Download Nivel de medición de la variable
Document related concepts
no text concepts found
Transcript
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