Análisis multivariantes en psicología

Grado en Psicología - 2020-21 - Grupo A

Requisitos previos

Se recomienda haber cursado anteriormente las asignaturas de Análisis de datos y Psicometría

Resultados de aprendizaje

COMPETENCIAS GENERALES Y BÁSICAS

CG6     Conocer los métodos de investigación y las técnicas de análisis de datos    
CG16   Saber usar recursos informatizados y fuentes bibliográficas        

CG17   Saber manejar bibliografía y textos en inglés            

CB1     Que los estudiantes hayan demostrado poseer y comprender conocimientos en un área de estudio que parte de la base de la educación secundaria general, y se suele encontrar a un nivel que, si bien se apoya en libros de texto avanzados, incluye también algunos aspectos que implican conocimientos procedentes de la vanguardia de su campo de estudio 

CB2     Que los estudiantes sepan aplicar sus conocimientos a su trabajo o vocación de una forma profesional y posean las competencias que suelen demostrarse por medio de la elaboración y defensa de argumentos y la resolución de problemas dentro de su área de estudio      

CB3     Que los estudiantes tengan la capacidad de reunir e interpretar datos relevantes (normalmente dentro de su área de estudio) para emitir juicios que incluyan una reflexión sobre temas relevantes de índole social, científica o ética         

CB4     Que los estudiantes puedan transmitir información, ideas, problemas y soluciones a un público tanto especializado como no especializado         

CB5     Que los estudiantes hayan desarrollado aquellas habilidades de aprendizaje necesarias para emprender estudios posteriores con un alto grado de autonomía           


COMPETENCIAS ESPECÍFICAS

CE7 Conocer diferentes diseños de investigación y técnicas de análisis de datos, los procedimientos de formulación y contraste de hipótesis y la interpretación de resultados 

CE10 Saber usar y administrar técnicas e instrumentos propios y específicos de la Psicología 


COMPETENCIAS TRANSVERSALES

CT1      Ser capaz de realizar un autoaprendizaje, específicamente en la recogida y tratamiento de la información      

CT4      Saber usar y aplicar las TIC en el ámbito académico y profesional 

 

RESULTADOS DE APRENDIZAJE

1) Disponer de una visión integral y práctica del análisis multivariante y las principales técnicas que engloba

2) Disponer de una idea aproximada de cada una de las técnicas que tiene a su disposición, teniendo claro su finalidad y condiciones de aplicación

3) Habituarse a realizar un análisis previo de los datos, antes de aplicar cualquier modelo estadístico 

4) Familiarizarse con el manejo de paquetes informáticos (como es el caso de R) que le permitirán al alumno resolver casos prácticos de análisis multivariante de datos

Contenidos

CONTENIDOS TEÓRICO/PRÁCTICOS


BLOQUE 1: INTRODUCCIÓN A LOS PROGRAMAS DE ANÁLISIS ESTADÍSTICO


Tema 1.-  Introducción al análisis de datos. Utilidad del análisis de datos en psicología. Niveles de exploración. Escalas de medida.

Tema 2.- Análisis de datos con R (ULLRToolBox). Introducción a ULLRToolBox. Primeros pasos. Otros programas de análisis de datos.

 

BLOQUE 2: ANÁLISIS DE DATOS I: ESTADÍSTICA DESCRIPTIVA, INFERENCIA ESTADÍSTICA Y ANÁLISIS DE DATOS UNIVARIADOS


Tema 3.- Estadística descriptiva. Distribución de frecuencias. estadísticos de resumen para variables numéricas. Percentiles. Correlación y covarianza. El histograma. el diagrama de cajas. Gráficos de dispersión y de correlación.

Tema 4.- La distribución chi-cuadrado. Introducción. Bondad de ajuste a chi-cuadrado. Prueba de independencia de variables mediante chi-cuadrado.

Tema 5.- El contraste de hipótesis. Método científico: dialéctica inductiva-deductiva. Contraste de hipótesis. Error tipo I y tipo II. Efecto del tamaño de la media sobre la potencia. El contraste de hipótesis acerca de una sola media. El contraste de hipótesis de dos medias. 

Tema 6.- El análisis de varianza de una vía. AVAR completamente aleatorizado (intergrupo). ANOVA unifactorial de medidas repetidas

Tema 7.- Contrastes planeados y a posteriori. Contrastes planeados y a posteriori en el ANOVA.  Comparaciones ortogonales de tendencias. Las comparaciones pos-hoc.


BLOQUE 3: ANÁLISIS DE DATOS II: ANÁLISIS DE DATOS MULTIVARIADOS


              Tema 8.- Análisis multivariantes en psicología. Introducción. Revisión general  de las técnicas multivariante: análisis de la varianza multifactorial de efecto fijo, análisis de componentes principales y factorial, análisis discriminante y regresión lineal múltiple.


Estos contenidos se impartirán tanto de forma teórica como práctica. Durante la primera parte de la clase se realizará una exposición del material teórico por parte de la profesora y, posteriormente, los alumnos trabajarán en los ordenadores del aula de informática. El trabajo práctico consistirá en realizar análisis estadísticos con el programa R (ULLRToolBox) en los que podrán en práctica la técnica explicada en la parte teórica. Esta distribución de horas teórico-prácticas puede verse modificada en función  del ritmo y dinámica de la clase

Criterios de evaluación

La evaluación de los conocimientos y de las competencias adquiridas en la asignatura se realizará atendiendo a los siguientes criterios:


1) Examen escrito (resultado de aplicar la media de dos pruebas escritas, una que se realizará a mitad del semestre para la primera parte del temario y otra que se llevará acabo a final de semestre para evaluar la segunda parte del temario). Cada prueba escrita podrá consistir en un examen tipo test y/o ejercicios prácticos, así como la combinación entre ambos. La evaluación de esta parte supondrá un 65% de la calificación final. 


Este parámetro de evaluar las siguientes competencias:  CG6, CB1, CB2, CB3, CB5, CE7, CE10, CT1, CT4

2) Informe de Trabajo individual: prácticas. Consistirá en la realización de un dossier que recoja las actividades prácticas realizadas en el aula (análisis estadísticos realizados) y será calificado con nota de 0 a 10.. Este dossier debe ser entregado por el alumno el último día de clase. La evaluación de esta parte supondrá un 35% de la calificación final. 


Este parámetro de evaluar las siguientes competencias:  CG6, CG16, CG17, CB1, CB2, CB3, CB4, CE7, CE10, CT1, CT4


Se aplicará una calificación del 0 al 10 a cada una de las actividades o trabajos realizados. La nota final se calculará con el sumatorio de las notas de los descriptores anteriormente explicados con su correspondiente porcentaje. 


El alumno que no supere la asignatura mediante evaluación continua deberá presentarse a examen final semestral y / o examen final de curso en base a los contenidos impartidos. Las actividades y trabajos a los que se refieren los descriptores de evaluación 1 y 2, que se realicen durante la evaluación continua, sólo son admitidos durante el curso académico en cuestión dentro de la evaluación continua. 


El alumnado debe asistir obligatoriamente al 75% de las clases. En caso deno cumplimiento de este porcentaje de asistencia obligatoria y/o en relación a la justificación de faltas de asistencia, se remite al alumnado al "Reglamento de evaluación" publicado en el apartado de normativa de la página web de la Universidad Fernando Pessoa Canarias.


INFORMACIÓN IMPORTANTE SOBRE LA EVALUACIÓN


La copia de prácticas o trabajos será considerada motivo de suspenso en el descriptor de evaluación en cuestión. Por lo tanto, si se detecta una práctica o un trabajo que contenga plagio, el alumno/a o los/las alumnos/as firmantes tendrán, automáticamente, un suspenso en dicho descriptor. Esta misma política se aplicará en los casos en los que se detecte cualquier tipo de copia durante la realización de un examen. Será considerado plagio, todas aquellas prácticas, trabajos, etc., que supongan un porcentaje de copia literal superior al 5% de material ya existente en cualquier base documental (páginas webs, revistas, libros, etc.). 


Metodología

METODOLOGÍA DOCENTE:


CLASES EXPOSITIVAS: consistentes en la explicación, el análisis y la reflexión conjunta sobre los distintos contenidos teóricos del programa. 


TUTORÍAS: en las que la profesora asesorará a los alumnos en cuestiones específicas que se derivan de la adquisición de conceptos o de la aplicación del procedimiento de investigación y/o intervención, que se plantean en las prácticas y/o trabajos. 


EVALUACIÓN: horas realizadas en el aula por escrito o vía plataforma que se dedican a exámenes y actividades de evaluación teóricas y/o prácticas. También se pueden destinar estas horas para realizar en casa, es decir, fuera del aula, algún test online o prueba de evaluación vía plataforma.


 

ACTIVIDADES FORMATIVAS: 


A continuación, se describen brevemente las actividades formativas propuestas para alcanzar las competencias de la asignatura. Estas actividades se desarrollarán de forma práctica, interactiva y participativa. 

 

CLASES EXPOSITIVAS (20 horas): horas lectivas presenciales que se destinan a la presentación y explicación de contenidos teóricos y prácticos por parte del docente en el aula. 

 

ACTIVIDADES PARA EL MANEJO DE LA ASIGNATURA (40 horas): horas lectivas presenciales destinadas al trabajo de la asignatura en el aula, que contribuyan a la comprensión de los contenidos y a la adquisición de las competencias. Estas actividades se realizarán en el aula de informática o vía plataforma pero siempre realizadas en el horario de clase. 


TRABAJO AUTÓNOMO DEL ALUMNO (90 horas): horas de la asignatura dedicadas a la asimilación de los contenidos de la materia, consulta bibliográfica, preparación y resolución de cuestiones relativas a los trabajos, preparación del dossier individual y de los trabajos grupales, etc.


EXÁMENES Y ACTIVIDADES DE EVALUACIÓN (6 horas): horas realizadas en el aula por escrito o vía plataforma que se dedican a exámenes y actividades de evaluación teóricas y/o prácticas. También se pueden destinar estas horas para realizar en casa, es decir, fuera del aula, algún test online o prueba de evaluación vía plataforma.

Bibliografía

BIBLIOGRAFÍA BÁSICA

Field, Andy (2017). Discovering Statistics Using IBM SPSS Statistics. Sage. London.

Field, A.; Miler, J & Field, Z. (2012). Discovering Statistics Using R. Sage. London.

Hernández Cabrera Juan A.(2015) Análisis de Datos. ULLRTollbox. Drago ediciones. La Laguna.


BIBLIOGRAFÍA COMPLEMENTARIA

Camacho, J (1995). Análisis Multivariado con SPSS/PC. PPU. Barcelona.

Camacho, J. (2006). Estadística con SPSS para windows. Ra-Ma.

Guardia Olmos, J.; Freixa Blanxart, M.; Peró Cebollero, M. y Turbany Oset, J. (2007). Análisis de datos en Psicología. Delta Publicaciones. Madrid.

Harman, H. (1980). Análisis Factorial Moderno. Editorial Saltes. Madrid.Silva, L (2004). Regresión Logística. La Muralla. Madrid.

Kline, P. (1990). An Easy Guide to Factor Analysis. Routledge. London.

Landau, S. & Everitt, B.S. (2004). A handbook of statistical analysis using SPSS. Chapman and Hall/CRC. Washington DC.

Retherford R. & Kim Choe M. (1993). Statistical models for Causal Analysis. John Wiley & Sons. New York.

Pardo, A. y San Martín, R. (2006). Análisis de datos II. Pirámide. Madrid.

Pérez, C. (2016). Técnicas avanzadas de predicción. Garceta grupo editorial. Madrid.


ENLACES DE INTERÉS

https://sites.google.com/site/ullrtoolbox/

Equipo docente

Dra. Yaiza Molina Rodríguez

Departamento: Psicología Clínica y Neuropsicología. Psicología

 

Correo electrónico: ymolina@ufpcanarias.es