Métodos Cuantitativos I:

Diseño y medición
Clase 5: tipos de escalas  

Nico Trajtenberg
Departamento de Sociologia,
Facultad de Ciencias Sociales
Udelar 1
 Que vimos la ultima vez?
1.  Indices y escalas
ü  Para que los precisamos
ü  Aspectos comunes y diferentes de indices y escalas
ü  3 ej: machismo, desorden social y activismo
ü  5 pasos para construir escalas/indices
•  Selección de items
•  Analisis de relaciones empiricas
•  Asignar puntaje
•  Problema de falta de datos
•  validacion

2
 Y hoy…?
1.  Repaso rapido de clase pasada à 5 pasos para
construccion de indices y escalas

2.  Tipos de Escalas

ü  Bogardus
ü  Guttman
ü  Thurstone
ü  Lickert
ü  Diferencial semantico / osgood
ü  Evaluacion de escalas

3.  Introduccion a datos secundarios en Uruguay

ü  Introduccion
ü  Ejemplo crimen y pobreza
ü  Moraleja
ü  Trabajo domiciliario
3
I. Retomando clase pasada:
Indices y escalas

4
 Indices y escalas: como los
construimos?
—  Construccion no es una tarea sencilla

—  En muchos casos hay una falta de metodo à ha determinado

que en las ciencias sociales se utilicen indices de mala calidad

—  5 pasos
i.  Elegir posibles items
ii.  Examinar sus relaciones empiricas
iii.  Asignarle un puntaje
iv.  Manejar missing data
v.  Validacion interna y externa del indice

5
II. Y ahora vayamos especificamente
a ciertos tipos de escalas y como
construirlas

6
 Escalas
—  Queremos diseniar cuidadosamente un cluster de items/
reactivos de manera tal que nos permitan sintetizar y medir
cuantitativamente de manera precisa, confiable, sistematica y
valida los distintos aspectos de un constructo latente que nos
interesa

—  En particular son muy utiles para medir actitudes, sentimientos,

emociones, opiniones, creencias, valores, etc.

—  Recordemos clase pasada: unidad de analisis, direccion,

intensidad, patron de respuestas, unidimensionalidad

—  Existen muchas formas de construir escalas

7
 Construccion (Devilish 2011)
I.  Determinar claramente que queremos
medir

II.  Generar un pool de items/reactivos y

ordenarlos de acuerdo a intensidad

III.  Determinar el formato de medida

IV.  Buscar expertos que nos puedan revisar

los items que hemos generado

V.  Incluir items de validacion ya utilizados

en la literatura

VI.  Pilotear los items

VII.  Evaluar los items y la escala (validacion y

confiabilidad; respuestas ofrecen valores
acumulativos o en forma escalonada)

VIII.  Optimizar el tamanio de la escala 8

 (i) Escala Bogardus de distancia social

—  Alguna vez se preguntaron cuan

tolerantes son respecto a otros tipos
de personas?

—  Cuanto rechazo les generan otras

personas, por ejemplo, negros, gays,
musulmanes, judíos, feministas, o
inclusive gente con antecedentes
penales…por ej: ofensores sexuales?

9
 (i) Escala Bogardus de distancia social

—  Esta escala incluye items que permiten medir los

distintos niveles de intensidad en distancia
social / grado de cercania / participacion en
relaciones sociales

—  Por ejemplo, que opinas de los ofensores

sexuales?
—  Permitirias que vivieran en tu pais?
—  Permitiras que vivieran en tu ciudad?
—  Permitirias que fuera vecino?
—  Permitirias que se casara con un hijo/a tuyo/a?

10
(i) Escala Bogardus de distancia social
—  Diferencias de intensidad en items à sugiere estructura de respuestas
donde los que aceptarian casamiento de hijo con ofensor sexual aceptarian
otros items de menor intensidad, pero los que aceptan que vivan en el pais
no necesariamente aceptarian las items de mayor intensidad

—  Hay estructura de intensidad inherente a los items à items faciles tienen
mayor nivel de aprobacion y items dificiles tienen menor aprobacion

—  los individuos se clasificarian de acuerdo a cinco patrones idealizados de

respuesta à permite hacer economia de escalas sin perder informacion

11
 (ii) Escala Guttman
—  Mantiene supuesto basico de anterior tipo de escala à
no todos los intems valen lo mismo à algunos son
indicadores mas extremos del constructo
—  Quien aprueba un ítem dificil tambien aprobará ítems
fáciles
—  Claves los procedimientos de validez ya vistos: analisis
de la validez aparente de los items; relaciones
bivariadas y multivariadas entre items; detectar items
faciles y dificiles
—  Imaginemos que queremos saber actitudes respecto al
consumo de drogas de estudiantes de facultad de CCSS
à hacemos encuesta y encontramos hay los siguientes
niveles de aprobacion:
—  Consumo de heroína = 39%
—  Consumo de marihuana = 81%
—  Consumo de alcohol = 89%

12
 (ii) Escala Guttman
—  Gran mayoria responde la estructura escalar prevista (Tipos puros) à si
me parece bien que se den duro con heroína no veo mucho problemas que
le den al alcohol

—  Unos pocos violan la estructura escalar prevista (Tipos mixtos) à son
menos de un 2% pero indica que no hay una escala guttman perfecta

Cantidad
Alcohol Marihuana Heroina de casos
—  Si el resultado no es Tipos Puros
un conjunto ordenado
de respuestas à
instrumento no esta
midiendo lo que
pretendiamos, o que
no posee la
estructura que
Tipos Mixtos
imaginabamos

13
 (ii) Escala Guttman
—  Alguien que aprobo alcohol, marihuana y heroína suma 3

—  Alguien que aprobo alcohol y marihuana suma 2

—  Pero que hacemos con alguien que aprobo alcohol y heroína? suma 2? à
los tipos mixtos nos generan problemas

Cantidad
Alcohol Marihuana Heroina de casos

Tipos Puros

Tipos Mixtos

14
 (ii) Escala Guttman
—  Coeficiente de reproducibilidad = 1 – (numero de errores / numero de
posibles errores)

—  Se debe buscar asignar puntajes diferenciales con el objetivo de

minimizar los errores que se harian reconstruyendo la respuestas
originales

Total de
Patron de Cantidad Puntaje Puntaje de errores de
respuesta de casos indice escala escala

15
 (ii) Escala Guttman
—  Ojo, hay varias maneras de dar puntajes a los tipos mixtos
—  Es muy raro encontrar una estructura de respuestas con reproducibilidad
100% à si nos pasa, ojo que algo podemos haber hecho mal!!!!!
—  Rule of thumb: 90 – 95%
—  un alto nivel de reproducibilidad es menos probable cuanto mayor es el
numero de items
—  Es dependiente de la muestra que estemos utilizando à no tiene sentido
decir que un conjunto de items en abstracto constituyen una Escala
Guttman à solo lo consitituyen en el marco de una muestra especifica!

16
 (iii) Escala Thurstone
—  Por ejemplo, imaginen que quiero medir actitudes respecto a las armas
usando estos items
—  La mayoria de las personas se siente nervioso y prefiere irse si alguien de
su entorno cercano tiene un arma
—  Llevar un arma conmigo me hace sentir seguro
—  Me excita acariciar mi magnum 44 cada vez que siento ruidos en casa
—  Charlton Heston me cae simpatico
—  Me encanta el olor a Napalm por la maniana…huele a……es como…sentir olor
a victoria (Francis Ford Coppola’s Apocalipisis Now)

—  A veces la estructura logica inherente de los items no es tan clara à que
hacemos?

17
 (iii) Escala Thurstone
—  Forma alternativa para descubrir la estructura
inherente a los items

—  Se da un gran numero de indicadores que se creen que

miden actitudes respecto a armas a grupo de jueces
expertos para que evaluen/ponderen con puntaje (ej. de
0 a 10) cuan representativos son del constructo

—  Hacer escalas es buscar homogeneidad à selección de

ítems donde hay mayores niveles acuerdo sobre su
validez y descartar ítems ambiguos

—  Si items fueron seleccionados y punteados

adecuadamente obtengo
ü  un conjunto limitado de ítems relativamente homogeneo
y unidimensional
ü  encuestados que aprueban items que expertos
calificaron como mas intensos deberian tambien aprobar
items de menor intensidad à deberia generarse patron
de respuesta y economía de escala
18
 (iii) Escala Thurstone
—  Inconvenientes
ü  Intensivo en recursos y tiempo
ü  Complejidad de acceso a expertos según el
tipo de topico (imaginense conseguir expertos
en crimen en Uruguay?????)

ü  Significado y ponderación puede variar

cultural y temporalmente à actualización!

19
 (iv) Escala Lickert
—  Alguna vez tuvieron que responder a una encuesta con
respuestas como:

—  Fuertemente de acuerdo, de acuerdo, ni de acuerdo ni en

desacuerdo, en desacuerdo, fuertemente en desacuerdo
—  Nunca, rara vez, a veces, frecuentemente, siempre

—  El formato escala Lickert de cinco o cuatro opciones

se ha extendido como uno de los formatos de
pregunta mas utilizados donde se solicita el grado de
acuerdo o desacuerdo del encuestado

—  Valor à el carácter ordinal de las categorias de

respuesta permite medir en forma estandarizada la
intensidad de las distintas respuestas

—  Permiten sumar las respuestas de los encuestados y

tener un score final con grado de acuerdo

20
 (iv) Escala Lickert
—  M-proso 2014 midiendo moralidad
ü  un psicopata diabolico inmoral puntuaria 14 (1x14)
ü  y un angelito de dios puntuaria 98 (7x14)

21
 (v) Diferencial Semantico / Osgood
—  Igual que en Likert se pide a encuestados que elijan entre
dos posiciones extremas usando cualificadores para acortar
la distancia de esos extremos

—  Permite medir los sentidos connotativos (significación) que

los individuos asignan a objetos, eventos, situaciones, ideas
à para intentr medir sus actitudes globales

—  Tres elementos claves: evaluacion, potencia y actividad

—  Supongamos que yo quiero saber algo casi obvio: cuan malo
es el profesor de teórico de Metodos Cuanti I?
1.  Determinar dimensiones con las cuales los estudiantes deberian
evaluar
2.  Para cada dimensión, elegir dos adjetivos o frases que
representen y califiquen los extremos bipolares
3.  Se prepara hoja de evaluacion donde hay escala de 7 grados
dentro de la cual los sujetos podran elegir en que punto refleja
mejor su posicion respecto a dimension

22
 (v) Diferencial Semantico / Osgood
Evaluando a los profesores de facultad….

Por ejemplo, si yo le digo Profesor de Metodos

Cuantitativos I, usted piensa en…

No sabe del tema 1 2 3 4 5 6 7 Es un imbécil

Tiene un olor a pie sucio tan 1 2 3 4 5 6 7 Viene a dar clases

desagradable que provoca bien preparado
desmayos

Es muy malo en términos 1 2 3 4 5 6 7 Esta actualizado con el

de pedagogia y didactica conocimiento
metodologico

23
 (v) Diferencial Semantico / Osgood
Evaluando a los profesores de facultad….

Por ejemplo, si yo le digo Profesor de Metodos

Cuantitativos I, usted piensa en…

No sabe del tema 1 2 3 4 5 6 7 Sabe del tema

Viene a dar clases pintado al 1 2 3 4 5 6 7 Viene a dar clases

oleo (y a veces borracho) bien preparado

No sube nunca los putos 1 2 3 4 5 6 7 Se mantiene al dia

power point del teorico actualizando contenidos
del curso

24
 Evaluación de las escalas
—  Como vimos en la clase pasada, las escalas deben ser evaluadas

—  Validez de escalas à habiamos visto cinco pasos a seguir

•  Selección de items: validez aparente, unidimensionalidad,
suficiente varianza

•  Analisis de relaciones empiricas à relacion entre items

•  Asignar puntaje

•  Problema de falta de datos

•  Validacion interna y externa

25
 Evaluacion de las escalas
—  Tambien hay que evaluar la Confiabilidad de las escalas,
recordemos algunas que mencionamos hace unas clases

ü  Test –retest à aplicar medida mas de una vez (cuidado con
cambio en el tiempo y con efecto aprendizaje!!!!)

ü  Metodo split half à dividir la muestra en dos y testear

diferentes medidas/reactivos

ü  Inter item à evaluar consistencia y asociacion entre variables

(alpha de cronbach)

26
 Indices y escalas
—  Ambos son medidas compuestas que sintetizan multiples items

—  Nos ayudan a ir mas alla de indicadores observables y a intentar

aproximarnos a examinar y medir constructos abstractos y
latentes

—  Muchos de los conceptos mas interesantes y utiles para describir

y explicar en CCSS involucran estados mentales y actitudes à
necesidad de usar medidas compuestas

—  Es clave ser metodico en los procedimientos de construccion:

ü  cómo seleccionamos los items
ü  que estructura de respuestas poseen y como la usamos para
desarrollar la medida compuesta
ü  que tipo de puntaje les asignamos
ü  como evaluamos la calidad

27
 III. Datos primarios y
secundarios (en Uruguay)

28
 De que va este curso?

X Y

Datos Datos
Primarios Secundarios

29
 De que va este curso?

Conducta
Religión prosocial y
menor
desviación

Datos Datos
Primarios Secundarios

30
 Importancia de datos secundarios
—  Un tema muy importante pero presentado por el
cientista social menos idoneo del uruguay

—  Represento todos los peores vicios de cierto tipo de

sociologo que ignora cómo sacar jugo de la informacion
existente en Uruguay

—  Ante una duda sobre un fenomeno empirico, la reaccion

inmediata es….

Y porque no hacemos una una encuesta?

31
 Ejemplo: pobreza y crimen
—  En los ultimos anios, Uruguay ha empeorado
notoriamente en sus niveles de criminalidad y
violencia

—  Que vinculo existe entre el delito y la pobreza/

desigualdad en Uruguay? Si pertenezco a una zona
pobre, carenciada, y excluida tengo mas chances
de involucrarme en crimenes y violencia?

32
 Ejemplo: pobreza y crimen
—  Y como averiguo si crimen esta asociado con pobreza? à
proyecto m-proso
ü  Desarrollo un proyecto Univ. Cambridge - ANEP
ü  Busqueda (y obtencion, obviamente) de financiamiento
ü  Traduccion y adaptacion cultural de cuestionario
ü  Pruebas pilotos de cuestionario
ü  Contacto de instituciones y obtencion de permisos (de
directores, maestros, padres)
ü  Desarrollo muestra (n = 2202)
ü  Contratacion de equipo de investigacion
ü  Entrenamiento de equipo de supervisores y encuestadores
ü  Desarrollo de trabajo de campo
ü  Entrada de datos
ü  Data managment y data cleaning de datos
ü  Procesamiento de datos…

33
 Ejemplo: pobreza y crimen
—  Resultado à empleando distintas medidas de pobreza y
exclusion social (barrio de pertenencia según nivel
socio economico o nivel de desarrollo humano; clase
social de pertenencia de padres) observamos que no
hay asociacion al crimen de los jovenes!

—  Habia alguna otra manera de estudiar este fenomeno?

1.  La Encuesta de Adolescencia y Juventud (Modulo de la

Encuesta Continua de Hogares) incluye preguntas sobre
crimen y violencia de una muestra de jovenes (n = 3800)
que puede ser asociada con nivel socio economico del hogar
en la Encuesta Continua de Hogares

2.  O capaz intentar combinar datos de denuncias policiales de

crimenes del Ministerio del Interior por barrios y datos
socio economicos de la Encuesta Continua de Hogares
sobre nivel socio economico de los hogares?

34
 Moraleja?
—  Juntar datos secundarios y prepararlos para un analisis
adecuado no es un trabajo menor, demanda expertise
metodologica y puede implicar varios problemas y costos

—  Por supuesto que existen muchas ventajas de construir

datos primarios à muchas veces los datos secundarios
—  no existen, o no incluyen medidas validas/fiables de
constructos que nos interesan
—  no permiten adecuada evaluacion de politicas o programas à
necesidad de disenios experimentales?
—  el problema de ser un nazi….para la vida academica: “Si uno
estrangula los datos con paciencia y metodo, los datos
terminaran confesando lo que sea” (Economics Nobel Prize,
Ronald Coase)

35
 Moraleja?
—  Pero muchas veces existen datos secundarios con medidas
suficientemente validas à permiten estudiar en forma
adecuada el fenomeno que nos interesa, y en forma
infinitamente menos costosa!!!!

—  O al menos nos permiten una primer aproximacion para

tener una idea mas clara sobre si vale la pena construir
datos primarios y/o como hacerlos de forma que
constituyan un aporte significativo
ü  M-proso à incluye medidas de personalidad, moralidad,
legitimidad, medios de comunicación, victimizacion, etc., que
pueden a) explicar delito, y b) moderar relacion pobreza – delito

—  Ademas…experimentos como golden rule de disenios

causales? Si, pero…no hay que ser talibanes à disenios
cuasi experimentales actuales ofrecen alternativas
interesantes!

—  Por eso…es bueno tener una idea de que hay, antes de venir
con locas pasiones à y mas en el caso de monografias,
tesis, y trabajos de iniciacion!!!!!!!!!!
36
 Datos secundarios
—  Investigacion secundaria: uso de datos construidos por otros
investigadores o instituciones

—  Multiples fuentes y diversas formas:

ü  Datos no publicados elaborados por organismos públicos y privados

ü  Datos publicados elaborados por organismos públicos y privados

ü  Investigaciones publicadas en libros y revistas

ü  Investigaciones no publicadas

37
 Datos secundarios
Ventajas
ü  Requiere menos y recursos económicos
y humanos que datos primarios
ü  Facilita acceso a un mayor volumen de
información procedente de múltiples y
diversas fuentes muy difícil de lograr
en una investigación primaria
Desventajas
ü  Permite cubrir amplios periodos de
tiempo ü  No disponibilidad: acceso difícil o
restringido
ü  Complemento que sirve para desarrollar
ü  Inadecuación respecto a objetivos de
estudios desde inicio (formulación de investigación, periodo de tiempo,
problema/hipótesis) hasta conclusión población de interés
(interpretación de resultados)
ü  Falta de control/conocimiento del
proceso de obtención y registro
originario de la información à debilita
la evaluación de calidad de datos e
interpretación
ü  Comparación se debilita cuando hay
cambios en la organización de la
información a lo largo del tiempo
38
 Tipos de fuentes y sus formas
—  Fuentes de datos secundarios sobre Uruguay
ü  Instituto Nacional de Estadistica (INE)
ü  Instituto de Economia de la Facultad de Ciencias
Economicas, UDELAR (iecon)
ü  Ministerio de Desarrollo Social (MIDES)
ü  Oficina de Planeamiento y Presupuesto (OPP)
ü  Banco Mundial
ü  Banco de datos, Facultad de Ciencias Sociales, UDELAR
ü  Latinobarometro
ü  CEPAL

—  Tres formas de fuentes que podemos encontrar

ü  Micro datos
ü  Procesadores en linea
ü  Datos procesados / informes

39
Gracias…la que viene parcial!!!!!!!

Hasta la derrota siempre!

40