Recerca quantitativa

Hiptesi: resposta provisional plantejada davant del problema qu volem estudiar.

2010

Variable: qualsevol aspecte observable directa o indirectament observable, que pot assumir dos valors diferents (contrari que constant). Ex: Gnere s una variable: Home/dona. Les variables poden ser qualitatives( sexpressen en paraules) o quantitatives(sexpressen amb nmeros). Les variables quantitatives poden ser discretes o contnues. Discretes: els valors amb els quals sexpressa la variable presenten un nombre finit de possibles valors. Els seus valors sn allats. P.Ex. nombre de germans dun subjecte. Continua: els valors amb els quals sexpressa la variable presenten un nombre infinit de possibles valors. Els seus valors sn continus. P.Ex. pes dun subjecte. La velocitat, el temps,... Criteri metodolgic: Variable independent: pot considerar-se com a causa i s manipulada per lexperimentador. o V. Destmul: qualsevol aspecte del medi que excita els receptors. P.Ex. lalcohol. o V. Organsmica: qualsevol caracterstica fsica o psicolgica relativament estable del organisme. P.Ex. el CI. Variable dependent: la variable considerada com a conseqncia. Els seus valors dependran dels que shan escollit en la variable independent. Podem diferenciar diferents tipus de valoraci per la VD: o Exactitud: valoraci dun problema donant diferents punts segons les parts correctes. o Latncia: temps que es necessita des del comenament de lestmul fins al comenament de la resposta. o Duraci: temps que es necessita per a completar una resposta una vegada comenada. o Freqncia: nombre de vegades que ocorre la resposta. o Intensitat: fora amb la qual es dona la resposta (p.ex. lescala de likert).
1

Recerca quantitativa

2010

Variable estranya: desconeguda o coneguda no controlada que pot influir sobre la variable depenent. Quan en un estudi podem preveure que hi hauran moltes variables estranyes: 1-hem dagafar una mostra molt gran, 2-es fan grups i es distribueixen a latzar i aix les VE es podran equilibrar.

Mesurar. Escala: Mesurar: aplicar un nombre a un fenomen, objecte o relaci. Escala de mesura: norma o conjunt de normes per a lassignaci de nombres als fenmens, objectes o relacions. Escala nominal: classifica en categoria els objectes que volem mesurar. Ex. El gnere: home / dona. Escala ordinal: les observacions es colloquen en un ordre: nivell destudis. Escala dinterval: a ms de distinci i ordre, estableix igualtat de diferncies. Ex. El QI. Escala de ra: a ms de distinci, ordre i igualtat de diferncies, exigeix lexistncia del zero absolut. Ex. La temperatura, el pes, laltura, edat. Les escales nominals i ordinals sajusten molt b a variables qualitatives, aix com les dinterval, ra i de zero absolut, sajusten molt b a les v. Quantitatives. Poblaci i mostra:

Poblaci: conjunt de tots els elements que tenen una caracterstica determinada. Mostra: s un subconjunt de la poblaci. La mostra ha de ser representativa. Mostreig: Consisteix en la selecci dun nombre limitat dunitats dentre una totalitat, seguint determinades regles, amb la finalitat de fer inferncies que vagin del valor mostral al poblacional. Probabilstic: tots els individus de la poblaci tenen la mateixa probabilitat de formar part de la mostra. Normalment els subjectes sn escollits a latzar. o Aleatori simple: selecci a latzar.

Recerca quantitativa

2010

o A. Sistemtic: llistats a partir dels quals es fan els subjectes. Sota un criteri en concret sescullen els subjectes, fen una operaci dividint el total de la mostra, entre els subjectes que volem escollir. Si el numero resultant es 200(k) es compten els 200 primer subjectes i sescull el primer subjecte. K, es torna a dividir entre el n total de subjectes que volem escollir i es tornen a comptar en la llista el num. Resultant i sescull altre subjecte, i aix successivament. o A. Estratificat: es divideixen tots els subjectes (n) sota un criteri (estudiants de la facultat). Es divideixen els estudiants en el % que representen dintre del total destudiants. Agafem n i ho dividim entre un % dun dels grups i el resultat s el num. De subjectes que sescolliran per mitj del mostreig daleatori simple dintre del grup que sha escollit. Els estrats son homogenis cadascun i heterogenis entre ells. Es interessant utilitzar aquest mtode quan hi ha diferncies importants entre un nivell i un altre, p.ex. en aquest cas, entre un cus i un altre hi ha diferncies de continguts. o A. Per conglomerats: els conglomerats son heterogenis cadascun i homogenis entre ells. No probabilstic: no tots tenen la mateixa probabilitat de ser dintre de la mostra. o Accidental: es fa per comoditat; per ex. Passar noms un qestionari per les tardes perqu el que el passa noms est per les tardes. o Intencional: sescull la mostra procurant que sigui representativa. P.ex. si vull saber qui guanyar les eleccions, escullo un districte que presenti probabilitats de que reflecteixi els resultats que desitjo. o Per quotes: sescullen els subjectes sota un criteri en concret. P.ex. un qestionari dopini vers les empreses catalanes i noms pregunto a grans empresaris, petits empresaris i empresaris mitjos. Fotocpia1

Recerca quantitativa

2010

SPSSVista de dades i vista de variables. Vista de dades: Introduccio de variables: 1-. Numerica 2-. Etiqueta 2-. Valors: 1=dona, 2=home 3-. Perdidos: si hi ha hagut alguna prdua dinformaci en aquesta variable en concret. Analitzar: 1-. Freqncies: mitja, Media, moda, desviaci, quartils i centil i percentils... Asimetria positiva: error tpic multiplicat per el valor tipificat de la z, per saber l interval de confiana, si el resultat es troba dintre de l interval, es tracta duna simetria positiva i, per tant una poblaci simtrica. Curtosi: mesocrtica (g2=0), leptocrtica (g2>0) i platocrtica (g2<0). G1= quoeficient de simetria i g2=curtosi.

11-02-2010 (fotocpies de corbes i hiptesis) Caracterstiques del mtode cientfic: Sistematitzaci: Consisteix en planificar de forma precisa i no ambigua, les circumstncies en que es portaran a terme les observacions durant tota la investigaci. Control: Consisteix en establir determinades pautes perqu la programaci realitzada es porti a
4

Recerca quantitativa
terme en les condicions fixades per linvestigador i sense la intervenci de factors imprevistos. Mesura: Permet obtenir una quantitat de lobservaci realitzada per a procedir desprs a lanlisi de dades.

2010

Shan de tenir en compte tamb els conceptes de fiabilitat i de validesa. Mtode hipotetico-deductiu: s una mescla dels dos anteriors. Conjuga la via inductiva (hipottica) amb la deductiva, elaborant hiptesis per via inductiva i intentant buscar explicaci per la deductiva, donant aquestes deduccions origen a noves hiptesis o induccions. Ordenaci metodolgica: La classificaci del mtode cientfic, segons

lamplitud de control s: Metodologia observacional: s possible seleccionar les variables independents i en algunes ocasions els seus valors. Metodologia selectiva: s possible seleccionar sempre les variables independents i els seus valors. Metodologia experimental: s possible seleccionar sempre les variables independents i els seus valors i assignar aquests aleatriament als subjectes o grups de la investigaci. Les principal caracterstiques de la investigaci experimental son: manipulaci i aleatoritzaci. Fases del mtode cientfic: 1) Delimitaci del problema i formulaci de la hiptesi.

Recerca quantitativa
2) Comprovaci emprica: Disseny: especificar dantuvi, com es mesuren les variables, com es neutralitzen possibles

2010

efectes aliens a la hiptesi, quins subjectes sinvestiguen, quins instruments i materials hem de menester, i tot el que calgui per a obtenir dades rellevants amb vist a solucionar el problema plantejat. Execuci: recollida de dades.

3) Comparaci amb la hiptesi formulada: Anlisi de dades: es tracta de llegir la realitat emprica per tal dextreure informaci rellevant que ens permeti acceptar o rebutjar la hiptesi. Presa de decisi: a partir de la informaci que ens proporciona la prova de decisi estadstica, hem de decidir si la hiptesi saccepta o es refusa. 4) Discussi dels resultats en el context en qu shavia delimitat el problema: Sefectua una reflexi a partir de lincrement de la informaci obtinguda. 5) Comunicaci de la recerca a la comunitat cientfica. LINFORME DE LA INVESTIGACI: s la comunicaci escrita duna investigaci en una revista cientfica. Caracterstiques de linforme: Totalitat Concisi Amenitat Claredat

Etapes de linforme: (veure els apartats detalladament al informe) Ttol, autor i filiaci Resum Introducci
6

Recerca quantitativa
Mtode Resultats Discussi Referncies Annexos

2010

Article dexemple: Discrepancias en la percepcin de los conflictos entre padres e hijos/as a lo largo de la adolescencia

grau de significaci: es la possibilitat derror al rebutjar la hiptesis nulla. Si acceptem el 95%, hem de tenir en compte que el grau derror es del 5% i, per tant si el grau de significaci s ms gran de 0.005, no podem rebutjar la hiptesis nulla. p= sextreu de les taules de valors percentils t= risc derror i graus de llibertat. (Alfa i v) quan comparem dos grups, en principi equilibrats, i restem les dues mitjanes poblacionals, respectivament, el resultat ens hauria de donar 0. La t, representa una distribuci normal, que suposadament va variant degut als graus de llibertat (n-1). Els graus de llibertat totals, en una prova de dos grups serien n1+n1-2. Si el resultat es mes gran que les taules, els resultats de t estarien mes alts que el valor crtic i per tant es rebutjar la hiptesis nulla les diferncies sn significatives. Si els resultats son ms petits que les taules, els resultats de t estarien ms baixos que el valor crtic i per tant sacceptaria la hiptesis nulla les diferncies no sn significatives. Excercici SPSS- matematiques Analitzar - comparar mitjanes mostres independents definir variables i grups. Es una prova paramtrica, que es de les mes fines: Que les mostres siguin equivalents Que els resultats observats siguin independents Que els dos grups estiguin ben definits

Recerca quantitativa

2010

El test de leven ens fa una prova inicial per igualtats de varincies, que es fa per saber si les varincies son iguals, sha de mirar el grau de sig. 0,658, que vol dir que p1 es igual a 0,658. (Fotocpies)

18-02-2010 Teorema del lmit central: Donada una poblaci qualsevol de mitjana i desviaci tpica , la distribuci mostral de mitjanes en el mostreig aleatori realitzat en aquesta poblaci tendeix a una distribuci normal de mitjana i desviaci tpica / N a mesura que creix la grandria de la mostra.

N= el total dels casos. Prova comogrof= prova que prediu si la distribuci de la mostra pertany a una mostra normal. Pot fallar en qestions de grups molts grans(200-300 casos). A partir de que es passa de dues desviacions tpiques, tan per sobre com per sota, estem parlant de casos anmals. 8

Recerca quantitativa

2010

Els valors es poden tipificar: vol dir que el valor z s el resultat d ela resta de les mitjanes de la variable menys la mitjana poblacional (x- ) dividit entre la desviaci tpica (). Quan treballem amb tipificacions, treballem amb desviacions tpiques; quantes vegades hem aplicat la desviaci tpica.

En les distribucions normals treballem amb un nivell de confiana (NC) del 95%. L interval de probabilitat representa un interval on es ms probable de que es trobi un cas. Els valors tipificats es miren a la taula de tipificacions. Sempre acceptem el NC del 95% perqu s una distribuci normal. IC= gran probabilitat de trobar un parmetre en concret. Frmules per treballar amb intervals de confiana i distribuci normal.

t-student= s una distribuci que varia la seva forma segons els graus de llibertat. Els graus de llibertat depenen segons les observacions. Sutilitza en mostres petites (<30). Interval de confiana: s lespai entorn dun estadstic on dins dels seus lmits s probable que es trobi un parmetre.

Amb el SPSS:
9

Recerca quantitativa
Analitzar Estadistics descriptius Explorar Poses les VD que vols estudiar Acceptar = Et dona 2 lmits on probablement es trobi la mitjana poblacional.

2010

Fotocpia: proves de comparaci de dues mitjanes observades en dues mostres relacionades.

Condicions prvies de les proves paramtriques: ra. Igualtat de varincies poblacionals Independncia de les observacions (homocedasticitat). Distribuci normal de la poblaci. Mesura de dades en una escala dinterval o

Proves paramtriques: Distribuci normal Coeficient de correlaci de pearson (sperman) valoraci ordinal de relaci entre dues variables Distribuci i t de student- (wilcoxon) ANOVA ANCOVA MANOVA

Proves no paramrtriques: X2 K-S (Kolmogorov) Coeficient de correlaci de Spearman (pearson) valoraci ordinal de relaci entre dues variables
10

Recerca quantitativa
U de Mann-Whitney (grups independents i sense relaci) Wilcoxon (t student) Kruskal-Wallis Friedman

2010

Prova leven= per corregir els graus de llibertat i comprovar si dues mostres son equivalents. (compara medias-prova t per a mostres independents).

25-02-2010 Prova u-mann whitney: (fotocpia) Analitzar Proves no paramtriques Quadre de dilegs antics Mostres independents V=que volem estudiar (agressivitat) Grups definir 1-2

Wilcoxon: Mostres relacionades Analitzar Proves no paramtriques Quadre de dilegs antics 2 mostres relacionades Conservadurisme homes conservadurisme dones variables

Error de tipus I:Es comet quan es decideix rebutjar una hiptesi nulla (saccepta la alternativa) que s veritable. La probabilitat de cometre aquest error s .

11

Recerca quantitativa

2010

Error de tipus II:Es comet quan saccepta una hiptesi nulla (es rebutja la alternativa) que s falsa. La probabilitat de cometre aquest error s b. FACTORS DE QU DEPN b: 1) Valor concret de H1 considerat veritable. 2) Valor de a. 3) Error tpic de la distribuci mostral de lestadstic. Si el nombre de individus del nostre estudi es baix, s molt probable cometre un error del tipus I. Com es pot reduir la zona b? Que les mitjanes poblacionals estiguessin mes distanciades Que la grandria de lefecte sigui el ms gran possible i per tant disminueix b. Lerror tpic, com ms gran sigui la nostra mostra ms petit ser lerro tpic i per tant es desolapen les mostres, beta disminueix.

12

Recerca quantitativa

2010

4-03-2010 Control de variables: Acci directa de lexperimentador que manipula les V.I. de les quals desitja conixer els efectes (V.D.) i que mant constants aquelles variables estranyes que poden exercir algun tipus dinfluncia en la investigaci. Varincia: s la variaci que observem entre les diferents mesures de la variable dependent. Vt = Vs + Ve Vs = Vprim + Vsec Varincia total: s la variaci considerada globalment. Es descomposa en varincia sistemtica (Vs) i varincia error (Ve). Varincia sistemtica: s la tendncia que presenten les puntuacions de la variable dependent a desviar-se de la seva mitjana en una determinada direcci. Es divideix en varincia sistemtica primria (Vpri) y varincia sistemtica secundria (Vsec).
13

Recerca quantitativa
Vs = Vpri + Vsec Variancia sistemtica primria: Fa referncia a la variabilitat de la variable dependent que reflecteix els efectes de la manipulaci de la variable independent. Variancia sistemtica secundria: Reflecteix la variabilitat de la variable dependent com a conseqncia de la presncia de variables estranyes. Varincia derror: s el conjunt de fluctuacions que presenten les dades com a conseqncia de factors aleatoris. Les principals causes sn: 1) Les diferncies entre individus. 2) Els errors en els sistemes de registre o de mesura. 3) El procediment experimental. Varincia i control experimental: Els controls experimentals sn necessaris en els dissenys dinvestigaci per dues raons bsiques: 1) Redueixen les varincies. 2) Eliminen els efectes de les variables estranyes.

2010

Anova (enunciat llum), fotocpia n8 Prova que sutilitza amb diferents grups i calcula la variabilitat entre grups. Cada grup respon segons la variable independent. Residual i derror: variabilitat deguda a les prpies caracterstiques dels individus respecte de les puntuacions de la mitjana del grup. s una generalitzaci del contrast t de Student per a tres o ms nivells de la (les) variable(s) independent(s).

14

Recerca quantitativa
Anova dun factor, efectes fixes, aleatortizat: La mecnica de lanlisi de varincia es pot resumir en cinc fases: 1-. Calcular les variacions o sumes de quadrats inter i intra-grups 2-.determinar gl de cada font de variaci 3-.calcular les variancies inter i intre-grups 4-. Calcular el quocient F entre variancia inter i intra-grups 5-. Determinar la significaci estadstica dels resultats. -

2010

Una vegada es determina si hi ha diferencies significatives, no sabem entre quins grups exactament, per el que haurem de determinar entre quins grups hi ha diferencia.

En el SPSS: Analitzar - compara mitjanes - anova dun factor o VD o Factor Welch- son proves que es fan servir quan les variancies poblacionals no son homogenies. Proves post-hoc: comparacions mltiples Les ms utilitzades: Scheffe i tukey quant les varincies son iguals Games-howell varincies no iguals

15

Recerca quantitativa

2010

Fiabilitat: Criteri utilitzat per a la valoraci dun sistema de dades que ens informa del grau en el qual els investigadors, donada la mateixa situaci, obtenen els mateixos resultats o el grau en el qual un investigador, donada la mateixa situaci, obt els mateixos resultats en dos moments diferents. (article: Aspectos psicosociales en la gestacin: el Cuestionario de Evaluacin Prenatal) Validesa: Grau de confiana que es pot tenir en els resultats com a conseqncia del control que sexerceix sobre les variables. Validesa interna: Propietat dun experiment per la que podem atribuir confiadament els canvis de la variable dependent a la influncia de la variable independent. La validesa interna sobt mitjanant el control adequat de variables estranyes. Factors que la poden limitar: 1) Histria 2) Maduraci 3) Instrumentaci 4) Administraci de proves 5) Interacci de tractaments mltiples
16

Recerca quantitativa
6) Selecci diferencial de subjectes 7) Prdua de subjectes 8) Interacci entre la selecci diferencial dels subjectes 9) Igualaci compensatoria del tractament 10) Rivalitat compensatria 11) Desmoralitzaci dels subjectes Validesa externa: Propietat dun experiment per la qual els resultats obtinguts sn generalitzables. Sobt mitjanant la selecci adequada de subjectes de la poblaci.

2010

Factors que la poden limitar: 1) Interacci entre selecci i tractament 2) Interacci entre context i tractament 3) Interacci entre moment temporal i tractament 4) Interferncia entre tractaments mltiples 5) Sensibilitzaci del pretest 6) Reactivitat a la situaci experimental i al procs davaluaci Validesa de constructe: Fa referncia a la interpretaci terica de la relaci causal existent entre dues variables. Grau de correspondncia entre la mesura de la variable dependent i la manipulaci de la variable independent i el constructe teric que presumiblement sest mesurant o manipulant. Validesa de conclusi estadstica: Es centra en les inferncies respecte la presumible covariaci entre dos (o ms) variables dacord amb un determinat nivell de significaci i en funci de les varincies obtingudes. Factors que la poden limitar: 1) Violaci dels supsits del model estadstic
17

Recerca quantitativa
2) Escassa potncia de la prova estadstica 3) Adoptar decisions incorrectes sobre la grandria de lefecte 4) Redut nombre de subjectes 5) Taxa derror de tipus I 6) Heterogenetat de les unitats experimentals

2010

11 03 2010 Anova bifactorial o de ms dun factor: Anova A*B Anova 2*3 La hipotesis nula es manifestara de la mateixa manera de com ho feia amb un factor Resultat pot ser degut a la interacci entre factors (A,B) i del derror. Shauran defectuar totes les combinacions possibles per determinar la interacci que es produeix.

18

Recerca quantitativa

2010

Fotocpia anova-2f- feina (num.12) Analitzar Model lineal general Univariat Determinar variable depenent Determinar els factors Prova pos-hoc Opcions Mostrar medias para o Feina o Torn o Feina*torn Ajust IC- Bonferroni

En un grfic de factors hem dobservar si les lnies convergeixen o si se separen, per saber si tenim interacci.

19

Recerca quantitativa

2010

Fotocpia 13- Excercici anova 2f Fotocpia 14- excercici anova 1f

20

Recerca quantitativa

2010

Chi-quadrat: Es una distribuci on t una sola cua, una sola rea enfosquida, aquesta distribuci correspon a dos factors: alfa i graus de llibertat. Si x2 es ms petit o igual a alfa i graus de ll. Acceptem hiptesis nulla. Tamb ho podem calcular per el grau de significaci: si la p es mes gran o igual que alfa, acceptem hiptesi nulla. Quan es fa un estudi amb x-quadrat es donen tots dos valors, el de p i el de x-quadrat. Sutilitza amb estudi de freqncies, ajustades en un nombre de categories. Els graus de ll. Es calculen: n total de categories-1.

Fotocpia n15 Ponderar les categories: fi; Datos Ponderar casos Mediante Adjuntar la v. Que volem ponderar

(Sactiva a la part inferior dreta de la pantalla) Analitzar Proves no paramtriques Quadre de dilegs antics
21

Recerca quantitativa
Chi-quadrat V. Que es vol contrastar Categories iguals? o Valors terics o esperats (h)

2010

Tamb es fa servir el chi-quadrat per fer una prova dindependncia, on la ho es que les v. Sn independents. Analitzar Eatadistics descriptius Taules de contingncia o Files o Columnes o Caselles Observat Esperat Tipificats corregits Estadstics chi-quadrat

22

Recerca quantitativa

2010

18-03-2010 Prova digualtat de proporcions:

disseny de mesures repetides: (fot. N17) sutilitza per mesurar resultats intrasubjectes. Quan volem avaluar els efectes dun tractament determinat, dividim els subjectes en grups i els fem passar per les mateixes proves/tractament. La ho seria: la feina que sutilitza en cada tipus de secci no afecta a la productivitat. Analitzar Models lineals generals Mesures repetides o Factor 1 (de tractament) p.e. tipus de feina o Definir: fer correspondre les variables

23

Recerca quantitativa
o Bonferroni o Visualitzaci Kruskall-wallis, prova no paramtrica (fot.18) Analitzar Proves no paramtriques Quadre de dialegs antics K mostres independents Variables D i I Definir rangs n de grups Calcula els promitjos dels rangs Com podem veure com sn de significatives i entre quins grups?

2010

Apliquem la u-mann u-Mann: Analitzar Proves no paramtriques Quadre de dialegs antics 2 mostres independents Definim grups

Friedman: Analitzar Proves no parametriques Quadre de dialegs antics K mostres relacionades Passar les v. Que volem estudiar

24

Recerca quantitativa

2010

8-04-2010 La validesa: Grau de confiana que es pot tenir en els resultats com a conseqncia del control que sexerceix sobre les variables. Validesa interna:

Propietat dun experiment per la que podem atribuir confiadament els canvis de la variable dependent a la influncia de la variable independent. La validesa interna sobt mitjanant el control adequat de variables estranyes. Validesa externa:

Propietat dun experiment per la qual els resultats obtinguts son generalitzables. Sobt mitjanant la selecci adequada de subjectes de la poblaci. En principi, si hagussim de prioritzar entre la vi o la ve, escollirem la vi, ja que all que ens s ms interessant son les conclusions que obtenim entre la confrontaci de variables.

25

Recerca quantitativa
Validesa de constructe:

2010

Fa referncia a la interpretaci terica de la relaci causal existent entre dues variables. Grau de correspondncia entre la mesura de la variable dependent i la manipulaci de la variable independent i el constructe teric que presumiblement sest mesurant o manipulant. Validesa de conclusi estadstica:

Es centra en les inferncies respecte la presumible covariaci entre dos (o ms) variables dacord amb un determinat nivell de significaci i en funci de les varincies obtingudes.

Tcniques de control experimental: 1) Eliminaci: Eliminaci de valors possibles de la ve, menys un . 2) Constncia: Per controlar una variable, em descollir ujna manera de que els grups siguin equivalents, en referncia a la variable destudi. Pe. Si la v. Que volem controlar es el sexe, haurem de tenir 2 grups amb la mateixa quantitat tan de dones com dhomes. 3) Cec simple: Els subjectes no saben el grup on es trobaran. 4) Cec doble: No linvestigador ni els subjestes saben el grup en el qual es troben. 5) Balanceig: Controlar la v. Repartint a latzar el subjectes de tal manera que siguin a ms dequivalents proporcionals; s a dir en comptes de repartir en dos grups per igual
26

Recerca quantitativa

2010

6) Aparellament: Fem parelles de subjectes per estudiar els diferents valors de la v. I sescullen subjectes a latzar per lestudi de la v. Els grups sn homognis. 7) Aleatoritzaci: Repartim a latzar els diferents valors de la v. Destudi. 8) Bloqueig: Quan hem de comparar ms de dos grups, i tenim una ve., ordenem els subjectes segons la valoraci de la variable, escollim els grups amb una valoraci similar de la ve. I els repartim per blocs, de manera que fem bloc homogenis de la ve. I aqu podrem observar els valors de la variable que volem estudiar sense preocupar-nos per la ve, ja que aquesta es troba controlada i homogenetzada. 9) Contrabalanceig: Permet el control de lerror progressiu, es tracta de fer passar a tots els subjectes per les mateixes proves (programes de mesures repetides) de manera que tots els subjectes passen per les mateixes proves. 10) Grup control: Tcnica de control estadstic: ANOVA- tcnica de blocs Analitzar Model lineal general Model lineal univariant o Vd o Factors fixes: blocs i programa o Model: (personalitzat) blocs i programa

27

Recerca quantitativa
Anlisi de covarincia (ANCOVA)

2010

Controlar les variables estranyes: shan de mesurar i posar per a cada subjecte, aquestes seran covariables. Tcnica de control estadstic que permet eliminar de la VD de l ANOVA lefecte corresponent a la VE. Consisteix en efectuar un ANOVA utilitzant com VD els errors en els pronstics resultants de portar a terme un anlisi de regressi lineal amb la covariable com VI i la prpia VD del ANOVA com a variable dependent. Sha de complir: 1) Supsit de linealitat entre VD i la covariable. 2) Supsit dindependncia entre VI i la covariable. 3) Supsit dhomogenetat de les pendents de regressi. Analitzar Model lineal general Univariant o Vd o Factors fixes: tractament o Covariable: la ve que volem controlar o Model MANOVA: Consisteix en determinar si una o ms variables independents produeixen efectes diferencials entre dos o ms variables dependents. Saplica quan entre dues variables trobem una forta correlaci entre elles, sin podem aplicar dues anoves per cada variable. Analitzar
28

Personalitzat: tractament i la covariable.

Recerca quantitativa
Model lineal general Multivariat o Vd o Factors fixes Factors que limiten la validesa interna: -

2010

Histria: factors apresos, estats mentals, condicions fsiques... cada subjectes s diferent i individual. Per evitar aquesta limitaci el millor s la repartici dels individus per atzar, s a dir laleatoritzaci. El grup control tamb ens pot servir de gran ajuda per controlar les individualitats dels subjectes.

Maduraci: canvis fsics o biolgics dels subjectes al cap del temps que podrien fer variar els resultats. El grup control continua sent una bona soluci.

Instrumentaci: el tipus dinstruments que apliquem poden representat tamb una font de variaci. All ideal seria utilitzar sempre el mateix aparell de mesura i si es treballa amb observadors podem aplicar la tcnica del doble cec per evitar lefecte de lexperimentador.

Administraci de proves: aplicaci de pre-test o post-test que podria alterar les possibles respostes del tests independentment del tractament aplicat, all interessant seria utilitzar un grup control, altre vegada.

Interacci de tractaments multiples: tcnica de contrabalanceig.

Selecci diferencial de subjectes: per poder homogenetzar els grups o laleatoritzaci o el bloqueig, per descartar/ controlar les ve. LANCOVA, si son v-quantitatives.
29

Recerca quantitativa

2010

Prdua de subjectes:

Interacci entre la selecci diferencial dels subjectes : laleatoritzaci. Igualaci compensatria del tractament : doble cec s la millor estratgia.

Rivalitat compensatria: si els subjectes saben o intueixen de quin grup sn, podrien manifestar certa rivalitat, la millor soluci s el cec simple.

Desmoralitzaci dels subjectes.

Factors que limiten la validesa externa: Interacci entre selecci i tractament: la mostra ha de ser representativa de la poblaci, per tant la millor tcnica seria de mostreig aleatori. Interacci entre context i tractament: quan els resultats no poden generalitzar-se en el context estudiat, sha de plantejar valoracions i entorn reals i representatius.

Interacci entre moment temporal i tractament: sha davaluar en diferents moments per poder generalitzar els resultats.

Interferncia entre tractaments mltiples: contrabalanceig.

Sensibilitzaci del pre-test: utilitzaci de grup control.

30

Recerca quantitativa
Reactivitat a la situaci experimental i al procs davaluaci: grup control, cec simple, cec doble...

2010

Factors que limiten la validesa de conclusi estadstica: Violaci dels supsits del model estadstic: em de complir amb certs presupssits (igualtat de varincies, grups homognis, distribuci normal) i si no es possible aplicar les proves no paramtriques o de correcci. Escassa potncia de la prova estadstica. Les potncies son elevades quan apliquem proves paramtriques, quan hem daplicar altres proves estem acceptam un risc derror ms elevat. Per augmentar la potncia all ideal seria restar lerror de tipus2, s a dir augmentar la mostra (> de 30). Adoptar decisions incorrectes sobre la grandria de lefecte : Redut nombre de subjectes: Taxa derror tipus I: bonferroni, u-mann... Heterogenetat de les unitats experimentals: han de ser homogenes per evitar ve i poder treballar be. Laleatoritzaci, el bloqueig, lANCOVA...

31

Recerca quantitativa

2010

15/04/2010 Correlaci s la relaci entre variables dun collectiu. Coeficient de correlaci lineal de Pearson, s el valor que indica el grau de correlaci lineal que existeix entre dues variables. H1: si p> o = a alpha Ho: si p < alpha Regressi lineal simple: Lobjectiu consisteix en estimar el valor duna variable que correspon al valor donat daltre variable. Per tant interessa trobar la funci lineal que ens permet fer la millor estimaci de la vd en funci de la vi. SPSS: Analitzar Correlaci Bibariades Variables o Ex. Altura i pes

32

Recerca quantitativa
Per trobar la recta de regressi: per trobar laltura en funci del pes: (grfic de dispersi) Grfic Quadre de dilegs antics Disperssi punts Variables: altura i pes

2010

La recta de regressi serveix per fer estimacions entre totes dues variables, segons la distribuci normal.

Per trobar la recta de regressi: Analitzar Regressi Lineal Variables: o VD o VI En la prova de lANOVA sempre que el resultat s significatiu hi ha correlaci. Els coeficients A (constant) i B (el valor de sota, s la pendent de la recta). Si B fos negativa, seria una correlaci negativa, s a dir a mesura que una variable augmenta, laltre disminueix. De vegades, pot passar que la constant no sigui sig., all important ha de ser que B surti sig. Si tornem a fer el mateix procs que per trobar la recta, per li donem a la dreta: o Guardar o Valores no tipificados

33

Recerca quantitativa
-

2010

Es crea una nova variable de valors que es donen a mode de predicci per a cada subjecte vers la variable que se estima de vD, segon la VI, sempre en distribuci normal. o Guardar o Intervalos de pronostico: media et dona un IC per aquests subjectes en particular, et dona les puntuacions mitjanes dintre dun interval. o Interval de pronstic: individus: per al pes del subjecte, el 95% de subjectes estaran dintre de lIC, els que no estiguin dintre seran casos atpics per el pes i laltura donats.

Regressi lineal mltiple: Consisteix en fer la millor estimaci de la VD que s funci lineal de dos o ms variables independents. 1 sha danalitzar molt b les variables i establir que no hi hagi una correlaci molt forta entre les diferents VI, ja que sin es podria donar una distorsi entre els resultats. Analitzar Regressi Lineal Variables o VI o VD: ms duna o Mtode pasos sucesivos

34

Recerca quantitativa

2010

Aqu el que ens interessa mirar, en primer lloc son els quadrats, si augmenta s bona senyal, ho em de passar a %, com ms sapropi al 100% millor.

Coeficients: mirar la significaci.

Test de Mac Nemar: nomes serveix en taules de 2x2 Fer comparacions o freqncies amb variables nominals (abans desprs). Analitzar Estadistics descriptius Taules de contingncia Estadistics o Mcnemar Risc relatiu (RR): s la proporci desdeveniments entre els subjectes exposats al factor desencadenant partit per la proporci desdeveniments entre els subjectes no exposats. Indica la probabilitat de que es presenti lesdeveniment en els subjectes exposats a un factor de risc en relaci al grup dels no exposats (grup control). Odds rattio (OR): s el quocient entre loportunitat de lesdeveniment dels subjectes exposats al factor de risc i loportunitat de lesdeveniment dels subjectes no exposats.

35

Recerca quantitativa
-

2010

Oportunitat s el nombre de casos que presenten lesdeveniment dividit pel nombre de casos que no el presenten. SPSS: o Analitzar o Estadstics descriptius o Taules de contingncia o Estadstics Risc

Regressi logstica binria: T com a finalitat principal pronosticar la pertinena a un grup a partir duna srie de VI. Es tracta de predir una variable dicotmica (VD) que adopta els valors 01 tenint en compte que la seva relaci amb els predictors (VI) no s lineal. SPSS: Analitzar Regressi Logistica binaria V o VD- dicotmica o VI Opcions o Bondad ajust Hosmer Mtode adelante condicional

36

Recerca quantitativa

2010

37