Taller Principios de Investigación II

Transcripción

1 Taller Principios de Investigación II Centro de Estudios y Documentación sobre la Educación Superior Puertorriqueña Consejo de Educación Superior 31 de marzo de 2006 Wanda I. Altreche Bernal, MS, Ph.D. Catedrática Asociada

2 Objetivos Familiarizar a los participantes con los diferentes tipos de diseño de investigación cuantitativos, su uso y aplicación correcta Discutir los conceptos básicos de muestreo Familiarizar a los participantes con la selección y desarrollo de técnicas apropiadas para recoger los datos Introducir los métodos para analizar y presentar la información cuantitativa de manera significativa y comprensiva Demostrar como el diseño de investigación, el plan de muestreo, la recopilación de datos, el nivel de medición de los datos y los análisis estadísticos se relacionan entre sí y con la pregunta de investigación

3 Competencias Distinguir entre los diferentes diseños de investigación basado en las preguntas de investigación para las que se desea obtener respuesta y en su adecuacidad para controlar las distintas fuentes que amenazan la validez interna Conocer los elementos que debe incluir el diseño de investigación Identificar los cinco factores a considerar al planificar el diseño de investigación Conocer las técnicas para aumentar control y reducir sesgo

4 Competencias Definir los conceptos básicos de muestreo Diferenciar entre los distintos tipos de muestreo y cuando utilizarlos Identificar los pasos del proceso de muestreo Reconocer los diferentes métodos para recopilación de datos Conocer los distintos métodos de análisis de datos y saber cuando se utilizan

5 Diseño o de Investigación Es el plan general del investigador para dar respuesta a sus interrogantes o para probar su hipótesis Desglosa las estrategias básicas que el investigador utiliza para controlar las variables extrañas y generar información exacta e interpretable Especifica el procedimiento que será utilizado para obtener la evidencia empírica y el modelo que describe la relación entre las variables que serán estudiadas.

6 Diseño o de Investigación El propósito principal es estructurar el estudio para que el investigador pueda determinar el alcance en el cual una variable independiente es responsable por el cambio en la variable dependiente, controlando o restringiendo los elementos extraños que puedan influenciar sobre los resultados del estudio Especifica el proceso de recopilación de datos, las condiciones bajo las cuales las observaciones se harán y el tipo de análisis y presentación de los datos que serán necesarios para contestar la pregunta de investigación propuesta

7 Diseño o de Investigación Provee un mecanismo de control para asegurar que los datos son recopilados objetivamente de forma uniforme y con la intervención o sesgo mínimo del investigador

8 Elementos de un Diseño de Investigación Intervención = variable independiente Comparaciones Comparaciones entre dos o más grupos (intersujetos) Comparaciones de un sólo grupo en dos o más ocasiones (intrasujetos) Comparaciones de un sólo grupo en diferentes circunstancias o experiencias (intrasujetos) Comparaciones basadas en relaciones entre variables Comparaciones con muestras de otros estudios

9 Elementos de un Diseño de Investigación Control de variables extrañas o ajenas al problema que se estudia Programación de la colecta de datos Cuántas veces? Cuándo serán recogidos? Lugar, ambiente y tiempo donde se realizará el estudio, o sea donde se recopilarán los datos y cuando Comunicación con los participantes se refiere a la cantidad de información que recibirán los participantes

10 Mecanismos para Controlar Factores Extraños Distribución aleatoria garantiza que los grupos sean iguales respecto a las variables extrañas. Es el método más efectivo. Es el único que permite controlar todas las posibles variables extrañas, sin que el investigador tenga que conocer cuales son estas Homogeneidad se refiere a incluir en el estudio sólo sujetos que son homogéneos o iguales respecto a las variables extrañas Grupos aleatorios o bloqueo en vez de controlar las variables extrañas, estas se incluyen en el estudio en calidad de variables independientes y se agrupan los sujetos de acuerdo a sus niveles para entonces asignarlos al azar al grupo experimental y el grupo control.

11 Mecanismos para Controlar Factores Extraños Pareo consiste en constituir grupos de comparación con sujetos que poseen las mismas características. Supone que el investigador conoce de antemano las características de los sujetos que pueden afectar los resultados del estudio Control estadístico se refiere a utilizar procedimientos estadísticos para controlar las variables no deseadas. Permiten controlar múltiples variables extrañas a la vez. Ej. analisis de covarianza

12 Cinco Factores a Considerar al Planificar el Diseño o de Investigación 1. Sesgo - influencia que distorsiona los resultados de un estudio y por lo tanto afectan la confiabilidad de hacer conclusiones Instrumentos (selección y diseño inadecuado) Procedimiento inadecuado para recopilar los datos Proceso de selección de la muestra diferencias entre los participantes que integran los grupos con respecto a la variable que está siendo estudiada Conocimiento previo de los investigadores puede sesgar la colecta de datos de forma objetiva La subjetividad de los entrevistadores

13 Cinco Factores a Considerar al Planificar el Diseño o de Investigación 2. Manipulación es el proceso de manipular la variable independiente para observar el efecto que tiene sobre la variable dependiente 3. Control procedimientos que se establecen para tratar de minimizar la influencia de variables extrañas sobre los resultados del estudio o la variable dependiente

14 Cinco Factores a Considerar al Planificar el Diseño o de Investigación Se controla a través de: Aleatoriedad selección al azar de los sujetos asignación al azar de los sujetos a los grupos Desarrollo cuidadoso de protocolos experimentales Grupo control

15 Cinco Factores a Considerar al Planificar el Diseño o de Investigación 4. Validez (si los hallazgos del estudio logran reflejar el propósito para lo que fue diseñado el estudio) Validez interna - se refiere a si los resultados de un estudio son función de la intervención o variable independiente estudiada y no de otras causas Validez externa se refiere a la capacidad para generalizar los hallazgos y desarrollar inferencias de la muestra a la población bajo estudio * La validez interna y la validez externa están inversamente relacionadas

16 Cinco Factores a Considerar al Planificar el Diseño o de Investigación 5. Confiabilidad Reliability se refiere a la solidez del diseño de investigación, de manera que pueda dar los mismos resultados si se repite bajo las mismas circunstancias y según fue planificado y ejecutado.

17 Siete Factores que Amenaza la Validez Interna Historia se refiere a eventos o acontecimientos externos que ocurren a la misma vez que la variable que esta siendo manipulada (variable independiente) y que pueden afectar el comportamiento de la variable dependiente Selección - incluye el sesgo que resulta de las diferencias preexistentes entre los grupos Si los grupos no son equivalentes, cabe la posibilidad de que cualquier diferencia en la variable dependiente sea el resultado de las diferencias que existían entre los grupos más que al efecto de la variable independiente

18 Siete Factores que Amenaza la Validez Interna Maduración se refiere al proceso de cambio que ocurre en los sujetos que están participando en un estudio como resultado del transcurso del tiempo y no a causa de la variable independiente o intervención Sensibilización o efecto de prueba. Se refiere al efecto que tiene una pre - prueba sobre el desempeño de los individuos en la post prueba.

19 Siete Factores que Amenaza la Validez Interna Instrumentación se refiere al sesgo relacionado con las medidas u observaciones que hace el investigador Puede ocurrir: * cuando el instrumento de medición o los procesos de observación utilizados no son precisos en su medida (no miden lo que se quiere medir) * cuando el instrumento de medición es responsable de los resultados y no la variable independiente (ej. usar diferentes instrumentos para tomar las medidas) * cuando los observadores o entrevistadores cambian la forma en que recogen y registran los datos - porque son más diestros - porque están cansados - porque consiente o inconscientemente intentan aumentar la probabilidad de los resultados deseados. Tanto los instrumentos de medición como las personas que recogen los datos deben permanecer constantes a través del tiempo y de los grupos o condiciones estudiadas.

20 Siete Factores que Amenaza la Validez Interna Mortalidad se refiere al efecto que tiene sobre los resultados del estudio la perdida de sujetos antes de que el mismo se complete Los sujetos que se dan de baja en un estudio pueden ser diferentes en cuanto a condiciones que son relevantes a la variable dependiente de aquellos que permanecen Regresión se refiere al efecto del fenómeno estadístico en el cual las medidas extremas tienden a regresar alrededor de la media o el promedio en repeticiones de la observación o medición Cuando se seleccionan los sujetos o grupos en base a scores extremos con respecto a una variable particular, problemas de regresión pueden ocurrir

21 Diseños de Investigación Notación: X variable independiente o intervención O variable dependiente, observación o medición R aleatoriedad G - grupo

22 Tipos de Diseño o de Investigación Experimental Verdadero R O X O Grupo experimental R O O Grupo control Los sujetos son seleccionados de la población al azar y asignados a los grupos al azar Los sujetos no son seleccionados al azar, pero si son asignados al azar a los grupos. Esta forma de aleatoriedad limita las generalizaciones del estudio

23 Características del Diseño Experimental Verdadero Aleatoriedad - el investigador selecciona y/o asigna los sujetos al azar Control el investigador introduce uno o más controles en el estudio, incluyendo el uso de un grupo control Manipulación de la variable el investigador modifica de alguna manera la variable independiente para observa el efecto de esta manipulación sobre la variable dependiente

24 Ventajas y Desventajas del Diseño Experimental Verdadero Ventajas Controlan todos o la mayoría de los siete factores que amenazan la validez interna Ofrece el mayor grado de control y validez interna Es el método disponible más poderoso para probar hipótesis de relación causal entre la variable dependiente e independiente Nos permite inferir las relaciones causales entre fenómenos con mayor confianza Desventaja No es apropiado para investigaciones donde la variable independiente es una intervención o tratamiento que por razones éticas es imposible dejar algun grupo sin el mismo.

25 Tipos de Diseño Experimental Verdadero Grupo Control Posttest Only G1: R X O1 G2: R O2 Ventaja: Valioso cuando el propósito de la investigación es buscar relación causal y no es apropiado o posible realizar una pre prueba Controla todos los factores que amenazan la validez interna y todas las fuentes de sesgo Desventaja: La ausencia de una pre prueba hace imposible determinar si la asignación al azar logró exitosamente equivalencia entre el grupo control y el grupo experimental con respecto a la variable dependiente que esta siendo estudiada

26 Tipos de Diseño Experimental Verdadero Grupo Control Pretest - Post test G1: R O1 X O2 G2: R O3 O4 Ventaja: Valioso cuando se quiere determinar el grado de cambio o efecto diferencial de la variable independiente o intervención entre los grupos Controla para historia, maduración, regresión, selección y mortalidad Desventaja: No controla para sensibilización o efecto de prueba

27 Tipos de Diseño Experimental Verdadero Solomon Four Group G1 : R O1 X O2 G2 : R O3 O4 G3 : R X O5 G4 : R O6 Ventajas: - Elimina la influencia del aprendizaje que ocurre cuando se toman las medidas o pruebas antes y después de la intervención o variable independiente - Habilidad para detectar efectos de la interacción entre la participación en el grupo experimental y la pre prueba - Aumenta la posibilidad de entender resultados más complejos Desventaja: - Requiere más grupos, haciéndolo más costoso y que consuma más tiempo

28 Tipos de Diseño Experimental Verdadero Diseño factorial Son modificaciones de los diseños post test only y pretest - post test, con la complicación de variables independientes adicionales G1: R X Y1 O1 G2: R Y1 02 G3: R X Y2 03 G4: R Y2 04 G1 : R O1 X Y1 O2 G2 : R O3 Y1 O4 G3 : R O5 X Y2 O6 G4 : R O7 Y2 O8

29 Tipos de Diseño Experimental Verdadero Diseño factorial Ventajas: - Posee las mismas ventajas que los diseños básicos pretest only y pretest-posttest - Hace posible manipular y estudiar más de una variable independiente a la vez - Permite determinar el efecto separado de cada variable independiente, así como el efecto simultaneo o en conjunto de dos o más variables independientes - Permite realizar múltiples comparaciones y probar múltiples hipótesis a la vez. Desventaja: - Requiere de una muestra grande, haciéndolo más costoso y que consuma más tiempo - Cada factor o variable independiente debe tener dos o más niveles El análisis estadístico que utiliza es el análisis de varianza

30 Tipos de Diseño Experimental Verdadero Diseño de Contrapeso G1: R O1 X1 O2 X2 O3 G2: R O4 X2 O5 X1 O6 Ventaja: - Se usa cuando se estudia más de una variable independiente o intervención y el orden de estas es manipulado - Además de permitir determinar el efecto combinado de dos o más intervenciones, también permite determinar el efecto de orden - Ayuda a eliminar las amenazas de validez interna causadas por la interacción de las variables independientes Desventaja: Consume mucho tiempo

31 Diseño o Casi experimental Características - poseen sólo 2 elementos del diseño experimental verdadero: la manipulación de la variable independiente y el control - carece de aleatoriedad

32 Diseño o Casi experimental Ventajas: - Se utilizan en situaciones donde es imposible o difícil seleccionar y asignar los sujetos al azar - Son prácticos y viables y hasta cierto punto brindan información útil para la generalización - Permiten introducir algunos controles alternos para las variables externas, que compensan la ausencia de aleatoriedad Desventajas: - Debido a que carecen de la asignación al azar, el investigador tiene que evitar hacer inferencias causales - Pueden surgir varias hipótesis rivales, que compiten con la hipótesis original, para explicar los resultados observados

33 Tipos de diseño o casi experimental Grupo control no equivalente G1: O X O G2: O O Ventajas: - las observaciones o mediciones antes de la intervención permiten, en cierta medida, determinar si las características del grupo control y el experimental son similares Desventajas: - no se debe usar para apoyar causalidad, solo para explicar cambios en los grupos - al carecer de aleatoriedad, no se puede garantizar que los grupos son equivalentes, aun cuando la pre prueba arroje resultados similares entre los grupos

34 Tipos de diseño o casi experimental Series de tiempo interrumpidas G1: O1 O2 O3 X O4 O5 O6 Características: - Son medidas u observaciones repetidas de la variable dependiente antes y después de introducir la variable independiente - No hay grupo control o de comparación

35 Tipos de diseño o casi experimental Series de tiempo interrumpidas Ventajas: - Son útiles cuando sólo un grupo está disponible para el estudio - Las múltiples medidas antes y después de la VI controlan los factores de validez interna como: maduración, efecto de prueba, instrumentación, regresión y mortalidad. - Como sólo utiliza un grupo controla para selección - Permiten determinar la naturaleza del cambio a través del tiempo Desventajas: - No puede apoyar relación causal - No controla el sesgo por historia

36 Tipos de diseño o casi experimental Series de tiempo equivalentes G1: X1 O1 X0 O2 X1 O3 X0 O4 Ventajas: - Permite introducir y reintroducir la intervención e intercalarla con alguna otra experiencia (X0) cuando no se está introduciendo la intervención - Es superior al diseño de series de tiempo ininterrumpidas - Permite controlar el sesgo por historia Desventajas: - No puede apoyar relación causal

37 Diseños pre - experimentales Características - dos de los 3 criterios del diseño experimental verdadero (control, aleatoriedad y manipulación) no están presentes - es valioso para responder a preguntas descriptivas o para generar evidencia exploratoria

38 Tipos de diseños pre- experimentales One-Shot Case Study Ventaja: G1: X O1 - es valioso para responder a preguntas descriptivas o para generar evidencia exploratoria Desventajas: - no explica relación causal - es afectado por los siete factores que amenazan la validez interna de un estudio

39 Tipos de diseños pre- experimentales Pretest Post test Ventaja: G1: O1 X O2 - valioso para descubrir que ocurre después que se introduce la variable independiente Desventajas: - no controla el efecto de maduración, historia, mortalidad, instrumentación, sensibilización o efecto de prueba y regresión

40 Tipos de diseños pre- experimentales Static Group Comparison G1: X O1 G2: O2 Ventaja: - al tener un grupo de comparación, ofrece más control sobre factores extraños que el one-shot y el pre-test-posttest - controla los factores de historia y maduración al tener un grupo control Desventajas: - no controla el efecto de selección, efecto de prueba, mortalidad e instrumentación. Ni controla satisfactoriamente los demás factores de invalidez interna - no hay base para juzgar la equivalencia inicial de los grupos. - no podemos concluir que la intervención o variable independiente es responsable de las diferencias entre los grupos, si la hubiese, ya que estas diferencias podrían haber estado desde antes de la intervención

41 Diseños No-experimentales Características No posee ninguno de los criterios del diseño experimental verdadero se usa para explorar, un concepto o constructo o relaciones entre estos y predecir que puede haber causalidad, si la relación es bien fuerte cualquier manipulación de variables se hace luego a través de los análisis estadísticos

42 Diseños No-experimentales Ventajas: - Habilidad para examinar y cuantificar un fenómeno que ocurre naturalmente - No se manipula la variable independiente, pero se examina su relación a una o mas variables para propósitos descriptivos y predictivos - Se pueden incluir un gran número de sujetos y examinar eventos y fenómenos que ya han ocurrido. Desventajas: - Sesgo que puede limitar la validez interna - No se puede establecer relación causal

43 Tipos de diseños no experimentales Ex post facto Características El investigador examina el efecto de una variable independiente que ocurre de forma natural después que esta ha ocurrido y trata de relacionar esta variable after-the fact con un resultado o variable dependiente Con este diseño se pretende comprender las relaciones entre los fenómenos tal como ocurren en la naturaleza, sin que el investigador manipule la variable independiente Se les conoce también como investigación correlacional Presentan algunas características estructurales y de diseño propias de la investigación experimental verdaderas, casi experimental y preexperimental Utiliza los mismos diagramas de los diseños anteriores, con la excepción de que la variable independiente X no es manipulada

44 Ex post facto Ventajas: Tipos de diseños no experimentales - muchos de los problemas que necesitan ser estudiados en las ciencias educativas, sociales y del comportamiento no pueden ser analizados mediante procedimientos experimentales - permite determinar la existencia de una relación entre dos variables y sugerir una posible causalidad (si la relación es bien fuerte) - es un medio eficiente y efectivo para obtener gran cantidad de datos de un problema de interés - muy realista y es atractivo para la solución de problemas prácticos Desventaja: - débiles en cuanto a su capacidad para poner al descubierto relaciones causales

45 Diseño de Muestreo

46 Definiciones Población - grupo de elementos o personas que comparten un conjunto de características similares y sobre los cuales deseamos hacer inferencia y generalizaciones Población objeto o accesible- es el grupo ideal del cual se es capaz de seleccionar la muestra

47 Características de una población objeto de estudio Debe poseer todas las características que el investigador identificó como criterio de inclusión No debe poseer ninguna de las características que identificó como criterio de exclusión Debe estar disponible, al menos en teoría, para ser seleccionado en la muestra

48 Definiciones Muestra - subconjunto de una población que se incluye en el estudio Muestreo - proceso de selección de la muestra Elemento - es la unidad de análisis de la población sobre el cual se toman las medidas

49 Definiciones Criterios de elegibilidad El investigador es el que define o escoge las características o parámetros de los elementos de la población que son importantes en el estudio - Criterios de inclusión - especifican las características que los elementos o individuos deben poseer para formar parte de esa población o muestra. - Criterios de exclusión - especifica las características que sus miembros no deben tener para poder pertenecer a la población o muestra.

50 Definiciones Representatividad es una medida de cuanto se aproximan las características claves de la muestra a las de la población Error de muestreo es la diferencia entre los valores obtenidos de una muestra de la población y los valores que existen en otras muestras de la población. Refleja el grado en que la muestra es representativa

51 Error de Muestreo Diferencia entre los valores obtenidos de una muestra y los valores que existen de otras muestras de la misma población Refleja el grado de representatividad de la muestra A mayor error, menos representativa es la muestra y más limitada la validez externa Puede ser causado por: errores al azar o por sesgo sistemático

52 Dos tipos de error de muestreo Errores al azar de muestreo - ocurren por casualidad. No se puede hacer mucho con este error durante el muestreo. Ej. no respuestas, respuestas erróneas. Sesgo sistemático o de muestreo - se debe a defectos en el proceso de muestreo en el cual los sujetos difieren sistemáticamente de los de la población

53 Propósito del muestreo Aumentar la capacidad de que podamos formular conclusiones precisas sobre la población estudiando sólo un grupo pequeño de sus elementos

54 Dos formas para limitar el alcance de la investigación Limitando el número de variable Limitando los sujetos que serán estudiados

55 Consideraciones al seleccionar el tipo de muestreo Propósito del estudio Naturaleza de la pregunta de investigación Diseño de investigación Acceso al objeto de estudio Tiempo y dinero

56 Selección de la Muestra Diseños de Muestreo Probabilístico No probabilístico

57 Muestreo Probabilístico Es el único método viable para obtener muestras representativas en estudios cuantitativos Los parámetros de la población se conocen Cada miembro o elemento tiene la misma probabilidad de ser seleccionado Se conoce la probabilidad de que cada elemento sea incluido

58 Muestreo Probabilístico Se puede calcular la magnitud del error de muestreo por anticipado El propósito es reducir el error de muestreo y aumentar la validez externa Requiere que se desarrolle un sampling frame o marco conceptual Selección al azar El muestreo probabilístico es la escencia de la mayor parte de las pruebas estadísticas

59 Tipos de muestreo probabilístico Muestreo al azar simple Muestreo sistemático Muestreo al azar estratificado Proporcional No proporcional Cluster Sampling

60 Estratas o Subpoblaciones - son segmentos mutuamente excluyentes de una población establecidos a base de uno o más atributos o características - las características son escogidas para estratificación asumiendo que ellas tendrán algún efecto sobre la variable bajo estudio - garantiza que los diferentes segmentos de la población estén adecuadamente representados.

61 Muestreo No Probabilístico No se puede hacer selección al azar Los parámetros de la población no se conocen No es ético o factible desarrollar un sampling frame No se puede identificar un sampling frame

62 Tipos de muestreo no probabilístico Por conveniencia Avalancha o Bola de nieve Intencional o deliberado Por Cuota

63 Proceso de Muestreo Identificar la población Definir características de la población Criterios de inclusión Criterios de exclusión Desarrollar el plan de muestreo Método para seleccionar la muestra (probabilístico o no probabilístico) Tamaño de la muestra

64 Definiendo la población que será estudiada Preguntas de investigación Revisión de literatura Clarificar y establecer parámetros Identificar características que deben ser excluidas Dos formas distintas de definir la población pueden llevar a resultados diferentes

65 Proceso de Muestreo Seleccionar la muestra Comparar los valores críticos de la muestra con los de la población

66 Características de la muestra Representativa La representatividad de la muestra y la validez externa están directamente relacionadas Tamaño adecuado

67 Tamaño de la Muestra Elementos a considerar para determinar el tamaño: Análisis estadísticos Nivel de significancia ( α =.05,.01,.001 ) El poder estadístico (1- β =.75 a.85 ) inversamente relacionado al tamaño de la muestra Effect Size ( γ ) se refiere a la fuerza de la relación entre las variables. Inversamente relacionado al tamaño de la muestra

68 Cuatro Decisiones Estadisticas Decisión del Investigador Verdadera Acepta Ho Falsa Rechaza Ho Situación Real de la Ho Verdadera Falsa Decisión correcta Error de Tipo II Probabilidad = 1-α Probabilidad = β Error Tipo I Decisión Correcta Probabilidad = α Probabilidad = 1- β

69 Tamaño de la Muestra Otras Consideraciones Homogeneidad de la población Atrición Número de variables incluidas Análisis de subgrupos Sensibilidad de las mediciones El número de unidades en el sampling frame Tiempo y recursos

70 Recopilación y Análisis de Datos

71 Recopilación de datos Los datos que se recopilan y la forma en que se obtienen determinan el proceso analítico y el tipo de conocimiento que se genera Datos Existentes vs. datos nuevos Registros recolección de datos con fines no investigativos (es necesario codificar y manipular datos) Análisis secundarios Meta análisis- datos de investigaciones publicadas (es necesario codificar y manipular datos) Ventajas de datos existentes: ahorro en tiempo y dinero

72 Recopilación de datos Dimensiones de los métodos de colecta Estructura plan estructurado donde se define la información que debe obtenerse y la forma de hacerlo Cuantificación la información recopilada debe poder ser cuantificada si se van a realizar análisis estadísticos Conocimiento de participación si los participantes están consiente de que participan en un estudio pueden modificar sus respuestas y comportamiento Objetividad capacidad del investigador para emitir juicios no sesgados acerca del comportamiento o los atributos del participante

73 Recopilación de datos Métodos de recopilación de datos: Auto informes - preguntar directas (entrevistas y cuestionarios); - Ventaja: permiten obtener información retrospectiva y visión prospectiva - Desventajas: validez y exactitud

74 Recopilación de datos Métodos de recopilación de datos: Observación - Ventaja: permiten captar directamente conductas y sucesos - Desventaja: implicaciones éticas, manifestación de comportamientos distorsionados, negación a ser observado, sesgos del investigador Obtener y examinar materiales

75 Recopilación de datos Métodos de recopilación de datos: Mediciones biofisiológicas - Ventaja: objetividad porque la medición se toma con instrumentos y equipos especializados, precisión y sensibilidad - Desventaja: el efecto del instrumento en las variables que mide, el que maneje el instrumento tiene que saber como usar el mismo

76 Análisis de Datos Se refiere a la aplicación de métodos estadísticos para describir y analizar sistemática y matemáticamente los datos de manera que se facilite la interpretación de los mismos y se puedan formular conclusiones válidas y realizar decisiones correctas

77 Antes de comenzar los análisis estadísticos sticos. Codificar los datos Asignar una localización única a cada variable en la programación Se crea registro de codificación Entrar los datos Limpiar los datos Reducir los datos

78 Determinan el tipo de análisis estadísticos sticos: La pregunta de investigación y el nivel de conocimiento que se generará El nivel de medición de las variables El número de variable dependientes e independientes La calidad de la información recopilada

79 Medición Se refiere a asignar valores numéricos al atributo que está siendo observado El proceso de medición determina el tipo de datos que se obtendrán y el tipo de análisis que se puedan realizar

80 Características de los niveles de medición de las variables Categorías Mutuamente Excluyentes Orden Fijo Igual Espacio o Distancia Cero Absoluto Nominal X Ordinal X X Intérvalo X X X Razón X X X X

81 Determinan el tipo de análisis estadísticos sticos: El procedimiento y diseño de muestreo utilizado El tamaño de la muestra obtenida Cantidad de muestras o grupos con que trabajará el investigador El diseño de investigación Las hipótesis u objetivos de la investigación

82 Tipos de Análisis Estadísticos sticos Descriptivo Inferencial Asociación

83 Estadísticas sticas Descriptivas Nos permiten reducir grandes cantidades de datos a conjuntos pequeños que nos faciliten entender e interpretar los datos sin sacrificar información esencial Ayudan a describir las características principales de los fenómenos estudiados

84 Herramientas Descriptivas Distribución de frecuencia Medidas de tendencia central Media Mediana Moda Medidas de variabilidad Rango Varianza Desviación estándar Estadísticas descriptivas bivariadas Tablas de contingencia Análisis correlacional

85 Seleccionando la medida de tendencia central apropiada El propósito de los análisis Distribución de los valores

86 Seleccionando la medida de tendencia central apropiada Si la distribución es normal, tanto la media como la mediana y la moda tienen el mismo valor En este caso se recomienda utilizar la media porque es la base para otros cómputos estadísticos Si la distribución es sesgada skewed se debe seleccionar la medida que mejor responda a tu pregunta de investigación

87 Herramientas Descriptivas Distribución de frecuencia Medidas de tendencia central Media Mediana Moda Medidas de variabilidad Rango Varianza Desviación estándar Estadísticas descriptivas bivariadas Tablas de contingencia Análisis correlacional

88 Estadísticas sticas Inferenciales Nos permiten determinar cuan representativas de la población son las observaciones obtenidas de la muestra Se basan en la teoría de probabilidad Se clasifican en: paramétricas no paramétricas

89 Premisas de las Estadísticas sticas Paramétricas Las muestras provienen de poblaciones que poseen una distribución normal La varianza entre los grupos es igual El nivel de medición de los datos es de intervalo

90 Estadísticas sticas Paramétricas Son las pruebas más robustas del grupo de estadísticas inferenciales. Robusta - se refiere a que la prueba tiene una mayor probabilidad de detectar un efecto o relación significativa. O sea, aumentar el Poder y disminuir el Error de Tipo II Las más conocidas: -Pruebat - Análisis de varianza

91 Estadísticas sticas No paramétricas Se utilizan para probar hipótesis cuando: No se puede asumir que la población se distribuye normalmente No se puede asumir homogeneidad de las varianzas Los datos generados son ordinales o nominales Muestras pequeñas Debido a que son menos robustas, estas pruebas no deben ser utilizadas a menos que se sospeche que no se cumplen las premisas de las pruebas paramétricas Las más conocidas son: Chi Square, Spearman Rank Order, Sign Wilcoxon Sum, Fisher Exact

92 Selección de la prueba estadística stica La pregunta de investigación es sobre: Diferencias Magnitud de una relación Intento de predecir Número de variables dependientes y dependiente Nivel de medición de las variables Tipo de variable (continua o no continua)

93 Selección de la prueba estadística stica Naturaleza de la relación entre las variables Grupos que serán comparados Premisas sobre la distribución de la población Tamaño de la muestra

94 Estadísticas sticas de Asociación Nos permiten identificar la relación entre variables y saber si podemos predecir o inferir características de una variable dependiente conociendo las características de las variables independientes Buscan predecir resultados de múltiples variables Las más conocidas son: análisis de factores funciones discriminantes regresión múltiple

95 Cuándo se utilizan los diferentes tipos de análisis estadístico stico? Descriptivos Con preguntas de investigación descriptivas, exploratorias, explicativas, y predictivas Cuando existe poco o nada de conocimiento

96 Cuándo se utilizan los diferentes tipos de análisis Inferencial estadístico stico? Con preguntas de investigación explicativas y con pruebas de hipótesis Cuando existe poco o nada de conocimiento sobre la relación Cuando existe teoría bien definida que necesita ser probada

97 Cuándo se utilizan los diferentes tipos de análisis estadístico stico? Asociación Con pruebas de hipótesis Cuando existe teoría bien definida que necesita ser probada