Técnicas de investigación y

análisis de datos en Psicología

Profesora: Dra. Rebeca Bautista Ortuño

 Contenidos

1. Análisis descriptivos y gráficos

a) Tabla de distribución de frecuencias
b) Tendencia central
c) Posición
d) Dispersión
e)Asimetría
f) Curtosis
g) Gráficos
 Contenidos

2. Relación entre dos variables:

a) Correlación entre variables cuantitativas
b) Asociación entre variables cualitativas

3. Relación entre más de dos variables:

a) Modelo de Regresión lineal múltiple
b) Modelo de Regresión logística binaria
 1. Análisis descriptivos y gráficos

a) Tabla de distribución de frecuencias: forma más

sencilla de resumir la información de un conjunto de datos.
Contiene:
 Frecuencia absoluta (fi) de un valor: número de veces que
aparece repetido dicho valor en un conjunto de n
puntuaciones. La suma de las frecuencias f i para todos los
valores coincide con el valor de n.

 Frecuencia relativa (pi) de un valor. Es el cociente entre la

frecuencia absoluta y el tamaño de la muestra.
Frecuentemente aparece en términos porcentuales (Pi=(fi /n)
x 100). La suma de las Pi para todos los valores es 100.
b) Medidas de tendencia central
Valor que representa al conjunto de valores de la
distribución de una variable:
1. Media aritmética (X): Promedio de los valores
de la distribución (Variables cuantitativas).
2. Mediana (Md): Valor que ocupa la posición
central de la distribución ordenada por sus valores
(Variables cuantitativas y ordinales)
3. Moda (Mo): Valor que posee la mayor frecuencia
de una distribución (Variables cualitativas y
cuantitativas)
c) Medidas de posición
Informan sobre la posición de determinadas
puntuaciones individuales en relación con el grupo del
que forman parte.
1. Percentiles (Pk): Cada uno de los 99 valores de la
variable que dividen a la distribución en 100 partes
iguales.
2. Deciles (Dk): Cada uno de los 9 valores de la variable
que dividen la distribución en 10 partes iguales.
3. Cuartiles (Qk):Cada uno de los tres valores de la
variable que dividen la distribución en 4 partes iguales.
Md=P50=D5=Q2
d) Medidas de dispersión
Indican cuán alejados están los valores de la
distribución de aquél que los representa.
1. Varianza (S2): Promedio del cuadrado de las
diferencias de todas las puntuaciones respecto a la
media aritmética.
2. Desviación típica (S): Raíz cuadrada de la varianza.
3. Coeficiente de variación (CV): Cociente entre la
desviación típica y el valor absoluto de la media
aritmética. Permite comparar la variabilidad de
distintos grupos o distintas variables.
g) Gráficos

Variables cualitativas: Diagrama de barras y de

sectores

Variables cuantitativas: Histograma y gráficos de

caja.
 2. Relación entre dos variables

a) Relación entre dos variables cuantitativas

Coeficiente de correlación de Pearson (ryx): Indica la
intensidad y sentido de la relación entre las variables.
Su rango de valores oscila entre -1 y 1.
Gráficos: Dispersión
b) Dependencia entre dos variables cualitativas
Tablas de contingencia y prueba  (estadístico Chi-cuadrado)
2
a) Regresión lineal múltiple

Regresión hace referencia a predicción, pronóstico,

estimación. A partir de los valores de una serie de variables
predictoras (VI’s) se predecirán los valores de la variable
criterio (VD).
a) Regresión lineal múltiple

 Coeficientes de regresión en puntuaciones directas (B):

Cambio que sufre la VD cuando se incrementan en una
unidad su variable independiente, mientras se mantienen
constantes el resto.

 Coeficientes de regresión en puntuaciones típicas :

Posibilita la comparación del peso de cada variable en el
modelo.
a) Regresión lineal múltiple
b) Regresión logística binaria
Modelo:
1
Y  ( B0  B1 x1 ..... Bk xk )
1 e
 La variable dependiente es dicotómica (ocurrencia=1, no
ocurrencia=0). El modelo permite estimar la probabilidad
de que se presente el evento de interés a partir de los
valores de las variables predictoras que pueden ser
cuantitativas o cualitativas.
 Ajuste del modelo: R2 de Nagelkerke.
 Influencia que cada variable independiente en forma de OR
(Odds Ratio). Exp(Bi)=OR Una OR >1 indica aumento en
la probabilidad del evento y OR <1, implica disminución.
Interpretación y valoración de los
coeficientes de regresión:

Bi>0, OR >1, produce un incremento en la

probabilidad de que se dé la característica
estudiada en la variable respuesta (Y).
Bi=0, OR = 1, no produce un incremento en la
variable respuesta (Y).
Bi<0, OR < 1, produce un decremento en la
probabilidad de que se dé la característica
estudiada en la variable de respuesta (Y).
Exp (Bi)=OR. Aparecen en la columna B de la
salida de SPSS. Si los intervalos de confianza
para la Exp(Bi)=OR no contienen al valor uno,
es señal de que la variable es de interés en el
modelo.