Tècniques estadístiques multivariants

:: Formadors::

Joan Guàrdia, Maribel Peró i David Leiva
Departament de Metodologia de les Ciències del Comportament. Universitat de Barcelona. Grup d’Innovació Docent Consolidat, Grup per l’Aprenentatge de l’Estadística en Salut (http://www1.ub.edu/gid-estadistica/), Grup Consolidat de Recerca, Grup de Tècniques Estadístiques Avançades Aplicades a Psicologia (GTEAAP) (http://www.ub.edu/gteaap/), Institut de Recerca en Cervell, Cognició i Conducta (IR3C).

:: Introducció ::

El curs vol presentar als investigadors els fonaments de les tècniques estadístiques aplicades des de la perspectiva aplicada, de manera que s’obtingui un panorama general d’aquest tipus de recursos estadístics. A més a més, es presenten alguns dels programes fonamentals per fer aquestes tasques (SPSS, Amos, R, MPlus, etc.).

:: Competències ::

Atès el caràcter instrumental del seminari, el temari està pensat per fer-se ressò de les competències més transversals, com ara la cerca d’informació, l’anàlisi crítica de les publicacions científiques i la familiarització amb les eines pròpies de la recerca. En l’àmbit de les competències específiques es farà una especial atenció al treball en grup, a la selecció de tècniques estadístiques adients i a la redacció de l’apartat de resultats de la recerca científica. Molt breument, els objectius són els següents:

  • Saber com s’accedeix, a partir de les diferents fonts documentals, a la literatura científica i a la informació existent relacionada amb el problema que s’investiga, i mostrar domini de les estratègies necessàries per accedir a la informació.
  • Saber formular un problema d’investigació.
  • Saber utilitzar les tècniques de recollida i registre de dades.
  • Conèixer les diferents tècniques multivariants i les seves possibilitats d’aplicació en l’àmbit de la recerca.
  • Saber analitzar i interpretar les dades d’una investigació dins del marc del coneixement disciplinari en què es dugui a terme la investigació sota la perspectiva multivariant.
  • Saber recollir, analitzar, interpretar de manera crítica i presentar gràficament les dades d’una investigació científica.
  • Saber generalitzar i aplicar els resultats de la investigació i els tractaments empíricament validats al propi camp d’actuació científic.
  • Mantenir un procés autoformatiu d’actualització permanent pel que fa al coneixement elaborat per altres dins del propi camp d’investigació o actuació professional, sota la perspectiva de l’estudi dels fenòmens multivariants.
  • Emprar les característiques dels programes informàtics, com ara SPSS o R, per dissenyar una anàlisi estadística multivariant.

:: Contingut ::

1.    Classificació general de les tècniques multivariants
2.    Presentació de situacions multivariants pròpies de la recerca científica
3.    Tècniques de la reducció de la dimensió
•    Anàlisi factorial exploratòria i confirmatòria
•    Anàlisi de components principals
•    Anàlisi de correspondències
•    Altres opcions
4.    Tècniques de classificació
•    Anàlisi discriminant
•    Anàlisi d’agrupaments (cluster analysis)
•    Anàlisi d’agrupaments jeràrquica
•    Altres tècniques
5.    Tècniques basades en l’ajust de models estadístics
•    Derivació dels models de regressió
•    Models d’equacions estructurals
•    Models de sèries temporals
•    Models per variables categòriques
•    Anàlisi de la supervivència
•    Altres models
6.    Anàlisi de programes estadístics: SPSS, R, Lisrel, EQS, etc.
7.    Estudi de casos i aplicacions

:: Metodologia prevista ::

Presentació de casos i situacions propis de les anàlisis multivariants, per tal de presentar cada tècnica o grup de tècniques i discutir els resultats i les característiques de les possibles aplicacions. Anàlisi de dades reals cercant l’aplicació pràctica de cada conjunt i grup de procediments estadístics.

:: Avaluació ::    
Resolució de problemes en un màxim de trenta dies després de la finalització de les activitats.

:: Bibliografia ::
Aguinis, H. (2004). Regression analysis for categoriclal moderators. Nova York: The Guilford Press.
Bentler, P.M. i Wu, E.J.C. (2002). EQS 6 for Windows. User’s Guide. USA: Multivariate Software, Inc.
Bollen, K.A. & Scott Long, J. (1993). Testing Structural Equation Models. Nova York: Sage. ISBN: 0-8039-4507-8.
Brown, T.A. (2006). Confirmatory Factor Analysis for Applied Research. Nova York. Guilford Press. ISBN-13:978-1-59385-274-0.
Byrne, B.M. (1994). Structural equation modeling with EQS and EQS/Windows. USA: SAGE Publications, Inc.
Byrne, B.M. (2010). Structural Equation Modeling with AMOS. Nova York: Taylor & Francis. ISBN: 978-0-8058-6373-4.
Comrey, A.L. (1985). Manual de Análisis Factorial. Madrid: Cátedra. ISBN: 84-376-0515-6. Original en anglès de 1985 a Academic Press.
Congdom, P. (2003). Applied Bayesian Modelling. Chichester:Wiley. ISBN: 0-471-48695-7.
Crawley, M.J. (2007). The R Book. USA: John Wiley & Sons. Ltd.
Dunn, G., Everitt, B. i Pickles, A. (1993). Modelling covariances and latent variables using EQS. USA: Chapman & Hall/CRC.
Everitt, B.S. & Graham, D. (2002). Applied multivariate data analysis. Nova York: Arnold.
Field, A. (2005). Discovering statistics using SPSS. Londres: SAGE Publications.
Gifi, A. (1990). Nonlinear Multivariate Analysis. Chichester: Wiley. ISBN: 0 471 92620 5.
Kline, R.B. (2011). Principles and Practice of Structural Equation Modeling. Nova York: Guilford. ISBN: 978-1-60623-876-9.
Loehlin, J.C. (1987). Latent Variable Models. Nova York: LEA. ISBN: 0-89859-965-2.
Millsap, R.E. & Maydeu, A. (2009). Quanmtitative Methods In Psychology. Londres: Sage. ISBN: 978-1-4129-3091-8.
Mulaik, S. (2010). Foundations of Factor Analysis. Nova York: Taylor & Francis. ISBN: 978-1-4200-9961-4
Murell, P. (2005). R Graphics. USA: Cahpman & Hall/CRC.
Murphy, K.R., Myors, B. & Wolach, A. (2009). Statistical Power Analysis. Nova York: Taylor & Francis. ISBN: 978-1-84169-774-1.
Raykov, T. & Marcoulides, G.A. (2006). A First Course in Structural Equation Modeling. Nova York: Taylor & Francis. ISBN: 978-0-8058-5597-3.
Todmna, J. & Dougard, P. (2007). Approaching multivariate analysis. An introduction for psychology. Nova York: Psychology Press.
Verzani, J. (2005). Using R for Introductory Statistics. USA: Cahpman & Hall/CRC.

:: Durada ::
20 hores presencials. Cinc sessions de 4 hores cadascuna

:: Calendari ::
Del 16 al 20 de juny de 2014, de 10 h a 14 h

::Places ::
20

:: Lloc ::
Facultat de Psicologia. Aula d'informàtica 1306

 

Activitat finançada en el marc de l’Acord de formació per a l’ocupació de les administracions públiques, signat entre les administracions públiques i les organitzacions sindicals CCOO, UGT i CSIF, mitjançant un conveni de col·laboració amb l’Escola d’Administració Pública de Catalunya.

 

Més informació

Institut de Ciències de l'Educació (ICE)

Passeig de la Vall d'Hebron, 171
08035 Barcelona
Telèfon: 93 403 51 75
Fax: 93 402 10 16

Veure Ubicació