SPSS Proceso seguido para hacer un contraste de igualdad de medias - en dos grupos relacionados que proceden de la misma poblacin

- en dos grupos independientes que proceden de la misma poblacin Pruebas paramtricas Comparar medias: Analizar> comparar medias: a) Medias: calcula estadsticos descr. Bsicos para una o ms variables dependientes de los grupos de casos definidos por los valores de una o ms variables independientes. Se puede obtener el anlisis de la varianza de un factor. Las variables dependientes son cuantitativas y las independientes categricas b) T-TEST: permite aplicar la prueba T de Student, para una muestra, compara la media de una variable con un valor conocido o que queremos inferir para dos muestras relacionadas: igualdad de medias para dos grupos relacionados (pretest-postest) para dos muestras independientes, compara la igualdad de medias en grupos no relacionados Proceso seguido para saber si existe relacin entre dos variables categricas cada una de las cuales tiene 4 y 3 variables respectivamente Realizar un anlisis exploratorio para detectar los casos atpicos Se realiza una prueba chi cuadrado. La prueba contrasta la hiptesis nula de que no hay relacin entre variables. Comparando las frecuencias observadas con las esperadas. Analizar>estadsticos descriptivos>tablas de contingencia opcin chi cuadrado Proceso seguido para hacer un anlisis de varianza utilizando como factor una variable categrica de 4 niveles. Se supone normalidad, independencia y homocedasticidad Se realiza un anlisis exploratorio para detectar casos atpicos. No hace falta comprobar normalidad etc. porque se nos dan como vlidas en el enunciado Se hace un ANOVA de un factor para una muestra Para ello en el programa SPSS, seguimos la siguiente ruta: Analizar- comparar medias- Anova de un factor. En variables dependientes introducimos la variable a comparar y en factor la variable categorica En los resultados: Observamos el valor de la significacin de la tabla ANOVA Si esta significacin es menor de 0,05 se rechaza la luego los cuatro niveles no tienen la misma media. Rechazar la no quiere

decir que todos los grupos sean diferentes. En ese caso, si se quiere saber cules son las diferentes se pueden hacer pruebas a posteriori o post-hoc Se podran tambin realizar contrastes para buscar relaciones entre las medias de los niveles Caractersticas del muestreo aleatorio estratificado Se divide en segmentos o estratos la regin geogrfica de los elementos. Despus se selecciona una muestra de cada estrato y se combina la informacin para hacer inferencias poblacionales. Se pueden utilizar los siguientes repartos: Afijacin uniforme: donde se selecciona el mismo nmero de individuos en cada estrato. Afijacin proporcional: se selecciona un nmero de individuos proporcional al tamao del estrato. Afijacin ptima: donde se minimiza la varianza. Afijacin para un coste: donde minimiza la varianza, pero sin pasarse de un coste previamente establecido

Ventajas: -

Reduccin de costes Utilizar la informacin de la muestra acerca de la caracterstica de cada estrato Limitaciones: La principal limitacin del muestreo estratificado es que se requiere conocer de antemano los factores importantes de la poblacin, as como sus proporciones relativas. Para obtener mayor precisin en las estimaciones con este tipo de muestreo, se debe perseguir que los estratos cumplan la condicin de que la varianza intra-estrato sea mnima y la varianza entre-estrato mxima, con este ideal reduciremos el error muestral o conseguiremos reducir el tamao muestral si deseamos mantener el mismo error muestral, es decir, lograremos mayor eficacia. Para seleccionar una muestra aleatoria estratificada habr que especificar claramente los estratos. Despus se seleccionar una muestra aleatoria de cada estrato.

Caractersticas del muestreo aleatorio por conglomerados Monoetpico Un conglomerado es un grupo natural constituyente de una poblacin cuya configuracin reproduce Ventajas: - Bajo coste por la facilidad de eleccin de los elementos Limitaciones:

- Error sistemtico por elegir un bloque poco representativo Se selecciona la muestra conformando un marco que liste todos los conglomerados de la poblacin. Despus se elige una muestra simple de ese marco Bietpico Se selecciona una muestra aleatoria de conglomerados y posteriormente una muestra aleatoria de elementos de cada conglomerado elegido en la etapa anterior. Supuestos y limitaciones del anlisis factorial Parsimonia e interpretabilidad a) Se ha de evaluar la matriz de correlaciones, ya que para que se pueda realizar el anlisis es necesario que las variables estn muy correlacionadas, lo que implica coeficientes de correlacin grandes en valor absoluto. El determinante debe ser distinto de 1 b) Prueba de esfericidad de Bartlett que contrasta la hiptesis nula de que a matriz de correlaciones es una matriz de identidad, en cuyo caso no habra correlaciones significativas entre las variables y no sera pertinente el anlisis c) Adecuacion de la muestra, segn los coeficientes de correlacin parcial, (deben ser cercanas a cero) KMO que contrasta si las correlaciones parciales entre variables son suficientemente pequeas. Para que la muestra sea adecuada se necesita un valor de ms de 0,5 Limitaciones Si se usa el coeficiente de correlacin de Pearson como medida de asociacin entre variables se ve afectado por la falta de normalidad y linealidad de las mismas. Si se usan variables categricas deben usarse otras medidas como la V de Cramer Hay que preservar la homogeneidad de las unidades de anlisis Supuestos y limitaciones del anlisis de regresin Primero hay que analizar los condicionantes como paso previo y de validacin del anlisis. Identificacin de observaciones influyentes: datos atpicos y puntos influyentes. - Linealidad: cada variable independiente tiene una relacin lineal con la dependiente. Se puede comprobar en: los grficos de dispersin parcial. En este grfico los puntos deben estar prximos a una recta. los grficos de residuos, los puntos deben estar proximos a cero - Homocedastidad: Las varianzas de las distribuciones de la variable dependiente ligadas a los distintos valores de las variables independientes deben ser iguales: a) En el grfico de residuos los puntos deben no presentar tendencia (recta, curva). b) Se puede emplear el test de Levene.

- Independencia: el valor observado no debe estar influenciado por los valores de la variable observada, es decir, cada variable predictor es independiente: a) Los residuos no deben presentar ningn patrn. b) Los residuos deben estar incorrelados; el estadstico de Durbin Watson debe tener valores prximos a 2, si es menor de 1,5 existe autocorrelacin y si se aproxima a 4 los residuos estarn negativamente autocorrelados. - Normalidad: la distribucin de la variable formada por los residuos debe ser normal: a) Los residuos observados y los esperados deben coincidir. b) Para su comprobacin se puede utilizar el diagrama de PP(los puntos no deben alejarse mucho de la recta) o la prueba de Kolmogorov- Smirnow. En la tabla de estadsticos sobre los residuos: el residuo tipificado tiene que estar entre -3 y 3 ms o menos. - No Multicolinealidad: se utiliza para describir la situacin en que un gran nmero de variables independientes est altamente interrelacionadas. Se puede comprobar en la tabla de coeficientes: estadsticos de colinealidad, la tolerancia ser prxima a 1 y el FIV (factor de inflacin de la varianza) no ser muy grande. Modo de medir la dimensionalidad de un cuestionario Para estudiar la o las dimensiones que mide un test se debe realizar un anlisis de dimensionalidad, generalmente mediante el anlisis factorial con objeto de observar la agrupacin de los tems en uno o ms factores Si los tems son dicotmicos la matriz de correlaciones se construye con las correlaciones tetracricas y si son categricos la ms apropiada ser la matriz de correlaciones policricas. Las tcnicas de factorizacin ms utilizadas son el mtodo de componentes principales y el mtodo de ejes factoriales. Otros autores consideran la existencia de unidimensionailidad de un instrumento cuando el primer factor explica ms del 40% de varianza comn. Tambin se debe hacer un anlisis conceptual de los aspectos o factores para ver si es preferible atribuirles una entidad independiente de ms fcil interpretacin. Si lo que se busca es crear un instrumento multidimensional, es decir, descomponible en subescalas que midan aspectos diferenciados del mismo constructo en general, el anlisis factorial de factores rotados nos ser muy til: a) Se debe partir de una teora previa bien justificada y redactar el banco inicial de tems con este propsito.

b)

Despus se examinan los factores rotados que pueden dar origen a las subescalas eligiendo los tems que mejor definen los factores elegidos Si las subescalas pertenecen al mismo mbito conceptual se debera comprobar que correlacionan de manera distinta con otros criterios. Se calcula la puntuacin de cada sujeto en cada factor y despus la correlacin de estos nuevos subtotales con diversos criterios

Modo de medir la fiabilidad en un cuestionario Un instrumento es fiable si est libre de error de medida. Se cuantifica mediante el coeficiente de fiabilidad (fiabilidad relativa) y con el error tpico de medida (fiabilidad absoluta). Para calcular la fiabilidad del test completo como consistencia interna de la escala se utiliza el estadstico alfa de Cronbach. Est relacionada con el n de tems del test. Indica el grado en que los tems de un test covaran. Hay otras propuestas para medir la fiabilidad - Formas paralelas: intrumentos que miden lo mismo de forma diferente (coeficiente de equivalencia) - Test-retest: mismo instrumento aplicado en momentos distintos (coeficiente de estabilidad) - Dos mitades: se divide el test en dos y se calculan las puntuaciones y cmo covaran en orden a verificar la coherencia Cuando el test es multidimensional no es correcto medir la consistencia interna de todo sino de las diferentes facetas o subescalas por separado Segn la TCT cundo un tem es discriminante Cuando hay una correlacin positiva entre la puntuacin obtenida en el tem y la obtenida en el test. Este ndice da idea de la homogeneidad del tem en relacin al test. Va de -1 a +1 y se considera un buen ndice el comprendido entre 0.25 y 0.35 Como se puede comprobar la colinealidad entre variables en un anlisis de regresin El estadstico F que evalua el ajuste general de la ecuacin de regresin es significativo pero no lo son los coeficientes de regresin parcial Coeficientes beta (estandarizados) inflados en positivo y negativo (mayores de 1 y -1) Valores de tolerancia de las variables muy pequeos (variables muy redundantes) SPSS permite hacer diagnsticos de colinealidad (regresin lineal>estadsticos> diagnstico de c.)

Solucin: aumentar el tamao muestral, aplicar un anlisis factorial para quedarse con factores independientes, excluir variables redundantes Modo de medir la validez predictiva en un cuestionario Viendo el ndice de validez del tem que es la correlacin item criterio La validez es a capacidad de un instrumento de medicin para cuantificar de forma significativa y adecuada el rasgo para cuya medicin ha sido diseado: un instrumento es vlido si mide lo que dice medir. Validez predictiva: cuando se requiere realizar pronsticos sobre una variable externa (criterio) a partir de unas puntuaciones se debe valorar el grado de correlacin de cada tem con dicho criterio. Indice de validez del tem Tambin existe la validez de contenido, de constructo, concurrente y aparente Supuestos y limitaciones del anlisis discriminante