Please enable JavaScript.

Coggle requires JavaScript to display documents.

Análisis de datos cualitativo, Yessica Mahé Méndez - Coggle Diagram

- - - - El nivel de medición de las variables
      - La manera como hayas formulado las hipótesis
      - Tu interés analítico (que depende del planteamiento del problema)
- - - - Medida de estabilidad (confiabilidad por test-retest): un mismo instrumento de medición se aplica dos o más veces a un mismo grupo de personas o casos, después de cierto periodo.
      - Método de formas alternativas o paralelas: En este esquema no administras el mismo instrumento de medición, sino dos o más versiones equivalentes de este.
      - Método de mitades partidas (split-halves): necesita solo una aplicación de la medición. Específicamente, el conjunto total de ítems o reactivos lo divides en dos mitades equivalentes y comparas las puntuaciones o resultados de ambas.
      - Medidas de coherencia o consistencia interna: Son coeficientes que estiman la confiabilidad: a) el alfa de Cronbach (desarrollado por J. L. Cronbach) y b) los coeficientes KR-20 y KR-21 de Kuder y Richardson (1937). El método de cálculo de estos requiere una sola administración del instrumento de medición.
    - - La evidencia sobre la validez del contenido se obtiene mediante las opiniones de expertos y al asegurarse de que las dimensiones medidas por el instrumento sean representativas del universo o dominio de dimensiones de las variables de interés.
- - - - Estadística descriptiva
        
        Distribución de frecuencias: conjunto de puntuaciones de una variable ordenada en sus respectivas categorías. pueden completarse agregando los porcentajes de casos en cada categoría, los porcentajes válidos (excluyendo los valores perdidos) y los porcentajes acumulados.
        
        Las distribuciones de frecuencias, especialmente cuando utilizas los porcentajes, pueden presentarlas en forma de histogramas o gráficas de otro tipo.
        
        Pero además de la distribución o polígono de frecuencias, debes calcular las medidas de tendencia central y de variabilidad o dispersión.
        
        Las medidas de tendencia central son los valores medios de la distribución de frecuencias y son útiles para ubicar los resultados de la muestra en la escala de medición de la variable en cuestión. Las medidas de tendencia central principales son tres: moda, mediana y media.
        
        La moda o modo es la categoría, puntuación o intervalo (o punto medio de este) que ocurre con mayor frecuencia.
        
        La mediana es el valor que divide a la distribución o escala presentada exactamente por la mitad.
        
        La media es la medida de tendencia central m~ utilizada y puede definirse como el promedio aritmético de una distribución.
        
        Las medidas de la variabilidad indican la dispersión de los datos en la escala de medición de la variable en cuestión y responden a la pregunta sobre dónde están diseminadas las puntuaciones obtenidas para la muestra o casos.
        
        Las medidas de la variabilidad más utilizadas son rango, desviación estándar y varianza.
        
        3 more items...
        
        El porcentaje acumulado constituye lo que aumenta en cada categoría de manera porcentual y progresiva (en orden de aparición de las categorías), tomando en cuenta los porcentajes válido.
        
        Las columnas porcentaje y porcentaje válido son iguales (mismas cifras o valores) cuando no hay valores perdidos; pero si tienes valores perdidos, la columna porcentaje válido presenta los cálculos sobre el total menos tales valores.
        
        La asimetría es una estadística necesaria para conocer cuánto se parece nuestra distribución a una distribución teórica llamada curva normal constituye un indicador del lado de la curva donde se agrupan las frecuencias
        
        La curtosis es un indicador de lo plana o "picuda" que es una curva.
        
        Las puntuaciones z son transformaciones que puedes hacer a los valores o datos obtenidos, con el propósito de analizar su distancia respecto a la media, en unidades de desviación estándar, y comparar mediciones de escalas distintas.
        
        Una razón es la relación entre dos categorías.
        
        Una tasa es la relación entre el número de casos, frecuencias o eventos de una categoría y el número total de observaciones, multiplicada por un múltiplo de la, generalmente 100 o 1 000.
- - - - Es unimodal, una sola moda.
      - La asimetría es cero. La mitad de la curva es exactamente igual a la otra mitad. La distancia entre la media y -3s es la misma que la distancia entre la media y +3s.
      - Es una función particular entre desviaciones respecto a la media de una distribución y la probabilidad de que estas ocurran.
      - La base está dada en unidades de desviación estándar (puntuaciones z), destacando las puntuaciones - ls, - 2s, - 3s, + ls, +2s y +3s (que equivalen respectivamente a - 1.00z, -2.00z, - 3.00z, +1.00z, +2.00z, +3.00z). Las distancias entre puntuaciones z representan áreas bajo la curva. De hecho, la distribución de puntuaciones z es la curva normal.
      - Es mesocúrtica (curtosis de cero).
      - La media, la mediana y la moda coinciden en el mismo punto (el centro).
    - - Si es baja, el investigador dudará en generalizar a la población. Si es alta, el investigador podrá hacer generalizaciones.
        
        Es aquí donde entra el nivel de significancia o nivel alfa (a),9 el cual es un nivel de la probabilidad de equivocarte y lo fijas antes de probar hipótesis inferenciales (generalizar los resultados de tu muestra a la población) o al interpretar los resultados.
        
        a) El nivel de 5ignificancia de 0.05, el cual implica que el investigador (tú) tiene 95% de seguridad para generalizar sin equivocarse y solo 5% en contra.
        
        b) El nivel de significancia de 0.01, el cual implica que el investigador tiene 99% en su favor y 1 % en contra (0.99 y 0.01 = 1.00) para generalizar sin temor.
        
        El nivel de significación representa áreas de riesgo o confianza en la distribución muestral.
    - - Aceptar una hipótesis verdadera (decisión correcta).
      - Rechazar una hipótesis falsa (decisión correcta).
      - Aceptar una hipótesis falsa (conocido como error del Tipo II o error beta).
      - Rechazar una hipótesis verdadera (conocido como error del Tipo I o error alfa).
    - - La distribución poblacional de la variable dependiente es normal: el universo tiene una distribución normal.
        
        El nivel de medición de las variables es por intervalos o razón.
        
        Cuando dos o más poblaciones son estudiadas, tienen una varianza homogénea: las poblaciones en cuestión poseen una dispersión similar en sus distribuciones.
        
        Pruebas:
        
        • Coeficiente de correlación de Pearson y regresión lineal (planteamientos e hipótesis correlacionales y causales).
        
        • Prueba t (planteamientos e hipótesis de comparación de dos grupos en sus medias y distribuciones).
        
        • Prueba de contraste de la diferencia de proporciones (planteamientos e hipótesis de comparación de dos grupos en porcentajes o proporciones).
        
        • Análisis de varianza unidireccional (ANOVA en un sentido) (planteamientos e hipótesis de comparación de dos o más grupos en sus distribuciones).
        
        • Análisis de varianza factorial (ANOVA) (planteamientos e hipótesis correlacionales, causales y de comparación de varios grupos).
        
        • Análisis de covarianza (ANCOVA) (planteamientos e hipótesis correlacionales, causales y de comparación de varios grupos).
    - - La mayoría de estos análisis no requieren de presupuestos acerca de la forma de la distribución poblacional. Aceptan distribuciones no normales (distribuciones "libres").
        
        Las variables no necesariamente tienen que estar medidas en un nivel por intervalos o de razón; pueden analizar datos nominales u ordinales. De hecho, si se quieren aplicar análisis no paramétricos a datos por intervalos o razón, estos necesitan resumirse a categorías discretas (a unas cuantas). Las variables deben ser categóricas.
        
        Pruebas:
        
        La Chi-cuadrada o X2.
        
        Los coeficientes de correlación e independencia para tabulaciones cruzadas.
        
        Los coeficientes de correlación por rangos ordenados de Spearman y Kendall.
        
        Los coeficientes de correlación entre variables con distintos niveles de medición.