Welcome to Scribd. Sign in or start your free trial to enjoy unlimited e-books, audiobooks & documents.Find out more
Download
Standard view
Full view
of .
Look up keyword
Like this
11Activity
0 of .
Results for:
No results containing your search query
P. 1
Resumen de algunos temas de Metodología de la Investigación Social III (Cohen)

Resumen de algunos temas de Metodología de la Investigación Social III (Cohen)

Ratings: (0)|Views: 786|Likes:
Published by Federico Abiuso
Resumen que hice para el final, de algunas de los temas (principalmente de estadistica) que vi a lo largo de la cursada de Metodología de la Investigación Social III, cátedra Cohen. Espero que les sirva!
Resumen que hice para el final, de algunas de los temas (principalmente de estadistica) que vi a lo largo de la cursada de Metodología de la Investigación Social III, cátedra Cohen. Espero que les sirva!

More info:

Categories:Types, Speeches
Published by: Federico Abiuso on Dec 19, 2011
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as DOCX, PDF, TXT or read online from Scribd
See more
See less

09/25/2013

pdf

text

original

 
1
1) ANALISIS DE DATOS CUANTITATIVO
 –
 
ANALISIS UNIVARIAD
O - DISTRIBUCIÓN DEFRECUENCIAS - MEDIDAS DE TENDENCIA CENTRAL - DISPERSION
 –
FORMA DE UNADISTRIBUCIÓN
 –
CURVA NORMAL
Siguiendo el proceso de investigación cuantitativa y una vez concluida la fase de recolección dedatos, realizada por ejemplo a partir de uno de los instrumentos más utilizados (la
encuesta
),comienza la etapa de análisis e interpretación de los datos.Una de las primeras tareas en qué consiste este proceso es ordenar los datos que tenemosrecolectados, esto se puede hacer a través de diversos tipos de distribuciones:
 
de frecuencias (cuantas veces se repiten los valores en cada unidad de análisis);
 
de frecuencias acumuladas, relativas o porcentuales;
 
o de porcentajes (la más utilizada por los sociólogos porque es la que permite el mejor tipo de
comparaciones
)También, en esta fase de ordenamiento de los datos aparece la cuestión de decidir agrupar losdatos en intervalos o no. Una de las categorías que más comúnmente se encuentra agrupada es
“EDAD”, con el fin de poder
facilitar el trabajo con los datos.Si lo que decidimos fue trabajar con distribución de frecuencias, de ella podemos extraerinformación acerca de su posición, su dispersión o variación y su forma:a) Su
posición
(o tendencia central): datos que pueden obtenerse a partir de las siguientesmedidas:
 
Media (el valor promedio; para variables intervalares; se infla con valores extremos)
 
Moda (el valor más frecuente, que más veces aparece en la distribución; para todo tipo devariables; puede no necesariamente haber una o haber más de una)
 
Mediana (puntuación que divide a la población por la mitad en dos partes iguales, no es otracosa que el Percentil 50; para variables de tipo ordinal e Intervalar
 –
no nominal-; no se alterapor valores extremos pero no permite tratamiento matemático)b) Su
dispersión o variación
; a partir de medidas que buscan dar cuenta cuan homogénea eheterogénea es una distribución, entre las cuales se encuentran las siguientes:
 
Rango (val máximo
 –
valor mínimo)
 
Rango intercuartilico (Q3
 –
Q1) Mejora al
rango ordinario
porque no depende solo de losvalores extremos.
 
Desviación estándar (la sumatoria de todas las desviaciones respecto a la media)
 
Varianza (cuadrado del desvío estándar)
 
Coeficiente de variación (comparar heterogeneidad u homogeneidad entre dos muestras)c) Su
forma
; visible a partir de los siguientes tres elementos:
 
2
 
Grado de simetría (curva normal, asimetría positiva, asimetría negativa)
 
Cantidad de picos o modas que tiene una distribución (unimodal, bimodal o multimodal)
 
El grado de apilamiento de de los casos alrededor de un punto en la distribuciónExiste dentro del análisis estadístico un modelo matemático (ideal) de distribución: la
curvanormal.
Tres son las principales características que posee: a)
 
es perfectamente
simétrica;
b) tiene
forma acampanada;
y c)
unimodal.
Su uso está circunscripto tanto a la estadística descriptivacomo a la estadística inferencial (probabidades, por ejemplo).
2) TABLAS DE CONTINGENCIA O CUADROS BIVARIADOS + D% + CHI CUADRADO + COEFICIENTESDE ASOCIACION Y CORRELACIÓN
(ANALISIS BIVARIADO)
 
Si bien estos elementos resultan importantes, en la mayoría de casos el investigador no se quedasolo con una lectura univariada de los datos sino que se centra más en la relación que puede teneruna variable con otra, y de ahí la idea de cruzar variables en tablas de contingencia o
cuadrosbivariados
. Poner en juego dos variables, en pocas palabras. Importancia de la comparación.Una de las principales cuestiones que aparecen a la hora de analizar un cuadro bivariado es siexiste relación entre las variables o si lo que hay es, por el contrario, independencia estadística.Con el fin de resolver esto es preciso calcular el coeficiente épsilon o
d% (diferencia porcentual).
Este se calcula en el sentido en el cual comparamos los datos, es decir, en el sentido de la variabledependiente.Si observamos, a partir de la lectura de las diferencias porcentuales, que existe relación entre lasvariables, conviene preguntarse si esta relación es estadísticamente significativa o no. Con el fin dedar cuenta de ello recurrimos a la
prueba de significación
.Una delas maneras de dar cuenta de ello es comparar el chi empírico (a partir de una particular formula)con el chi teórico (extraído de una tabla a partir del grado de significación y de los grados delibertad). En caso de ser mayor el chi empírico, estamos en condiciones de rechazar la hipótesisnula, y de esta manera, de concluir que la relación es estadísticamente significativa.Sin embargo, el
χ²
es más utilizado en prueba de hipótesis (estadística inferencial) que comocoeficiente de asociación, esto se debe a que no mide la
fuerza o el grado
de una asociación, yaque su valor varía en función de N (total de casos).Con el fin de remediar este inconveniente es que se derivaron algunos
coeficientes de asociación
que miden la
fuerza o el grado
y, en casos de ordinalidad, la
dirección
de la asociación.La
elección de un coeficiente de asociación
responde a las siguientes características:
 
Tamaño del cuadro (2x2, 3x3, 3x2)
 
Tipo de hipótesis (diagonal o lineal -0,20 para que haya asociación- y curvilineal o rinconal -0,40 para que haya asociación)
 
Relación entre las variables (simétrica o asimétrica
d%)
 
3
 
Nivel de medición de las variables (ordinal o nominal)Los denominados coeficientes de asociación son aplicados a variables medidas a nivel nominal yordinal. En el caso de las variables de tipo Intervalar, el coeficiente que mide la fuerza o intensidady el sentido de la relación entre dos variables es el denominado
coeficiente de correlación R dePearson (que va de -1 a +1, pasando por el 0)
Asimismo, este coeficiente es utilizado paraexpresar el grado de exactitud de la ecuación de predicción (estimador de la calidad de predicciónrealizada).
3)
ANALISIS MULTIVARIADO
 
 –
CORRELACIÓN PARCIAL
En otros casos, no solo interesa al investigador la relación que puede haber entre dos variablessino que se ve interesado en agregarle a esta relación originaria,
una tercer variable
(
de control
“t”)
 
con el fin de elaborar y clarificar la relación original. Esto es lo propio del denominado
análisismultivariado
(que inicio Durkheim en “El Suicidio” y que formalizo Lazarfeld en la década del ‘40)
 
RELACIÓN ORIGINARIA CONTROLADA POR “T”
 
 –
DOS VARIABLES ANALIZADAS A LA LUZ DE UNATERCERA
CUATRO CASOS / PAPELES LÓGICOS DE LA VARIABLE DE CONTROLElaboraciones por
parciales:
 
 
Ajenidad
(cuando los parciales son iguales entre sí e iguales a la RO es preciso concluir que
“t” es totalmente
ajena
a la RO en sí)
 
Especificación
(se fortalece uno de los parciales a expensas de los otros, cuando esto llegaal punto en que el otro desaparece
 –
llega al 0- es preciso hablar de
condición
)Elaboraciones por
marginales
:
 
Intermediación
(la variable de contro
l “t” es una variable interviniente que
está situada enla secuencia entre x e y; para que se pueda hablar de ello es preciso que cada uno de losmarginales /xt
 –
ty/ sean iguales a la RO)
 
 
Espuridad
(la relación desaparece al quitar la variable “t”, la RO
es un efecto de ella, quese encuentra antecediéndola, es decir, como variable antecedente)
 
Este tipo de análisis es conceptualmente análogo a la
correlación parcial (variables medidas anivel Intervalar).
 
La correlación entre dos variables cualesquiera cuando los efectos de otras se han controlado.
 
 
Técnica que sirve principalmente para descubrir relaciones espureas y para localizar variablesintervinientes.

Activity (11)

You've already reviewed this. Edit your review.
1 thousand reads
1 hundred reads
Patricia Davila liked this
Pepa Pepi Bulló liked this
Extensiones Vald liked this
Angela Cortegana liked this
Federico Abiuso liked this
Federico Abiuso liked this
Federico Abiuso liked this

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->