PSICOLOGIA DEL TRABAJO Y DE LAS ORGANIZACIONES

1. PSICOLOGIA DEL TRABAJO Y DE LAS ORGANIZACIONES

2. MetodologíaAnálisis de la regresión

3. Modelos de análisis estadístico I. Conceptos básicos. II. Regresión múltiple

4. Parte I. Conceptos básicos

5. Modelo estadístico • En un sentido amplio, el modelo estadístico es una expresión matemática que, a modo de igualdad o ecuación, especifica la relación entre las diferentes variables independientes y la variable de respuesta.

6. Modelos de análisis estadístico y diseño de estudio

7. Conceptos básicos • Datos: observaciones realizadas de los individuos o grupos de individuos • Escalas de medida: no métricas (nominales y ordinales) y métricas (intervalos y de razón) • Diseños: estrategias de recogida de datos • Estrategias del diseño: transversal o longitudinal • Modelos de análisis: sistemas o ecuaciones que permiten inferir el tipo de relación entre los datos • Clases de relaciones: asociativas y causales

8. A propósito de los datos (1)

9. Elaboración de datos Observación Escala Dato científico directa de medida o valor numérico La conversión de una observación directa en un dato científico se consigue mediante la aplicación de una adecuada escala de medida.

10. Reunión de datos Sistemas de reunión de datos • Tablas • Gráficos

11. Tablas • Las tablas se usan en los informes científicos para resumir los datos u otra información que no puede ser mostrada de forma conveniente en la narrativa del texto.

12. Acerca de las tablas Las tablas han de tener un título que informe claramente sobre su contenido como por ejemplo preferencias a un partido político. Las tablas estadísticas deberían de informar también sobre el número de observaciones que se incluyen (frecuencia). La parte superior de la columna del lado izquierdo de la tabla es referida como el título de filas e informa sobre el contenido de las filas. El cuerpo de la tabla contiene los datos de interés. En el ejemplo propuesto se muestra la cantidad de individuos que prefieren un partido político. ..//..

13. Ejemplos (tablas)

14. Las tablas con una sola variable son conocidas por representaciones univariadas y las que informan sobre dos variables, representaciones bivariadas. En la representaciones bivariadas una variable está asociada a las filas y la otra a las columnas y se conocen, también, por tablas de contingencia. Ejemplo de tabla bivariada que relaciona preferencia a un partido político y afiliación religiosa (en paréntesis están los porcentajes).

15. Ejemplos (tablas)

16. Gráficos • Con los gráficos se consigue una representación visual de los datos, por lo que se convierte en un procedimiento útil a la investigación. Los gráficos captan mejor la atención del lector, permiten clarificar los resultados y facilitar su interpretación.

17. Histograma de frecuencias o gráfico de barras El histograma de frecuencias es un gráfico que muestra la distribución de frecuencias de una variable de intervalo. El eje horizontal del histograma o gráfico de barras muestra los intervalos y el eje vertical la cantidad de puntuaciones de cada intervalo (frecuencia). La altura de la barra indica la frecuencia de casos de cada categoría. El gráfico siguiente muestra la cantidad de amigos reportados por estudiantes de un College americano. ..//..

18. Cantidad de amigos reportados por los estudiantes de un College

19. En un segundo ejemplo, se muestra un gráfico de barras relativo al efecto de dos drogas antiansiolíticas. Se trata de una escala nominal y la diferencia que se observa entre el primer y segundo panel estriba en la forma de representar las unidades del eje vertical (unidades pequeñas en el primer panel y punto cero y unidades grandes en el segundo). Nótese que la gran diferencia entre las dos drogas que se observa en el primer panel desaparece en la segunda representación o panel.

20. Efectos de las drogas sobre la ansiedad

21. Polígono de frecuencias Es una forma alternativa de representar el histograma de frecuencias. Así, en lugar de barras se utilizan líneas que conectan las frecuencias de los intervalos de clase. En el ejemplo siguiente se muestra la misma información sobre la cantidad de amigos, pero utilizando el sistema de líneas y no el de barras. En un segundo ejemplo, se muestra el gráfico de la cantidad de divorcios tras aprobarse la correspondiente ley en el Estado de Nebraska.

22. Cantidad de amigos reportados por estudiantes de un College

23. Cantidad de divorcios antes y después de su promulgación en el Estado de Nebraska

24. Escalas de medida y datos (2)

25. Cuantificación de las variables • La variables se cuantifican al asignar valores numéricos a los atributos o características de los individuos, objetos y hechos de acuerdo a reglas. • El proceso de asignación de los números de acuerdo a reglas se denomina medida.

26. Escalas de medida • Las reglas particulares de asignación de números a las variables se denominan escalas de medida. Clasificación: Nominal Ordinal débiles Escalas De intervalo De razón fuertes

27. Escalas de medida Nominal 1 = varón 2 = hembra Ordinal 1 2 3 De intervalo 15 16 17 18 19 20 21 22 23 De razón 0 1 2 3 4 5 6 7 8

28. Ejemplos de escalas Nominal los valores sólo representan categorías o nombres (género, raza, religión, etc.) Ordinal los valores representan el orden en función del grado o intensidad como actitud, preferencia, etc. De intervalo la distancia entre los valores se mantiene constante como la temperatura, respuestas correctas, etc. De razón cuando además de la constancia del intervalo hay un valor cero que coincide con la ausencia del atributo.

29. Escalas y naturaleza de los datos Escala Tipo Dato Nominal Cualitativa No-paramétrico Ordinal Cuantitativa No-paramétrico De intervalo Cuantitativa discreta Paramétrico De razón Cuantitativa continua Paramétrico

30. Naturaleza de los datos y prueba estadística Datos de escala Prueba estadística Nominal Prueba Ordinal no paramétrica De intervalo Prueba no paramétrica y De razón paramétrica

31. Variable dependiente • Datos métricos o gaussianos • Datos no métricos o no gaussianos

32. En torno a los diseños (3)

33. Concepto de diseño • El diseño es una estrategia particular de recogida de datos que es función de los objetivos o hipótesis propuestos. • Los diseños pueden clasificarse en transversales y longitudinales, según la ausencia o presencia de la dimensión temporal en el estudio.

34. Cuestiones a plantear • ¿Cuál es la relación entre diseño (estudio) matriz de datos y modelo de análisis? • ¿Cuál es la estructura de cualquier investigación científica?

35. Estructura de la investigación en ciencias sociales Diseño Datos Modelo análisis Problema Estadístico Hipótesis Estimación Variables Inferencia Modelo de escala

36. A modo de resumen • Se ha visto la secuencia entre las tres fases o momentos de una investigación: diseño, datos y análisis. • Es importante conocer la estructura del diseño así como los distintos procedimientos o tipos de investigación.

37. Estructura del diseño (4)

38. Tipología del diseño de investigación • Diseños observacionales • Diseños correlaciones o predictivos (estudios de encuesta) • Diseños cuasi-experimentales • Diseños experimentales

39. Naturaleza de los datos (variable dependiente) • Datos métricos o cuantitativos (de distribución gaussiana o normal) • Datos no métricos o categóricos (de distribución no-gaussiana)

40. Estrategia del diseño y modelo de análisisDiseños experimentales y cuasi-experimentales

41. Diseño Datos cuantitativos Estrategia Datos cualitativos ANOVA Transversal Longitudinal TC Grupos Medidas AR paralelos repetidas Modelo log-lineal Factorial Cross-over MANOVARegresión Medidas Antes-después logística repetidas Cohortes Factorial mixto Split-plot

42. Diseños no experimentales • En el contexto no experimental los diseños suelen ser, por lo general, observacionales y correlacionales. • Los diseños observacionales son estudios de carácter descriptivo. • Los diseños correlacionales se basan en el análisis de múltiples variables con el propósito de estimar la magnitud del cambio entre ellas.

43. sigue… • El objetivo del diseño correlacional es la predicción de los valores de la variable dependiente a partir de la o las variables predictoras o independientes. • Con este diseño se pretende también explicar la proporción de variación de la variable dependiente debido a la o las variables independientes.

44. Modelos de análisis estadístico (5)

45. ¡Cuestión! • Una vez recogidos los datos ¿qué hacer con ellos? • A esta cuestión cabe responder lo siguiente: los datos se analizan de acuerdo a modelos estadísticos adecuados a fin de derivar consecuencias teóricamente interpretables; es decir, para la obtención de resultados que han de ser interpretados.

46. El modelo lineal general

47. Modelo estadístico general Y = f(X) + g(E) V.Dep. Parte fija Parte aleatoria

48. Concepto • El modelo estadístico, o ecuación de carácter lineal, asume que una observación Y es el resultado de la combinación aditiva de alguna función f de variables fijas y de alguna función g de componentes aleatorios, y que tanto f como g pueden tomar parámetros conocidos o desconocidos. ..//..

49. sigue… • Considerada esta ecuación como un modelo estadístico general, se tiene que cualquier observación es la suma de dos partes o componentes: una parte fija o determinista, f(X), y una parte aleatoria desconocida, g(E).

50. Tipo de relaciones entre variables o hipótesis (6)