Orientaciones estadísticas aplicadas a la investigación

661 views

Published on

0 Comments
1 Like
Statistics
Notes
  • Be the first to comment

No Downloads
Views
Total views
661
On SlideShare
0
From Embeds
0
Number of Embeds
57
Actions
Shares
0
Downloads
28
Comments
0
Likes
1
Embeds 0
No embeds

No notes for slide

Orientaciones estadísticas aplicadas a la investigación

  1. 1. Orientaciones estadísticas aplicadas a la investigación 26 Febrero 2014
  2. 2. Esquema de la sesión • Introducción • Qué es la estadística?? • Procedimientos de análisis • Interpretación de los resultados • Presentación de la información • Recursos
  3. 3. A qué os suena la estadística????
  4. 4. QUÉ ES LA ESTADÍSTICA ???? "La estadística es una ciencia que demuestra que si mi vecino tiene dos coches y yo ninguno, los dos tenemos uno“
  5. 5. Definiciones y clasificaciones • La Estadística es una ciencia de técnicas. • En Estadística hay tres tipos fundamentales de acciones: Descripción, Relación y Comparación. – Descripción: se mira lo que se tiene – Relación: se pretende establecer relaciones matemáticas que modelicen esa relación. – Comparación: comparan poblaciones de individuos. igualdad o diferencia entre grupos • La Relación y la Comparación son técnicas inferenciales. La muestra ahora es un medio, no un fin. Se pretende desde la muestra sacar conclusiones poblacionales.
  6. 6. Variables y medición Recogemos datos con determinados instrumentos: cuestionarios, tests, guías para codificar la observación, etc. Estos instrumentos (o escalas en un sentido genérico) nos dan datos que pueden ser de varios tipos: Variables nominales o categóricas: los datos son categorías de clasificación, como el sexo, lugar de procedencia, etc… Variables continuas son aquellas que pueden adquirir valores numéricos consecutivos de menos a más (como la edad, rendimiento académico, grado de acuerdo con una afirmación, etc.) y pueden ser de tres tipos: 1. Ordinales ej: orden en terminar un test 2. De intervalo ej: resultado de un test de inteligencia 3. De razón, ej: altura en cm, edad en años… LAS VARIABLES PODEMOS TAMBIÉN CONVERTIRLAS ESTOS TIPOS DE ESCALAS TIENEN IMPLICACIONES IMPORTANTES EN LA TEORÍA DE LA MEDICIÓN, PORQUE EL TIPO DE DATO O ESCALA CONDICIONA LOS TIPOS DE ANÁLISIS MATEMÁTICOS QUE PUEDEN HACERSE.
  7. 7. Muestreo Población  todos los elementos que han sido escogidos para su estudio Muestra  una porción escogida de la población. Existen diferentes tipos de muestreo: • Muestreo probabilístico: principio de equiprobabilidad. Sólo estos métodos nos aseguran la representatividad de la muestra extraída – Muestreo aleatorio simple – Muestreo aleatorio sistemático – Muestreo aleatorio estratificado – Muestreo aleatorio por conglomerados • Muestreo no probabilístico: no sirven para realizar estimaciones inferenciales sobre la población. se seleccionan a los sujetos siguiendo determinados criterios Muestreo por cuotas – Muestreo intencional o de conveniencia – Bola de nieve – Muestreo Discrecional
  8. 8. Procedimientos de análisis "Tengo mis resultados hace tiempo, pero no sé cómo llegar a ellos" K. F. Gauss
  9. 9. PROCESODEANÁLISIS ORGANIZACIÓN DE LOS DATOS Recodificación de variables Limpieza de errores Cálculo de nuevas variables ANÁLISIS UNIVARIANTE OBJETIVO : Describir las características principales de la muestra de estudiantes METODOLOGÍA: Resumir frecuencias de las principales variables TÉCNICAS: Cálculo de estadísticos descriptivos básicos (Medidas de tendencia central, dispersión y distribución) y representación gráfica de los resultados ANÁLISIS BIVARIANTE OBJETIVO : Analizar las variables objeto de estudio y su relación con las variables socio-demográficas básicas (género, edad,…) FORMULACIÓN DE HIPÓTESIS: Hipótesis nulas: No hay relación ni diferencias significativas entre variables TÉCNICAS: - Análisis de asociación entre variables a través del test chi-cuadrado (x2) - Análisis de correlación a través del coeficiente r de Pearson - Análisis comparativo de medias mediante la prueba t para muestras independientes - Análisis simple de la varianza (ANOVA) ANÁLISIS MULTIVARIANTE OBJETIVO : Analizar de forma conjunta variables objeto de estudio y variables socio-demográficas básicas TÉCNICAS: - Ver tabla en la siguiente diapositiva
  10. 10. A. UNIVARIANTE ESTADÍSTICO OBJETIVO DIFICULTADES / LIMITACIONES Conocer el valor promedio de una distribución Sólo con variables continuas Muy afectada por valores extremos Moda Conocer el valor más repetido de una distribución Sólo con variables continuas Mediana Conocer el valor que se encuentra exactamente en la mitad del conjunto de datos después que las observaciones se han ubicado en serie ordenada. Sólo con variables continuas MEDIDAS DE TENDENCIA CENTRAL: Permiten identificar y ubicar el punto (valor) alrededor del cual se tienden a reunir los datos (“Punto central”). ESTADÍSTICO OBJETIVO DIFICULTADES / LIMITACIONES Varianza (σ2) Conocer la diferencia promedio que hay entre cada uno de los valores respecto a su punto central (Media) Sólo con variables continuas Desviación típica (σ) Conocer el promedio aritmético de fluctuación de los datos respecto a su punto central o media. Sólo con variables continuas MEDIDAS DE DISPERSIÓN: Permiten reconocer que tanto se dispersan los datos alrededor del punto central
  11. 11. A. UNIVARIANTE MEDIDAS DE DISTRIBUCIÓN: Describen la manera como los datos tienden a reunirse de acuerdo con la frecuencia con que se hallen dentro de la información. • Asimetría • Curtosis
  12. 12. A. BIVARIANTE TÉCNICA ESTADÍSTICA OBJETIVO POSIBLE APLICACIÓN DIFICULTADES / LIMITACIONES Análisis de asociación (test chi-cuadrado x2) Conocer si hay una asociación estadísticamente significativa entre dos variables Buscar relaciones de asociación Ej: Sexo – probabilidad movilidad Sólo con variables nominales (ej: categorías) Análisis de correlación (r de Pearson) Medir el porcentaje de la varianza de la variable dependiente explicado por la variable independiente Buscar relaciones de dependencia. Ej: Motivaciones - impacto de la movilidad Sólo con variables continuas (ej: puntuaciones) Análisis comparativo (prueba t para muestras independientes) Testar estadísticamente si las respuestas (media, distribución, desviación típica) de los grupos a una pregunta concreta son significativamente diferentes. Si existen diferencias significativas entre las medias de dos variables sociodemográficas con respecto a una variable de movilidad Sólo con variables continuas (ej: medias) Análisis de la Varianza (ANOVA one way) Testar estadísticamente si las respuestas (media, distribución, desviación típica) de los grupos a una pregunta concreta, son significativamente diferentes, y cuál de los grupos es significativamente diferente de los demás. Si existen diferencias significativas entre las medias de dos variables sociodemográficas con respecto a una variable de movilidad Sólo con variables continuas (ej: medias)
  13. 13. A. MULTIVARIANTE TÉCNICA ESTADÍSTICA OBJETIVO POSIBLE APLICACIÓN DIFICULTADES / LIMITACIONES Análisis de la Varianza de 2 factores (ANOVA two way) Determinar si existe diferencia significativa de medias entre grupos o categorías de cada uno de los 2 factores respecto de la variable dependiente Si existen diferencias significativas entre las medias de dos variables sociodemográficas con respecto a una variable de movilidad Sólo con variables continuas (ej: medias) Regresión Múltiple y Simple Establecer en qué medida una variable dependiente viene explicada por el resto de las variables independientes Buscar explicación a las posibles diferencias en la percepción del impacto de la movilidad Sólo con variables continuas (ej: puntuaciones) Análisis Multivariante de la Varianza de 1 y 2 factores (MANOVA) Comparar P grupos para descubrir si existe diferencias significativas entre ellos respecto a M variables 1 Factor: Existen diferencias significativas entre Género y Área de estudio en la media de las variables de movilidad 2 Factores: = +incluir de forma comparada distintos partners Sólo con variables continuas (ej: medias) Análisis de Conglomerados (CLUSTER) Agrupar a alos elementos de una muestra en grupos lo más homogéneos posible y distintos entre sí Establecer diferentes grupos en cuanto a variables de movilidad Elección de variables con capacidad de discriminación Caracterización de los clusters Análisis Discriminante Estudiar las diferencias entre dos o más grupos de casos (var. dep. Cualit) con respecto a ciertas características (una o más var. indep cuanti) ?????? Se parte de la existencia de grupos a priori Correlación Canónica Estimar la correlación existente entre un conjunto de variables independientes (Xi) y otro conjunto de variables dependientes (Yi) ?????? Necesidad de hacer grupos de variables con baja interrelación dentro de cada grupo Análisis Factorial de Componentes Principales Explicar según un modelo lineal un conjunto extenso de variables (M) observables mediante un número reducido de variables hipotéticas llamadas factores comunes (F) Buscar factores que explican las motivaciones de la movilidad o la percepción del impacto de la misma
  14. 14. SPSS • Qué es??? – Statistical Package for the Social Sciences – Programa estadístico capaz de trabajar con grandes bases de datos y un sencillo interface para los análisis. – Otros software: SAS, MATLAB, Statistica, Stata, y libre, el Lenguaje R.
  15. 15. SPSS Qué hace????
  16. 16. SPSS Qué no hace???? Sustituirnos de momento…
  17. 17. Interpretación de los resultados “La estadística ha demostrado que la mortalidad de los militares aumenta perceptiblemente durante tiempos de guerra.” Alphonse Allais
  18. 18. Interpretación de la información • LOS DATOS NO “HABLAN POR SÍ MISMOS” – papel del investigador • ORDEN ¿¿¿Lógico??? - atención a las preguntas específicas planteadas en los objetivos o hipótesis de estudio • PREGUNTAS CLAVES 1. ¿Son buenos los datos? 2. ¿Podría el azar o algún sesgo explicar los resultados? 3. ¿Cómo se comparan los resultados con los de otros trabajos? 4. ¿Qué teorías o mecanismos podrían explicar los hallazgos? 5. ¿Qué hipótesis nuevas son sugeridas? 6. ¿Cuáles son los próximos pasos de investigación? 7. ¿Cuáles son las implicaciones?
  19. 19. Presentación de la información “Esa teoría [la teoría de sistemas de Luhmann] puede servir como legitimación de la limitación sistemática de una comunicación capaz de influir decisivamente en la dimensión práctica de la sociedad” Jürgen Habermas
  20. 20. Presentación de la información • Método – Características de la muestra – Procedimiento de investigación – Análisis de datos • Resultados – Formulación de las hipótesis – Nivel de significación – Selección del estadístico – Resultados – Decisión estadística y conclusión • Discusión
  21. 21. Gráficos estadísticos • Uso: cada vez es más habitual • Objetivo: que la información impacte con poco esfuerzo • Prudencia: una misma información se puede representar de formas muy diversas, y no todas ellas son pertinentes. • ¿Qué le pedimos a un gráfico estadístico?: que sea entendible por prácticamente cualquier persona el fenómeno que se va a representar. • Un buen gráfico estadístico es aquel que respetando los principios básicos de construcción del mismo, debe ser perfectamente entendible de un vistazo para todos los individuos que lo visualicen.
  22. 22. Graficos manipulados Ejemplos Reales
  23. 23. Paro Registrado FEBR-AGO 2013 Lo que dice TELEVISIÓN ESPAÑOLA…. Lo que dice EL MINISTERIO DE EMPLEO….
  24. 24. Inversiones del Estado previstas para 2011 por Comunidades Autónomas Lo que dice TELEMADRID Lo que dicen LOS PRESUPUESTOS GENERALES DEL ESTADO ….
  25. 25. Recursos
  26. 26. Recursos • BIBLIO – CASTELLANO: • Calvo Gómez, Félix. 2006. Técnicas estadísticas multivariantes aplicadas con SPSS-Windows. • Calvo Gómez, Félix. 2005. Técnicas estadísticas aplicadas a la investigación social. • Alvarez Sainz, María Jesús. 2000. Análisis estadístico con SPSS : procedimientos básicos – ENGLISH: • Field, Andy P. 2013. Discovering statistics using SPSS : (and sex, drugs and rock'n' roll) – EUSKARAZ: • Izaskun Ibabe, Juan Etxeberria. 2006. Datu-analisia eta SPSS : praktikak • WEB – Facultad de Ciencias Políticas y Sociología - Dpto. SOCIOLOGÍA IV – UCM . Introduccion al spss y Ánalisis de datos http://pendientedemigracion.ucm.es/info/socivmyt/paginas/D_departamento/ma teriales/datos_multivariante.htm

×