Professional Documents
Culture Documents
FACULTAD DE HUMANIDADES
ESCUELA DE PSICOLOGA
CURSO: TALLER DE DESARROLLO DE TESIS
UNIDAD 1: EL ANLISIS ESTADSTICO DE LOS DATOS DE INVESTIGACIN
COMPETENCIA:
Utiliza y define estrategias de anlisis cuantitativo de datos de investigacin emprica.
OBJETIVO:
Discriminar y utilizar un esquema bsico de estrategias de anlisis cuantitativo de datos de
investigacin emprica.
ETAPAS:
Etapa 1
Promedio aritmtico
Varianza
Desviacin estndar
Error estndar
Coeficiente de variacin
Etapa 2
J. Anicama (2014)
Pgina 1
K-S
3.449***
2.789***
2.839***
1.479*
p
0.000
0.000
0.000
0.025
Tabla 1
Resultados de la Prueba de Bondad de Ajuste para Conocimientos Sexuales. Anicama
(2008)
* Significativo (p<.05)
***Altamente significativo (p<.001)
Interpretacin de valores K-S
Si los coeficientes obtenidos son significativos, es decir los valores de p son menores que
p<.05 y p<.001 los datos no siguen una distribucin normal de valores.
El Q-Q Normal sin tendencia se basa en las diferencias entre los valores observados y los
valores esperados bajo la hiptesis de normalidad. Si estas diferencias se distribuyen
aleatoriamente alrededor del eje de abscisas puede suponerse que la hiptesis de normalidad
es sostenible. Adems, esta opcin permite contrastar la hiptesis de normalidad con las
prueba de Kolgomorov-Smirnov y de Shapiro-Wilk.
J. Anicama (2014)
Pgina 2
Figura 1. Anlisis de la distribucin para primeras habilidades sociales para sexo femenino.
Yucra (2014).
Entonces:
1. Si la distribucin no es normal se deber usar estadsticas no paramtricas: U de
Mann Whitney, segn sea el caso de 2 valores o la de Kruskal Wallis para ms de 2
valores respectivamente.
2. Si la distribucin es normal se deber usar las estadsticas paramtricas: t de Student
para 2 valores y ANOVA para ms de 2 valores.
Tambin se puede utilizar la prueba X2 para ver si los datos siguen la curva de distribucin normal.
Asimismo, la prueba Shapiro - Wilk para el caso de muestras menores o iguales a 50 sujetos.
Etapa 3
J. Anicama (2014)
Pgina 3
Proceda segn sea el caso a hallar las diferencias significativas para cada variable.
1. Si los datos requieren usar pruebas paramtricas por ser de distribucin normal proceda
as:
a. Para hallar diferencias significativas segn el sexo (una variable con 2 valores:
masculino y femenino), se utiliza:
La t de Student si n <100 sujetos
Usar puntajes Z si n>100 sujetos
b. Para hallar diferencias significativas segn la EDAD, GRADO DE INSTRUCCIN y
NSE (en cada variable hay ms de 2 valores por ej.: cinco grados educativos) utilizar:
La prueba F de ANLISIS DE VARIANZA (ANOVA)
c. Para comparar y hallar diferencias significativas entre condiciones de estudio pre-test y
post-test:
Si son menos de 100 sujetos usar la t de Student
Si son ms de 100 sujetos usar la prueba Z
2. Si los datos requieren usar pruebas no paramtricas porque no siguen la curva de
distribucin normal, proceder as:
a. Para hallar diferencias significativas segn el sexo (2 valores) utilizar:
La prueba U de Mann Whitney
b. Para hallar diferencias significativas segn la edad, grado de instruccin y NSE, en
cada variable ms de 2 valores, utilizar:
La prueba KRUSKAL-WALLIS
c. Para comparar y hallar diferencias entre condiciones de estudio pre-test y post-test se
utiliza:
La prueba de Rangos de WILCOXON
Etapa 4
J. Anicama (2014)
Pgina 4
Proceda ahora a investigar si existe o no una asociacin, relacin o correlacin entre las variables:
1. Para establecer la asociacin entre 2 variables de datos que sigue la distribucin normal,
utilizar:
La r producto momento de PEARSON
2. Para establecer la asociacin entre ms de 2 variables de datos que siguen la distribucin
normal, utilizar:
La r correlacin mltiple
3. Para establecer la asociacin entre 2 variables de datos que siguen una distribucin no
normal, utilizar:
La r correlacin de Spearman
4. Para establecer la asociacin entre ms de 2 variables de datos que siguen la distribucin
no normal, utilizar:
La r correlacin mltiple
5. Para establecer la asociacin entre ms de dos variables, una que sigue valores cualitativos
y las otras cuantitativas se utiliza:
V.I. Varios
La regresin logstica
V.D. Una
Si
No
Ella busca identificar la asociacin entre varias variables independientes y una variable
dependiente dicotmica Si o No.
6. Adicionalmente, si hay asociacin y se requiere analizar la forma o naturaleza de la
asociacin, es decir de qu manera se relacionan, utilizar:
Regresin mltiple, la cual permite establecer cierto orden segn la fuerza o intensidad de
la asociacin
7. Para analizar y estimar los factores de riesgo presentes para las variables en estudio se debe
calcular:
J. Anicama (2014)
Pgina 5
El factor Olds-Ratio: OR, el cual se usa para el caso de: grupo de estudio y grupo control.
En la Tabla 2, se presentan los clculos de Odds Ratio (OR) para los factores de riesgo
social y sus intervalos de confianza (IC), as como el clculo de sus asociaciones mediante la prueba
Chi-Cuadrado (X), como factores sociales que constituyen riesgos para el embarazo en
adolescentes. Se puede apreciar que los factores que constituyen significativamente un riesgo
elevado para el embarazo en adolescentes son: no tener ocupacin alguna (OR=20; p=0.031) y
consumir alcohol (OR=2.852; p=0.046). Esto quiere decir que la adolescente que no tiene
ocupacin alguna es 20 veces ms propensa a salir embarazada y la adolescente que consume
alcohol es 2.8 veces ms propensa tambin a salir embarazada. Por otro lado, se han hallado tres
factores significativamente protectores del embarazo en adolescentes, tales como: tener estado civil
casada (OR=0.086; p=0.000), tener estado civil conviviente (OR=0.096; p=0.000) y vivir con la
pareja (OR=0.302; p=0.026), de acuerdo a los valores OR obtenidos en estos tres factores sociales,
el riesgo del embarazo en adolescentes se vuelve significativamente casi nulo.
Tabla 2
Odds ratio (OR) de los factores sociales y valores de asociacin x 2 en adolescentes atendidas en el
centro de salud Jos Glvez
Factores sociales
OR
IC
1.643 ns
1.184 2.280
0.114
0.735
2.333 ns
0.685 7.946
1.123
0.289
1.735 ns
0.644 4.673
0.718
0.397
0.086 ***
0.023 0.314
13.691
0.000
0.096 ***
0.032 0.289
17.914
0.000
Ocupacin: ninguna
20.000 *
0.048 471.576
4.641
0.031
16.000 ns
0.668 383.022
1.333
0.248
Ocupacin: estudia
6.000 ns
0.390 92.277
0.469
0.494
Ocupacin: trabaja
1.023 ns
0.088 11.915
0.000
1.000
Consumo de alcohol
2.852 *
0.995 8.173
4.000
0.046
Consumo de drogas
2.042 ns
1.668 2.499
0.510
0.475
0.171 ns
0.019 1.522
1.812
0.178
3.333 ns
0.473 23.471
0.597
0.440
1.387 ns
0.421 4.569
0.056
0.813
J. Anicama (2014)
Pgina 6
1.156 ns
0.317 4.211
0.000
1.000
Hacinamiento en la vivienda
1.087 ns
0.484 2.441
0.000
1.000
Hacinamiento en la vivienda
1.087 ns
0.484 2.441
0.000
1.000
1.518 ns
0.521 4.426
0.248
0.619
0.714 ns
0.041 12.347
0.000
1.000
0.302 *
0.115 0.795
4.958
0.026
2.100 ns
1.529 2.884
0.524
0.469
0.649 ns
0.177 2.377
0.107
0.743
1.039 ns
0.406 2.656
0.000
1.000
2.121 ns
0.482 9.336
0.428
0.513
0.911 ns
0.390 2.126
0.000
1.000
1.850 ns
1.499 2.282
0.000
1.000
2.353 ns
0.204 27.093
0.013
0.908
2.059 ns
0.771 5.495
1.474
0.225
El valor del Riesgo Relativo: RR, que se usa para el caso de grupos de cohorte. Los
estudios
de
cohorte
son
estudios
epidemiolgicos,
observacionales,
analticos,
J. Anicama (2014)
Pgina 7