Your SlideShare is downloading. ×
Resumen 1 Intervención Máster de Sociología en la Universidad de Murcia
Upcoming SlideShare
Loading in...5
×

Thanks for flagging this SlideShare!

Oops! An error has occurred.

×

Saving this for later?

Get the SlideShare app to save on your phone or tablet. Read anywhere, anytime - even offline.

Text the download link to your phone

Standard text messaging rates apply

Resumen 1 Intervención Máster de Sociología en la Universidad de Murcia

369
views

Published on

Resumen 1 Intervención Máster de Sociología en la Universidad de Murcia. …

Resumen 1 Intervención Máster de Sociología en la Universidad de Murcia.

- Triangulación.
- Codificación.
-

Published in: Business

0 Comments
2 Likes
Statistics
Notes
  • Be the first to comment

No Downloads
Views
Total Views
369
On Slideshare
0
From Embeds
0
Number of Embeds
1
Actions
Shares
0
Downloads
0
Comments
0
Likes
2
Embeds 0
No embeds

Report content
Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
No notes for slide

Transcript

  • 1. RESUMEN DE MI PRIMERA INTERVENCIÓN MÁSTER SOCIOLOGÍA APLICADA Análisis de datos y Triangulación Francisco Hernández Gómez - @FranHernandezG
  • 2. TRIANGULACIÓN MÁSTER SOCIOLOGÍA APLICADA Análisis de datos y Triangulación Francisco Hernández Gómez - @FranHernandezG
  • 3. MÁSTER SOCIOLOGÍA APLICADA Análisis de datos y TriangulaciónFrancisco Hernández Gómez - @FranHernandezG
  • 4. TRATAMIENTOS ESTADÍSTICOS FASE I FASE II TRIANGULACIÓN Cualitativa, exploratoria, Metodológica Cuantitativa, descriptiva, preliminar concluyente INFORMACIÓN + DATOSTÉCNICAS BIVARIANTES TÉCNICAS MULTIVARIANTES TÉCNICAS DE CLASIFICACIÓN Tablas de contingencia, Análisis factorial y correlación lineal y análisis de regresión AID, CHAID y CART análisis de varianza múltiple MÁSTER SOCIOLOGÍA APLICADA Análisis de datos y Triangulación Francisco Hernández Gómez - @FranHernandezG
  • 5. CODIFICACIÓN Y ANÁLISIS BÁSICO DE DATOS Codificación y explotación de datos. Tablas de frecuencias. Tablas de contingencia. MÁSTER SOCIOLOGÍA APLICADA Análisis de datos y Triangulación Francisco Hernández Gómez - @FranHernandezG
  • 6. BIBLIOGRAFÍA Autores: Autor: Autor: Autor:ILDEFONSO GRANDE ESTEBAN Y John R. Webb Naresh K. Malhotra William G. Zikmund ELENA ABASCAL FERNÁNDEZ MÁSTER SOCIOLOGÍA APLICADA Análisis de datos y Triangulación Francisco Hernández Gómez - @FranHernandezG
  • 7. LA CODIFICACIÓNCUANDO UNA VARIABLE ES MÉTRICA (edad en años), SE PUEDE CONVERTIR EN ORDINALY EN NOMINAL (joven, adulto, mayor), PERO NO CABE LA POSIBILIDAD DE UNATRANSFORMACIÓN INVERSA. Finalmente tener presente que cuando una variable métricase convierte en nominal se pierde información, pero por el contrario permite el poderanalizarla simultáneamente con otras variables nominales, reduciéndose la influencia delos valores extremos o raros.EJEMPLO: (En una escala métrica elcódigo coincide con el valor de lavariable). La variable edad [ _ _ ] años,que en este caso se trata de unavariable métrica, la podemostransformar en los códigos: 1 = Edadentre 20 y 30 años, un 2 = edad estácomprendida entre 31 y 40años……………. MÁSTER SOCIOLOGÍA APLICADA Análisis de datos y Triangulación Francisco Hernández Gómez - @FranHernandezG
  • 8. LA CODIFICACIÓNLOS DATOS EN LOS SISTEMAS INFORMÁTICOS MÁSTER SOCIOLOGÍA APLICADA Análisis de datos y Triangulación Francisco Hernández Gómez - @FranHernandezG
  • 9. LA CODIFICACIÓNLOS DATOS EN LOS SISTEMAS INFORMÁTICOS Lista de variables BarbWin Matriz de datos MÁSTER SOCIOLOGÍA APLICADA Análisis de datos y Triangulación Francisco Hernández Gómez - @FranHernandezG
  • 10. LA CODIFICACIÓNPROGRAMAR UNA PREGUNTA - VARIABLE BarbWin MÁSTER SOCIOLOGÍA APLICADA Análisis de datos y Triangulación Francisco Hernández Gómez - @FranHernandezG
  • 11. LA CODIFICACIÓNLa primera tarea que tenemos que realizar antes del análisis estadístico es lacreación de la MATRIZ DE DATOS, o sea, es la totalidad de la informaciónnumérica generada por el trabajo de campo.La matriz de datos se forma a partir del cruce de las variables con las unidadesde análisis (casos), tal y como podemos ver: MÁSTER SOCIOLOGÍA APLICADA Análisis de datos y Triangulación Francisco Hernández Gómez - @FranHernandezG
  • 12. LA CODIFICACIÓN: ¿CUÁNDO SE RECODIFICAN LOS DATOS?1. ERRORES EN EL CUESTIONARIO. Cuando se ha signado el código 0 para indicar que “SE CONSUME” y 1 para indicar “NO SE CONSUME”, cuando debería ser al contrario.2. MODIFICACIÓN DEL NÚMERO DE CATEGORÍAS. Cuando el número de categorías final pueda facilitar más información, evitar dispersión, etc., en estos casos es preferible modificar la codificación inicial.3. CUANDO LA INFORMACIÓN ES CONTINUA e interesa agruparla en unas categorías para cruzar variables (edad, renta, etc.).4. CUANDO LAS CATEGORÍAS NO RECOGEN TODAS LAS POSIBILIDADES. Cuando una pregunta queda abierta parcialmente. Lo que implica la generación de nuevas categorías que cubran dichas respuestas facilitadas y no contempladas inicialmente.5. CUANDO UNA CATEGORÍA TIENE UN RANGO ELEVADO DE OBSERVACIONES. En este caso conveniente dividirla en varias para distribuir las respuestas (edad).6. CUANDO UNA CATEGORÍA TIENE UNA PROPORCIÓN MUY PEQUEÑA DE OBSERVACIONES. En este caso se procede a la agrupación de categorías similares con la finalidad de evitar la dispersión de los datos.7. CUANDO HAY QUE COMBINAR VARIABLES. Por ejemplo en el caso de que tengamos que combinar las variables EDAD y SEXO (SEXEDAD), en la que el código 1 = Mujeres jóvenes (17 a 29 años)……………… MÁSTER SOCIOLOGÍA APLICADA Análisis de datos y Triangulación Francisco Hernández Gómez - @FranHernandezG
  • 13. VISIÓN GENERAL DE LAS TÉCNICAS DE ANÁLISIS ¿Cuantas variables van a analizarse a la vez? Una Dos Más de dos Análisis Análisis Análisis univariado bivariado de multivariado de datos datos de datos MÁSTER SOCIOLOGÍA APLICADA Análisis de datos y Triangulación Francisco Hernández Gómez - @FranHernandezG
  • 14. ESTADÍSTICAS DESCRIPTIVAS: MEDIDAS DE DISPERSIÓNLas MEDIDAS DE TENDENCIA CENTRAL tienen como objetivo el sintetizar los datos en unvalor representativo, las MEDIDAS DE DISPERSIÓN nos dicen hasta que punto estasmedidas de tendencia central son representativas como síntesis de la información(desviación típica, varianza, coeficiente de variación, etc.).Las medidas de dispersión cuantifican la separación, la dispersión, la variabilidad de losvalores de la distribución respecto al valor central. En definitiva, las medidas dedispersión nos indican si los valores se encuentran más o menos próximos a lamedida de posición y tendencia central. MÁSTER SOCIOLOGÍA APLICADA Análisis de datos y Triangulación Francisco Hernández Gómez - @FranHernandezG
  • 15. ESTADÍSTICAS BÁSICASTipos de Escala Propiedades Operaciones estadísticasNOMINAL Clasificación Frecuencias Porcentajes Moda Tablas de Frecuencia ...ORDINAL Clasificación Mediana Ordenación Cuartiles Correlación de orden ...INTERVALO Clasificación Media aritmética Ordenación Desviación típica Interpretación de distancias Análisis de regresión Análisis de varianza ...RAZÓN O RATIO Clasificación Media armónica Ordenación Media geométrica Interpretación de distancias Coeficiente de variación Interpretación de relaciones MÁSTER SOCIOLOGÍA APLICADA Análisis de datos y Triangulación Francisco Hernández Gómez - @FranHernandezG
  • 16. ANÁLISIS DE LAS PREGUNTAS POR SUBGRUPOS HAY QUE ANALIZAR LAS PREGUNTAS EN LOS DISTINTOS SUBGRUPOS Y COMPARARLAS ENTRE SÍ. (Comportamientos entre hombres y mujeres) TABLAS DE CONTINGENCIA O TABLAS DE DOBLE ENTRADAPARA EMPLEAR LAS TABLAS DE CONTINGENCIA DEBEN SEGUIRSE TRES REGLAS BÁSICAS: 1. Los datos pueden ser nominales, ordinales, de intervalos o métricas pero deben convertirse en categorías. 2. El número de categorías debe ser limitado. 3. Es conveniente que el número de categorías debe ser tal que el cruce tenga un número mínimo de frecuencias. De lo contrario, técnicas como el test chi-cuadrado no funcionan. MÁSTER SOCIOLOGÍA APLICADA Análisis de datos y Triangulación Francisco Hernández Gómez - @FranHernandezG
  • 17. TABLAS DE CONTINGENCIA MÁSTER SOCIOLOGÍA APLICADA Análisis de datos y Triangulación Francisco Hernández Gómez - @FranHernandezG
  • 18. TABLAS DE CONTINGENCIATABLAS DE CONTINGENCIA CON SPSS MÁSTER SOCIOLOGÍA APLICADA Análisis de datos y Triangulación Francisco Hernández Gómez - @FranHernandezG
  • 19. TABLAS DE CONTINGENCIA BarbWin MÁSTER SOCIOLOGÍA APLICADA Análisis de datos y Triangulación Francisco Hernández Gómez - @FranHernandezG
  • 20. TABLAS DE CONTINGENCIA Tabla de cont ingencia 2.3. ¿PODRÍA DECIRME CON QUÉ PROVEEDOR O PROVEEDORES TIENENCONTRATADO SU ACCESO A INTERNET EN EL HOGAR? * P3. ¿HA USADO INTERNET ALGUNA VEZ?Recuento P3. ¿HA USADO INTERNET ALGUNA VEZ? Sí No Total2.3. ¿PODRÍ A DECIRME ADSL de cualquierCON QUÉ PROVEEDOR operador 71 16 87O PROVEEDORES Telev isión Local Cehegín 34 7 41TIENEN CONTRATADOSU ACCESO A Otro 5 0 5INTERNET EN ELHOGAR? NS/NC 2 6 8 Tabla de contingencia 2.3. ¿PODRÍA DECIRME CON QUÉ PROVEEDOR O PROVEEDORES TIENEN CONTRATADO SU ACCESO A INTERNET EN EL HOGAR? * P3. ¿HA USADO INTERNET ALGUNA VEZ?Total 112 29 141 P3. ¿HA USADO INTERNET ALGUNA VEZ? Sí No Total 2.3. ¿PODRÍA DECIRME ADSL de cualquier Recuent o 71 16 87 CON QUÉ PROVEEDOR operador % de P3. ¿HA O PROVEEDORES USADO INTERNET 63,4% 55,2% 61,7% TIENEN CONTRATADO ALGUNA VEZ? SU ACCESO A Telev isión Local Recuent o 34 7 41 INTERNET EN EL Cehegín % de P3. ¿HA HOGAR? USADO INTERNET 30,4% 24,1% 29,1% ALGUNA VEZ? Otro Recuent o 5 0 5 % de P3. ¿HA USADO INTERNET 4,5% ,0% 3,5% ALGUNA VEZ? NS/NC Recuent o 2 6 8 % de P3. ¿HA USADO INTERNET 1,8% 20,7% 5,7% ALGUNA VEZ? Total Recuent o 112 29 141 % de P3. ¿HA USADO INTERNET 100,0% 100,0% 100,0% ALGUNA VEZ? MÁSTER SOCIOLOGÍA APLICADA Análisis de datos y Triangulación Francisco Hernández Gómez - @FranHernandezG
  • 21. TABLAS DE CONTINGENCIA MÁSTER SOCIOLOGÍA APLICADA Análisis de datos y Triangulación Francisco Hernández Gómez - @FranHernandezG
  • 22. TABLAS DE CONTINGENCIA COEFICIENTE DE CORRELACIÓN LINEAL DE PEARSON1. Mide el grado de asociación lineal entre dos variables métricas2. Toma valores entre -1 y 1. Si es cercano a cero la asociación lineal es pequeña3. Cuando dos variables se mueven en el mismo sentido (coeficiente positivo) las variables están positivamente correlacionadas.4. Cuando las variables se mueven en sentido contrario (coeficiente negativo) las variables están negativamente correlacionadas.5. No indica que variable es la que influye sobre la otra (para ello haría falta un análisis causal o explicativo) MÁSTER SOCIOLOGÍA APLICADA Análisis de datos y Triangulación Francisco Hernández Gómez - @FranHernandezG
  • 23. TABLAS DE CONTINGENCIACOEFICIENTE DE CORRELACIÓN LINEAL DE PEARSON NO correlacionan SÍ correlacionan MÁSTER SOCIOLOGÍA APLICADA Análisis de datos y Triangulación Francisco Hernández Gómez - @FranHernandezG
  • 24. TÉCNICAS DE ANÁLISIS MULTIVARIANTE MÁSTER SOCIOLOGÍA APLICADA Análisis de datos y Triangulación Francisco Hernández Gómez - @FranHernandezG
  • 25. TÉCNICAS DE ANÁLISIS MULTIVARIANTECLASIFICACIÓN SIMPLE DE LAS TÉCNICAS ESTADÍSTICAS MULTIVARIANTES MÁSTER SOCIOLOGÍA APLICADA Análisis de datos y Triangulación Francisco Hernández Gómez - @FranHernandezG
  • 26. TÉCNICAS DE ANÁLISIS MULTIVARIANTECLASIFICACIÓN DE LAS TÉCNICAS DE ANÁLISIS DE LA INTERDEPENDENCIA VARIABLES MÉTRICAS NO MÉTRICAS Análisis factorial. Análisis de correspondencias. Componentes principales. Análisis de conglomerados. Análisis de conglomerados. Escalamiento multidimensional. Escalamiento multidimensional. MÁSTER SOCIOLOGÍA APLICADA Análisis de datos y Triangulación Francisco Hernández Gómez - @FranHernandezG
  • 27. TÉCNICAS DE ANÁLISIS MULTIVARIANTE Clasificación de los métodos de análisis multivariante MÁSTER SOCIOLOGÍA APLICADA Análisis de datos y Triangulación Francisco Hernández Gómez - @FranHernandezG
  • 28. REGRESIÓN LINEALRLS Y RLM MÁSTER SOCIOLOGÍA APLICADA Análisis de datos y Triangulación Francisco Hernández Gómez - @FranHernandezG
  • 29. REGRESIÓN LINEALObjetivo:Entender los aspectos teóricos del concepto de calidad de servicio, así comointerpretar los resultados de las técnicas estadísticas.Metodología:Regresión lineal múltiple.Tenemos una variable dependiente o a explicar medida en escala métrica(valoración global, por ejemplo) y un conjunto de atributos medidos tambiénen escala métrica.Otras metodologías....Análisis Factorial de Componentes PrincipalesRegresión por árbol de decisión binario MÁSTER SOCIOLOGÍA APLICADA Análisis de datos y Triangulación Francisco Hernández Gómez - @FranHernandezG
  • 30. SALIDA DE UNA RLS SOLUCIÓN: El número de préstamos que cabe esperar en caso de que el número de usuarios aumente a 1500 es: Prestamos = - 172 + 0.962 * 1500 = 1271 MÁSTER SOCIOLOGÍA APLICADA Análisis de datos y Triangulación Francisco Hernández Gómez - @FranHernandezG
  • 31. REGRESIÓN LINEAL MÚLTIPLE MÁSTER SOCIOLOGÍA APLICADA Análisis de datos y Triangulación Francisco Hernández Gómez - @FranHernandezG
  • 32. REGRESIÓN LINEAL MÚLTIPLE LOS ESTADÍSTICOS Y TÉRMINOS RELACIONADOS CON ESTE ANÁLISIS SON:1. Modelo de regresión de variables. La ecuación de regresión básica es Y = B0 + B1 X1+ B2 X2 + B3 X3 + Bk Xk + ei Donde Y es la variable dependiente, X es la variable independiente, B0 es la intersección de la línea, Bn es la pendiente de la línea y ei es el término de error.1. Coeficiente de determinación (R2). La fuerza de la asociación se mide en el coeficiente de determinación (R2 ). Varía entre 0 y 1 y representa la proporción de la variación total en Y que se tiene en cuenta para la variación de X.2. Coeficiente de regresión. Por lo general el parámetro B se conoce como coeficiente de regresión no estandarizado.3. Diagrama de dispersión. El diagrama de dispersión es un trazo de los valores de dos variables para todos los casos u observaciones. MÁSTER SOCIOLOGÍA APLICADA Análisis de datos y Triangulación Francisco Hernández Gómez - @FranHernandezG
  • 33. REGRESIÓN LINEAL MÚLTIPLE LOS ESTADÍSTICOS Y TÉRMINOS RELACIONADOS CON ESTE ANÁLISIS SON:5. Error típico de la estimación. Este estadístico, SEE, es la desviación estándar de los valores reales de Y a partir de los valores proyectados para Ŷ.6. Coeficiente de regresión estandarizado. Se conoce también como coeficiente Beta o valor relativo de beta y es la pendiente que se obtiene por la regresión de Y en X cuando los datos son estandarizados.7. Suma de errores cuadrados. Se obtiene el cuadrado de las distancias de todos los puntos desde la línea de regresión y se suman para llegar a la suma de los errores cuadrados, que constituyen una medida del error total.8. Estadístico t. Un estadístico t con n-2 grados de libertad puede utilizarse para probar la hipótesis nula de que no existe ninguna relación lineal entre X e Y o H0: B1=0. MÁSTER SOCIOLOGÍA APLICADA Análisis de datos y Triangulación Francisco Hernández Gómez - @FranHernandezG
  • 34. REGRESIÓN LINEAL MÚLTIPLE1 2 3 MÁSTER SOCIOLOGÍA APLICADA Análisis de datos y Triangulación Francisco Hernández Gómez - @FranHernandezG
  • 35. REGRESIÓN LINEAL MÚLTIPLE SALIDA SPSS 21 3 4 MÁSTER SOCIOLOGÍA APLICADA Análisis de datos y Triangulación Francisco Hernández Gómez - @FranHernandezG
  • 36. REGRESIÓN LINEAL MÚLTIPLE HIPÓTESIS NULA MÁSTER SOCIOLOGÍA APLICADA Análisis de datos y Triangulación Francisco Hernández Gómez - @FranHernandezG
  • 37. ANÁLISIS DE LA VARIANZA ANOVA ANALYSIS OF VARIANCE MÁSTER SOCIOLOGÍA APLICADA Análisis de datos y Triangulación Francisco Hernández Gómez - @FranHernandezG
  • 38. ANÁLISIS DE VARIANZA (ANOVA): CONCEPTOEl análisis de la varianza es un método explicativo que se utiliza para detectar laexistencia de una relación de dependencia entre dos o más variables. Una variable sesuele denominar variable dependiente o a explicar, y la otra, variable independiente oexplicativa.En el análisis de la varianza el objetivo es determinar si el conjunto de variablesexplicativas tienen o no una influencia significativa sobre la(s) variable(s) a explicar,sin importar la intensidad de la relación. Por ello, se observa si los valores medios quepresentan la(s) variable(s) a explicar en cada grupo/categoría de la variable explicativason estadísticamente significativos.Una de las aportaciones principales del análisis de la varianza se encuentra en lasegmentación de mercados. El análisis de la varianza se puede utilizar para detectardiferencias entre diversos grupos, de tal manera que se puede contrastar el efecto deuna variable o variables determinadas sobre alguna(s) otra(s) variable(s) quecaracterizan diversos grupos de consumidores. ¿Cómo tienen que ser las variables que se tienen que medir? La variable(s) a explicar (VD) es cuantitativa y la variable(s) explicativa (VI) es cualitativa. MÁSTER SOCIOLOGÍA APLICADA Análisis de datos y Triangulación Francisco Hernández Gómez - @FranHernandezG
  • 39. ANÁLISIS DE VARIANZA (ANOVA): CONCEPTO1. Es una técnica estadística diseñada para medir si existen diferencias entre los valores medios de una variable dependiente calculados para los distintos grupos que se pueden obtener con otra variable independiente y nominal.2. La variable o variables independientes reciben el nombre de Factor y deben ser variables de tipo nominal, y sus distintos valores el de tratamientos, mientras que la variable dependiente debe ser métrica, puesto que sobre ella se debe calcular los valores medios objeto del análisis de la varianza.3. La hipótesis nula a contrastar es que se consideran iguales las medias en todos los grupos, o lo que es lo mismo, no existen diferencias entre las medias obtenidas para cada uno de los grupos formados para la variable independientes o factor.4. Se rechaza la hipótesis nula con que al menos una de las medias sea significativamente diferente de las demás. MÁSTER SOCIOLOGÍA APLICADA Análisis de datos y Triangulación Francisco Hernández Gómez - @FranHernandezG
  • 40. ANÁLISIS DE VARIANZA (ANOVA): CONDICIONES1. La VD debe ser métrica o numérica.2. La VI debe ser categórica.3. Ningún sujeto debe estar en dos grupos de forma simultánea.4. La varianza dentro de cada categoría debe ser parecida.5. Las distribuciones deben ser normales.6. Los grupos no tienen porque ser del mismo tamaño. MÁSTER SOCIOLOGÍA APLICADA Análisis de datos y Triangulación Francisco Hernández Gómez - @FranHernandezG
  • 41. EJEMPLO ANOVA FACTORIAL 2 13 4 VARIABLES DEL ARCHIVO EMPLEADOS: (catlab) = Categoría laboral (ordinal) (minoría) = Clasificación de minorías (ordinal) (salario) = Salario actual (Métrica) MÁSTER SOCIOLOGÍA APLICADA Análisis de datos y Triangulación Francisco Hernández Gómez - @FranHernandezG
  • 42. EJEMPLO ANOVA FACTORIAL MÁSTER SOCIOLOGÍA APLICADA Análisis de datos y Triangulación Francisco Hernández Gómez - @FranHernandezG
  • 43. EJEMPLO ANOVA FACTORIALLa tabla siguiente muestra el resultado obtenido con Scheffe. La conclusión a laque se llega es que el grupo administrativo NO DIFIERE del grupo de agentes deseguridad (Sig.=0,306), pero estos dos difieren significativamente del grupoDirectivos (Sig.=0,000). Sig < 0,05 = Rechazaremos la hipótesis de igualdad de medias Sig > 0,05 = Aceptamos la hipótesis de igualdad de medias. MÁSTER SOCIOLOGÍA APLICADA Análisis de datos y Triangulación Francisco Hernández Gómez - @FranHernandezG
  • 44. SALIDA SPSS DE ANOVA MÁSTER SOCIOLOGÍA APLICADA Análisis de datos y Triangulación Francisco Hernández Gómez - @FranHernandezG