Guía docente de Técnicas de Análisis en la Investigación Psicológica (2641117)

Tener cursada la asignatura: Descripción y exploración de datos en Psicología.

Tener conocimientos adecuados sobre:

• Cálculo aritmético y algebraico elemental.
• Informática a nivel de usuario.

Descriptores:

Estimación y contraste de Hipótesis, Contraste paramétricos y no paramétricos, Técnicas y Diseños de Investigación, Análisis Multivariante de Datos.

Contenidos:

Formulación y contrastación de hipótesis. Contrastes paramétricos y contrastes no paramétricos. Inferencias en modelos de regresión. Modelos con variables independientes categóricas. Modelos con variables independientes continuas y categóricas. Modelos con errores dependientes. Análisis Multivariante en la investigación psicológica

• Conocer los principios básicos del muestreo y la Inferencia Estadística.
• Conocer los modelos estadísticos para la realización de inferencias.
• Conocer el análisis de los datos en la evaluación de programas.
• Conocer las técnicas de análisis asociadas a los diferentes tipos de Diseños de Investigación en Psicología.
• Aprender a analizar datos en programas e intervenciones psicológicas.

Tema 1.- Inferencia.

Introducción. Conceptos básicos. Distribuciones muestrales. Muestreo. Métodos de muestreo

Tema 2.- Estimación

Objetivo y conceptos básicos de la estimación. Estimación puntual. Métodos de construcción de estimadores. Propiedades de los estimadores. Estimación por intervalos.

Tema 3.- Contrastes de Hipótesis.

Método Científico y contrastación de hipótesis. Lógica del contraste. Función de potencia. Errores tipo I y II. Nivel de confianza. Potencia y tamaño del efecto. Contrastes paramétricos. Contrastes de significación. Contrastes de igualdad de medias. Contrastes de hipótesis para otros parámetros. Contrastes no paramétricos.

Tema 4.- El Análisis de Varianza I

Planteamiento del problema. Distribuciones muestrales en el Análisis de la Varianza. Supuestos. Partición de la suma de cuadrados total. Contraste de significación. Modelo de efectos aleatorios. Componentes de la varianza. Comparaciones múltiples a posteriori. Modelo de medidas repetidas. Ventajas de los diseños intrasujetos.

Tema 5.- El Análisis de Varianza II

Introducción a los diseños factoriales. Efectos principales e interacciones. Contraste de significación de la interacción. Comparaciones. ANOVA Mixto. Análisis de la Varianza de orden superior.

Tema 6.- Regresión y Correlación Múltiple.

El modelo de regresión lineal múltiple. Hipótesis acerca del modelo. Estimación puntual de los parámetros de la ecuación. Intervalos de confianza y contrastes para los coeficientes de regresión. Correlación parcial y múltiple.

Práctica 1. Ilustrar la distribución en el muestreo de los estimadores mediante ejemplos. Realizar estimaciones por intervalos.

Práctica 2. Analizar situaciones reales de investigación en Psicología, estableciendo el espacio paramétrico y el muestral. Dar hipótesis y establecerlas en forma de hipótesis nula y alternativa.

Práctica 3. Realizar contrastes paramétricos que se refieran a temas psicológicos reales.

Práctica 4. Formular un modelo lineal que explique una variable psicológica o educativa.

Práctica 5. Enunciar y contrastar hipótesis acerca de un modelo lineal.

Práctica 6. Realizar los contrastes de un Análisis de la Varianza de una vía mediante el modelo lineal generalizado.

Práctica 7. Mediante el modelo lineal generalizado, realizar Análisis de la Varianza de dos vías.

Práctica 8. Estimar los parámetros de un modelo de regresión sobre datos experimentales.

• Amón, J. (2000). Estadística para Psicólogos II. Probabilidad. Estadística Inferencial (9ª Ed.). Ediciones Pirámide.
• Hair, J.F., Anderson, R.E., Tatham, R.L y Black, W.C. (2000). Análisis Multivariante (5ª Ed.). Prentice Hall.
• Hopkins, K.D. Hopkins, B.R. y Glass, G.V. (1997). Estadística Básica para las Ciencias Sociales y del Comportamiento. Prentice Hall.
• Pagano, R. (1999). Estadística para las Ciencias del Comportamiento. Thomson Paraninfo.
• Pardo, A. y san martín, R. (1998). Análisis de Datos en Psicología II (2ª Ed.). Pirámide.
• Pérez, C. (2009). Técnicas Estadísticas Multivariantes con SPSS. Garceta Grupo Editorial.
• Visauta Vinacua, B. (2003). Análisis Estadístico con SPSS Para Windows Vol II Estadística Multivariante. Mc Graw Hill.

• Anderson, T.W. (1984). An introduction to multivariate statistical analysis. John Wiley.
• Ato, M. y Vallejo, G. (2007). Diseños experimentales en psicología. Pirámide.
• Balluerka, N. y Vergara, A.I. (1997) Diseños De Investigación Experimental En Psicología. Prentice Hall.
• Brook, R.J. y Arnolf, G.C. (1985) Applied Regression Analysis and Experimental Design. Marcel Dekker.
• Cohen, J. y Cohen P. (1983) Applied Multiple Regression/Correlation Analysis for the Behavioural Sciences. Lawrence Erlbaum Associates.
• Conover, W.J. (1980) Practical Nonparametric Statistics. John Wiley. New York.
• Cox, D.R. y Hinkley, D.V. (1974) Theoretical Statistics. Chapman Hall. Londres.
• Draper, N. Y Smith, H. (1981) Applied Regression Analysis. John Wiley.
• Fisz, M. (1963) Probability Theory and Mathematical Statistics. John Wiley. New York.
• Fox, J. (1984) Linear Statistical Models and Related Methods. John Wiley.
• Gibbons, J.D. (1985) Nonparametric Statistical Inference. Marcel Dekker.
• Graybill, F.A. (1961) An Introduction to Linear Statistical Models. McGraw-Hill.
• Green, D.M. y Swets, J.A. (1974) Signal Detection Theory and Psychophysics. Robert E. Krieger Pub. Co.
• Guàrdia, J., Freixa, M., Peiró, M., y Turbany, J. (2007). Análisis de datos en Psicología: Madrid: Delta.
• Horst, P. (1963) Matrix Algebra for Social Scientists. Holt, Rinehart and Winston.
• Kendall, M. y Stuart, A. (1979) The Advanced Theory of Statistics Vol. 2. Charles Griffin.
• Kirk, R.E. (1995) Experimental Design. Procedures for the Behavioural Sciences. Brooks Cole.
• Kline, R. (2004). Beyond Significance Testing: Reforming data Analysis Methods in Behavioural Research. American Psychological Association.
• Kshizsgar, A.M. (1983) A course in Linear Models. Marcel Dekker.
• Lancaster, H.O. (1969) The Chi Squared Distribution. John Wiley. New York.
• Lehmann, E.L. (1959) Testing Statistical Hypotheses. John Wiley. New York.
• Marascuilo, L. y McSweeney (1977) Nonparametric and Distribution. Free Methods for the Social Sciences. Brooks Cole.
• Maritz, J.S. (1981) Distribution-Free Statistical Methods. Chapman Hall.
• Martínez, R., Castellanos, M.A. y Chacón J.C (2014). Análisis de datos en Psicología y Ciencias de la Salud. II Inferencia estadística. Madrid: Eos.
• Maxwell, S.E. y Delaney, H.D. (1990) Designing Experiments and Analyzing Data. Brooks Cole.
• McCullogh, P y Nelder, J.A. (1983) Generalized Linear Models. Chapman Hall.
• Navarro DJ and Foxcroft DR (2019). learning statistics with jamovi: a tutorial for psychology students and other beginners. (Version 0.70). DOI: 10.24384/hgc3-7p15
• Pardo, A., Ruiz, M.A., y San Martín , R. (2009). Análisis de datos en Ciencias Sociales y de la Salud I. Madrid: Síntesis.
• Pratt, J.W. y Gibbons, J.D. (1981) Concepts of Nonparametric Theory. Springer-Verlag.
• Puri, M.L. y Sen, P.K. (1971) Nonparametric methods in Multivariate Analysis. John Wiley. New York.
• Rao, C.R. (1973) Linear Statistical Inference. John Wiley. New York.
• Rios, S. (1977) Métodos Estadísticos. Ediciones del Castillo. Madrid.
• Sachs, L. (1978) Estadística Aplicada. Labor.
• Searle, S.R. Miller, R.G. Watson, G.S. Hunter, J.S. Bradley, R.A. y Kendall, D.G. (1982) Matrix Algebra useful for Statistics. John Wiley.
• Seber, G.A. (1977) Linear Regression Analysis. John Wiley
• Siegel, S. (1983) Estadística no paramétrica aplicada a las ciencias de la conducta. Trillas.
• Snedecor, G.W. y Cochran, W.G. (1980) Statistical Methods. Iowa University Press.
• Wald, A. (1971) Statistical Decision Functions. Chelsea Pub. Co.
• Weisberg, S. (1985) Applied Linear Regression. John Wiley.
• Wilks, S. (1962) Mathematical Statistics. John Wiley. New York.
• Zacs, S. (1971) The Theory of Statistical Inference. John Wiley. New York.

RECURSOS:

• Página del curso de TAIP de cada uno de los profesores de la asignatura en la plataforma digital PRADO.
• TUTORIAL BIBLIOTECA UGR: http://formacionbiblioteca.ugr.es/login/index.php
• MANUAL JAMOVI: https://www.learnstatswithjamovi.com/
• TUTORIALES JAMOVI: https://www.youtube.com/playlist?list=PL2aULSACfHULplsqkmvGwBcMdVbqCxmkZ
• TUTORIALES SPSS: https://www.ibm.com/support/pages/node/612209#es

ENLACES:

• BIBLIOGRAFÍA VIRTUAL: http://www.ingebook.com/ib/NPcd/IB_BooksVis?cod_primaria=1000187&codigo_libro=5709
  
  
  
  
  
  
  

• MD01. Lección magistral/expositiva 
• MD06. Prácticas en sala de informática 
• MD07. Seminarios 
• MD09. Análisis de fuentes y documentos 
• MD10. Realización de trabajos en grupo 
• MD11. Realización de trabajos individuales 
• MD13. Tutorías individual/colectiva, Participación (foros del curso, exposiciones públicas), Autoevaluaciones, Presentación y defensa de informes grupales o individuales 

En la convocatoria ordinaria se realizará una Prueba teórico-práctica: 7 puntos (70% de la calificación). En esta prueba se evaluarán todos los contenidos impartidos de la asignatura en la fecha y hora fijada por la Facultad. Además, se tendrá en cuenta la Evaluación práctica: 3 puntos (30% de la calificación). Para hacer el cálculo de la nota final es requisito indispensable obtener una puntuación mínima del 40% en la Prueba teórica-práctica. La nota final será la suma de la calificación obtenida en la prueba y en la evaluación práctica. En caso de obtener una puntuación menor del 40% en la prueba, la nota final en acta reflejará la suma de todas las fuentes de nota hasta un valor máximo de 4.9 puntos.

En la convocatoria extraordinaria todos los alumnos tienen derecho a obtener el 100% de su calificación. El examen incluirá un 70% de contenido teórico-práctico y un 30% de contenido sobre las prácticas realizadas durante el curso con SPSS o cualquier otro programa para el análisis estadístico de los datos.

Los alumnos a los que se les haya concedido la evaluación única final, de acuerdo con lo establecido en la Normativa de Evaluación y de Calificación de los estudiantes de la Universidad de Granada, realizarán un examen que supondrá el 100% de su calificación. El examen incluirá un 70% de contenido teórico-práctico y un 30% de contenido sobre las prácticas realizadas durante el curso con SPSS o cualquier otro programa para el análisis estadístico de los datos.

La metodología docente y la evaluación serán adaptadas a los estudiantes con necesidades específicas (NEAE), conforme al Artículo 11 de la Normativa de evaluación y de calificación de los estudiantes de la Universidad de Granada, publicada en el Boletín Oficial de la Universidad de Granada, nº 112, 9 de noviembre de 2016.

Información de interés para estudiantado con discapacidad y/o Necesidades Específicas de Apoyo Educativo (NEAE): Gestión de servicios y apoyos (https://ve.ugr.es/servicios/atencion-social/estudiantes-con-discapacidad).