Your SlideShare is downloading. ×
Clases metodologia de la investigacion bloque ii
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

Clases metodologia de la investigacion bloque ii

6,775
views

Published on

Clase de Metodología de las Ciencias Sociales III, dictada por el Dr. Luis Mena en la Universidad Central de Chile, Facultad de Ciencias Sociales, 2011.

Clase de Metodología de las Ciencias Sociales III, dictada por el Dr. Luis Mena en la Universidad Central de Chile, Facultad de Ciencias Sociales, 2011.


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

No Downloads
Views
Total Views
6,775
On Slideshare
0
From Embeds
0
Number of Embeds
1
Actions
Shares
0
Downloads
215
Comments
0
Likes
6
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. ELEMENTOS DE LA TEORIA DE MUESTREO Conceptos Generales
  • 2. Conceptos Generales.
    • Población: conjunto completo de personas, elementos o medidas que poseen una característica común observable y por el cual existe algún interés.
    • Muestra: subconjunto de la población.
    • Parámetro: valor característico de la población.
    • Estadístico o estadígrafo: valor característico de una muestra.
    • Error de muestreo: diferencia absoluta entre el estimador y el parámetro. Sólo es calculable en muestras probabilísticas.
    • Error de sesgo:se produce por descuidos.
  • 3. Tipos de muestras.
    • Probabilísticas: aleatoria o al azar simple, sistemática, estratificada (proporcional y no proporcional) y por conglomerados.
    • No Probabilísticas: accidental o casual o conveniencia o por sujetos voluntarios, intencionada y por cuotas.
  • 4. Muestra Probabilística: Es aquella donde todos los elementos del colectivo tienen una probabilidad conocida de ser incluidos en la muestra y esta probabilidad es distinta de 0 y de 1.
  • 5. Aleatoria o al Azar Simple: En esta muestra todos los elementos del universo tienen la misma probabilidad de ser escogidos y esta probabilidad es distinta de 0 y de 1.
  • 6. Muestra Sistemática: Similar al aleatorio o azar simple, no obstante los elementos del colectivo son elegidos en función de un sistema.
  • 7. Muestra Estratificada: Util cuando la población puede ser dividida en categorías, grupos o estratos donde se tiene un interés analítico y que por razones teóricas y empíricas presentan diferencias entre ellos (estado civil, edad, N.S.E, sexo; etc.)
  • 8. Muestreo Estratificado:
    • Proporcional: Es aquel que conserva o replica la misma estructura porcentual de universo. Cada muestra repetirá la misma composición del universo en relación al nivel de la variable analizada.
    • No proporcional: En la muestra no se busca conservar la misma estructura porcentual del universo. Se saca, entonces, aleatoria o sistemáticamente la misma cantidad de personas por estrato poblacional con el objeto de facilitar las comparaciones.
  • 9. Muestreo por conglomerado: Se utiliza para estudiar unidades tales como naciones, estados o similares que admiten subdivisiones. Es útil cuando los elementos a estudiar se encuentran dispersos a lo largo de áreas geográficas extensas donde es muy difícil acceder a la base de muestreo por razones prácticas y económicas.
  • 10. Muestras no Probabilísticas No se rigen por algún sistema que garantice el azar.
  • 11. Tipos de muestras no probabilísticas
    • Accidental, casual, por conveniencia o por sujetos voluntarios: la muestra se constituye sólo por aquellas personas que accedieron a participar en la investigación.
    • Intencionada: se construye en función o en base a los criterios de un experto.
    • Por cuota: es una especie de muestra estratificada pero no probabilística.
  • 12. HIPOTESIS: Afirmación que puede ser verificada, es decir confirmada o desconfirmada.
  • 13. Tipos de Hipótesis:
    • De trabajo o de investigación: descriptivas, correlacionales y explicativas.
    • Estadísticas.
  • 14. Hipótesis descriptivas, de estimación, para una población o comparaciones del tipo muestra parámetro.
    • Se asocian a investigaciones descriptivas con diseños no experimentales.
    • Comparan estadísticamente un valor muestral, representado por un estadístico o estimador con uno parametral o poblacional (dato conocido, producto de investigaciones anteriores en la temática).
  • 15. Ej. Hipótesis descriptiva:
    • H. I : “El C.I. del grupo de niños será superior a su valor esperado”
  • 16. Hipótesis correlacionales:
    • Contrastan el grado de asociación que hay entre dos o más variables.
    • Se asocian a investigaciones correlacionales con diseños no experimentales de investigación.
  • 17. Hipótesis Correlacionales: bivariadas y multivariadas. Bivariadas Multivariadas: H.I: “Los niveles de estrés y la motivación laboral, Conjuntamente inciden en la productividad de los trabajadores Bidireccionales o Bilaterales: H.I: “Existe relación entre la asistencia a clases y el rendimiento académico” Unidireccionales o Unilaterales : positivas o Directamente proporcionales y negativas o Inversamente proporcionales. Positiva: H.I: “Si los alumos asisten a clases Entonces mejoraran su rendimiento académico Negativa: H.I: “Si el estrés de los trabajadores Aumenta entonces disminuirá la Productividad”
  • 18. Hipótesis Explicativas:
    • Se asocian a investigaciones explicativas con diseños experimentales
    • Verifican la posible relación causal entre la variable (s) independiente (s) y la dependiente (s).
    • Hay hipótesis explicativas de diferencias de dos o más grupos bivariadas y también multivariadas.
  • 19. Hipótesis Explicativas: ejemplos.
    • “ después de la aplicación del tratamiento el grupo experimental presentará mejores habilidades comunicacionales que el control” (dos grupos bivariada: una independiente – una dependiente).
    • “ Las remuneraciones, bonos e incentivos ejercen efectos diferenciales en la productividad de los trabajadores” (tres grupos bivariada: una independiente – una dependiente).
    • “ los distintos estilos de liderazgo, los diferentes tipos de compensaciones y el nivel de compromiso organizacional influyen en la productividad de los trabajadores (más de dos grupos multivariada: tres independientes – una dependiente).
    • La buena administración del tiempo y la eliminación de ideas irracionales disminuyen el estrés y la ansiedad de los trabajadores (más de dos grupos multivariada: dos independientes – dos dependientes).
    • .
  • 20. Hipótesis Estadísticas:
    • Constituyen la operacionalización de la hipótesis de investigación para el contraste respectivo.
    • Son dos: la nula y la alterna.
  • 21. Prueba o Contraste de Hipótesis. Consiste en docimar o someter a prueba la hipótesis nula.
  • 22. Conceptos generales e introductorios:
    • Error tipo I.
    • Confianza o seguridad.
    • Error tipo II.
    • Potencia de prueba.
    • Tamaño del efecto.
  • 23. DISEÑOS EN LA INVESTIGACION PSICOSOCIAL.
  • 24. INVESTIGACION Diseño Estrategia para dar respuesta al problema De investigación Muestreo, técnicas de análisis y recolección de datos No experimentales: transeccionales y longitudinales Experimentales: preexperimentales, Cuasiexperimentales, experimentales Propiamente tales y factoriales Validez Interna Externa Amenazas: historia, maduración regresión, sensibilización, Instrumentación, selección aleatoria, Mortalidad, interferencias de múltiples tratamientis , d isposiciones reactivas (efecto Hawthorne o Mayo ) e interacción Control: experimental o estadístico
  • 25. Diseños No experimentales Transeccionales o Seccionales: Descriptivos, correlacionales, explicativos y transversales. Longitudinales: de tendencia, Evolución de grupo o cohorte y panel Experimentales
    • Preexperimentales:
    • De un solo grupo
    • (con postest solamente
    • y con pre y postest)
    • Ex post facto
    Cuasiexperimentales: Series cronológicas y Muestras cronológicas Propiamente tales: diseño de Grupo control con pre y postest; Diseño con grupo control y sin pretest; Diseño de cuatro grupos de Solomon
    • Factoriales:
    • Propiamente tales
    • De bloques aleatorizados
    • De cuadrados: latino y
    • Griego o grecolatino
  • 26. Investigación Hipótesis Técnicas de Análisis de datos Diseño
  • 27. Diseños no experimentales de investigación:
    • Acompañan a investigaciones exploratorias, descriptivas y correlacionales o comparativas que se desarrollan en ambientes naturales con pocas o practicamente nulas condiciones de control.
  • 28. Diseños no experimentales transeccionales o seccionales:
    • Acompañana a investigaciones que se desarrollan en un corte de tiempo determinado; es decir no se le hace seguimiento o un análisis evolutivo a la (s) variable (s) en estudio a lo largo del tiempo.
  • 29. Diseños no experimentales transeccionales o seccionales descriptivos
    • Están a la base de las investigaciones exploratorias y descriptivas.
    • Cuando acompañan a investigaciones descriptivas pueden formular y contrastar hipótesis descriptivas o de estimación o del tipo muestra – parámetro o para una población.
  • 30. Diseños transeccionales o seccionales descriptivos H. I: “Los niveles de estrés del grupo de trabajadores son superiores a su valor esperado”
    • T.A.D: dependen del nivel de medición de la
    • Variable en estudio:
    • Categórica dicotómica (nominal) o dicotomizada (ordinal): prueba
    • Binomial o contraste para la proporción poblacional.
    • Intervalar o de razón: prueba “t” para la media poblacional.
  • 31. Diseños no experimentales transeccionales o seccionales correlacionales
    • Acompañan a investigaciones correlacionales.
    • Ponen a prueba o contrastan hipótesis correlacionales.
  • 32. Hipótesis Correlacionales: bivariadas y multivariadas. Bivariadas Multivariadas: H.I: “Los niveles de estrés y la motivación laboral, Conjuntamente inciden en la productividad de los trabajadores Bidireccionales o Bilaterales: H.I: “Existe relación entre la asistencia a clases y el rendimiento académico” Unidireccionales o Unilaterales : positivas o Directamente proporcionales y negativas o Inversamente proporcionales. Positiva: H.I: “Si los alumos asisten a clases Entonces mejoraran su rendimiento académico Negativa: H.I: “Si el estrés de los trabajadores Aumenta entonces disminuirá la Productividad”
  • 33. Hipótesis correlacionales: técnicas de análisis de datos (T. A. D). Bivariadas Correlación Simple: Ej: Coeficiente de correlación De Pearson (rxy). Multivariadas Correlación Múltiple: Ej: Coeficiente de Correlación Múltiple (R1.23...k)
  • 34. Diseños no experimentales transeccionales o seccionales explicativos
    • Acompañan a investigaciones correlacionales o comparativas intentando, a través de control experimental o estadístico, anular o mantener constantes los efectos de variables intervinientes.
    • En otras palabras, constituyen diseños no experimentales transeccionales correlacionales con control de variables extrañas.
    • Ponen a prueba o contrastan hipótesis correlacionales o de comparación de grupos.
  • 35. Diseños no experimentales transeccionales o seccionales explicativos: hipótesis H. I: “Existe relación entre los niveles de estrés y la percepción del clima laboral en ejecutivos controlando los efectos de las remuneraciones”
    • T.A.D: dependen del nivel de medición de las
    • variables en estudio:
    • Intervalares o de razón: coeficiente de correlación de Pearson
    • Parcial. A nivel de comparaciones de grupos: Ancova.
    • Ordinal: Tau de Kendall Parcial.
  • 36. Diseños no experimentales transeccionales o seccionales transversales:
    • Acompañan a investigaciones correlacionales o comparativas que intentan estimar la secuencia evolutiva de una o mas variables basándose en un acto de medición y no en un seguimiento de los atributos a lo largo del tiempo.
    • Ponen a prueba o contrastan hipótesis correlacionales o de comparación de grupos.
  • 37. Diseños no experimentales transeccionales o seccionales transversales: hipótesis H. I: “La percepción del clima laboral de los trabajadores de una organización determinada varia con el paso de los años ”
    • T.A.D: dependen del nivel de medición de las
    • variables en estudio:
    • Intervalares o de razón: Anova Simple.
    • Ordinal: Prueba no paramétrica de Kruskall - Wallis.
    • Nominal (categórica) u Ordinal (Categorizada): Contingencia
  • 38. Diseños no experimentales logitudinales:
    • Acompañan a investigaciones correlacionales o comparativas que estudian la secuencia evolutiva de una o mas variables, de manera sitemática, largo del tiempo.
    • Ponen a prueba o contrastan hipótesis de comparación de grupos o correlacionales.
    • Hay tres modalidades: de tendencia, de evolución de grupo o cohorte y de panel.
  • 39. Diseños no experimentales logitudinales de tendencia:
    • Acompañan a investigaciones que estudian la secuencia evolutiva de una o mas variables, de manera sistemática, a lo largo del tiempo independientemente del grupo o muestra en el cual se realice la investigación
    • Interesa por tanto estudiar la tendencia de la variable y no necesariamente ésta asociada a un grupo o muestra específica.
  • 40. Diseños no experimentales longitudinales de tendencia : hipótesis H. I: “El rendimiento académico de los alumnos de la carrera de psicología de una determinada Universidad varía en el transcurso de los años de formación ”
    • T.A.D: dependen del nivel de medición de las
    • variables en estudio:
    • Intervalares o de razón: Anova Simple.
    • Ordinal: Prueba no paramétrica de Kruskall - Wallis.
    • Nominal (categórica) u Ordinal (Categorizada): Contingencia
  • 41. Diseños no experimentales logitudinales de evolución de grupo o cohorte:
    • Acompañan a investigaciones que estudian la secuencia evolutiva de una o mas variables, de manera sistemática, largo del tiempo basándose en una cohorte o grupo con características específicas que interesa analizar
    • A diferencia del de tendencia interesa, entonces, estudiar la evolución de la variable en la cohorte; es decir, un grupo particular y previamente definido.
  • 42. Diseños no experimentales longitudinales de evolución de grupo o cohorte : hipótesis H. I: “El rendimiento académico de los alumnos de la carrera de psicología, de una determinada Universidad, ingresados el 2009 (cohorte del 2009) varía en el transcurso de los años de formación
    • T.A.D: dependen del nivel de medición de las
    • variables en estudio:
    • Intervalares o de razón: Anova Simple.
    • Ordinal: Prueba no paramétrica de Kruskall - Wallis.
    • Nominal (categórica) u Ordinal (Categorizada): Contingencia
  • 43. Diseños no experimentales longitudinales de panel:
    • Acompañan a investigaciones que estudian la secuencia evolutiva de una o mas variables, de manera sistemática, largo del tiempo basándose en un panel o grupo más específico y definido que la cohorte.
    • El panel es equivalvente al estudio de casos en el contexto longitudinal
    • Si a lo largo del tiempo, en la investigación, hay mortalidad experimental el panel no tiene sentido.
    • Ej: el desarrollo de la teoría evolutiva de Piaget.
  • 44. Diseños no experimentales longitudinales de evolución de grupo o cohorte : hipótesis y T. A. D H. I: “El rendimiento académico de María, Carmen, Jorge y Claudia en la carrera de psicología, de una Universidad determinada, varía en el transcurso de los años de formación”
    • T.A.D: dependen del nivel de medición de las
    • variables en estudio:
    • Intervalares o de razón: Anova de medidas repetidas.
    • Ordinal: Prueba no paramétrica denominada Anova de Friedman.
    • Nominal (categórica dicotómica) u Ordinal
    • (Categorizada dicotómizada): Prueba no paramétrica “Q” de Cochraren
    • Nominal (categórica) u ordinal (categorizada) : Contingencia
  • 45. Diseños experimentales de investigación:
    • En general, acompañan a investigaciones explicativas o experimentales donde se manipula la variable independiente para analizar sus efectos sobre la dependiente (presencia – ausencia, grados y modalidades).
    • Habitualmente contrastan hipótesis explicativas que intentan poner a prueba relaciones causales entre variables.
    • En su sentido mas riguroso requieren de uso de grupo control o de comparación y de condiciones de control (experimental o estadístico) de la (s) variable (s) interviniente (s): aleatorización, constancia de la variable interviniente, igualación o equipareamiento, correlación parcial, ancova y mancova; respectivamente.
    • Hay cuatro modalidades: preexperimentales, cuasiexperimentales, experimentales propiamente tales y factoriales (constituyen un continuo que va de lo menos experimental a lo mas experimental).
  • 46. Diseños experimentales: Pre Cuasi Propiamente tales Factoriales Experimento puro o Verdadero Cuasi o pre experimento Aleatorizaciòn (control) y uso de grupo control
  • 47. Diseños experimentales: nomenclatura. X: Tratamiento o variable independiente O1: Medición en el grupo experimental O1”: Medición en el grupo control R: Aleatorización
  • 48. Diseño preexperimental de un solo grupo con postest solamente
    • Acompañan a investigaciones experimentales en el sentido de que hay aplicación de un tratamiento o variable independiente pero no hay grupo control, ni tampoco medición pre sino sólo post.
    • Contrastan hipótesis que se podrían denominar explicativas sin embargo son equivalentes a las hipótesis denominadas descriptivas, de estimación o para una población o del tipo muestra – parámetro.
  • 49. Diseño preexperimental de un solo grupo con postest solamente: estructura. X O1
  • 50. Diseños pre experimentales de un solo grupo con postest solamente : hipótesis H. I: “El taller de capacitación mejora las habilidades comunicacionales de los vendedores de intangibles ”
    • T.A.D: dependen del nivel de medición de la
    • Variable dependiente:
    • Intervalares o de razón: prueba paramétrica “t” para la media poblacional.
    • Nominal (dicotómica) u Ordinal (dicotomizada): prueba paramétrica para
    • la proporción poblacional o contraste no paramétrico binomial
  • 51. Diseño preexperimental de un solo grupo con pre y postest
    • Acompañan a investigaciones experimentales y constituyen una extención del anterior ya que hay uma medición pre y otra post aplicación de un tratamiento a un mismo grupo o muestra (muestra dependiente o correlacionada).
    • Contrastan hipótesis explicativas.
  • 52. Diseño preexperimental de un solo grupo con pre y postest: estructura. O1 X O2
  • 53. Diseños pre experimentales de un solo grupo con pre y postest: hipótesis H. I: “Después de la aplicación del taller de capacitación los vendedores (grupo experimental) aumentarán significativamente sus habilidades comunicacionales en comparación con la medición pre”
    • T.A.D: dependen del nivel de medición de la
    • Variable dependiente:
    • Intervalare o de razón: prueba paramétrica “t” para la diferencia de
    • medias poblacionales en muestras dependientes.
    • Ordinal (policotomizada): pruebas no paramétricas de Wilcoxon o de los
    • signos.
    • Nominal (dicotómica) u Ordinal (dicotomizada): prueba paramétrica para
    • la diferencia de proporciones poblacionales en muestras dependientes.
  • 54. Diseño pre experimental ex post facto
    • Acompañan a investigaciones experimentales y contrastan hipótesis que podrían denominarse explicativas, sin embargo son equivalentes a los diseños no experimentales transeccionales explicativos.
    • Se utilizan cuando falta el control de la situación inicial y el del estímulo, ya que se realiza después de haber actuado la variable experimental. En él se comparan dos grupos igualados (control experimental de variables intervinientes) por el investigador: uno ha sufrido un cierto impacto y el otro no.
  • 55. Diseño preexperimental ex post facto: estructura. X O I O I
  • 56. Diseños pre experimental ex post facto: hipótesis H. I: “Aquellos vendedores de intangibles orientados al logro son mas productivos que los no orientados”
    • T.A.D: dependen del nivel de medición de la
    • Variable dependiente:
    • Intervalare o de razón: prueba paramétrica “t” para la diferencia de
    • medias poblacionales en muestras independientes.
    • Ordinal (policotomizada): pruebas no paramétricas “U” de Mann - Whitney.
    • Nominal (dicotómica) u Ordinal (dicotomizada): prueba paramétrica para
    • la diferencia de proporciones poblacionales en muestras independientes.
  • 57. Diseños cuasi experimental de series cronológicas:
    • Acompañan a las investigaciones experimentales contrastando hipótesis explicativas.
    • No llevan grupo control.
    • Son una extensión del diseño pre experimental de un solo grupo con pretest y postest.
  • 58. Diseño cuasi experimental de series cronológicas: estructura. O1 O2 O3 X O4 O5 06
  • 59. Diseño cuasi experimental de series cronológicas: hipótesis H. I: “Después de la aplicación del taller de capacitación los vendedores (grupo experimental) aumentarán significativamente sus habilidades comunicacionales en comparación con las mediciónes pre”
    • T.A.D: dependen del nivel de medición de la
    • Variable dependiente:
    • Intervalare o de razón: prueba paramétrica Anova de medidas repetidas
    • Ordinal (policotomizada): prueba no paramétrica Anova de Friedman
    • Nominal (dicotómica) u Ordinal (dicotomizada): prueba no paramétrica
    • “ Q” de Cochrarene.
  • 60. Diseños cuasi experimental de muestras cronológicas:
    • Acompañan a las investigaciones experimentales contrastando hipótesis explicativas.
    • No llevan grupo control.
    • Son una derivación del de series cronológicas
  • 61. Diseño cuasi experimental de muestras cronológicas: estructura. O1 x O2 O3 x O4 O5 x O6
  • 62. Diseños cuasi experimental de muestras cronológicas: hipótesis H. I: “El taller de capacitación es efectivo para aumentar las habilidades comunicacionales de los vendedores (grupo experimental)
    • T.A.D: dependen del nivel de medición de la
    • Variable dependiente:
    • Intervalare o de razón: prueba paramétrica Anova de medidas repetidas
    • Ordinal (policotomizada): prueba no paramétrica Anova de Friedman
    • Nominal (dicotómica) u Ordinal (dicotomizada): prueba no paramétrica
    • “ Q” de Cochrarene.
  • 63. Diseños experimentales propiamente tales:
    • Acompañan a las investigaciones experimentales (experimentos puros) contrastando hipótesis explicativas.
    • Intentan rigurosamente el control de variables intervinientes o extrañas (control experimental o estadìstico)
    • Hacen uso de grupo control.
  • 64. Diseños experimental de grupo control con pre y postest:
    • Este diseño comprende, además de la variable experimental, todos los elementos de la observación experimental: las medidas antes y después del test y el grupo control al que no se le aplica tratamiento.
  • 65. Diseño experimental de grupo control con pre y postest estructura. R O1 x O2 (grupo experimental) R O1” O2” (grupo control)
  • 66. Diseños experimental de grupo control pre y postest: hipótesis H. I. General: “El tratamiento es efectivo para disminuir los niveles de burnout de los profesores” H1: “Antes de la aplicaciòn del tratamiento el grupo experimental y el control no presentaràn diferencias en sus nivels de burnout” H2: “El grupo control no presentarà cambios en sus niveles de B.O. antes y despuès de la aplicaciòn del tratamiento al grupo experimental”. H3: “Despuès de la aplicaciòn del tratamiento el grupo experimental disminuirà significativamente sus niveles de B.O. en comparaciòn a la mediciòn pre”. H4: “Despuès de la aplicaciòn del ttratamiento el grupo experimental disminuirà significativamente sus niveles de B.O. en comparaciòn con el control”. Hipòtesis especìficas
  • 67. Diseño experimental de grupo control pre y postest: T.A.D
    • H1: idem ex post facto
    • H2: idem pre experimental de un sòlo grupo con pre y postest.
    • H3: idem H2.
    • H4: idem H1
  • 68. Diseños experimental de grupo control sin pretest:
    • Es una variante del diseño anterior en la que se suprime el pretest pues se considera como no indispensable ya que la elección aleatoria de las personas de los grupos experimental y control asegura, si es correcta, la igualdad inicial de ambos grupos.
  • 69. Diseño experimental de grupo control sin pretest: estructura. R x O1 R O1”
  • 70. Diseños experimental de grupo control sin pretest: hipótesis H. I. General: “El tratamiento es efectivo para disminuir los niveles de burnout de los profesores” H1: “Despuès de la aplicaciòn del ttratamiento el grupo experimental disminuirà significativamente sus niveles de B.O. en comparaciòn con el control”. T.A.D: idem ex post facto. Hipòtesis especìficas
  • 71. Diseño experimental de cuatro grupos de Solomon:
    • Es un desarrollo del de grupo control con pretest y postest.
    • Consiste en añadir al diseño anterior dos nuevos grupos sin pretest: uno experimental y otro de control. Por tanto, combina los dos diseños anteriores y acumula las ventajas de ambos.
    • En este caso la repetición de las mediciones permite una mayor verificación de la variable independiente.
  • 72. Diseño experimental de cuatro grupos de Solomon: estructura. R O1 X O2 R O1” O2” R X O3 R O3”
  • 73. Diseños experimental de cuatro grupos de Solomon: hipótesis y T.A.D H. I. General: “El tratamiento es efectivo para disminuir los niveles de burnout de los profesores” H1: “Despuès de la aplicaciòn del ttratamiento los grupos experimentales disminuiràn significativamente sus niveles de B.O. en comparaciòn con loscontroles”. T.A.D: lo tradicional es comparar simultaneamente los grupos experimentales y controles despuès de la aplicaciòn del tratamiento. Si la variable dependiente es intervalar o de razòn se usarà una tècnica paramètrica denominada Anova Simple y si es ordinal una prueba no paramètrica denominada Anova de Kruskall – Wallis. Hipòtesis especìfica
  • 74. Diseños experimentales factoriales:
    • Acompañan a investigaciones experimentales y contrastan hipótesis explicativas pero también pueden asociarse a estudios correlacionales; especÍficamente para probar hipótesis multivariadas.
    • Comprenden dos o más variables independientes. También puede existir una o más dependientes.
    • Los niveles o categorías de las variables se combinan entre sí, dando lugar a diversos tratamientos.
    • Los sujetos o grupos se asignan aleatoriamente a los distintos tratamientos.
    • Hay tres tipos: factoriales propiamente tales, de bloques aleatorizados y de cuadrados (latino y griego)
  • 75. Diseño factorial propiamente tal:
    • Comprende una o mas variables independientes y dependientes.
    • Hay asignación aleatoria pero no usa otras formas de control estadístico o experimental de variables intervinientes o extrañas.
  • 76. Diseños experimental factorial propiamente tal: hipótesis y estructura H. I: “El estilo de liderazgo del profesor y clima social en el aula inciden en el rendimiento de los alumnos ” transformacional transaccional Autoritario total Positivo rendimiento rendimiento rendimiento Negativo rendimiento rendimiento rendimiento total
  • 77. Diseños factoriales propiamente tales: T.A.D
    • Dependen del nivel de medición de la variable dependiente:
    • Intervalar o de razón: anova factorial. Si hay mas de una variable
    • dependiente se usará manova
  • 78. Diseño factorial de bloques aleatorizados:
    • Presentan las mismas características de los factoriales propiamente tales pero controlan variables intervinientes o extrañas con otras técnicas mas alla de la aleatorización (experimentales y/o estadísticas).
  • 79. Diseños factorial de bloques aleatorizados: hipótesis y estructura H. I: “El estilo de liderazgo del profesor y clima social en el aula inciden en el rendimiento de los alumnos controlando la asistencia a clases de éstos” transformacional transaccional Autoritario total Positivo rendimiento rendimiento rendimiento Negativo rendimiento rendimiento rendimiento total
  • 80. Diseños factoriales de bloques aleatorizados: T.A.D
    • Dependen del nivel de medición de la variable dependiente:
    • Intervalar o de razón: análisis de covarianza (ancova) si el control es
    • estadístico. Si el control es experimental (se trabaja sólo con alumnos
    • de buen rendimiento, por ejemplo) se usará anova factorial
    • para el contraste de la hipótesis. Si hay dos o más variables dependientes
    • se aplicará mancova
  • 81. Diseños factoriales de cuadrados:
    • Se llaman de cuadrados porque sus estructuras son simétricas, es decir se presentan en tablas de contingencia o de doble entrada de 2 x 2, 3x3, 4 x 4; etc.
    • En general controlan dos variables extrañas o intervinientes.
    • Hay dos tipos: cuadrado latino y cuadrado griego o grecolatino.
    • El cuadrado latino tiene una variable independiente y el griego dos.
  • 82. Diseños factorial de cuadrado griego: hipótesis y estructura H. I: “El estilo de liderazgo del profesor y clima social en el aula inciden en el rendimiento de los alumnos controlando la asistencia a clases y los estilos deaprendizaje de éstos” transformacional transaccional total Positivo rendimiento rendimiento Negativo rendimiento rendimiento total
  • 83. Diseños factoriales de cuadrado griego: T.A.D
    • Dependen del nivel de medición de la variable dependiente:
    • Intervalar o de razón: análisis de covarianza (ancova) si el control es
    • estadístico. Si el control es experimental se usará anova factorial
    • para el contraste de la hipótesis. Si hay más de una variable dependiente se
    • podrá aplicar una mancova
  • 84. Diseños factorial de cuadrado latino: hipótesis y estructura H. I: “El estilo de liderazgo del profesor incide en el rendimiento de los alumnos controlando la asistencia a clases y los estilos deaprendizaje de éstos” transformacional transaccional total Buena n° alumnos n° alumnos Mala n° alumnos n° alumnos total
  • 85. Diseños factoriales de cuadrado latino: T.A.D
    • Dependen del nivel de medición de la variable dependiente:
    • Intervalar o de razón: ancova , si el control es
    • estadístico. Si el control es experimental se podrá usar prueba “t” de diferencias
    • de medias para muestras independientes (dos grupos a comparar) o
    • anova simple (más de dos grupos a comparar para el contraste de la hipótesis. Si hay más de
    • una variable dependiente se podrá aplicar una mancova .
    • Nominal (dicotómica genuina o real – tablas de 2 x 2): coeficiente de correlación
    • FI o de Contingencia . Policotómica genuina: Contingencia
    • Ordinal (dicotomizada, policotomizada): Contingencia. Si, eventualmente,
    • la independiente fuera dicotómica aparente o dicotomizada: coeficiente de correlación
    • Tetracórico.