GUÍA DE
PRÁCTICAS
Aprendizaje Práctico
Experimental
Facultad de Salud y Servicios Sociales
ASIGNATURA:
Diseño de investigación.
AUTORA:
Lasso Paredes Mercy Daniela.
Vera Astudillo Hilario Henry
Salazar Martínez Marcelo Steven
Shicay Palacios Leonardo Erick
TEMA:
Análisis bivariado
DOCENTE:
ING. Morales Caluña Edgar Rolando.
FECHA DE ENTREGA:
4/8/2023
Introducción
El análisis bivariado es una técnica estadística que se utiliza para
estudiar la relación entre dos variables. En este tipo de análisis, se exploran y comparan
dos variables al mismo tiempo con el objetivo de determinar si existe alguna relación o
asociación entre ellas. A través del análisis bivariado, es posible identificar patrones,
tendencias o correlaciones que pueden ayudar a comprender mejor el comportamiento de
las variables en estudio.
Para realizar el análisis bivariado, se utilizan diversas herramientas y métodos
estadísticos, como las tablas de contingencia, gráficos de dispersión, coeficientes de
correlación y pruebas de hipótesis específicas, dependiendo del tipo de variables que se
estén estudiando (nominales, ordinales o continuas).
El análisis bivariado es una etapa fundamental en la investigación estadística y puede
proporcionar información valiosa para tomar decisiones y formular conclusiones en
diferentes campos, como la sociología, la psicología, la economía, la medicina y la
ciencia política, entre otros.
Objetivos
Objetivo general:
Comprender la relación existente de las variables plasmadas por medio de un análisis
multivariado
Objetivos específicos:
● Sintetizar una matriz de datos que plasme la relación entre las variables
cualitativas
● Realizar un análisis descriptivo de las variables
● Elaborar un documento que sintetice los resultados
Desarrollo
Pruebas de chi-cuadrado
Sig.
asintótica Sig. exacta Sig. exacta
Valor gl (bilateral) (bilateral) (unilateral)
a
Chi-cuadrado de ,025 1 ,875
Pearson
Corrección por ,000 1 1,000
b
continuidad
Razón de ,025 1 ,875
verosimilitudes
Estadístico exacto de 1,000 ,527
Fisher
Asociación lineal por ,025 1 ,875
lineal
N de casos válidos 80
a. 0 casillas (,0%) tienen una frecuencia esperada inferior a 5. La frecuencia mínima
esperada es 16,65.
b. Calculado sólo para una tabla de 2x2.
Conclusión
El análisis multivariado posee un papel fundamental en la investigación, su importancia
radica en la capacidad que posee para revelar patrones y relaciones complejas entre
múltiples variables simultáneamente, puede llegar a ser útil en áreas como negocios,
ciencias sociales, medicina y más, ya que ayuda a identificar las variables más influyentes
o relevantes para ciertos resultados.
Por otro lado, en el análisis predictivos o modelado estadístico, el análisis multivariado
puede llegar a verificar y validar la efectividad de los modelos al evaluar la relación entre
múltiples variables predictoras y la variable objetivo. Sin duda alguna por medio del
análisis multivariado es posible obtener una visión enriquecedora de las relaciones
existentes entre ellas.
Recomendaciones
En el caso de existir dudas, solicitar la ayuda del docente para despejarlas
Seguir las pautas dadas por el docente
Utilizar gráficos como diagramas de dispersión, histogramas o gráficos de barras
para visualizar la relación entre las variables antes de realizar nuestro análisis
En el caso de existir variables que podrían influir en la relación entre las dos
variables de nuestro interés, realizar un análisis de subgrupos
Incorporar nuevas variables cualitativas para enriquecer el análisis multivariado
Poner en marcha nuevos análisis multivariados en conjuntos de datos
independientes para fortalecer la validez de las conclusiones obtenidas
Dado que las relaciones entre variables pueden evolucionar con el tiempo, es
recomendable realizar análisis multivariados periódicos para capturar cambios y
tendencias a lo largo del tiempo
Trabajar en conjunto con expertos sobre el tema para obtener nuevas perspectivas
del análisis multivariado
Referencias bibliográficas:
Hair, J. F., Black, W. C., Babin, B. J., & Anderson, R. E. (2014). Multivariate
Data Analysis (7th Ed.). Pearson
Field, A. (2018). Discovering Statistics Using IBM SPSS Statistics (5th ed.). Sage
Publications.
Agresti, A. (2007). An Introduction to Categorical Data Analysis (2nd ed.). John
Wiley & Sons.
