algunos conceptos previos

Modelos Multivariantes 1

ALGUNOS CONCEPTOS PREVIOS

Tipos de Variables y Niveles de medida Proceso de datos y Análisis de datos Estadística y niveles de análisis Validez Interna, Externa y Ecológica Error Tipo I () y Error Tipo II () Significación estadística y significación práctica Contraste estadístico Supuestos para el análisis de datos Pruebas paramétricas y no paramétricas Matriz (tipos de matrices) Correlación y covarianza Coeficientes de correlación Regresión …

El Proceso de Datos Un continuum que empieza ya en el Diseño de la investigación. Los

pasos por los que atraviesan los DATOS:

Diseño de la investigación Recogida de datos

Codificación y grabación Análisis Exploratorio

Análisis Estadístico Interpretación de Resultados Elaboración del Informe

¡TODOS SON IGUALMENTE IMPORTANTES!

EL ANÁLISIS DE DATOS

La ESTADÍSTICA como un cuadro de herramientas, con 3 niveles de análisis:

Nivel 1: DESCRIPTIVO-UNIVARIADO. Resumir e ilustrar la información contenida en una matriz de datos

Nivel 2:INFERENCIAL-BIVARIADO. Estimar parámetros, contrastar hipótesis, comparar el comportamiento de dos o más grupos o analizar la relación entre pares de variables

Nivel 3: MODELIZACIÓN-MULTIVARIANTE. Elaborar modelos, ecuaciones o funciones que permitan explicar unas variables a partir de otras y hacer predicciones

SELECCIÓN DE LA PRUEBA ESTADÍSTICA

¿Qué queremos hacer? ¿en qué Nivel de Análisis nos situamos? Nivel 1: DESCRIPTIVO-UNIVARIADO Nivel 2:INFERENCIAL-BIVARIADO Nivel 3: MODELIZACIÓN-MULTIVARIANTE

Nivel 1: DESCRIPTIVO-UNIVARIADO

Medidas de Tendencia Central Medidas de VariabilidadMedidas DistribuciónMedidas de PosiciónGráficosTablas

Nivel 2: INFERENCIAL-BIVARIADO

Correlaciones Variables de Escala: Pearson Variables Ordinales: Spearman y Kendall Variables categóricas: Phi, Coeficiente de Contingencia, …

Contrastes Variables Métricas: Paramétricos

N o K grupos Independientes o Relacionados

Variables No Métricas: No Paramétricos N o K grupos Independientes o Relacionados

Nivel 3: MODELIZACIÓN-MULTIVARIANTE

Técnicas multivariantes de Dependencia Regresión Lineal Múltiple Regresión Logística Análisis Discriminante Análisis de Varianza (ANOVA y MANOVA) Análisis LOGIT

Técnicas multivariantes de Interdependencia Análisis Factorial (Componentes Principales) Análisis de Correpondencicas Análisis Cluster Escalamiento Multidimensional

t-StudentIndependientes

2 Grupos

Grupos normales

CONTRASTES: VD CUANTITATIVA

Relacionados

Grupos NO normales

Grupos normales

Grupos NO normales

Grupos normales

Grupos NO normales

Grupos normales

Grupos NO normales

Independientes

Relacionados

K Grupos

Mann-Withney

t-Student relacionados

Wilcoxon

Anova + Post Hoc

Kruskal-Wallis + Dunn

Anova medidas repetidas

Friedman

1 Grupo t-Student

McNemar (2)Relacionados

Cochran (k)

PROPORCIONESBinomial

Chi-Cuadrado

Tablas decontingenciaIndependientes Chi-Cuadrado

Corregido 2x2

Prueba de Fisher

2 VARIABLES

1 VARIABLE

CONTRASTES: VD CUALITATIVA

CONTRASTES: VD CUASI-CUANTITATIVA

2 GRUPOS

Independientes

RelacionadosWilcoxon

K GRUPOS

Independientes

Relacionados Friedman

Mann-Whitney

Kruskal-Wallis + Dunn