FACULTAD DE ENFERMERÍA

DPTO. DE CIENCIAS CLÍNICAS

TÉCNICAS PARA EL ANÁLISIS E INTERPRETACIÓN

DE DATOS

Docente: RUTH VILCHEZ RAMIREZ

IQUITOS – PERÚ

2021
 ENFOQUE CUANTITATIVO
El tipo de análisis estadístico depende de
los supuestos y características de cada tipo
de análisis (paramétrico y no paramétrico),
de las hipótesis formuladas y del nivel de
medición de las variables.
 TÉCNICAS PARA EL ANÁLISIS E INTERPRETACIÓN
DE DATOS

Procedimiento para analizar los datos cuantitativos

Paso 1: seleccionar un programa de análisis
Existen diversos programas para analizar datos
Statistical Package for the Social Sciences SPSS® o PASW
Statistics
El SPSS (Paquete Estadístico para las Ciencias Sociales)
desarrollado en la Universidad de Chicago, es uno de los más
difundidos. Contiene todos los análisis estadísticos.
Minitab
Paso 2: ejecutar el programa
Paso 3: explorar los datos
En esta etapa, inmediata a la ejecución del programa, se inicia el análisis

Los análisis de los datos dependen de tres factores:

a) El nivel de medición de las variables.

b) La manera como se hayan formulado las hipótesis.

c) El interés del investigador.

El investigador busca, en primer término, describir sus datos y posteriormente
efectuar análisis estadísticos para relacionar sus variables. Es decir, realiza
análisis de estadística descriptiva para cada una de las variables de la matriz
(ítems) y luego para cada una de las variables del estudio, finalmente aplica
cálculos estadísticos para probar sus hipótesis.
1.Estadística descriptiva para cada variable
 1.1 Distribución de frecuencias
 Una distribución de frecuencias es un conjunto de puntuaciones ordenadas
en sus respectivas categorías y generalmente se presenta como una tabla.

1.2. Medidas de tendencia central

Las medidas de tendencia central son puntos en una distribución obtenida, los
valores medios o centrales de ésta, y nos ayudan a ubicarla dentro de la escala
de medición. interpretar.
La moda es la categoría o puntuación que ocurre con mayor frecuencia. Se
utiliza con cualquier nivel de medición.
La mediana es el valor que divide la distribución por la mitad. Esto es, la mitad
de los casos caen por debajo de la mediana y la otra mitad se ubica por encima
de ésta.
La media es la medida de tendencia central más utilizada y puede definirse
como el promedio aritmético de una distribución y es la suma de todos los
valores dividida entre el número de casos. Es una medida solamente aplicable a
mediciones por intervalos o de razón.
 1.3. Medidas de variabilidad
 Las medidas de la variabilidad indican la dispersión de los datos
en la escala de medición. Las medidas de la variabilidad más
utilizadas son rango, desviación estándar y varianza.
 El rango, también llamado recorrido, es la diferencia entre la
puntuación mayor y la puntuación menor, e indica el número de
unidades en la escala de medición que se necesitan para incluir
los valores máximo y mínimo.
 La desviación estándar o típica es el promedio de desviación de
las puntuaciones con respecto a la media. Cuanto mayor sea la
dispersión de los datos alrededor de la media, mayor será la
desviación estándar. La desviación estándar sólo se utiliza en
variables medidas por intervalos o de razón.
 Existen otras estadísticas descriptivas como la asimetría y la
curtosis.
Paso 4: evaluar la confiabilidad o fiabilidad y validez lograda por el
instrumento de medición: Coeficiente Alfa de Conbach, Coeficiente Kuder-
Richardson 20, Dos mitades (coeficiente Spearman-Brown), Coeficiente de
Guttman.

Paso 5: analizar mediante pruebas estadísticas las hipótesis planteadas

(análisis estadístico inferencial)
En este paso se analizan las hipótesis a la luz de pruebas estadísticas.

Estadística inferencial: de la muestra a la población

¿Para qué es útil la estadística inferencial?
Con frecuencia, el propósito de la investigación va más allá de describir
las distribuciones de las variables: se pretende probar hipótesis y
generalizar los resultados obtenidos en la muestra a la población o
universo.
Prueba de hipótesis
Es determinar si la hipótesis poblacional es congruente con los datos obtenidos en la
muestra. Una hipótesis se retiene como un valor aceptable del parámetro, si es
consistente con los datos. Sino lo es, se rechaza (pero los datos no se descartan).
Análisis paramétricos
Para realizar análisis paramétricos debe partirse de los siguientes supuestos:
1. La distribución poblacional de la variable dependiente es normal: el universo tiene una
distribución normal.
2. El nivel de medición de las variables es por intervalos o razón.
3. Cuando dos o más poblaciones son estudiadas, tienen una varianza homogénea: las
poblaciones en cuestión poseen una dispersión similar en sus distribuciones
Pruebas estadísticas paramétricas más utilizadas
• Coeficiente de correlación de Pearson y regresión lineal.
• Prueba t.
• Prueba de contraste de la diferencia de proporciones.
• Análisis de varianza unidireccional (ANOVA en un sentido o
oneway).
• Análisis de varianza factorial (ANOVA).
• Análisis de covarianza (ANCOVA) y otras.
1. Coeficiente de Correlación de Pearson: Analiza la relación entre
dos variables medidas en un nivel por intervalos o de razón.
2. REGRESIÓN LINEAL: modelo matemático para estimar el efecto
de una variable sobre otra. Está asociado con el coeficiente r de
Pearson. Nivel de medición: intervalo o de razón.
3.PRUEBA t: es una prueba para evaluar si dos grupos difieren
entre sí de manera significativa respecto a sus medias. Nivel de
medición de la variable de comparación: intervalo o de razón.
4.Diferencia de proporciones: analiza si dos proporciones difieren
significativamente entre sí. Nivel de medición de la variable de
comparación: intervalo o de razón, expresados en porcentajes.
5.Análisis de varianza unidireccional o de un factor (one way):
para analizar si más de dos grupos difieren significativamente
entre sí en cuanto a sus medias o varianzas. Se utiliza para 3,4 ó
más grupos, puede utilizarse con dos grupos. Nivel de medición
de las variables: La variable independiente es categórica
(posibilita formar grupos diferentes) y la dependiente es por
intervalos o razón.
6.Análisis de varianza factorial (ANOVA) de varios factores: evalúa
el efecto de 2 o + variables independientes sobre una variable
dependiente.
7.Análisis de covarianza (ANCOVA): relación entre una variable
dependiente y dos o más independientes.
8.Regresión múltiple: evalúa el efecto de dos o más variables
independientes sobre una variable dependiente, o predice el
valor de la variable dependiente con una o más variables
independientes, es una extensión de la regresión lineal.

9. Análisis multivariado de Varianza (MANOVA): relación entre

dos o más variables independientes y dos o más variables
dependientes.
10.ANÁLISIS LINEAL DE PATRONES (PATH): Determina y
representa interrelaciones entre variables a partir de regresiones
y la magnitud de la influencia de algunas variables sobre otras,
directa e indirecta. Es un modelo causal.

11. ANÁLISIS DISCRIMINANTE: Construye un modelo predictivo

para pronosticar el grupo de pertenencia de un caso a partir de
las características observadas de cada caso.
Análisis no paramétricos
Para realizar los análisis no paramétricos debe partirse de las
siguientes consideraciones:
1. La mayoría de estos análisis no requieren de presupuestos
acerca de la forma de la distribución poblacional. Aceptan
distribuciones no normales.
2. Las variables no necesariamente tienen que estar medidas
en un nivel por intervalos o de razón; pueden analizar datos
nominales u ordinales.
1. La Chi cuadrada o X2: para evaluar hipótesis acerca de la
relación entre dos variables categóricas. Símbolo: X2.Nivel de
medición de las variables: nominal u ordinal.
2. Coeficientes de Correlación e independencia para tabulaciones
cruzadas:
a. Phi (), cuadro de contingencia 2x2, nivel de medición
nominal u ordinal reducido a dos categorías. Sus resultados
varían de 0 (ausencia de correlación) a 1 (correlación
perfecta).
b. Coeficiente de contingencia C de Pearson: Cuadro de
contingencia de cualquier tamaño, incluso 5x5, nivel de
medición nominal u ordinal en dos categorías.
c. V de Cramer (c): tabla de contingencia de cualquier
tamaño, cualquier nivel de medición de variables
reducidas a categorías.
d. Goodman-Kruskal Lambda o sólo Lambda: Tabla de
contingencia de cualquier tamaño, cualquier nivel de
medición de variables, reducidas a categorías.
e. Coeficiente de incertidumbre o entropía o U de Theil:
Tablas de contingencia de cualquier tamaño, cualquier
nivel de medición de variables, reducidas a categorías
f. Gamma de Goodman y Kruskal: tabla de contingencia de
cualquier tamaño, nivel de medición de variables ordinal.
g. g. Tau-a,Tau-b y Tau-c (ta,tb,tc): tabla de contingencia
de cualquier tamaño, nivel de medición de variables
ordinales.
h. h. D de Somers: tabla de contingencia de cualquier
tamaño, nivel de medición ordinal.
i. Kappa: tabla de contingencia de cualquier tamaño, nivel
de medición datos categorizados por intervalos.
3. Coeficientes de correlación por rangos
ordenados de Spearman y Kendall: Los coeficientes rho
de Spearman (rs) y tau de Kendall (t), son medidas de
correlación para variables en un nivel ordinal,
Paso 6: realizar análisis adicionales
 Este paso implica simplemente que una vez realizados
nuestros análisis, es posible que decidamos efectuar otros
análisis o pruebas extra para confirmar tendencias y evaluar los
datos desde diferentes ángulos.
Paso 7: preparar los resultados para presentarlos
 ENFOQUE CUALITATIVO

La recolección y el análisis ocurren prácticamente en paralelo; además, el análisis no es

estándar, ya que cada estudio requiere de un esquema o “coreografía” propia de análisis.

En la recolección de datos, la acción esencial consiste en que se recibe datos no

estructurados, a los cuales nosotros les damos estructura. Los datos son muy variados,
pero en esencia consisten en narraciones de los participantes: a) visuales (fotografías,
videos, pinturas, entre otros), b) auditivas (grabaciones), c) textos escritos (documentos,
cartas, etc.) y d ) expresiones verbales y no verbales (como respuestas orales y gestos en
una entrevista o grupo de enfoque), además de las narraciones del investigador
(anotaciones o grabaciones en la bitácora de campo, ya sea una libreta o un dispositivo
electrónico).
Análisis detallado de los datos
Se obtienen los datos mediante al menos tres fuentes:
observaciones del ambiente, bitácora (anotaciones de distintas
clases) y recolección enfocada (entrevistas, documentos,
observación más específica, sesiones, historias de vida, materiales
diversos). Se realizan reflexiones y análisis datos, se tiene un
primer sentido de entendimiento, y se sigue generando más datos
(cuya recolección, es flexible, pero regularmente enfocada).
Luego se procede a analizar los datos según el diseño de
investigación seleccionado a través de: teoría fundamentada,
estudio de caso, etnografía, fenomenología, narrativa, etc.
Análisis de los datos cualitativos asistido por computadora
Programas que más se utilizan en el análisis cualitativo son:
1. Atlas.ti
Es un excelente programa desarrollado en la Universidad Técnica
de Berlín por Thomas Muhr, para segmentar datos en unidades
de significado; codificar datos (en ambos planos) y construir
teoría (relacionar conceptos y categorías y temas).
2. Ethnograph®
Es un programa muy popular para identificar y recuperar textos
de documentos.
3. Nvivo®
Un excelente programa de análisis útil para construir grandes
bases de datos estructuradas jerárquicamente, que puede
agregar documentos para ser analizados.
4. Decision Explorer®
Este programa inglés resulta una excelente herramienta de mapeo
de categorías.
5. Otros
Existen otros programas, tales como HyperQual®,
HyperRESEARCH®, QUALPRO®, QUALOG® y WinMAX® para fines
similares.
III.NFOQUE MIXTO
Para analizar los datos, en los métodos mixtos el investigador
confía en los procedimientos estandarizados cuantitativos
(estadística descriptiva e inferencial) y cualitativos (codificación y
evaluación temática), además de análisis combinados.
Muchas gracias por
su atención