paradigma cuntitativo

agosto 2003 23PRODUCCIN Y GESTIN

Vol. (6) 1: pp. 23-37

RESUMEN

El artculo trata sobre los diseosde investigacin abarcando unconjunto de etapas y actividadesque permiten planificar y ejecutaruna investigacin, enmarcado enel paradigma cuantitativo llamadotambin ciencia emprica.

Palabras Claves: Proyecto deInvestigacin. Positivismo.Paradigma clsico. Paradigmacuantitativo.

ABSTRACT

This article deals with researchoutline, comprising a whole ofstages and activities allowing theplanning and performing of aresearch, framed within thequantitative paradigm, alsoknown as "empirical science".

Key Words: Research project.Positivism. Classic paradigm.Quantitative paradigm.

PARADIGMA CUANTITATIVO:Un Enfoque Emprico y Analtico

(1) Jorge Inche M.(2) Yolanda Anda C.

(3) Henry Huamanchumo V.(4) Mara Lpez O.

(5) Jaime Vizcarra M.(6) Gladys Flores C.

(1) Magster en Ciencias, UCV. Docente principal, UNMSM.E-mail: [email protected]

(2) Magster en Tratamiento de Aguas y Reuso de Desechos.Jefe Equipo Operacin de Plantas, SEDAPAL.E-mail: [email protected]

(3) Magster en Administracin. Consultor Externo de Empresas.E-mail: [email protected]

(4) Magster en Desarrollo Regional. Docente principal, UNI.E-mail: [email protected]

(5) Magster en Contabilidad. Docente Universidad de Lima.E-mail: [email protected]

(6) Magster en Finanzas. Auditora en el Ministerio de Salud.E-mail: [email protected], [email protected]

INTRODUCCIN

Ante el riesgo de una sobresimplificacin, puede decirse que en las bsquedas del conocimientode la realidad social hay quienes, enmarcados en una tradicin positivista, defienden el usode mtodos cuantitativos que buscan llegar a explicaciones generales, a enunciar leyes (nomotticos)y quienes, parapetados en el fenomenologismo, abogan por la preponderancia de los mtodoscualitativos que tienen como propsito eje el comprender el desarrollo de procesos.

Los cientficos sociales que comparten la primera de esas concepciones se respaldan en unalarga tradicin sustentada en las ciencias naturales y agronmicas, mientras que es relativamentereciente la visin del mundo implicada en el paradigma cualitativo: su aparicin se ubica en estesiglo en los trabajos de Antropologa y Sociologa, realizados por la Escuela de Chicago. en losaos sesenta, segn seala Filstead (2;59).

Filstead, establece una acotacin que proporciona un referente acerca del manejo del concepto deparadigma:

El paradigma cuantitativo posee una concepcin global positivista, hipottico-deductiva, particularista,objetiva, orientada a los resultados y propia de las ciencias naturales. En contraste, al paradigmacualitativo que postula una concepcin global fenomenolgica, inductiva, estructuralista, subjetiva,orientada al proceso y propia de la antropologa social. (2;28)

FUNDAMENTOS EPISTEMOLGICOS

a. Positivismo

Todo conocimiento es vlido si est basado en la observacin de los hechos sensibles.

b. Mtodo Cientfico

Uno de los primeros filsofos que delimitaron el significado del mtodo en la ciencia fue Bacon.Este filsofo propugn, a principios del siglo XVII, el empirismo como la caracterstica masdistintiva de la investigacin cientfica. Desestima la lgica como fuente de verdad (mtodo

24agosto 2003PRODUCCIN Y GESTIN

>>> PARADIGMA CUANTITATIVO: Un Enfoque Emprico y Analtico

deductivo) y antepone en cambio la experiencia, la observa-cin como paso previo a la generalizacin y a la formacin deteoras(mtodo inductivo).

Bajo este concepto de acuerdo a Popper es la solidez ofortaleza HIPOTETICA-DEDUCTIVA de la TEORIA, su ca-pacidad de ser rebatida por la EXPERIENCIA.

La clave del METODO CIENTIFICO se halla, por tanto, en laFALSABILIDAD, en el hecho de que todas las pruebas deuna teora sean otras tantas tentativas de refutar las prediccio-nes que se desprenden de las mismas.

c. Falsacionismo Refinado

Desarrollado por Lakatos, bajo este concepto para cada teo-ra cientfica se trata de especificar los hechos que la confir-man y la probabilidad de la teora a la luz de estos hechos.

La verdad deja de ser absoluta. Se convierte en meramenteprobable, aunque el conocimiento siga siendo comprobablede este modo el clculo de PROBABILIDADES se convierteen criterio de demarcacin, el anlisis estadstico en su herra-mienta bsica.

d. Pluralidad Metodolgica

Comprende dos perspectivas: La perspectiva humanstica /cualitativa que rechaza el modelo metodolgico de las cienciasnaturales y aboga, en cambio por el anlisis de lo individual yconcreto, por medio de la comprensin (epistemologainterpretativa) y la perspectiva cientifista/cuantitativa que poneel nfasis en la EXPLICACIN, en la contrastacin emprica yen la medicin objetiva de los fenmenos sociales (epistemolo-ga positiva).

e. Triangulacin

Es la convergencia interparadigmtica, por l se entiende laaplicacin de distintas metodologas en el anlisis de una mismarealidad social. Mediante la operacionalizacin mltiple, au-mentar la validez de los hallazgos y el grado de confianza delos mismos.

MARCO TERICO CONCEPTUAL

El conocimiento cientfico, es un continuo feed-back Comprobacinde las modificaciones a partir de los datos en la teora inicial, condi-cionados mutuamente en operaciones metodolgicas esenciales:

TEORA

HIPTESIS

OBSERVACIN Recogida de datos

GENERALIZACIONES EMPIRCAS/

Contraste de hiptesis

Induccin Deduccin

Operacionalizacin de conceptos/ instrumentacin

Interpretacin/ anlisis de datos

P P R R O O C C E E S S O O S S

I I N N D D U U C C T T I I V V O O S S

P P R R O O C C E E S S O O S S

D D E E D D U U C C T T I I V V O O S S

Figura 1. Proceso del conocimiento cientfico

1. Deduccin: de la teora a los datos, de los generales a loconcreto.

2. Induccin: de los datos a la teora, de los casos particulares alos principios generales.

Esta concepcin se resume en la Figura 1 que representa unaadaptacin del esquema original de Wallace (1971).

Componentes Bsicos de la Teora

a. Conceptos: Smbolo lingstico que categoriza a los fenmenos (Phillips,

1985). Categoras para la organizacin de ideas y observaciones

(Bulmer, 1992). Sirven para clasificar y medir operativamente los fenmenos

que se observan (Blalock y Blalock, 1968).

b. Proposiciones: Que indican cmo y en que condiciones seencuentran los fenmenos definidos conceptualmente.

c. Axiomas o leyes: Explican las regularidades o conexionesesenciales existentes en los fenmenos sociales.

FUNCIONES E IMPORTANCIA DE LAS TEORAS

Segn Wallace:

Explicar generalizaciones empricas conocidas, expresadosbajo trminos de conceptos y preposiciones apropiados.

Predecir generalizaciones empricas todava desconocidas.


Es imprescindible en las fases preliminares de investigacin cuando:

a. Deciden los esquemas clasificatorios a utilizar.b. Plantean conceptos tericos que orienten el anlisis.c. Formulan problemas de investigacin que tengan una deter-

minada relevancia social.d. Concretan ideas generales sobre cmo se producen los cam-

bios sociales.e. Formulan hiptesis: realizar previsiones a partir de descubri-

mientos an no verificados.

OPERACINALIZACIN DE CONCEPTOS TERICOS

Son los conceptos y preposiciones tericas por medio deun proceso deductivo se concretan (materializan) en varia-bles e indicadores que posibilitan la contrastacin empricade la teora.

La operacionalizacin de conceptos constituye una fase interme-dia en el proceso de investigacin. De la teora o marco terico seextraen conceptos y preposiciones traducidos en trminosoperacionales.

El trmino operacionalizacin se usa para denotar los estu-dios implicados en el proceso de asignacin de medicin deconceptos.

Fases del Desarrollo Operacional

1. Representacin terica del concepto de modo que se definansus rasgos.

2. Especificacin del concepto, considera las dimensiones o as-pectos relevantes.

3. Para cada dimensin se selecciona una serie de indicadoresque indiquen la dimensin de los casos analizados.

4. Sntesis de los indicadores mediante la elaboracin de ndices,a cada indicador se le asigna un peso o valor para luegoconfeccionar el ndice.

Hiptesis

Del marco terico de la investigacin, se extraen mediante unproceso deductivo, hiptesis que representan respuestas proba-bles. Las hiptesis vienen expresados en forma de proposicionesen las que se afirman la existencia o inexistencia de asociacin.

Es recomendable que las hiptesis se encuentren relacionadascon los objetivos de la investigacin sean las mas concretas yprecisas posibles.

VARIABLES Y ATRIBUTOS

Es una cualidad o caracterstica de un objeto (evento) que tengaal menos 2 atributos (categoras o valores). Los atributos sondistintas categoras o valores que componen la variable, en fun-cin de ellos se clasifican a los objetos.

Variables como la edad, los aos cumplidos, la altura (cm), elnivel de los ingresos toman valores numricos. Pero las varia-bles como sexo, estado civil, etc. adoptan categoras.

Medicin de una Variable

La medicin de una variable consiste precisamente en el procesode asignar valores o categoras a las distintas caractersticas queconforman el objeto de estudio, para que la medicin se realiceadecuadamente se recomienda cumplir la:

a. Exhaustividad, es decir que comprenda el mayor numero deatributos, el propsito es que ninguna observacin quedesin poder clasificarse, en un cuestionario la opcin otroscorresponde a aquellas en las que caben otras respuestasdiferentes a las del cuestionario y la categora no sabe / nocontesta est dirigido a aquellas que decidan no emitir, nin-guna respuesta.

b. Exclusividad, los distintos atributos que componen la variabledeben ser mutuamente excluyentes.

c. Precisin, precisa una informacin:

TIPOS DE VARIABLES

a. Segn el nivel de medicin

Variables nominales, son aquellas cuyos atributos que slocumplen las condiciones de exhaustividad y exclusividad.Ejemplo: Variables de sexo, estado civil, nacionalidad, colordel pelo, grupo sanguneo; es decir cualquier variable queindique una cualidad del objeto o evento que se analice.

Variables ordinales, tienen la posibilidad de ordenarse en elsentido de mayor que o menor que, estas variables sonigualmente variables no mtricas o cualitativas. Ejemplo:clase social, nivel social, ideologa, satisfaccin laboral.

Variable de intervalo, son las variables cuantitativas o mtri-cas. Ejemplo: Peso, ingreso familiar.

Variables de proporcin o razn, se suma la posibilidad delcero absoluto.

Jorge Inche M., Yolanda Anda C., Henry Huamanchumo V., Mara Lpez O., Jaime Vizcarra M. y Gladys Flores C. >>>


Estos cuatro niveles conforman una escala acumulativa por loque es necesario:

???Escoger el nivel de medicin ms elevado posible.???Tener siempre presente los objetivos de investigacin.

Ejemplo: de variable en distinto nivel de medicin.

b. Segn la Escala de Medicin

Variables continuas, se pueden en ellas encontrarse valo-res intermedios.

Variables discretas, comprenden a las variables cualitati-vas, tambin son cuantitativas.

c. Segn su Funcin en la Investigacin

Variables independientes, explicativas o predictivas (x),adoptan una segunda variable (la dependiente).

Variables dependientes (Y), dependen de los que adoptanlas variables independientes.

Variables perturbadoras, otras variables diferen-tes a las dependientes e independientes.

d. Segn su Nivel de Abstraccin

Variables generales, son tan genricas y abstractas, porejemplo: status social.

Variables intermedias, expresan alguna disminucin en lavariable genrica, ejemplo: el nivel educativo.

Indicadores o variables empricas representan disminucio-nes de un concepto abstracto o variable genrico.

El Cuadro 1, ejemplifica los tipos de variables.

EL PROYECTO DE INVESTIGACIN

La realizacin de una investigacin requiere de un conjunto deetapas y actividades que permitan lograr el propsito: Lainvestigacin.

La mayora de autores consultados concuerdan en que sonnecesarias al menos cuatro etapas importantes:

1. Formulacin del Problema2. Operacionalizacin del Problema3. Diseo de la investigacin y4. Factibilidad de la Investigacin

En la Figura 2, se presenta una sntesis del proyecto deinvestigacin.

EL DISEO DE LA INVESTIGACIN

Es la etapa en que se especifica como se realizar la investigacin.El diseo de la investigacin tiene tres momentos importantes:

1. Seleccin de estrategias2. Diseo de la muestra3. Eleccin de tcnicas

Asimismo, existe una gran diversidad de diseos de investiga-cin. En el Cuadro 2, se muestra una sntesis con la clasificacinindicada.

Validez del Diseo de Investigacin

Es el principal criterio para que el diseo se adece a los objeti-vos principales.

Una vez que se cumpla este criterio se pasara a analizar otrostipos de evaluacin. Se presentan en:

Nivel de medicin Variables cualitativas o no mtricas 1. Nominales Exhaustividad y

Exclusividad 2. Ordinales, se ordenan de mayor a

menor Variables cuantitativas o no mtricas 1. De intervalo 2. De razn o proporcin

Escala de medicin 1. Continuas 2. Discretas

Funcin en la investigacin 1. Independientes 2. Dependientes 3. Perturbadoras - De control - Aleatorias

Nivel de la abstraccin 1. Generales 2. Intermedias 3. Empricas o Indicadores

Cuadro 1. Tipos de variables



Figura 2. El proyecto de investigacin.Fuente: Cea DAncona, Ma. Angeles. Metodologa Cuantitativa: Estrategias y Tcnicas de Investigacin Social. 1996.



Cuadro 2. Clasificacin de diseos de investigacin.

Fuente: Cea DAncona, Ma. Angeles. Metodologa Cuantitativa: Estrategias y Tcnicas de Investigacin Social. 1996.



Validez Interna, es la posibilidad de establecer relaciones decausalidad entre variables. Prioritaria en diseos explicativos.

Validez Externa, es la posibilidad de generalizacin de losresultados tanto a la poblacin concreta de la que se ha extra-do la muestra, como a otros tiempos y contextos.

Validez de Constructo, es el grado de adecuacin conseguidoen la medicin de los conceptos centrales.

Validez de Conclusin Estadstica, relacionada con el poder, ade-cuacin y fiabilidad de la tcnica de anlisis de datos aplicados.

LA ENCUESTA COMO ESTRATEGIA DEINVESTIGACI N

Segn Angeles Cea DAncona, es la aplicacin de un procedi-miento estandarizado para recabar informacin (oral o escrita) deuna muestra de sujetos.

Segn Jean Pierre Pourtois y Huguette Desmet, es el instrumentode obtencin de informacin, basado en la observacin y el an-lisis de respuestas a una serie de preguntas.

La encuesta presenta las siguientes caractersticas:

a. En la encuesta la informacin se mide mediante observacinindirecta.

b. La informacin abarca un amplio abanico de cuestiones.c. Para que las respuestas de los sujetos puedan compararse, la

informacin se recoge en forma estructurada.d. Las respuestas se agrupan y cuantifican para, posteriormente,

examinar las relaciones entre ellas.e. La significatividad de la informacin proporcionada depender

de la existencia de errores de muestreo.

Existen tres modalidades principales de encuesta, en funcin decmo se administra el cuestionario:

Entrevista personal, se aplica por separado a cada individuoseleccionado en la muestra. Es el entrevistador quien formulalas preguntas y quien anota las respuestas en el cuestionario.

Telefnica. Por correo, se engloba dentro de la categora de genrica de

encuesta autoadministrada. Esta comprende cualquier tipode sondeo de opinin que se caracterice por ser el propioencuestado quien lee el cuestionario y anota sus respuestas. Ensu realizacin el encuestado puede estar acompaado de algnresponsable de la investigacin.

ANLISIS CUANTITATIVO PARA UN CASOAPLICADO

Algunos autores (Krippendorf, 1980; Tesch, 1992) consideran elanlisis cuantitativo como una descripcin objetiva y sistemticadel contenido manifiesto de la informacin, con el propsito derealizar inferencias vlidas y replicables.

Paso 1. Concepcin de la idea de investigacin

Dankhe (1986), menciona que la idea de investigacin debe seratractiva y novedosa. Las buenas ideas pueden servir para ela-borar teoras y la solucin de problemas.

En una conversacin entre funcionarios de la SUNAT acercade la situacin actual de la tributacin en el Per, a uno deellos se le ocurri estudiar acerca de la evasin sistemtica deimpuestos por parte de las empresas y su influencia en laeficiencia y eficacia de la SUNAT mediante un programa deincentivos.

Paso 2. Formular el problema de investigacin

Es la estructuracin de la idea de investigacin. Responde a lapregunta: En qu consiste el problema?. Es conveniente agre-gar la pregunta de investigacin.

Disminuye la evasin de impuestos de las empresas del Per con laaplicacin de un programa de incentivos?

Paso 3. Establecer los objetivos de la investigacin

a. Exploratorio: Obtener informacin conceptual sobre evasinde impuestos.

b. Descriptivo: Identificar las variables que permitan medir la evasin de

impuestos. Medir la evasin de impuestos en base a las variables

identificadas.

c. Correlacional: Establecer la relacin que existe entre el montode pago de impuestos de las empresas y el flujo de caja de laSUNAT.

d. Explicativo: Determinar el efecto del monto de pago de im-puestos de las empresas sobre el flujo de caja de la SUNAT

e. Predictivo: El flujo de caja de la SUNAT se incrementar en losprximos 5 aos.



f. Evaluativo: Especificar las condiciones bajo las cuales el pro-grama de incentivos a las empresas resultara ms eficaz.

Paso 4. Justificar la investigacin

Explica por qu es conveniente llevar a cabo la investigacin ycules son los beneficios que se derivarn de ella.

La evasin sistemtica de impuestos por parte de las empresas es unode los problemas ms importantes de la SUNAT, es por este motivo queel estudio permitir determinar los factores y las estrategias idneaspara que la SUNAT incremente la recaudacin de impuestos.

Paso 5. Elaborar el marco terico

Permite analizar y exponer las teoras, los enfoques tericos, lasinvestigaciones y los antecedentes en general que se consideranvlidos para el correcto marco terico (Hernndez Sampieri.2000:22)

Teora de la evasin tributaria Leyes tributarias del Per Memorias de las empresas en el 2002

Paso 6. Definir si la investigacin se inicia comoexploratoria, descriptiva, correlacional o explicativa y hastaque nivel se llegar

Segn Marshall y Rossman (1989): El estudio puede comenzarsiendo exploratorio para posteriormente proceder a la descrip-cin, explicacin, prediccin y/o evaluacin.

La invest igac in sobre evas in tr ibutar ia se iniciaexploratoriamente, para llegar hasta un nivel explicativo,pues, interesa estudiar las posibles causas de este problemaa fin de dar alguna solucin que permita disminuir la evasintributaria.

Paso 7. Establecer las hiptesis

a. Hiptesis descriptiva:El promedio del flujo de caja de la SUNAT del 2002 es mayor aUS$ 22 030 ( valor promedio en miles de dlares del ao 2001).

b. Hiptesis correlacional:A mayor monto de pago por impuestos de las empresas, ma-yor flujo de caja de la SUNAT.

c. Hiptesis explicativa:El monto de pago por impuestos de las empresas, sometido

a un programa de incentivos genera mayor flujo de caja dela SUNAT.

d. Hiptesis estadstica de estimacin:Es la transformacin de la hiptesis descriptiva en smbolosestadsticos. Hiptesis Nula: Ho: X = a Hiptesis Alternativa: Ha: X ??? a

e. Hiptesis estadstica de correlacin:Traduce en trminos estadsticos una correlacin entre dos oms variables. Hiptesis Nula: Ho: rxy = 0 Hiptesis Alternativa: Ha: rxy ? 0

f. Hiptesis estadstica de la diferencia de medias u otros valores:Permite comparar una estadstica entre dos o ms grupos. Hiptesis Nula: Ho: X1 = X2 Hiptesis Alternativa: Ha: X1 ? X2

Paso 8. Definir operacionalmente las variables

Variable es cualquier cualidad o caracterstica de un objeto (oevento) que contenga al menos dos atributos (categoras o valo-res). (Cea DAncona, 1996:126)

a. Variable dependiente: Flujo de Caja de la SUNAT expresado en miles de dlares

(Variable continua y de razn).

b. Variables independientes: Monto de pago de las empresas por concepto de impuesto

(IR, IGV e Impuesto al patrimonio) expresado en dlares(Variable continua y de razn).

Declaracin jurada: exacta o inexacta (Variable nominal). Leyes tributarias: justa o injusta (Variable nominal).

Paso 9. Seleccionar el diseo apropiado de investigacin

INVESTIGACIN NO EXPERIMENTAL

a. Diseos Transeccionales: Descriptivas

X1, X2,.......XKEjemplo: Perfil del contribuyente de la SUNAT.

CorrelacionalesX1-X2, X1-X3,....XK XK+1

Ejemplo: Relacin entre la recaudacin de impuestos tributa-rios y la eficacia de la SUNAT.



b. Diseos Longitudinales: De tendencia

Ejemplo: Evolucin de la recaudacin en los ltimos 15aos.

De evolucin de grupo

Ejemplo: Evolucin de las utilidades de las grandes empre-sas que evadieron impuestos entre 1990 y 2000.

De panel

Ejemplo: Preferencia de un medio de comunicacin so-bre tributacin para las pequeas empresas.

INVESTIGACIN EXPERIMENTAL

X =======> Y Causa Efecto Variable Variable

Independiente Dependiente

El anlisis experimental se efecta mediante los siguientessmbolos:

A: Asignacin al azar de los sujetosG: Grupo de sujetos (G1: grupo uno; G2: grupo dos; etc.).X: Tratamiento, estimulo o condicin experimental (presencia de al-

gn nivel de la variable independiente)M: Medicin a los sujetos de un grupo (prueba, cuestionario,

observacin, tarea, etc.).- : Ausencia de estmulo (nivel cero en la variable independien-

te). Indica que se trata de un grupo de control.

1. Diseo con postprueba nicamente y grupo de control

AG1 X1 M1AG2 X2 M2. . .. . .AGK XK MKAGK+1 - MK+1

2. Diseo con preprueba - postprueba y grupo de control

AG1 M1 X1 M2AG2 M3 X2 M4. . . .. . . .AGK M2K-1 XK M2KAGK+1 M2K+1 - M2(K+1)

3. Diseo de cuatro grupos de Solomon

AG1 M1 X M2AG2 M3 - M4AG3 - X M5AG4 - - M6

4. Diseos experimentales de series cronolgicos mltiples* Serie cronolgica sin prueba, con varias postpruebas y gru-po de control.

AG1 X1 M1 M2 M3AG2 X2 M4 M5 M6AG3 X3 M7 M8 M9AG4 - M10 M11 M12

5. Diseos factorialesCon dos variables independientes (2 x 2, 2 x 3, 3x 3). Conms de dos variables independiente (2 x 2 x2, 3 x 3x 2).

El Modelo para las grandes empresasY = A3B1+ A3B2+ A3B3

El Diseo de la Investigacin para el caso de estudio se muestraa continuacin:

Medicin de una

poblacin

Medicin de una

poblacin

Medicin de una

poblacin

Tiempo 1 Tiempo 2 Tiempo K

Medicin de un

grupo o subpoblacin

Medicin de un

grupo o subpoblacin

Medicin de un

grupo o subpoblacin


Medicin en una

poblacin o subpoblacin

Medicin en una


Medicin en una



Evasin de impuestos de las empresas Matriz de 3 x 3

Elevada Media Mnima Pequeas A1B1 A1B2 A1B3 Medianas A2B1 A2B2 A2B3

Empresas

Grandes A3B1 A3B2 A3B3



Donde:? 2: La varianza de la poblacin.E: Error mximo permitido que el investigador establece a priori.Z: Representa las unidades de desviacin tpica correspondien-

tes al nivel de confianza elegido.

Cuando la poblacin est compuesto por 100000 unidades omenos:

n =

Donde:N: Tamao de la poblacin.

Cuando la poblacin est compuesto por ms de 100000 unidades:

n =

Donde:? : Valor de la varianza poblacional. Este equivale al producto de

las proporciones P y Q siendo Q = 1 P. La varianza sedetermina en una encuesta piloto o en estudio anterior.

Aplicacin

Poblacin: 150 empresas del sector manufacturero, inscritas en laSUNAT.Unidad de anlisis: Cada una de las empresas.Tipo de muestreo: Probabilstico simple.

N = 150 Empresas (poblacin)n = Tamao muestralZ = Para un nivel de confianza del 95%. De la tabla de distribu-

cin normal : Z = 1.96 veces la desviacin tpica.P = Probabilidad de acierto = 0.98E = Error mximo = 0.05

n = = 30

Ajustando para el tamao de la poblacin (Sanchez C. Juan,1989:234)

n 1 + n N

Donde:n = 24 empresas

EMPRESAS

SUNAT

EMPRESAS

SUNAT

Estimulo (carta crditicia ) M1: Medicin de EFICIENCIA DE LA SUNAT Indicador: Flujo de caja de la SUNAT

M2: Medicin de EFICIENCIA DE LA SUNAT Indicador: Flujo de caja de la SUNAT

Figura 3. Diseo experimental

a. Diseo no experimental transeccional descriptiva:Medir y describir en forma independiente el comportamientode las variables para el ao 1992: Monto de pago de lasempresas por concepto de impuesto, Flujo de caja de la SUNAT,Declaracin jurada, Leyes tributarias.

b.Diseo no experimental transeccional correlacional:Estudiar las relaciones entre: Monto de pago de las empresaspor concepto de impuesto y Flujo de caja de la SUNAT.

c. Diseo experimental:Diseo de pre prueba-post prueba con aplicacin del estmulo(carta crediticia).

Paso 10. Determinar el tamao de la muestra

En el clculo intervienen los siguientes elementos (Cea DAncona,1996:172):

a. Error muestral. A mayor tamao de muestra decrece el errormuestral.

b. Varianza poblacional. El error muestral es mayor en poblacio-nes heterogneas.

c. Nivel de confianza adoptado. A mayor nivel de confianza seconsigue la reduccin del error muestral.

d. Tipo de muestreo realizado. Muestreo probabilstico simple,muestreo probabilstico estratificado y muestreo probabilsticopor conglomerado.

Clculo del tamao de muestra

El tamao de muestra para un muestreo probabilstico simple secalcula por:

n = ? 2

(E/Z)2

Z2PQN E2(N 1) + Z2PQ

Z2P(1 P) E2

Z2P(1 P) E2

n =



Paso 11. Recoleccin de datos

La recoleccin de datos se efecta antes y despus del estmulo,los resultados se pueden apreciar en los Cuadros 3 y 4.

Paso 12. Anlisis estadstico

a. Anlisis Univariado Distribucin de frecuencias: Absolutas, relativas y acumuladas. Representacin Grfica: Histograma, polgono de frecuen-

cias, ojiva, circular, grficos de cajas. Estadsticas descriptivas:

- Medidas de tendencia central: Media, mediana, moda.- Medida de tendencia no central: Cuartiles, percentiles.- Medidas de dispersin: Rangos, desviacin tpica,

varianza, coeficiente de variabilidad de Pearson.- Medidas de la forma de distribucin: Asimetra, curtosis.

Prueba de Hiptesis de igualdad de medias para el flujo decaja de la SUNAT:

1 0 33000.00 4800.00

0 1 16000.00 1300.00

1 0 44000.00 5000.00

1 1 22000.00 2200.00

0 0 36000.00 4500.00

0 0 42000.00 4800.00

0 0 33000.00 4125.00

0 0 44000.00 5000.00

1 1 25000.00 2777.00

0 0 33000.00 4200.00

0 0 44000.00 5000.00

1 1 36000.00 3000.00

0 1 20000.00 2222.00

1 1 41000.00 5125.00

0 0 45000.00 5625.00

1 0 33000.00 4125.00

0 1 25000.00 2750.00

1 0 30000.00 3750.00

0 1 25000.00 3125.00

0 0 50500.00 6312.00

0 0 30000.00 3750.00

0 0 50000.00 6250.00

1 1 20000.00 1700.00

1 1 18000.00 2250.00

Leyes Tributarias

justas

Exactitud de la declaracin

Jurada

Flujo de caja de la SUNAT

(miles de US$)

Impuesto pagado a la

SUNAT (US$)

Cuadro 3. Informacin tributaria antes de la aplicacin de lacarta crediticia.

1 0 33000.00 3100.00

0 1 38000.00 3800.00

1 0 26000.00 2500.00

1 1 54000.00 5400.00

0 0 32000.00 3200.00

0 0 38000.00 3800.00

0 0 44000.00 4400.00

0 0 38000.00 3600.00

1 1 48000.00 4700.00

0 0 38000.00 3700.00

0 0 43000.00 4300.00

1 1 54000.00 5400.00

0 1 43000.00 4300.00

1 1 32000.00 3200.00

0 0 48000.00 4800.00

1 1 50000.00 4800.00

0 1 43000.00 4200.00

1 0 32000.00 2800.00

0 1 43000.00 4300.00

0 0 42000.00 4200.00

0 1 45000.00 4800.00

0 0 50000.00 5000.00

1 1 40000.00 3600.00

1 1 38000.00 3700.00

Leyes Tributarias

justas

Exactitud de la declaracin

Jurada

Flujo de caja de la SUNAT

(miles de US$)

Impuesto pagado a la

SUNAT (US$)

Cuadro 4. Informacin tributaria antes de la aplicacin de lacarta crediticia.

000 22 $ :

000 22 $ :

1 1

10

HH

?

?

??

One-Sample Test

15.740 23 .000 33145.833 28789.69 37501.97Flujo de caja netoen miles de $

t df Sig. (2-tailed)Mean

Difference Lower Upper

95% ConfidenceInterval of the

Difference

Test Value = 0

Cuadro 5. Prueba de hiptesis de igualdad de mediasusando SPSS



Conclusiones de la prueba de Hiptesis: Como el valor Sig. es menor que 0.05, se rechaza la

hipotesis nula, el flujo de caja de la SUNAT es diferente deUS$ 22000.

El flujo de caja de la SUNAT (valor medio de US$ 33145.83)es mayor que US$ 22000.

Grfico de Cajas. En el grfico de cajas se puede observarque la distribucin del monto de pago de impuestos a la SUNATy la distribucin del flujo de caja neto es simtrico, es decir, eneste caso la media es un valor representativo. Adems no haypresencia de datos discordantes.

Prueba de Hiptesis de NormalidadHo: La distribucin es normalH1: La distribucin no es normal

Conclusin de la prueba de hiptesis de Normalidad:

Como la significancia (sig.) es mayor que 0.05 no pode-mos rechazar la hipotesis nula de normallidad para lasdos variables, lo que indica que estas siguen una distri-bucin normal.

La NORMALIDAD es un requisito para realizar un anlisisde REGRESIN.

b. Anlisis Bivariado

Tabla de contingencia Estadsticas paramtricas

Figura 4. Esquema de cajas usando SPSS

6000

5000

4000

3000

2000

1000 0

-1000 N 24 24

Monto de pago Flujo de caja por impuesto neto en dlares

Histogramas. Para probar si los histogramas tienen unadistribucin normal, es indispensable realizar una prueba deNormalidad.

Cuadro 6. Prueba de normalidad de Kolmogorov Smirnovusando SPSS

Monto de pago por impuesto

1500.0 2500.0 3500.0 4500.0 5500.0 6500.0

7 6 5 4 3 2 1 0

2000.0 3000.0 4000.0 5000.0 6000.0

Monto de caja neto en miles de dlares

1500.0 2000.0 2500.0 3000.0 3500.0 4000.0 4500.0 5000.0

7 6 5 4 3 2 1 0

Figura 5. Histogramas para la prueba de normalidad usandoSPSS: a y b

a

b



- Coeficiente de correlacin de Pearson- Regresin lineal- Prueba t de student entre 2 grupos- Prueba de diferencia de proporciones- Anlisis de varianza unidireccional (ANOVA ONE WAY)- Anlisis de varianza factorial (ANOVA)- Anlisis de covarianza (ANCOVA)

Estadsiticas no paramtricas- Chi-cuadrada- Coeficiente de correlacin e independencia para

tabulaciones cruzadas.- Coeficiente de correlacin por rangos ordenados de

Spearman y Kendall.

Grficos de dispersin. En los grficos se observa que larelacin entre las variables es lineal positiva. Las empresasque presentan declaraciones juradas inexactas son las quepagan ms impuestos a la SUNAT. Se observa que la variableLeyes tributarias justas no aporta mayor informacin en rela-cin al pago de impuestos a la SUNAT.

Correlaciones

1 .955**. .000

.955** 1

.000 .

Correl. PearsonSignificacinCorrel. PearsonSignificacin

Monto de pago de laempresa por impuestos

Flujo de caja neto enmiles de $

Monto depago de la

empresa porimpuestos

Flujo de cajaneto en

miles de $

La correlacin es significativa**.

???? 210 :H ?

Test T para muestras pareadas

-8187.5013102.283652674.492-13720.1-2654.89 -3.061 23 .006Flujo de caja neto enmiles de $ - Flujo decaja neto en miles de $

Pair1

mediaDes.

estndarError Std.

Media inferiror superior

intervalo del95% deconfianza

Paired Differences

t df Sig. (2-tailed)

Anlisis de Regresin. Las variables pago de impuestos yflujo de caja se encuentran muy correlacionadas (positiva-mente)(0.955).

Comparacin entre Grupos: Pre prueba - Post prueba.Usando el estmulo Carta Crediticia, se plantea la hiptesisestadsitica en relacin a la media aritmtica del flujo de caja de laSUNAT antes y despus de aplicado el estmulo.

Figura 6. Anlisis de dispersin usando SPSS

7000 6000 5000 4000 3000 2000 1000

10000 20000 30000 40000 50000 60000

Exactitud de la declaracin jurada Exactas Inexactas

Mon

to d

e pa

go

por

impu

esto

Flujo de caja neto en miles de dlares

Mon

to d

e pa

go p

or im

pues

to

7000 6000 5000 4000 3000 2000 1000

10000 20000 30000 40000 50000 60000

Leyes Tributarias justas Acuerdo Desacuerdo

Flujo de caja neto en miles de dlares

Cuadro 7. Anlisis correlacional usando SPSS

Conclusin de la hiptesis: Como la significancia (sig.=0.006) es menor que 0.05 se

rechaza la hipotesis nula igualdad de medias, lo que indicaque el flujo de caja de la SUNAT despes de aplicado elprograma de incentivos es mayor.

c. Anlisis MultivariadoEs el conjunto de tcnicas estadsticas que permite el anlisissimultneo de ms de dos variables en una muestra de obser-vaciones. (Kendall 1975).

Cuadro 8. Comparacin entre grupos pre-prueba y post-prueba usando SPSS


?? 21 1 : H ?;


Mtodos de dependencia (variables dependientes)- Una mtrica: correlacin y regresin mltiple.- Una no mtrica: anlisis discriminante mltiple.- Varias mtricas: anlisis de covarianza, varianza (MANOVA)

y anlisis cannico.- Varias no mtricas: anlisis cannico con variables

artificiales (Dummy). Mtodos de interdependencia (mtrica y no mtrica)

- Anlisis factorial.- Anlisis de conglomerado.- Escalas multidimensionales mtricas.- Escalas multidimensionales no mtricas.

A continuacin se presenta el anlisis multivariado mediante elmodelo de regresin mltiple para el caso de estudio.

Y = a + ? 1x1 + ? 2x2

Variable dependiente:Y: Flujo de Caja de la SUNAT expresado en miles de dlares. Variables independientes:X1: Monto de pago de las empresas por concepto de impuesto(IR, IGV e Impuesto al patrimonio) expresado en dlares.X2: Declaracin jurada (exacta o inexacta).? 1, ? 2: Valores que indican el peso de cada variableindependiente.a: Constante de regresin.

En el anlisis de Regresin como mximo se debe utilizar unavariable dicotmica

Coeficiente de determinacin mltiple (R2). Se muestrael valor del coeficiente de determinacin mltiple (R2) el cualindica que el 91.6% de la variabilidad del flujo de caja laSUNAT es explicado por las variables monto pagado por im-puestos de las empresas y exactitud de la declaracin jurada.

Prueba de Hiptesis para la significancia del Modelo deRegresin:Se presenta el anlisis de varianza y la prueba F de Fisherpara determinar la significancia del modelo en su conjunto,

.957 .916Model1

R R Square

j un menos al para 0 : H

0 :H

j 1

210

??

????

ANOVA

2.24E+09 2 1121598911 115.153 .0002.05E+08 21 9740083.8812.45E+09 23

RegressionResidualTotal

Model1

Suma decuadrado

s dfcuadrados

medio F Sig.

segn estos resultados (sig=000 < 0.05) se rechaza la hipte-sis que iguala los coeficientes de regresin (Betas) a cero.

Modelo de Regresin Mltiple despus del ajuste:

y = 2965.24 + 7.525 x1 + 1930.77 x2

Paso 13. Aspectos administrativos de la investigacin

En las investigaciones complejas y costosas, dirigidas o promovi-das por instituciones y realizadas por equipos de trabajo, es ne-cesario incluir en el plan de investigacin, en forma detallada, elaspecto administrativo de la labor emprendida.

a. Cronograma de ActividadesEl cual puede expresarse mediante un cronograma grficoque representa en una de sus dimensiones las distintas activi-dades y en la otra los tiempos de ejecucin correspondiente.

b. Recursos NecesariosCorresponde a los recursos humanos y materialesinvolucrados en el estudio. Las personas que intervienen enla investigacin, puede ser un equipo directivo, asesor ejecu-tivo, y auxiliar con sus respectivas responsabilidades.

c. PresupuestoDistribuido por rubros: remuneraciones, bienes y servicios.Aqu se evala si el proyecto es viable de realizar o no.

d. FinanciamientoSi no es personal, se indica los organismos (oficiales o priva-das) que financian el estudio.

CONCLUSIONES

El paradigma cuantitativo an permite resolver problemas, mien-tras que el paradigma cualitativo tiene su propio mbito, ste se

Cuadro 9. Coeficiente de determinacin mltiple usando SPSS

Cuadro 10. Prueba de Fisher usando SPSS



encuentra en una etapa de transicin que culminar en la recons-truccin de mtodos y aplicaciones como un proceso acumulativode ambos paradigmas.

La propuesta metodolgica para orientar el diseo, desarrollo yevaluacin de trabajos de investigacin del enfoque emprico ana-ltico, se pueden llevar a cabo en forma independiente o en com-binacin con la metodologa cualitativa, cuando se requiera yjustifica dicha combinacin.

En la etapa de operacionalizacin se delinean las hiptesis, mien-tras que en la etapa de diseo las hiptesis se confrontan con laviabilidad en trminos de los recursos y el tiempo a utilizar.

BIBLIOGRAFA

1. Cea DAncona, Ma. Angeles. (1996), Metodologa Cuan-titativa: Estrategias y Tcnicas de Investigacin Social. Edit.Sntesis S.A. Madrid. Espaa.

2. Danhke, G. L. (1989), Investigacin de la Comunicacin. EnFernndez Collado, C. y Danhke, G. L. (comps). La comunicacinhumana: ciencia social. Mxico, McGraw-Hill, pp. 385-454.

3. Filstead William J. (1986), Mtodos cualitativos En:Cook T. D y Reichardt CH. S. Mtodos cualitativos ycuantitativos en investigacin evaluativa. EdicionesMorata. Espaa.

4. Hernndez Sampieri, R., Fernndez Collado, C. yBaptista Lucio, P. (2000), Metodologa de la Investiga-cin. Edic. MCGraw-Hill. Mxico.

5. Kendall, M. G. (1975), Multivariate analysis. London. Grif-fin. Inglaterra.

6. Krippendorff. K. (1980), Content analysis. An introductionto its methodology. Beverly Hills, Sage. USA.

7. Marshall, C. y Rossman, B. (1989), Design qualitativeresearch. California. Sage. USA

8. Snchez Carrin, J. (1999), Manual del anlisis estadsti-co de los datos. Alianza editorial Madrid. Espaa.

9. Tesch, R. (1992), Qualitative research: analysis types andsoftware tools. New York. The Falm Press. USA.


paradigma cuntitativo

Documents