G2011229 - Análise multivariante (Métodos, deseños e técnicas de investigación en Psicoloxía) - Curso 2013/2014
Información
- Créditos ECTS
- Créditos ECTS: 4.50
- Total: 4.5
- Horas ECTS
- Clase Expositiva: 28.00
- Clase Interactiva Laboratorio: 10.00
- Total: 38.0
Outros Datos
- Tipo: Materia Ordinaria Grao RD 1393/2007
- Departamentos: Psicoloxía Social, Básica e Metodoloxía
- Áreas: Metodoloxía das Ciencias do Comportamento
- Centro: Facultade de Psicoloxía
- Convocatoria: 2º Semestre de Titulacións de Grao/Máster
- Docencia e Matrícula: null
Profesores
Horarios
Programa
Existen programas da materia para os seguintes idiomas:
CastelánGalegoInglésObxectivos da materiaGrazas ao avance informático das derradeiras décadas, os investigadores puidemos superar a tradicional proposta univariante na análise de datos, e ir incorporando progresivamente as técnicas multivariantes ao noso labor diario. Xunto co resto das materias da área de Metodoloxía, esta pretende contribuír á formación do alumno, permitíndolle optimizar a análise e interpretación de grandes conxuntos de datos. É manifesto ademais que hoxe en día as técnicas de Análise Multivariante configuran un corpo de coñecemento básico para calquera profesional que analiza información cuantitativa. Por iso, partindo dunha breve revisión dos fundamentos da análise de datos, trataremos de describir o abano de técnicas multivariantes existentes, as súas condicións de utilización e aplicacións, facendo fincapé naquelas que poden resultar menos coñecidas (que non se viron na licenciatura), tales como a Análise Discriminante, a Análise Conxunta ou a Análise de Conglomerados. Outorgaremos tamén un papel importante aos procedementos que lle permiten ao investigador facer un axeitado exame ou análise exploratoria dos datos, antes da aplicación das distintas técnicas estatísticas.
OBXECTIVOS
Polo que se refire aos obxectivos específicos da materia Modelos Multivariantes en Psicoloxía, cabería sinalar fundamentalmente oito:
1. Revisar os conceptos de Estatística e Análise de Datos e a súa contribución á Psicoloxía.
2. Definir o Proceso de Datos e contextualizalo dentro do proceso xeral de investigación e do método científico.
3. Enfatizar a idea de que existen diferentes niveis de análise ou maneiras de aproximarnos á realidade empírica, situando a análise multivariante e a modelización estatística no lugar oportuno.
4. Definir ambos os conceptos (análise multivariante e modelización estatística) como dúas acepcións dunha mesma ferramenta e xustificar a relevancia que actualmente posúe na investigación social.
5. Facer un resumo integrador do abano de técnicas existentes (dende as consideradas clásicas ás máis novidosas), ao mesmo tempo que un intento de clasificación destas, para que o alumno poida dispor dunha visión de conxunto e entender as súas principais semellanzas e diferenzas.
6. Caracterizar de xeito claro e concreto cada unha das técnicas abordadas, facendo especial fincapé na súa utilidade, condicións de aplicación e fundamentos matemáticos
7. Familiarizar o alumno co manexo de ferramentas informáticas que lle permitan aplicar estas técnicas na resolución de problemas concretos do ámbito da Psicoloxía ou, máis amplamente, das ciencias sociais e da saúde.
8. Un último obxectivo, intimamente vinculado ao enfoque da análise exploratoria de datos que afortunadamente se puxo de moda nos derradeiros anos, é transmitirlle ao alumno a importancia que a propia calidade dos datos posúe, así como a necesidade do seu estudo previo e a posibilidade de transformalos para adaptar as súas propiedades matemáticas ás exixencias das técnicas multivariantes que se van empregar. Todo iso coas implicacións que teñen na correcta aplicación das técnicas de análise e, consecuentemente, nos resultados da investigación. En definitiva, baixo este enfoque preténdese integrar decididamente a materia que nos ocupa, dentro dos diferentes contidos metodolóxicos abordados ao longo da licenciatura, recalcando a importancia da metodoloxía en si mesma, como un todo inseparable.
ContidosDe acordo co enfoque que se lle pretende dar á materia, os temas seleccionados organízanse en tres grandes bloques. O primeiro deles é un bloque introdutorio de tres temas, no que se pretende: (1) contextualizar a materia dentro do plan de estudos e, máis concretamente, dentro dos contidos da área de Metodoloxía das Ciencias do Comportamento; (2) xustificar a súa pertinencia dentro da investigación social; (3) revisar e actualizar algúns fundamentos conceptuais para que o alumno poida asimilar os contidos da materia; (4) propoñer unha definición, clasificación e caracterización das técnicas multivariantes, que lle permitan ao alumno dispor dunha idea de conxunto e, ao mesmo tempo, sexa quen de diferenciar con claridade entre as técnicas principais; (5) sensibilizar o alumno da importancia de levar a cabo en calquera investigación (e especialmente cando se traballa con grandes cantidades de datos, moitos suxeitos e moitas variables) unha análise previa, concretando cáles deben ser os pasos ou tarefas que debe abordar esta análise preliminar e cómo se poden executar na práctica utilizando un paquete estatístico como o SPSS. No segundo bloque, exporanse con certo nivel de profundidade algunhas das técnicas que clasicamente soen encadrarse dentro das denominadas Técnicas de Dependencia, como poden ser: a análise de regresión linear múltiple, análise discriminante, regresión loxística e análise conxunta. A razón fundamental pola que se incluíron as dúas primeiras é polo súa grande difusión e tradición na investigación social. En canto á regresión loxística e análise conxunta, a pesar de que son menos coñecidas e de que historicamente tiveran menor protagonismo, é indubidable a grande proliferación de traballos nos que están sendo aplicadas nos últimos anos, así como o seu potencial no eido da investigación social e comercial. Polo que se refire ao terceiro bloque temático, nel se inclúen dúas das técnicas de interdependencia más difundidas: análise factorial de correspondencias e análise de conglomerados.
A docencia de Modelos Multivariantes en Psicoloxía ten lugar no primeiro cuadrimestre do 5º curso da licenciatura. A súa carga horaria total é de 4,5 créditos (2,5 de teoría e 2 de práctica). Así pois, disponse de 45 horas para impartir os contidos seleccionados. É importante sinalar que a docencia da materia se ve condicionada polo Prácticum, que se organiza en dous períodos (decembro/xaneiro e maio/xuño). Como consecuencia, a materia debe ser impartida en tan só dous meses e medio (outubro, novembro e a primeira quincena de decembro), a razón de 3 clases dunha hora por semana.
BLOQUE TEMA TÍTULO
I 1 A análise multivariante en Psicoloxía
I 2 Revisión xeral das técnicas multivariantes
I 3 A análise preliminar dos datos
II 4 Análise de Regresión Linear Múltiple
II 5 Análise Discriminante
II 6 Análise de Regresión Loxística
II 7 Análise Conxunta
BLOQUE TEMA TEORÍA PRÁCTICA TOTAL
I 1 2 - 2
I 2 2 2 4
I 3 3 4 7
Subtotal Bloque I 7 6 13
II 4 3 2 5
II 5 3 2 5
II 6 3 2 5
II 7 3 2 5
Subtotal Bloque III 6 6 12
TOTAL 25 20 45
Bibliografía básica e complementariaBÁSICA
Hair, J.F., Anderson, R.E., Tatham, R.L. y Black, W.C. (2000). Análisis Multivariante. Madrid: Prentice Hall.
Lévy, J.P. y Varela, J. (2003). Análisis Multivariable para las Ciencias Sociales. Madrid: Prentice Hall.
COMPLEMENTARIA
Bisquerra, A.R. (1989). Introducción conceptual al análisis multivariable (vol. I y II). Barcelona: PPU.
Catena, A., Ramos, M. y Trujillo, H. (2003). Análisis multivariado. Un manual para investigadores. Madrid: Biblioteca Nueva.
Cea, M.A. (2002). Análisis multivariable. Teoría y práctica en la investigación social. Madrid: Editorial Síntesis.
Díaz de Rada, V. (2002). Técnicas de Análisis Multivariante para Investigación Social y Comercial. Madrid: Ra-Ma.
Martínez Árias, R. (1999). El análisis multivariable en la investigación científica. Madrid: La Muralla.
Pardo, A. y Ruíz, M.A. (2002). SPSS11. Guía rápida para el análisis de datos. Madrid: McGraw-Hill.
Peña, D. (2002). Análisis de datos multivariantes. Madrid. McGraw-Hill.
Sánchez Carrión, J. J. (Ed.) (1984). Introducción a las Técnicas de Análisis Multivariable Aplicadas a las Ciencias Sociales. Madrid: Centro de Investigaciones Sociológicas.
Visauta, B. y Martori, J.C. (2003). Análisis estadístico con SPSS para Windows (vol. II).Estadística Multivariante. Madrid: McGraw-Hill.
CompetenciasCompetencias
Dispor dunha visión integral e práctica da análise multivariante e das principais técnicas que engloba.
Dispor dunha idea aproximada de cada unha das técnicas que o investigador ten á súa disposición, tendo claro a súa finalidade e condicións de aplicación.
Habituarse a realizar unha análise previa dos datos, antes de aplicar calquera modelo estatístico.
Familiarizarse co manexo de paquetes informáticos (como SPSS) que lle permitirán ao alumno resolver casos prácticos de análise multivariante de datos.
Metodoloxía da ensinanza Metodoloxía da ensinanza
O esquema xeral que se vai seguir nas sesións teóricas, onde se abordan de xeito individual cada unha das técnicas multivariantes seleccionadas, é o seguinte:
En primeira instancia preséntaselle ao alumno un problema de investigación real para o cal deberá suxerir qué técnica ou técnicas poden ser aplicadas, tendo en conta sempre o esquema presentado no bloque introdutorio que atende tanto aos obxectivos da investigación, como ao número e nivel de medida das variables intervenientes. A continuación proporciónanse máis detalles da investigación ou problema concreto, así como do procedemento seguido para a súa resolución. O ideal é recorrer a investigacións levadas a cabo na propia área de coñecemento. Dese xeito ao docente resúltalle máis doado ilustrar cada técnica e resolver dúbidas particulares acerca da investigación na que foi aplicada. Este último aspecto resulta de grande importancia se queremos destacar a idea do proceso de datos coma un continuum dentro de toda investigación. Unha das nosas preocupacións é facer énfase no metodolóxico máis que no puramente estatístico, para que o alumno comprenda a importancia que posúe cada unha das distintas fases da investigación, máis alá da análise estatística-informática dun conxunto de datos concretos.
En segundo lugar e, sempre aludindo ao exemplo presentado, revisarase a definición da técnica, o seu obxectivo xeral e os usos particulares, así como as condicións de aplicación. Este apartado péchase instando os alumnos a que poñan novos exemplos onde consideren pertinente o uso da técnica en cuestión.
A continuación, abórdanse os fundamentos matemáticos da técnica e as fases que se establecen na súa aplicación.
En cuarto lugar, amósase de maneira moi xeral cómo esta é posta en práctica en SPSS (cómo facelo en SPSS), os principais menús, cadros de diálogo e opcións, así como os aspectos máis relevantes das táboas de resultados. É preciso sinalar que esta parte intégrase aínda nas clases teóricas, pero que se pode levar a cabo porque as aulas contan cun PC e un canón de vídeo.
En última instancia, propónselles aos alumnos a resolución dun caso práctico no laboratorio de proceso de datos. Este último apartado configuraría xa o que son as clases prácticas. Na finalización de cada tema sóese proporlle ao alumno a lectura (con carácter voluntario) dalgún artigo de investigación no que a técnica en cuestión tivera sido a principal ferramenta de análise de datos. Nese sentido, malia que na bibliografía do tema se recorre exclusivamente a manuais e monografías, no caso das lecturas recomendadas a intención é establecer unha ponte coas clases prácticas, proporcionando lecturas nas que quede perfectamente ilustrado o uso da técnica en investigacións concretas. Un beneficio adicional que se espera que se derive desta estratexia é que o alumno tome definitivamente contacto con outras fontes documentais, como poden ser as revistas especializadas.
Mentres que a duración das clases teóricas é dunha hora, a das prácticas é de dúas horas. Como o seu propio nome indica, permítenlles aos alumnos asentar a través da práctica os coñecementos adquiridos nas clases teóricas. O obxectivo non é outro que aprender as claves para levar a cabo unha aplicación correcta das distintas técnicas multivariantes incluídas no programa. Para iso recórrese a problemas de investigación e arquivos de datos (na medida do posible), reais. As cuestións que os alumnos deben ir respondendo, no transcurso de cada práctica, son as cuestións habituais que o investigador debe ir resolvendo cando fai uso dunha técnica multivariante, dende a preparación e análise previa dos datos, a comprobación de determinados supostos, a elección razoada de determinadas opcións de análise, á correcta interpretación dos resultados e a elaboración do informe.
Antes de cada sesión o alumno deberá recoller na fotocopiadora o material impreso correspondente, no que se realiza unha breve descrición da práctica, os obxectivos, o arquivo de datos que se vai utilizar e as variables de que consta, así como as distintas cuestións que debe resolver, cubrindo os apartados, cadros ou táboas indicadas para iso.
Aínda que nas clases prácticas a énfase ponse na vertente aplicada de cada técnica e, por tanto, é o alumno o que debe traballar co programa durante as dúas horas, resulta oportuno comezar cada sesión cunha breve contextualización da técnica, refrescando conceptos importantes e insistindo nos aspectos de interpretación máis relevantes. Malia que ha ser o alumno quen, individualmente, debe tomar conciencia da importancia de adquirir as destrezas suficientes para resolver por si mesmo as análises que se lle propoñen, anímaselle a que comente cos compañeiros os resultados e que lle formulen ao profesor calquera tipo de dúbida. Ao finalizar cada sesión, cada un debe entregar un informe individual debidamente cuberto, informándoo da posibilidade de recuperar o corrixido antes da avaliación. Deste xeito poderán facer uso dos informes de prácticas para repasar a materia con vistas ao exame.
Advírtese tamén que, malia que a finalidade dos informes de prácticas non é a avaliación en si mesma, a asistencia a estas e a entrega do informe si é tida en conta tamén a este nivel. Dende o punto de vista do profesor, o obxectivo non é outro que provocar no alumno unha actitude activa diante das prácticas, incentivando a participación nelas para favorecer a asimilación dos seus contidos.
O material de apoio
Poder dispor de materiais de apoio axeitados é imprescindible para que tanto o profesor como o alumno alcancen os seus obxectivos. Dentro do que se entende como “material de apoio” cabería distinguir varios tipos. O primeiro deles é o material bibliográfico. Nos derradeiros anos foron aparecendo no noso país bos manuais de análise multivariante (Martínez Arias, 1999; Hair e cols. 2000; Díaz de Rada, 2002; Peña, 2002; Catena e cols., 2003; Lévy e Varela, 2003). Aínda que a súa existencia ten facilitado moito o labor dos docentes (xa que en xeral parten dun enfoque aplicado), tamén hai que dicir que, en ocasións e cando se trata de abordar determinados temas, o alumno non conta aínda coa suficiente preparación para asimilar os contidos con facilidade ou, simplemente, a complexidade matemática que entrañan resulta excesivamente elevada. Nese sentido, é responsabilidade do profesor ser sensible ás novidades bibliográficas que van aparecendo respecto á materia que imparte, para seleccionar e recomendar as referencias ou capítulos concretos que mellor se adapten ás necesidades docentes. Dentro do material bibliográfico, é conveniente tamén que se incorpore o traballo diario do alumno a consulta e lectura de revistas especializadas, facilitándolle o acceso a artigos de carácter aplicado, que sirvan para ilustrar a utilización das técnicas multivariantes na resolución de problemas concretos de investigación. As distintas lecturas recomendadas son obxecto de comentario na clase, animando os alumnos a sinalar aqueles aspectos que máis lle chamaran a atención, así como a expor dúbidas e suxestións.
O segundo dos materiais de apoio confórmano os medios audiovisuais que o propio profesor utiliza na clase. Nese sentido, tense xeneralizado nos derradeiros anos o uso do Powerpoint. O feito de que en todas as aulas da facultade se dispoña de PC e canón de vídeo, fai sumamente cómodo que os docentes fagamos uso desta estratexia. Aínda que resulta tremendamente útil, o apoio audiovisual non debe converterse nun fin en si mesmo, centrando a atención do alumno e distraéndoo dos verdadeiros contidos da materia. Para iso as diapositivas deben ser sinxelas, con contidos claros, sintéticos e o máis gráficas posible. En ningún momento deben substituír ás explicacións e reflexións do profesor. Deben ser simplemente un guión de
Metodoloxía da ensinanza referencia, que sirva para marcar os elementos clave nos que debe basearse a argumentación teórica. Ao mesmo tempo, resultan de grande utilidade para enganchar ou centrar a atención do alumno sobre contidos relevantes que é preciso marcar, no sentido literal da palabra.
O terceiro dos materiais de apoio confórmano os clásicos apuntamentos da materia. Dende a nosa experiencia consideramos importante a elaboración dun material didáctico de base, dispoñible para o alumno antes incluso de recibir as clases teóricas e sobre o que poida (no transcurso destas) ir incorporando anotacións, aclaracións ou comentarios, sen dúbida interesantes para preparar a avaliación da materia. A nosa experiencia particular é a de utilizar as propias diapositivas de Powerpoint (impresas como páxinas de notas), para que o alumno poida dispoñer delas na fotocopiadora e tome sobre estas as súas notas na clase, sen preocuparse por copiar todo o que figura na diapositiva, nin todo o que di o profesor. Dende o primeiro día de clase, insístese en que tema a tema, semana a semana, irá dispoñendo por adiantado do material que se vai utilizar na clase, polo que no transcurso desta debe centrar a súa atención en intentar comprender os contidos que se intentan transmitir, expoñendo as dúbidas e inquietudes que considere oportunas e incorporando os seus propios comentarios e aclaracións ás páxinas de notas.
Como cuarto elemento de apoio, cabe facer referencia á posibilidade de executar con SPSS determinadas análises, co gallo de ilustrar mellor algúns contidos. En determinados momentos (e sen que necesariamente estea previsto no guión) pode resultar interesante abrir un arquivo de datos de exemplo, para ensinar o aspecto concreto que teñen os datos de entrada (de cara á aplicación dunha técnica determinada), ou para comentar cun caso real os principais resultados que esta proporciona. Evidentemente, aínda que as clases prácticas se centran basicamente na execución mediante SPSS de distintas técnicas, nas sesións teóricas pode ser oportuno tamén facer uso do programa.
Por último, non debemos esquecer que as estratexias máis tradicionais como o propio uso do encerado, de rotuladores, transparencias, así como o traballo en grupo, seguen sendo de gran axuda para dinamizar a docencia e asentar os coñecementos. A nosa experiencia tennos dado evidencias do produtivo (e ata divertido) que resulta investir unha clase ao final do curso, pedíndolle aos alumnos que debuxen nunha transparencia un boxplot, un dendograma, un gráfico de dispersión ou un mapa de posicionamento, e ilustren con exemplos da súa propia colleita e facendo uso do retroproxector, para qué serve cada un deles.
Sistema de evaluaciónDado que a materia de Modelos Multivariantes en Psicoloxía impártese no primeiro cuadrimestre, a súa avaliación ten lugar na convocatoria de febreiro. Esta céntrase fundamentalmente nun único examen teórico-práctico (95% da calificación final). Non obstante, o feito de que o alumno asista regularmente a docencia teórica e práctica (entregando os correspondentes informes debidamente cubertos) e realizado as lecturas complementarias recomendadas (entregando o correspondente comentario), será tido en conta na cualificación final. Máis concretamente, se o alumno asiste as clases teóricas e prácticas alo menos no 75% das veces, entón sumará un 5% na calificación total. O control da asistencia será aleatorio mediante firma e entrega dos traballos que conforman a avaliación continua. Gostaríanos resaltar a importancia deste 5% pola participación (o que significa un 0,5 en valor absoluto) pois pode axudar que un alumno suspenso coa calificación de 4,5 poida aprobar, ou un alumno con 6,5 na calificación poida pasar a notable, e así sucesivamente. Polo que animamos a participar activamente nas clases teórico e prácticas
Polo que se refire ao exame, este consta de tres partes, entre as cales se pretende dar conta dos coñecementos que o alumno posúe acerca dos distintos contidos do temario. A primeira parte é unha proba obxectiva (exame tipo test). A segunda parte consta de unhas 15 preguntas curtas, de carácter moi concreto. Poden incluír definicións, enumeración de fases ou características dunha técnica, fórmulas ou, incluso, debuxos. Exemplos habituais de preguntas curtas poderían ser: “Na análise de regresión ¿que diferenza hai entre o R2 e o R2 axustado?”, “¿que é un M-estimador”, “¿que é o procedemento K-medias?” , “¿que pasos deben seguirse na aplicación da análise discriminante?”, ¿que é un centroide?, “¿que información proporciona un Boxplot?. Debúxao”, “¿que información proporciona un dendograma?. Debúxao”, etc.
A terceira e derradeira parte consiste nunha pregunta-tema de lonxitude media, que o alumno debe responder unicamente nunha páxina e o seu reverso. Para iso recoméndase establecer un esquema previo, asegurándose de que o enfoque é o axeitado, que se recollen os elementos relevantes, así como aqueles detalles que puideran ser máis importantes. Algúns exemplos serían: “Razóns polas que resulta aconsellable realizar unha análise preliminar dos datos”, ou “A análise multivariante: definición e clasificación das principais técnicas”. Dado que ao alumno se lle limita o espazo para responder, ten que ser quen de sintetizar as súas ideas e centrarse unicamente nos elementos relevantes. En cada unha das tres partes das que consta o exame infórmase da maneira na que son puntuadas e do tempo do que dispón.
Tempo de estudo e traballo persoalTempo de estudos e de traballo persoal que debe dedicar un estudante para superala
A continuación recóllense as horas que o alumno debe dedicar como mínimo ao estudo a nivel persoal, independentemente da asistencia ás clases teóricas e prácticas.
BLOQUE TEMA TÍTULO
I 1 A análise multivariante en Psicoloxía: 10 horas
I 2 Revisión xeral das técnicas multivariantes: 10 horas
I 3 A análise preliminar dos datos: 10 horas
II 4 Análise de Regresión Linear Múltiple: 15 horas
II 5 Análise discriminante: 10 horas
II 6 Análise de regresión loxística: 10 horas
II 7 Análise conxunta: 15 horas
LECTURAS COMPLEMENTARIAS: 10 horas
TOTAL: 90 HORAS
Recomendacións para o estudo da materiaRecomendacións para o estudo da materia
Asistencia regular ás sesión teóricas e prácticas, realización das lecturas complementarias recomendadas e participación na dinámica das clases.