Psicología Online PIR Diseños de Investigación Análisis de datos del proceso de investigación

Psicología Experimental: Ciencia, procesos de investigación y métodos en psicología

5. Recogida, análisis de datos

  • Recogida de datos: A través de la observación sistemática, las encuestas y los experimentos. En medios naturales (estudio de campo) o en medios artificiales (Situaciones creadas por el investigador).
  • Análisis de datos
  • Factores a tener en cuenta al realizarlas cuatro tareas del análisis de datos:

  • Hay que decidir, aunque sugerimos el doble entorno:
  • Estadística Descriptiva. Si nos quedamos en la muestra.
  • Estadística Inferencial. Si queremos inferir hacia la población utilizando la probabilidad.
  • Nivel de medida de las variables:
  • Nivel de medida de intervalo o de razón. Procurar medir en el nivel mas alto posible, pues estos incluyen a los bajos, pero no al revés.
  • Problema que se ha planteado y la forma en que se han recogido los datos. Siempre se ha de hacer un equilibrio entre lo posible y lo conveniente, para no verse inundado de análisis distintos. Es recomendable realizar un sistemático pluralismo "analítico":
  • La sistematicidad implica que debe de existir un plan detallado con objetivos determinados tanto para recoger como para analizar datos.
  • Pluralismo (cualquier forma de investigar tiene sus limitaciones. Estas se pueden minimizar optimizando los análisis, para lo cual es necesario procurar múltiples y plurales formas de análisis. Esta pluralidad incluye los referentes a datos no empíricos y los desarrollos puramente matemáticos o teóricos.

Tareas del análisis de datos:

Formas de resumir los datos. Disponer de índices que resuman distintos aspectos de la distribución.

  • Índices de tendencia central. Indican el centro de una distribución. Calcular:
  • La media aritmética: Sumamos las puntuaciones y las dividimos por le nº de ellas. Ej. (31+31+25+28+30)/5 =29

    La moda: La observación más frecuente es 31

    La mediana: Ordenando las puntuaciones, la puntuación central es 30.

  • Índices de variabilidad o dispersión. Indican cuan dispersos están los datos de la variable.
  • Varianza o varianza sesgada. Calculando las puntuaciones diferenciales (restando la media de cada puntuación), elevándolas al cuadrado, sumándolas y dividiéndolas entre el nº de ellas.

    Ej. S2s = [(31-29)2 + (31-29) 2 + (25-29) 2 + (28-29) 2 + (30 - 29) 2] / 5 = 5,2

    Varianza insesgada. Dividimos el nº de casos menos uno:

    Ej. VI = [(31-29)2 + (31-29) 2 + (25-29) 2 + (28-29) 2 + (30 - 29) 2] / (5-1) = 6,5

    Desviación típica insesgada. Sacando la raíz cuadrada de la Varianza insesgada (VI)

    Ej. DTI = Ö VI = Ö 6,5 = 2,55

    Desviación típica sesgada. Sacando la raíz cuadrada de la Varianza o varianza sesgada (S2s)

    Ej. Ss = Ö S2s = Ö 5,2 = 2,28

    Amplitud total de la distribución. Si se resta el valor mínimo del valor máximo

    Ej. AT = 31 - 25 = 6

  • Índices de asimetría. ¿Es una distribución de puntuaciones simétrica?. Restando la moda de la media y dividiendo esta diferencia entre la desviación típica sesgada.
  • As = (29 - 31) / 2,28 = -0,88

    Si es menor que cero, es decir, negativa (hay mas puntuaciones altas que bajas)

    Si es mayor que cero, es decir, positiva (hay mas puntuaciones bajas que altas)

    Si es cero es simétrica (una parte de la distribución es reflejo de la otra)

  • Índices de apuntamiento. ¿Es una distribución de puntuaciones achatada?
  • Buscando patrones (regularidades o diferencias) en los datos. Una de las mejores formas es la representación grafica.

    Pronosticando resultados en función de los datos. Predicciones explotando sus relaciones. Cuando se reconoce un patrón la mejor forma de resumirlo es por medio de una función. Aunque no pase por todos los puntos nos ofrece una forma más sencilla, aunque incompleta, de describir los datos además de la naturaleza e intensidad de las relaciones entre ellos.

    Generalizando a la población desde la muestra. Generalizar los resultados anteriores a campos más amplios que los de la muestra inicial de la que partimos haciendo inferencias a la población con ayuda del análisis de datos descriptivo aplicando la probabilidad. Pasamos por medio de inferencias a generalizar hacia resultados poblacionales.

> Siguiente: Interpretación de los resultados del análisis de datos