METODOLOGÍA Y TÉCNICAS DE INVESTIGACIÓN EN CIENCIAS SOCIALES Titular: Agustín Salvia

1. METODOLOGÍA Y TÉCNICAS DE INVESTIGACIÓN EN CIENCIAS SOCIALES Titular: Agustín Salvia CONCEPTO DE COVARIANZA, RELACIONES BIVARIDAS. ANÁLISIS POR MEDIO DE CUADROS DE CONTINGENCIA. CORRELACIÓN Y REGRESIÓN Eduardo Donza

2. CONCEPTO DE COVARIANZA, RELACIONES BIVARIDAS. ANÁLISIS POR MEDIO DE CUADROS DE CONTINGENCIA.

3. Concepto de cuadro bivariado Nivel de medición nominal u ordinal Variable x Frecuencias condicionales Variable y

4. Usos de cuadros bivariados • Para describir a la población según características de dos variables • Para contrastar hipótesis

5. Cuadro bivariado Sector de inserción de la población según sexo GBA / EPH 2º trim. de 2010 -Cantidad de personas-

6. Cuadro bivariado para analizar datos Sector de inserción de la población según sexo GBA / EPH 2º trim. de 2010 -Según porcentaje respectivo-

7. Cuadro bivariado para verificar hipótesis / Covarianza Concepto de covarianza / Contrastación de hipótesis Relación entre variables • Fuerza • Sentido • Forma • Grado Tipos de hipótesis • Diagonales • Rinconales Posibles resultado al analizar la covarianza • Intermedia • Nula • Total Roles: x y x y

8. Cuadro bivariado para verificar hipótesis

9. Cuadro bivariado para verificar hipótesis d% = 70% Relación intermedia entre las variables

10. Cuadro bivariado para verificar hipótesis d% = 0% Independencia estadística entre las variables

11. Cuadro bivariado para verificar hipótesis d% = 100% Relación perfecta entre las variables

12. Cuadros bivariados para verificar hipótesis Reglas para el procedimiento • Colocar la variable independiente en el cabezal del cuadro • Si son variables ordinales, verificar divergencia o convergencia de las categorías • Realizar porcentaje por columnas • Comparar por filas

13. Cuadro bivariado para verificar hipótesis Condición de actividad por sexo GBA / EPH 2º trim. de 2010 -En porcentaje- d% = 2,8% • Pasos: • Var. Independiente en el cabezal • Orden de categorías • Porcentajes por columnas • Comparar por fila

14. Cuadro bivariado para verificar hipótesis Sector de inserción de la población según sexo GBA / EPH 2º trim. de 2010 -En porcentaje- La d% no es medida resumen de fuerza de la relación en cuadros de más de 2 x 2 • Pasos: • Var. Independiente en el cabezal • Orden de categorías • Porcentajes por columnas • Comparar por fila

15. Asociación entre variables – Verificación de hipótesis Procedimientos: • Coeficientes de asociación • Pruebas de independencia estadística • Lectura de porcentajes

16. Asociación entre variables – Verificación de hipótesis Coeficientes de asociación: • Miden la fuerza de la relación entre las variables • Algunos coeficientes miden también el sentido de la relación.

17. Asociación entre variables Criterios de selección de coeficientes

18. Asociación entre variables – Verificación de hipótesis Pruebas de independencia estadística: • La mas aplicada es la de chi cuadrado. • Determinan el nivel de confianza con que se puede aseverar que existe relación entre las variables en el universo observando los datos de la muestra.

19. CORRELACIÓN Y REGRESIÓN

20. Datos de variables años de estudio e ingresos Nivel de medición numérico

21. Diagrama de dispersión años de estudio e ingresos

22. Diagrama de dispersión años de estudio e ingresos

23. Recta de regresión y = a + b * x $ = a + b * años estudios

24. Particularidades de recta de regresión y = a + b * x Ordenada al origen Pendiente Δ y $ = a + b * años estudios a Δ x

25. Pendiente de recta de regresión Δ y α Δ x Δ y b = tg α = Δ x

26. Recta de regresión x media y media a = 200 $ $ = 200 $ + 300 $ / año * Año de estudio

27. Predicción por medio de la ecuación $ = 200 $ + 300 $ / año * Año de estudio $ = 200 $ + 300 $ / año * 15 años Si años estudio = 15 $ = 200 $ + 4500 $ $ = 4700 $

28. Dispersión de casos reales

29. Recta de regresión / Técnica mínimos cuadrados

30. Correlación y regresión Permiten: • Medir la fuerza y el sentido de la relación por medio de un coeficiente denominado r de Pearson. • Construir un modelo matemático que da cuenta de la distribución de la nube de puntos. Realizar predicciones de valores no conocidos de una de las variables. • Determinar el nivel de confianza con que se puede asegurar que existe relación entre las variables en el universo observando los datos de la muestra.