Download Nivel de medición de la variable

Métodos de Investigación
en Psicología (11)
Dra. Lucy Reidl Martínez
Dra. Corina Cuevas Reynaud
Dra. Renata López Hernández
El método incluye diferentes
elementos
Justificación
Planteamiento del problema
Objetivos
Variables
Hipótesis
Tipo de estudio
Diseño de investigación
Participantes
Instrumentos (técnicas de
recolección de datos)
Procedimiento
Análisis de la Información
Estadística
Inferencial
La estadística Inferencial
Puede ser
PARAMETRICA
NO PARAMETRICA
Estadística Inferencial
Proporciona métodos para estimar las características de un grupo
total o población, basándose en datos de un subconjunto obtenido
de la población o muestra de observaciones.
Realiza inferencias objetivas basadas en los datos obtenidos.
Utiliza la estadística descriptiva como el primer paso antes de la
realización de inferencias.
Para realizar un análisis paramétrico
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 la variable
dependiente es intervalar o de
razón.
3) Cuando dos o más poblaciones son
estudiadas, éstas tienen una varianza
homogénea: las poblaciones en
cuestión tienen una dispersión similar
en sus distribuciones.
debe
Las pruebas más
usadas son:
Coeficiente
de
correlación
de Pearson
Regresión
lineal
Prueba t

La estadística inferencial nos permite poner a prueba
nuestras hipótesis.

Esto supone un conjunto de pasos:
1) Enunciar la hipótesis nula y alterna.
Y también definir la dirección.
2. Selección de la prueba estadística
apropiada para probar la hipótesis nula
Es importante preguntarnos cómo seleccionar la prueba más
apropiada para nuestra investigación.
Para ello debemos responder varias preguntas:
¿Qué
queremos
hacer?
¿Cuál es el nivel
de medición?
Nominal
¿Cómo son los
grupos?
¿Cuántas
muestras?
Binomial
Relacionados
Independientes
Intervalar o
de razón
Wilcoxon
+ de dos
Friedman
2 muestras
U Man-whitney
+ de dos
Kruskal-Wallis
2 muestras
Relacionados
+ de dos
2 muestras
Independientes
+ de dos
T de Student
Anova
T de Student
ANOVA
PARAMÉTRICA
Comparar grupos
Relacionados
2 muestras
NO PARAMÉTRICA
Chi Cuadrada
Independientes
Ordinal
Prueba estadística
¿Qué
queremos
hacer?
Nominal
Chi Cuadrada
Ordinal
Spearman
Intervalar o de
razón
Pearson
PARAMÉTRICA
Prueba estadística
NO PARAMÉTRICA
Analizar relación entre
variables
¿Cuál es el nivel
de medición de
las variables?
3) Especificar un nivel de significancia
(α)
Probabilidad de
rechazar la Ho
Nivel de
significancia
Usos típicos
Alta
.10
En investigaciones exploratorias,
donde se conoce poco sobre un
tema.
Moderada
.05 y .01
Niveles
convencionales
en
investigación mediante encuestas
e instrumentos de evaluación
psicométrica y educativa.
Baja
.01 y .001
Niveles
convencionales
en
investigación
biológica,
de
laboratorio y médica, donde un
error constituye una amenaza.
4) Determinar si el valor del estadístico se encuentra
en la región de rechazo para la hipótesis nula con el
nivel de significancia dado
La decisión sobre la aceptación de una
hipótesis estadística está basada en si hay o
no suficiente evidencia para concluir que la
hipótesis nula (Ho) es falsa.
Si la probabilidad del valor observado es
mayor que un nivel de significancia
especificado, se acepta dicha hipótesis;
Si la probabilidad es igual o menor al nivel
especificado, se rechaza Ho.
Cuando se acepta la hipótesis nula se
concluye que es cierta; pero cuando los datos
la contradicen fuertemente se concluye que es
falsa.
5) Interpretar los resultados
Un resultado estadísticamente
significativo
 Es cuando no se debe al azar y que se espera
poder encontrarlo de nuevo en muestras
extraídas de la misma población y con los
mismos procedimientos.
Análisis paramétricos
Estadística inferencial.- Paramétrica
Está
basada
en
dos
supuestos:
estimadores que son medidas
referentes a la muestra como la
media ( X ) o la varianza s2.
parámetros
que
son
los
equivalentes poblacionales de los
estimadores, como la media
poblacional
y
la
varianza
poblacional .
La estadística paramétrica necesita cumplir con cuatro requisitos
para poderse aplicar:
1. La variable dependiente debe distribuirse normalmente
(campana de Gauss) o muy similar .
2. Homocedasticidad u homogeneidad de varianzas o
varianzas iguales: que cuando se comparan grupos estos
tengan la misma dispersión con respecto a la media de la
variable dependiente.
3. Asignación y Selección aleatoria de los grupos (muestreo
completamente al azar).
4. Que la variable dependiente esté medida a nivel intervalar o de
razón.
Estos requisitos deben ser cubiertos para poder generalizar
con base en los estimadores y hacer conclusiones de una
muestra a la población.
La Prueba t
Definición
Es una prueba estadística para evaluar si
dos grupos difieren entre sí de manera
significativa respecto a sus medias.
Se Simboliza: t
Hipótesis a probar: De diferencia entre dos grupos. La
hipótesis de investigación propone que los dos grupos
difieren significativamente entre sí.
Variable involucrada: La comparación se realiza sobre
una variable. Si hay diferentes variables se efectuarán
varias pruebas “t” una por cada variable.
Características:
Nivel de medición de la variable: Intervalo o razón
Interpretación: Si “t” calculada es igual o mayor que “t”
teórica, entonces se acepta Hi.
Coeficiente de Correlación de Pearson
Definición
Es una prueba estadística para
analizar la relación entre dos
variables medidas en un nivel
intervalar o de razón.
Se simboliza: r
Hipótesis a probar: Correlacional del
tipo “ A mayor X, mayor Y”, “A mayor X,
menor Y”.
Características:
Variables involucradas: Dos
Escala de medición: Intervalo o razón
Puede variar de + 1 a – 1, donde:
-0.90 = Correlación negativa muy fuerte
-0.75 = Correlación negativa considerable
-0.50 = Correlación negativa media
-0.10 = Correlación negativa débil
0.00 = No existe correlación alguna entre variables
+0.10 = Correlación positiva débil
+0.50 = Correlación positiva media
+0.75 = Correlación positiva considerable
+0.90 = Correlación positiva muy fuerte
+1.00 = Correlación positiva perfecta (“A mayor X, mayor Y).
El signo indica la dirección de la correlación (positiva o negativa).
El valor numérico, la magnitud de la correlación.
Ejemplo:
Hi: “A mayor motivación intrínseca, mayor puntualidad
Resultado: r = 0.721
Regresión Lineal
Definición
Es un modelo matemático para estimar
el efecto de una variable sobre otra.
Hipótesis a probar: Causalidad
Variables involucradas: Dos. Una se considera
como independiente y otra como dependiente.
Características:
Escala
de
medición:
Intervalos
o
razón
Interpretación: La relación lineal entre dos
variables permite predecir los valores de una
variable conociendo el valor de la otra variable.
La línea se representa
Mediante la ecuación
de regresión lineal:
Y = a + bx
Donde : Y es el valor de la variable
dependiente que se quiere predecir “a” es la
ordenada al origen y “b” la pendiente o
inclinación.
Para predecir el valor de “Y” se sustituyen los
valores correspondientes en la ecuación.
Ejemplo: Se desea predecir la calificación que obtendrá un alumno en
estadística en la Universidad, con base a su promedio de calificaciones
en matemáticas en la Preparatoria.
a = 1.2
b = 0.80
Entonces podemos hacer la predicción ¿a un valor de 7 en matemáticas
qué valor en estadística le corresponde?
Y = 1.2 + 0.8 (7) = 6.8
Análisis no paramétricos
Utilizamos los análisis no paramétricos cuando:
1) La distribución poblacional de la
variable dependiente NO es normal.
2) El nivel de medición de la variable
dependiente es nominal u ordinal.
3) Cuando los grupos estudiados
tienen un número reducido de sujetos.
Las pruebas más usadas son
Chi
Cuadrada
U ManWhitney,
KruskalWallis
Wilcoxon
y
Friedman
Chi Cuadrada
Definición
Es una prueba para analizar si existen
diferencias entre el número observado y el
número observado, basado en la hipótesis de
nulidad. Se utiliza para variables de tipo
nominal.
Se Simboliza: X2
Características:
Hipótesis a probar: Si las frecuencias observadas están
suficientemente próximas a las esperadas que podrían ocurrir
conforme a Ho.
Variable involucrada: una variable, si existen más se debe
hacer el análisis por cada una.
Nivel de medición de la variable: nominal
Interpretación: para valores mayores de X2 aumentarán las
posibilidades de que las frecuencias observadas no provengan
de la población en la que se basó la hipótesis de nulidad.
WILCOXON
Definición
Es la equivalencia no paramétrica de la
prueba T para muestras relacionadas o
apareadas.
Se Simboliza: z
Hipótesis a probar: si existen diferencias entre las
medianas.
Variable involucrada: por cada comparación se
establece un análisis.
Características:
Nivel de medición de la variable: ordinal
Interpretación: si existe significancia, entonces se
rechaza la Ho.
U de Mann Whitney
Definición
Sirve para decidir si k muestras independientes
son de poblaciones diferentes. Determina si la
desigualdad entre las sumas de rangos es tan
grande que probablemente no proceden de
muestras tomadas de la misma población.
Se Simboliza: U
Hipótesis a probar: si existen diferencias entre las
medianas.
Características:
Variable involucrada:
establece un análisis.
para
cada
variable
se
Nivel de medición de la variable: ordinal
Interpretación: si la U observada es menor o igual a
U teórica, se rechaza la Ho.
Kruskal-Wallis
Definición
Es la equivalencia no paramétrica de la prueba
de ANOVA. Sirve para contrastar la hipótesis de
que k muestras cuantitativas han sido obtenidas
de la misma población
Se Simboliza:
Hipótesis a probar: si existen diferencias entre las
medianas.
Variable involucrada: por cada comparación se
establece un análisis.
Características:
Nivel de medición de la variable: ordinal
Interpretación: Se rechaza Ho si el valor del
estadístico supera el valor teórico