THEME 2: NURSES’ EXPERIENCES TOWARDS TOP

Actualmente el análisis de datos se realiza aplicando programas informáticos. Las principales técnicas de análisis de datos son:

 Estadística descriptiva  Puntuaciones Z  Razones y tasas  Estadística inferencial  Pruebas paramétricas  Pruebas no paramétricas  Análisis multivariado

3.6.1 Estadística descriptiva

La descripción de los datos obtenidos a cerca de las variables se describe mediante la distribución de frecuencias, las medidas de tendencia central y las medidas de dispersión.

La distribución de frecuencias es un conjunto de datos ordenados en sus respectivas categorías que muestra el número de respuestas obtenidas para cada categoría. Existen las frecuencias absolutas y frecuencias relativas, además se puede encontrar las frecuencias acumuladas en cada una de las anteriores. Las frecuencias se representan gráficamente en histogramas y polígonos de frecuencias.

Las medidas de tendencia central son los puntos centrales en una distribución. Las principales medidas de tendencia central son la moda, la mediana y la media. La moda es la puntuación que mas se repite. La mediana es el valor que divide a la distribución por la mitad. La media es el promedio aritmético de una distribución.

Las medidas de dispersión nos indican la forma como están diseminados los datos de la distribución. Las principales medidas de dispersión son el rango, la varianza y la desviación estándar. El rango es la diferencia entre el valor máximo y el valor mínimo de la medición. Cuanto mas grande es el rango mayor es la dispersión de los datos. La varianza es el promedio del alejamiento de las puntuaciones respecto a la media. La desviación estándar es la raíz cuadrada de la varianza.

3.6.2 Puntuaciones Z

Las puntuaciones Z es el método utilizado para estandarizar la escala de una variable medida a un nivel de intervalos. Se transforma las puntuaciones obtenidas, para analizar su distancia respecto a la media en unidades de desviación estándar. La distribución de puntuaciones Z tiene media 0 (cero) y desviación estándar 1 (uno). Sirve para comparar puntuaciones de dos distribuciones diferentes.

3.6.3 Razones y tasas

Una razón es la relación entre dos categorías.

B

Categoría

A

Categoría

razón

Una tasa es la relación entre el numero de eventos de una categoría entre el número total de observaciones multiplicado por 100.

100

x

eventos

posibles

de

total

Número

período

un

de

eventos

de

Número

tasa

El propósito de la estadística inferencial es generalizar los resultados obtenidos en la muestra a la población. Los datos recolectados en la muestra se convierten en estadígrafos, y mediante la estadística inferencia convertimos en parámetros de la población.

La estadística inferencial sirve para dos propósitos: estimar parámetros y probar hipótesis.

La prueba de hipótesis consiste en determinar la congruencia de los obtenidos de la muestra con la hipótesis.

3.6.5 Pruebas paramétricas

La realización de las pruebas paramétricas requieren de los siguientes supuestos:

 La distribución de la población de la variable dependiente es una distribución normal.

 La medición de la variable dependiente es por intervalos o razón.

 Las poblaciones estudiadas tienen una dispersión similar. Las pruebas estadísticas paramétricas más utilizadas son:

 Coeficiente de correlación de Pearson, evalúa la relación entre dos variables medidas por intervalos o de razón.

 Regresión lineal, estima el efecto de una variable sobre otra. Se asocia con el coeficiente de correlación.

 Prueba “t”, evalúa si dos grupos difieren entre si de manera significativa de sus medias.

 Prueba de diferencia de proporciones, evalúa si dos proporciones difieren significativamente entre si.

 Análisis de varianza unidireccional, evalúa si mas de dos grupos difieren significativamente entre si en cuanto a sus medias y varianzas.

 Análisis de varianza factorial, evalúa el efecto de dos o más variables independientes sobre una variable dependiente. Puede evaluar cada variable por separado o los efectos conjuntos.

 Análisis de covarianza, evalúa la relación entre una variable dependiente y dos o mas variables independientes, eliminando y controlando el efecto de una de las últimas.

3.6.6 Pruebas no paramétricas

La realización de las pruebas no paramétricas requieren de los siguientes supuestos:

 La distribución de la población de la variable dependiente puede ser una distribución no normal.

 La medición de la variable dependiente no requiere estar medida por intervalos o razón, puede analizar datos nominales u ordinales.

 Las variables deben ser categóricas.

Las pruebas estadísticas no paramétricas más utilizadas son:

 La ji cuadrada ó X2, evalúa hipótesis acerca de la relación entre dos variables categóricas.

 Coeficientes de correlación e independencia para tabulaciones cruzadas, evalúa si las variables incluidas en la tabla de contingencia o tabulación cruzada están correlacionadas.

 Coeficientes y correlación por rangos ordenados de Spearman y Kendall, son medidas de correlación para variables en un nivel de medición ordinal, de tal modo que los individuos u objetos de la muestra pueden ordenarse por rangos (jerarquías)

3.6.7 Análisis multivariado

Son métodos que analizan la relación entre varias variables independientes y al menos una dependiente. Los principales son:

 Regresión múltiple, analiza el efecto de dos o más variables independientes sobre una dependiente.

 Análisis lineal de patrones, es un modelo causal que analiza la influencia de unas variables sobre otras.

 Análisis de factores, sirve para determinar el número y naturaleza de un grupo de factores en un conjunto de mediciones.

 Análisis multivariado de varianzas, analiza la relación entre dos o mas variables independientes y dos o mas variables dependientes.