Análisis de datos cuantitativos

Análisis de datos cuantitativos

1. 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.

2. 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. 3Cuando dos o más poblaciones son estudiadas, tienen una varianza homogénea: las poblaciones en cuestión poseen una dispersión similar en sus distribuciones.

   • métodos o pruebas estadísticas paramétricas más utilizados
     • 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. Se le conoce también como “coeficiente producto-momento”. | Se simboliza: r | Hipótesis a probar: correlacional | Variables: dos El coeficiente de correlación de Pearson se calcula a partir de las puntuaciones obtenidas en una muestra en dos variables. Se relacionan las puntuaciones recolectadas de una variable con las puntuaciones obtenidas de la otra, con los mismos participantes o casos | Interpretación: el coeficiente r de Pearson puede variar de −1.00 a +1.00 | Consideraciones: cuando el coeficiente r de Pearson se eleva al cuadrado (r2), se obtiene el coeficiente de determinación y el resultado indica la varianza de factores comunes.
     • Regresión lineal: Es un modelo estadístico para estimar el efecto de una variable sobre otra. Está asociado con el coeficiente r de Pearson. Brinda la oportunidad de predecir las puntuaciones de una variable a partir de las puntuaciones de la otra variable. Entre mayor sea la correlación entre las variables (covariación), mayor capacidad de predicción. | Hipótesis: correlacionales y causales. | Variables: dos. Nivel de medición de las variables: intervalos o razón. | Procedimiento e interpretación: la regresión lineal se determina con base en el diagrama de dispersión. | Consideraciones: la regresión lineal es útil con relaciones lineales, no con relaciones curvilíneas
     • Prueba t: Es una prueba estadística para evaluar si dos grupos difieren entre sí de manera significativa respecto a sus medias en una variable | Se simboliza: t. | Hipótesis: de diferencia entre dos grupos. La hipótesis de investigación propone que los grupos difieren entre sí de manera significativa y la hipótesis nula plantea que los grupos no difieren significativamente. | Variables: la comparación se realiza sobre una variable Nivel de medición de la variable de comparación: intervalos o razón. | Cálculo e interpretación: el valor t es calculado por el programa estadístico. | Consideraciones: La prueba t se utiliza para comparar los resultados de una pre-prueba con los resultados de una pos-prueba en un contexto experimental.
     • Tamaño del efecto Al comparar grupos, en este caso con la prueba t, es importante determinar el tamaño del efecto, que es una medida de la “fuerza” de la diferencia de las medias u otros valores considerados | Calculo: El tamaño del efecto es justo la diferencia estandarizada entre las medias de los dos grupos. | Tamaño total del efecto: (Media del grupo 1 – Media del grupo 2) / Desviación estándar sopesada | Desviación estándar sopesada: es la estimación reunida de la desviación estándar de ambos grupos
     • Prueba de diferencia de proporciones: Es una prueba estadística para analizar si dos proporciones o porcentajes difieren significativamente entre sí | Hipótesis: de diferencia de proporciones en dos grupos. Variable: la comparación se realiza sobre una variable. | Nivel de medición de la variable de comparación: cualquier nivel, incluso por intervalos o razón, pero siempre expresados en proporciones o porcentajes. | Procedimiento e interpretación: este análisis puede realizarse muy fácilmente en el programa STATS®, subprograma: Diferencia de dos proporciones (Difference-Two Percentages).
     • Análisis de varianza unidireccional o de un factor (ANOVA one-way) Es una prueba estadística para analizar si más de dos grupos difieren significativamente entre sí en cuanto a sus medias y varianzas. | Hipótesis: de diferencia entre más de dos grupos. variables: una variable independiente y una variable dependiente. | Nivel de medición de las variables: la variable independiente es categórica y la dependiente es por intervalos o razón. | Interpretación: el análisis de varianza unidireccional produce un valor conocido como F o razón F, que se basa en una distribución muestral, conocida como distribución F, la cual es otro miembro de la familia de distribuciones muéstrales.

3. Estadística multivariada Análisis de varianza factorial (ANOVA de varios factores): Evaluar el efecto de dos o más variables independientes sobre una variable dependiente. | Análisis de covarianza (ANCOVA): Analizar la relación entre una variable dependiente y dos o más independientes, al eliminar y controlar el efecto de al menos una de estas variables independientes. | Regresión múltiple: Evaluar el efecto de dos o más variables independientes sobre una variable dependiente, así́ como predecir el valor de la variable dependiente con una o más variables independientes, y estimar cuál es la independiente que mejor predice las puntuaciones de la dependiente. Se trata de una extensión de la regresión lineal. |Análisis multivariado de varianza (MANOVA): Analizar la relación entre dos o más variables independientes y dos o más variables dependientes. |Análisis lineal de patrones (PATH): Determinar y representar interrelaciones entre variables a partir de regresiones, así como analizar la

4. Análisis no paramétricos: 1.Consideraciones: la mayoría de los datos no requieren de presupuestos acerca de la forma de la distribución poblacional |2.Las variables no necesariamente tienen que estar medidas en un nivel por intervalos o de razón

   • Métodos: La chi cuadrada o X2 | Los coeficientes de correlación e independencia para tabulaciones cruzadas. | Los coeficientes de correlación por rangos ordenados de Spearman y Kendall.
     • Chi cuadrada o X2: Es una prueba estadística para evaluar hipótesis acerca de la relación entre dos variables categóricas. | Se simboliza: X2. Hipótesis por probar: correlacionales. | Variables involucradas: dos. La prueba Chi cuadrada no considera relaciones causales. | Nivel de medición de las variables: nominal u ordinal (o intervalos o razón reducidos a ordinales). | Procedimiento: se calcula por medio de una tabla de contingencia o tabulación cruzada, que es un cuadro de dos dimensiones y cada dimensión contiene una variable.

5. Pasos:

   • Paso 6: realizar análisis adicionales Este paso implica simplemente que una vez realizados nuestros análisis, es posible que decidamos ejecutar otros análisis o pruebas extras para confirmar tendencias y evaluar los datos desde diferentes ángulos.
   • Paso 7: preparar los resultados para presentarlos Se recomienda, una vez que se obtengan los resultados de los análisis estadísticos se deben realizar las siguientes actividades
     • 1.Revisar cada resultado | 2.Organizar los resultados | 3.Cotejar diferentes resultados | 4.Priorizar la información más valiosa | 5.Copiar o “formatear” las tablas en el programa con el cual se elaborará el reporte de la investigación | 6.Comentar o describir brevemente la esencia de los análisis, valores, tablas, diagramas, gráficas. | 7.Volver a revisar los resultados. | 8.Y, finalmente, elaborar el reporte de investigación.