PARTE II, CAPITULO 10

ANALISIS NO PARAMETRICO:
-Aceptan distribucin poblacional no normal
-Las variables no necesariamente tienen que estar medidas en un nivel por intervalos o
de razn (datos nominales u ordinales)

Pruebas paramtricas mas usadas:

X2 (xicuadrado)
Coeficiente de correlacin e independencia para tabulaciones cruzadas
Coeficiente de correlacin por rangos de Spearman y Kendall

Xi2 (xicuadrado)
Hiptesis a porbar: correlaciones.
2 variables a analizar. No considera relaciones causales.

Calculo:
Se calcula por medio de una tabla de contingencia o tabulacin cruzada (2 variables).

Candidatos

A B
mujer
hombre

(Una variable, 2 categoras)

La xi2 es una comparacin entre la tabla de frecuencias observadas y la tabla de

frecuencias esperadas (si las variables son independientes o no tuvieran relacin).
El primer supuesto es no hay relacin entre las variables, y la lgica es as:si no hay
relacin entre las variables debe tenerse una tabla as (frecuencias esperadas). Si hay
relacin, la tabla de resultados que ser diferente a la tabla de de frecuencias esperadas

Calculo de frecuencia con recuadro:

Fe: (total o marginal de reglon) (total o marginal de columna)

N
N: total frecuencias observadas (ver ejemplo Pg. 560 ed. 3, si quieren)

Una vez obtenida las frecuencias se aplica la siguiente formula:

Xi2= sumatoria (O-E)2 (al cuandrado)

O= frecuencia observada en cada celda

E= frecuencia esperada en cada celda
(si kieren ven tabla 10.16 pag 562 ed.3)
Para saber si el resultado es o no significativo se calculan los grados de libertad.
Gl= (r-1) + (c-1)

R= n de reglones del cuadro de contingencia

C= n de columnas del cuadro de contingencia.

Con los grados de libertad, se va a la tabla, (sacarle fotocopia a la del libro), con un 0.5
o 0.1 de confianza o significancia. Si xi2 es igual o mayor al de la tabla se dice que las
variables estn relacionadas (xi2 es significativo). Se puede rechazar H0, hay relacion
entre las variables.

COEFICIENTES DE CORRELACION E INDEPENDENCIA PARA

TABULACIONES CRUZADAS:

Fi (0)= varia de 0 a +1, donde cero implica ausencia de correlacin entre las variables y
mas uno significa que las variables estn correlacionadas de manera perfecta.

Pearson: Su valor mnimo es 0 (ausencia de correlacin), pero su valor mximo depende

del tamao de la tabla de contingencia.

V de Cramer: Es un ajuste de Fi en cuadros mayores a 2x2. Varia de 0 a +1 con

variables nominales (cero es nula correlacin y +1 representa correlacin perfecta)

Lambda: Se utiliza con variables nominales y varia de 0 a +1 soognifica que puede

predecirse sin error a la variable dependiente definida en la tabla, sobre la base de la
independiencia.

Tau-b de Kendall: varia de -1 a +1

ETC.

COEFICIENTE Y CORRELACION POR RANGOS ORDENADOS DE

SPEARMAN Y KENDALL.
El coef. De Spearman (rs), y Kendall (t), son medidas de correlacin para variables en
un nivel de medicin ordinal. Los objetos de la muestra pueden ordenarse por rangos
(jerarqua) por ej: preferencias de sabor (variable 1), atractivo de envase (variable 2)
(orden de 1 a 10).

El coef. De Kendall es ms significativo cuando hay un nmero considerable de rangos

empatados. El coef. De Spearman es una aproximacin a Pearson, cuando los datos son
continuos.
Tambin se interpreta su significancia.

COEFICIENTE DE CONFIABILIDAD ALFA-CRONBACH (se simboliza alfa):

Para variables de razon o intervalos. 2 forma de calcular.
1. Sobre base de la varianza de los tems.
Alfa= N
(N-1)(1-sumatoria de s2(Yi))

S2x

N= n de los tems de la escala.

sumatoria de s2(Yi)=sumatoria de varianzas de los tiems.
S2x= varianza de toda la escala.

2. Sobre la base de la matriz de correlacin de los tems. (Procedimiento)

Se aplica la escala
Se obtienen los resultados
Se calculan los coef. De correlacin de Pearson entre todos los tems. (todos
contra todos de par en par)
Se elabora una matriz de correlacion con los coef. Obtenidos. (ej. Pagina 568
ed.3)
Se calcula p (promedio de las correlaciones y el NP es el n de correlaciones
no repetidas o no incuidas)

p = sumatoria de p (sumatoria de las correlaciones)

NP (el n de correlaciones no repetidas o no excluidas)

Luego se aplica la ste. Formula:

Alfa= N p
1+ p(promedio) (N-1)

ANALISIS MULTIVARIADO:
Son aquellos en que se analiza la relacin entre diversas variables independientes y al
menos 1 dependiente. (Son mtodos complejos que requieren uso de computadoras, se
vern los mas importantes sin profundidad)

REGRESION MULTIPLES:
Para analizar el efecto de 2 o ms variables independientes sobre una dependientes.
Sirve predecir e valor de una variable dependiente conociendo el valor y la influencia de
las variables independientes incluidas en el anlisis.
Es una extensin de la regresin Lineal, solo que con un n mayor de variables
independientes.

X1
X2
Y
X3
X4

Xn (variables independientes)
Y (variable dependiente)
La informacin que proporciona la regresin mltiple es el coef. de correlacin mltiple
(R) que indica la correlacin entre la variable dependiente y las variables
independientes. Varia entre 0 y 1, ms alto el valor, dice que las variables
independientes explican en mayor proporcin la diversidad de la variable dependiente o
que son factores ms efectivos para precedecir el comportamiento de la variable
dependiente. R2 indica el porcentaje de variacin de la variable dependiente debido a
las independientes. Otro anlisis que entrega, es el valor beta, que indica la influencia de
cada variable independiente sobre la dependiente.
La variable dependiente tiene que estar medida en intervalos o razn. Las
independientes en cualquier nivel de medicin.

ANALISIS LINEAL DE PATRONES O PATH ANLYSIS:

Para representar interrelaciones entre variables a partir de regresiones. Analizan la
magnitud de la influencia unas variables sobre otras. Influencia directa o indirecta.
Es un modo causal.
Ms cercano a cero el coef. de Path, menos efecto tendr.

ANALISIS DE FACTORES:
Se usa para determinar el n y la naturaleza de constructos subyacentes en un conjunto
de mediciones.
Constructo: atributo para explicar un fenmeno.

Se generan variables artificiales (factores) k representan el constructo. Es una tcnica

para explicar un fenmeno complejo en funcin de unas cuantas variables. Es muy
compleja la tcnica. Las variables deben estar medidas en un nivel de razn o intervalos.

ANALISIS MULTIVARIADO DE VARIANZA (MANOVA)

Para analizar la relacin entre 2 o mas variables independientes y dos o mas variables
dependientes.
El inters va en conocer las variables cannicas, sino tambin conocer su naturaleza.
Una variable cannica es una variable artificial generada a partir de datos. Representa
constructos y se compone de variables reales (las variables dependientes). Deben ser
descritas en variables dependientes.
Se generan variables cannicas hasta que no hay diferencia significativa entre las
categoras o grupos o hasta que se agotan los grados de libertad.
La hiptesis de investigacin en el MANOVA postula que las medias de la variable
dependiente de los grupos o las categoras de la variable independiente difieren entre s.
La relacin cannica asume que las variables estn medidas en un nivel de intervalos o
razn.
Existen muchos mtodos multivariados de anlisis que se han desarrollado con la
evolucin de la computadora.
Anlisis discriminante, cuando las variables independientes son medidas por intervalos
o razn, y la variable dependiente es categrica. Sirve para predecir la pertenencia de un
caso a una de las categoras de la variable dependiente sobre la base de varias
independientes 8dos o ms)

ANALISIS CUALITATIVO DE LOS DATOS

1 problema del anlisis de datos, es que hay un gran volumen de ellos. Las
transcripciones tienen que estar completas, aunque a veces sean repetitivas en cuanto al
contenido. El anlisis de los datos, en lo cualitativo, se comienza sufriendo
modificaciones de acuerdo con los resultados.

Propsitos centrales del anlisis cualitativo:

Dar orden a los datos
Organizar las unidades, categoras, temas y subtemas.
Comprender en profundidad el contexto que rodea los datos.
Describir las experiencias de las personas estudiadas bajo su ptica, su lenguaje,
y con sus expresiones.
Interpretar, evaluar unidades, categoras, temas y patrones.
Explicar contextos, situaciones, hechos, fenmenos.
Generar preguntas de investigaciones hiptesis
Reconstruir historias
Relacionar los resultados del anlisis, con la teora fundamentada o las teoras
creadas.

El anlisis cualitativo, no es sinnimo de una descripcin no de caos ni desorden.

El enfoque cualitativo requiere flexibilidad.

PROCESO DE ANALISIS CUALITATIVO

1) REVISAR EL MATERIAL.
Que se encuentren organizados y clasificados por un criterio lgico (temas, actores
relevantes, etc.). Tienen que ser entendibles y completos.
Decidir como se van a analizar los datos; si directamente del medio donde fueron
producidos o de transcripciones escritas, o de las dos formas. Hay que mantener la
confidencialidad del entrevistado (por tica).

2) ESTABLECER UN PLAN DE TRABAJO INICIAL (COREOGRAFIA)

Plan incluye:
Revisar todos los datos
Revisar la bitcora elaborada durante la etapa de recoleccin de datos, las notas
y los memos de campo
Establecer un sistema de codificacin de datos
Definir el mtodo para analizar los datos
Definir los programas computacionales de anlisis que se van a utilizar
(software requerido)
Organizar un equipo de investigadores que habrn de participar, as como el
papel que jugar cada uno de los miembros
Establecer fechas tentativas para realizacin de anlisis

Anotar en una bitcora, la actividad realizada, las ideas que van surgiendo, cometarios
respecto de la credibilidad del estudio, problemas y logros en el anlisis, etc.
Esta bitcora ser instrumento invaluable para la validez y confiabilidad del anlisis.

3) CODIFIAR LOS DATOS EN PRIMER NIVEL O PLANO

La mayora de los estudios cualitativos se codifican los datos para tener una descripcin
mas completa de stas, resumirlos, eliminar informacin irrelevante, realizar anlisis
cuantitativo, y generar mayor sentido de entendimiento del material analizado.
El investigador debe decidir cuales son las unidades de anlisis (segmentos), ej:
palabras, lneas, prrafos, etc.
Las unidades de anlisis son unidades de significados.
Posteriormente de definen las categoras de anlisis y se etiquetan,
Las categoras son cajones conceptuales (categora: cajones conceptuales creados a
partir de la revisin de datos, comparacin de una unidad respecto de las unidades que
le predecieron).
La categoras siempre tienen que estar estrechamente relacionada con los datos.
Se toma la primera unidad de anlisis y definimos la categora a la que pertenece, y
luego se le da nombre y cdigo.
Cuando las unidades de anlisis no pueden ser ubicadas de manera clara en las
categoras se crea una categora llamadas otras.
Las categoras OTRAS, no puede ser mayor de 10% respecto del conjunto total del
material utilizado.
Una misma unidad pude ser colocada en varias categoras. La categoras de una misma
dimensin son mutuamente excluyentes (Paola es morena o rubia, no las dos)
Por ejemplo: dimensin: estados conductuales de los pacientes
Categoras: inconciente, tranquilo y relajado, asustado, aterrorizado, fuera de control.

El investigador debe asignar cdigos a las categoras y etiquetarlas, con la finalidad de

que el anlisis sea ms manejable y sencillo de realizar. (ej: letras, abreviaturas, etc)

CODIFICAR LOS DATOS EN UN SEGUNDO NIVEL O PLANO:

Implica ir refinando la codificacin y la interpretacin del significado de las categoras
obtenidas en el primer nivel.
Lo esencial es identificar las diferencias y similitudes entre categoras. Se utiliza la
comparacin constantemente.
La meta es integrar las categoras en temas y subtemas. Descubrir temas implica
localizar los patrones que aparecen repetidamente entre las categoras.

Los temas son la base de las conclusiones que emergern del anlisis.

INTERPRETAR LOS DATOS.

Hay que darle sentido a:
Las descripciones de cada categora (descripcin completa)
Los significados de cada categora (analizar el significado para sujetos)
La presencia de cada categora (frecuencia que aparece en los materiales
analizados)
Las relaciones entre categoras (vinculaciones, nexos, asociaciones entre
categoras)
Tipos de relaciones entre categoras:
Temporales: cuando una siempre o casi siempre precede de la otra.
Causales: Cuando una es causa de la otra
De conjunto-subconjunto: Cuando uno est contenido dentro de otro.

Es posible agregar en nuestro anlisis el material adicional que recolectamos en el

campo como fotografas, notas, dibujos, etc. Porque a veces son elementos adicionales
complementarios para la labor de anlisis.
Las metforas son tiles para extraer significados o captar esencias de relaciones entre
categoras. Por ej: con ese no juego ni a las canicas (desconfianza)

DESCRIBIR CONTEXTOS, EVENTOS, SITUACIONES Y PERSONAS

SUJETOS DE ESTUDIO, ENCONTRAR PATRONES, EXPLCIAR SUCESOS,
HECHOS Y COSNTRUIR TEORIA.
Las descripciones del contexto deben ser completas y profundas, adems de estar
vinculadas por el investigador con las relaciones entre categoras. Tambin habr que
describir los sujetos del estudio, los actores del contexto.

La calidad del estudio depende del grado de profundidad en estos aspectos y la

vinculacin con las categoras.
Lo ideal es obtener una teora que proporcione un sentido de entendimiento profundo.

ASEGURAR LA CONFIABILIDAD Y VALIDEZ DE LOS RESULTADOS.

Hay que efectuar una valoracin del proceso de anlisis. En primer lugar debemos
evaluar si obtuvimos suficiente informacin de acuerdo a nuestro planteamiento del
problema. Y si profundizamos hasta donde era posible.
En 2 lugar, ver si otros investigadores utilizan nuestras reglas para ver si toman las
mismas decisiones (o similares), respecto de las unidades, categoras, y temas de
anlisis. (da un grado de confiabilidad).
3, Pedirle a los sujetos de la investigacin que confirmen o refuten nuestras
interpretaciones, y si los significados que ellos trataron de transmitir son los que
capturamos. (es mas complicado lograrlo)

RETROALIMENTAR, CORREGIR, Y REGRESAR AL CAMPO.

La retroalimentaron detectar deficiencias, errores, falta de datos, etc. Nos permite ver
que hace falta, y hay que corregirlo (volver al campo). Este proceso debe hacerse
durante todo el anlisis.

PLANTEAMIENTO DEL PROBLEMA

Siempre hay que tener en mente el planteamiento original del problema de
investigacin, para no olvidar encontrar las respuestas que buscamos.

PROGRAMAS COMPUTACIONALES PARA ANALISIS CUALITATIVO.

Sirven de auxiliares, no sustituyen el anlisis creativo, profundo del investigador. Solo
facilitan su tarea.

ANALISIS CUALITATIVO Y CUANTITATIVO: CUESTION DE ENFOQUES.

Ninguno es mejor que el otro. Son diferentes medios para llegar aun mismo fin. Con
frecuencia son complementarios.

FIN