Bienvenidos al sitio

El espacio está destinado a aquellos que están interesados en la metodología de la investigación social y sus aplicaciones, especialmente profesionales, estudiantes e instituciones que requieren apoyo en estas áreas. También pretende enriquecer la comunicación con alumnos, tesistas y colegas. Sean bienvenidos a establecer contacto conmigo para hacer críticas, sugerencias y compartir ideas o pensamientos.

Pablo Cáceres Serrano

¿Se pueden hacer cálculos estadísticos sobre puntuaciones estandarizadas?

La respuesta es sí, pero depende. Las puntuaciones Z o T son transformaciones lineales de las puntuaciones brutas o directas. En consecuencia no hay problemas de escala al utilizarlas. Siempre y cuando:

La puntuación típica provenga de una estandarización realizada en la población para las cuales se calcula el valor (tomar un valor estandarizado […]

La versión gratuita de QDA Miner: QDA Miner Lite.

No es muy común que las grandes empresas de software para análisis cualitativo presenten una versión gratuita de sus paquetes de software más destacados. QDA Miner es una excepción. Cierto es que Atlasti o Maxdqa ofrecen versiones demo desde hace mucho tiempo, pero una versión gratuita -lite- es distinto. La versión Lite tiene […]

Tests de normalidad sobre variables dependientes.

Una de las particularidades de realizar análisis paramétricos en donde se deben cumplir supuestos, consiste en la evaluación del comportamiento aproximadamente normal de las variables dependientes. Quienes ejecuten las acciones que están usualmente asociadas a la evaluación de este supuesto lo sabrán desde hace mucho: lo raro es que la variable ajuste al supuesto de normalidad.

De casualidad me he topado con el tema en R-Bloggers y lo dicho allí me produjo cierto alivio de culpa. En particular porque en muchas ocasiones y a pesar de mis intentos por hacer cambios, he debido trabajar con variables que de acuerdo a los tests estadísticos disponibles para ello, no ajustaban a la Normal. ¡Qué terror! ¿Y si alguien, con un celo de rigor elevado, criticara el haber trabajado con variables no normales y los resultados que se deriven de ello?. Bueno, relajo estimados. No es tan terrible y al parecer en la comunidad analítica hay ahora cierto grado de aceptación que esto puede ocurrir y que además, las pruebas estadísticas para detectar desvíos de la normalidad son todo menos confiables.

Leer más Tests de normalidad sobre variables dependientes.

La función reshape en el programa R

Antes que se me olvidé, como muchas cosas que he aprendido y que al final termino dejando en el tintero. La función reshape() puede  ser hallada en el paquete del mismo nombre: “reshape”. Su uso tiene relación con la entrada inmediatamente anterior referida al Análisis de Varianza Mixto. La función es útil cuando se desea aplicar análisis a diseños de medidas repetidas.

En efecto, en cualquier análisis, la estructura usual de ingreso de los datos es como se ve a continuación:

sujetos cond1ev1p5 cond1ev2p5 cond2ev1p5 cond2ev2p5
1 19.3 18.3 20.5 20.3
2 16.8 17.0 17.8 18.0
3 21.0 18.3 22.0 21.8
4 19.5 16.0 22.3 22.0
5 19.0 18.0 20.0 19.5
6 16.8 17.8 19.5 18.8
7 20.0 19.0 24.8 24.8
8 21.3 19.0 21.3 21.8

Figura 1. Datos para medidas repetidas.

Es decir, para cada sujeto una fila y cada tratamiento o intervención en columnas, con los resultados de dicha intervención (los valores adoptados por la variable dependiente o medidas repetidas para cada sujeto en fila) en columnas.

Leer más La función reshape en el programa R

Cálculo mediante R del Análisis de Varianza Mixto en un diseño intrasujeto simple

Se suponía era simple, o eso pensaba yo, que era simple. Sin embargo, me estuve dando cabezazos por horas porque por más que leía y releía los tutoriales no daba con la fórmula correcta. Usualmente cuando hago un cálculo estadístico, si es posible hacerlo paso a paso a mano o con ayuda de Calc (o Excel) lo realizo primero de esta forma, para aprehenderlo con detalle, lo comparo con la resolución ofrecida en algún libro y luego lo hago en R. En esta ocasión, quería usar la fórmula para el análisis de varianza mixto ofrecida en Balluerka y Vergara (2002). Lo hice. Luego me fui a R y por más que intentaba configurar el análisis no resultaba. Veamos el ejemplo:

sujetos cond1ev1 cond2ev1 cond1ev2 cond2ev2
s001 19.3 20.5 18.3 20.3
s004 16.8 17.8 17.0 18.0
s005 21.0 22.0 18.3 21.8
s006 19.5 22.3 16.0 22.0
s010 19.0 20.0 18.0 19.5
s011 16.8 19.5 17.8 18.8
s012 20.0 24.8 19.0 24.8
s013 21.3 21.3 19.0 21.8
s014 19.0 19.8 19.0 21.0
s015 20.0 20.0 18.3 21.3
s017 17.5 25.8 18.5 25.3
s019 18.8 19.5 17.5 19.3
s020 15.3 21.3 15.3 20.3
s021 18.8 19.5 19.3 20.5
s022 16.3 21.8 16.0 20.8
s023 19.0 21.5 20.0 22.5
s026 16.5 18.8 18.0 16.5
s027 18.0 23.0 19.0 22.3
s028 18.8 22.0 17.0 22.3
s030 16.0 23.8 17.0 22.5
s032 19.0 20.5 20.0 20.8

Sobre esta base de 21 sujetos, se pretende determinar el efecto de dos condiciones diferenciales (sin tratamiento en la primera columna y con tratamiento en la segunda columna). Las columnas 3 y 4 son los mismos tratamientos o condiciones, pero evaluado por un juez independiente, la intención era tener una corroboración independiente del efecto del tratamiento (la concordancia entre jueces se obtuvo mediante el coeficiente de correlación intraclase).

Leer más Cálculo mediante R del Análisis de Varianza Mixto en un diseño intrasujeto simple

Construyendo nuevos objetos en R: cbind o objeto[condición]

La verdad es una nota ñoña sólo para mi, aunque apelo a cualquiera que sepa algo de esto a que comente el tema en particular.

En el entorno de programa R  (www.r-project.org), cuando se desea crear un nuevo objeto con base en un data.frame, por ejemplo, para dejar sólo columnas de variables cuantitativas, puedo usar dos procedimientos: cbind (ligar columnas) o bien segregar las columnas a través de la selección de un rango de columnas. En código, esto sería:

Leer más Construyendo nuevos objetos en R: cbind o objeto[condición]