Análise Multivariante

Grazas 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 de maior interese aplicado. 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.

De 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 dous 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 de regresión loxística, a análise de supervivencia e a análise conxunta.
A docencia de Análise Multivariante en Psicoloxía ten lugar no segundo cuadrimestre do 2º curso do Grao. 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.

BLOQUE TEMA TÍTULO
I 1 Contextualización e revisión xeral das Técnicas Multivariantes
I 2 Análise preliminar dos datos
II 3 Análise de Regresión Linear Múltiple
II 4 Análise de Regresión Loxística
II 5 Análise de Supervivencia
II 6 Análise Conxunta

BLOQUE TEMA TEORÍA PRÁCTICA TOTAL
I 1 5 - 5
I 2 4 4 8

Subtotal Bloque I 9 2 11
II 3 4 4 8
II 4 4 4 8
II 5 4 4 8
II 6 4 4 8

TOTAL 25 20 45

BÁSICA

A bibliografía básica constará de tres manuais

Rial, A. y Varela, J. (2008). Estadística práctica para la Investigación en Ciencias de la Salud. A Coruña: Netbiblo.

Picón, E.; Varela, J. y Braña, T. (2006). Análisis Conjunto. Madrid: La Muralla

Rial, A.; Varela, J. y Rojas, A. (2001). Depuración y Análisis Preliminares de los Datos en SPSS. Madrid: Ra-Ma.

COMPLEMENTARIA

Ato, J., López y Benavente, A. (2013). Un sistema de clasificación de los diseños de investigación en Psicología. Anales de Psicología, vol. 29, nº3. 2013

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.

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.

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.

Visauta, B. y Martori, J.C. (2003). Análisis estadístico con SPSS para Windows (vol. II).Estadística Multivariante. Madrid: McGraw-Hill.

COMPETENCIAS BÁSICAS E XERAIS
CB1 - Que os estudantes demostren posuir e comprender cñececementos nun área de estudio que parte da base da educación secundaria xeral, e se adoita atopar a un nivel que, si ben se apoia en libros de texto avanzados, inclúe tamén algúns aspectos que implican coñecementos procedentes da vangarda do sru campo de estudio
CB2 - Que os estudiantes saiban aplicar os seus coñecementos ao seu traballo ou vocación dun xeito profesional e posúan as competencias que adoitan demostrarse por medio da elaboración e defensa de argumentos e a resolución de problemas dentro da súa área de estudio
CB3 - Que os estudiantes teña a capacidade de reunir e interpretar datos relevantes (normalmente dentro da súa área de estudio) para emitir xuizos que inclúan unha reflexión sobre temas relevantes de índole social, científica ou ética
CB4 - Que os estudiantes poidan transmitir información, ideas, problemas e solución a un público tanto especializado como non especializado
CB5 - Que os estudiantes teñan desenvuelto aquelas habilidades de aprendizaxe necesarias para emprender estudios posteriores cun alto grao de autonomía
CG1 - Que teñan capacidade para abordar a súa actividade profesional e formativa desde o respecto ao Código Deontolóxico do psicólogo, que inclúe, entre outros máis específicos, os principios do respecto e a promoción des dereitos fundamentais das persoas, a igualdade entre as persoas, os principios de accesibilidade universal e deseño para todos e os valores democráticos e dunha cultura de paz.

COMPETENCIAS TRANSVERSAIS
CT1 - Capacidade de síntese
CT2 - Capacidade de resolución de problemas e toma de decisións
CT3 - Capacidade de traballo en equipo e colaboración con outros profesionais
CT4 - Capacidade de autocrítica
CT5 - Capacidade de comunicación
CT6 - Capacidade de desenvolvemento e mantemento actualizado das competencias, destrezas e coñecementos propios da profesión

COMPETENCIAS ESPECÍFICAS DA TITULACIÓN NAS QUE INCIDE A MATERIA
CE6 - Demostrar coñecementos e comprensión dos métodos e deseños de investigación e as técnicas de análise de datos propios da Psicoloxía
CE9 - Saber identificar as características relevantes do comportamento dos individuos, grupos, organizacións e contextos mediantes os métodos, técnicas e instrumentos propios da avaluación psicolóxica
CE10 - Saber promover a saúde e a calidade de vida, a través dos métodos propios da profesión, nos individuos, grupos, comunidades e organizacións nos distintos ámbitos e contextos: educativo, clínico e da saúde, do traballo e as organizacións, grupal e comunitaria
CE11 - Saber seleccionar e administrar técnicas e instrumentos propios e específicos da Psicoloxía
CE12 - Saber definir os obxectivos, elaborar o plan e as técnicas de intervención en función das necesidades e demandas dos destinatarios, e avaliar os resultados obtidos
CE14 - Saber elaborar informes psicolóxicos en distintos ámbitos de actuación, dirixidos aos destinatarios e a outros profesionais
CE15 - Saber axustarse ás obrigas deontolóxicas da Psicoloxía

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.

O alumno dispón na Aula Virtual do material correspondente a cada práctica, no que se realiza unha breve descrición da mesma, 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.

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. 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. 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 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. Dend e 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.

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.

EXAME FINAL (TEÓRICO-PRÁCTICO):

O exame constará de 75 preguntas tipo test con 4 alternativas de resposta, onde só unha é correcta. Destas 75 preguntas, as 45 primeiras fan referencia aos seis temas vistos nas charlas; e os próximos 30 serán sobre as cinco prácticas ou clases interactivas. Todas as preguntas teñen o mesmo peso á hora de corrixir o exame. A fórmula de corrección é = 8 x (Acertos – (Fallos/4-1))/Número de preguntas

Un erro na resposta considérase o mesmo que unha omisión (non resposta), polo que recoméndase responder a todas as preguntas aínda que sexa aleatoria.

Aplicando a seguinte fórmula = 8 x (Acertos – (Fallos/4-1))/75 saberemos que nota sacamos dun máximo de 8 puntos. En concreto, se temos 47 respostas correctas, esta corresponde á nota de aprobación cun 4 sobre un máximo de 8, 54 respostas correctas equivalen a 5 sobre 8, 61 respostas correctas equivalen a 6 sobre 8, 68 respostas correctas. equivale a 7 de 8 e, finalmente, 75 acertos a 8 de 8.

Lembra que o traballo empírico supón ata un máximo de 2 puntos sobre 10, polo que neste exame a nota máxima é de 8.


ENTREGA DE TRABALLOS EMPÍRICOS COMPLEMENTARIOS:

Ata un máximo de 2 puntos polo Traballo de Investigación empírica a realizar durante o curso académico. Para máis información e detalles, consulta o arquivo adxunto colgado no campus virtual titulado: "Curso de Análise Multivariable.pdf". Non obstante, nos primeiros días de clase daranse todo tipo de instrucións sobre este traballo.

Obviamente, a NOTA FINAL da materia será sobre 10. Acadase cos 8 puntos do exame final + 2 puntos do traballo empírico.

IMPORTANTE:
Para aprobar a materia é obrigatorio ter asistido ao 80% das clases interactivas e entregar, ao remate desta, a correspondente memoria práctica. Estas prácticas están dispoñibles no Campus Virtual. Deberán imprimirse e levarse a cada unha das 5 clases interactivas.

En función de criterios académicos, considérase que esta materia non se pode cursar con dispensa

Tempo 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 Revisión xeral das técnicas multivariantes: 20 horas
I 2 A análise preliminar dos datos: 20 horas
II 3 Análise de Regresión Linear Múltiple: 10 horas
II 4 Análise de Regresión Loxística: 10 horas
II 5 Análise de Supervivencia: 10 horas
II 6 Análise Conxunta: 10 horas

LECTURAS: 10 horas

TOTAL: 90 HORAS

Asistencia regular ás clases teóricas e prácticas, entrega das fichas relativas ás 5 prácticas ou clases interactivas, realización das lecturas complementarias recomendadas e participación na dinámica de clase.

Horario de titorías: luns, martes e mércores de 10-12h.

En función de criterios académicos, considérase que esta materia non se pode cursar con dispensa