Upload
javier-maidana-garcia
View
215
Download
0
Embed Size (px)
Citation preview
Taller 2Reflexiones sobre Metodología
Cuantitativa:Potencial de la comparación de muestras
Germán Fromm R.
1
Objetivo Entender los diseños metodológicos comparativos
2
3
El diseño metodológico…¿Qué pretende responder?
¿Qué muestras considera? ¿Qué sabemos de estas poblaciones?
¿Cómo procede para responder?
4
1. Conceptos centrales1. Definición2. Población y muestra3. Error de muestreo vs error estadístico4. Factores determinantes5. Técnicas
5
1.1. DefiniciónLas técnicas de comparación son las que se
focalizan en las poblaciones (o muestras) y buscan encontrar una igualdad o una diferencia entre ellas.Esta diferencia se conceptualiza como rechazar
la Hipótesis Nula H0 (no hay diferencia)Requiere definir un procedimiento de
“muestreo”Se ve influido por características de la muestraLa variables queda implícita; ni siquiera
importa6
1.2. Población y MuestraUn estudio de comparación TIENE que
definir bien su proceso de “muestreo”. Esto equivale a asegurar que mi muestra es representativa de la población.
¿Cómo defino mis criterios de representatividad?
Azar, selección, pareamiento, clusters, disponibilidad, etc.
Caso: Muestra = Población ≠ población potencial
7
1.3. Error de muestreo vs error estadísticoLa representatividad NO es parte del análisis
estadístico, sino del andamiaje metodológico que tiene el plan de análisis.
A evitar: Sesgos, muestras pequeñas, muestras “iguales”.
8
Paréntesis: Significación o α
9
α
>.05Estas correlaciones no son confiables. Independiente de la magnitud de r
>.01
α
<.05No debemos considerarlas a menos que las muestras sean grandes:
N>100
<.01
Estas correlaciones se consideran fiables. Si N<30 nunca son fiables, pero por otras
razones.
Esta correlación NO es estadísticamente singificativa.
Esta correlación es estadísticamente significativa (o no lo es para N<100)Se reporta: α=.034 o bien p=.034
Esta correlación es estadísticamente significativa con p<.01 o p<0.001 si da.
Interpretación
1.3. Error de muestreo vs error estadísticoSi tengo una moneda que en 10 lanzamiento
obtiene:3 caras y 7 cruces
Y si tengo una que en 1000 lanzamientos obtiene:300 caras y 700 cruces
…¿Qué puedo concluir respecto a errores?Error de muestreo: Error estadístico:
10
1.4. Factores determinantes
11
Llopis Pérez, J. de la Web: LA ESTADÍSTICA: UNA ORQUESTA HECHA INSTRUMENTO Diferencias Dispersión
Tamaño
1.4. Factores determinantes
12
Diferencias
En gran medida se trata del objeto de análisis:
Ho: x1 = x2H1: x1 <> x2
1.4. Factores determinantes
13
Dispersión
Se corrige según el intervalo de confianza, p-value o α.
1.4. Factores determinantes
14
TamañoEsta es la clave para la mayoría de las técnicas
de análisis.
1.5. Técnicas (comparaciones)Chi-cuadrado: Variables cualitativas,
dicotómicas o nominales. Muy sensible al tamaño. Compara un resultado observado con un esperado (teórico)
T de student: Requiere una distribución normal y variables continuas. Modalidades para muestras relacionadas o no; con varianzas iguales o no.
No paramétricas: No asumen distribuciones normales. Son más conservadoras para diferenciar.
15
1.5. Técnicas (decisiones)
16
1.5. Técnicas (ANOVA)Compara, a la vez, varios grupos
(denominados factores) con diferencias (niveles). Se hace para cada factor.
Además, en el ANOVA de dos o más factores cruzados, se puede valorar la interacción entre factores. Significa que la variable dependiente, se comporta, ante niveles de un factor, dependiendo de cuáles sean los niveles del otro factor. O sea, un valor es función de la combinación que se dé de niveles.
17
Conclusiones¿Podemos usar comparaciones para estudios
causales? Si.¿Qué más?
18
Conclusiones¿Podemos usar las comparaciones para
estudios causales? Si.Las correlaciones son una herramienta útil si
la “apoyamos” correctamente. Con ella podemos recorrer una gradiente de causalidad hipotéctica o implicada, hasta sostener un argumento. Esa intuición requiere de entrenamiento.
Al analizar nuestros datos, diseños y proyectos consideremoslos pasos de la asociación a la causalidad y las interferencias que tenga.
La correlación no implica causalidad, pero tampoco la descarta.
19