Al diseñar una tesis cuantitativa, distinguir entre un estudio correlacional y un estudio explicativo ayuda a definir qué se quiere conocer y qué evidencia se necesita. En el libro de Hernández Sampieri, Fernández Collado y Baptista Lucio, el término utilizado es correlacional: este alcance examina asociaciones entre variables, mientras que el explicativo busca comprender las causas de los fenómenos y las condiciones en que ocurren.
¿Cómo se plantea un estudio correlacional?
La pregunta central indaga si las variables se relacionan, en qué dirección y con qué intensidad. Una asociación puede apoyar una predicción, pero por sí sola no demuestra causalidad.
Ejemplo hipotético para ingeniería industrial:
| Componente | Enunciado propuesto |
|---|---|
| Problema | ¿Qué relación existe entre el cumplimiento del mantenimiento preventivo y las horas de parada no programada de los equipos de la empresa X durante 2026? |
| Hipótesis de investigación | Un mayor cumplimiento del mantenimiento preventivo se relaciona con menos horas de parada no programada. |
| Objetivo general | Determinar la relación entre el cumplimiento del mantenimiento preventivo y las horas de parada no programada. |
| Objetivos específicos | Medir ambas variables y estimar la dirección e intensidad de su asociación. |
Para contrastar la hipótesis, se podrían registrar, por equipo y periodo, el porcentaje de actividades de mantenimiento cumplidas y las horas de parada. Es necesario definir unidades de observación comparables y considerar características como antigüedad y carga de operación.
¿Cómo se plantea un estudio explicativo?
La pregunta se orienta a evaluar por qué ocurre un resultado o qué efecto tiene una intervención. Su formulación exige identificar la posible causa, el resultado esperado y las condiciones de comparación.
Ejemplo hipotético para ingeniería industrial:
| Componente | Enunciado propuesto |
|---|---|
| Problema | ¿La aplicación del nuevo programa de mantenimiento reduce las horas de parada no programada frente al programa habitual en equipos comparables de la empresa X durante 2026? |
| Hipótesis de investigación | Los equipos que reciben el nuevo programa presentan menos horas de parada no programada que los equipos que mantienen el programa habitual. |
| Objetivo general | Evaluar el efecto del nuevo programa de mantenimiento sobre las horas de parada no programada. |
| Objetivos específicos | Establecer la condición inicial, aplicar el programa y comparar los resultados entre condiciones, considerando las características relevantes de los equipos. |
Este ejemplo requiere un diseño que sustente la comparación. Escribir “efecto” en el objetivo no garantiza que la investigación pueda demostrarlo.
¿Qué análisis estadístico se utiliza para contrastar las hipótesis?
La prueba se selecciona según la hipótesis, el nivel de medición, la distribución de los datos y la independencia o dependencia de las observaciones. El libro desarrolla, entre otros procedimientos, Pearson, regresión lineal, prueba t, ANOVA, chi cuadrada y correlaciones por rangos.
| Situación que se analiza | Procedimiento posible | Qué se contrasta |
|---|---|---|
| Relación lineal entre dos variables cuantitativas | Correlación de Pearson | Si existe asociación lineal; el coeficiente expresa su dirección e intensidad. |
| Asociación entre variables ordinales o rangos | Correlación de Spearman | Si existe asociación monotónica entre sus valores ordenados. |
| Asociación entre variables categóricas | Chi cuadrada de independencia | Si las categorías de ambas variables son independientes. |
| Predicción de un resultado cuantitativo mediante otra variable | Regresión lineal | La relación estadística entre predictor y resultado. |
| Diferencia de medias entre dos grupos independientes | Prueba t para muestras independientes | Si las medias difieren entre condiciones. |
| Diferencia de medias entre tres o más grupos independientes | ANOVA de un factor | Si al menos una media difiere de las demás. |
Estos procedimientos requieren verificar sus condiciones de aplicación. Pearson y Spearman no son intercambiables, y una comparación entre grupos independientes exige un análisis diferente de una comparación antes y después en los mismos sujetos o equipos.
Significancia estadística y causalidad son cuestiones diferentes
La hipótesis nula se formula para el contraste elegido: por ejemplo, ausencia de correlación poblacional o igualdad de medias. El resultado se interpreta frente al nivel de significancia establecido previamente.
Un valor p pequeño no convierte una asociación en una relación causal. Tampoco demuestra que una intervención sea útil en términos operativos. Conviene informar la magnitud del resultado y su incertidumbre, además de valorar su importancia para el proceso estudiado.
En el ejemplo del mantenimiento, una reducción de las paradas debe examinarse junto con posibles diferencias de carga, antigüedad, operación y condiciones iniciales.
¿Qué ocurre si solo se mide antes y después?
Si la tesis aplica una mejora a un único grupo y compara una medición inicial con otra posterior, utiliza un diseño preexperimental. Hernández Sampieri advierte que su control limitado dificulta establecer causalidad con certeza.
En ese caso, una pregunta prudente sería: ¿qué cambios se observan en las horas de parada después de aplicar el programa? El objetivo sería evaluar esos cambios, reconociendo otras explicaciones posibles.
Una tesis coherente conecta la pregunta con la hipótesis, los objetivos, el diseño y el análisis. La conclusión debe expresar exactamente lo que esa combinación permite sostener.
Referencia
Hernández Sampieri, R., Fernández Collado, C., & Baptista Lucio, M. del P. (2014). Metodología de la investigación (6.ª ed.). McGraw-Hill Education. Capítulos 5, 7 y 10.