex post facto, la variable independiente no es susceptible de manipulacin y,
por eso, se le llama variable atributiva.
9. OTROS TIPOS DE INVESTIGACIN
9.1. Investigacin histrica
La investigacin histrica tiene como objeto la investigacin de sucesos del pasado, y los relaciona con otros eventos de la poca o
del presente.

Samuel Vergara Hernndez

188

Metodologa de la Investigacin Tributaria


9.2. Investigacin documental
En la investigacin documental la informacin se extrae de documentos, es decir, escritos de todo tipo, con el fin de establecer relaciones, posturas, creencias o el estado actual del conocimiento respecto del tema.
9.3. Investigacin terica
En la investigacin terica se trata de establecer nuevas teoras,
desarrollarlas, complementarlas, contractarlas con la realidad.
Dicho con otras palabras, el problema a resolver es de de carcter
terico, es decir, no tiene aplicaciones prcticas inmediatas.
9.4. Investigacin aplicada
Al contrario de las investigaciones tericas, en las investigaciones
aplicadas se trata de resolver problemas prcticos, propios del ejercicio profesional.
9.5. Investigacin cuantitativa
En la investigacin cuantitativa la informacin que se analiza es de
carcter cuantitativo, razn por la cual las variables de la hiptesis
se pueden medir, por cualquier tcnica estadstica o matemtica,
sin excepcin.
Aunque regularmente se usan los mtodos y tcnicas estadsticas
para contrastar o probar las hiptesis de la investigacin, nada obsta a que se aplique otro tipo de tcnicas, como el VAN, la TIR, el
costo-beneficios, etc., porque depende del tipo de problema planteado y de la respectiva disciplina en la cual se enmarca la investigacin.

Samuel Vergara Hernndez

189

Metodologa de la Investigacin Tributaria


9.6. Investigacin cualitativa
La investigacin cualitativa es un tipo de investigacin usado
principalmente en las ciencias sociales, que emplea mtodos de recoleccin de datos que no son cuantitativos, sino cualitativos, como
el sexo, la profesin, etc., llamados atributos, con el propsito de
explorar y describir las relaciones sociales y la realidad tal como la
experimentan los investigadores.
La investigacin cualitativa requiere un profundo entendimiento del
comportamiento humano y de las razones que lo gobiernan.
A diferencia de la investigacin cuantitativa, la investigacin cualitativa busca explicar las razones de los diferentes aspectos del comportamiento humano.
En otras palabras, se investiga el por qu y el cmo se tom una
decisin, en contraste con la investigacin cuantitativa la cual busca
responder preguntas, tales como cul, dnde, cundo y cunto.
La investigacin cualitativa se basa en la toma de muestras pequeas, esto es, la observacin de grupos de poblacin reducidos, como salas de clase, etc.
La investigacin cualitativa presente las siguientes caractersticas,
entre otras:
El problema o asunto se puede reformular a medida que se lleva
adelante la investigacin.
La muestra generalmente es seleccionada segn el criterio del investigador, motivo por el cual no es aleatoria, ya que el investigador
prefiere una muestra que concierne ms a los propsitos especficos de la investigacin.
Al contrario de los estudios cuantitativos, las hiptesis no se formulan al comienzo de la investigacin, sino que surgen a medida que
se lleva a cabo la investigacin.
Samuel Vergara Hernndez

190

Metodologa de la Investigacin Tributaria


Las mismas hiptesis pueden ser modificadas, o bien pueden surgir
nuevas hiptesis en el proceso de investigacin.
La coleccin de los datos no se someten a anlisis estadsticos (si
alguno hay es mnimo, como porcentajes), y no se manipulen variables como en los estudios experimentales.
Los datos se analizan y luego se sintetizan, integrando la informacin recabada, la que se obtiene de diversos instrumentos y medios
de observacin.
Las conclusiones se derivan o se infieren continuamente durante el
proceso de investigacin, porque se concluye a medida que se van
interpretando los datos.
10. TIPIFICACIN DE LA INVESTIGACIN
En la prctica, teniendo en consideracin el planteamiento del problema y los mtodos de investigacin, es posible que la investigacin que se pretende desarrollar sea tipificada en uno o ms de los
distintos tipo de investigacin, aunque predomine un tipo por sobre
otro, segn el inters del investigador y la naturaleza de la informacin a recabar.

Samuel Vergara Hernndez

191

Metodologa de la Investigacin Tributaria


Captulo XI
DISEO DE INVESTIGACIN
1. INTRODUCCIN
El diseo de investigacin constituye el plan general del investigador para obtener respuestas a sus interrogantes o comprobar la hiptesis de investigacin.
La definicin de un diseo de investigacin est determinada por el
tipo de investigacin y por la hiptesis que se va probar durante el
desarrollo de la investigacin.
2. CLASES DE DISEO
Los diseos de investigacin se clasifican en experimentales y no
experimentales.
2.1. Diseos experimentales
En los diseos experimentales el investigador desea comprobar los
efectos de una intervencin especfica en las variables independientes para ver el efecto que producen en la variable dependiente.
En este caso el investigador tiene un papel activo, pues lleva a cabo
una intervencin, esto es, la manipulacin de las variables independientes para medir el efecto que producen en la variable dependiente.
2.2. Diseos no experimentales
En los diseos no experimentales, el investigador no manipula las
variables independientes, sino que observa los fenmenos tal y como ocurren naturalmente, sin intervenir en su desarrollo.

Samuel Vergara Hernndez

192

Metodologa de la Investigacin Tributaria


3. DISEOS EXPERIMENTALES
Los diseos experimentales se clasifican, segn el grado de control
que se ejerce sobre las variables y el grado de aleatoriedad con que
se asignan los sujetos de la investigacin a un grupo o a varios grupos, en:
a) Diseos experimentales puros: hay control sobre las variables y los sujetos se asignan aleatoriamente a los grupos.
b) Diseos cuasiexperimentales: no se ejerce control sobre
las variables y a veces se asignan los sujetos aleatoriamente a
los grupos.
c) Diseos preexperimentales: no se dan ninguno de los supuestos anteriores.
Al respecto, no remitimos a lo dicho precedentemente, para evitar
repeticiones.
4. VALIDEZ DE LOS EXPERIMENTOS
En los experimentos, es fundamental establecer la validez de los
resultados que se obtengan de ellos; y la validez puede ser interna
y externa.
4.1. Validez interna
La validez interna mide si la accin de las variables independientes
o los tratamientos producen los efectos previstos en la variable dependiente; lo que supone la correcta medicin de los efectos sobre
la variable dependiente.
As, si el investigador demuestra que la variable independiente produjo variacin observada en la variable dependiente, se dice que el
experimento tiene validez interna.

Samuel Vergara Hernndez

193

Metodologa de la Investigacin Tributaria


4.2. Validez externa
La validez externa dice relacin con la posibilidad de que los resultados del experimento se puedan generalizar a otras personas, empresas, etc., es decir, hacer extensibles o transferibles a otros grupos o entes, para lo cual se requiere que la muestra sea representativa de la poblacin y que se controlen las variables independientes
y de las variables extraas.
4.3. Notacin convencional de los experimentos
Para el estudio de los experimentos, se utiliza la siguiente notacin
convencional:
X: Indica la variable independiente, es decir, la accin realizada sobre la poblacin objeto de estudio. Tambin se le conoce como tratamiento.
O: Indica la medicin de la variable dependiente.
R: Indica la asignacin aleatoria de las unidades de prueba a los
grupos en el experimento.
G: Indica el grupo objeto de estudio.
GE: Grupo experimental.
GC: Grupo de control.

Samuel Vergara Hernndez

194

Metodologa de la Investigacin Tributaria


Captulo XII
POBLACIN Y MUESTRA
1. INTRODUCCIN
Una vez que se ha determinado la unidad de anlisis, se procede a
determinar la poblacin que va a ser estudiada y sobre la cual se
pretende generalizar los resultados obtenidos de la muestra. La
muestra es un subgrupo de la poblacin.
La muestra debe ser representativa de la poblacin y para ello es
necesario que se seleccione mediante una tcnica de muestreo.
2. POBLACIN
La poblacin es el conjunto de todos los elementos que van a ser
objeto de la investigacin, que tienen ciertas caractersticas similares y sobre las cuales se desea hacer la inferencia.
Es conveniente delimitar la poblacin objeto de estudio, para lo cual
deben definirse suficientemente sus caractersticas. As, se delimitarn los parmetros muestrales.
El objeto de estudio puede ser personas, empresas u otros objetos
de anlisis, dependiendo del tipo de investigacin que desea realizar.
Al delimitar correctamente la poblacin, se evita elegir una poblacin demasiado grande y, por lo tanto, difcil de analizar.
Los criterios para delimitar la poblacin dependen de los objetivos
de la investigacin.

Samuel Vergara Hernndez

195

Metodologa de la Investigacin Tributaria


3. MUESTRA DE LA POBLACIN
3.1. Concepto de muestra
La muestra es un subconjunto de la poblacin y que tiene sus mismas caractersticas y debe ser representativa de ella.
La muestra es la parte de la poblacin que se selecciona y de la
cual se obtiene realmente la informacin para el desarrollo del estudio, se efecta la observacin y medicin de las variables
3.2. Tipos de muestreo
La muestra puede ser probabilstica o no probabilstica, segn si
tienen o no la misma probabilidad de ser escogidas.
La muestra probabilstica se obtiene a travs de una seleccin aleatoria, razn por la cual los elementos tienen la misma probabilidad
de ser elegidos.
Por el contrario, las muestras no probabilsticas se seleccionan de
acuerdo con el criterio del investigador, y no en forma aleatoria.
A. Muestreo probabilstico
El muestreo probabilstico consiste en escoger al azar cada uno de
los elementos o individuos de la muestra.
Este tipo de muestreo puede clasificarse en:
a) Muestreo aleatorio simple
En este tipo de muestreo los individuos se seleccionan completamente al azar, para lo cual se puede recurrir a la tabla de nmeros
aleatorios; pero, actualmente, los programas computaciones pueden generar un sinfn de nmeros aleatorios.

Samuel Vergara Hernndez

196

Metodologa de la Investigacin Tributaria


Por ejemplo, en Excel escriba: =ALEATORIO()*100, y automticamente aparece un nmero inferior a 100. Tambin se puede
usar la funcin =ALEATORIO.ENTRE(), eligindose un nmero
inferior y un nmero superior, y automticamente un nmero entre
los dos elegidos.
b) Muestreo aleatorio estratificado
Segn este tipo de muestreo, la poblacin se subdivide en grupos,
para aplicar el procedimiento anterior. Por ejemplo, la poblacin objeto de anlisis se divide en pequeos contribuyentes, medianos
contribuyentes y grandes contribuyentes. As, para elegir a los individuos al interior de cada estrato, hay que aplicar la tcnica de
muestreo aleatorio simple.
c) Muestreo aleatorio sistemtico
En este tipo de muestreo se acomodan los elementos de la poblacin en cierta forma, luego se selecciona un punto de partida aleatorio y a partir de l se toma cada k-isimo elemento para formar parte de la muestra. Por ejemplo, de un cajn en que se hallan las facturas, cada cierto nmero se elige una de ellas. A la primera se
puede aplicar la tcnica de muestreo aleatorio simple. Este procedimiento puede ser til tratndose de auditoras tributarias.
B. Muestreo no probabilstico
Las muestras no probabilsticas, tambin llamadas muestras dirigidas, suponen un procedimiento de seleccin informal y un poco arbitrario, entre los cuales cabe sealar:
a) Muestra de sujetos voluntarios;
b) Muestra de expertos;
c) Muestra de sujetos-tipo; y
d) Muestra por cuotas.
Samuel Vergara Hernndez

197

Metodologa de la Investigacin Tributaria


3.3. Tamao de la muestra
El clculo del tamao de la muestra depende de tres factores, a saber:
El porcentaje de confianza con el que se desea generalizar los
datos a la poblacin;
El porcentaje de error que estamos dispuestos a aceptar; y
El nivel de variabilidad que se calcula para la comprobacin de la
hiptesis.
A. Porcentaje de confianza
El porcentaje de confianza indica con qu certeza se desea generalizar los resultados de la muestra a la poblacin.
Para obtener un 100% de confianza, habra que estudiar todos los
casos de la poblacin, lo que puede resultar muy costoso, razn por
la cual resulta conveniente aceptar un porcentaje de confianza menor, como por ejemplo 95%, que corresponde a un valor Z de 1,96
desviacin estndar respecto de la media.
Si el porcentaje de confianza elegido fuera 99%, el valor Z correspondiente sera de 2,58 desviacin estndar respecto de la media.
B. Porcentaje de error
Es la cantidad que se suma o se resta de la media de la muestra,
para determinar los puntos extremos de un intervalo de confianza.
Es la cantidad de error que el investigador desea tolerar.
D. Variabilidad
La variabilidad es la desviacin estndar de la poblacin, la que -si
no se conoce- se podra estimar, por ejemplo, mediante una prueba
piloto (pequea muestra).
Samuel Vergara Hernndez

198

Metodologa de la Investigacin Tributaria


E. Frmulas para calcular el tamao de la muestra
aleatoria
Existen varias frmulas para calcular el tamao de la muestra, entre
las cuales cabe sealar las siguientes:
E.1. Muestreo aleatorio proporcional
a) Se desconoce el tamao de la poblacin
n = [(Z2pq)]/e2
Donde:
n = tamao de la muestra
Z2 = nivel de confianza
p = variabilidad positiva
q = variabilidad negativa
e2 = error
Para realizar el clculo, hay que pasar todos los porcentajes a proporciones, lo que se hace dividindolos por 100.
As, si se tiene la mxima variabilidad, los valores para p y q son 0,5
y 0,5, respectivamente; y si el error es de 5%, la proporcin correspondiente es 0,5.
Tratndose del nivel de confianza, no slo se divide el porcentaje
entre 100, sino que, adems, debe dividirse entre 2, y el resultado
se busca en la Tabla de valores Z (rea bajo la curva normal estndar). Por ejemplo, si el nivel de confianza es de 95%, se debe dividir
entre 100 y luego entre 2, el resultado es 0,475. Este nmero se
busca en la Tabla de Valores Z, y se encuentra en la lnea 1,9 y en
la columna 0,06. Estos nmeros se suman y, en este caso, se obtiene 0,4750.
Sustituimos los valores en la frmula y encontramos el valor 384,
como tamao de la muestra.

Samuel Vergara Hernndez

199

Metodologa de la Investigacin Tributaria


n = [(1,96)2 (0,5)(0,5)]/(0,05)2 = 384,16
b) Cuando se conoce el tamao de la poblacin, la frmula es la
siguiente:
n = [Z2pqN]/[Ne2 + Z2pq]
Donde:
N = tamao de la poblacin
Z2 = nivel de confianza
p = variabilidad positiva
q = variabilidad negativa
e2 = error
Los datos son mismos que los de la frmula anterior, salvo N.
E.2. Muestreo aleatorio simple
a) Cuando no se conoce el tamao de la poblacin
Para muestreo aleatorio simple, cuando no se conoce el tamao de
la muestra, la frmula es la siguiente:
n = [Z2/22]/e2
Donde:
n = tamao de la muestra
Z /2 = Nivel de confiabilidad o nmero de unidades de desviacin
estndar en la distribucin normal que producir el nivel deseado de
confianza. As, para un nivel de confianza de 95% y un nivel de significancia de 5%, el valor de Z = 1,96; y para un nivel de confianza
de 99% y un nivel de significancia de 1%, el valor Z = 2,58.
= desviacin estndar de la poblacin (conocida o estimada a partir de anteriores estudios o de una prueba piloto).
Samuel Vergara Hernndez

200

Metodologa de la Investigacin Tributaria


e = error de estimacin o diferencia mxima entre la media muestral
y la media de la poblacin que se est dispuesto aceptar con el nivel de confianza que se ha definido.
Por ejemplo, si el nivel de confiabilidad fuera 95%, el nivel de significancia 5%, la desviacin estndar 0,4 y el error de estimacin de
5%, y no se conoce el tamao de la poblacin, entonces el tamao
de la muestra es 246, segn la frmula:
n = [Z2/22]/e2 = [(1,96)2(0,4)2]/(0,05)2 = 246
b) Cuando se conoce el tamao de la muestra
En este caso, la frmula es la siguiente:
n = 2/[(e2/Z2)+(2/N)]
Por ejemplo, si el tamao de la muestra fuera de 2.000, el nivel de
confianza de 95%, el nivel de significacin de 5% y la desviacin
estndar de la poblacin de 0,4, el tamao de la muestra es 219.
n = 2/[(e2/Z2)+(2/N)] = (0,4)2/[(0,05)2/(1,96)2 + (0,4)2/2.000] = 219

Samuel Vergara Hernndez

201

Metodologa de la Investigacin Tributaria


Captulo XIII
FUENTES Y TCNICAS DE RECOLECCIN
DE INFORMACIN
1. INTRODUCCIN
La obtencin de informacin confiable y vlida es una de las etapas
del proceso de investigacin cientfica, particularmente cuando se
trata de estudios de campo.
Los datos o informacin son el medio a travs del cual se prueban
las hiptesis, se responden las preguntas de investigacin y se logran los objetivos del estudio.
Ahora bien, la recoleccin de informacin supone una fuente de informacin (primaria o secundaria), una tcnica de recoleccin de
informacin (por ejemplo la encuesta) y un instrumento adecuado a
la tcnica (por ejemplo un cuestionario).
2. FUENTES DE RECOLECCIN DE INFORMACIN
Existen dos tipos de fuentes de recoleccin de informacin, a saber:
fuentes primarias y fuentes secundarias.
2.1. Fuentes primarias
Se habla de fuentes primarias cuando la informacin se recolecta
de forma directa, es decir, de donde se origina la informacin. Estas
fuentes son las personas, las organizaciones, las empresas, etc.
Se obtiene informacin primaria cuando se observan directamente
los hechos, cuando se entrevista directamente a las personas, etc.

Samuel Vergara Hernndez

202

Metodologa de la Investigacin Tributaria


2.2. Fuentes secundarias
En las fuentes secundarias, la informacin no es de primera mano,
sino que deriva de libros, revistas, documentos, escritos y, en general, de todo medio impreso.
3. TCNICAS DE RECOLECCIN DE INFORMACIN
En la investigacin cientfica, en la actualidad, existen mltiples tcnicas e instrumentos de investigacin. En las ciencias sociales en
particular se utilizan, entre otras las siguientes tcnicas: la observacin, la entrevista, la encuesta, anlisis de documentos e internet.
3.1. Observacin directa
Esta tcnica cada vez adquiere mayor aplicacin y su uso tiende a
generalizarse, ya que permite obtener informacin directa y confiable, siempre que se haga mediante un procedimiento sistematizado
y controlado.
3.2. Entrevista estructurada y no estructurada
Es una tcnica que consiste en el contacto directo con las personas
que se consideran fuente de informacinLa entrevista estructurada o cerrada se realiza de manera rgida por
medio de una lista de preguntas que funciona como gua, de la cual
el entrevistador no puede desviarse, sino que, por el contrario, debe
ajustarse estrictamente a ella.
En cambio, la entrevista no estructurada o abierta se realiza de manera libre. Se trata de una conversacin entre entrevistado y entrevistador, pero que controla ste, segn los objetivos de la investigacin y la hiptesis de trabajo.

3.3. Anlisis de documentos


Samuel Vergara Hernndez

203

Metodologa de la Investigacin Tributaria

Esta es una tcnica basada en fichas bibliogrficas que tiene como


propsito analizar material impreso. Se usa principalmente en la
elaboracin del marco terico de la investigacin.
3.4. Internet
Nadie duda, en la actualidad, que internet es una tcnica para obtener informacin. Es ms, se ha convertido en una de las principales
tcnicas para recabar informacin.
3.5. Encuesta
La encuesta es una de las tcnicas de investigacin ms usadas,
aunque pierde credibilidad por el sesgo de las personas encuestadas.
En la tcnica de encuesta, primero se selecciona una cantidad de
individuos que sea representativa de la poblacin objeto de estudio,
que constituye la muestra de la poblacin; luego, los sujetos de la
muestra contestarn un cuestionario (instrumento), redactado al
efecto; y, por ltimo, la informacin recabada se usa para generalizarla a todos los individuos de la poblacin.
La encuesta se fundamente en un cuestionario, como instrumento
de recoleccin de la informacin.
4. INSTRUMENTO DE RECOLECCIN DE LA INFORMACIN
El CUESTIONARIO es el instrumento de la encuesta que permite
recabar la informacin requerida, y consiste en un listado de preguntas, cerradas o abiertas, que deben contestar los sujetos de la
muestra.
Las preguntas del cuestionario estn relacionadas con los objetivos
y la hiptesis de la investigacin.
Samuel Vergara Hernndez

204

Metodologa de la Investigacin Tributaria


El cuestionario debe disearse de modo que se baste a s mismo,
es decir, que no sea necesaria informacin adicional.
4.1. Preguntas cerradas
Se llama pregunta cerrada cuando las opciones de respuesta estn
predeterminadas en el cuestionario, de manera que el encuestado
elija la que corresponda.
Las formas de preguntas cerradas pueden ser:
a)
b)
c)
d)

Opcin mutuamente excluyente;


Opcin mltiple con ms de una opcin;
Eleccin de un nmero determinado de opciones; y
Ordenacin jerrquica de las opciones.

4.2. Preguntas abiertas


Las preguntas abiertas son las que se escriben sin opciones de
respuesta, de manera que sta puede ser cualquier que le parezca
pertinente al encuestado.
4.3. Redaccin de las preguntas
Para lograr la finalidad perseguida con la investigacin, las preguntas del cuestionario deben estar correctamente redactadas, segn
ciertas pautas o criterios, tales como los que se mencionan a continuacin:
a) El lenguaje usado debe estar de acuerdo con el nivel intelectual
o social del encuestado;
b) La redaccin debe ser sencilla, clara y concisa;
c) El lenguaje debe ser directo y preciso;
d) Las preguntas deben redactarse en forma afirmativa, procurando
no emplear negaciones;
e) Se debe procurar que la pregunta no sugiera la respuesta; y
f) Las preguntas siempre deben estar relacionadas con la investigacin que se est desarrollando.
Samuel Vergara Hernndez

205

Metodologa de la Investigacin Tributaria


4.4. Validez y confiabilidad del cuestionario
La encuesta es una de las tcnicas ms usadas; pero, no obstante,
todava no se cuenta con un procedimiento nico para lograr su validez y confiabilidad.
A. Validez
La validez de un instrumento dice relacin con su capacidad de captar, de manera significativa y con un grado de exactitud satisfactorio, las variables de la hiptesis que se somete a prueba. En otros
trminos, un instrumento es vlido si mide aquello para lo que se
diseo.
B. Confiabilidad
La confiabilidad es la capacidad de un instrumento de arrojar resultados equivalentes entre los encuestados, independientemente de
quin lo aplique.

Samuel Vergara Hernndez

206

Metodologa de la Investigacin Tributaria


Captulo XIV
ANLISIS E INTERPRETACION DE LOS DATOS
1. INTRODUCCIN
Una vez que los datos se han recolectado, deben procesarse a fin
de generar resultados; y a partir de los resultados se realiza el anlisis, segn los objetivos y las hiptesis o preguntas de investigacin.
Ntese que, por lo comn, el anlisis e interpretacin de la informacin est referido a datos estadsticos.
Sin embargo, en las investigaciones cualitativas, como las que se
realizan - por lo general- en el mbito del Derecho, visto desde el
punto de vista formal, el resultado de la investigacin se analiza e
interpreta jurdicamente, de acuerdo con la hermenutica jurdica,
sin perjuicio de que tambin pudieren hacerse anlisis estadsticos.
2. PROCESAMIENTO DE LOS DATOS
Para realizar el procesamiento de datos, se deben seguir los siguientes pasos:
Obtener la informacin de la poblacin o muestra objeto de la
investigacin;
Definir las variables o criterios para ordenar los datos obtenidos
del trabajo de campo;
Definir las herramientas estadsticas y programa computacional
que se va a utilizar para el procesamiento de datos;
Introducir los datos en el computador y activar el programa para
que procese la informacin; e
Imprimir los resultados.
Samuel Vergara Hernndez

207

Metodologa de la Investigacin Tributaria


3. HERRAMIENTAS ESTADSTICAS
Las herramientas estadsticas para el procesamiento de los datos
se pueden clasificar en dos tipos, a saber:
a) Herramientas relacionadas con la estadstica descriptiva; y
b) Herramientas relacionadas con la estadstica inferencial.
3.1. Estadstica descriptiva
Entre las herramientas estadsticas pertenecientes al mbito de la
estadstica descriptiva, podemos mencionar, entre otras:
La distribucin de frecuencias y representaciones grficas;
Las medidas de tendencia central, como la media, la moda y la
mediana; y
Las medidas de variabilidad o dispersin, como la varianza y la
desviacin estndar;
3.2. Inferencia estadstica
En relacin con las herramientas estadsticas del mbito de la estadstica inferencial, podemos mencionar las distintas pruebas estadsticas de hiptesis, entre otras:
Prueba Z, que tiene que ver con la probabilidad de que un puntaje dado de una medicin aparezca en una distribucin normal);
Prueba t de Student, que se utiliza cuando la muestra o la
poblacin es pequea;
Anlisis de varianza ( Prueba ANOVA), que se utiliza para analizar si dos grupos difieren significativamente entre s, en
cuanto a sus medias y varianzas;
Samuel Vergara Hernndez

208

Metodologa de la Investigacin Tributaria


Chi-cuadrado, que permite probar si dos o ms proporciones
de poblacin puede considerarse iguales o, dicho con otras palabras, permite probar si dichas proporciones no presentan diferencias significativas;
Anlisis de regresin lineal simple, que permite probar o
medir la variacin que experimenta la variable dependiente como
consecuencia de la variacin de la variables independiente; y
Anlisis de regresin lineal mltiple, que permite medir
la variacin de la variable dependiente causada por la variacin
de las variables independientes.
Respecto de estas pruebas estadsticas, nos remitimos a lo dicho
precedentemente cuando tratamos la prueba de hiptesis.

Samuel Vergara Hernndez

209

Metodologa de la Investigacin Tributaria


Captulo XV
PROYECTO DE INVESTIGACIN
EJEMPLO DE INVESTIGACIN CUALITATIVA
EN
MATERIA TRIBUTARIA
1. PROBLEMA DE INVESTIGACIN
1.1. Tema y ttulo de la investigacin
El tema de investigacin son las normas tributarias y su relacin con
las normas internacionales de informacin financiera; y el ttulo de
este trabajo es:
ANLISIS COMPARATIVO ENTRE LAS NORMAS CONTABLES Y
LAS TRIBUTARIAS.
1.2. Planteamiento del problema
A. Enunciacin del problema
Las normas internacionales de informacin financiera y las normas
tributarias tienen distintos mbitos de aplicacin, pues las primeras
sealan cmo determinar el resultado financiero de las empresas y
las segundas indican cmo determinar el resultado tributario; pero,
para determinar este resultado tributario, se parte en la prcticadel resultado financiero y se hacen los ajusten extracontables que la
legislacin tributaria establece, razn por la cual existe una estrecha
relacin entre ambos tipos de normas.
Segn la doctrina contable (AMAT, et al, 2004, p. 14), las normas
internacionales de informacin financiera (NIIF/IFRS) establecen
ms de 122 alternativas de contabilizacin.

Samuel Vergara Hernndez

210

Metodologa de la Investigacin Tributaria


El problema que se presenta es que, como no se ha modificado la
legislacin tributaria, los ajustes extracontables que deben realizar
las empresas, para determinar el resultado tributario, han aumentado considerablemente.
Atendida la ingente cantidad de diferencias contables-tributarias, los
contadores estn pensando en que ahora las empresas debern
llevar dos tipos de contabilidad: una para fines fiscales y otra para
fines financieros. En otros pases, esto es una realidad. Por ejemplo, en Mxico, la doctrina contable (GUAJARDO y ANDRADE,
2008, p. 17) distingue tres tipos de contabilidad, segn la necesidad
de informacin de los usuarios:
Contabilidad financiera
Contabilidad fiscal
Contabilidad administrativa.
Por consiguiente, si no se establece claramente la diferencia entre
las normas contables y las tributarias, las empresas podran incurrir
en contingencias tributarias, lo que redundara en perjuicio para la
empresa contribuyente.
B. Formulacin del problema
El problema de investigacin se puede formular mediante la siguiente pregunta:
Qu diferencias y semejanzas hay entre la normativa
tributaria y la normativa contable?
C. Sistematizacin del problema
El problema de investigacin formulado mediante la cuestin antes
mencionada se puede sistematizar a travs de las siguientes interrogantes:

Samuel Vergara Hernndez

211

Metodologa de la Investigacin Tributaria


Cul es la normativa contable que se aplica para determinar el
resultado financiero?
Dnde est contenida la normativa tributaria para determina el
resultado tributario?
Qu diferencia existe entre la normativa contable y la tributaria?
Puede hablarse de contabilidad fiscal?
1.3. Objetivos de la investigacin
Los objetivos de la investigacin se clasifican en generales y especficos.
Objetivos generales:
Analizar las normas internacionales de informacin financieras y
su relacin con las normas tributarias;
Comparar la normativa contable con la tributaria, para determinar
las diferencias; y
Determinar los ajustes extracontables que las empresas deben
realizar para determinar el resultado tributario.
Objetivos especficos:
Determinar los distintos elementos patrimoniales, segn las normas internacionales de informacin financiera.
Determinar los elementos patrimoniales, segn las normas tributarias.
Analizar las normas contables sobre activos corrientes y activos
fijos, y determinar su relacin con las normas tributarias.
Analizar las diferencias entre la regulacin contable y la tributaria
sobre los pasivos y provisiones.
Comparar la regulacin contable de los intangibles con la normativa tributaria.
Comparacin entre los ingresos contables y los tributarios, segn
la respectiva normativa.
Comparar la normativa contable y tributaria sobre los gastos.
Comparar las normas contables y tributarias sobre determinacin
del patrimonio.
Samuel Vergara Hernndez

212

Metodologa de la Investigacin Tributaria


1.4. Delimitacin de la investigacin
La investigacin se circunscribir al anlisis de las normas jurdicas
tributarias vigentes, que integran el sistema tributario chileno, y a las
normas internacionales de informacin financieras vigentes en la
actualidad.
1.5. Justificacin de la investigacin
La investigacin se justifica, desde el punto de vista terico, porque
relaciona dos disciplinas de las ciencias empresariales, la fiscalidad
y la contabilidad, con sus respectivos marcos normativos.
Y, desde el punto de vista prctico, la investigacin tambin se justifica, porque relaciona los efectos que producen las distintas normativas en la determinacin del resultado de las empresas.
2. MARCO DE REFERENCIA E HIPTESIS
2.1. Marco terico y conceptual
El marco terico y conceptual est relacionado, por una lado, con el
sistema tributario chileno, particularmente con la determinacin de
la renta lquida imponible del impuesto de primera categora de la
Ley sobre Impuesto a la Renta.
Por otra parte, el marco terico y conceptual dice relacin con el sistema contable que llevan las empresas para registrar sus operaciones, particularmente con las normas relativas a la determinacin del
resultado contable.
2.2. Marco regulatorio
El marco regulatorio de la determinacin de la renta lquida imponible del impuesto de primera categora est contenido en los artculos 29 al 33 de la Ley sobre Impuesto a la Renta.

Samuel Vergara Hernndez

213

Metodologa de la Investigacin Tributaria


Por su parte, el marco regulatorio de la contabilidad est contenido
en las distintas normas internacionales de informacin financiera
(NIIF), que comprenden las normas internacionales de contabilidad
(NIC).
2.3. Hiptesis
Las hiptesis de este trabajo de investigacin son las siguientes:
Primera hiptesis: Las normas tributarias estn relacionadas
con las normas internacionales de informacin financieras.
Segunda hiptesis: Las distintas alternativas de contabilizacin
que contemplan las normas internacionales de informacin financiera dificultan la determinacin de resultado tributario de las empresas.
2.4. Variables
En este trabajo de investigacin no corresponde distinguir entre variables dependientes e independientes, porque se trata de un estudio descriptivo.
3. METODOLOGA DE LA INVESTIGACIN
3.1. Tipo de investigacin
Esta investigacin tributaria es descriptiva, porque se refiere a las
caractersticas de las normas tributarias y sus relaciones con las
normas internacionales de informacin financiera.
3.2. Diseo de la investigacin
El diseo de la investigacin es no experimental, ya que se realizar
experimento alguno.

Samuel Vergara Hernndez

214

Metodologa de la Investigacin Tributaria


3.3. Mtodos de la investigacin
En esta investigacin se emplearn los siguientes mtodos:
a) Deductivo, porque de las normas generales, contables y tributables, se infieren conclusiones particulares; y
b) Comparativo, porque se comparan dos tipos de regulaciones:
la contable; por una parte; y la tributaria, por otra parte.
3.4. Poblacin y muestra
En esta investigacin no hace distincin entre la poblacin objeto de
estudio y la muestra.
3.5. Recoleccin de la informacin
La informacin, en este trabajo de investigacin, se extrae de las
distintas normas contables y tributarias, y no hay informacin o datos estadsticos.
3.6. Anlisis e interpretacin de los datos
El anlisis e interpretacin de la informacin no se realiza mediante
tcnicas estadsticas, sino mediante el anlisis hermenutico, ya
que se trata del estudio de la normativa jurdica y de la contable.
NDICE PROVISIONAL
1. SISTEMA TRIBUTARIO
1.1. Concepto de Sistema Tributario
1.2. Impuesto a la Renta de Primera Categora
1.3. Determinacin de la Renta Lquida Imponible
2. SISTEMA CONTABLE
2.1. Concepto de sistema contable
2.2. Determinacin del resultado financiero
3. ANLISIS DE LA NORMATIVA TRIBUTARIA SOBRE:
3.1. Marco jurdico tributario
3.2. Inventarios
Samuel Vergara Hernndez

215

Metodologa de la Investigacin Tributaria


3.3. Activos fijos
3.4. Intangibles
3.5. Ingresos
3.6. Costos y gastos
3.7. Patrimonio tributario
4. ANLISIS DE LAS NIIF
4.1. Marco conceptual de la contabilidad
4.2. Existencias
4.3. Inmovilizado material
4.4. Intangibles
4.5. Ingresos
4.6. Costos y gastos
4.7. Patrimonio financiero
5. ANLISIS COMPARATIVO
6. CONCLUSIN
CRONOGRAMA DE TRABAJO
El trabajo de investigacin se desarrollar segn el siguiente cronograma:
Actividades
Elaboracin del marco de referencia
Anlisis de la normativa tributaria
Anlisis de la normativa financiera
Anlisis comparativo
Conclusin

Duracin en meses

BIBLIOGRAFA PROVISIONAL
AMAT, Oriol: NIC/NIIF, Gestin 2000, ACCID, Barcelona, 2004.
CATALN, Hugo: Resultado Tributario y Capital Propio Tributario,
Editorial Puntolex, Santiago-Chile, 2007.

Samuel Vergara Hernndez

216

Metodologa de la Investigacin Tributaria


GERLACH, Vctor: Manual de Impuesto a la Renta, Editorial Puntolex, Santiago-Chile, 2008.
GONZLEZ, Felipe et al: IFRS-NIIF, Casos de Aplicacin Prctica,
USACH, Editorial Puntolex, Thomson Reuters.
GUAJARDO, Gerardo y ANDRADE, Nora: Contabilidad Financiera, Editorial McGraw Hill, Mxico, 2008.
HERRERA, Rodrigo y CATALN, Hugo: Impuestos Corporativos,
Editorial Puntolex, Santiago-Chile, 2009.

Samuel Vergara Hernndez

217

Metodologa de la Investigacin Tributaria


EJEMPLO DE PROYECTO DE INVESTIGACIN
EN PLANIFICACIN TRIBUTARIA
1. INTRODUCCIN
A continuacin, expondremos un proyecto de investigacin en planificacin tributaria, que requiere de un mtodo especial de investigacin y que consta de las siguientes etapas, a saber:
Planteamiento del problema
Objetivos
Marco de referencia
Hiptesis
Metodologa
ndice provisional
Bibliografa provisional
2. PLANTEAMIENTO DEL PROBLEMA
Los accionistas A y B de una sociedad annima cerrada desean
aumentar el patrimonio de la empresa en un 100%, el cual sera
aportado por dos nuevos accionistas (C y D).
La sociedad tiene un capital de 50 millones de pesos y un patrimonio contable de 500 millones de pesos; pero su valor econmico es
de 2.000 millones de pesos, representado por un fondo de comercio
no reconocido contablemente.

Samuel Vergara Hernndez

218

Metodologa de la Investigacin Tributaria


La idea es que tanto los nuevos accionistas (C y D) como los antiguos (A y B), despus del aumento de capital queden con la misma
participacin, razn por la cual los nuevos accionistas deberan
aportar a la sociedad annima la cantidad de 2.000 millones de pesos, para igualar el valor econmico de la empresa.
El problema es que, si no se realiza una planificacin tributaria, sera imposible que mediante un simple aumento de capital ambos tipos de accionistas (antiguos y nuevos) queden con el mismo porcentaje de participacin de acciones en la sociedad, sin perjudicar a
los antiguos accionistas, porque existe un fondo de comercio no reconocido contablemente por valor de 1.500 millones de pesos.
3. OBJETIVOS
Los objetivos estratgicos de la planificacin tributaria son la equiparacin contable y tributaria de los antiguos y nuevos accionistas,
sin incurrir en carga tributaria, mediante el reconocimiento del fondo
de comercio.
4. MARCO DE REFERENCIA
El marco de referencia de esta investigacin profesional est constituido por la regulacin jurdica de los distintos aportes a una sociedad, como motivo del aumento de capital, y por los conceptos de
fondo de comercio y prima de emisin de acciones.
4.1. Capital y patrimonio
A. Capital social
El capital social es la cantidad de recursos, en dinero o en especie,
que aportan los socios o accionistas con motivo de la constitucin
de la sociedad y, salvo disposicin en contrario legal, es inmutable,
razn por la cual slo puede modificarse, disminuyndolo o aumentndolo, mediante modificacin de los estatutos sociales.

Samuel Vergara Hernndez

219

Metodologa de la Investigacin Tributaria


En efecto, los siguientes preceptos de la Ley 18.046, entre otros, se
refieren al capital social:
Artculo 4, N 5, que dispone que la escritura de constitucin
de la sociedad debe expresar el capital de la sociedad, el nmero
de acciones en que es dividido con indicacin de sus series o
privilegios si los hubiere y si las acciones tienen o no valor nominal; la forma y plazo en que los accionistas deben pagar su aporte; y la indicacin y valorizacin de todo aporte que no consiste
en dinero.
Artculo 5, N 3 y N 4, que seala las menciones que debe
contener el extracto, entre las cuales se halla las relativas al capital.
Artculo 10, que dispone que, en resumen, que el capital debe
ser fijado de manera precisa en los estatutos y slo podr ser
aumentado o disminuido por reforma de los mismos; pero se entender modificado de pleno derecho cada vez que la junta ordinaria apruebe el balance del ejercicio, el cual debe expresar el
nuevo capital y el valor de las acciones resultante de la revalorizacin del capital propio.
Artculo 11, que establece que las acciones de una misma serie deben tener el mismo valor, si el capital estuviere dividido en
acciones de distinta serie; y que debe quedar totalmente suscrito
y pagado dentro del plazo no superior a 3 aos.
Artculo 24, que se refiere a los acuerdos de aumento de capital, los que no pueden establecerse por plazos superiores a tres
aos, entre otras disposiciones.
Artculo 57, que seala que son materias de juntas ordinarias
la reforma de los estatutos; y el aumento o disminucin de capital, como sabemos, requiere de reforma de estatutos.

Samuel Vergara Hernndez

220

Metodologa de la Investigacin Tributaria


Artculo 67, que regula el qurum necesario para adoptar
acuerdos y que distingue el aumento de capital de la disminucin
de capital. Tratndose de aumento de capital, el qurum es la
mayora establecida en los estatutos, la que, si se trata de sociedades annimas cerradas, no puede ser inferior a la mayora absoluta de las acciones emitidas con derecho a voto. En cambio,
tratndose de la disminucin de capital, el qurum exigido es
igual a las dos terceras partes de las acciones emitidas con derecho a voto.
El patrimonio, en cambio, es la diferencia entre el total del activo y
el total del pasivo. Por lo tanto, es distinto del capital, porque puede
ser inferior o superior, dependiendo si la empresa ha sufrido prdidas o experimentado ganancias.
As, el patrimonio, cuando es superior al capital de la sociedad, est
constituido por ste y por las dems cuentas patrimoniales, como
las utilidades retenidas, las primas de emisin de acciones, entre
otros conceptos.
4.2. Aumento de capital y aumento de patrimonio
As como se distingue el capital del patrimonio de la empresa, tambin debe distinguirse el aumento de capital del aumento de patrimonio, ya que puede presentarse varias situaciones, a saber:
Aumento de capital y de patrimonio en la misma proporcin, que
es lo ms comn;
Aumento de capital y de patrimonio en distinta proporcin, ya que
puede ocurrir que las acciones del aumento de capital se paguen
con prima;
Aumento el patrimonio sin que aumente el capital, como por
ejemplo en el caso de las donaciones gratuitas (o donaciones
onerosas en la parte que fueren gratuitas), y en los aportes efectuados en virtud de contrato de asociacin o negocios fiduciarios,
cuando se estipula que no hay obligacin de restitucin del aporte.
Samuel Vergara Hernndez

221

Metodologa de la Investigacin Tributaria


4.3. Valor contable y valor tributario
El valor contable de los activos y pasivos de la empresa es distinto
del valor tributario de los activos y pasivos, es decir, el patrimonio
contable es distinto del patrimonio tributario (capital propio tributario).
Por lo tanto, si los activos de la empresa se valorizan tributariamente sobre el valor contable, el exceso est gravado con el impuesto
de primera categora.
4.4. Valor contable y valor econmico de la empresa
El valor contable de la empresa se determina segn la normativa
contable (NIIF), y es la diferencia entre el total del activo y el total
del pasivo exigible de la empresa.
En cambio, el valor econmico de la empresa es el valor actualizado de los flujos futuros que la empresa generar, motivo por el cual
es distinto del valor contable, incluso en las empresas que aplican el
valor razonable como criterio de valorizacin contable, porque no
todos los activos y pasivos se valorizan del mismo modo ni existe
obligacin de hacerlo en todos los casos.
En todo caso, las empresas no se transfieren por su valor contable,
sino por su valor econmico o de rendimiento.
4.5. Fondo de comercio
El fondo de comercio es una concepto financiero que representa la
diferencia entre el valor econmico de una empresa y su valor contable, razn por la cual es un valor no contabilizado.
Sin embargo, mediante una adecuada planificacin se pueden conciliar ambos valores, y una va para hacerlo es la emisin de prima
de emisin de acciones, conjuntamente con un rgimen tributario
que difiera o exima del pago del impuesto de primera categora.

Samuel Vergara Hernndez

222

Metodologa de la Investigacin Tributaria


4.6. Prima de emisin de acciones
A. Concepto
Se denomina prima de emisin la cantidad que paga el suscriptor
(accionista) por sobre el valor nominal o el valor libro de las acciones de sociedades annimas, en su caso.
En otras palabras, las acciones con prima son las que se emiten
sobre la par.
B. Regulacin jurdica
De acuerdo con lo dispuesto en el inciso del artculo 26 de la Ley
18.046, sustituido por la Ley 20.382, el mayor valor que se obtenga
en la colocacin de acciones de pago por sobre el valor que resulte
de dividir el capital a enterar por el nmero de acciones emitidas,
aumentar el capital de la sociedad y no podr ser distribuido como
dividendo entre los accionistas. Si, por el contrario, se produjere un
menor valor, ste constituir una disminucin del capital a enterar.
Estas diferencias debern reconocerse en la prxima modificacin
que se haga al capital social2.
C. Regulacin tributaria
Segn lo prescrito en el Art. 17 N 5 de la Ley sobre Impuesto a la
Renta, es ingreso no constitutivo de renta el sobreprecio, reajuste o
mayor valor obtenido por sociedades annimas en la colocacin de
acciones de su propia emisin, mientras no sean distribuidos.
D. Finalidad
La finalidad de la prima de emisin de acciones es conciliar el valor
contable con el valor sustancial o con valor econmico de la empresa, ya que los negocios sobre empresas se hacen en relacin con
2

Ntese que, antes de la modificacin legal, el referido inciso segundo del artculo 26 dispona que el
mayor valor que se obtenga en la colocacin de acciones de pago por sobre el valor nominal si lo tuvieren, deber destinarse a ser capitalizado y no podr ser distribuido como dividendo entre los accionista.
Si por el contrario se produjere un menor valor, ste deber registrarse como prdida en los resultados
sociales.

Samuel Vergara Hernndez

223

Metodologa de la Investigacin Tributaria


los valores econmicos o comerciales, y no sobre valores contables.
5. HIPTESIS DE LA INVESTIGACIN
La hiptesis de trabajo de la investigacin que se realizar es la siguiente:
Si se capitalizan las cuentas patrimoniales de la sociedad annima
cerrada, (para que el capital sea igual al patrimonio), se aumenta el
capital de la sociedad (para duplicar el patrimonio), se aumenta el
capital, que pagarn los nuevos accionistas, quienes adems pagan
una prima de emisin de acciones equivalente a la diferencia entre
el valor econmico de la empresa y el patrimonio contable.
Entonces, los antiguos accionistas quedarn con igual participacin
en el patrimonio contable y en el valor econmico de la empresa
que los nuevos, y sin carga tributaria.
En esta hiptesis la variable dependiente es el aumento del patrimonio contable de los antiguos accionistas sin carga tributaria, porque este aumento depende de las siguientes variables independientes: capitalizacin de las utilidades retenidas y dems cuentas patrimoniales, aumento de capital social y prima de emisin de acciones.
6. METODOLOGA DE INVESTIGACIN
6.1. Tipo de investigacin
La investigacin que se realizar se puede tipificar como una investigacin explicativa, porque la variable dependiente (aumento de patrimonio de los antiguos accionistas sin carga tributaria) depende de
las variables independientes (capitalizacin de utilidades y dems
cuentas patrimoniales, aumento de capital y prima de emisin de
acciones).

Samuel Vergara Hernndez

224

Metodologa de la Investigacin Tributaria


6.2. Diseo de la investigacin
En lo concerniente al diseo de la investigacin, cabe decir que se
realizar un experimento hipottico, ya que se manipularn mentalmente las variables independientes para medir el efecto que producen en la variable dependiente, lo que supone realizar un control
mediante la comparacin de la situacin con y sin planificacin tributaria.
6.3. Mtodos de investigacin
Los mtodos de investigacin que se usarn son los siguientes:
Mtodo deductivo, porque de normas generales se deducen consecuencias particulares; y
Mtodo comparativo, porque se comparar la situacin con y sin
planificacin tributaria.
6.4. Recoleccin de la informacin
La informacin que se recabar es de carcter legal, financiera y
econmica, en relacin con el plan que se elaborar, y se har a
travs del anlisis documental, ya que no hay investigacin de
campo.
6.5. Anlisis e interpretacin de los datos
La informacin se analizar e interpretar jurdicamente, por una
parte; y, por la otra, se analizar y evaluar econmicamente, ya
que se trata de evaluar los costos y beneficios que conlleva la planificacin tributaria para la empresa.

Samuel Vergara Hernndez

225

Metodologa de la Investigacin Tributaria


INDICE PROVISIONAL
1. INTRODUCCIN
2. PLANTEAMIENTO DEL PROBLEMA
3. OBJETIVOS DE LA INVESTIGACIN
4. MARCO JURDICO TRIBUTARIO
5. HIPTESIS Y VARIABLES
6. METODOLOGA DE LA INVESTIGACIN
7. CONTRASTACIN DE LA HIPTESIS
7.1. Elaboracin de planes tributarios hipotticos
7.2. Evaluacin de los planes
7.3. Comparacin de los planes
7.4 Eleccin del mejor plan
8. CONCLUSIN
BIBLIOGRAFA PROVISIONAL
RODRGUEZ, Leonardo: La prima de emisin de acciones. Consecuencias prcticas, Cuadernos de la Universidad Austral, Editorial
Depalma, Buenos Aires, 2001.
DOMNGUEZ, Flix y LPEZ, Julio: Planificacin fiscal, Ariel Economa, Barcelona, 2001
VERGARA, Samuel: Teora General de la Planificacin Tributaria,
Editorial NOVA LEX, Via del Mar-Chile, 2006.
AMADO, Jordi et al: Gestin fiscal de la empresa, CISS Grupo
Wolters Kluwer, Madrid, 2007.
PARRA, Armando: Planeacin tributaria y reorganizacin empresarial, Editorial Legis, Bogot-Colombia, 2006.

Samuel Vergara Hernndez

226

Metodologa de la Investigacin Tributaria


BIBLIOGRAFA DEL CURSO
ALBANO, Sergio: Metodologa de la Investigacin en Administracin, Editorial UNR, Rosario-Argentina, 1999.
AMEZCUA, Manuel y GLVEZ, Alberto: Los modos de anlisis en
investigacin cualitativa en salud: Perspectiva crtica y reflexiones
en voz alta, Revista Espaola de Salud Pblica, Vol. 76, N 5, Madrid, Octubre 2002.
ANDER-EGG, Ezequiel: Tcnicas de Investigacin Social, Editorial Lumen, Buenos Aires-Argentina, 1995.
ANDERSON, David et al: Mtodos Cuantitativos para los Negocios, Thomson Editores, Mxico, 2003.
BELL, Judith: Cmo hacer tu primer trabajo de investigacin, Editorial Gedisa, Barcelona-Espaa, 2002.
BERNAL, Csar Augusto: Metodologa de la Investigacin, Editorial Prentice Hall, Bogot-Colombia, 2000.
BIERMAN, Harold et al: Anlisis cuantitativo para la toma de decisiones, Editorial IRWIN, Madrid, 1996.
BLALOCK, Hubert: Introduccin a la investigacin social, Amorrortu Editores, Buenos Aires, 1989.
BOROBIA, Raquel: La hiptesis en estudios cualitativos. El caso
de la induccin analtica en una investigacin sobre la adolescencia, Revista Pilquen, Seccin Ciencias Sociales, Ao VI, N 6,
2004.
BUNGE, Mario: La investigacin cientfica, Siglo Veintiuno Editores, Mxico, 2004.
CAMPBELL, Donald y STANLEY, Julian: Diseos experimentales y
cuasiexperimentales en la investigacin social, Amorrortu Editores,
Buenos Aires, 1993.
Samuel Vergara Hernndez

227

Metodologa de la Investigacin Tributaria


CARLBERG, Conrad: Anlisis de los negocios con Excel XP, Editorial Prentice Hall, Mxico, 2003.
CASTAEDA, Juan et. Al: Metodologa de la Investigacin, Editorial McGraw-Hill, Mxico, 2005.
CHARTE, Francisco: Clculos estadsticos con Excel, Gua Prctica, Ediciones Anaya Multimedia, Madrid, 2008.
COHEN, Morris y NAGEL, Ernest: Introduccin a la lgica y al mtodo cientfico, Amorrortu Editores, Buenos Aires, 1993.
DAZ NARVEZ, Vctor: Metodologa de la investigacin cientfica
y bioestadstica, Universidad Finis Terrae, RIL Editores, Santiago de
Chile, 2006.
ELAS, Ramn y CAMPOS, Miguel: 1905 ANNUS MIRABILIS, en
CienciaAhora, N 15, ao 8, marzo-abril, Universidad de Concepcin, sede Los ngeles, 2005.
ELORZA, Haroldo: Estadstica para las ciencias sociales y del conocimiento, Oxford University Press, Mxico, 1994.
FIERRO MNDEZ, Heliodoro: Metodologa de la Investigacin para
la Ciencia Jurdica, Ediciones Jurdicas Gustavo Ibez, BogotColombia, 1999.
GONZLEZ, Lucio y MRQUEZ, Gustavo: Metodologa de la Investigacin, Editorial Belgrano, Buenos Aires, 1996.
GUJARATI, Damodar: Principios de econometra,
McGraw-Hill, Madrid, 2006.

Editorial

HERNNDEZ, Roberto, FERNNDEZ, Carlos y BAPTISTA, Pilar:


Metodologa de la Investigacin, Editorial Mc Graw Hill, Mxico,
2000.

Samuel Vergara Hernndez

228

Metodologa de la Investigacin Tributaria


HERRERA, Enrique: Prctica metodolgica de la investigacin jurdica, Editorial Astrea, Buenos Aires-Argentina, 2002.
IRVINE, Andrew: "Thought Experiments in Scientific Reasoning," in
Horowitz and Massey, 1991.
KUHN, Thomas: La estructura de las revoluciones cientficas, Tauros, Madrid, 1978.
LIND, Douglas et al: Estadstica para la administracin y la economa, Editorial McGraw-Hill, Mxico, 2003.
MOENA, Sergio: Pensamiento complejo, Mesa Redonda, Magisterio, Bogot, 1997.
MUOZ, Carlos: Cmo Elaborar y Asesorar una Investigacin de
Tesis, Editorial Prentice Hall, Mxico, 1998.
NIKOLAEVITCH, Stanislav: Las aproximaciones interdisciplinarias
en la ciencia de hoy, en Interdisciplinariedad y ciencias humanas,
Editorial Tecnos, Unesco, Nueva York, 1998.
PADUA, Jorge: Tcnicas de investigacin aplicadas a las ciencias
sociales, Editorial Fondo de Cultura Econmica, Santiago-Chile,
1994.
PHILLIPS, Estelle M.: Cmo obtener un doctorado, Editorial Gedisa, Barcelona-Espaa, 2003.
REALE, Giovanni y ANTISERI, Daro: Historia del pensamiento filosfico y cientfico, Volumen III, Editorial Herdes, Barcelona, 1998.
REZA BECERRIL, Fernando: Ciencia, metodologa e investigacin, Editorial Pearson, Mxico, 1997.
ROGER CIURANA, Emilio: "Edgar Morin. Introduccin al pensamiento complejo", Universidad de Valladolid, 1997.
SALKIND, Keil: Mtodos de Investigacin, Editorial Prentice Hall,
Mxico, 1998.
Samuel Vergara Hernndez

229

Metodologa de la Investigacin Tributaria


SNCHEZ, Juan: Introduccin a la simulacin, Universidad Catlica de Valparaso, Facultad de Ingeniera, Escuela de Ingeniera de
Transporte.
SELLTIZ, Claire y otros: Mtodos de Investigacin en las relaciones sociales, Ediciones Rialp, Madrid-Espaa, 1980.
SIERRA BRAVO, R.: Tesis Doctorales y Trabajos de Investigacin
Cientfica, Editorial Paraninfo, Madrid-Espaa, 1999.
STANDOP, Ewald: Cmo preparar monografas e informes, Editorial Kapelusz, Buenos Aires-Argentina, 1974.
TABORGA, Huscar: Cmo hacer una tesis, Editorial Grijanbo,
Mxico, 1999.
WALKER, Melissa: Cmo escribir trabajos de investigacin, Editorial Gedisa, Barcelona-Espaa, 2002.
WEBSTER, Allen: Estadstica aplicada a los negocios y la economa, Editorial McGraw Hill, Bogot, 2000.
WITKER, Jorge: La Investigacin Jurdica, Editorial McGraw Hill,
Mxico, 1994.

Samuel Vergara Hernndez

230

Metodologa de la Investigacin Tributaria


TABLA DE CONTENIDO (NDICE)
PREFACIO
OBJETIVOS
Captulo I
EPISTEMOLOGA Y CIENCIA SOCIAL
I. INTRODUCCIN
1. CONOCIMIENTO CIENTFICO Y VULGAR
2. MTODO GENERAL Y MTODOS ESPECIALES
3. CLASIFICACIN DE LAS CIENCIAS
4. TERMINOLOGA USADA EN CIENCIAS
5. MTODO CIENTFICO
II. EPISTEMOLOGA
1. CONCEPTO
2. CLASES
3. EPISTEMOLOGAS REGIONALES
4. PROBLEMAS QUE COMPETEN A LA EPISTEMOLOGA
III. CIENCIA SOCIAL
1. CIENCIA
2. CIENCIA SOCIAL
3. CIENTIFICIDAD DE LAS CIENCIAS SOCIALES
3.1. Concepcin positivista de la ciencia
3.2. Concepcin hermenutica
3.3. Racionalismo crtico
3.4. Situacin actual del concepto de ciencia
3.5. Paradigma de la complejidad
3.6. Interdisciplinariedad e integracin del conocimiento
Captulo II
PROCESO DE INVESTIGACIN CIENTFICA
I. MTODO GENERAL DEL PROCESO DE INVESTIGACIN
1. CONOCIMIENTO FCTICO
2. CONOCIMIENTO TRASCENDENTE
3. CIENCIA ANALTICA
4. INVESTIGACIN ESPECIALIZADA
5. CONOCIMIENTO CLARO Y PRECISO
6. CONOCIMIENTO COMUNICABLE
7. CONOCIMIENTO VERIFICABLE
8. INVESTIGACIN METDICA
9. CONOCIMIENTO SISTEMTICO
Samuel Vergara Hernndez

3
4
5
5
5
5
5
5
7
8
10
10
10
11
11
12
12
12
12
12
13
13
13
16
16
18
18
18
18
18
18
19
19
19
19
19
19
231

Metodologa de la Investigacin Tributaria


10. CONOCIMIENTO GENERAL
11. CONOCIMIENTO LEGAL
12. CIENCIA EXPLICATIVA
13. CONOCIMIENTO PREDICTIVO
14. CIENCIA ABIERTA
15. CIENCIA TIL
II. MTODOS Y METODOLOGA DE LA INVESTIGACIN
1. INTRODUCCIN
2. MTODOS DE INVESTIGACIN
2.1. Mtodos baconiano, galileano y cartesiano
2.2. Mtodos lgicos y empricos
2.3. Metodologa de la investigacin
III. MODELOS DE MTODO GENERAL
1. INTRODUCCIN
2. MTODO DE MARIO BUNGE
3. MTODO DE ARIAS GALICIA
4. MTODO DE HERNNDEZ, FERNNDEZ Y BAPTISTA
5. MTODO DE BERNAL
IV. PARADIGMAS DE INVESTIGACIN
1. INTRODUCCIN
2. PARADIGMAS DE INVESTIGACIN
3. INVESTIGACIN CUANTITATIVA
3.1. Diseos experimentales
3.2. Encuesta social
3.3. Estudios cuantitativos con datos secundarios
4. INVESTIGACIN CUALITATIVA
Captulo III
IDEA O TEMA DE INVESTIGACIN
I. BSQUEDA DE TEMA
1. INTRODUCCION
2. FUENTES DE IDEAS
2.1. Lectura reflexiva y crtica
2.2. Participacin activa
2.3. Aula de clases
2.4. Centros de investigacin
2.5. Organismos interesados en investigacin
2.6. Profesores
2.7. Actividad profesional
2.8. Experiencia personal
Samuel Vergara Hernndez

20
20
20
20
20
20
22
22
22
22
23
23
29
29
29
30
30
30
32
32
32
32
34
34
34
35
37
37
37
37
37
37
38
38
38
38
38
38
39
232

Metodologa de la Investigacin Tributaria


II. CRITERIOS PARA SELECCIONAR LA IDEA
1. NOVEDAD Y ORIGINALIDAD
2. UTILIDAD EN LA SOLUCIN DE PROBLEMAS
3. EST DENTRO DE UNA LNEA DE INVESTIGACIN
4. CONTRASTE DE RESULTADOS
III. TTULO DEL TEMA DE INVESTIGACIN
1. INTRODUCCIN
2. EJEMPLOS DE TEMAS DE INVESTIGACIN
3. TEMAS DE INVESTIGACIN EN DERECHO TRIBUTARIO
4. TEMAS DE INVESTIGACIN EN TRIBUTACIN
5. TEMAS DE INVESTIGACIN EN PLANIFICACIN
Captulo IV
PLANTEAMIENTO DEL PROBLEMA DE INVESTIGACIN
1. INTRODUCCIN
2. ENUNCIACIN DEL PROBLEMA
2.1. Diagnstico
2.2. Pronstico
3. FORMULACIN DEL PROBLEMA
4. SISTEMATIZACIN DEL PROBLEMA
Captulo V
OBJETIVOS DE LA INVESTIGACIN
1. INTRODUCCIN
2. OBJETIVO GENERAL
3. OBJETIVOS ESPECFICOS
Captulo VI
JUSTIFICACIN Y DELIMITACIN DE INVESTIGACIN
1. INTRODUCCIN
2. JUSTIFICACIN DE LA INVESTIGACIN
2.1. Justificacin terica
2.2. Justificacin prctica
2.3. Justificacin metodolgica
3. DELIMITACIN DE LA INVESTIGACIN
3.1. Limitacin temporal
3.2. Limitacin espacial
3.3. Limitacin material u objetiva
3.4. Limitacin financiera
Captulo VII
ELABORACIN DEL MARCO DE REFERENCIA
1. INTRODUCCIN
Samuel Vergara Hernndez

40
40
40
40
40
41
41
41
41
42
42
44
44
44
44
45
45
46
46
47
47
47
48
48
49
49
49
49
50
50
50
51
51
51
51
51
52
52
52
233

Metodologa de la Investigacin Tributaria


2. MARCO TERICO
3. MARCO CONCEPTUAL
4. MARCO JURDICO
Captulo VIII
FORMULACIN DE HIPTESIS
1. INTRODUCCIN
2. CONCEPTO DE HIPTESIS
3. ESTRUCTURA LGICA DE LAS HIPTESIS
4. VARIABLES DE LAS HIPTESIS
4.1. Concepto de variable
4.2. Clasificacin de las variables
4.3. Definicin conceptual y operacional de las variables
5. CLASES DE HIPTESIS
5.1. Hiptesis de investigacin
5.2. Hiptesis nula
5.3. Hiptesis alternativa
5.4. Hiptesis descriptiva
5.5. Hiptesis correlacional
5.6. Hiptesis explicativa
5.7. Hiptesis estadstica
6. FUNCIN DE LAS HIPTESIS
7. VERIFICACIN DE LAS HIPTESIS
7.1. Concepto de verificacin
7.2. Medios para verificar las hiptesis
7.3. Experimento real
7.4. Experimento hipottico
7.5. Experimento simulado o simulacin
7.6. Induccin analtica
Captulo IX
PRUEBA DE HIPTESIS ESTADSTICAS
I. INTRODUCCIN
1. CONCEPTO DE ESTADSTICA
2. ESTADSTICA DESCRIPTIVA
2.1. Moda, mediana y moda (medidas de tendencia central)
2.2. Varianza de la poblacin
2.3. Desviacin estndar de la poblacin
2.4. Varianza y desviacin estndar de una muestra
3. ESTADSTICA INFERENCIAL
3.1. Poblacin y muestra
Samuel Vergara Hernndez

53
54
55
56
56
56
56
57
58
58
59
61
61
62
62
63
63
63
63
64
64
65
65
65
66
69
73
74
79
79
79
79
79
80
80
81
81
83
83
234

Metodologa de la Investigacin Tributaria


3.2. Niveles o escalas de medicin
3.3. Distribucin de frecuencia
3.4. Probabilidad
3.5. Distribucin de probabilidad
3.6. Distribucin de probabilidad binomial
3.7. Distribucin de probabilidad normal
3.8. Teorema del lmite central
3.9. Distribucin t de Student
3.10. Distribucin chi-cuadrado ()
3.11. Distribucin F
3.12. Estadsticas paramtricas y no paramtricas
II. PRUEBAS DE HIPTESIS ESTADSTICAS
1. INTRODUCCIN
2. HIPTESIS NULA Y ALTERNATIVA
2.1. Hiptesis nula
2.2. Hiptesis alternativa
3. SIGNIFICACIN ESTADSTICA
4. ERRORES DE TIPO I Y DE TIPO II
4.1. Error tipo I: Rechazar la hiptesis nula verdadera
4.2. Error tipo II: No rechazar la hiptesis nula falsa
5. NIVEL DE SIGNIFICACIN
6. VALORES CRTICOS Y ZONA DE RECHAZO
7. PROCEDIMIENTO PARA PROBAR HIPTESIS ESTAD
8. VALORES P: USO E INTERPRETACIN
III. APLICACIN PROCEDIMIENTO PARA PROBAR HIPT
1. INTRODUCCIN
2. PRUEBA DE LA MEDIA DE LA POBLACIN
2.1. Prueba de dos colas
2.2. Prueba de una cola
3. PRUEBA DE HIPTESIS DE DOS MEDIAS DE POBLAC
4. PRUEBA RESPECTO DE LAS PROPORCIONES
5. PRUEBA PROPORCIONES POBLACIONALES
6. PRUEBA MEDIA (MUESTRAS PEQUEAS)
7. ANLISIS DE VARIANZA
8. PRUEBA CHI-CUADRADO
8.1. Prueba de bondad de ajuste
8.2. Prueba de independencia de dos variables categricas
8.3. Prueba de hiptesis referente a proporciones
9. PRUEBA DE HIPTESIS EN LA REGRESIN

83
84
84
85
86
88
91
92
94
95
97
99
99
99
99
100
100
100
100
101
101
102
105
113
113
113
113
113
115
116
118
121
124
127
135
137
141
143
145

Samuel Vergara Hernndez

235

Metodologa de la Investigacin Tributaria


9.1. Regresin lineal simple
9.2. Regresin mltiple
Captulo X
TIPOS DE INVESTIGACIN
1. INTRODUCCIN
2. INVESTIGACIN EXPLOTARIA
3. INVESTIGACIN DESCRIPTIVA
4. INVESTIGACIN CORRELACIONAL
5. INVESTIGACIN EXPLICATIVA
6. ESTUDIO DE CASO
7. INVESTIGACIN EXPERIMENTAL
8. INVESTIGACIN NO EXPERIMENTAL
9. OTROS TIPOS DE INVESTIGACIN
9.1. Investigacin histrica
9.2. Investigacin documental
9.3. Investigacin terica
9.4. Investigacin aplicada
9.5. Investigacin cuantitativa
9.6. Investigacin cualitativa
10. TIPIFICACIN DE LA INVESTIGACIN
Captulo XI
DISEO DE INVESTIGACIN
1. INTRODUCCIN
2. CLASES DE DISEO
2.1. Diseos experimentales
2.2. Diseos no experimentales
3. DISEOS EXPERIMENTALES
4. VALIDEZ DE LOS EXPERIMENTOS
4.1. Validez interna
4.2. Validez externa
4.3. Notacin convencional de los experimentos
Captulo XII
POBLACIN Y MUESTRA
1. INTRODUCCIN
2. POBLACIN
3. MUESTRA DE LA POBLACIN
3.1. Concepto de muestra
3.2. Tipos de muestreo
3.3. Tamao de la muestra

145
159
180
180
180
181
181
183
184
185
187
188
188
188
189
189
189
189
190
191
192
192
192
192
192
192
193
193
193
194
194
195
195
195
195
196
196
196
198

Samuel Vergara Hernndez

236

Metodologa de la Investigacin Tributaria


Captulo XIII
FUENTES Y TCNICAS DE RECOLECCIN DE INFORMAC
1. INTRODUCCIN
2. FUENTES DE RECOLECCIN DE INFORMACIN
2.1. Fuentes primarias
2.2. Fuentes secundarias
3. TCNICAS DE RECOLECCIN DE INFORMACIN
3.1. Observacin directa
3.2. Entrevista estructurada y no estructurada
3.3. Anlisis de documentos
3.4. Internet
3.5. Encuesta
4. INSTRUMENTO DE RECOLECCIN DE LA INFORMACI
4.1. Preguntas cerradas
4.2. Preguntas abiertas
4.3. Redaccin de las preguntas
4.4. Validez y confiabilidad del cuestionario
Captulo XIV
ANLISIS E INTERPRETACION DE LOS DATOS
1. INTRODUCCIN
2. PROCESAMIENTO DE LOS DATOS
3. HERRAMIENTAS ESTADSTICAS
3.1. Estadstica descriptiva
3.2. Estadsticas inferencial
Captulo XV
PROYECTO DE INVESTIGACIN
EJEMPLO DE INVESTIGACIN EN TRIBUTACIN
EJEMPLO DE INVESTIGACIN EN PLANIFICACIN
BIBLIOGRAFA DEL CURSO
TABLA DE CONTENIDO (NDICE)

202
202
202
202
202
203
203
203
203
204
204
204
204
205
205
205
206
206
207
207
207
208
208
208
210
210
210
218
227
231

Samuel Vergara Hernndez

237

Metodologa de la Investigacin Tributaria


NOTAS:

Samuel Vergara Hernndez

238

Metodologa de la Investigacin Tributaria

Samuel Vergara Hernndez

239

Metodologa de la Investigacin Tributaria

Samuel Vergara Hernndez

240

Metodologa de la Investigacin Tributaria

Samuel Vergara Hernndez

241

Metodologa de la Investigacin Tributaria

Samuel Vergara Hernndez

242

Metodologa de la Investigacin Tributaria

Samuel Vergara Hernndez

243

Metodologa de la Investigacin Tributaria

Samuel Vergara Hernndez

244

Metodologa de la Investigacin Tributaria

Samuel Vergara Hernndez

245

Metodologa de la Investigacin Tributaria

Samuel Vergara Hernndez

246

Вам также может понравиться