Anlisi quantitatiu de les diferncies individuals

2.1. Mesurar, quantificar, analitzar, predir

Lobjectiu de la Psicologia Diferencial s estudiar les diferncies individuals en el
comportament. Lestudi de les diferncies individuals inclou lestudi i la mesura de la
variabilitat. Aix doncs, quantificar, mesurar, analitzar dades, predir, sn elements
consubstancials a la mateixa disciplina.
Tot el que existeix, sexpressa dalguna manera, existeix en alguna mesura i, per tant, es pot
recollir i mesurar. Mesurar consisteix en assignar valor numrics a successos o trets especfics.
Aix doncs, caldr transformar o operativitzar un esdeveniment de manera que sigui
mesurable. Aquest esdeveniment rep el nom de variable.
Les variables poden ser:
-

Contnues: mostren diferents valors numrics entre els quals es poden incloure infinits
nmeros (per exemple: alada, temps de reacci...)
Discretes: sexpressen mitjanant una srie de valors numrics fixes sense valors
intermedis entre ells (per exemple: categoria laboral, sexe...)

Segons la seva escala de mesura:

-

Nominals: variable en la qual sestableix una relaci digualtat o desigualtat entre els seus
diferents subtipus. (Exemples: el sexe, 0 = home, 1 = dona; el color del cabell, 1 = castany, 2
= ros, 3 = pl roig)

Ordinals: inclou un ordre en base a la seva quantitat, de manera que la relaci va ms

enll de ser digualtat/desigualtat per passar a ser de major a menor, sense saber si el
valor de la diferncia s el mateix o no. (Exemples: el nombre de germans, 1,2,3,4... o el
grau de satisfacci, 1 = molt, 2 = fora, 3 = poc, 4 = gens). La diferncia en grau de
satisfacci entre els individus a qui sha assignat 1 o 2 pot ser diferent respecte a aquells
que sha assignat 2 o 3.

Dinterval: es pot quantificar la magnitud de la diferncia.

De ra: el 0 absolut existeix, s el cas de la temperatura.

Hi ha diversos mtodes per poder mesurar la variabilitat. Les fonts bsiques dinformaci sn:
-

Autoinforme
Qestionari adreat al mateix subjecte a qui es vol avaluar. Els individus sn coneixedors
conscients de les seves prpies caracterstiques i voldran proporcionar aquesta informaci
de manera fidedigna.

Heteroinformes
Qestionaris aplicats a persones que coneixen un individu amb la finalitat de recollir
informaci sobre ell. Sn autoinformes aplicats a terceres persones.

Observacions directes
Avaluacions de la intensitat o freqncia duna conducta associada a un tret psicolgic
realitzades per un examinador en un ambient natural o artificial. Els tests dintelligncia
sn observacions directes realitzades en un entorn artificial.

Biodata
Consisteix en recollir informaci duna persona que pugui ser utilitzada com a indicador de
la seva personalitat. Per exemple, es pot utilitzar el nombre de multes com a indicador de
manca de cura, la factura telefnica com a indicador de sociabilitat...

Siguin quins siguin els procediments mitjanant els quals sha recollit la informaci, cal saber si
els resultats obtinguts mitjanant laplicaci de proves diferents proporcionen la mateixa
informaci. Un procediment que permet contrastar aquesta convergncia s lestandaritzaci.
Estandaritzar o tipificar consisteix en transformar les puntuacions directes obtingudes en una
prova en puntuacions distribudes al llarg duna corba de distribuci normal. Aquesta
distribuci reflecteix com es distribueixen les puntuacions en base al seu nombre docurrncia
o presncia.
Aquestes noves puntuacions transformades, anomenades puntuacions z, permeten que siguin
comparades amb daltres puntuacions estandarditzades expressades en el mateix llenguatge.
Matemticament, una puntuaci z sobt mitjanant la ra de la diferncia entre la puntuaci
directa dun subjecte i la mitja de puntuacions del grup, i la desviaci tpica. s a dir:

z = (-) /
On representa la puntuaci directa del subjecte, la mitjana de les puntuacions del grup i
la seva desviaci tpica.
La varincia () s un ndex estadstic que reflecteix la magnitud de la variabilitat o dispersi
de les mesures. En Psicologia Diferencial interessa veure lassociaci entre variables en base a
les variables compartides o, en altres paraules, la proporci de variabilitat comuna entre les
variables. Aquesta varincia compartida sanomena covarincia. Si aquesta s positiva hi ha
una relaci lineal entre elles, de manera que quan els valors duna sincrementen, tamb ho
fan els valors de laltra. En canvi, si s negativa, la relaci s inversa, s a dir, quan hi ha un
augment en una, hi ha una reducci en laltra. Si el valor de la covarincia s 0, sinterpreta que
no hi ha relaci entre les dues variables.

2.2. Metodologia experimental versus correlacional

Laplicaci del Mtode Cientfic Natural en Psicologia Diferencial topa amb algunes limitacions,
com sn la necessitat dincloure elements no observables o latents per explicar les diferncies
en el comportament, o introduir procediments emprics en la recerca que requereixen no
manipular les variables antecedents. Des daquest punt de vista, histricament es van
desenvolupar dues tradicions en lanlisi quantitativa en Psicologia: la metodologia
experimental i la metodologia correlacional.

Els procediments experimentals tenen ms fora que els correlacions, per no sempre s
viable, possible o tic realitzar estudis experimentals. Si b alguns autors discrepen en
considerar ambdues tradicions com a complementries o b contraposades, certament s la
primera aquella que ha caracteritzat la Psicologia General-Experimental i la segona, la
Psicologia Diferencial. A tall dexemple, si la Psicologia General volgus estudiar quines sn les
causes de lansietat, la Psicologia Diferencial voldria respondre a la pregunta de com s que hi
ha persones ms ansioses que daltres. Amb tot, cal reconixer que la implementaci de la
quantificaci i de lestadstica va venir de la m de la Psicologia Diferencial.
La tradici experimental es basaria en lobservaci natural i en la no modificaci de lentorn o
dels subjectes, calculant les covariacions o correlacions entre les variables. Pretn allar i
conixer les relacions de causa i efecte entre variables, la causalitat no s un ens observable,
sin una relaci que es pot inferir. El que s s observable s una relaci entre les variables, s
a dir, una correlaci.
Per poder acreditar una causalitat, en tot cas esdev necessari veure que dues variables estan
(co)relacionades i determinar una seqncia temporal que permeti allar un antecedent i un
conseqent.
La correlaci s una mesura del grau dassociaci entre dues variables; s un ndex estadstic (r
de Pearson, rho de Spearman) que sexpressa mitjanant valors numrics que oscillen entre 1 i
0, indicant una associaci total o nulla, respectivament. Aix doncs, si dues variables es troben
molt relacionades tindran un valor proper a 0. Tanmateix, la relaci existent pot ser positiva,
de manera que si es produeix A tamb es produeix B, o negativa, si quan es produeix A hi ha
una reducci en B.
Un valor de correlaci entre dues variables pot ser interpretada de diverses maneres:
-

Pot tractar-se duna associaci atzarosa, sense motius que indiquin la presncia de cap
lligam entre les variables.

Pot indicar que una variables s antecedent i una altra s conseqent.

Pot donar-se el cas que la relaci vingui explicada per una altra variable no observable o
latent que afecti directament i de manera simultnia les variables correlacionals.

2.3. Qualitats de les dades: objectivitat, fiabilitat i validesa

Les dades recollides en Psicologia per estudiar la conducta, per poder ser considerades
cientfiques, cal que siguin objectives, fiables i vlides. Parlar dobjectivitat implica que els
resultats sn independents de lexaminador/entrevistador. Una resposta s objectiva quan la
mateixa pregunta i alternatives de resposta sutilitzen en diferents individus.
La fiabilitat s el grau en qu una mesura coincideix de manera estable amb altres mesures del
mateix esdeveniment. Hi ha diferents tipus de fiabilitat ne funci de la possibilitat font de la
mesura:

1) Consistncia interna. Respondre en la mateixa lnia a diversos tems que preguntin sobre
el mateix fenmen.
2) Fiabilitat entre jutges. Diversos jutges (observadors externs) els que cal que coincideixin
en la seva valoraci; en aquest cas, donat que sovint nhi ha pocs s convenient que el seu
grau dacord sigui molt alt.
3) Fiabilitat testretest. Consisteix en avaluar el fenomen en diverses ocasions en un espai
curt de temps controlant aix lefecte de fluctuacions aleatries en el temps.
La validesa s el grau en qu savalua laparici en el fenomen que es vol mesurar. En funci
de laspecte que es vulgui remarcar, es poden identificar diversos tipus de validesa:
1) De contingut. Fa referncia a si els tems duna escala sn rellevants i exhaustius per
mesurar all que es pretn.
2) De criteri. Contrasta si els tems duna escala sn igual deficaos que altres tems que
shan demostrat eficaos en mesurar una determinada caracterstica o igual dineficaos
que daltres que no mesuren el que es pretn.

2.4. Anlisi factorial

Lanlisi factorial (AF) s un procediment estadstic mitjanant el qual es pot agrupar la variaci
dun determinat grup de variables observables en un conjunt de variables latents (no
observables) anomenades dimensions, components o factors. Lagrupament en factors permet
reduir el volum de dades conservant la informaci i simplificant la seva interpretaci. Aquests
factors poden ser considerats com dimensions classificatries, elements reals (per no
observables) o artefactes matemtics. En qualsevol cas, informen sobre un subconjunt de
variables que estan relacionades entre elles i que covarien conjuntament per un motiu com
que s intern al subjecte, i que explica tant les semblances com les diferncies entre diversos
individus.
LAF va ser creada per Charles Spearman i Louis Leon Thurstone com un mtode dinvestigaci.
En lactualitat, engloba un conjunt de procediments utilitzats per identificar la quantitat de
variabilitat compartida en un conjunt de variables correlacionades entre elles i reduir la seva
dimensionalitat a un nombre menor (factors).
Podem diferenciar dos tipus dAF:
-

Exploratria: sinvestiga si es poden agrupar diverses variables en factors sense partir

dhiptesis prvies.
Confirmatria: sn una teoria i una hiptesi sobre la relaci entre unes variables
observables i unes de latents les que guien lanlisi.

LAF consta de diverses etapes:

-

Fase inicial o de preparaci.

Es defineix el problema que es vol investigar i el disseny de lestudi: mostreig de subjectes,
definici de les mesures (variables) necessries, els procediments per obtenir-les... Una

vegada recollida la base de dades, es parteix de la classificaci o puntuaci dels subjectes

en diverses variables per realitzar una anlisi correlacional que detecti les possibles
relacions de covarincia entre elles, que es plasmarien en una matriu de correlacions.
-

Fase de factoritzaci
Mitjanant algoritmes matemtics sorganitza la matriu de correlacions en una matriu de
factors, que resumeix les variables observades en combinacions factorials tenint en
compte la variabilitat compartida.

Tercera fase o de rotaci

Aquests factors sorganitzen eficientment en el seu mnim nmero. La rotaci dependr de
criteris matemtics i psicolgics.

Finalment, es procedeix a la interpretaci dels factors en base a la seva importncia o

crrega factorial.

Malgrat la seva utilitat, ls de lAF no s exempt de dificultats i controvrsia. Larrel es troba

en lelecci del mtode dextracci de factors, del nombre de factors o del mtode de rotaci.
Malgrat hi hagi criteris que puguin guiar la presa de decisi per uns o altres, aquests no sn
tant clars o no estan tant consensuats com seria desitjable. Per aquest motiu, diversos autors
en Psicologia de la Intelligncia o en Psicologia de la Personalitat han perfilat models terics
diferents utilitzant el mateix procediment. s important conixer algunes daquestes dificultats
per comprendre les limitacions dalguns models que sexposaran al llarg del temari. Les podem
sintetitzar en:
-

Mostreig i nombre de variables. En lAF exploratria, cal recollir un ampli nombre de

variables. All que no sigui mesurat no podr ser identificat com a factor i, per tant, una
anlisi pot restar incompleta. Per poder delimitar un factor cal disposar dun mnim de tres
variables/tems/proves.

Mostreig i nombre de subjectes. La representativitat de la mostra s important,

especialment en AF exploratria, i conv que la variabilitat sigui mplia per poder
generalitzar les conclusions. Tanmateix, cal disposar dun mnim de 100 observacions
(subjectes) per conduir un AF.

Mtode dextracci de factors. Aquest programa requereix aprofundir en conceptes

estadstics per ser resolt. Els programaris de clcul estadstic ofereixen diversos
procediments per extraure factors. Conv diferenciar entre lAnlisi de Components
Principals (ACP) i lAF. Malgrat sovint sha utilitzat com a equivalents, ACP, no s AF. LACP
realitza una anlisi diferent que genera tants components com variables, i per aix s
preferible quan hi ha poques variables. Quan hi ha ms de 25 variables no hi ha gaire
diferncia en les dimensions que sobtindran mitjanant un procediment a un altre.

Nombre de factors.
Aquesta qesti planteja el dilema dutilitzar pocs o molts factors. SI se nempren pocs, es
generen pocs factors generals i es comprimeix la dimensionalitat. Si se nutilitzen molts, es
corre el risc de fragmentar-los i perdre generalitat.

Mtode de rotaci.
Aquesta pot ser ortogonal o obliqua. La rotaci obliqua es relaciona amb obtenir
estructures simples. A ms, permet factoritzar les correlacions entre factors i produir, com
a conseqncia, factors dordre superior. s a dir, a partir de la varincia compartida entre
uns factors inicials (1r nivell o ordre), es podrien identificar un/s altre/s factor/s (de 2n
ordre). Es tractaria de factors de factors. En cas que aquests tamb compartissin varincia,
seria possible ascendir a un nivell addicional, obtenint un/s factor/s de 3r ordre.