C OST E STIMATION

89 El coeficiente alfa será mayor en la medida en que sean mayores las inter-correlaciones de los ítems y el número de los mismos (Cortina, 1993). Ahora se analizará la relación entre el número de ítems y el valor de alfa basado en la ecuación 1.

En principio parece lógico que a mayor número de ítems la fiabilidad sea mayor, sobre todo si tiene en cuenta el concepto genérico de fiabilidad (ausencia de error). Si una muestra responde a un número grande ítems de contenido similar, los errores en las respuestas tienden a pesar menos en la puntuación total (Vallejo, 2006).

Puede haber ítems poco afortunados en el sentido de que se apartan más de lo debido del constructo (de uno de los cuatro factores) supuestamente común a todos los demás, o pueden ser simplemente ambiguos e interpretables de distinta manera por distintos sujetos (Vallejo, 2006). Con pocos ítems, estas fuentes de error distorsionan las puntuaciones totales (el valor de alfa) (Vallejo, 2006).

Para realizar el análisis de alfa de Cronbach, se utilizó 100 estudiantes de la muestra de colegio y universidad respectivamente. En el Capítulo 5: Resultados, se muestra el detalle del análisis del cuestionario.

El coeficiente de Cronbach tiene tres supuestos básicos que deben ser considerados: 1. La puntuación observada de cada ítem resulta de sumar la puntuación verdadera

del ítem y su error (Yang & Green, 2011).

2. Cada ítem tiene el mismo peso, es decir, cada uno aporta en la misma media al factor y además su varianza es igual (Yang & Green, 2011).

3. El estadístico Alfa asume que los errores no están correlacionados (Yang & Green, 2011).

90 “En la práctica, difícilmente se cumplen estas tres suposiciones” (Yang & Green, 2011).

4.7 ENCUESTA FINAL

Referirse al Capítulo 5: Resultados para el detalle completo de la encuesta final.

4.8 MODELO REGRESIÓN LOGÍSTICO

Se construye un modelo de regresión logístico binario mediante el cuestionario aplicado a las estudiantes de bachillerato. Este modelo generará una ecuación que permitirá predecir la tendencia de las estudiantes de bachillerato para elegir una carrera en ciencias/ingeniería o no.

“La regresión logística resulta útil para los casos en los que se desea predecir la presencia o ausencia de una característica o resultado según los valores de un conjunto de variables predatorias. Es similar a un modelo de regresión lineal pero está adaptado para modelos en los que la variable dependiente es dicotómica” (Perez, 2005). En este caso particular, la variable dependiente corresponde a: la estudiante si elige una carrera en ingeniería o no, según las variables predictores que son los factores familiares, sociales, personales y de colegio/universidad.

Los coeficientes de regresión logística pueden utilizarse para estimar la razón de las ventajas (odds ratio) de cada variable independiente del modelo (Perez, 2005). Por ejemplo, ¿Qué características de las estudiantes mujeres son factores efectivamente intervinientes en la elección de una carrera relacionada con las ciencias o ingiera? Dado una muestra de estudiantes de colegio o universidad a las que se midió la influencia de los factores del modelo social cognitivo, se puede construir un modelo para predecir si las estudiantes optarán o no estudiar una carrera en ingeniería.

91 4.9 ANÁLISIS DE MEDIANAS

Se utilizarán tres análisis no paramétricos de comparación de medianas, los cuales permitirán corroborar los resultados de la estadística descriptiva mediante la prueba de U-Mann Withney y determinar si la opinión (valoración) sobre los obstáculos presentados para completar una carrera en ingeniería están influenciados por la carrera que la estudiante sigue. Finalmente, la prueba de Mantel-Haenszel permite conocer si al menos uno de los dos grupo está desacuerdo con los ítems propuestos como obstáculos.

Los métodos no paramétricos comparten supuestos con los métodos paramétricos, como el supuesto que la muestra es aleatoria (Conover, 1999). Sin embargo, los métodos no paramétricos no asumen ninguna distribución de probabilidad particular y por esta razón son válidos para analizar poblaciones con cualquier distribución de probabilidad (Conover, 1999).

La prueba de la mediana es un procedimiento para evaluar si dos grupos independientes difieren en sus tendencias culturales (Conover, 1999). Así mismo, determina si estos K grupos (no necesariamente de igual tamaño) han sido tomados de la misma población o de poblaciones con medianas iguales (Conover, 1999). Es útil cuando la variable en estudio ha sido medida por lo menos en una escala ordinal (Conover, 1999). De hecho, el test de la mediana no es nuevo, sino que es una aplicación especial de la prueba chi-cuadrado (Conover, 1999).

4.9.1 PRUEBA DE UMANN-WHITNEY

U de Mann-Whitney es una prueba no paramétrica que puede ser utilizada en lugar de la prueba t (Shier, 2004). Se la utiliza para probar las siguientes hipótesis:

92 Las dos muestras vienen de la misma población (tienen la misma mediana).

Al menos una de las observaciones de la muestra tiende a ser mayor que alguna de las observaciones de la otra muestra.

A pesar que es una prueba no paramétrica, se asume que la distribución de las dos muestras es similar en forma (Shier, 2004).

4.9.1.1 DESARROLLO DE LA PRUEBA DE MANN-WHITNEY

Se supone que se tiene una muestra de observaciones en un grupo y una muestra de observaciones en otro grupo. La prueba de Mann-Whitney se basa en la comparación de cada una de las observaciones de la primera muestra con las observaciones de la segunda muestra, el número total de comparaciones que se pude hacer es (Conover, 1999).

Si las muestras tienen la misma mediana, entonces cada observación tiene un probabilidad igual (1/2) de ser mayor o menor que la observación (Shier, 2004). Entonces el procedimiento sugerido por Shier (2004) está dado por: