Taller 2 Reflexiones sobre Metodología Cuantitativa: Potencial de la comparación de muestras Germán Fromm R.
Objetivo Entender los diseños metodológicos comparativos
El diseño metodológico… ¿Qué pretende responder? ¿Qué muestras considera? ¿Qué sabemos de estas poblaciones? ¿Cómo procede para responder?
1. Conceptos centrales Definición Población y muestra Error de muestreo vs error estadístico Factores determinantes Técnicas
1.1. Definición Las técnicas de comparación son las que se focalizan en las poblaciones (o muestras) y buscan encontrar una igualdad o una diferencia entre ellas. Esta diferencia se conceptualiza como rechazar la Hipótesis Nula H0 (no hay diferencia) Requiere definir un procedimiento de “muestreo” Se ve influido por características de la muestra La variables queda implícita; ni siquiera importa
1.2. Población y Muestra Un estudio de comparación TIENE que definir bien su proceso de “muestreo”. Esto equivale a asegurar que mi muestra es representativa de la población. ¿Cómo defino mis criterios de representatividad? Azar, selección, pareamiento, clusters, disponibilidad, etc. Caso: Muestra = Población ≠ población potencial
1.3. Error de muestreo vs error estadístico La representatividad NO es parte del análisis estadístico, sino del andamiaje metodológico que tiene el plan de análisis. A evitar: Sesgos, muestras pequeñas, muestras “iguales”.
Paréntesis: Significación o α Interpretación >.05 Estas correlaciones no son confiables. Independiente de la magnitud de r Esta correlación NO es estadísticamente singificativa. >.01 α <.05 No debemos considerarlas a menos que las muestras sean grandes: N>100 Esta correlación es estadísticamente significativa (o no lo es para N<100) Se reporta: α=.034 o bien p=.034 <.01 Estas correlaciones se consideran fiables. Si N<30 nunca son fiables, pero por otras razones. Esta correlación es estadísticamente significativa con p<.01 o p<0.001 si da.
1.3. Error de muestreo vs error estadístico Si tengo una moneda que en 10 lanzamiento obtiene: 3 caras y 7 cruces Y si tengo una que en 1000 lanzamientos obtiene: 300 caras y 700 cruces …¿Qué puedo concluir respecto a errores? Error de muestreo: Error estadístico:
1.4. Factores determinantes Llopis Pérez, J. de la Web: LA ESTADÍSTICA: UNA ORQUESTA HECHA INSTRUMENTO Diferencias Dispersión Tamaño
1.4. Factores determinantes Diferencias En gran medida se trata del objeto de análisis: Ho: x1 = x2 H1: x1 <> x2
1.4. Factores determinantes Dispersión Se corrige según el intervalo de confianza, p-value o α.
1.4. Factores determinantes Tamaño Esta es la clave para la mayoría de las técnicas de análisis.
1.5. Técnicas (comparaciones) Chi-cuadrado: Variables cualitativas, dicotómicas o nominales. Muy sensible al tamaño. Compara un resultado observado con un esperado (teórico) T de student: Requiere una distribución normal y variables continuas. Modalidades para muestras relacionadas o no; con varianzas iguales o no. No paramétricas: No asumen distribuciones normales. Son más conservadoras para diferenciar.
1.5. Técnicas (decisiones)
1.5. Técnicas (ANOVA) Compara, a la vez, varios grupos (denominados factores) con diferencias (niveles). Se hace para cada factor. Además, en el ANOVA de dos o más factores cruzados, se puede valorar la interacción entre factores. Significa que la variable dependiente, se comporta, ante niveles de un factor, dependiendo de cuáles sean los niveles del otro factor. O sea, un valor es función de la combinación que se dé de niveles.
Conclusiones ¿Podemos usar comparaciones para estudios causales? Si. ¿Qué más?
Conclusiones ¿Podemos usar las comparaciones para estudios causales? Si. Las correlaciones son una herramienta útil si la “apoyamos” correctamente. Con ella podemos recorrer una gradiente de causalidad hipotéctica o implicada, hasta sostener un argumento. Esa intuición requiere de entrenamiento. Al analizar nuestros datos, diseños y proyectos consideremoslos pasos de la asociación a la causalidad y las interferencias que tenga. La correlación no implica causalidad, pero tampoco la descarta.