Elegir el diseño de investigación adecuado es probablemente la decisión más importante que tomarás en cualquier estudio, y también la que tiene menos margen de corrección posterior. Puedes cambiar el análisis estadístico después de recoger los datos, puedes reformular las hipótesis, puedes incluso reescribir completamente el marco teórico. Pero no puedes cambiar el diseño. Si elegiste un diseño transversal cuando necesitabas uno longitudinal, o un diseño observacional cuando necesitabas uno experimental, ningún análisis estadístico puede compensar esa limitación.
En psicología, los diseños de investigación se pueden organizar a lo largo de varias dimensiones. La más fundamental es la distinción entre diseños experimentales (donde el investigador manipula al menos una variable y asigna aleatoriamente a los participantes a las condiciones) y diseños observacionales (donde el investigador mide las variables tal como ocurren naturalmente, sin manipulación ni aleatorización). Esta distinción tiene implicaciones directas para las conclusiones que puedes extraer: solo los diseños experimentales permiten inferencias causales legítimas, porque solo ellos controlan las amenazas a la validez interna que impiden atribuir los efectos observados a la variable manipulada.
Diseños experimentales y cuasi-experimentales
El diseño experimental clásico con asignación aleatoria y grupo control es el estándar de oro para establecer relaciones causales. Si asignas aleatoriamente a 100 participantes a un grupo de tratamiento o a un grupo de control, y el grupo de tratamiento muestra una mejora significativamente mayor, puedes concluir con bastante confianza que el tratamiento causó la mejora. La aleatorización garantiza que, en expectativa, los grupos son equivalentes en todas las variables antes de la intervención, incluidas las variables que no has medido. Ningún diseño observacional puede ofrecer esta garantía.
Sin embargo, los diseños experimentales no siempre son posibles o éticos. No puedes asignar aleatoriamente a las personas a experimentar un trauma para estudiar el trastorno de estrés postraumático. No puedes manipular el estilo de apego de un niño para ver cómo afecta a su desarrollo social. En estas situaciones, los diseños cuasi-experimentales ofrecen una alternativa razonable. Comparan grupos que difieren naturalmente en la variable de interés (por ejemplo, personas que han sufrido un evento traumático versus personas que no), pero sin la garantía de equivalencia que proporciona la aleatorización. Esto significa que siempre existe la posibilidad de que las diferencias observadas se deban a variables confundentes, y esa limitación debe reconocerse explícitamente.
Diseños transversales vs. longitudinales
Otra dimensión crucial es la temporal. Los diseños transversales recogen datos en un solo momento temporal, mientras que los longitudinales siguen a los mismos participantes a lo largo del tiempo. Los diseños transversales son más rápidos y baratos, pero tienen limitaciones severas para estudiar procesos de cambio, desarrollo o causalidad. Si encuentras una correlación entre estrés laboral y depresión en un estudio transversal, no puedes saber si el estrés causa la depresión, la depresión causa la percepción de estrés, o ambas son consecuencia de un tercer factor.
Los diseños longitudinales permiten abordar algunas de estas limitaciones, aunque tampoco son una solución perfecta. Un diseño longitudinal de panel, donde mides las mismas variables en los mismos participantes en múltiples ocasiones, te permite evaluar si los cambios en una variable predicen cambios posteriores en otra (lo que se conoce como relaciones cruzadas o cross-lagged effects). Esto se acerca más a la causalidad que una simple correlación transversal, aunque no la establece de forma definitiva porque no controla por todas las posibles variables confundentes que varían en el tiempo.
Los estudios longitudinales tienen sus propios desafíos prácticos: los participantes abandonan el estudio (atrición), el paso del tiempo puede producir cambios no relacionados con tus variables de interés (maduración), y la exposición repetida a los instrumentos de medida puede alterar las respuestas (efectos de práctica o sensibilización). Estos problemas no invalidan los diseños longitudinales, pero requieren atención en el diseño y en el análisis de los datos.
Cómo elegir el diseño adecuado
La elección del diseño debería derivarse directamente de tu pregunta de investigación. Si tu pregunta es causal ("¿este tratamiento reduce la ansiedad?"), necesitas un diseño experimental o al menos cuasi-experimental. Si tu pregunta es sobre asociaciones ("¿están relacionadas la autoestima y el rendimiento académico?"), un diseño correlacional transversal puede ser suficiente como primer paso, aunque un diseño longitudinal sería más informativo. Si tu pregunta es sobre procesos de cambio ("¿cómo evoluciona la adaptación después de un divorcio?"), necesitas un diseño longitudinal con múltiples puntos de medida.
También es importante considerar las limitaciones prácticas. Un diseño longitudinal de 5 años con medidas mensuales sería ideal para muchas preguntas, pero puede ser inviable por razones de tiempo, presupuesto o atrición. En estos casos, la clave es ser honesto sobre las limitaciones del diseño que puedes implementar y no extraer conclusiones que tus datos no pueden sostener. Un diseño transversal bien ejecutado y honestamente interpretado es mejor ciencia que un diseño longitudinal mal planificado o un diseño experimental con problemas de implementación. Lo que importa no es que tu diseño sea perfecto (ninguno lo es), sino que sea coherente con tu pregunta y que interpretes los resultados dentro de los límites que el diseño permite.
Antes de enviarlo: el hueco entre lo que tu diseño permite y lo que acabas afirmando en la discusión es de los motivos de rechazo más repetidos, y casi siempre aparece como un verbo causal colado en un estudio transversal. Si ya tienes el manuscrito escrito, pásalo por el Revisor Q1: es una pre-revisión gratuita estilo Reviewer 2 que te señala dónde estás sacando más conclusiones de las que tu diseño sostiene, antes de que te lo marque la revista.
Si estás eligiendo el diseño de tu tesis y tienes dudas sobre cuál encaja mejor con tu pregunta de investigación, en mi acompañamiento estadístico para tesis doctorales revisamos esta decisión en la fase de diseño, antes de que un error metodológico se vuelva irreversible.