Procesamiento y análisis de los datos

Análisis de datos cualitativos

El análisis de datos cualitativos es un proceso largo, no lineal,
dinámico y en permanente retroalimentación.

Es un proceso de “reconstrucción” del fenómeno analizado en su

contexto de desarrollo.

Aun cuando no es un proceso lineal, se pueden reconocer al menos

7 etapas.
 El procesamiento y análisis cualitativo

Revisión
confiabilidad
Descripción y validez.
del
Interpretaci contexto.
ón de los
Codificación datos.
secundaria.
Codificación
primaria.
Plan de
trabajo
Revisión del inicial.
material.
 1. Revisión del material recolectado.

Implica revisión,
organización y clasificación
por criterios lógicos las
entrevistas,
observaciones, audios,
fotos, mapas, videos, etc.
 2. Plan de trabajo inicial.
Como el procesamiento y Se recomienda el uso de una
análisis no queda bitácora (diario donde se anota y
determinado en el diseño describe cada actividad realizada y
de la investigación, en este las ideas que van surgiendo en el
momento se reorganizan análisis)
las siguientes etapas del
plan de trabajo de los
datos.
 3. Codificación primaria
Se clasifica la información en categorías de análisis (incentivos
laborales, expresiones de solidaridad, vivencias, expresiones de
satisfacción, etc)
 4. Codificación secundaria
Se comparan las categorías entre si para agruparlos en temas y
buscar posibles vinculaciones.
 5. Interpretación
Incluye la descripción y dar significado preciso a cada categoría, evaluar la frecuencia con
que aparece y luego las posibles relaciones entre categorías.
 6. Descripción del contexto.
En esta etapa se retoman las anotaciones, memos y la bitácora de
campo elaborada durante la recolección.

En el análisis cualitativo es fundamental interpretar el fenómeno

social en su contexto.
 7. Revisión de confiabilidad y validez
En el análisis cualitativo se realiza una autovaloración del proceso de
recolección, revisión de la interpretación (triangulación de criterios) y
finalmente se busca la retroalimentación de los propios sujetos
investigados.

Recolección

Revisión y
retroalimentación Procesamiento

Análisis
 Procesamiento y análisis de los datos
cuantitativos.
Es un proceso fundamentado en principios estadísticos que esta
previamente definido en el plan de análisis descrito en el diseño de
la investigación.

Usualmente es un proceso lineal que se desarrolla con auxilio de un

software especializado.
 Procesamiento y análisis de los datos
cuantitativos.
Los tipos de análisis que se usan en una investigación de enfoque
cuantitativo dependen de tres factores:

Niveles de medición de las variables.

Objetivos y/o hipótesis de investigación.

Interés del investigador.

Escalas de medición de los datos

Nominal
Cualitativos
Ordinal

Intervalo
Cuantitativos
De razón
Pruebas y técnicas estadísticas para objetivos
exploratorios y/o descriptivos
Tablas de Proporciones
Gráficas Razones
frecuencia y porcentajes

Medidas de
Tasas de Medidas de Medidas de
tendencia
cambio posición dispersión
central

Medidas de
concentración
Pruebas y técnicas estadísticas para objetivos
exploratorios y/o descriptivos
 Pruebas y técnicas estadísticas para objetivos
exploratorios y/o descriptivos
Proporción: compara la frecuencia de una categoría o clase
especifica con el total de casos (20 de 55 empleados de la planta son
obreros calificados).
 Pruebas y técnicas estadísticas para objetivos
exploratorios y/o descriptivos
Porcentaje: es una proporción en la que el total de casos
considerados es el 100% (el 36% de los empleados de la planta son
obreros calificados).
 Pruebas y técnicas estadísticas para objetivos
exploratorios y/o descriptivos
Razón: compara la frecuencia de una categoría o clase especifica
respecto a otra categoría (hay 6 estudiantes matriculados en la
UNAH por cada alumno de la UPNFM)
 Pruebas y técnicas estadísticas para objetivos
exploratorios y/o descriptivos
Tasa: es una proporción en la que se compara el número de casos de una categoría o clase
especifica con el total de casos potenciales del mismo tipo (la tasa de médicos por cada
100,000 habitantes es de 22 en Honduras y 400 en España)
Pruebas y técnicas estadísticas para objetivos
exploratorios y/o descriptivos
Medidas de tendencia Medidas de posición Medidas de dispersión
central

Moda Cuartiles Rango

Mediana Quintiles Desviación estándar

Media Deciles Varianza

Percentiles
 Pruebas y técnicas estadísticas para objetivos exploratorios y/o descriptivos
Medidas de tendencia Nivel de medición Forma de distribución Objetivo
central
Moda Nominal, ordinal, por Mas apropiada para Medida de tendencia
intervalo bimodal central rápida y sencilla
pero poco precisa.
Mediana Ordinal o por intervalo Más apropiada para las Medición precisa de la
altamente sesgadas tendencia central, puede
usarse para operaciones
estadísticas avanzadas o
para dividir distribuciones
en dos categorías (alto
contra bajo)

Media Por intervalo y de razón Más apropiada para las Medición precisa de la
simétricas tendencia central, puede
usarse para operaciones
estadísticas avanzadas,
incluyendo pruebas para
tomar decisiones.
Pruebas y técnicas estadísticas para objetivos exploratorios y/o
descriptivos
 Pruebas y técnicas estadísticas más usadas
para objetivos de investigación correlacional

Correlación Correlación
entre dos entre más de
variables dos variables
 Correlación entre dos variables
Datos
Datos Datos
cuantitativ
nominales ordinales os
Chi Rho de
r de Pearson
cuadrado Spearman

Coeficiente
Tau de
de
Kendall
contingencia

Gamma de
V de Cramer Goodman y
Kruskall
 r de Pearson
Definición Es una prueba estadística para analizar
la relación entre dos variables
cuantitativas
Símbolo r
Numero de variables Dos
Escala de las variables Intervalo o de razón (las dos
cuantitativas)
Valores de r De -1 a +1
Tipo de hipótesis Relacional, correlacional. No es prueba
de causalidad pero el análisis teórico
puede establecer causalidad a partir de
r.
 Rho de Spearman
Definición Es una prueba estadística para analizar
la relación entre dos variables ordinales.
Símbolo Rho
Numero de variables Dos
Escala de las variables Ordinales las dos o bien una ordinal y la
otra cualitativa pero convertida a ordinal
Valores de Rho De -1 a +1
Tipo de hipótesis Relacional de tipo correlacional. Cuando
hay muchos empates en cada rango se
prefiere Tau de Kendall
 Chi cuadrada
Definición Es una prueba estadística para analizar
la relación entre dos variables
nominales.
Símbolo x
Numero de variables Dos
Escala de las variables Nominales las dos o bien una nominal
ordinal y la otra ordinal o numérica pero
convertida a nominal.
Valores de Chi Positivos siempre.
Tipo de hipótesis Relacional para variables nominales.
Para relacionar dos variables
dicotómicas se usa preferiblemente la
prueba Fi.
 Correlación entre más de dos variables
ANOVA ANCOVA

• Varianza en varias • Co varianza:

direcciones: correlación correlaciones parciales
múltiple (2 o mas y conjuntas entre varias
independientes y 1 variables
dependiente) independientes y 1
dependiente.
Pruebas y técnicas estadísticas más usadas
para establecer diferencias entre grupos.
Puntaje z para datos independientes

Puntaje z para datos correlacionales

Datos
Diferencias entre dos grupos

cuantitativos
t de student para datos independientes

t de student para datos correlacionales

Datos ordinales Prueba de la mediana

Datos nominales Diferencia de proporciones

Pruebas y técnicas estadísticas más usadas
para establecer diferencias entre grupos.
Diferencias entre más de dos grupos

Datos cuantitativos Análisis de varianza en una dirección

 Puntuaciones Z
• Es una prueba estadística para evaluar si dos grupos
DEFINICIÓN difieren entre si de manera significativa respecto a sus
medias aritméticas en una variable dada.

Símbolo • Z

• La variable en la que se hace la comparación debe ser

medida en escala cuantitativa (intervalo o de razón), la
Escala de variables
otra usualmente es nominal o dicotómica (la que define los
grupos)

• Se interpretan en base a una tabla que se relaciona con ese

Valores de Z
valor con la probabilidad de ocurrencia.

• Relacional de tipo diferencia de grupo. Si el numero de

Tipo de hipótesis
valores n es menor que 30 se recomienda usar t.
 Prueba t de student
• Es una prueba estadística para evaluar si dos grupos
DEFINICIÓN difieren entre si de manera significativa respecto a sus
medias aritméticas en una variable dada.

Símbolo • t

• La variable en la que se hace la comparación debe ser

medida en escala cuantitativa (intervalo o de razón), la
Escala de variables
otra usualmente es nominal o dicotómica (la que define los
grupos)
• Los valores son positivos y se interpretan en base a una
Valores de t tabla especial que considera los grados de libertad y el nivel
de confianza.

• Relacional de tipo diferencia de grupo. Si el numero de

Tipo de hipótesis
valores n es menor que 30 se aplica esta prueba.
 Prueba de la mediana
• Es una prueba estadística para verificar si dos grupos tienen la
DEFINICIÓN
misma mediana en una variable dada.

Símbolo • Prueba de Mdn

• La variable en la que se hace la comparación debe ser medida

Escala de variables en escala ordinal o cuantitativa (intervalo o de razón), la otra
usualmente es nominal o dicotómica (la que define los grupos)
• Asume valores similares a los de chi cuadrado y su significado
se interpreta con la misma tabla de la prueba chi. Si las
Valores de t
frecuencias de las tablas de contingencia son muy pequeñas
debe usarse La prueba de Fisher.

Tipo de hipótesis • Relacional de tipo diferencia de grupo.

 Diferencia de proporciones
• Es una prueba estadística para analizar si las proporciones en
DEFINICIÓN que se manifiesta una variable en dos grupos dados son
significativamente diferentes.

Símbolo • Z

• La variable en la que se comparan los grupos es cuantitativa

Escala de variables expresada en proporción o porcentaje. La otra usualmente es
nominal o convertida a nominal.

• El valor de Z se interpreta en base a una tabla que relaciona

Valores de p
ese valor con la probabilidad de ocurrencia.

Tipo de hipótesis • Relacional de tipo diferencia de grupo.

 Análisis de varianza unidireccional
• Es una prueba estadística para analizar si dos o más grupos
DEFINICIÓN difieren significativamente ente sí respecto a sus medias y
varianzas.

Símbolo • F

• La variable en la que se comparan los grupos es cuantitativa

Escala de variables (intervalo o razón). La otra usualmente es nominal u ordinal
(la que define los grupos).

• Asume valores positivos que se interpretan en base a la tabla F

Valores de F
considerando grados de libertad y nivel de confianza.

Tipo de hipótesis • Relacional de tipo diferencia de grupo.

Pruebas y técnicas estadísticas más usadas
para objetivos de investigaciones causales

Análisis • r de Pearson
• Regresión lineal

bivariado
• Regresión múltiple
Análisis •
•
ANOVA
ANCOVA (análisis de covarianza)
multivariado •
•
MANOVA (análisis multivariado de varianza)
Análisis lineal de senderos (Path analysis)
 Requerimientos para establecer causalidad entre variables.
Las pruebas estadísticas establecen relaciones entre variables y puede
conocerse la dimensión y la dirección de las relaciones en forma de
parejas de variables (x y) o en forma conjunta.

Pero la causalidad se establece a partir de requerimientos teóricos:

a) Que la causa anteceda cronológicamente al efecto.
b) Que exista una correlación significativa entre las variables, de
manera que el efecto no se manifieste independientemente de
la(s) causa(s).
c) Que teóricamente pueda explicarse esa causalidad.
 Regresión lineal
Definición Es un modelo matemático para estimar el efecto de una
variable sobre otra.

Representación X Y
Número de variables Dos variables, una independiente y una dependiente.
Escala de variables Cuantitativas ambas.
Tipo de hipótesis Causal con una variable independiente (causa) y una
dependiente (efecto)

Lógica de análisis A partir de la ecuación lineal: y = bx + a

Se construye un diagrama de dispersión y la recta
correspondiente.
 Regresión múltiple
Definición Es un modelo matemático para analizar el efecto de dos o
más variables sobre otra.
Representación X1 Y
X2
Número de variables Tres o más variables, una dependiente y dos o más
independientes.
Escala de variables Cuantitativa la dependiente y cualquier nivel las
independientes.
Tipo de hipótesis Causal con una variable dependiente (efecto) y dos o más
variables independientes (causas)

Lógica de análisis A partir de la ecuación

y = b1x1 + b2x2 + ….+ bnxn + a
 Análisis de Varianza (ANOVA)
Definición Es una prueba estadística que analiza la relación entre una variable
dependiente y dos o más variables independientes, indicando las
relaciones para cada una individualmente y en forma agrupada.

Representación X1 Y
X2
Número de variables Tres o más variables, una dependiente y dos o más independientes.

Escala de variables Cuantitativa la dependiente y cualquier nivel las independientes.

Tipo de hipótesis Causal explicativo, indicando efectos individuales y combinados de

las independientes sobre la dependiente.
 Análisis de Covarianza (ANCOVA)
Definición Es una prueba estadística que analiza la relación entre una variable
dependiente y dos o más variables independientes, indicando las
relaciones individuales (controlando el efecto de las otras variables) y
en forma agrupada.

Representación X1 Y
X2
X3
Número de variables Tres o más variables, una dependiente y dos o más independientes.

Escala de variables Cuantitativa la dependiente y cualquier nivel las independientes.

Tipo de hipótesis Causal explicativo, indicando efectos individuales y combinados de

las independientes sobre la dependiente.
 Análisis multivariado de varianza (MANOVA)
Definición Es una prueba estadística multivariada que permite evaluar los
efectos de varias variables independientes sobre dos o más
variables dependientes.
Representación X1 Y1
X2 Y2
X3
Número de variables Como mínimo cuatro, varias independientes y varias dependientes.

Escala de variables Todas cuantitativas.

Tipo de hipótesis Causal explicativo que proponen una relación compleja entre varias
variables independientes y varias variables dependientes.
 Análisis lineal de senderos (Path analysis)
Definición Es una técnica estadística multivariada que permite modelos
teóricos de interrelaciones entre variables a partir de regresiones.
Analiza la influencia directa e indirecta de acuerdo al modelo
propuesto.
Representación

Número de variables Como mínimo tres, pueden haber varias independientes y varias
dependientes en la secuencia indicada por el modelo.
Escala de variables Cualquier nivel de medición.

Tipo de hipótesis Causal explicativo que proponen un modelo de como se

interrelacionan un conjunto de variables en determinada secuencia
 Análisis lineal de senderos (Path analysis)
Apatía

Marginación
socio- Desnutrición Retardo
económica mental

Bajas defensas del

organismo

Enfermedades Enfermedades
infecciosas carenciales