HERNANDEZ_Metodologia de la investigación 5ta Edición

326
Capítulo 10 Análisis de los datos cuantitativos
Si buscamos conocer la infl uencia de cuatro variables de los médicos sobre el apego al tratamiento y la satisfacción en torno a la
atención por parte de sus pacientes.
Realimentación
del médico
Credibilidad
del médico
Género
Edad
Apego por parte del paciente al
tratamiento prescrito
Satisfacción del paciente
respecto a la calidad de la
atención en el hospital
Figura 10.20 Ejemplos de esquemas con diversas variables tanto dependientes como independientes (continuación).
Entonces, requerimos de otros métodos estadísticos como los que se muestran en la tabla 10.16.
Estos métodos son
comentados en el CD adjunto: Material Complementario → Capítulos → Capítulo
8 “Análisis estadístico: segunda parte”, en análisis multivariado.
Tabla 10.16 Métodos estadísticos multivariados (ampliar en CD anexo)
Método
Análisis de varianza factorial (ANOVA de
varios factores)
Análisis de covarianza (ANCOVA)
Regresión múltiple
Análisis multivariado de varianza (MANOVA)
Análisis lineal de patrones (PATH)
Análisis discriminante
Distancias euclidianas
Propósitos fundamentales
Evaluar el efecto de dos o más variables independientes sobre una variable dependiente.
Analizar la relación entre una variable dependiente y dos o más independientes, al eliminar y controlar el
efecto de al menos una de estas variables independientes.
Evaluar el efecto de dos o más variables independientes sobre una variable dependiente, así como predecir el
valor de la variable dependiente con una o más variables independientes, y estimar cuál es la independiente que
mejor predice las puntuaciones de la variable dependiente. Se trata de una extensión de la regresión lineal.
Analizar la relación entre dos o más variables independientes y dos o más variables dependientes.
Determinar y representar interrelaciones entre variables a partir de regresiones, así como analizar la magnitud
de la infl uencia de algunas variables sobre otras, infl uencia directa e indirecta. Es un modelo causal.
Construir un modelo predictivo para pronosticar el grupo de pertenencia de un caso a partir de las características
observadas de cada caso (predecir la pertenencia de un caso a una de las categorías de la variable
dependiente, sobre la base de dos o más independientes).
Evaluar la similitud entre variables (en unidades de correlación).
5
Análisis no paramétricos
¿Cuáles son las presuposiciones de la estadística no paramétrica?
Para realizar los análisis no paramétricos debe partirse de las siguientes consideraciones:
1. La mayoría de estos análisis no requieren de presupuestos acerca de la forma de la distribución
poblacional. Aceptan distribuciones no normales.
2. Las variables no necesariamente tienen que estar medidas en un nivel por intervalos o de razón;
pueden analizar datos nominales u ordinales. De hecho, si se quieren aplicar análisis no paramétricos
a datos por intervalos o razón, éstos necesitan resumirse a categorías discretas (a unas cuantas).
Las variables deben ser categóricas.
www.FreeLibros.com