• Análisis de Datos II
  • Prólogo
  • 1 Introducción a los procedimientos de investigación en Psicología
    • 1.1 Lógica de la investigación científica
    • 1.2 Validez de las investigaciones
      • 1.2.1 Validez de las variables y definiciones
      • 1.2.2 Validez del diseño de investigación
      • 1.2.3 Validez de conclusión estadística
      • 1.2.4 Contraste de hipótesis estadísticas
    • 1.3 Potencia de un contraste
    • 1.4 Tamaño del efecto
    • 1.5 Contrastes de hipótesis en los programas estadísticos
      • 1.5.1 Contrastes para 1 variable
      • 1.5.2 Contrastes para 1 VI cualitativa y una VD cuantitativa
      • 1.5.3 Pruebas para muestras relacionadas (2 medidas por unidad de observación)
  • 2 Relación entre una variable cualitativa y otra cuantitativa (I): Diseños transversales
    • 2.1 Criterios de selección de la técnica estadística
    • 2.2 ANOVA de 1 factor completamente aleatorizado
    • 2.3 Comprobación de los supuestos
    • 2.4 Tamaño del efecto
    • 2.5 Comparaciones a posteriori
      • 2.5.1 Criterio de Bonferroni
      • 2.5.2 Prueba de Tukey
    • 2.6 Comparaciones de tendencia
    • 2.7 Estadísticos F robustos: Brown-Forsythe y Welch
      • 2.7.1 Comparaciones a posteriori
    • 2.8 Prueba de Kuskal-Wallis (KW)
      • 2.8.1 Comparaciones a posteriori
    • 2.9 ANOVA de un factor con JAMOVI
    • 2.10 ANOVA de un factor con SPSS
  • 3 Relación entre una variable cualitativa y otra cuantitativa (II): Diseños longitudinales
    • 3.1 Modelo ANOVA 1 factor de medidas repetidas (A1MR)
    • 3.2 Ejemplo 1 de diseño unifactorial de medidas repetidas
    • 3.3 Comprobación de los supuestos
    • 3.4 Tamaño del efecto
    • 3.5 Potencia de la prueba
    • 3.6 Comparaciones múltiples
    • 3.7 Prueba de Friedman
      • 3.7.1 Ejemplo de diseño unifactorial de medidas repetidas no paramétrico
    • 3.8 Modelo A1FMR con el programa JAMOVI
    • 3.9 Prueba de Friedman con el programa JAMOVI
    • 3.10 Modelo A1FMR con el programa SPSS
      • 3.10.1 Conclusiones según normas APA:
    • 3.11 Prueba de Friedman con el programa SPSS
      • 3.11.1 Conclusiones
  • 4 Diseños factoriales (I): Diseño factorial completamente aleatorizado (A2FCA)
    • 4.1 Modelo estadístico
    • 4.2 Interacción entre factores
      • 4.2.1 Ejemplo 4.1 de diseño factorial
      • 4.2.2 Ejemplo 4.2 de diseño factorial
    • 4.3 A2FC con el programa JAMOVI
    • 4.4 A2FC con el programa SPSS
  • 5 Diseños factoriales (II): Diseño factorial con medidas repetidas (A2FMR y A2FMX)
    • 5.1 Diseño factorial intrasujeto
      • 5.1.1 Ejemplo 1: Diseño factorial de medidas repetidas
    • 5.2 Diseño factorial mixto (A2FMX)
      • 5.2.1 Ejemplo 2: Diseño factorial mixto
    • 5.3 Análisis de los ejemplos con SPSS
      • 5.3.1 Análisis del ejemplo 5.1 con SPSS
      • 5.3.2 Análisis del ejemplo 5.2 con SPSS
  • 6 Modelos de regresión lineal
    • 6.1 Correlación
    • 6.2 Regresión simple
      • 6.2.1 Predictores categóricos
      • 6.2.2 Realización de pronósticos
    • 6.3 Regresión lineal múltiple
      • 6.3.1 Selección de modelos
      • 6.3.2 Importancia de las variables
    • 6.4 Supuestos del modelo
    • 6.5 Regresión múltiple y modelos estadísticos
    • 6.6 Análisis de regresión mediante el programa JAMOVI
      • 6.6.1 Regresión lineal múltiple
      • 6.6.2 Modelo de moderación con JAMOVI
      • 6.6.3 Modelos de mediación
    • 6.7 Análisis de regresión mediante el programa SPSS
      • 6.7.1 Selección de modelos en el programa SPSS
      • 6.7.2 Modelos de moderación y mediación con el módulo de PROCESS (Hayes, 2013)
  • 7 Referencias
  • Published with bookdown

Análisis de datos en psicología II

Análisis de datos en psicología II

Manuel Morales Ortiz

2023-11-21

Prólogo

Este documento es el resultado de las notas de clase de la asignatura “Diseño y Análisis de datos II” existente en el plan de estudios de graduado en psicología en la Universidad de Sevilla. El enfoque de estos apuntes está dirigido a aquel usuario que no tiene un conocimiento profundo de matemáticas, pero que ha superado un primer curso de análisis de datos donde se hayan estudiado los contenidos relacionados con la estadística descriptiva y los fundamentos de la inferencia estadística.

La enseñanza de las materias de análisis de datos suelen ir asociadas al uso de un determinado programa informático que facilite el cálculo de los resultados que de otra manera podrían resultar tediosos. La elección del programa informático debe tener en cuenta la audiencia a la que va dirigido. En el campo de la psicología está muy extendido el uso del programa IBM SPSS (IBM-Corp., 2023), siendo el programa estadístico de referencia en una gran parte de las universidades. Sin embargo, la necesidad de disponer de licencia de pago implica que los futuros usuarios tendrán dificultades para disponer de dicho programa una vez que abandonen la universidad. Para solucionar este problema se suele recurrir a programas de libre distribución como el programa R (R Core Team, 2016). El inconveniente que presenta este programa es su curva de aprendizaje. Dado que el periodo de enseñanza es muy limitado en los planes de estudio, iniciarse en este programa supone una reducción del tiempo disponible para la enseñanza de los contenidos propios de la asignatura. Para solventar este problema hemos recurrido al programa JAMOVI (The Jamovi Team, 2022). Este programa permite aprovechar la flexibilidad y posibilidades de R utilizando un sistema de ventanas más adecuado a las habilidades de los estudiantes de psicología.

Este documento se compone de 6 capítulos. En el primero se realiza una introducción a la lógica de la investigación científica. También se realiza un recordatorio de los fundamentos de la inferencia estadística con aplicación de algunas técnicas estadísticas básicas. En los capítulos 2 a 5 se presenta la técnica de ANOVA para estudiar relaciones entre variables (relaciones entre 1 variable independiente y una dependiente en los temas 2 y 3 y relaciones con más de una VI en los temas 4 y 5). En el tema 6 se desarrollan contenidos relacionados con los modelos de regresión lineal.

Este trabajo ha sido posible gracias a muchas personas. En primer lugar, a toda la comunidad R por los desarrollos del programa R y en particular a Xie (2023) por el desarrollo de librerías como knitr o bookdown que nos han resultado muy útiles para la redacción de este trabajo. Asimismo, este trabajo se ha visto beneficiado del trabajo de Luque Calvo (2017). Asimismo, a mis alumnos que han sido los mejores revisores del trabajo aquí expuesto.

La elaboración de este trabajo se ha realizado bajo las condiciones de la licencia de Creative Commons https://creativecommons.org/share-your-work/public-domain/cc0:

Agosto de 2023.