Untitled

¿Que procedimiento se sigue para analizar cuantitativamente los datos?

Fase 1: Seleccionar un sofware apropiado para analizar los datos

Fase 2: Ejecutar el programa SPSS u otro equivalente

Fase 3: Explorar los datos

Analizar descriptivamente los datos por variable

Visualizar los datos por variable

Fase 4:Evaluar la confiabilidad y validez logradas por los instrumentos de medición.

Fase 5: Analizar mediante pruebas estadísticas las hipótesis planteadas.

Fase 6: Realizar análisis adicionales

Fase 7: Preparar los datos para presentarlos.

Apunte 1:

Variable de la matriz de datos: Columnas constituidas por items.

Variables de investigación: Son la propiedad medida y que forman parte de la hipótesis o que se pretenden describir

Apunte 2:

Los análisis de los datos dependen de 3 factores:

El nivel de medición de las variables

La manera como se hayan formulado las hipótesis

El interes analitico del investigador

Estadística descriptiva para cada variable

Lo primero es describir los datos, los valores o las puntuaciones para cada variable.

¿Que es una distribución de frecuencias?

Conjunto de puntuaciones de una variable ordenadas en sus respectivas categorías

¿Que otro elementos contiene una distribución de frecuencias?

Pueden completarse agregando los porcentajes de casos en cada categoría, los porcentajes válidos(incluyen los valores perdidos) y los porcentajes acumulados (porcentaje de lo que se va acumulando en cada categoría,desde la más baja hasta la más alta).

¿Cómo se interpretan las medidas de tendencia central y la de la variabilidad?

Cabe destacar que al describir nuevos datos,respecto a cada variable del estudio ,interpreta las medidas de tendencia central y de la viabilidad en conjunto.Consideramos todos los valores. para interpretarlos,lo primero que hacemos es tomar en cuenta el rango potencial de la escala.

Puntuaciones Z:Las puntuaciones z son transformaciones que se pueden hacer a los valores o las puntuaciones obtenidas,con el propósito de analizar su distancia respecto a la media,en unidades de desviación estándar.Una puntuación z nos indica la dirección y el grado en que un valor individual obtenidos se se aleja de la media ,en una escala de unidades de desviación estándar.

Razones y tasas:Una razón es la relación entre dos categorías,Una tasa es la relación entre el número de casos,frecuencia o eventos de una categoría y el número total de observaciones,multiplicada por un múltiplo de 10.

Paso 4: evaluar la confiabilidad o fiabilidad y validez lograda por el instrumento de medición:

La confiabilidad se calcula y evalúa para todo el instrumento de medición utilizado, o bien, si se administraron varios instrumentos, se determina para cada uno de ellos. Asimismo, es común que el instrumento contenga varias escalas para diferentes variables o dimensiones, entonces la fiabilidad se establece para cada escala y para el total de escalas.

existen diversos procedimientos para calcular la confiabilidad de un instrumento conformado por una o varias escalas que miden las variables de la investigación; cuyos ítems, variables de la matriz o indicadores pueden sumarse, promediarse o correlacionarse.

Los procedimientos más utilizados para determinar la confiabilidad mediante un coeficiente son:

3.Método de mitades partidas: Los procedimientos anteriores requieren cuando menos dos administraciones de la medición en la muestra. En cambio, el método de mitades partidas necesita sólo una aplicación de la medición, Un individuo con baja puntuación en una mitad tenderá a mostrar también una baja puntuación en la otra mitad.

2.Método de formas alternativas o paralelas.: En este esquema no se administra el mismo instrumento de medición, sino dos o más versiones equivalentes de éste, El instrumento es confiable si la correlación entre los resultados de ambas administraciones es positiva de manera significativa los patrones de respuesta deben variar poco entre las aplicaciones, Estos dos métodos (estabilidad y formas alternas) también pueden aplicarse cuando utilizamos dos instrumentos distintos para medir las mismas variables en las unidades de análisis.

1.Medida de estabilidad: En este procedimiento un mismo instrumento de medición se aplica dos o más veces a un mismo grupo de personas o casos, después de cierto periodo. Si la correlación entre los resultados de las diferentes aplicaciones es muy positiva, el instrumento se considera confiable.

Medidas de coherencia o consistencia interna: El método de cálculo de éstos requiere una sola administración del instrumento de medición. Su ventaja reside en que no es necesario dividir en dos mitades a los ítems del instrumento, simplemente se aplica la medición y se calcula el coeficiente.

validez

analizar mediante pruebas estadísticas las hipótesis planteadas (análisis estadístico inferencial.

En este paso se analizan las hipótesis a la luz de pruebas estadísticas que a continuación detallamos.

Estadística inferencial: de la muestra a la población

el propósito de la investigación va más allá de describir las distribuciones de las variables: se pretende probar hipótesis y generalizar los resultados obtenidos en la muestra a la población o universo. Los datos casi siempre se recolectan de una muestra y sus resultados estadísticos se denominan estadígrafos.

la estadística inferencial se utiliza fundamentalmente para dos procedimientos vinculados.

- Probar hipótesis poblacionales

-Estimar parámetros

¿En qué consiste la prueba de hipótesis?

Una hipótesis se retiene como un valor aceptable del parámetro, si es consistente con los datos. Si no lo es, se rechaza (pero los datos no se descartan). Para comprender lo que es la prueba de hipótesis en la estadística inferencial es necesario revisar los conceptos de distribución muestral y nivel de significancia.

¿Qué es una distribución muestral?

es un conjunto de valores sobre una estadística calculada de todas las muestras posibles de determinado tamaño de una población. Las distribuciones muestrales de medias son probablemente las más conocidas, si calculamos la media de todas las medias de las muestras prácticamente obtendremos el valor de la media poblacional. De hecho, casi nunca se obtiene la distribución muestral (la distribución de las medias de todas las muestras posibles). Es más bien un concepto teórico definido por la estadística para los investigadores. Lo que comúnmente hacemos es extraer una sola muestra.

¿Qué es el nivel de significancia o significación?

La probabilidad de que un evento ocurra oscila entre cero (0) y uno (1), donde cero implica la imposibilidad de ocurrencia y uno la certeza de que el fenómeno ocurra. Al lanzar al aire una moneda no cargada, la probabilidad de que salga “cruz” es de 0.50 y la probabilidad de que la moneda caiga en “cara” también es de 0.50. Con un dado, la probabilidad de obtener cualquiera de sus caras al lanzarlo es de 1/6 = 0.1667. La suma de posibilidades siempre es de uno.

¿Cómo se relacionan la distribución muestral y el nivel de significancia?

se expresa en términos de probabilidad (0.05 y 0.01) y la distribución muestral también como probabilidad (el área total de ésta como 1.00). para ver si existe o no confianza al generalizar acudimos a la distribución muestral, con una probabilidad adecuada para la investigación. Dicho nivel lo tomamos como un área bajo la distribución muestral, el nivel de significación representa áreas de riesgo o confianza en la distribución muestral.

¿Se pueden cometer errores al probar hipótesis y realizar estadística inferencial?

Nunca estaremos completamente seguros de nuestra estimación. Trabajamos con altos niveles de confianza o seguridad, pero, aunque el riesgo es mínimo, podría cometerse un error. Los resultados posibles al probar hipótesis son:

1.Aceptar una hipótesis verdadera (decisión correcta).

2.Rechazar una hipótesis falsa (decisión correcta).

3.Aceptar una hipótesis falsa (conocido como error del Tipo II o error beta).

4.Rechazar una hipótesis verdadera (conocido como error del Tipo I o error alfa).

Ambos tipos de error son indeseables; sin embargo, puede reducirse sustancialmente la posibilidad de que se presenten mediante:

a. Muestras probabilísticas representativas.

b. Inspección cuidadosa de los datos.

c. Selección de las pruebas estadísticas apropiadas.

d. Mayor conocimiento de la población

Prueba de hipótesis:

Hay dos tipos de análisis estadísticos que pueden realizarse para probar hipótesis: los análisis paramétricos y los no paramétricos. Cada tipo posee sus características y presuposiciones que lo sustentan; la elección de qué clase de análisis efectuar depende de los supuestos.

Análisis paramétricos:

Para realizar análisis paramétricos debe partirse de los siguientes supuestos:

1. La distribución poblacional de la variable dependiente es normal: el universo tiene una distribución normal.

2. El nivel de medición de las variables es por intervalos o razón.

3. Cuando dos o más poblaciones son estudiadas, tienen una varianza homogénea: las poblaciones en cuestión poseen una dispersión similar en sus distribuciones.

¿ Que es coeficiente de correlación de pearson?

Es una prueba estadística para analizar la relación entre dos variables medidas en un nivel por intervalos o de razón.

¿ Que es la regresión lineal?

Es un modelo estadístico para estimar el efecto de una variable sobre otra. Brinda la oportunidad de medir la puntualidad de una variable a partir de la puntuaciones de la otra variable.

¿ Que es la prueba?

Es una prueba estadística para evaluar si dos grupos difieren entre si, de manera significativa respecto a sus medias en una variable.

¿ Que es el tamaño del efecto?

Al realizar comparaciones de grupos, en este caso con la prueba r, es importante determinar el tamaño del efecto, que es una medida de la fuerza de la diferencia de las medias u otros valores considerados.

Fórmula para calcular el tamaño:

Tamaño total del efecto = Media del grupo 1 - Media del grupo 2

Desviación estándar sopesada

¿ Que es la prueba de diferencia de proporciones?

Es una prueba estadística que nos permite analizar si dos proporciones o porcentajes difieren significativamente entre sí.

¿ Que es el análisis de varianza unidireccional o de un factor?

Es una prueba estadística que nos da la oportunidad de analizar si más de dos grupos difieren significativamente entre en cuanto a sus medias y varianzas.

Estadística Multivariada

Cuando existen diversas variables independientes y una o varias dependientes se forman esquemas que relacionan dichas variables entre si.

Los métodos estadísticos que sirven para esto son:

Análisis de varianza factorial : Evalúa el efecto de dos o más variables independientes sobre una dependiente.

Análisis de Covarianza : Analiza la relación entre una variable dependiente y dos o más independientes controlando el efecto de por lo menos dos independientes.

Regresión múltiple: Predice el valor de la variable dependiente con una o más independientes y estima cuál independiente predice mejor el comportamiento de la dependiente.

Análisis multivariado de varianza: Analiza la relación de dos o más variables dependientes y dos o más independientes.

Análisis lineal de Patrones: A partir de regresiones analiza, determina y representa interrelaciones entre variables.

Análisis discriminante: A partir de las características de cada caso pronostica el grupo de pertenencia de un caso por medio de un modelo predictivo.

Análisis No Paramétrico

Se realiza a partir de las siguientes consideraciones:

Aceptan distribuciones libres es decir sin pre supuestos de la distribución poblacional.

Las variables pueden analizar datos ordinales o nominales

Los métodos más usados son:

Prueba Chi Cuadrado: Es una prueba estadística para evaluar hipótesis de la relación de dos variables categóricas.

Esta prueba no considera relaciones causales.

Se calcula por medio de una tabla de contingencia.

Compara la tabla de frecuencias observadas y la de frecuencias esperadas.

Coeficientes de Correlación e independencia para tabulaciones cruzadas:

Phi: Puede usarse con variables ordinales reducidas a dos categorías.

Coeficientes de contingencia c de Pearson: Puede usarse con variables ordinales reducidas a dos categorías, es un ajuste de Phi para tablas con más de dos categorías en las variables .

V de Cramer: Se usa para cualquier nivel de variables pero siempre reducida a categorías.

Goodman Kruskal Lambda: Se usa con cualquier nivel de variables pero siempre reducida a categorías y fluctúa entre 0 y 1.

Coeficiente de incertidumbre o entropía o U de Theil

Gamma de Goodman y Kruskal: Ordinal, varía de +1 y 1

Taua Tau-b y Tau c: Varia de -1 a +1, Tau b y Tau c son asimétricas y Tau c es simétricas.

D de sommers: Ordinal, varía de +1 y 1

Kappa: Datos categorizados por intervalos. Varía de 0 a 1

Coeficiente de Correlación por rangos ordenados de Spearman y Kendall: Son medidas de correlación para variables en un nivel de medición ordinal.

Son usados para relacionar escalas tipo Likert

El coeficiente de Kendal es más significativo cuando los datos tienen muchos rangos empatados.

El coeficiente de Spearman parece ser una aproximación al R de Pearson cuando los datos son continuos.

Otros Coeficientes de relación

Coeficiente Eta: Similar al R de Pearson con relaciones no lineales.

Define la correlación perfecta como curvilineal y la relación nula como la independencia estadística de variables.

Eta2: Se interpreta como el porcentaje de la varianza en la variable dependiente explicado por la independiente.

Biserial: Una variable es ordinal y la otra por intervalos de razón.

Biserial por rangos: Una variable es nominal y la otra es ordinal.

Biseral puntual: Una variable es por intervalos y la otra es nominal.

Tetracórico: Se utiliza cuando las variables son de intervalo o de razón y han sido dicotomizadas.

Procedimientos y pruebas estadísticas: Se definen según

El tipo de pregunta de investigación

Descriptiva:

Nominales: Moda

Ordinales: Mediana y Moda

Por intervalos o razón: Mediana, Media, Moda, desviación estandar, Varianza y rango.

- Diferencias de grupos:

Nominales: Prueba de Mcnemar

Ordinales: Prueba de Wilcoxon para pares de rangos

Por intervalos o razón: Mediana T para muestras correlacionadas.

Muestras independientes: Chi cuadrado, Prueba Mann Whitney U o prueba Kolmogorow Smirnofw para dos muestras, Prueba T para Muestras no correlacionadas.

Para más de dos variables o grupos: Prueba Q de Cochran, análisis de varianza de Freideman en dos vías, análisis de varianza, análisis de covarianza.

Personas que participaron:

FANNY TERESA ROMERO ID 665637

CLAUDIA MARCELA BUITRAGO DELGADO- ID 666041

LUZ MILA LEON- ID 659456

TANIA GIRALDO-ID 659933

YERLI VANESSA AGUDELO CARDONA-ID 663409