03 Tipos de Variables y Datos Imprimir

1

Pablo Salgado EMAIL: [email protected] - [email protected]

Variables

Concepto y Clasificación según su nivel de medición

2

¿Qué es una variable? Las variables representan un concepto de vital importancia

dentro de un proyecto de investigación.

Las variables se refieren a propiedades de la realidad que cambian, en contraposición a las propiedades constantes de ciertos fenómenos.

Las variables, son los conceptos que forman enunciados de un tipo particular denominado hipótesis. Los conceptos pretenden describir y explicar la experiencia y comunicar el conocimiento obtenido.

3

¿Qué es una variable?Los conceptos están situados en un plano

teórico mientras que las variables están situadas en un plano concreto y perceptible por los sentidos.La relación entre ambas cosas es lo que se

busca mediante el proceso de investigación científica, lo cual se logra por medio de las definiciones operacionales de los conceptos.

4

Las variables, son características de la realidad que puedan ser determinadas por observación y que puedan mostrar diferentes valores o categorías de una unidad de observación a otra, de un individuo a otro.A partir de característica o propiedad las unidades

de análisis de una muestra o población, se pueden diferenciar o no entre si.Ejemplo: sexo, edad, nivel educativo alcanzado,

peso, número de hijos, ingresos mensuales, estado civil, etc.

2

5

Dependencia entre variablesVariables dependientes: son características de

la realidad que se ven determinadas o que dependen de los valores que asuman otros fenómenos o variables independientes. Variables independientes: Los cambios en los

valores de este tipo de variables determinan cambios en los valores de otras (variable dependiente).

6

En una investigación se denomina variable independiente a aquélla que es manipulada por el investigador en un experimento con el objeto de estudiar cómo incide sobre la expresión de la variable dependiente.Esto significa que las variaciones en la variable

independiente repercutirán en variaciones en la variable dependiente.En algunas situaciones hay co-dependencia

entre variables, por lo tanto no hay variables independientes (ejemplo asociación entre peso y altura).

7

Por ejemplo, si un investigador desea conocer la efectividad de un nuevo tratamiento para prevenir una enfermedad, para ello se seleccionarán dos grupos independientes. A uno se le aplicará un tratamiento (casos) y otro al que no se le aplicará nada en absoluto (controles).

Para que el experimento tenga validez ambos grupos deben estar sometidos a las mismas condiciones para evitar que no aparezcan influencias de otras variables intervinientes (no controladas).

En este caso la variable independiente corresponde a la aplicación o no del tratamiento y la dependiente a la aparición o no de la enfermedad.


Clasificación de las variables:

Escalas de medición

3

9

La escala de medida de una característica o variable,tiene consecuencias en la forma de presentación de lainformación y resumen estadístico. La escala de medición, el grado de exactitud y

precisión en la medición de las variables, tambiéndetermina los métodos estadísticos que se usan paraanalizar los datos. Por tanto, es importante definir las características que

se van a medir y que escala de medición va a utilizar,antes de comenzar cualquier trabajo estadístico.

10

Variables cualitativas: Son las variables que expresan distintas cualidades,

características o modalidad. Cada modalidad que se presenta se denomina atributo o categoría y la medición consiste en una clasificación de dichos atributos.

Los niveles de medición de las variables cualitativas pueden ser nominales y ordinales.

Las variables cualitativas pueden ser dicotómicascuando sólo pueden tomar dos categorías o atributos posibles como sí y no, hombre y mujer o son politómicas cuando pueden adquirir tres o más categorías.

11Variables CualitativasSe denomina a cualquier variable no susceptible de ser

cuantificada. Siendo un atributo, cualidad o factor.Ejemplos:

o Estado Civil.o Sexo.o Profesión.o Calidad de un producto.o Evaluación en el nivel primario.

Se clasifican en:Variables Cualitativas NominalesVariables Cualitativas Ordinales


Variables con escala de medición nominal

12

4

Podemos decir que es el nivel de medición más rudimentario.Consiste en aplicar números o símbolos para

clasificar a los objetos, personas y característicasLas propiedades formales de la Escala Nominal,

es decir, las condiciones que requiere, son que los miembros observaciones o elementos de una clase o categoría deben se equivalentes, idénticos respecto a la propiedad que tenemos en cuenta.

13 14

Son aquellas variables en el que los gruposse definen o diferencian por la presencia deun atributo o característica.En este nivel de medición los valores no

pueden ser sometidos a un criteriojerárquico. Estas variables no tienen ningúnorden inherente entre los atributos ni unorden de jerarquía.

15

La forma más sencilla de determinar si las observaciones

se miden con una escala nominal es peguntar si se

clasifican o se colocan en categorías equivalentes.

Con este tipo de escalas se pueden hacer algunas

operaciones estadísticas; por ejemplo contar cuantos

elementos hay en cada uno de los grupos formados y asi

tenemos las frecuencias absolutas por categoría o

atributo.

16

Como estadístico descriptivo se pueden calcularfrecuencias o porcentaje para cada atributo y vercuál es el grupo que tiene mayor frecuenciaalcanzando el concepto de “Moda”.También obtener algunas medidas de

asociación/independencia cuando se relacionanvariables entre sí (tabla de contingencia).Los gráficos más comunes para representar este

nivel de medición son los de sectores o barras.

5

17

Ejemplos de variables con escala nominal: Clasificación por sexo: En donde las categorías posibles

son Femenino y Masculino (dicotómica).

Presencia o ausencia de una enfermedad (dicotómica).

Especialidades médicas en Consultorios Externos de un hospital: Clínica Médica, Cardiología, etc. (politómica).

Razas de Ganado Bovino: Hereford, Shorton, Aberdeen Angus , Charolaise (politómica).


Variables con escala de medición ordinal

18

19

Si hay un orden inherente entre las categorías, se dice que las observaciones se miden en una escala ordinal.

Estas observaciones aun se clasifican como en las escalas nominales, pero algunas tienen “más” o son “más grandes que” otras.

20

Son aquellas en que los grupos se establecen deacuerdo a la intensidad con que se presente un atributodeterminado. Si las categorías, atributos o valores queadopte una variable cualitativa poseen un orden,secuencia o progresión natural esperable, hablaremosde variable ordinal.Puede establecerse orden, pero no medirse distancia

dentro de ese orden. La medida estadística de tendenciacentral más apropiada para estas escalas es la"mediana“ y también las medidas de posición como loscuartiles, quintiles, deciles o percentiles.

6

21

Ejemplo: Los tumores, se clasifican en estadios o etapassegún su grado de desarrollo:

La clasificación internacional para valorar la etapa de uncarcinoma de cuello uterino es una escala ordinal de 0 a IV.Donde la etapa 0 representa carcinoma in situ y la etapa IVcarcinoma que se extiende mas allá de la pelvis o que afectaa la mucosa de vejiga y recto.

Desde luego, por orden inherente en esta escala ordinal, laetapa IV tiene peor pronóstico que la 0.

22

EJEMPLOS DE ESCALAS ORDINALES Grado de un Carcinoma.

Nivel de ejercitación desarrollado por semana: Alto, medio, bajo, nulo.

Estudios cursados: Analfabetos, primarios, secundarios, terciarios, universitarios.

Escala de Apgar del recién nacido.

Escalas de dolor.

Escalas del Coma de Glasgow.

Escalas Likert.

23

Una característica importante de las escalas ordinales esque aunque existe un orden entre categorías la diferenciaentre dos grupos adyacentes no es la misma en la escala.

Para ilustrarlo, considérense las calificaciones APGAR, quedescriben la madurez de niños recién nacidos en unaescala de 0 a 10, los valores menores indican depresión defunciones cardiorrespiratorias y neurológicas. Sin embargo,es probable que la diferencia entre una calificación de 8 yuna de 10 no sea de la misma magnitud que entre 4 y 6.

24

PUNTUACION DE APGAR

LOS VALORES DE CADA UNA DE LAS CINCO CATEGORÍAS SE SUMAN PARA GENERAR UN RESULTADO QUE VA DE 0 A 10.

SIGNO PUNTUACION0 1 2

Frecuencia cardíaca Ausente < 100 > 100

Respiración Ausente Lenta, irregular Regular, lloroso

Tono Muscular Relajado Flexión lenta Motor activo

Color Azuloso, pálido Cuerpo rosáceo, extremidades azulosa

Rosáceo en su totalidad

Respuesta refleja al catéter en fosa nasal

Ninguna Muecas Tos, estornudo

7

CRITERIO VALOR TRATAMIENTO INDICADO

Boca sana con cobertura preventiva 00 Ninguno

Boca sana sin cobertura preventiva 01 PPB(Programa preventivo

básico) *

Superficies obturadas + mancha blanca 02 PPA (Programa

preventivo adicional) **

Superficies cariadas 1 cuadrante 03 Inactivación de caries

rehabilitación

Superficies cariadas 2cuadrantes 04 Inactivación de caries

rehabilitación


rehabilitación


rehabilitación

Índice de Necesidad de Tratamiento de Caries CRITERIO VALOR TRATAMIENTO INDICADO

Lesión pulpar1 cuadrante

07 Tratamiento pulpar o extracción

Lesión pulpar2 cuadrantes


Lesión pulpar 3 cuadrantes


Lesión pulpar 4 cuadrantes 10 Tratamiento pulpar o

extracción

Superficies perdidas 1 cuadrante 11 Rehabilitación protética o

control de espacio

Superficies perdidas 2 cuadrantes 12 Rehabilitación protética o

control de espacio


control de espacio


control de espacio

Bordoni N. 1992

27

Este tipo de escalas ordinales que se construyen sumando la codificación de varias variables ordinales y obteniendo un puntaje final o total, en muchas ocasiones se pueden tratar como si fueran variables cuantitativas (continuas o discretas, según el caso).

Podemos denominarlas escalas de puntaje o scores para diferenciarlas de las variables cuantitativas.

Ejemplos de este tipo de variables complejas: Escala de depresión de Beck, Minimental, Indice Clínico de

Demencia, Coeficiente Intelectual, Escalas que miden la Atención, memoria, Escalas que miden la condición de un paciente (Coma de Glasgow, Apache II) y muchos otros.

28

Las categorías de las escalas nominales y ordinales deben poder establecerse en forma objetiva.

No se puede utilizan criterios arbitrarios o que puedan llevar a confusión. Estos criterios, deben ser claramente estipulados, de tal forma que cualquier persona pueda repetir la clasificación.

IMPORTANTE:

8


Variables con escala de medición cuantitativa o

numérica

29 30

Son las variables que se expresan mediante cantidades numéricas.

Las variables cuantitativas se clasifican en: Variable discreta: Es la variable que presenta

separaciones o interrupciones en la escala de valores que puede tomar. Estas separaciones o interrupciones indican la ausencia de valores entre los distintos valores específicos que la variable pueda asumir. (Números enteros)

Variable continua: Es la variable que puede adquirir cualquier valor dentro de un intervalo especificado de valores, siempre existe un valor entre dos cualesquiera.

31

Todas las escalas numéricas pueden transformarse

(agruparse) en escalas nominales y ordinales. Lo

inverso no se puede realizar.

Si le asignamos un valor numérico a las categorías de

una escala ordinal o nominal, estos no deben ser

tratados como datos numéricos sino como un código para identificar al atributo o categoría.

EJEMPLOS DE ESCALAS NUMERICAS Peso. Estatura. Edad. Perímetro cefálico.

Número de hijos. Cantidad de habitaciones. Número de Partos. Cantidad de alumnos.

32

Variables CuantitativasComo se describió anteriormente, se denominaa cualquier variable susceptible de ser medidaen términos numéricos.Ejemplos:

• Tensión arterial.

• Peso.

• Edad.

• Temperatura.

• Número de hijos.

9

33

La propiedad mas importante que presentan, por encima de las escalas cualitativas, es que las distancias numéricas iguales representan distancias iguales empíricas.

Así podemos decir que a dos objetos a los que se ha asignado en este tipo de escalas los números 5 y 10 están igualmente separados que otros dos a los que se ha asignado los números 10 y 15. Que algo que mida 4 es el doble de otro que mide 2.

34

ESCALAS CUANTITATIVAS Cuando una escala tiene todas las características de una

escala ordinal y se conoce la distancia entre dos números cualesquiera.

Discretas

De intervalos

Continuas

De cocientes o razones

35

Cuando una observación solamente puede

medirse en valores enteros, la escala de

medición es discontinua o discreta.

La forma de medir en general es contando

unidades como por ejemplo hijos, embarazos,

cantidad de personas que se necesitan para una

tarea.

ESCALAS DISCRETAS36

Variables Cuantitativas Discretas:Ejemplos:

Número de pacientes. Número de habitaciones.Número de personas que viven en un hogar. Cantidad de médicos por paciente. Número de camas de una sala de internación.Frecuencia cardíaca.Nº de células

10

37

Escalas cuantitativas contínuasUna escala de medida esta caracterizada por

una medida común y constante que asigna un número real a todos los pares de objetos en un conjunto ordenado.

Ejemplo de variables continuas:

Edad, peso, metros cuadrados de una jaula,

concentración de hemoglobina.

38

Una de las distinciones que se pueden hacer es entrelas variables cuantitativas que usan una escala denúmeros donde cero significa que la característica noexiste, y las variables cuantitativas que no atribuyen esesignificado a un punto cero.

Muchas de las variables cuantitativas (por ejemploingresos mensuales) poseen ese punto cero, de talmanera que quien gana $0 no gana nada, carececompletamente del atributo que estamos analizando. Deigual forma quien gana $1000 al día gana el doble quequien gana $500 al día (Escalas cuantitativas continuasde cociente o razón).

39

Otras variables cuantitativas no poseen en punto cero,tal es el caso de la temperatura: un objeto contemperatura cero no carece completamente de calor;en consecuencia un objeto cuya temperatura es 10º noes el doble de caliente que uno con temperatura 5ºsino simplemente 5º más caliente. (Escalascuantitativas continuas intervalares).

Muchas de las variables cuantitativas inventadas porlas Ciencias Psicológicas y Sociales pertenecen a estetipo.

40

Variables Cuantitativas Contínuas:Son aquellas variables que pueden tomar infinitos

valores dentro de un intervalo.

Ejemplos: Ingresos anuales por personal

Temperatura corporal.

Peso en gramos de un recién nacido.

Concentración de Glucosa en sangre.

11

41

Tipos de variables

Tipos de variables

Cuantitativas

Discretas

Continuas

Intervalares

Cociente o razón

Puntajes o Scores

Dicotómica

Politómica

Ordinales

Nominales

Cualitativas

42

Nivel de mediciónde las variables

Intervalares

Cociente o razón

Ordinales

Nominales

Discretas


CÓMO ORDENAR LOS

DATOS?


Te paso la base de datos

Estaré queriendo decir:

Archivo de datos

12

45

Para que los datos sean útiles, es necesario organizar las observaciones de modo tal que se pueda reconocer y distinguir el comportamiento de las características observadas y sus relaciones.

Lo importante es que del tipo de observaciones realizadas y el nivel de medición alcanzado (cómo se midieron), determinarán las clases de cuadros, gráficas y tablas de resumen que exhiben y comunican mejor las observaciones.

También definirá los métodos estadísticos a utilizar.

46

Durante la recolección de los datos los especialistas en estadística seleccionan sus observaciones de manera que todos los grupos relevantes estén representados en la muestra.

Para determinar la opinión sobre política, por ejemplo, los especialistas podrían estudiar a un grupo de personas que tengan diferentes nivel de ingresos, nivel educativo, barrio, grupo de edades, en las mismas proporciones que en la población estudiada y siempre y cuando estas variables tengan (o se supone que tienen) alguna relación sobre la opinión política.

47 Los datos puede provenir de observaciones hechas por el

investigador o de registros elaborados con otros propósitos. Por ejemplo, con fines de facturación y de informes médicos, un hospital registra el número de pacientes que utilizan el tomógrafo computado. Esta información cruzada con otras variables relevadas (patologías, edad, sexo, etc.), puede organizarse para producir resultados que los especialistas pueden describir o interpretar.

Cuando los datos se ordenan de manera compacta y útil, el procesamiento de los datos y los resultados obtenidos hace que los responsables de la toma de decisiones pueden obtener información rápida y confiable.

48

RECOLECCION DE DATOS

Recolección propia: Fuente de información primaria

Censo vs. Muestreo.

Si es una muestra de la población debe representar a todos los grupos. Inferencia estadística.

Fuentes de terceros: Fuente de información secundaria

Los datos pueden provenir de diferentes fuentes de información.

Validez y confiabilidad de las fuentes de información?.

13

49

Fuentes de informaciónFuentes de información primaria:

Aquella fuente que es creada para producir/recolectar información especifica para monitorear o evaluar un indicador.

Información original, que se difunde por primera vez.Fuentes de información Secundaria:

Es aquella que es realizada por terceros. Produce información útil para medir alguno de nuestros indicadores. No tenemos ingerencia en la metodología ni otros procesos del estudio. Reduce los costos. Involucra a sectores no tradicionales en la producción de información.

50

Pruebas para saber si los datos son confiables:

1. De dónde provienen los datos? La fuente es tendenciosa? Es posible que exista interés para proporcionar datos que conduzcan a ciertas conclusiones buscadas?

2. Los datos apoyan o contradicen otras evidencias que se tienen?

3. Cuantas observaciones se tienen? Representan a todos los grupos que se desea estudiar?

4. La conclusión es lógica según nuestra experiencia? Se ha llegado a conclusiones que los datos no confirman?


Organización de los Datos relevados


COMO ARMAR UNARCHIVO DE DATOS

PARA SER USO DE PROGRAMAS QUE TIENE COMO FUNCIÓN

EL ANALISIS Y EL PROCESAMIENTO ESTADÍSTICO

14

53

El primer paso luego de medir y relevar las variables seleccionadas es organizar la carga de datos en un soporte informático, para su posterior procesamiento y análisis.Esto se puede hacer en una planilla de

Cálculo como el Excel o en programas para el ingreso de datos (Data entry).

54

La forma de ordenar los datos recogidos de un relevamiento estadístico es en forma de “Matríz de Datos”.Una matriz es un arreglo bidimensional

en forma de filas y columnas.En las columnas se colocan las variables relevadas.En las filas se colocan a cada unidad de

observación, unidad de análisis o caso.

55

ID Var1 Var2 Var3 Var4 Var5 Var6

1

2

3

4

5

6

Variables

Uni

dade

s de

aná

lisis

56

Como se observa en la primera fila se escriben los nombres de las variablesEn las subsiguientes filas se cargan los

valores o códigos de cada caso o Unidad de análisis y para cada variable a lo largo de la fila.No se tienen que unir celdas.Tampoco dejar filas o columnas vacías.

15

Si es en el programa Excel:No se deben dejar cálculos hechos a los costados

o al final de la matriz de datos ni tampoco gráficos.Si los hacemos tendrán que ubicarse en otra hoja.No se tienen que unir celdas.Tampoco dejar filas o columnas vacías.Si no tenemos en cuenta estos detalles al

abrir/exportar en un programa para análisis estadístico, lo hará con errores o no lo abrirá.

57 Programa Epidata 58

59 Exportación al programa de estadística (SPSS) 60

16


COMO NO HAY QUE ARMAR UN

ARCHIVO DE DATOS

Archivo de datos Corregido63

Archivo de datos Codificado64

17

Veamos cuales son los errores65

No sirve como archivo de datos66

68

Archivo de datos Corregido

18

Archivo de datos Codificado69 70

Es un Sistema formado por un conjunto de datos y un software para la gestión del mismo, de tal modo que: Permite controlar el almacenamiento de datos. Los datos son independientes de los programas que

los usan. Se almacenan las relaciones entre los datos junto

con éstos. Se puede acceder a los datos de diversas formas.

Base de Datos

71

Una base de datos es un conjunto de datos relacionados entre sí.

Una base de datos se diseña, construye y organiza con un propósito u objetivo específico.

REGISTRO UNIDAD DE ANALISIS FILA

CAMPO VARIABLE COLUMNA


Cuestiones a tener en cuenta en el ingreso de los datos

Según el nivel de medición de las variables

19

73

Variable cuantitativas o numéricas En general no hay que hacer ningún cambio para la

carga de datos.

Seleccionar con que cantidad de decimales se trabajará.

A partir de estas variables se pueden generar nuevas variables cuantitativa aplicando funciones específicas (log, ln, 1/x, raíz cuadrada, etc.).

74

También se pueden combinar más de una variable usando formulas matemáticas. Ejemplo: Tiempo de evolución de una enfermedad a partir de Fecha de inicio y Fecha actual. Siempre es preferible cargar fechas, por ejemplo de nacimiento, de un eventos definidos que el valor de tiempo.

También las variables cuantitativas, por razones metodológicas, se pueden agrupar en categorías de una variable cualitativa ordinal. Ejemplo: Edad en grupo de edades. Mayores o menores de un valor determinado.

75

Variables Cualitativas• Es conveniente asignarle un número a cada una de las categoría que

tiene la variable (codificar).• Esto facilita la carga de datos, ya que es menos probable equivocarse al

ingresar un código numérico que el nombre completo o abreviado de la categoría.

• Ejemplo:• Sexo: Masculino=1, Femenino=2

• En el caso de las variables cualitativas nominales no hay una forma de seleccionar el código para cada categoría. Muchas veces en el caso de nominales dicotómicas (presencia o ausencia) se elige “0” para ausencia y “1” presencia. También se suelen ordenar los códigos según la frecuencia de aparición de las categorías, en el caso que se sepa de antemano.

76

Variables Cualitativas• En caso de Variables Cualitativas Ordinales en las

cuales hay un orden jerárquico entre las categorías tendrá que respetarse este orden con los códigos.

• Ejemplo:

• Calidad de atención al publico:

1=malo, 2=regular, 3=bueno, 4=muy bueno, 5=excelente.

• También podría comenzar con el cero.

20

77

Ejemplo de codificación de una variable cualitativa nominal: Estado conyugal

Código Categoría de la variable9 No corresponde/ Sin dato1 Unida/o 2 Casada/o3 Separada/o de unión o matrimonio4 Viuda/o de unión o matrimonio5 Divorciada/o6 Soltera/o nunca unida/o o casada/o

78

Categorías de la variable CódigoNumérico

CódigoAlfanumérico

Casa 1 CADepartamento 2 DEInquilinato o conventillo 3 ICPensión 4 PE

Construcción no destinada a vivienda 5 CO

Rancho o casilla 6 RAHotel 7 HOOtro 8 OT

Variable: Tipo de vivienda

Fuente: Dirección General de Estadística y Censos. (Ministerio de Hacienda GCBA). EAH 2008.

Como es una variable cualitativa nominal, el orden de los códigos numéricos puede variar.

79

Ejemplo de codificación de una variable cualitativa ordinal: Nivel educativo alcanzado Código Categoría de la variable

0 Sin instrucción1 Inicial (jardín, preescolar)2 Primario Incompleto3 Primario Completo4 Secundario Incompleto 5 Secundario Completo6 Superior / Universitario Incompleto7 Superior / Universitario Completo9 Ns/Nc o no corresponde

80Variable utilizando unaescala Likert

Categorías de la variable CódigoNumérico Código A

Muy malo 1 MM

Malo 2 MA

Regular 3 RE

Bueno 4 BU

Muy bueno 6 MB

Excelente 7 EX

Este tipo de categorízación de una variable ordinal se utiliza para evaluar opinión.

21


¿Cómo ordenar en el archivo de datos?

Diferentes grupos a compararDiferentes evaluaciones en el

seguimiento

82

Hem

atoc

rito

pre

Ciru

gía

Hem

atoc

rito

24 h

sde

Ciru

gía

Hem

atoc

rito

48 h

sde

Ciru

gía

Hem

atoc

rito

72 h

sC

irugí

a

83

39,8 39,7

35,4

28,5

32,0

27,9

30,8

27,0

24

26

28

30

32

34

36

38

40

42

Con Tto. Sin Tto. Con Tto. Sin Tto. Con Tto. Sin Tto. Con Tto. Sin Tto.

Hematocrito Pre Hto 24 hs Hto 48 hs Hto 72 hs

Medi

a e IC

95%

de h

emat

ocrit

o

Evolución del hematocrito hasta 72 hs post cirugía

NS p<0,001 p<0,001 p<0,001

BARRA DE ERRORES:Gráfico bivariado comparando una variable cualitativa (con y sin Tto.) vs

variable cuantitativa hematocrito y su evolución en el tiempo.


Variables cualitativascon respuestas

Múltiples

Archivo: “preguntas múltiples.xls”

22

85 Este tipo de variables no respeta el criterio de “mutuamente

excluyente” como propiedades de una variable. Por lo tanto para cada opción o categoría se tomará como una

variable, teniendo tantas variables dicotómicas como opciones tenga la variable con respuestas múltiple. Ej:

Cada categoría u opción se convertirá en una columna en la base de datos indicando: “Si” (1) o “No”(0)

86

Respuestas múltiplesID Intr_Inadec Set_insuf Asist_insuf Imponer_impl No_indicado Provis_tard

1 0 0 1 0 1 0

2 1 0 0 0 0 1

3 1 1 0 1 0 1

4 0 0 1 1 1 0

5 0 1 1 0 1 0

6 1 1 1 1 1 1

7 1 1 1 0 1 1

8 1 1 1 0 1 1

9 1 1 0 1 0 1

… … … … … … …

87

Variables con Respuestas MúltiplesSon variables o “reactivos” de un cuestionario o encuesta (preguntas), en el cual una unidad de análisis (encuestado) puede seleccionar más de una de las categorías que toma la variable.

Ej: medicación antiepiléptica que toma un paciente.

Ej: tipo de literatura que le gusta leer.

Ej: tipo de géneros músicales que escucha.

Para poder informatizar en una base datos se transforma a cada categoría en una variable. Dependiendo de cual sea la pregunta o reactivo la categoría/variable puede ser nominal dicotómica (presencia o ausencia), nominal politómica u ordinal.

88

Este tipo de variables no respeta el criterio de “mutuamente excluyente” que vimos con anterioridad como propiedades de una variable.

Por lo tanto para cada opción o categoría se tomará como una variable, teniendo tantas variables como opciones tenga la variable con respuestas múltiple.

Ej: ¿Qué tipo de texto le gusta leer?:Enciclopedia:___ Manual:___ Policial:___ Aventura:___ Ciencia ficción:___ Terror:___ Novela:___ Poesía:___ Deporte:___

Cada categoría u opción se convertirá en una columna en la base de datos indicando si “lee” (1) o “no lee”(0).

23

89

Clasificación de variables con respuestas múltiples

No jerarquizadas Jerarquizadas

No limitadas I II

Limitadas III VI

90

I: marque los canales de TV de aire que ve.

II: marque en orden de importancia los canales de TV de aire que ve.

III: maque 3 canales de TV de aire que ve.

IV: marque los dos canales que mas ve en orden de importancia.

Ejemplo:preguntas con respuestas múltiples

91

I- No jerarquizada ilimitadaCANAL_2 CANAL_7 CANAL_9 CANAL_11 CANAL_13

1 0 0 1 01 1 0 0 00 1 1 0 10 0 0 1 11 0 1 1 00 1 1 1 11 1 1 1 00 1 1 1 01 1 1 0 1

… … … … …

92

II- Jerarquizada ilimitada

1º canal 2º canal 3º canal 4º canal 5º canal13 7 9 2 1113 9 11 2 713 7 2 9 1113 7 9 2 1113 9 2 11 713 7 9 2 1113 7 9 2 1113 9 11 7 2

… … … … …

24

93

III- No jerarquizada limitadacanal_a canal_b canal_c

2 7 112 13 92 13 72 11 137 2 117 13 97 13 27 11 137 13 11

… … …

94

III- Jerarquizada limitada1º Canal 2º Canal

7 99 117 97 99 117 9

….. …..


Armando de Planilla de

datos en Excel


EJEMPLO 1:

ENCUESTA SOBRE LECTURA EN ALUMNOS DE ESCUELAS MEDIAS

Archivo: “ejemplo lectura.xls”

25

97 98

99

Como NO hay que armar la base de datos100Como si hay que armar la base de datos

(Ejemplo de base de datos.xls)

26


RECOLECCIÓN DE DATOS PROCESAMIENTO

SITEMATIZACIÓN Y ANÁLISIS

DECALOGO DEL PLAN DE INVESTIGACIÓN

1 • Identificar el problema

2 • Buscar bibliografía

3 • Redactar objetivos

4 • Elegir a quienes estudiar

5 • Elegir qué datos recolectar

6• Definir pasos (Diseño)

7 • Planificar el registro de datos

8 • Planificar el análisis de datos

9 • Evaluar la viabilidad ética y material del proyecto

10 • Decidir donde se va a publicar o presentar el informe

Una vez recolectados los datos…

¿Cómo llego desde este punto a lograr ….

cumplir los objetivos? contrastar la hipótesis? responder a la pregunta de investigación?

¿Qué hay que diseñar?1. Procesamiento

2. Sistematización

3. Análisis

4. Presentación

Varían según el nivel de

medición de las variables y

Varia según diseño de

investigación

27

1. Procesamiento Tareas “mecánicas o automatizada” necesarias

para volver útil la información para el análisis.Datos: Numeración de planillas (identificación de Unidad de Análisis) Codificación: Ej. 1=Si, 2=No. Traducción: Ej. Fecha de nacimiento -> Edad Tabulación: Ej. Escala visual de Dolor, Cuestionario de Dash,

Ejemplo:

Traducción y codificación:

junior=1, Adherente=2, Certificado=3, Rectificado=4, vitalicio=5

CategoríaSocietaria: Junior Adherente Certificado Recertificado Titular Vitalicio

Organización y volcado de la información en un ARCHIVO DE DATOS DIGITALPuede ser: Informática, manual o mixta. Con asistencia de programas inespecíficos o específicos:

Excel, EpiInfo, Epidata, Access etc.Datos cuantitativos Armado de bases de datos: UA, V Volcado de datos en la base Asignación de etiquetas para valores perdido y/o que no corresponden. Reagrupar/recodificar de valores en nuevas escalas: Cuantitativo Ordinal o Nominal

Edad Sexo TrabajaResidenci

a Educación …….

1 25 2 2 1 1 1

2 22 2 2 3 3 1

3 31 2 1 2 4 2

4 37 1 1 2 2 1

U.A.

Variable Valor

2. Sistematización

Lugar de resid 1=Cap Fed, 2=GBA, 3=Interior PBAModalidad: 1= Lic / 2 = CCCTrabaja: 1=SI, 2=NO.Máximo nivel de estudios alcanzados: 1=sin estudios, 2=primario, 3=secundario, 4= Terc./Univ.

Códigos:

Elección del tipo de análisis estadístico

Permite resumir la información y comparar los datos con herramientas estadísticas. Estadística descriptiva

Estadística inferencial: Univariado, bivariado y multivariado

3. Análisis Análisis de datos: Descriptivo

Variables cualitativas: frecuencias, %, moda, cuartiles. Gráficos circular, Gráficos de barras

Variables cuantitativas: media, mediana, moda, cuantiles, varianza/desvío estándar. Gráficos histograma, diagramas de caya, barra de errores

Analítico Comparación de medias (test de student, Análisis de la Varianza) Comparación de proporciones Riesgo Relativo y Odds Ratio Curvas de supervivencia

Significación estadística es suficiente? Significación técnica/clínica

108

28

Tablas de distribución de frecuencia Descriptivos de tendencia central y dispersión Gráficos

4. Presentación de resultados

Distrib. por sexo de los estudiantes de enfermería

Frecuencia Porcentaje

Varón 40 21,4

Mujer 147 78,6

Total 187 100,0

EDAD EstadísticoMedia 28,9

Mediana 25,0

Varianza 97,3

Desv. estándar 9,9

Mínimo 17

Máximo 63

Rango 46 ENCUESTA (n=504 encuestados)

Criterios en los cuales fundamenta la elección de un implante

4. Presentación de resultados

Gráfico bivariado:Sin control prenatal por Regiónes del País

Brecha 3,7Rango: 7,6%

2,8%

3,7%

4,2%

5,3%

5,4%

6,7%

7,2%

7,3%

10,4%

0% 2% 4% 6% 8% 10% 12%

Patagonia

PBA Interior

Centro

CABA

Cuyo

TOTAL PAIS

NEA

Conurbano

NOA

4. Presentación de resultados Índice de Masa Corporal

Estimación de riesgo para sobrepeso y obesidad

Odds Ratio ValorIntervalo de confianza 95%

Inferior Superior

Sexo (Masculino / Femenino) 2,5 1,8 3,3

En esta muestra, los hombres tiene 2,5 veces mas chances

de sufrir sobrepeso u obesidad que las mujeres,

29

Madres adolescentes y NO uso de MAC

Madre adolescente

Tasa de No uso de MAC

No Uso Uso

Si 60,3% 39,7%

No 49,3% 50,7%

Odds Ratio ValorIC 95%

Inferior Superior

Madre adolescente(No Uso / Uso) 1,71 1,58 1,85

60,3%

39,7%

49,3% 50,7%

0%

10%

20%

30%

40%

50%

60%

70%

No uso Uso

Tasa de no uso de MAC

Adolescente No Adolescente

114

Edad del paciente

Sexo Media MedianaDesv.

estándar

N Mínimo Máximo

Masculino 58,0 56,0 13,4 57 25 87

Femenino 63,0 62,5 14,6 72 23 92

Total 61,0 59,0 14,2 129 23 92

REGISTRO DE IMPLANTES:

Remplazo total de cadera

Edad de los pacientes por sexo

N=197

03 Tipos de Variables y Datos Imprimir

Documents

Transcript of 03 Tipos de Variables y Datos Imprimir