Guía de referencia para investigadores no expertos en el uso de estadística multivariada

Autores/as

  • Bertha Lucía Avendaño Prieto Universidad Católica de Colombia
  • Gerardo Avendaño Prieto Universidad EAN
  • William Cruz National Chengchi University, Universidad de Taipei, República Popular de China
  • Alejandro Cárdenas-Avendaño Fundación Universitaria Konrad Lorenz, Colombia

DOI:

https://doi.org/10.15332/s1794-9998.2014.0001.01

Palabras clave:

técnicas estadísticas, estadística multivariada, técnicas de dependencia, técnicas de interdependencia.

Resumen

Quienes se inician en la investigación suelen encontrarse con dificultades en el análisis estadístico de los datos para la verificación de su hipótesis de trabajo, particularmente en la selección de la técnica estadística apropiada, su aplicación e interpretación. Se plantea que lo anterior resulta de una actitud negativa hacia el análisis cuantitativo, relacionado con dificultades percibidas en clases de estadística y metodología de la investigación en educación superior. El objetivo del presente artículo es ofrecer una guía de referencia para investigadores no expertos en el uso de algunas técnicas estadísticas con amplia aplicación en la generación de conocimiento. Se define cada técnica multivariada presentada y se especifican las condiciones en las cuales es posible su aplicación enumerando los supuestos mínimos que debe cumplir. Adicionalmente, se presentan tres ejemplos que muestran las inconsistencias estadísticas que resultan de no considerar algunos supuestos en el análisis de los datos.

Citas

Aparisi, F., Avendaño, G., & Sanz, J. (2006). Interpreting T2 Control Charts. IIE Transaccions, 38(8), 647-657.

Avendaño, G. (2003). Interpretación de la señal de falta de control en gráficos multivariantes mediante redes neuronales. (Doctorate Thesis), Universidad Politécnica de Valencia.

Bello, R., & Garcia, M. (1996). A model and its different applications to case-based reasoning. Knowledge System Design and Applications, 9(7), 465-473.

Berrendero, J. R., Justel, A., & Svarc, M. (2011). Principal components for multivariate functional data. Computacional Statistics and data analysis, 55(9), 2.619-2.634.

Conchillo, A. (2004). Guías doctorado. Metodología de las ciencias del comportamiento. España: Madrid: Universidad Nacional de Educación a Distancia (UNED).

Dallas, E. J. (2000). Métodos multivariados aplicados al análisis de datos. México: International Thomson Editores, S. A.

Daniel, W. (1998). Bioestadística. Base para el análisis de las ciencias de la salud. México: Noriega Editores.

Díaz, F., & Hernández, G. (2002). Estrategias docentes para un aprendizaje significativo. Una interpretación constructivista. México: McGraw-Hill.

Ferrán, M. (1996). SPSS para Windows. Programación y análisis estadístico. Madrid: McGraw-Hill.

Figueras, S. (2001). Análisis de conglomerados o clúster. Recuperado de http://www.5campus.org/leccion/cluster

Field, A. (2013). Discovering Statistics Using IBM SPSS Statistics. Fourth Edition. Londres: SAGE Publications Ltd.

Greene, J., & D'Oliveira, M. (2006). Test Estadísticos para Psicología. Madrid: McGraw-Hill.

Hair, J., Anderson, R., Tatham, R., & Black, W. (2000). Análisis Multivariante Quinta edición. Madrid: Prentice Hall.

Jackson, J. E. (1991). A user's guide to principal components. New York: John Wiley y Sons, Inc.

Jaques, J., & Preda, C. (2014). Model-based clustering for multivariate functional data. Computacional Statistics and data analysis. 71. 92-106.

Kerlinger, F., & Lee, H. (2002). Investigación del comportamiento. Métodos de investigación en ciencias sociales. México: McGraw-Hill.

Lizasoain, L., & Joaristi, L. (2003). Gestión y análisis de datos con SPSS. Versión 11. Madrid: Thompson.

López, C., Fernández, K., & Mariel, P. (2002). Índices de satisfacción del consumidor: una aplicación de modelos estructurales a la industria automovilística española. Universidad del país vasco.

Malhotra, N. (1997). Investigación de Mercados. Un enfoque práctico. México: Prentice-Hall.

Marques de Sá, J. (2007). Applied Statistics Using SPSS, STATISTICS, MATLAB and R. Second Edition. Heidelberg: Springer.

Martínez, C. (2000). Estadística y Muestreo. Bogotá: Ecoe editores.

Morales, P. (2003). El Análisis Factorial en la construcción e interpretación de tests, escalas y cuestionarios. Recuperado de http://www.upcomillas.es/personal/peter/investigacion/AnalisisFactorial.pdf

Murtonen, M. (2005). University Students' Research Orientations: Do negative attitudes exist toward quantitative methods? Scandinavian Journal of Educational Research, 49(3), 263-280.

Oquendo, D., de la Espriella, C., & Avendaño, B. L. (2007). Eventos de vida y alto afecto negativo como factores de riesgo para el desarrollo de depresión en jóvenes colombianos. (Magister), Fundación Universitaria Konrad Lorenz.

Romero, R. (1997). Curso de introducción a los métodos de análisis estadístico multivariante. Universidad Politécnica de Valencia.

Sánchez, F. (2006). Validación de una prueba para evaluar clima organizacional.

Visauta, B. (2002). Análisis Estadístico con SPSS para Windows. Segunda Edición. (Vol. 1). España: McGraw-Hill.

Descargas

Publicado

2014-01-01

Cómo citar

Avendaño Prieto, B. L., Avendaño Prieto, G., Cruz, W., & Cárdenas-Avendaño, A. (2014). Guía de referencia para investigadores no expertos en el uso de estadística multivariada. Diversitas, 10(1), 13–27. https://doi.org/10.15332/s1794-9998.2014.0001.01

Número

Sección

Artículos

Artículos más leídos del mismo autor/a