La calidad de los diseños de investigación se puede definir en términos de cuatro atributos clave de diseño: validez interna, validez externa, validez de constructo y validez de conclusión estadística.
La validez interna, también llamada causalidad, examina si el cambio observado en una variable dependiente es efectivamente causado por un cambio correspondiente en la variable independiente hipotética, y no por variables ajenas al contexto de investigación. La causalidad requiere tres condiciones: (1) covariación de causa y efecto (es decir, si la causa ocurre, entonces el efecto también ocurre; y si la causa no ocurre, el efecto no ocurre), (2) precedencia temporal: la causa debe preceder al efecto en el tiempo, (3) ninguna explicación alternativa plausible (o correlación espuria). Ciertos diseños de investigación, como los experimentos de laboratorio, son fuertes en validez interna en virtud de su capacidad para manipular la variable independiente (causa) a través de un tratamiento y observar el efecto (variable dependiente) de ese tratamiento después de cierto punto en el tiempo, mientras controlan los efectos de variables extrañas. Otros diseños, como los estudios de campo, son deficientes en validez interna debido a su incapacidad para manipular la variable independiente (causa), y porque la causa y el efecto se miden en el mismo momento que derrota la precedencia temporal haciendo igualmente probable que el efecto esperado pudiera tener influyó en la causa esperada más que en la inversa. Aunque mayor validez interna en comparación con otros métodos, los experimentos de laboratorio no son, de ninguna manera, inmunes a las amenazas de validez interna, y son susceptibles a la historia, pruebas, instrumentación, regresión y otras amenazas que se discuten más adelante en el capítulo sobre diseños experimentales. Sin embargo, los diferentes diseños de investigación varían considerablemente en su respectivo nivel de validez interna.
La validez externa o generalizabilidad se refiere a si las asociaciones observadas pueden generalizarse de la muestra a la población (validez poblacional), o a otras personas, organizaciones, contextos, o tiempo (validez ecológica). Por ejemplo, ¿pueden generalizarse los resultados extraídos de una muestra de firmas financieras en Estados Unidos a la población de firmas financieras (validez poblacional) o a otras firmas dentro de Estados Unidos (validez ecológica)? La investigación de encuestas, donde los datos provienen de una amplia variedad de individuos, empresas u otras unidades de análisis, tiende a tener una generalización más amplia que los experimentos de laboratorio donde los tratamientos artificialmente artificiales y un fuerte control sobre variables extrañas hacen que los hallazgos sean menos generalizables a la vida real entornos donde no se pueden controlar los tratamientos y las variables extrañas. La variación en la validez interna y externa para una amplia gama de diseños de investigación se muestra en la Figura 5.1.
Figura 5.1. Validez interna y externa
Algunos investigadores afirman que existe una compensación entre la validez interna y la externa: una validez externa superior solo puede llegar a costa de la validez interna y viceversa. Pero no siempre es así. Los diseños de investigación como experimentos de campo, encuestas longitudinales de campo y múltiples estudios de casos tienen mayores grados de validez tanto interna como externa. Personalmente, prefiero diseños de investigación que tengan grados razonables de validez tanto interna como externa, es decir, aquellos que caen dentro del cono de validez que se muestra en la Figura 5.1. Pero esto no debería sugerir que los diseños fuera de este cono sean menos útiles o valiosos. La elección de los diseños de los investigadores es, en última instancia, una cuestión de su preferencia personal y competencia, y del nivel de validez interna y externa que desean.
La validez de constructo examina qué tan bien una escala de medición dada mide el constructo teórico que se espera medir. Muchos constructos utilizados en la investigación en ciencias sociales como la empatía, la resistencia al cambio y el aprendizaje organizacional son difíciles de definir, mucho menos medir. Por ejemplo, la validez de constructo debe asegurar que una medida de empatía es efectivamente medir la empatía y no la compasión, lo que puede ser difícil ya que estos constructos son algo similares en significado. La validez de constructo se evalúa en investigaciones positivistas basadas en análisis correlacional o factorial de datos de pruebas piloto, como se describe en el siguiente capítulo.
La validez de la conclusión estadística examina hasta qué punto son válidas las conclusiones derivadas mediante un procedimiento estadístico. Por ejemplo, examina si se utilizó el método estadístico adecuado para la prueba de hipótesis, si las variables utilizadas cumplen con los supuestos de esa prueba estadística (como el tamaño de la muestra o los requisitos de distribución), y así sucesivamente. Debido a que los diseños de investigación interpretativa no emplean pruebas estadísticas, la validez de conclusión estadística no es aplicable para dicho análisis. Los diferentes tipos de validez y dónde existen a nivel teórico/empírico se ilustran en la Figura 5.2.
Figura 5.2. Diferentes Tipos de Validez en la Investigación Científica
