Anlisis Cuantitativo

Por. Emmanuel Arturo Gonzlez Martnez.

Programas computacionales
SPSS MINITAB SAS - STATS
Este programa, desarrollado en la Universidad de Chicago, es uno de los ms difundidos. Constantemente se actualiza con versiones nuevas en ingles y espaol. Lo mejor para mantenerse al da en materia de SPSS es consultar su sitio en internet http://www.spss.com/
Existen diversos programas para analizar datos. En esencia su funcionamiento es muy similar, incluyen dos partes: la de definiciones de variables y por otra la matriz de datos.

PASO 1 Y 2: Seleccin y ejecucin del programa

Las matrices aparecen por primera vez hacia el ao 1850. El desarrollo inicial de la teora se debe al matemtico W.R. Hamilton en 1853. En 1858, A. Cayley introduce la notacin matricial como una forma abreviada de escribir un sistema de m ecuaciones lineales con n incgnitas.

En las Ciencias Sociales el concepto de matriz de datos es introducido por Johan Galtung, en un libro titulado Teora y Mtodo de la Investigacin Social

La matriz de datos
Galtug plantea que los Datos tienen una estructura tripartita, y que los elementos de esta estructura son : Las unidades de anlisis, Las Variables y Los valores. Cuando se procesan los datos de una investigacin, donde , por ejemplo el instrumento de recoleccin de datos es una encuesta. Los datos son transferidos de cada uno de los cuestionarios a la Matriz de Datos. Previamente hay que codificar las respuestas. La codificacin consiste en asignarle un numero a una respuesta o valor . Por ejemplo, si trabajamos con la variable una forma habitual de codificarlo es asignarle el valor 1 a Femenino y 2 a Masculino. Si la variable es Estado Civil los valores de los cdigos podran ser: 1- Soltero 2- Unido 3- Casado 4- Separado / Divorciado. 5 -Viudo

La matriz de datos

El formato de la matriz , con las variables que hemos tomado como ejemplo tendra estas caractersticas:

Estadstica

La estadstica es una ciencia con base matemtica referente a la recoleccin, anlisis e interpretacin de datos, que busca explicar condiciones regulares en fenmenos de tipo aleatorio.

Es transversal a una amplia variedad de disciplinas, desde la fsica hasta las ciencias sociales, desde las ciencias de la salud hasta el control de calidad, y es usada para la toma de decisiones en reas de negocios e instituciones gubernamentales.

Qu quiero analizar?
Del anlisis
Hallar que hay en los datos Conocer que tanto varia los datos Como estn distribuidos los datos Que relacin existe entre variables? Estimaciones y predicciones Describir las diferencias entre grupos y variables Demostrar causalidad

Tcnica estadstica
Media, mediana, moda Desviacin estndar, varianza, desviacin promedio Frecuencia Correlacin y medidas de asociacin Estimacin de punto e intervalos y regresin Prueba de T, Z y anlisis de varianza Prueba de T, Z y anlisis de varianza

Estadstica

Estadstica
Estadstica descriptiva
La estadstica descriptiva, que se dedica a los mtodos de recoleccin, descripcin, visualizacin y resumen de datos originados a partir de los fenmenos en estudio. Los datos pueden ser resumidos numrica o grficamente. sta incluye la: Distribucin de frecuencias Medidas de tendencia central Medidas de variabilidad Grficas Puntuaciones Z.

PASO 3: Explorar datos

Estadstica
Estadstica descriptiva
Una Distribucin de frecuencias es un conjunto de puntuaciones ordenadas en sus respectivas categoras. Ejemplo: A un grupo de 200 personas latinas que viven en el estado de California E.U.A., se les pregunt: Cmo prefiere que se refieran a usted en cuanto a su origen tnico?

PASO 3: Explorar datos

Estadstica
Estadstica descriptiva
Las Medidas de tendencia central son puntos en una distribucin, los valores medios o centrales de sta, nos ayudan a ubicarla dentro de la escala de medicin. Las principales medidas de tendencia central son tres: moda, mediana y media. La moda es la categora o puntuacin que ocurre con mas frecuencia:

PASO 3: Explorar datos

Estadstica
Estadstica descriptiva
Medidas de tendencia central La mediana es el valor que divide la distribucin por la mitad. Esto es, la mitad los casos caen por debajo de la mediana y la otra mitad se ubica por encima de la mediana. Por ejemplo, si los datos obtenidos fueran:

La mediana es 38, porque deja cuatro casos por encima (43,45,50 y 57) y cuatro casos por debajo (35,35,31 y 24). Parte la distribucin en dos mitades

PASO 3: Explorar datos

Estadstica
Estadstica descriptiva
Medidas de tendencia central La media es la medida de tendencia central mas utilizada y puede definirse como el producto aritmtico de una distribucin y es la suma de todos los valores, dividida entre el numero de casos. Su formula es:

Por ejemplo si tenemos las siguientes puntuaciones:

La media sera igual a:

PASO 3: Explorar datos

Estadstica
Estadstica descriptiva
Medidas de variabilidad Indican la dispersin de los datos en la escala de medicin y responden a la pregunta: Dnde estn diseminadas las puntuaciones o los valores obtenidos?. Las medidas de variabilidad mas utilizadas son: rango, desviacin estndar y varianza. El rango, tambin llamado recorrido, es la diferencia entre la puntuacin mayor y la puntuacin menor. Si tenemos los siguientes valores:

El rango ser:

PASO 3: Explorar datos

Estadstica
Estadstica descriptiva
Medidas de variabilidad La desviacin estndar es el promedio de desviacin de las puntuaciones con respecto a la media que se expresa en las unidades originales de medicin de la distribucin. La desviacin estndar slo se utiliza en variables por intervalos o de razn.

La varianza es la desviacin estndar elevada al cuadrado y se simboliza s2, se utiliza en anlisis inferenciales.

PASO 3: Explorar datos

Estadstica
Estadstica descriptiva
Puntuaciones Z Las puntuaciones Z, son medidas que indican la direccin y el grado en que un valor individual de aleja de la media, en una escala de unidades de desviacin estndar. Su frmula es:

Donde X es la puntuacin o el valor a transformar, es la media de la distribucin y s la desviacin estndar de sta. El resultado z es la puntuacin transformada en unidades de desviacin.

PASO 3: Explorar datos

Confiabilidad
La confiabilidad de las escalas se calcula mediante diversos mtodos: Medida de estabilidad. Se calcula aplicando a los participantes la misma prueba dos veces y luego aplicando un coeficiente de correlacin entre las puntuaciones de ambas aplicaciones.

PASO 4: Evaluar la confiabilidad y validez

Confiabilidad
Mtodo de formas alternativas o paralelas. Se calcula a travs de un coeficiente de correlacin entre los resultados de dos pruebas supuestamente equivalentes.

PASO 4: Evaluar la confiabilidad y validez

Confiabilidad
Mtodo de mitades partidas. Se calcula por medio de un coeficiente de correlacin entre las puntuaciones de las mitades del instrumento.

PASO 4: Evaluar la confiabilidad y validez

Validez
La valides del contenido se obtiene al asegurarse que las dimensiones medidas por el instrumento sean representativas del universo o dominio de dimensiones de las variables de inters. La evidencia de validez de criterio se produce al correlacionar las puntuaciones de los participantes, con sus valores obtenidas en el criterio. Correlacin implica asociar puntuaciones obtenidas por la muestra en dos o ms variables. Cuando el estudio tiene una finalidad puramente exploratoria, debemos interrogarnos podemos establecer relaciones entre variables?, en caso de respuesta positiva, es factible seguir con el siguiente paso, de lo contrario el trabajo concluye aqu y debemos preparar el reporte de la investigacin.

PASO 4: Evaluar la confiabilidad y validez

Estadstica
Estadstica inferencial
La estadstica inferencial, Se utiliza para probar hiptesis y estimar parmetros, se basa en la distribucin muestral.

PASO 5: Anlisis estadstico de variables e hiptesis

Estadstica
Estadstica inferencial
Distribucin muestral Una distribucin muestal es un conjunto de valores sobre una estadstica calculada de todas las muestras posibles de determinado tamao de una poblacin.

Estimar parmetros Proceso por el que se trata de averiguar un parmetro de la poblacin representado, en general, por partir del valor de un estadstico llamado estimador y representado por . a

El problema se resuelve en base al conocimiento de la "distribucin muestral" del estadstico que se use.

PASO 5: Anlisis estadstico de variables e hiptesis

Estadstica
Estadstica inferencial
Probar hiptesis El investigador determina si la hiptesis es congruente con los datos obtenidos de la muestra. La hiptesis se retiene como un valor aceptable del parmetro, si es congruente con los datos. Si no lo es, se rechaza (pero los datos no se descartan). La prueba de hiptesis se realiza mediante: Anlisis paramtricos y Anlisis no paramtricos. Cada tipo posee sus caractersticas y presuposiciones que lo sustentan. La eleccin de que clase de anlisis depende de estas presuposiciones.

PASO 5: Anlisis estadstico de variables e hiptesis

Estadstica
Estadstica inferencial
Probar hiptesis Anlisis paramtricos

Debe partirse de los siguientes supuestos: 1.- La distribucin poblacional de la variable dependiente es normal 2.- El nivel de medicin de la variable dependiente es por intervalos o razn 3.- Cuando las poblaciones en cuestin poseen una dispersin similar en sus distribuciones

PASO 5: Anlisis estadstico de variables e hiptesis

Estadstica
Estadstica inferencial
Probar hiptesis Anlisis paramtricos Coeficiente de correlacin Pearson Es una prueba estadstica para analizar le relacin entre 2 variables medidas en un nivel por intervalos o de razn. Prueba t Es una prueba estadstica para evaluar si 2 grupos difieren entre s de manera significativa respecto a sus medias. Se utiliza para 2 grupos Prueba de diferencia de proporciones Es una prueba estadstica para analizar si 2 proporciones difieren significativamente entre s. Anlisis de varianza Es una prueba estadstica para analizar si mas de 2 grupos difieren significativamente entre s en cuanto a sus medias y varianzas. Se utiliza para 3, 4 o mas grupos.

PASO 5: Anlisis estadstico de variables e hiptesis

Estadstica
Estadstica inferencial
Probar hiptesis Anlisis no paramtricos

Debe partirse de las siguientes consideraciones: 1.- No requieren de presupuestos acerca de la forma de la distribucin poblacional 2.- No necesariamente tienen que estar medidas en intervalos o de razn, pueden analizar datos nominales u ordinales.

PASO 5: Anlisis estadstico de variables e hiptesis

Estadstica
Estadstica inferencial
Probar hiptesis Anlisis no paramtricos Chi cuadrada Es una prueba estadstica para evaluar hiptesis entre dos variables categricas. Se utiliza para probar hiptesis correlacionales.

Coeficientes de Spearman y Kendall Son medidas de correlacin para variables en un nivel de medicin ordinal; los individuos u objetos de la muestra pueden ordenarse por rangos.

Coeficientes para tabulaciones cruzadas Adicionales a la Chi cuadrada, existen estos coeficientes para evaluar si las variables incluidas en la tabulacin cruzada estn correlacionadas.

PASO 5: Anlisis estadstico de variables e hiptesis

Preparar los resultados para presentarlos Se recomienda, una vez que se obtengan los resultados de los anlisis estadsticos, las siguientes actividades: 1.- Revisar cada resultado Anlisis general y especfico de valores resultantes, tablas, diagramas, cuadros y grficas. 2.- Organizar los resultados Primero los descriptivos, por variable, luego los resultados relativos a la confiabilidad y la validez y posteriormente los inferenciales. 3.- Cotejar los diferentes resultados Su congruencia y en caso de inconsistencia lgica volverlos a revisar. 4.- Priorizar la informacin ms valiosa

PASO 6: Reporte de resultados

5.- Copiar las tablas en el programa con el cual se elaborar el reporte Vaciar en procesadores de texto o uno para presentaciones como word o power point, las tablas elaboradas por programas como SPSS o Minitab. 6.- Comentar o describir brevemente La esencia de los anlisis, valores, tablas, diagramas, grficas. 7.- Volver a revisar los resultados. 8.- Y, finalmente, elaborar el reporte de investigacin.

PASO 6: Reporte de resultados