Plataforma de Derecho y Ciencias Sociales
Comprender en profundidad cómo funciona el mundo de hoy para navegar por el mundo de mañana.
Esquema de Métodos de Investigación en Trabajo Social Este elemento es una ampliación de los cursos y guías de Lawi. Ofrece hechos, comentarios y análisis sobre este tema. [aioseo_breadcrumbs] Este esquema proporciona una visión general de la estructura conceptual de las materias en este ámbito en la plataforma. El esquema está organizado en categorías principales, … Leer más
El análisis factorial es una familia de procedimientos multivariados en los que un conjunto de variables observables (manifiestas) se atribuye a unas pocas variables subyacentes no observables compuestas por las variables observables. Estas variables no observadas se denominan factores. En el análisis factorial exploratorio que aquí se presenta, no es necesario hacer suposiciones sustantivas. Se limita a examinar hasta qué punto las relaciones entre un conjunto de variables observables pueden ser explicadas por unos pocos factores. No se conoce el número de factores ni la asignación exacta de las variables manifiestas a los factores. Por el contrario, un análisis factorial confirmatorio requiere hipótesis precisas sobre el número de factores y la asignación de las variables manifiestas a los factores. En este documento se presentan dos métodos, el análisis de componentes principales y el análisis factorial exploratorio, que pueden parecer diferentes en sus supuestos básicos pero que son intercambiables en su aplicación. (Tal vez sea de interés más investigación sobre el concepto). Esto ya es evidente a partir del uso del término análisis factorial: Por un lado, representa un modelo específico, es decir, el modelo de varios factores comunes, pero por otro lado, el término análisis factorial también sirve como un término colectivo para una familia de procedimientos, que también incluye el análisis de componentes principales. A continuación, una presentación orientada geométricamente del análisis de los componentes principales debería proporcionar una introducción e ilustrar los pasos concretos del análisis de los componentes principales. Posteriormente, se presenta el modelo de varios factores comunes y se separa del análisis de los componentes principales. Otra sección contiene los principios matemáticos. Finalmente, los problemas comunes se discuten y se derivan recomendaciones para la acción.
El modelo de regresión múltiple requiere un nivel de medición métrica para la variable dependiente. Para las variables dependientes de escala nominal u ordinal, se pueden aplicar modelos de regresión logística para las variables dependientes categóricas. En estos modelos, las probabilidades de realización de las expresiones de la variable dependiente se representan como funciones de la variable explicativa. En el caso de las variables dependientes de escala nominal con expresiones K, una variable explicativa con hasta coeficientes (ratios) de regresión K – 1 puede actuar sobre la variable dependiente. La no linealidad y multidimensionalidad de la función de regresión hace difícil la interpretación de un modelo logístico categórico a nivel de probabilidades de realización. (Tal vez sea de interés más investigación sobre el concepto). Por esta razón, los modelos logísticos a menudo consideran los cambios multiplicativos en los cocientes de probabilidad de dos características (probabilidades). En el caso de las variables dependientes ordinales, también es posible interpretar la variable observada como una medición inexacta de una variable métrica no observada. Un modelo logit ordinal puede entonces interpretarse como un modelo de regresión para una variable dependiente de la métrica no observada. Además de la especificación e interpretación de los modelos logit, se discuten los prerrequisitos para la estimación de los parámetros del modelo, la prueba de hipótesis de los modelos logit y los problemas de aplicación. (Tal vez sea de interés más investigación sobre el concepto). En un ejemplo empírico, investigamos cómo el logro educativo de los padres influye en el de sus hijos.
Si se examinan los procesos de cambio en los estudios de ciencias sociales, por ejemplo en la psicología del desarrollo, la ciencia de la educación o la sociología del curso de la vida, uno se suele interesar por los procesos de cambio general y medio, así como por las diferencias interindividuales o las desviaciones de los cambios medios, y por las causas y consecuencias de estas diferencias interindividuales. Por lo tanto, es obvio elegir al individuo cambiante como el nivel fundamental de análisis de los procesos de cambio. Para poder hacer justicia a las diferencias individuales en el cambio con suficiente flexibilidad por un lado, pero también para poder describir y probar estadísticamente los cambios medios por otro lado, en los últimos años se han establecido procedimientos para medir el cambio en los que se combinan los llamados efectos fijos y aleatorios. Los efectos fijos representan los cambios medios y los efectos aleatorios representan las desviaciones individuales de éstos. Estos métodos incluyen tanto modelos multinivel (modelos multinivel o mixtos) como modelos de curva de crecimiento latente (Latent growth curve models). Ambos métodos están relacionados conceptualmente o incluso son formalmente idénticos en muchos aspectos. Sin embargo, dado que los “atent growth curve models” se formulan y estiman como modelos de ecuaciones estructurales (Structural equation models), ofrecen una enorme flexibilidad en términos de extensiones de varios tipos. Esto incluye posibilidades de investigar procesos de cambio multivariados, el uso de modelos de medición complejos para variables dependientes e independientes, y modelos de grupos múltiples y clases latentes para investigar las similitudes y diferencias de los cambios en diferentes poblaciones definidas a priori o identificadas exploratoriamente. Además, se pueden formular modelos de cambio latente en los que los modelos de crecimiento latente se pueden vincular de manera flexible a los procesos autorregresivos.
El texto describe el camino desde la característica a medir a través de la creación de un instrumento de medición hasta el valor medido. El texto se centra en la determinación de la calidad de estos instrumentos de encuesta, es decir, en el examen de la objetividad, la fiabilidad y la validez de los procedimientos de medición. (Tal vez sea de interés más investigación sobre el concepto). Sólo la verificación y, por tanto, la garantía de la calidad de un procedimiento de encuesta justifica su uso y las conclusiones que se extraen de la investigación. (Tal vez sea de interés más investigación sobre el concepto). Por ejemplo, no se puede utilizar un procedimiento no fiable para determinar la aptitud de lectura para determinar si un grupo de encuestados es más competente que otro, ya que los resultados de la prueba obtenidos están influenciados en gran medida por errores de medición y, por tanto, no se pueden considerar válidos. Para las características de calidad individuales, se informa de las definiciones, cuando sea apropiado, de los principios matemáticos e ilustraciones para el cálculo y se examina su aplicación.