Procesamiento de datos
Una vez realizado el trabajo
de campo y la edición de los datos obtenidos, es necesario efectuar el
procesamiento de los datos, es decir, que los mismos se preparan para ser
analizados, para ello se apela a dos técnicas de elaboración de los datos: la
codificación y la tabulación. Lo que precede es válido, en lo que atañe a la
codificación, tanto para una perspectiva metodológica cuantitativa como
cualitativa.
En el caso de la tabulación,
cabe señalar que no necesariamente está reñida con los estudios cualitativos,
el hecho de realizarla o no depende de la decisión adoptada por el
investigador.
Codificación
La codificación es un
procedimiento técnico mediante el cual, los datos obtenidos se clasifican en
categorías y se traducen en símbolos, ya sean cifras o letras; es decir, se
asigna a cada opción de respuestas un número o una letra que permita tabularla
rápidamente.
Es
importante señalar que la elaboración de un sistema de categorías y la
codificación se pueden efectuar en forma simultánea, pero desde un punto de
vista lógico, la codificación depende del sistema de categorías o valores que
adopte la variable o alternativas que presente la pregunta.
Fases
para codificar los datos cualitativos:
1) Desarrolle categorías de
codificación. Empiece redactando una lista de todos los temas, conceptos e
interpretaciones, tipologías y proposiciones identificados o producidos durante
el análisis inicial.
2) Codifique todos los datos. Codifique
todas las notas de campo, las transcripciones, los documentos y otros
materiales, escribiendo en el margen el número asignado o la letra
correspondiente a cada categoría.
3) Separe los datos pertenecientes a las
diversas categorías de codificación. El investigador reúne los datos
codificados pertenecientes a cada categoría. Se recortan las notas de campo,
las transcripciones y otros materiales y se colocan los datos de cada categoría
en carpetas de archivo.
4) Vea que datos han sobrado. Algunos de
esos datos probablemente se ajusten a las categorías de codificación
existentes. También se pueden plantear nuevas categorías.
5) Refine su análisis. La codificación y
separación de los datos permite comparar diferentes fragmentos relacionados con
cada tema, concepto, proposición, etcétera, y en consecuencia refinar y ajustar
las ideas.
Una vez realizada la
codificación de los datos, se puede proceder a la confección de la matriz de
datos
En efecto, cada fila de la
matriz corresponde a una unidad de análisis, cada columna a una variable y en
cada celda, figura el valor que cada unidad asume para cada variable. De esta
manera, con la articulación de estos tres elementos se configura una Matriz de
Datos.
Tabulación
Luego de confeccionar la matriz
de datos, se procede a la tabulación de los mismos.
La tabulación es el proceso
mediante el cual los datos recopilados se organizan y concentran, con base a
determinadas ideas o hipótesis, en tablas o cuadros para su tratamiento estadístico.
Entonces tabular es contar las
unidades que son ubicadas, ya sea en forma manual o con la utilización de una
computadora, en cada categoría de una variable o unidades que son ubicadas
simultáneamente en categorías determinadas de dos o más variables. Por lo
tanto, la tabulación puede ser simple, esto es, univariable o cruzada, es
decir, bivariable o multivariable.
Por supuesto, lo que antecede
requiere un “plan de tabulación”, esto es, determinar de antemano qué
resultados de las variables se van a presentar y cuáles relaciones entre las
mismas se van analizar, a fin de brindar respuesta al problema y los objetivos
formulados.
La tabulación puede ser tratada
de forma manual o informática. La primera se recomienda efectuar cuando el
cuestionario es reducido y se realiza mediante el simple recuento de los datos.
Para tabular mecánicamente se utiliza la informática, ya que la información que
se recoge en las encuestas es muy amplia y exige, para su eficaz utilización,
la realización de múltiples clasificaciones combinadas entre variables. Y la
tabulación electrónica se realiza mediante el uso de equipo electrónico, el
cual facilita de alguna manera el conteo de frecuencias.
Elaboración de cuadros estadísticos
Aquí pueden ver una presentación de cómo realizar un cuadro estadístico:
Construcción de gráficos (o
gráficas)
Se denomina gráfica o gráfico la representación de
datos, generalmente numéricos,
mediante líneas, vectores, superficies,
colores o símbolos, que muestran visualmente la relación que guardan entre sí. También puede ser un conjunto de puntos, que se plasman en coordenadas cartesianas, y sirven para analizar el
comportamiento de un proceso, o un conjunto de elementos o signos que permiten la interpretación de un fenómeno.
Los medios de comunicación
nos ofrecen constantemente noticias ilustradas con gráficas.
Una gráfica, entonces, permite
representar la relación existente entre una lista de elementos (como
temperatura, tiempo, espacio, etc.) y sus valores numéricos correspondientes.
Así, podemos decir que las
gráficas tienen como función fundamental representar visualmente, en forma
clara e intuitiva, una serie de datos que aportan gran cantidad de información.
Según su construcción,
podemos distinguir dos tipos de gráficas: Gráficas cartesianas y Graficas
estadísticas
Construcción de gráficas cartesianas
Si lo que queremos es mostrar
la relación entre dos variables, podemos hacerlo mediante una gráfica cartesiana.
Las variables que se
presentan en el eje horizontal o eje x
(abscisas) en una gráfica cartesiana se llaman variable independiente y las que se representan en el eje vertical o eje y (ordenadas), se
llaman variable dependiente.
Aquí debemos anotar que en
una gráfica cartesiana no tienen por qué coincidir las unidades de medida de
los dos ejes, sino que los datos se acomodan a su propia escala.
Los datos para construir una
gráfica cartesiana pueden provenir de texto
, o pueden obtenerse a partir de tablas
o a partir de fórmulas .
a)
Construcción de gráficas cartesianas a partir de textos.
Ejemplo:
El precio del cobre ha subido
en forma sostenida desde 2004, como se aprecia en el gráfico de la izquierda.
Por lo general, en estos
casos no importa mucho el valor exacto de los puntos, sino el dibujo, que
indica la forma global de la gráfica y el comportamiento de las variables.
b)
Construcción de gráficas cartesianas a partir de tablas
A veces resulta muy
clarificador que los datos recogidos en una tabla se representen gráficamente
sobre unos ejes de coordenadas.
Veamos cómo representar
gráficamente los datos de la siguiente tabla de valores:
Tabla de valores
|
x
|
y
|
0
|
6
|
1
|
1
|
2
|
9
|
3
|
2
|
4
|
3
|
5
|
5
|
6
|
4
|
7
|
7
|
8
|
6
|
9
|
3
|
10
|
8
|
11
|
9
|
12
|
2
|
Ahora dibujaremos un sistema
de ejes coordenados (figura abajo) sobre
el que representaremos los datos, marcando los valores correspondientes tanto
en el eje de abscisas (X) como
en el eje de ordenadas (Y):
En nuestra gráfica hemos
unido, mediante segmentos, cada par de puntos consecutivos, aunque no siempre
se deberán unir.
Siempre que se puedan unir
los puntos mediante segmentos diremos que la gráfica es continua, y cuando no sea posible hacerlo, diremos que la gráfica
es discontinua .
Veamos
un ejemplo de gráfica discontinua:
Tenemos una tabla que nos
muestra el tiempo (en horas) que emplean 15 atletas en completar un recorrido:
La tabla entrega estos datos:
Nº atletas
|
Tiempo (h)
|
1
|
8
|
3
|
7
|
2
|
6
|
4
|
5
|
5
|
4
|
La gráfica resultante, a
partir de esta tabla sería esta:
Esta es
una gráfica discontinua ya que
no podemos unir los puntos mediante segmentos debido a que no es posible considerar
un valor intermedio para los atletas: nunca habrá 0,5 o 1,5 atletas.
Veamos
ahora un ejemplo de gráfica continua
Tenemos un tabla que nos
muestra los kilómetros recorridos por un ciclista en el transcurso de 5 horas:
Horas
|
Kms recorridos
|
1
|
20
|
2
|
40
|
2,5
|
50
|
3
|
60
|
3,5
|
60
|
4
|
60
|
5
|
70
|
La gráfica resultante a
partir de esta tabla será:
Esta es una gráfica continua ya que podemos unir
los puntos mediante segmentos debido a que es posible considerar un valor
intermedio para el tiempo, ya que a las 2,5 y a las 3,5 horas también podemos
anotar los kilómetros recorridos.
c)
Construcción de gráficas a partir de fórmulas
En algunos casos la
información recopilada o entregada llega por medio de fórmulas o reglas que nos
permiten relacionar variables distintas y así elaborar tablas de valores, las
cuales podemos transformar en gráficas.
Veamos un ejemplo:
El costo (valor o importe) de
un litro de gasolina (nafta o bencina) es 1,2 dólar ( 1,2 US$). Sabido esto,
elaborar la gráfica que relacione ese precio unitario con la cantidad de litros
que se compren:
Primero, hacemos una
tabla para saber el costo de 1,
2, 3, 4, 5 y 6 litros:
Litros
|
Precio (US$)
|
1
|
1,2
|
2
|
2,4
|
3
|
3,6
|
4
|
4,8
|
5
|
6
|
6
|
7,2
|
Trasladamos los datos a una
gráfica, que sería (gráfica siguiente):
Tipos de Gráficas estadísticas
Hasta aquí hemos visto solo gráficas cartesianas, construidas
sobre la base de un Plano cartesiano.
Existen otras formas gráficas
de representar datos, que son las siguientes:
a)
Gráfico de barras:
Es un gráfico estadístico que
está formado por varios rectángulos igualmente
espaciados, del mismo ancho, cuyas bases están colocadas sobre una misma línea
horizontal.
A los rectángulos que forman el gráfico de barras se les llama barras.
En este tipo de gráfico, es
posible observar que las barras:
1.- Están sobre el eje de las
abscisas.
2.- Tienen el mismo ancho.
3.- Están igualmente
espaciadas.
En el eje de las abscisas se representan los valores de
una de las variables (eje x) y en el eje de las ordenadas se representa la otra variable (eje y).
Se usa generalmente cuando se
pretende resaltar la representación de porcentajes de datos que componen un
total.
b)
Gráfico lineal o de segmentos:
Se usa especialmente para
representar datos numéricos de situaciones que ocurren en períodos sucesivos.
Además permite visualizar rápidamente una situación determinada.
En el ejemplo (tabla arriba), los datos numéricos
corresponden a las temperaturas máximas registradas durante una semana del mes
de octubre; estos datos son números que se obtuvieron en forma sucesiva, día
tras día.
En el gráfico lineal de abajo
(construido a partir de la tabla de valores anterior) se puede visualizar fácil
y rápidamente que el día miércoles de esa semana se registró la temperatura más
alta, y también que el día jueves fue la más baja.
C)
diagrama:
Un elemento de la derecha se
relaciona con uno de la izquierda
.
d)
Gráfico circular:
Muestra las relaciones o
proporciones de las partes con un todo. Este gráfico (abajo) es de utilidad
cuando se pretende destacar un elemento importante.
Un gráfico circular siempre
se compone de una serie de datos.
e)
Gráfico de puntos:
El denominado gráfico de puntos permite mostrar
apropiadamente a pequeños conjuntos de datos y tiene la gran ventaja de ser
fácilmente construido a mano.
En este tipo de gráfico, la
abscisa (línea horizontal) representa los valores de la variable estudiada y la
ordenada (línea vertical) la frecuencia de aparición de un valor en el conjunto
de datos estudiado.
Medidas
de tendencia central y dispersión
Las medidas de tendencia central son medidas estadísticas que pretenden
resumir en un solo valor a un conjunto de valores. Representan un centro en
torno al cual se encuentra ubicado el conjunto de los datos. Las medidas de
tendencia central más utilizadas son: media,
mediana y moda. Las medidas de dispersión en
cambio miden el grado de dispersión de los valores de la variable. Dicho en
otros términos las medidas de dispersión pretenden evaluar en qué medida los
datos difieren entre sí. De esta forma, ambos tipos de medidas usadas en
conjunto permiten describir un conjunto de datos entregando información acerca
de su posición y su dispersión.
Los procedimientos para obtener las medidas estadísticas difieren levemente
dependiendo de la forma en que se encuentren los datos. Si los datos se
encuentran ordenados en una tabla estadística diremos que se encuentran
“agrupados” y si los datos no están en una tabla hablaremos de datos “no
agrupados”.
Según este criterio, haremos primero el estudio de las medidas estadísticas
para datos no agrupados y luego para datos agrupados.
Medidas estadísticas en datos no
agrupados
Medidas de tendencia central
Promedio o media
La medida de tendencia central más conocida y utilizada es la media aritmética
o promedio aritmético. Se representa por la letra griega µ cuando se trata del
promedio del universo o población y por Ȳ (léase Y barra) cuando se trata del
promedio de la muestra. Es importante destacar que µ es una cantidad fija
mientras que el promedio de la muestra es variable puesto que diferentes
muestras extraídas de la misma población tienden a tener diferentes medias. La
media se expresa en la misma unidad que los datos originales: centímetros,
horas, gramos, etc.
Estos cálculos se pueden simbolizar:
Desviaciones: Se define como la
desviación de un dato a la diferencia entre el valor del dato y la media:
Ejemplo de desviaciones:
Una propiedad interesante de la media aritmética
es que la suma de las desviaciones es cero
Mediana
Otra medida de tendencia central es la mediana. La mediana es el valor de la
variable que ocupa la posición central, cuando los datos se disponen en orden
de magnitud. Es decir, el 50% de las observaciones tiene valores iguales o
inferiores a la mediana y el otro 50% tiene valores iguales o superiores a la
mediana.
Si el número de observaciones es par, la mediana corresponde al promedio de los
dos valores centrales. Por ejemplo, en la muestra 3, 9, 11, 15, la mediana es
(9+11)/2=10.
Moda
La moda de una distribución se define como el valor de la variable que más se
repite. En un polígono de frecuencia la moda corresponde al valor de la
variable que está bajo el punto más alto del gráfico. Una muestra puede tener
más de una moda.
Medidas
de dispersión
Las medidas de dispersión entregan información sobre la variación de la
variable. Pretenden resumir en un solo valor la dispersión que tiene un
conjunto de datos. Las medidas de dispersión más utilizadas son: Rango de
variación, Varianza, Desviación estándar, Coeficiente de variación.
Rango de variación
Se define como la diferencia entre el mayor valor de la variable y el menor
valor de la variable.
La mejor medida de dispersión, y la más generalizada es la varianza, o su
raíz cuadrada, la desviación estándar. La varianza se representa con el símbolo
σ² (sigma cuadrado) para el universo o población y con el símbolo s2 (s
cuadrado), cuando se trata de la muestra. La desviación estándar, que es la
raíz cuadrada de la varianza, se representa por σ (sigma) cuando pertenece al
universo o población y por “s”, cuando pertenece a la muestra. σ² y σ son
parámetros, constantes para una población particular; s2 y s son estadígrafos,
valores que cambian de muestra en muestra dentro de una misma población. La
varianza se expresa en unidades de variable al cuadrado y la desviación
estándar simplemente en unidades de variable.
Fórmulas
Donde µ es el promedio de la población.
Donde Ȳ es el promedio de la muestra.
Coeficiente de variación
Es una medida de la dispersión relativa de los datos. Se define como la
desviación estándar de la muestra expresada como porcentaje de la media
muestral.
Es de particular utilidad para comparar la dispersión entre variables con
distintas unidades de medida. Esto porque el coeficiente de variación, a
diferencia de la desviación estándar, es independiente de la unidad de medida
de la variable de estudio.
Medidas de tendencia central y de
dispersión en datos agrupados
Se identifica como datos agrupados a los datos dispuestos en una
distribución de frecuencia. En tal caso las fórmulas para el cálculo de
promedio, mediana, modo, varianza y desviación estándar deben incluir una leve
modificación. A continuación se entregan los detalles para cada una de las
medidas.
Promedio en datos agrupados
La fórmula es la siguiente:
Donde ni representa cada una de las frecuencias correspondientes a
los diferentes valores de Yi.
Moda en datos agrupados
Si la variable es de tipo discreto la moda o modo será al valor de la variable (Yi)
que tenga la mayor frecuencia absoluta ( ). En los datos de la tabla 1 el valor
de la moda es 3 ya que este valor de variable corresponde a la mayor frecuencia
absoluta =16.
Más adelante se presenta un ejemplo integrado para promedio, mediana, varianza
y desviación estándar en datos agrupados con intervalos.
Varianza en datos agrupados
Para el cálculo de varianza en datos agrupados se utiliza la fórmula
Percentiles
Los percentiles son valores de la variable que dividen la distribución en
100 partes iguales. De este modo si el percentil 80 (P80) es igual a 35 años de
edad, significa que el 80% de los casos tiene edad igual o inferior a 35 años.
Su procedimiento de cálculo es relativamente simple en datos agrupados sin
intervalos.
Análisis
e Interpretación de los Datos
Ya desarrollado el proceso de recolección de
datos, se procederá a convertir los datos en bruto del instrumento de que se
usó para tal fin, en una forma legible y entendible para su posterior análisis.
Para esto, se tomará en cuenta la siguiente
secuencia:
- Verificación
y edición de cuestionarios aceptables: Cada
cuestionario tendrá una etapa de revisión, en donde se verificará los
datos obtenidos, es decir, que estén bien contestados (completos), mirar
en base a las respuestas dadas si estas fueron bien comprendidas, que los
elementos de la muestra sean los que hayan contestado la encuesta, etc.
Para tal fin, el porcentaje de cuestionarios defectuosos permitidos será del
5% del total. En caso de que el porcentaje sea mayor, se enviarán
nuevamente a trabajo de campo y se volverán a formular los cuestionarios.
- Edición y
depuración de datos: Los datos a procesar
tendrán legibilidad, que se puedan entender con facilidad; consistencia,
que estén acordes a los objetivos del estudio y con exactitud, ya que se
evaluarán de acuerdo a una serie de parámetros para verificar si fueron
obtenidos con honestidad por los encuestadores. Los datos serán procesados
y analizados usando software destinado para esto. Se hará empleo de SPSS y
Microsoft Excel, programas destinados a realizar análisis estadísticos,
con un ambiente amigable para el usuario, a través de interfaces fáciles
de manejar y entender.
Herramientas Estadísticas
Para un correcto análisis de datos, se usarán las siguientes ayudas
estadísticas:
- Tabulación
cruzada: Tabulación de datos que consiste en
identificar una relación entre variables, describiendo dos ó más variables
en forma simultánea y dar como resultado tablas que reflejan la
distribución conjunta de las variables con un número limitado de
categorías o valores distintivos.
- Herramientas
de estadística inferencial: Pruebas ji
cuadrado para probar la significancia estadística que hay entre la
relación de variables.
- Procedimientos
de análisis de relación: Regresiones para verificar
el grado de dependencia y relación entre variables.
- Procedimientos
generales de análisis: Gráficos
estadísticos para evaluar proporciones, histogramas de frecuencia, pruebas
de hipótesis para evaluar a las mismas, etc.
Análisis Descriptivo
El primer paso en el análisis de datos, una vez
introducidos los mismos, es realizar un análisis descriptivo de la muestra.
Este análisis nos permitirá controlar la presencia de posibles errores en la
fase de introducción de los datos, es decir, detectaremos con él valores fuera
de rango (p. ej. un peso de 498 Kg es claramente un dato extraño), o la
presencia de valores perdidos. Este análisis inicial también nos proporcionará
una idea de la forma que tienen los datos: su posible distribución de
probabilidad con sus parámetros de centralización; media, mediana y moda; así
como sus parámetros de dispersión; varianza, desviación típica, etc.
Este análisis es muy básico. Aunque hay tendencia
a generalizar a toda la población, las primeras conclusiones obtenidas tras un
análisis descriptivo, es un estudio calculando una serie de medidas de
tendencia central, para ver en qué medida los datos se agrupan o dispersan en
torno a un valor central. Esto es lo que podría ser un concepto aproximado.
Entre las opciones que fueron enumeradas arriba,
los indicios más salientes para seleccionar el método de análisis pueden ser
obtenidos mirando la extensión de datos y la perspectiva de tiempo. Una vez que
usted haya decidido sobre éstos, se puede encontrar en las células de la tabla
siguiente los métodos de análisis usuales para cada acercamiento.
Análisis Inferencial
El análisis inferencial se emplea solo en los
estudios correlaciónales, esto se realiza a través de los resultados obtenidos
al cruzar las variables independientes con la variable dependiente. A través de
los resultados obtenidos en las tablas que genera el programa estadísticos solo
puede inferir si la variable independiente objeto de análisis influye sobre la
variable dependiente y si esta influencia es significativa o no.
Contrastación
de Hipótesis
Según el análisis inferencial se puede entonces
afirmar si se acepta la hipótesis nula, o las hipótesis nulas que se plantearon
en el capítulo metodológico del estudio correlacional, o si se rechaza la
hipótesis nula, aceptando la alterna.
El objetivo del análisis de contenido es la realización
de inferencias, cuando el contenido de los mensajes es analizado para apoyar
conclusiones no relacionadas con el contenido, entonces adquiere la
investigación de carácter explicativo o inferencial.
Hay dos categorías de inferencias:
1.- Las
que se refieren al origen, causas, condiciones, antecedentes de la comunicación
y especialmente al autor de la misma, estas inferencias responden a las
preguntas < quien > y < Por qué >.
2.- La
segunda está formada por las inferencias que se refieren a efectos o resultados
de la comunicación y el análisis responde al interrogante.
Combinando las aportaciones de Berelson y Holsti
se obtiene la siguiente clasificación del análisis de contenido de carácter
inferencial:
- Análisis
para realizar inferencias acerca de las causas, de los productores o de
los antecedentes de la comunicación.
- Para
identificar las intenciones y otras características de los creadores de
las comunicaciones.
(Obtenido
de: https://sabermetodologia.wordpress.com/2016/03/06/analisis-interpretacion-datos/)
Aquí pueden observar una
presentación y un video del tema:
