Please enable JavaScript.

Coggle requires JavaScript to display documents.

Testos-estadísticos - Coggle Diagram

- - - - C.Spearman
    - - C. Sperman
    - - C. Pearson
    - - Coeficiente contingencia
    - - C. Punto Biserial
    - - Coeficiente contingencia
    - - C. Biserial.
    - - Coeficiente Phi
        
        https://www.youtube.com/watch?v=lJceteiKrzk
    - - C. Tetracórica
    - - ± 0.81 a ± 1.0 Muy fuerte
      - ± 0.61 a ± 0.8 Fuerte
      - ± 0.41 a ± 0.6 Moderada
        
        ± 0.81 a ± 1.0 Muy fuerte ± 0.61 a ± 0.8 Fuerte ± 0.41 a ± 0.6 Moderada ± 0.21 a ± 0.4 Débil
      - ± 0.21 a ± 0.4 Débil
      - ± 0.00 a ± 0.2 Ninguna
    - - ANALIZA>> CARELACIONAR>>> BIVARIADAS
        
        Si P-valor < 0,05 CORRELACIÓN SIGNIFICATIVA (acceptem hipòtesis nula)
  - - - PROGRAMAS INFORMATICOS
        
        Hoisan http://hoisansoft.blogspot.com/
        
        ReCal http://dfreelon.org/recal/recal-oir.php#result1
      - OBSERVADORES
        
        (2) o 3 o más observadores](https://example.com)
        
        Variables nominal / Ordinal / Intervalo / Ratio
        
        Alfa de Krippendorff
        
        https://franciscosegado.wordpress.com/2019/04/14/fiabilidad-en-el-analisis-de-contenido-como-calcular-facilmente-el-alfa-de-krippendorff/
        
        un buen grado de fiabilidad se encuentra entre 0,8 y 1.
        
        2 o más observadores
        
        Valores -1 a 1 , negativos inidica discordancia
        
        Hayes & Krippendorff, 2007
        
        Por debajo de 0,667 hablaríamos de un grado de acuerdo inaceptable
        
        https://www.dropbox.com/s/eyvybaongitaehr/MANUAL%20PARA%20EL%20C%C3%81LCULO%20DE%20LA%20CONCORDANCIA%20CAN%C3%93NICA%20DE%20KRIPPENDORFF.pdf?dl=0
        
        Variable discreta / Nominal / Categórica
        
        Coeficiente de concordancia de Fleiss
        
        Mayor a 0,75 indica una concordancia buena o excelente.
        
        https://youtu.be/c08HnufoP5A
        
        ICC Coeficiente de correlación intraclase (CCI) de Fisher
        
        Cuando se utiliza: Para 2 o más observaciones
        
        Variables
        
        Si la medida es una variable continua, entonces se puede utilizar el CCI de Fisher para medir la concordancia entre las medidas continuas.
        
        Si la medida es una variable nominal o categórica, se puede utilizar el CCI de Fisher para medir la concordancia entre las medidas de acuerdo o desacuerdo entre los observadores.
        
        Si la medida es una variable ordinal, se puede utilizar el CCI de Fisher para medir la concordancia en la posición relativa de las mediciones.
        
        Teniendo en cuenta que la mayoría de la bibliografía no suele describir de manera completa el correcto uso de los ICC para distintos experimentos es aconsejable en nuestra redacción científica reflejar el tipo de ICC utilizado según la clasificación de Shrout & Fleiss:
        
        Tipos de ICC Clasificación Shrout and Fleiss Nomenclatura en SPSS
        ICC(1,1) One-way random single measures I acuerdo absoluto un evaluador
        CC(1,k) One-way random average measures
        ICC(2,1) Two-way random single measures (Consistency/Absolute agreement) ICC(2,k) Two-way random average measures (Consistency/Absolute agreement) ICC(3,1) Two-way mixed single measures (Consistency/Absolute agreement) ICC(3,k) Two-way mixed average measures (Consistency/Absolute agreement)
        
        Shrout, P. E., & Fleiss, J. L. (1979). Intraclass correlations: uses in assessing rater reliability. Psychological bulletin, 86(2), 420-8. Retrieved from http://www.ncbi.nlm.nih.gov/pubmed/18839484
        
        1 more item...
        
        En resumen, si solo deseas evaluar la consistencia entre los dos observadores en una única ocasión, utiliza el ICC(1). Si también deseas tener en cuenta la variación entre las diferentes ocasiones de medición, considera el ICC(2) o el ICC(3), según tus necesidades específicas. MIRAR DOCUMENT BOX C:\Users\Jaume\Box\Biblioteca general_Estadística- Enquestes qüestinonaris\1 Concordancia interobservadores i ICC\ICC El_coeficiente_de_correlacion_intraclase
        
        Interpretación de coeficientes ICC
        
        ICC< 0,4 baja; regular/buena >=0,41 ICC <=0,75; Muy buena >075
        
        https://metodo.uab.cat/arxius/material/general/El_coeficiente_de_correlacion_intraclase.pdf
        
        0,4 indican baja fiabilidad; cuando se encuentran entre 0,4 y 0,75 una fiabilidad entre regular y buena; y valores superiores a 0,75 se refieren a una fiabilidad excelente. Fleiss JL. The design and analysis of clinical experiments. new York: Wiley; 1986. Prieto L, Lamarca R, Casado A. Assessment of the reliability of clinical findings: the intraclass correlation coefficient. Med Clin (Barc) 1998;110:142-5.
        
        Vídeos
        
        https://youtu.be/7MNKoMynn7c
        
        VíDEO BO https://youtu.be/UL6kGaPg52Y
        
        COMO UTITLZARLO Y TIPOS https://youtu.be/v2d6eyYoh4M
        
        SPSS
        
        Analizar ... Escala...Analisis de fiablidad ... Estadísticos....Cooeficiente corelación entreclasses... Modelo tipus de ICC
        Si dos observadors una sola mesura ICC1 SPSS model MIXo dos factores TIPO acuerdo absoluto
        
        https://www.cursoestadisticaonline.com/blog/34-tipos-de-indice-de-correlacion-intraclase-icc
        
        QUE ÉS y COMO SE CALCULA EN SPSS
        
        https://app.box.com/s/sc9u55fv3371skqvf4s9qqg6z21dcpfu
        
        Què és?
        https://app.box.com/s/zmdh9rhnd26lo8gt82xhx166s3p486v3
        
        Variables Continuas
        
        Coeficiente de Correlación Concordancia (CCC).
        
        https://www.youtube.com/watch?v=bGpph-qZHk0
        
        2 Observadores / 2 Variables
        
        Variables Contínuas
        
        Lineales
        
        Coeficiente de correlación de Pearson:
        
        No lineales
        
        Coeficiente de correlación de Spearman
        
        Variable categóricas / o tambe discretes
        
        Coeficiente de kappa de Cohen
        
        Este coeficiente se utiliza para evaluar la concordancia entre dos observadores que han clasificado una variable en categorías discretas. El coeficiente de kappa ajusta la concordancia observada por la concordancia esperada al azar.
        
        Pobre o débil para valores menores a 0,40,moderada, para valores de entre 0,41 y 0,60, buena, entre 0,61 y 0,80, y muy buena para valores superiores hasta 1. Landis JR, Koch GG. The measurement of observer agreement for categorical data. Biometrics 1977;33:159-74.
        
        Kappa es dependiente del número de categorías. Cuantas más categorías se estén considerando, más difícil será clasificar correctamente los sujetos de observación, lo que habitualmente implica valores de kappa más bajos. Por tanto, debe tenerse en cuenta el número de categorías a la hora de interpretar kappa.
        
        Limitaciones /recomendaciones
        
        Limitaciones
        
        4 more items...
        
        Recomedacions
        
        5 more items...
        
        https://app.box.com/s/8tp1acgjvy6y6s6kr479atfyankbh0uk
        
        Variables ordinales
        
        Coeficiente de correlación de Spearman
- - - - Discreta
        
        Intervalo
        
        Los intervalos entre sus clases son iguales.
        
        Razón
        
        El cero sí indica ausencia de atributo
      - Contínua
        
        Razón
        
        Intervalo
    - - Dicotómica /Binaria
      - Ordinal
        
        Dicotómica
        
        Politómica
      - Nominal
- - - - DATOS NO NORMALES Mediana - median (Rango intercuartil - IQR)
        
        SPSS: Analizar << Estadísticos descriptivos << Explorar
      - DATOS NORMALES
        Media - Mean (DESVEST - SD)
        
        SPSS: Analizar << Estadisticos descriptifos << Frecuencias
    - - COMPARACIONS DOS MEDIAS INDEPENDIENTES (dos grupos indenpendientes ejem hombre vs mujer)
        
        DATOS NO NORMALES : Si p-valor < 0,05 No normal . Si p-valor >= 0,05 DATOS NORMALES
        
        U de Mann-Whitney
        
        SPSS: no PARAMÉTRICA >> CUADRO DIALOGO ANTIGUO >>
        2 MUESTRAS INDEPENDIENTES >>
        
        DATOS NORMALES (si n >=30 asumimos normalidad)
        
        Td’Student-Fisher per mostres independents
        
        SPSS : ANALIZAR << COMPARAR MEDIAS << PRUEBA T PARA MUESTRAS INDEPENDIENTES . Añadir variables agrupación (hombre/mujer)
        
        MIrar prueba de Levene de igualdad de varianzas: Si P valor <0.05 hi ha diferències significatives (son no homogènies) si Pvalor 0,05 >= no hi ha diferències (variàncies homogènies)
        
        Si variàncies iguals homogènies mira p-valor Equal variances assumed
        
        1 more item...
        
        Si no son homogènies , iguals, mirar valor P Equal variances not assumed
      - COMPARACIÓN de DOS medias APAREJADAS o medidas repetidas
        
        DATOS NORMALES
        
        T-Student Fisher per mostres relacionades
        
        SPSS: ANALIZAR COMPARAR MEDIAS  PRUEBA T PARA MUESTRAS RELACIONADAS
        
        P valor < 0.05 per tant H1 HI HA diferències significatives
        
        Si P-valor >= 0,05 NO HAY DIFERENCIAS (NO
        acceptem hipòtesis nula)
        
        DATOS NO NORMALES : Si p-valor < 0,05 No normal . Si p-valor >= 0,05 DATOS NORMALES
        
        Test de Wilcoxon.
        
        SPSS: ANALIZAR >> PRUEBAS NO PARAMÉTRICA >> CUADRO DIALOGO ANTIGUO >>
        2 MUESTRAS RELACIONADAS >>
        
        Si P-valor >= 0,05 NO HAY DIFERENCIAS (NO
        acceptem hipòtesis nula)
    - - COMPARACIONES de TRES o MÁS MEDIAS INDEPENDIENTES (tres o más grupos independientes ejem hombre vs mujer vs bnarios) (per exemple comparar si 3 grups si hi ha diferències entre una mitjana)
        
        DATOS NORMALES
        
        Anàlisi de la Variància (ANOVA)
        
        SPSS: ANALIZARCOMPARAR MEDIAS  ANOVA DE UN FACTOR
        
        Variables factor (variable de clasificacíón)
        
        P valor < 0.05 per tant H1 HI HA diferències significatives
        
        1 more item...
        
        Si P-valor >= 0,05 NO HAY DIFERENCIAS (NO
        acceptem hipòtesis nula)
        
        DATOS NO NORMALES
        
        Kruskal-Wallis
        
        SPSS: ANALIZARPRUEBAS NO PARAMÉTRICAS  CUADRO DE DIALOGOS ANTIGUOS  PRUEBA PARA k VARIAS MUESTRAS INDEPENDIENTES
        
        Si P-valor >= 0,05 NO HAY DIFERENCIAS (NO
        acceptem hipòtesis nula)
  - - - DESCRIPTIVOS
        
        SPSS::ANALIZAR → ESTADÍSTICOS DESCRIPTIVOS → TABLAS CRUZADAS
        
        Estadísticos: marcar Chi-cuadrado Casillas: % Observado i esperado % Por filas
        
        SPSS Variable A ANALITZAR SEMPRE EN COLUMNES grupos a COMPARAR EN FILES per exemple GENERE , o "clínic/no clinic"
        
        MARCAR a SPSS Prueba Z Comparar las proporciones de columna /Tablas cruzadas<<Casillas<<<PruebaZ<<<Comparar columnas i Corregir valores p)
        
        A Prueba Z :Si tenim molts grups a les FILES recomanables posar "Corregir valores p (método de Bonferroni)
        
        Mirar el subíndex
        
        SI TOTS IGUALS vols dir que NO HI HAURÀ DIFERENÈNCIES entre els grups i que totes estan dins del mateix INTERVALS DE CONFIANÇA i NO HI HA DIFERÈNCIES EN LES PROPORCIONS
        
        SI TOTS diferents vols dir que HI hauria DIFERÈNCIES entre els grups i que totes NO estan dins del mateix INTERVALS DE CONFIANÇA i HI HA DIFERÈNCIES EN LES PROPORCIONS
      - 2 x 2 categories
        
        Cas 2x2 ( freqüències teòriques>=5)
        
        Chi-quadrat de Pearson (I Correcció de continuïtat)
        
        Chi-cuadaro
        
        p<=0.05 (rechazo hipòtesis nula) HAY DIFERENCIAS
        
        Si diferencias calcula IC
        
        Correlación por continuidad:
        
        p-valor p<=0.05 (rechazo hipòtesis nula) HAY DIFERENCIAS
        
        Cas 2x2 (freqüències teòriques<5)
        
        Estadístic exacte de Fisher
        
        Mira Sig. exacta (bilateral)
      - MÉS DE 2 categories
        
        Cas NxN ( freqüències teòriques>=5)
        
        Si UNA VARIABLE ÉS ORDINALS amb MÉS DE DUES CATEGORIES
        
        Valorar les tendències (lineals)
        
        Linear-by-Linear Association
        
        Chi-Cuadrat
        
        Cas NxN ( freqüències teòriques<5)
    - - McNemar
        
        p<=0.05 (rechazo hipòtesis nula) HAY DIFERENCIAS
- - - - Nunnally(1978), Nunnally i Bernstein (1994)
    - - Consistencia interna
        
        Alfa de Chronbach
        
        Aplicación
        
        Test
        
        Test-retest
        
        Variables
        
        Ordinales (likerd)
        
        Dicotónicas (da lo mismos en SPSS que KR-20)
        
        SPSS Analiza >> Escalas >>> Análisis de fiablidad <<< Alfa
        
        Omega de McDonald
        
        ÉS SUSTITUTO i MEJOR DE ALFA CRONBACH
        
        MCDonald (1999) Frías-Navarro (2020) Peters (2014), Ventura-León (2017)
        
        SPSS >>>> Anlizar>>>>Escalas >>>>Analisis fibilidad >> MODELO (parte inferiror ventana >>>> Omega
        
        https://www.youtube.com/watch?v=oE5fbEUANlU
        
        Entre 0,7 i 0,9 (Campo-Arias i Oviedo 2008) i en algunas circunstancias aceptable major 0,65 (Katz,2006) estudiós exploratorios
        
        Campo-Arias, A., & Oviedo, H. C. (2008). Psychometric properties of a scale: internal consistency. Revista de salud pública, 10(5), 831-839.
        
        Variables
        
        EN ESCALAS ORDINALES, likerd
        
        Dos mitades (Split half)
        
        Variables
        
        Ordinal
        
        Dicotómicas con SPSS el KR-20 lo hace con Alfa de Cronbach
        
        SPSS
        
        https://www.youtube.com/watch?v=qegaW5l7wqM
        
        Hacer primero alfa de cronbach
        
        Ordenar valores Correlación total de elementos corregidos de major a menor en el excel.
        
        1 more item...
        
        KR-20 y KR-21 Kuder-Richardson
        
        Aplicación
        
        En escalas
        
        Con VARIABLES DICOTRÓMICAS :Urrutia et al (2014)
        
        Instrumentos
        
        Test
        
        Índice de dificultad diferentes
        
        Probabilidad de éxito diferentes
        
        Variables
        
        Sólo dicotómicas
        
        KR20 utilizar cuando índice de dificultad ítesm DIFERENTES
        
        KR21 utilizar cuando índice de dificultad ítesm TODOS IGUALES
      - Estabilidad (test-retest) en SUMA TOTAL ESCALAS
        
        Pearson
        
        SPSS Analiza >> Correlacionar >>> Bivariadas
        
        Variables
        
        Razon
        
        Ordinal
        
        2 variables ordinales Spearman
        
        Alfa de Cronbach
        
        Variables
        
        Nominal
        
        Ordinal
        
        Razón
      - Equivallencia (Formas paralelas) SUMA TOTAL ESCALA
        
        Pearson
        
        Variables
        
        Nominal
        
        Ordinal
        
        Razón
        
        APLICACIÓN DOS VECES UN CUESTIONARIO CON DOS VERSIONES o MODIFICACIONES
  - - - Casas et al, (2022), Abeille et al (2015), Erazo et al (2019) Useche et al (2020) Mayorga-Ponce et al (2020)
- - - - En resumen, el intervalo de confianza es una forma de estimar la incertidumbre alrededor de un cálculo, proporcionando un rango plausible donde se espera que esté el verdadero valor en la población, con un cierto nivel de confianza.
- - - - Muñiz, Elosua & Hambleton, 2013
        
        Si el valor de V de Aiken es mayor de .80 y Alfa de Krippen¬dorff es mayor de .70 en todos los indicadores se mantendría el ítem.
        
        • Si el valor de V de Aiken es menor de .80 y el Alfa de Krip¬pendorff es menor de .40 en todos los criterios, se descartaba el ítem.
        
        • Si el valor de V de Aiken es menor de .80 en uno o dos de los criterios y mayor de .40 en Alfa de Krippendorff, se hacían las correcciones y ajustes al ítem.
        
        Ejemplo : Validez de contenido y confiabilidad inter-observadores
        de Escala Integral Calidad de Vida https://app.box.com/s/2zfofeqheb9pt4u0ikj9jdmr0lchmucg
- - - - Kolmogorov-Smirnov
        
        Si p-valor < 0,05 No normal . Si p-valor >= 0,05 DATOS NORMALES
    - - Shapiro-Wilk
        
        Si p-valor < 0,05 No normal . Si p-valor >= 0,05 DATOS NORMALES
    - - DATOS NORMALES
        
        Variable dicotòmica / Escala- Mitjana
      - DATOS NO NORMALIDAD