8 Hipótesis, objetivos y variables: el trípode

8.1 El trípode que sostiene tu investigación

Si la pregunta de investigación es el corazón, la hipótesis, los objetivos y las variables son las piernas de la mesa. Sin ellas, todo se cae. Y como un trípode, necesitas las tres para que haya equilibrio.

Pero antes de entrar en cada una, una advertencia: muchos manuales presentan estos tres elementos como pasos secuenciales y mecánicos. “Primero escriba su objetivo general. Luego sus objetivos específicos. Luego su hipótesis. Luego sus variables.” Como si fuera una receta de cocina.

En la vida real, estos tres elementos se construyen simultáneamente y se van ajustando mutuamente. Tu hipótesis puede hacerte cambiar tus objetivos. Tus variables pueden hacerte reformular tu hipótesis. Es un proceso iterativo, desordenado, y eso está bien. Como lo planteó Kerlinger & Lee (2002), la investigación es un ciclo de retroalimentación constante entre teoría, hipótesis y evidencia.

8.2 Hipótesis: no siempre necesitas una (pero casi siempre ayuda)

Una hipótesis es una respuesta tentativa a tu pregunta de investigación. Es tu apuesta informada sobre lo que vas a encontrar. No es un deseo, no es una opinión, no es un presentimiento. Es una proposición que se puede contrastar con datos.

Ejemplo: - Pregunta: ¿Qué factores influyen en la deserción universitaria de primera generación? - Hipótesis: El capital cultural familiar tiene un efecto mayor que el ingreso económico sobre la probabilidad de deserción en estudiantes de primera generación.

8.2.1 ¿Siempre necesitas una hipótesis?

No necesariamente:

Estudios exploratorios: Si nadie ha investigado tu tema antes, es difícil formular una hipótesis. Tu objetivo es explorar, no confirmar.
Investigación cualitativa: Muchos diseños cualitativos prefieren no tener hipótesis para no sesgar la mirada. Usan “supuestos” o “proposiciones” más flexibles.
Estudios descriptivos: “¿Cuál es el perfil socioeconómico de los vendedores ambulantes en Lima?” No necesita hipótesis, necesita descripción.

Pero si tu estudio es explicativo o correlacional, sí necesitas hipótesis. Y debe ser:

Contrastable: Se puede confirmar o refutar con datos.
Específica: No vale “la educación influye en algo.”
Fundamentada: Basada en tu marco teórico o en la literatura previa, no en tu intuición.

8.2.2 Tipos de hipótesis

No todas las hipótesis son iguales. Conocer los tipos te ayuda a formularlas mejor:

Tipo	Qué dice	Ejemplo
Nula (\(H_0\))	No hay relación/efecto	“No existe diferencia en permanencia universitaria entre estudiantes con alto y bajo capital cultural”
Alternativa (\(H_1\))	Sí hay relación/efecto	“Existe diferencia en permanencia universitaria según nivel de capital cultural”
Direccional	Especifica la dirección del efecto	“A mayor capital cultural, mayor probabilidad de permanencia”
No direccional	Hay efecto pero no se especifica dirección	“El capital cultural está asociado con la permanencia universitaria”

Para recordar

En la práctica estadística, tú nunca “pruebas” tu hipótesis. Lo que haces es intentar rechazar la hipótesis nula. Es una diferencia sutil pero fundamental: no demuestras que tu idea es correcta; demuestras que la explicación alternativa (que no hay efecto) es improbable. Esto viene de la tradición de Popper (ver Capítulo 3): la ciencia avanza por falsación, no por confirmación.

8.2.3 Las hipótesis que no son hipótesis

Errores que veo todo el tiempo:

❌ “Si el gobierno implementa políticas educativas, la educación mejorará.” (Esto es un deseo disfrazado de hipótesis.)
❌ “Se espera que los resultados sean positivos.” (¿Positivos respecto a qué? ¿Según quién?)
❌ “La pobreza es un problema multidimensional.” (Esto no es contrastable. Es una definición.)
❌ “Existen factores que influyen en la deserción.” (Obvio. Todo tiene factores que influyen. ¿Cuáles específicamente?)

Compara con una hipótesis real:

✅ “El nivel educativo de la madre tiene un efecto positivo y significativo sobre la probabilidad de permanencia universitaria del hijo, controlando por ingreso familiar y tipo de colegio de procedencia.”

Esta sí es contrastable, específica, direccional y operacionalizable.

8.2.4 El valor de estar equivocado

Aquí una idea contraintuitiva: una hipótesis que se refuta puede ser más interesante que una que se confirma. Si todo sale como esperabas, tu contribución es confirmar lo que ya se sospechaba. Pero si tus datos contradicen tu hipótesis, tienes algo genuinamente nuevo que explicar. Eso genera conocimiento.

Los mejores descubrimientos científicos a menudo empiezan con resultados inesperados. Piensa en la historia de la aspirina como anticoagulante, o en cómo Kahneman (2012) descubrió heurísticas del pensamiento estudiando sesgos que no “deberían” existir según la teoría económica estándar.

No le tengas miedo a estar equivocado. Tenle miedo a no estar dispuesto a aceptarlo.

8.3 Objetivos: general y específicos sin la lista de supermercado

8.3.1 El objetivo general

Es lo que quieres lograr con tu investigación. Uno solo. Claro. Directamente vinculado a tu pregunta.

Error común: Objetivos generales que son, en realidad, objetivos de política pública.

❌ “Contribuir a la reducción de la pobreza en América Latina.” (Eso es lindo, pero no es un objetivo de investigación. Es un objetivo de la ONU.)
❌ “Concientizar a la sociedad sobre la importancia de la educación.” (Eso es un objetivo de una ONG, no de una tesis.)
✅ “Analizar la relación entre capital cultural familiar y permanencia universitaria en estudiantes de primera generación en universidades públicas de Lima.”

8.3.2 Los objetivos específicos

Son los pasos concretos que necesitas dar para lograr el objetivo general. Pero cuidado: no son una lista de tareas (“revisar la literatura,” “aplicar encuestas,” “analizar datos”). Son sub-objetivos de conocimiento.

Ejemplo:

Identificar las dimensiones del capital cultural presentes en familias de estudiantes de primera generación.
Medir la relación entre cada dimensión del capital cultural y la probabilidad de permanencia.
Comparar el efecto del capital cultural con el efecto del ingreso económico sobre la permanencia.

Nota cómo cada objetivo específico genera un resultado concreto que contribuye al objetivo general. No son tareas administrativas; son preguntas subordinadas.

8.3.3 La coherencia del trípode

Aquí una prueba simple para saber si tu trípode funciona:

Elemento	Pregunta de control
Pregunta	¿Qué quieres saber?
Objetivo general	¿Es la pregunta convertida en acción (verbo + contenido)?
Objetivos específicos	¿Sumados, responden al objetivo general?
Hipótesis	¿Es una respuesta tentativa a la pregunta?
Variables	¿Son los conceptos mencionados en la hipótesis?
Indicadores	¿Miden lo que dicen las variables?

Si en algún punto la cadena se rompe (el objetivo general no responde a la pregunta, las variables no aparecen en la hipótesis, los indicadores no miden las variables), hay un problema de coherencia. Vuelve a empezar.

8.3.4 La regla de los verbos

Usa verbos que impliquen investigación: analizar, evaluar, comparar, identificar, determinar, explorar, estimar, examinar, describir, medir.

Evita verbos vagos o redundantes:

❌ Estudiar (demasiado vago — ¿estudiar cómo?)
❌ Conocer (¿conocer para qué?)
❌ Investigar (redundante: toda tu tesis es “investigar”)
❌ Proponer (tu tesis investiga, no propone soluciones, a menos que sea investigación-acción)
❌ Demostrar (no demuestras; analizas evidencia y llegas a conclusiones)

Ojo con esto

“Demostrar que X causa Y” es un objetivo peligroso. Implica que ya sabes la respuesta antes de investigar. Mejor: “Analizar si X está asociado con Y” o “Estimar el efecto de X sobre Y.” La diferencia es sutil pero crucial: una está abierta a los resultados; la otra, no.

8.4 Variables: de lo abstracto a lo medible

8.4.1 ¿Qué es una variable?

Una variable es algo que varía (sí, así de simple). Es una característica que puede tomar diferentes valores en tu estudio.

Variable dependiente (VD): Lo que quieres explicar. El efecto. La consecuencia. También llamada “variable de resultado” (outcome).
Variable independiente (VI): Lo que crees que explica. La causa. El factor. También llamada “variable explicativa” o “predictor.”
Variables de control: Las que necesitas mantener constantes para no confundir el efecto de tu VI sobre tu VD.

Ejemplo: - VI: Capital cultural familiar (medido por nivel educativo de los padres, acceso a libros, prácticas culturales). - VD: Permanencia universitaria (medida por matrícula continua después del 4to semestre). - Control: Ingreso familiar, género, tipo de colegio de origen.

8.4.2 Variables mediadoras y moderadoras

Aquí es donde las cosas se ponen interesantes (y donde muchas tesis podrían mejorar enormemente). Además de las variables dependientes, independientes y de control, existen dos tipos que permiten entender cómo y cuándo funciona una relación:

Variable mediadora: Explica por qué o a través de qué mecanismo la VI afecta a la VD. Es el camino causal intermedio.

Ejemplo: Capital cultural → Autoeficacia académica → Permanencia universitaria
El capital cultural no actúa directamente; actúa a través de la autoeficacia. El estudiante con mayor capital cultural se siente más capaz, y eso es lo que lo retiene.

Variable moderadora: Indica cuándo o para quién la relación entre VI y VD es más fuerte o débil.

Ejemplo: Capital cultural → Permanencia, pero el efecto es moderado por género
Quizás el capital cultural importa más para las mujeres que para los hombres (o viceversa). El género cambia la intensidad de la relación.

Baron & Kenny (1986) formalizaron esta distinción en un artículo clásico. La diferencia clave: el mediador está en el camino causal (VI → Mediador → VD), mientras que el moderador está fuera del camino causal pero afecta su intensidad.

Mediación:     VI ──→ Mediador ──→ VD

Moderación:    VI ──────────────→ VD
                       ↑
                   Moderador

Para recordar

Si tu pregunta es “¿por qué X causa Y?”, necesitas un mediador. Si tu pregunta es “¿cuándo o para quién X causa Y?”, necesitas un moderador. No son intercambiables.

8.4.3 El peligro de las variables “obvias”

Muchos estudiantes eligen variables por inercia (“género,” “edad,” “nivel socioeconómico”) sin preguntarse si realmente son relevantes para su pregunta. Incluir una variable debería tener una justificación teórica. ¿Por qué crees que el género influye en tu fenómeno? ¿Qué dice la literatura? Si no tienes una razón, no la metas solo por llenar espacio.

Esto aplica especialmente a las variables de control. No necesitas controlar por todo lo que se te ocurra. Necesitas controlar por las variables que, según la teoría y la evidencia previa, podrían confundir la relación que estás estudiando. Agregar controles irrelevantes no “mejora” tu modelo; puede incluso empeorarlo (el famoso problema de los “controles malos” o bad controls).

8.4.4 Niveles de medición: no todos los números son iguales

Una variable no es solo “lo que mides.” También importa cómo lo mides. Los niveles de medición determinan qué puedes hacer estadísticamente con cada variable:

Nivel	Descripción	Ejemplo	Operaciones posibles
Nominal	Categorías sin orden	Género, religión, región	Frecuencias, moda, chi-cuadrado
Ordinal	Categorías con orden	Nivel educativo (primaria < secundaria < superior)	Lo anterior + mediana, correlación de Spearman
De intervalo	Distancias iguales, sin cero absoluto	Temperatura en °C, puntaje en test estandarizado	Lo anterior + media, desviación estándar, correlación de Pearson
De razón	Distancias iguales, con cero absoluto	Ingreso, edad, número de hijos	Lo anterior + razones y proporciones

¿Por qué importa esto? Porque determina qué análisis estadístico puedes usar. No puedes calcular el promedio de una variable nominal (el “género promedio” no tiene sentido). No puedes hacer una regresión lineal con una variable dependiente ordinal (bueno, puedes, pero no deberías). Las herramientas estadísticas tienen supuestos, y uno de los más básicos es el nivel de medición de tus variables.

8.5 La operacionalización: donde la teoría se encuentra con la realidad

Este es el paso que separa a los amateurs de los investigadores serios. Operacionalizar es pasar de un concepto abstracto (“capital cultural”) a algo que puedas medir (“¿cuántos libros hay en tu casa?”).

Concepto	Dimensión	Indicador	Tipo de variable	Instrumento
Capital cultural	Objetivado	Cantidad de libros en el hogar	De razón	Encuesta, pregunta 12
Capital cultural	Incorporado	Frecuencia de asistencia a eventos culturales (escala 1-5)	Ordinal	Encuesta, pregunta 15
Capital cultural	Institucionalizado	Nivel educativo máximo de los padres	Ordinal	Encuesta, pregunta 8
Permanencia	—	Matrícula continua hasta 4to semestre (sí/no)	Nominal (dicotómica)	Registro académico

Esta tabla es oro. Te obliga a ser concreto, a definir exactamente qué vas a medir y cómo. Si no puedes llenarla, tu investigación todavía es demasiado abstracta.

8.5.1 Escalas tipo Likert: la herramienta favorita (y la más mal usada)

Si haces investigación con encuestas, probablemente usarás escalas tipo Likert: “Totalmente en desacuerdo – En desacuerdo – Ni de acuerdo ni en desacuerdo – De acuerdo – Totalmente de acuerdo.” Son útiles, pero están plagadas de malas prácticas:

Errores comunes con Likert:

Tratar cada ítem como variable independiente. Un solo ítem tipo Likert no es confiable. La idea es construir una escala con múltiples ítems que midan el mismo constructo, y luego calcular un puntaje compuesto.
Asumir que son variables de intervalo. Técnicamente, una escala de 1 a 5 es ordinal (la distancia entre “de acuerdo” y “totalmente de acuerdo” no es necesariamente igual a la distancia entre “en desacuerdo” y “ni de acuerdo ni en desacuerdo”). En la práctica, muchos investigadores las tratan como de intervalo cuando tienen suficientes puntos (5 o más) y distribución aproximadamente normal. Pero debes saber que estás haciendo un supuesto.
No verificar la confiabilidad. Si construyes una escala con 8 ítems para medir “autoeficacia académica,” necesitas verificar que esos 8 ítems efectivamente miden lo mismo. El alfa de Cronbach es el indicador más usado (busca un α > 0.70, aunque no es una regla sagrada). DeVellis (2017) es la referencia clásica para desarrollo de escalas.
No incluir ítems invertidos. Si todos tus ítems van en la misma dirección (“la educación es importante,” “la educación mejora la vida,” “la educación es valiosa”), el respondente puede marcar todo en “de acuerdo” sin leer. Incluye algunos ítems invertidos para detectar respuestas automáticas.

8.5.2 Validez y confiabilidad: ¿mides lo que crees que mides?

Dos conceptos fundamentales que todo investigador debe manejar:

Confiabilidad: ¿Tu instrumento produce resultados consistentes? Si aplicas la misma encuesta dos veces a la misma persona (y nada ha cambiado), ¿obtienes resultados similares?

Test-retest: Aplicas el instrumento dos veces con un intervalo. Correlación alta = buena confiabilidad.
Consistencia interna (alfa de Cronbach): ¿Los ítems de tu escala miden lo mismo? α > 0.70 es generalmente aceptable.
Inter-evaluadores: Si dos personas codifican los mismos datos, ¿coinciden?

Validez: ¿Tu instrumento mide lo que dice medir? Puedes tener un instrumento muy confiable (da siempre el mismo resultado) pero inválido (no mide lo que crees). Un reloj que siempre marca las 3:00 es perfectamente confiable, pero no válido.

Validez de contenido: ¿Los ítems cubren todas las dimensiones del concepto? (Generalmente evaluada por expertos.)
Validez de constructo: ¿Se comporta como predice la teoría? Si tu escala de autoeficacia es válida, debería correlacionar positivamente con rendimiento académico.
Validez de criterio: ¿Predice lo que debería predecir? Si tu escala de riesgo de deserción es válida, los puntajes altos deberían estar asociados con deserción real.

Reflexión

Un instrumento puede ser confiable sin ser válido, pero no puede ser válido sin ser confiable. Piénsalo: si tu medición fluctúa aleatoriamente cada vez que la aplicas, no puede estar midiendo consistentemente lo que dice medir. La confiabilidad es condición necesaria (pero no suficiente) de la validez.

8.6 El trípode en la práctica: un ejemplo completo

Para que veas cómo todo encaja, aquí va un ejemplo completo del trípode:

Pregunta: ¿En qué medida el capital cultural familiar se asocia con la permanencia universitaria de estudiantes de primera generación en universidades públicas de Lima, controlando por nivel socioeconómico?

Objetivo general: Analizar la asociación entre capital cultural familiar y permanencia universitaria en estudiantes de primera generación de universidades públicas de Lima.

Objetivos específicos:

Caracterizar las dimensiones del capital cultural (objetivado, incorporado, institucionalizado) en familias de estudiantes de primera generación.
Estimar la asociación entre cada dimensión del capital cultural y la probabilidad de permanencia universitaria.
Determinar si la asociación persiste al controlar por ingreso familiar.

Hipótesis:

\(H_1\): El capital cultural familiar (en sus tres dimensiones) se asocia positivamente con la probabilidad de permanencia universitaria, controlando por ingreso familiar.
\(H_2\): El capital cultural institucionalizado (nivel educativo de los padres) tiene un efecto mayor que el capital cultural objetivado (bienes culturales en el hogar).

Variables:

Variable	Tipo	Indicadores
Capital cultural objetivado	VI (de razón)	Nº de libros, acceso a internet, bienes culturales
Capital cultural incorporado	VI (ordinal)	Frecuencia de prácticas culturales (escala 1-5)
Capital cultural institucionalizado	VI (ordinal)	Nivel educativo máximo de los padres
Permanencia universitaria	VD (nominal)	Matrícula continua hasta 4to semestre (sí/no)
Ingreso familiar	Control (de razón)	Ingreso mensual en soles
Género	Control (nominal)	Masculino/femenino
Tipo de colegio	Control (nominal)	Público/privado

¿Ves cómo cada pieza encaja con la otra? La pregunta genera el objetivo, el objetivo genera la hipótesis, la hipótesis define las variables, y las variables se operacionalizan en indicadores. Es una cadena lógica donde cada eslabón se justifica.

Ejercicio

Construye tu propio trípode completo:

Escribe tu pregunta de investigación.
Convierte la pregunta en objetivo general (cambia la estructura interrogativa por un verbo de investigación).
Descompón el objetivo general en 3-4 objetivos específicos.
Formula al menos una hipótesis (identifica su tipo: direccional, no direccional, nula).
Identifica tus variables: ¿cuál es la VD? ¿Cuál(es) la(s) VI? ¿Qué controlas? ¿Hay mediadores o moderadores?
Construye la tabla de operacionalización (concepto → dimensión → indicador → tipo de variable → instrumento).
La prueba final: Pide a un colega que lea tu trípode. Si encuentra una desconexión entre cualquiera de los elementos, vuelve al paso donde se rompe la cadena.

Baron, R. M., & Kenny, D. A. (1986). The Moderator-Mediator Variable Distinction in Social Psychological Research: Conceptual, Strategic, and Statistical Considerations. En Journal of Personality and Social Psychology (Vol. 51, pp. 1173-1182).

DeVellis, R. F. (2017). Scale Development: Theory and Applications (4th ed.). SAGE Publications.

Kahneman, D. (2012). Pensar rápido, pensar despacio. Debate.

Kerlinger, F. N., & Lee, H. B. (2002). Foundations of Behavioral Research (4th ed.). Wadsworth.