2. • Los diseños correlacional-causal se refieren a investigaciones que buscan identificar
relaciones entre variables y determinar si existe una relación causal entre ellas. Estos
diseños son utilizados en diversas disciplinas, como la psicología, la sociología y la
epidemiología, para comprender cómo ciertas variables están relacionadas y si una
variable influye en la otra. Aquí hay un resumen de los aspectos clave de los diseños
correlacional-causal:
• 1.-Correlación: En un diseño correlacional, se busca establecer si hay una correlación
o asociación entre dos o más variables. Esto implica medir las variables y determinar si
existe una relación estadística entre ellas. La correlación puede ser positiva (ambas
variables aumentan juntas), negativa (una variable aumenta mientras que la otra
disminuye) o nula (no hay relación).
• 2.- Causalidad: En algunos casos, los investigadores desean determinar si una
variable causa un efecto en otra variable. Esto implica investigar la causalidad, es
decir, si un cambio en una variable realmente provoca un cambio en la otra. Establecer
la causalidad es más complejo que identificar la correlación y generalmente requiere
diseños de investigación más rigurosos, como experimentos controlados.
DISEÑOS TRANSVERSALES CORRELACIONALES-CAUSALES
3. • 3.- Limitaciones: Los diseños correlacionales tienen limitaciones importantes. La correlación no implica
causalidad, ya que otras variables no medidas o factores de confusión pueden estar influyendo en los
resultados. Es importante recordar que una correlación no significa necesariamente que una variable
cause el cambio en la otra.
• 4.-Diseños experimentales: Para determinar la causalidad de manera más concluyente, los investigadores
suelen recurrir a diseños experimentales. Estos implican manipular deliberadamente una variable
independiente y observar su efecto en una variable dependiente mientras se controlan otros factores. Los
experimentos permiten establecer relaciones de causa y efecto con mayor confianza.
• 5.-Variables intermedias: En algunos casos, los investigadores pueden identificar variables intermedias o
mediadoras que explican la relación entre dos variables. Estas variables explicativas ayudan a
comprender el mecanismo subyacente de la correlación y la causalidad.
• 6.-Estudios longitudinales: Para abordar las relaciones a lo largo del tiempo, se pueden realizar estudios
longitudinales en los que se siguen a los mismos sujetos o poblaciones durante un período prolongado.
Estos estudios pueden proporcionar información valiosa sobre cómo cambian las variables con el tiempo.
• En resumen, los diseños correlacional-causal son fundamentales en la investigación científica, ya que
ayudan a identificar relaciones entre variables y, en algunos casos, a determinar si una variable causa un
efecto en otra. Sin embargo, es esencial ser cauteloso al interpretar la causalidad a partir de
correlaciones, ya que pueden existir factores no medidos que influyen en los resultados. Los
experimentos y otras técnicas de investigación son necesarios para establecer relaciones causales con
mayor certeza.
5. EJEMPLOS EN DISTINTAS DISCIPLINAS:
• Psicología:
• La relación entre el tiempo dedicado a la práctica musical (variable independiente) y el nivel de
habilidad musical (variable dependiente) en estudiantes de música. Si se encuentra una
correlación positiva y se considera la teoría, se podría argumentar que la práctica musical causa un
aumento en la habilidad musical.
• Educación:
• La relación entre el tiempo que los maestros pasan proporcionando retroalimentación escrita
detallada a los estudiantes (variable independiente) y el rendimiento académico de los estudiantes
en sus tareas escritas (variable dependiente). Si se encuentra una correlación positiva, se podría
sugerir que la retroalimentación escrita más detallada puede mejorar el rendimiento académico.
• Economía:
• La relación entre el nivel de inversión en infraestructura de transporte (variable independiente) y
el crecimiento económico de un país (variable dependiente). Si se encuentra una correlación
positiva y se excluyen otras variables importantes, se podría argumentar que la inversión en
infraestructura de transporte puede impulsar el crecimiento económico.
6. • Salud Pública:
• La relación entre el consumo de frutas y verduras (variable independiente) y el riesgo de enfermedades
cardíacas (variable dependiente) en una población. Si se encuentra una correlación negativa, se podría
argumentar que un mayor consumo de frutas y verduras está relacionado con un menor riesgo de
enfermedades cardíacas.
• Sociología:
• La relación entre el acceso a la educación superior (variable independiente) y el ingreso promedio a lo
largo del tiempo (variable dependiente) en diferentes cohortes de una sociedad. Si se encuentra una
correlación positiva, se podría argumentar que la educación superior influye en el aumento de los ingresos
a lo largo del tiempo.
• Ciencias Políticas:
• La relación entre el gasto gubernamental en servicios de salud (variable independiente) y la satisfacción de
los ciudadanos con el sistema de atención médica (variable dependiente). Si se encuentra una correlación
positiva, se podría argumentar que el aumento del gasto en servicios de salud está relacionado con una
mayor satisfacción ciudadana.
7. LA INFLUENCIA DE LA MOTIVACIÓN EN EL RENDIMIENTO LABORAL DEL PERSONAL
ADMINISTRATIVO DE LA UNIVERSIDAD PRIVADA DE HUANCAYO FRANKLIN ROOSEVELT – 2018
8. BIBLIOGRAFÍA
• APAZA, D. (2018). Desempeño académico de docentes y su influencia en el nivel del logro de
aprendizaje de estudiantes de la carrera profesional de ingeniería de sistemas de la universidad andina
Néstor Cáceres Velásquez filial Arequipa. universidad andina Néstor Cáceres Velásquez filial Arequipa