Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Santiago de Compostela
659149284 / 881939440
1.- INTRODUCCION:
Definición y características:
Es el procedimiento mediante el cual podemos alcanzar un conocimiento riguroso y objetivo de la
realidad. Es un conjunto de reglas para investigar. Se trata de una herramienta para conocer la
realidad objetivamente que tiene dos características fundamentales:
Carácter empírico: basado en la experiencia, la observación y el control.
Carácter replicable: sus pasos y elementos pueden repetirse idénticamente.
Supuestos o principios:
La naturaleza es comprensible. Se estructura u organiza siguiendo algún tipo de leyes. Es
posible detectar ciertas regularidades.
La naturaleza es universal/uniforme. La existencia de las regularidades encontradas (y sus
explicaciones) tienen carácter universal y uniforme. Sin embargo, este principio no resulta
del todo asumible para las ciencias sociales ya que existe una variabilidad intrínseca al
comportamiento humano que hace necesario el uso de la estadística para elaborar modelos
del comportamiento (variables aleatorias vs. deterministas)
La naturaleza tiene una causalidad finita. Los agentes que pueden estar originando un
determinado fenómeno no sólo son conocibles, sino que además son limitados, finitos. El
Principio de Parsimonia nos lleva a elegir siempre la explicación más simple para dar
cuenta del problema
4.- MODELOS
Representación formal, estructurada, concisa y clara de la realidad que permite recoger y explicar
sus propiedades y las leyes que la rigen, posibilitando la realización de predicciones. Podemos tener
varios tipos de modelos:
Icónicos: imágenes físicas, tridimensionales y a escala. Ej. Maquetas.
Analógicos: dibujos que reproducen la estructura de un elemento. Ej. Gráficas.
Teoréticos: Organización de ideas o estructura de un fenómeno en base a un lenguaje
determinado (matemáticas, lógica,…) que ayudan a explicar el comportamiento o los
fenómenos investigados. Pueden ser de 2 tipos:
o Informáticos: expresados en lenguaje de programación.
2
C/ República del Salvador 29 2D
Santiago de Compostela
659149284 / 881939440
MODELOS ESTADÍSTICOS
Tienen dos partes, la combinación de estas debe ofrecer un resultado sobre el objeto de la
investigación.
3. DISEÑO DE LA INVESTIGACIÓN
Es un plan estructurado de acción para solucionar el problema. Es el plan a seguir por el
investigador para abordar los objetivos planteados y someter a contraste las hipótesis.
Diferentes sistemas de clasificación (Montero y León, 2007). Optaremos por la reciente de M.
Ato, López y Benavente (2013):
a) Investigación teórica: no requieren emplear datos empíricos originales y proceden de
estudios primarios (incluye el meta-análisis o revisión)
b) Investigación instrumental: analizan las propiedades psicométricas de instrumentos de
medida psicológicos. Validación de test.
c) Investigación metodológica: trabajos con nuevas metodologías en el diseño, medida y
análisis, así como los estudios de simulación.
d) Investigación empírica: para dar respuesta a problemas que se plantean en Psicología
pueden utilizarse diferentes estrategias de investigación:
o ESTRATEGIA MANIPULATIVA (experimental): analizar la relación causal (hipótesis
causales) entre dos o más variables. Tres tipos:
i. Experimental: Al menos una variables debe ser manipulada y los participantes se
asignan al azar a los tratamientos
ii. Cuasiexperimental: Una variable debe ser manipulada pero no se exige asignación al
azar a los grupos
iii. Caso único, en contextos aplicados
o ESTRATEGIA ASOCIATIVA O CORRELACIONAL (no experimental): explorar la
relación funcional existente entre variables (hipótesis de covariación). Tres tipos:
i. Comparación de grupos
ii. Predicción de comportamiento
iii. Clasificación de grupos o probar modelos teóricos
o ESTRATEGIA DESCRIPTIVA (no experimental): describir cosas tal y como ocurren, sin
manipulación de variables, ni comparación de grupos, ni predicción de comportamientos, ni
prueba de modelos. Dos tipos: Observacional y Selectivo o Encuesta
Aspectos que intervienen: objetivos, naturaleza del problema y de las hipótesis, variables,
unidades de muestreo, etc.
Debe especificar la estrategias científica de partida: de mayor a menor control tendrías
experimental, cuasiexperimental, selectivo o de encuesta y observacional.
4
C/ República del Salvador 29 2D
Santiago de Compostela
659149284 / 881939440
5. DISEÑO DE LA MUESTRA
Identificación de la población o universo (target)
Selección de informantes (muestra representativa) mediante procedimientos de la teoría
muestral
La elaboración previa del cuestionario que responda a los objetivos de la investigación, es
clave para determinar la necesaria representación de diferentes submuestras o segmentos, y
no tener que recurrir, posteriormente, a la ponderación del fichero de datos
VARIABLES
Variable es toda característica de un objeto o sujeto que puede adoptar distintos valores o nombres.
Tipos:
1. Según nivel de medida (Stevens).
a. NOMINALES: los números no expresan cantidad sino cualidad, representan categorías
y carecen de propiedades aritméticas, tiene una función identificadora. Ej. Sexo, estado
civil, etc.
b. ORDINALES: los números expresan orden además de igualdad-desigualdad, sin existir
una unidad de medida y pudiéndose establecer relaciones de orden. Ej. Satisfacción del 1
al 10.
c. INTERVALO: tienen unidad de medida, no hay cero absoluto, no hay ausencia de
variable, no hay origen en el 0, el punto de origen es arbitrario. Ej. Temperatura, C.I.
d. RAZÓN: tienen unidad de medida, existe el cero absoluto. Ej. Ingresos.
2. Según papel en la investigación.
a. INDEPENDIENTES: predictores.
b. DEPENDIENTES: criterio.
3. Según características de los datos.
a. CUALITATIVAS: (nominales) sin escala de medida y expresan cualidad. Pueden ser:
i. Dicotómicas: solo adoptan 2 categorías. Ej. Sexo.
ii. Politómicas: adoptan más categorías. Ej. raza.
b. CUASICUANTITATIVAS: (ordinales) expresan orden por lo que los distintos niveles
de la variable indican mayor o menor grado de igualdad. Pueden ser:
i. Cuantitativas: tienen un nº amplio de respuestas posibles. Ej. grado de
satisfacción del 1 al 20
ii. Cualitativas: si tienen un nº reducido de respuestas. Ej. gusto de una comida, si-
no-a veces.
c. CUANTITATIVAS: expresan cantidad. Pueden ser de dos tipos:
i. Discretas: Entre dos valores adyacentes no puede haber valores intermedios. Ej.
Nº hijos.
ii. Continuas: Entre dos valores adyacentes pueden existir infinitos valores
intermedios. Ej. Peso.
6
C/ República del Salvador 29 2D
Santiago de Compostela
659149284 / 881939440
MATRICES
Son conjuntos de nº reales ordenados en filas (sujetos) y columnas (variables) que agrupan los datos
de la investigación. La información de una investigación se recoge en distintos tipos de matrices.
Razones de la expansión:
1. Necesidades de investigación: existencia de fenómenos cada vez más complejos.
2. Desarrollo de informática y ordenadores.
3. Útil en muchos campos.
4. Abundante bibliografía aplicada.
5. Proliferación de las investigaciones de mercado y de los estudios de opinión.
Clasificación:
Los primeros desarrollos surgen en el ámbito de la Psicología con Spearman sobre el Análisis
Factorial, aunque, posteriormente, fue en el Marketing donde más se utilizaron
La primera clasificación surge en el Journal of Marketing (Kinnear y Taylor; Sheth)
Dos criterios para clasificar las técnicas multivariantes:
En función de los objetivos de la investigación:
o DESCRIPTIVAS. Las que tratan de DESCRIBIR y/o EXPLORAR la realidad:
Acercamiento a la realidad sin hipótesis previas. Analizar la interdependencia entre todas
las variables con el fin de reducir el número y así describir la realidad observada
(principio de parsimonia)Ejemplos: Análisis factorial exploratorio, Análisis de
Correspondencias, Escalamiento Multidimensional y el Análisis de Conglomerados
o EXPLICATIVAS o Predictivas. su fin es EXPLICAR la realidad. Parten de hipótesis
extraídas de un marco teórico y, mediante investigación se intenta validarlas
empíricamente. Son PREDICTIVAS porque ayudan a comprender y explicar un
fenómeno. Se parte de una situación a predecir (VD) y de un grupo de variables
intervinientes o criterio (VI) cuya influencia se desea mantener bajo control y observar su
efecto
7
C/ República del Salvador 29 2D
Santiago de Compostela
659149284 / 881939440
Peligros:
o Fácil estimación y difícil interpretación.
o Incluir demasiadas variables (vs. Parsimonia)
o Olvido de la teoría (modelizar por modelizar)
Problemas:
o Incumplimiento de supuestos.
o Requiere un tamaño muestral elevado.
o Casos anómalos.
o Relevancia conceptual y significación estadística.
Objetivo: permite explicar o predecir una variable (Criterio) a partir de una o varias
variables independientes (predictoras).
Y=a+b1X1+… +bnXn (ec. recta)
Analiza la naturaleza de las relaciones entre un conjunto de variables con el objetivo de
hacer predicciones. Trata de conocer la influencia que una serie de VI´s ejercen sobre la
VD.
Busca predecir los cambios en la VD cuantitativa en función de los cambios en varias
VI cuantitativas. Esta relación no implica que una sea causa de otras. Los coeficientes
calculados solo aportan información sobre el grado en que varias variables están
asociadas, y no es posible extraer de ellos leyes de causalidad.
Características VI: uno a más siempre cuantitativas (métricas).
Características VD: una y cuantitativa (métrica).
Tipos:
o Simple: con una sola VI.
o Múltiple: con varias VI.
8
C/ República del Salvador 29 2D
Santiago de Compostela
659149284 / 881939440
Análisis discriminante:
Su fin es localizar funciones capaces de separar dos o más grupos de individuos a partir
de sus respuestas en una serie de variables, con el fin de localizar las variables que más
contribuyen a discriminar a los sujetos en los diferentes grupos establecidos por la
variable dependiente.
o Clasificar si un niño puede desarrollar un cuadro depresivo o no.
o En que se diferencian los consumidores que respondieron a una campaña de
marketing de aquellos que no lo han hecho.
o Estimar si un nuevo producto tendrá éxito en el mercado considerando la inversión
en publicidad, precio, etc.
Características VI: uno a más siempre cuantitativas.
Características VD: una y categórica (cualitativa).
Tipos:
Simple: cuando la VD es dicotómica.
Múltiple: cuando la VD es politómica.
Ejemplo: predecir el voto a partir de la edad, los ingresos económicos, etc.
Características:
Los grupos están establecidos a priori.
Regresión logística:
9
C/ República del Salvador 29 2D
Santiago de Compostela
659149284 / 881939440
Tipos:
Binaria: cuando la VD es dicotómica.
Múltinomial: cuando la VD es politómica.
Ejemplo: saber si ciertas características socioeconómicas (estado civil, ingresos, nivel de
estudios, etc.) influyen en que un individuo compre un determinado coche, conocer las
características demográficas de los clientes habituales y de los ocasionales, etc.
Ventaja de esta técnica: tiene pocas restricciones sobre la distribución de las VI´s,
estando más libre de supuestos restrictivos que la regresión múltiple y el análisis
discriminante.
Análisis conjunto:
Objetivo: permite entender como conforman los individuos sus preferencias hacia los
objetos, estimando la importancia relativa que le conceden a cada uno de los atributos o
características de éste.
Características VI: uno a más categóricas (cualitativa). Atributos.
Características VD: una y ordinal (cualitativa). Preferencia.
Ejemplo: explicar las preferencias de las amas de casa hacia las distintas marcas de
leche envasada (envase, marca, tapón, precio, procedencia, etc.).
Tarea experimental: se solicita la opinión de un grupo de consumidores que deberán
valorar los productos resultantes de la combinación de sus características objeto de
análisis.
Resultados: el investigador es capaz de valorar la importancia de todos los atributos y
los niveles de cada uno de ellos, mientras que los consumidores valoran únicamente los
perfiles de unos pocos productos. Esto se hace descomponiendo preferencias
manifestadas por los productos en utilidades o importancias por atributo (y nivel).
Pasos:
o Identificar y seleccionar de los atributos relevantes para esa categoría de producto o
servicio.
o Definición de niveles u opciones para cada atributo.
o Selección de la combinación de atributos a ser evaluada con el fin de determinar cuál
de todas es la preferida por los consumidores.
o Recogida de datos o evaluación de los estímulos se puede realizar de diferentes
maneras:
Alternativas de a pares, pidiendo que elija entre dos productos.
Ordenando los productos en un ranking, pidiendo que los clasifique por orden
de preferencia.
Valorando los productos en una escala de 0 a 10.
o Selección del método para calcular los valores de utilidad. Hay que elegir un método
para cuantificar los valores de utilidad percibida de cada combinación de atributos.
También es conveniente integrar los valores de utilidad con un análisis costo-
beneficio porque muchas veces la opinión más valorada no es la más rentable.
Características:
Tiene alta VALIDEZ ECOLÓGICA ya que reproduce el contexto real.
La recogida de datos es flexible.
Útil en marketing para el diseño de nuevos productos, test de envases, etc.
Análisis de supervivencia:
Objetivo: permite predecir o modelizar el tiempo que transcurre hasta que ocurre un
evento (RIESGO).
10
C/ República del Salvador 29 2D
Santiago de Compostela
659149284 / 881939440
Análisis de varianza:
Objetivo: permite determinar en qué medida una VD está influenciada por 1 o + VI´s.
Comprobar si existe un efecto significativo de un “tratamiento”.
Características VI: una o más, categórica (factores).
Características VD: una o más y cuantitativa.
Tipos:
SIMPLE (una vía oneway): una sola VI (factorial).
ANOVA (factorial): análisis de varianza con una VD.
MANOVA: (análisis multivariante de la varianza): varias VD.
Ejemplo: Ver si hay efecto del consumo de alcohol sobre la atención (VD). (VI)Grupos:
1=4 cervezas, 2=6 cervezas, 3=8 cervezas. (VD)Tarea de rendimiento en 1 ordenador.
Características:
Es ideal para experimentos.
Una o varias vías (VI): ONEWAY o ANOVA (Diseños factoriales).
MANOVA (análisis multivariante de la varianza: varias VD.
Análisis factorial:
11
C/ República del Salvador 29 2D
Santiago de Compostela
659149284 / 881939440
Análisis de correspondencias:
Escalamiento multidimensional:
12
C/ República del Salvador 29 2D
Santiago de Compostela
659149284 / 881939440
Otras técnicas:
13
C/ República del Salvador 29 2D
Santiago de Compostela
659149284 / 881939440
PREGUNTAS VERDADERO-FALSO.
96. Para saber si un grupo de pacientes de una patología sobrevivirá a partir de: tratamiento, edad,
recaídas, etc. podemos usar el análisis de supervivencia.
97. La VD del análisis de supervivencia debe ser cuantitativa puesto que representa el tiempo que
transcurre hasta la ocurrencia del evento.
98. En los modelos de ecuaciones estructurales las VI son cualitativas y la VD es cuantitativa.
99. El Path analysis de los modelos de ecuaciones estructurales permite probar relaciones entre
variables a distintos niveles.
100. Los modelos de ecuaciones estructurales son útiles para predecir recaídas.
101. Para comprobar si se ajusta un modelo teórico a los datos podemos usar la subtécnica AMOS
(un gráfico en el que observar la similaridad de los modelos teóricos y sus datos).
102. La subtécnica LISREL se puede usar solo con variables cualitativas en las ecuaciones de
modelos estructurales.
103. La correlación canónica utiliza VI y VD ambas cuantitativas.
104. La correlación canónica permite hacer grupos entre un conjunto de VI’s y otro de VD’s.
105. La técnica Overals permite el análisis de conjuntos de variables mezcladas de VD y VI, por
un lado, y de VD’s por otro.
106. Para conocer la relación entre un grupo de variables de personalidad y un conjunto de
resultados de test podemos utilizar la correlación canónica.
107. El análisis discriminante es una técnica que clasifica los datos.
108. La autoría de la técnica de análisis de varianza es atribuida a Pearson.
109. El análisis factorial se utiliza para reducir datos, identifica factores o variables latentes.
110. Para poder utilizar el análisis factorial las variables deben estar en escala de intervalo o de
razón.
111. Existen dos tipos de análisis factorial: simple y múltiple.
112. El análisis factorial exploratorio requiere especificar el número de factores que queremos
obtener.
113. El análisis de correspondencias utiliza variables cualitativas y cuantitativas para sus cálculos.
114. A través del análisis de correspondencias podemos reducir los datos, obteniendo dimensiones
o variables latentes.
115. El análisis de correspondencias simple utiliza más de dos variables en sus cálculos.
116. El análisis de correspondencias es un subtipo del análisis factorial.
117. Agrupar ítems de una escala y etiquetarlos (clasificarlos) en dos dimensiones de evaluación
(memoria verbal y memoria numérica) sería una posible aplicación del análisis de
correspondencias.
118. El análisis de conglomerados, al igual que el factorial y el de correspondencias, agrupa
variables para reducir los datos.
119. El Cluster análisis trata de que los grupos tengan alta homogeneidad dentro de ellos y alta
heterogeneidad entre ellos.
120. En el análisis cluster se trata de encontrar el menor nº de grupos posibles, excluyentes y
exhaustivos.
121. Una aplicación del Cluster sería identificar grupos de jóvenes en base a sus horas de estudio y
el nº de revistas que compran.
122. El análisis de correspondencias permite utilizar tanto datos cuantitativos como cualitativos.
123. La diferencia del Cluster con el análisis discriminante es que en el primero los grupos está
definidos previamente, mientras que en el segundo no.
124. El escalamiento multidimensional reduce datos, agrupando variables que estudian las
preferencias de los sujetos.
125. Una de las ventajas del escalamiento multidimensional es la versatilidad en la recogida de
datos.
126. El escalamiento multidimensional permite realizar representaciones espaciales de los sujetos
en relación a sus preferencias.
17
C/ República del Salvador 29 2D
Santiago de Compostela
659149284 / 881939440
Preguntas Cortas.
1. ¿Qué es un modelo matemático?
2. ¿Cómo define Kendall el análisis multivariante? ¿Cuál es la definición alternativa?
3. Problemas y peligros del análisis multivariante.
4. Tipos de variables según Stevens. Ejemplos.
5. Diferencias entre validez interna, externa y ecológica.
6. Diferencias y semejanzas entre análisis de regresión y análisis discriminante.
7. Tres características de la regresión múltiple.
8. ¿De qué depende la selección de la técnica de dependencia adecuada?
9. En qué consisten los métodos de dependencia y pon un ejemplo.
10. Diferencias y semejanzas entre regresión lineal y logística y tipos de variables que se utilizan
en cada una.
11. Semejanzas y diferencias entre análisis de conglomerados y el análisis discriminante.
12. Objetivo, condiciones de aplicación y ejemplo del análisis de correspondencia.
13. Tipos de regresión logística que conoces. ¿Cuáles son las diferencias entre ambos?
18