9. Analisis de datos.pptx
0 recomendaciones91 vistas
El documento detalla el análisis de datos y su importancia en la validación de hipótesis mediante métodos estadísticos, destacando el uso del software SPSS para realizar análisis descriptivos y de confiabilidad. Se abordan diversos procedimientos como medidas de tendencia central y coeficientes de correlación para evaluar la relación entre variables. Además, se ejemplifica el análisis de la relación entre el autoconcepto y el rendimiento académico de estudiantes universitarios, concluyendo que existe una relación positiva entre ambas variables.
9. Analisis de datos.pptx
- 1. Instituto Politécnico Nacional Centro de Estudios Científicos y Tecnológicos No. 11 Academia de lengua y comunicación Turno Matutino Análisis de los datos Elaborado por: Maria Teresa Rodriguez Castellanos Editado por: Moises Silva Garcia
- 2. Análisis de los datos Analizar los datos implica generar resultados que aporten evidencia en favor de la hipótesis, o en contra. Los datos se analizan con métodos estadísticos, pues son el producto de mediciones que se representan por números.
- 3. Modelo matemático preliminar. Tipo de patrón Primero se decide qué tipo de patrón se busca en los datos. ¿Se desea describir cómo es el actual estado del objeto de investigación? ¿O se desea descubrir cómo debe ser el objeto de investigación: qué grado de las cualidades medidas sería óptimo? Característica. Preguntas a responder. Propósito final Otra decisión importante se refiere al propósito final. ¿Se quieren usar las variables para clasificar casos o individuos? ¿O se desean analizar variables inconexas, o bien las relaciones entre diversas variables?
- 4. Programas para analizar datos ¿Cuál es el programa más difundido? Existen diversos programas computacionales para el análisis estadístico; uno de los más difundidos es el SPSS de IBM. ¿Cómo funcionan estos programas? Matriz de variables Donde se definen las variables, explicando los valores de la codificación ítem por ítem. Matriz de datos Donde se introducen los datos. Es una hoja de cálculo.
- 5. Proceso del análisis de datos ❖ Analizar ❖ Evaluar ❖ Analizar Se describen los datos, valores, puntaciones y distribución de frecuencias para cada variable. La confiabilidad se calcula y evalúa para todo instrumento utilizado. En la estadística inferencial, la hipótesis es una proposición respecto a uno o varios parámetros. Principales estadísticas descriptivas: ● Medidas de tendencia central. ● Medidas de variabilidad o dispersión. ● Varianza. Procedimientos más utilizados: ● Medida de estabilidad. ● Medida de consistencia interna. Análisis más utilizados: ● Paramétricos. ● No paramétricos.
- 6. ANÁLISIS DE ESTADÍSTICA DESCRIPTIVA ¿Cómo se generan las estadísticas en el SPSS?
- 7. PRINCIPALES ESTADÍSTICAS DESCRIPTIVAS! Tipos: • Medidas de tendencia central. • Medidas de variabilidad. • Varianza. Descripción. Son los valores medios o centrales de una distribución de frecuencias que la ubican dentro de la escala de medición. Son intervalos que indican la dispersión de los datos. Responden a la pregunta: ¿dónde están diseminados los valores? Es la desviación estándar al cuadrado. Es un concepto estadístico; muchas de la pruebas se fundamentan en ella. Principales. Media, Mediana, Moda, Suma. Desviación típica (o estándar), Rango. Varianza.
- 8. Ejemplo: Encuesta ¿Qué opinión tiene sobre el alcalde de Sucre? 5. Totalmente favorable 4. Favorable 3. Indiferente 2. Desfavorable 1. Totalmente desfavorable. Interpretación • En promedio, las opiniones se ubican en 4.2, es decir la actitud hacia el Alcalde es favorable. • El 50% opinó por encima de 3.9, y el restante por debajo. • La respuesta que más se repitió fue 4. • Los valores se desvían de 4.2, un promedio de 0.7 unidades. • Las puntuaciones tienden a ubicarse en valores medios o elevados. • Nadie opinó en forma totalmente desfavorable (1). Resultados • Media = 4,2 • Mediana = 3,9 • Moda = 4,0 • Desviación típica = 0,7 • Rango = 3,0 • Mínimo = 2,0 • Máximo= 5,0
- 10. ¿Cuáles son los procedimientos más utilizados? Criterio de evaluación. Todos los procedimientos utilizan fórmulas que producen coeficientes de confiabilidad que oscilan entre 0 (nula confiabilidad) y 1 (máxima confiabilidad). Procedimiento Medida de estabilidad Medida de consistencia interna Más utilizados ¿Responden las unidades muestrales de una manera similar a un instrumento si se administra dos veces? ¿Las respuestas a los ítems del instrumento son coherentes? Preguntas a responder El instrumento se aplica 2 veces. Si la correlación entre ambos resultados es cercana a 1, se lo considera confiable. El instrumento se aplica una sola vez y se calcula el coeficiente de confiabilidad Alfa de Cronbach para variables de escala.
- 11. Ejemplo. Medida de consistencia interna del Test AF5 • Instrumento a evaluar El Test AF5 utilizado para medir el autoconcepto de 306 estudiantes (tamaño de la muestra) de la UAGRM. La evaluación se realiza con el coeficiente Alfa de Cronbach. Se generan los coeficientes para cada dimensión del autoconcepto y total.
- 12. Análisis de la Hipótesis Se realiza mediante pruebas estadísticas
- 13. Análisis de la hipotesis mediante pruebas estadisticas. Criterio de la prueba Límites Para variables ordinales y nominales en hipótesis correlacional. Más utilizados Chi cuadrada, Coeficientes de correlación. Determinar si la hipótesis es congruente con los datos de la muestra. Algunos procedimientos utilizan fórmulas que producen coeficientes de correlación que oscilan entre −1.00 (correlación negativa perfecta) y +1.00 (correlación positiva perfecta). Límites Para variables de escala en hipótesis correlacional y causal. Más utilizados Coeficiente de correlación de Pearson, Regresión lineal, Prueba t, Análisis de varianza.
- 14. Análisis paramétrico de la hipótesis Se utiliza el coeficiente de correlación de Pearson Evento Análisis Valores del coeficiente Descripción Se analiza la relación entre 2 variables de escala de hipótesis causal o correlacional del tipo “A mayor X, mayor Y”, “A mayor X, menor Y”. La prueba no considera variables independiente ni dependiente; la noción de causa-efecto se establece teóricamente. Se calculan a partir de la relación entre las puntuaciones recolectadas de una variable con las recolectadas de la otra. Puede variar entre −1,00 y +1,00. −1.00 = Correlación negativa perfecta (A mayor X, menor Y). −0.50 = Correlación negativa media. 0.00 = No existe correlación alguna entre las variables. +0.50 = Correlación positiva media. +1.00 = Correlación positiva perfecta (A mayor X, mayor Y)
- 15. Ejemplo con análisis paramétrico de la hipótesis Con el coeficiente de correlación de Pearson Análisis de hipótesis con coeficiente de correlación de Pearson • Hipótesis a analizar “El autoconcepto de estudiantes universitarios tiene una relación positiva con su rendimiento académico”. El coeficiente se calcula a partir de las puntuaciones medias de las 5 dimensiones de autoconcepto y el promedio de calificaciones, de 306 estudiantes de la UAGRM. Se genera una matriz de correlación entre autoconcepto y calificaciones.
- 16. Resultado del análisis de la hipótesis ¿Qué aporta el resultado del análisis? El resultado obtenido en el análisis aporta evidencia en favor de la hipótesis, o en contra. Utilidad ⬤Guía la investigación ⬤Proporciona explicaciones ⬤Refuerza teorías ⬤Sugiere teorías
- 17. Ejemplo con resultado del análisis. Los resultados del análisis corroboran la relevancia del autoconcepto como un constructo interesante en educación que tiene relación positiva con el rendimiento académico; y específicamente dos tipos de autoconcepto: el académico y el familiar. Hipótesis probada Conclusión.
- 18. Referencias bibliográficas ❖ Gargallo, B., Garfella, P., Sánchez, F. & otros. (2009). La influencia del autoconcepto en el rendimiento académico de los estudiantes universitarios. REOP. Vol. 20, Nº 1, 1er Trimestre, 2009, 16-28. ❖ Hernández, R. & otros (2010). Metodología de la Investigación - Quinta Edición. México: McGraw Hill. ❖ IBM SPSS. (2010). Manual del usuario del sistema básico de IBM SPSS Statistics 19. Madrid: SPSS, Inc.