Octava sesión (16-01-2015)

¿Qué he aprendido?

En la clase de hoy, el objetivo ha sido llevar a la práctica toda la información recogida en la clase anterior respecto a la elaboración de instrumentos. Para ello hemos trabajado con un fichero extraído de egela. Lo a continuación presentado hace referencia a la práctica llevada a cabo.

El primer paso que debemos hacer con una escala es describir esta escala, analizar la información de la misma. El segundo paso, es hacer un análisis descriptivo de los ítems de la escala. Analizamos a continuación los estadísticos descriptivos (media, desviación estándar, curtosis y asimetría). Nos encontramos con casos que presentan preguntas sin responder. En estos casos existen dos procedimientos: en caso de que sean pocos los quitaríamos o mediante el spss podríamos utilizar el proceso de imputación múltiple.

Encontramos dos ítems con medias altas (10 y 17). Tomamos nota de estos ítems, ya que probablemente con estos dos ítems pase algo. De la desviación típica se espera que sean valores que no sean cero, los valores que estén por encima de uno son los que nos interesan. Se espera que tanto la asimetría como la curtosis estén en una simetría entre -2 y 2. En el caso de la asimetría y curtosis los ítems 10 y 17 vuelven a llamarlos atención por sus valores que dan  muestras de características de distribución exagerada.

Realizamos un análisis de fiabilidad. En el apartado de descriptivos seleccionamos los puntos de elemento, escala y escala si se elimina el elemento. Junto a estos analizamos otros dos aspectos:

-          T-cuadrado de Hotelling.

-          Prueba de aditividad de Tukey. Mide la aditividad de la escala. Si es una escala en la cual se pueden sumar todos los ítems de la escala, dándonos de esa manera el resultado de autoconcepto. Esta prueba es más conocida como el test de no aditividad.

Encontramos en la tabla de resultados, que cuando quitamos los ítems 10 y 17 la escala se comporta de una manera similar. Nos encontramos con una media similar en la escala con estos dos elementos suprimidos.

Retiramos del análisis los ítems 4, 5, 24 y 25, ya que los valores de estos ítems no nos son relevantes. De esta manera observamos que no mejoran los resultados. Observamos por tanto que tenerlos o no tenerlos no mejora la fiabilidad de esta escala.

Estudiamos las técnicas de AFE (análisis factorial exploratorio) o AFC (análisis factorial confirmatorio), que consiste en explicar el máximo de varianza con el mínimo número de factores o elementos. Mediante estas técnicas descubriremos la estructura subyacente de los datos que tenemos en nuestro fichero. Haciendo uso del análisis factorial exploratorio, seleccionamos solución inicial dentro de los descriptivos y FMO (contraste de hipótesis) y prueba de esfericidad de Barnett.

Observamos que esta escala es una escala que contiene ítems referentes a: autoconcepto personal, autoconcepto académico, autoconcepto social.

Recapitulando por tanto, para comprobar la calidad y la validez de un instrumento debemos atender a los dos conceptos trabajados en la anterior clase: la fiabilidad y la validez.

¿Cuáles son los fallos que veo que tengo?

Una vez finalizada esta clase nos hemos encontrado con que esta sesión iba a ser la última referente a esta asignatura. Como he ido explicando durante todo el proceso y las anteriores entradas al blog, todavía se quedan bastantes dudas en el tintero. Explico anteriormente también, que la estadística ha sido una materia casi desconocida para mí y me ha supuesto bastante esfuerzo poder seguir las clases. Aun así encuentro una notable diferencia en comparación con la primera y última sesión.

¿Cómo creo que puedo resolverlo?

A medida de que avance el master gracias también a la materia de las diferentes asignaturas, que en muchos casos tienen relación directa con la estadística, podré seguir desarrollando muchos de los aspectos desarrollados durante el módulo de análisis estadísticos.

Gracias al TFM, que continuaremos desarrollando durante todos estos meses, continuaremos también manteniendo contacto con datos y análisis estadísticos.

Y como no, en caso de optar por continuar con nuestra carrera de investigadores, en el desarrollo de la tesis quiero pensar que nuestro dominio estadístico será bastante mejor en comparación con el actual.

Séptima sesión (13-01-2015)

¿Qué hemos aprendido?

En la clase de hoy hemos trabajado en el diseño y construcción de instrumentos.

Construcción del instrumento.

El proceso con el cual nosotros ante un determinado objetivo, construiríamos unos instrumentos específicos para determinada situación. Existen muchas técnicas de recoger información de la realidad. A groso modo, las cuantitativas y cualitativas. Las cuantitativas terminan en números, y las cualitativas no con tanta frecuencia, pero muchas veces también terminan acabando en números. Aunque no recojamos la información cuantificada, los investigadores terminan cuantificándolo. Ahí es cuando empieza por tanto el tratamiento estadístico de estos datos.

En nuestro caso, en la clase de hoy nos hemos centrado mayormente en la construcción o elaboración de instrumentos para la investigación de carácter cualitativo. Existen dos conceptos  o características claves en esto de la elaboración de instrumentos:

·         Fiabilidad. Sinónimo de precisión. Se garantiza la fiabilidad cuando mantiene los resultados de una situación determinada estable en el tiempo. Mantener la estabilidad a lo largo del tiempo significa que el resultado que el instrumento dé en el momento uno (X₁), tiene que ser muy parecido al que nos dé en el momento dos (X₂). Para ello se examina la correlación entre estos dos momentos, de esta manera si el coeficiente de relación es bajo (fiabilidades por debajo de 0.6) podemos decir que ha habido cambios. Otra manera de medir la fiabilidad sería ver si ese instrumento mide lo mismo que mide otro instrumento ya construido. Medir la correlación entre nuestro instrumento de medida y la otra escala. X e Y son instrumentos paralelos, los cuales miden la misma variable latente. Una tercera forma de medir la fiabilidad, sería que el conjunto de ítems del que disponemos apunten en la misma dirección, por lo que tiene que tener una correlación amplia entre sí, que dispongan de una consistencia interna. La tercera manera de medir la fiabilidad nos sería la forma más habitual, ya que nos es suficiente con nuestro único instrumento. La forma más común de calcular la consistencia interna es mediante el alfa de cronbach.

·         Validez. Es válido aquello que sirve para medir aquello que se supone que tiene que medir. La validez más importante de un instrumento es la validez de contenido. Significa que ese instrumento recoge lo más importante de las características del constructo que estamos midiendo. A la hora de elaborar el instrumento, es necesaria una revisión profunda que hace referencia a la validez de contenido. Es una validez subjetiva, depende del investigador. Existen una validez que está muy relacionada con la validez de contenido y esta es la validez de constructo. Este tipo de validez, garantiza qué lo que se está midiendo es lo que se quería medir. Para saber cómo se calcula esto, necesitamos saber la correlación que existe entre lo que nuestro instrumento mide y otro que también mida lo que mediante nuestro instrumento se ha medido.

Existen otros dos tipos de validez, la convergente y la divergente. Hablamos de validez convergente cuando todos los ítems apuntan en la misma dirección. La validez divergente por su parte, mide la capacidad que tiene ese instrumento para diferir de instrumento que miden cosas distintas, y en ese caso esperaríamos que la correlación sea baja. Otros de los tipos de validez con los que nos encontramos es la validez de contenido.

A la hora de construir un instrumento la muestra es otro de los aspectos con el que nos encontramos.

-          Selección de muestra. Creamos una serie de ítems.

-          Se somete la muestra a los expertos tras la que dará una transformación o adecuación de los ítems. 

-          Se pasan estos ítems a una muestra de sujetos. Lo hago en una muestra reducida, que representa al resto de la población. Por tanto, es de gran importancia la selección de esta muestra. En función de los resultados que me vaya dando y una vez hechos los análisis necesarios, se replantearán nuevamente si son necesarios los ítems.

Repasamos diferentes calculadores de la muestra como son: http://www.raosoft.com/samplesize.html, http://www.gpower.hhu.de/

Junto a todo esto, se han presentado varios artículos que están disponibles en egela, que hacen referencia a todo lo explicado en clase respecto a la elaboración de instrumentos. Entre estos artículos encontramos por ejemplo “guía para construir cuestionarios y escalas de actitudes”, “Normas para el desarrollo y revisión de estudios Instrumentales”.

¿Cuáles son los fallos que veo que tengo?

Considero de gran importancia todo lo trabajo en esta clase. Hasta ahora no creía que la elaboración de un instrumento requería de tanto trabajo y era tan complejo. De ahí la importancia de leer e informarse antes de elaborar instrumentos. Gracias a lo trabajado durante esta clase creo que el fallo que podría cometer anteriormente queda subsanado.

¿Cómo creo que puedo resolverlo?

Considero importante el continuar informándose en todo a lo que el mundo de la investigación respecta, bien sea sobre la elaboración de instrumentos o de cualquier otro aspecto. De esta manera podremos continuar obteniendo diferentes claves, que nos ayudarán a mejorar y a facilitarnos el trabajo a realizar.

Además durante la sesión se nos han presentado diferentes artículos que nos serán útiles a la hora de elaborar cualquier instrumento.

Sexta sesión (11-12-2014)

¿Qué hemos aprendido?

Hemos comenzado la clase repasando diferentes dudas hacia varios conceptos presentados durante clase anteriores. Entre estos conceptos se encontraban la t de student y su aplicación, la hipótesis nula (H_o), o la media, por ejemplo.

Una vez aclaramos estos conceptos, se han presentado términos hasta ahora desconocidos como son los contrastes paramétricos y los contrastes no-paramétricos. Para tratar de estos dos términos es importante saber que nos referimos a parámetros como una característica de la población la cual queremos medir. Por tanto los contrastes paramétricos se describen como pruebas de hipótesis estadísticas que asumen cierto comportamiento de muestras obtenidas aleatoriamente. Los contrastes no-paramétricos por su parte, no asume la anterior afirmación. Un ejemplo bastante claro nos ha ayudado a diferenciar estos dos tipos de contrastes: Diferencia entre antibióticos selectivos (paramétricos) y de amplio espectro (no-paramétricos).

Posteriormente hemos realizado una práctica con el programa estadístico SPSS. Una práctica con un mayor número de variables en comparación a las anteriormente realizadas.

Hemos comenzado con el análisis de pruebas no paramétricas. Previamente se ha explicado que la chi cuadrado se utiliza para medir grados de ajuste de una determinada distribución de algo, o también el grado de asociación de dos variables nominales. Hemos utilizado la chi cuadrado en este caso para ver el grado de asociación de dos variables, sin ser en este caso genérico. A continuación, hemos comparado la relación entre rama y género. Vistos los resultados podríamos decir que se rechaza la hipótesis nula. La hemos rechazado eso si, al nivel del 95% de confianza. Por tanto, hemos podidos aceptar la hipótesis de que podría existir alguna relación entre el género y la rama.

No hemos podido ver diferencias significativas en Ciencias Sociales y Jurídicas, y en Humanidades, pero sí que se han podido observar en Ciencias Experimentales y de la Salud, y en Enseñanzas técnicas. La relación existente entre el género y la rama no solo afecta en los casos en los cuales la relación es significativa sino que en las que no es significativa también existe esa relación.

Hemos continuado realizando una prueba no paramétrica, entre dos variables independientes. Junto a ello, hemos tratado de ver si existe relación entre la inteligencia y el género. Hemos podido encontrar una significación asintótica de 0.727, la cual ha dado a conocer que no existen diferencias significativas entre las dos variables analizadas. Hemos continuado haciendo este mismo contraste mediante una comparación de medias entre pruebas independientes y este análisis sí que nos ha indicado que existe una diferencia significativa.

Varianza total (la varianza de todos los sujetos que intervienen)

La  hemos dividido en dos: la varianza intergrupo (la parte de la varianza que proviene entre la varianza del grupo 1, 2, 3) + la varianza intragrupo (la varianza que existe dentro de cada grupo, la variabilidad del grupo uno más la del grupo dos y la del grupo tres).

-          La hipótesis nula (H_o) nos dice que los tres grupos son iguales.

-          La hipótesis alternativa (H₁) nos dice que existen al menos una pareja que es diferente.

Hemos continuado con el análisis entre la variable inteligencia y rama (que tiene más de una categoría). Se han puesto a prueba la hipótesis nula de que la inteligencia es igual en todas las categorías. En este caso no existían diferencias ya que la significación no era mayor. Seguido a esto hemos hecho la misma operación con más de una variable como son inteligencia, comprensión verbal, orientación espacial, extraversión, etc. De esta manera se ha analizado si entre ellas encontramos alguna significación. Aun así, hemos podido ver como no existe significación. Hemos continuado aplicando la misma operación en las variables peso, edad y estatura, pero tampoco encontramos significación.

Visto que no  hemos podido encontrar significado de esta manera,  hemos recodificado la variable inteligencia. Ahora sí que hemos podido ver que existe una significación en comprensión verbal y orientación espacial.

¿Cuáles son los fallos que veo que tengo?

Los dos principales términos que hemos trabajado en clase referentes a los tipos de contrastes me han resultado bastante complicados de asimilarlos.

¿Cómo creo que puedo resolverlo?

Al ser módulos de tres créditos, las horas que se dedican a trabajar sobre los diferentes conceptos estadísticos son bastante reducidas. Por tanto, creo que para alumnos como en mi caso soy recién iniciado en la estadística, nos convendría poder con más tiempo y tranquilidad todo lo que al análisis de datos respecta.

Quinta sesión (30-10-2014)

¿Qué hemos aprendido?

Durante la clase de hoy hemos tratado varios conceptos estadísticos. Entre ellos se encuentran las hipótesis (Ho y H1), la significatividad (o nivel de confianza, obtener evidencias dentro de los intervalos, %95-%5), la curtosis (forma que adquiere la curva, aplanada = valores negativos y elevada = valores positivos), la asimetría (inclinación de la curva: cargada hacia la izquierda = positivo, cargada hacia la derecha = negativo y 0 en caso de que sea simétrica), …

Junto a estos conceptos, hemos vuelto a rehacer la práctica 1c en clase, práctica la cual la hicimos en los días previos en horas fuera de clase. De esta manera las dudas que se nos crearon durante el proceso, han quedado en gran parte resueltas.

¿Cuáles son los fallos que veo que tengo?

Mientras en las horas fuera de clase realizábamos la práctica 1c se nos crearon varias dudas. Entre ellas la referente a la significatividad. Por más que replanteáramos la práctica no conseguíamos encontrar significatividad en nuestros resultados. Una vez realizada esta misma práctica en clase, nos hemos percatado de que no siempre nos encontramos con resultados significativos.

¿Cómo creo que puedo resolverlo?

Al repasar la práctica 1c hemos podido contrastar nuestro trabajo y darnos cuenta de que nuestras dudas estaban relacionadas con la significatividad que queríamos encontrar, cuando realmente no la había. De ahí la importancia de contrastar los trabajos realizados, y la importancia de la puesta en común de lo trabajo. Creo que esta puede ser la manera de resolver muchas de las dudas que durante nuestros procesos de investigaciones nos irán surgiendo.

                                            

Cuarta sesión (28-10-2014)

¿Qué hemos aprendido?

En la clase de hoy, hemos continuado con la práctica que realizamos en la clase anterior, la práctica 1a para ser más exactos. La intención ha sido comparar las medias de los dos grupos y conocer si los resultados logrados en la práctica pueden ser generalizados a la sociedad. La técnica que hemos utilizado para ello ha sido la T de student (técnica usualmente utilizada para extrapolar los resultados a la población).

A continuación hemos continuado con una segunda práctica, la práctica 1b.  Durante esta práctica hemos trabajado con conceptos como la covarianza, que hace referencia a la variación conjunta de dos variables a la vez. Además hemos conocido también que cuando esta covarianza es directa tiende a dar correlaciones positivas y cuando esta misma es indirecta, tiende a dar correlaciones negativas.

Finalmente, se nos ha propuesto realizar la práctica 1c en casa para practicar y poder resolver las dudas respecto a este trabajo en la próxima clase.

¿Cuáles son los fallos que veo que tengo?

Durante la sesión de hoy, aunque parezca mentira parece que no han sido muchas las dudas que me han surgido. Aspectos como la covarianza si que son un poco más complicados a diferencia de los hasta ahora trabajados y con los que más atención hay que prestar.

¿Cómo creo que puedo resolverlo?

Creo que la práctica 1c nos va a servir de gran ayuda para medir nuestra capacidad con el análisis estadístico y nos va a ayudar a la hora de resolver dudas respecto a todo lo trabajado en estas clases anteriores.