Análisis Multivariante en Psicología: Conceptos y Aplicaciones

¿Cuál es la principal diferencia entre un método científico y el método utilizado en ciencias sociales?. La ciencia social no utiliza la estadística. La ciencia social se basa más en la especulación. La ciencia social debe desligarse de lo meramente especulativo y transformar hipótesis en verdades probables mediante la estadística. No existe diferencia alguna.

¿Qué características fundamentales definen al método científico?. Carácter empírico y carácter teórico. Carácter empírico y carácter replicable. Carácter teórico y carácter replicable. Carácter subjetivo y carácter empírico.

¿Cuál de los siguientes supuestos del método científico es más difícil de asumir en las ciencias sociales y por qué?. La naturaleza es comprensible, debido a la complejidad de los fenómenos. La naturaleza tiene una causalidad finita, por la dificultad de aislar variables. La naturaleza es universal/uniforme, debido a la variabilidad intrínseca del comportamiento humano. La naturaleza es objetiva, debido a la dificultad de eliminar sesgos.

Según el Principio de Parsimonia, ¿qué tipo de explicación se debe elegir para dar cuenta de un problema?. La más compleja y detallada. La que involucre la mayor cantidad de variables. La más simple y que requiera menos variables. La que esté respaldada por la mayor cantidad de estudios previos.

¿Qué pilares metodológicos sustentan el proceso general de una investigación empírica?. El problema, la hipótesis y la metodología. El diseño, la medida y el análisis. La introducción, el desarrollo y la conclusión. La teoría, la práctica y la evaluación.

¿Qué se entiende por Validez Interna en un diseño de investigación?. La capacidad de generalizar los resultados a otros contextos. La capacidad de controlar el efecto de terceras variables que puedan ser causas alternativas. La posibilidad de replicar el estudio en diferentes momentos temporales. La fiabilidad de los instrumentos de medida utilizados.

¿Qué se entiende por Validez Externa en un diseño de investigación?. La capacidad de generalizar los resultados a otros participantes, contextos y momentos. La capacidad de asegurar que los resultados no se deben a variables extrañas. La fiabilidad de los instrumentos de medida utilizados. La aplicabilidad práctica de los hallazgos de la investigación.

¿Qué tipo de estudios priman la Validez Interna?. Los descriptivos. Los correlacionales. Los manipulativos o experimentales. Los observacionales.

¿Qué tipo de estudios priman la Validez Externa?. Los experimentales. Los manipulativos. Los descriptivos o correlacionales. Los de caso único.

¿Qué es la fiabilidad de una medida?. Que la medida sea sensible a pequeños cambios. Que la medida sea consistente y produzca resultados similares en mediciones repetidas. Que la medida mida realmente el constructo que pretende medir. Que la medida sea fácil de administrar.

¿Qué es la validez de constructo?. La capacidad de generalizar los resultados. La consistencia de la medida. La capacidad de definir y operacionalizar apropiadamente un constructo o variable. La ausencia de variables extrañas.

¿En qué consiste la Validez de Conclusión Estadística?. En la generalización de los resultados a la población. En la fiabilidad de los instrumentos de medida. En la exactitud de la estimación de parámetros y la prueba de hipótesis. En el control de variables extrañas.

¿Por qué es importante el análisis multivariante en psicología?. Para simplificar los fenómenos complejos y explicar el comportamiento humano. Para reducir el número de variables a estudiar. Para aumentar la complejidad de los modelos estadísticos. Para realizar análisis bivariantes.

¿Qué tipo de modelos son los que más interesan en el contexto de la explicación del comportamiento humano?. Modelos icónicos. Modelos analógicos. Modelos teóricos (matemáticos). Modelos informáticos.

En un modelo estadístico simple como Y = S + A, ¿qué representa 'S'?. La parte aleatoria o error. La variable dependiente. La parte sistemática o explicada. La variable independiente.

En el modelo lineal general Y = β₀ + β₁X₁ + β₂X₂ + ... + βnXn + E, ¿qué representa 'E'?. La variable dependiente. Un coeficiente de regresión. La parte sistemática. El término de error o parte aleatoria.

¿Cuál es el objetivo principal de la formulación de hipótesis en una investigación?. Describir las variables del estudio. Proponer explicaciones tentativas al problema de investigación. Recoger datos de forma sistemática. Analizar los resultados estadísticos.

¿Qué estrategia de investigación se enfoca en analizar la relación causal entre variables?. Estrategia Descriptiva. Estrategia Asociativa o Correlacional. Estrategia Manipulativa (Experimental). Estrategia Observacional.

¿Qué tipo de diseño de investigación se caracteriza por la manipulación de una variable pero sin asignación aleatoria de los participantes a los grupos?. Experimental. Cuasiexperimental. Descriptivo. Correlacional.

¿Qué estrategia de investigación explora la relación funcional existente entre variables sin manipularlas directamente?. Estrategia Manipulativa. Estrategia Descriptiva. Estrategia Asociativa o Correlacional. Estrategia de Caso Único.

En el diseño de un cuestionario, ¿qué tipos de preguntas se pueden utilizar?. Solo preguntas abiertas. Solo preguntas cerradas. Preguntas abiertas, cerradas, múltiples, etc. Solo preguntas dicotómicas.

¿Qué objetivo se busca al realizar un pre-test de un cuestionario?. Aumentar el tamaño de la muestra. Comprobar la adecuación del cuestionario a los objetivos, el orden lógico y el lenguaje. Garantizar la anonimidad de los participantes. Reducir el número de preguntas.

¿Cuál es el propósito del análisis de datos o uso de la estadística en el análisis multivariante?. Describir la realidad sin buscar relaciones entre variables. Analizar conjuntamente más de dos variables. Realizar únicamente análisis univariantes. Obtener datos brutos sin procesar.

¿Qué nivel de análisis estadístico se enfoca en resumir e ilustrar la información contenida en una matriz de datos?. Nivel 1: Descriptivo-Univariado. Nivel 2: Inferencial-Bivariado. Nivel 3: Modelización-Multivariante. Nivel 4: Exploratorio.

¿Qué nivel de análisis estadístico se utiliza para estimar parámetros, contrastar hipótesis y comparar grupos o analizar relaciones entre pares de variables?. Nivel 1: Descriptivo-Univariado. Nivel 2: Inferencial-Bivariado. Nivel 3: Modelización-Multivariante. Nivel 4: Exploratorio.

¿Qué nivel de análisis estadístico se enfoca en elaborar modelos, ecuaciones o funciones para explicar variables a partir de otras?. Nivel 1: Descriptivo-Univariado. Nivel 2: Inferencial-Bivariado. Nivel 3: Modelización-Multivariante. Nivel 4: Exploratorio.

¿Qué es una variable según Stevens?. Una característica que solo puede adoptar un valor. Una característica de un objeto o sujeto que puede adoptar distintos valores o nombres. Un valor numérico fijo. Un dato que no puede ser medido.

Las variables NOMINALES, según su nivel de medida, ¿qué tipo de información proporcionan?. Orden y cantidad. Cantidad y origen absoluto. Categorías y cualidad. Orden y unidad de medida.

Las variables de INTERVALO, además de unidad de medida, ¿qué característica importante tienen?. Un cero absoluto. Ausencia de variable. Un origen arbitrario en el cero. Solo expresan cualidad.

Las variables de RAZÓN se diferencian de las de INTERVALO principalmente por: Tener una unidad de medida. Tener un origen arbitrario. Tener un cero absoluto. Ser siempre cualitativas.

En la investigación, ¿cuál es el papel de las variables INDEPENDIENTES?. Son el criterio a predecir. Son los predictores. Son el resultado del estudio. Son variables de control.

Las variables CUALITATIVAS se caracterizan por: Expresar cantidad. Tener una escala de medida numérica. Expresar cualidad y no tener una escala de medida numérica. Ser siempre dicotómicas.

¿Qué tipo de variables CUALITATIVAS adoptan solo dos categorías?. Politómicas. Dicotómicas. Cuasicuantitativas. Cuantitativas.

Las variables CUASICUANTITATIVAS (ordinales) se caracterizan por: Expresar cantidad exacta. Permitir solo dos categorías. Expresar un orden o grado de igualdad-desigualdad. No tener ninguna escala de medida.

¿Cuál es la principal característica de las variables CUANTITATIVAS DISCRETAS?. Permiten infinitos valores intermedios entre dos valores adyacentes. No pueden haber valores intermedios entre dos valores adyacentes. Expresan cualidad. Solo admiten dos valores posibles.

¿Qué son las matrices en el contexto de la investigación?. Conjuntos de variables cualitativas. Conjuntos de n° reales ordenados en filas y columnas, agrupando datos. Representaciones gráficas de los datos. Conjuntos de hipótesis.

¿Cuál es el principal objetivo del Análisis Multivariante?. Describir variables de forma aislada. Establecer relaciones entre múltiples variables para hacer comprensible la realidad. Realizar análisis bivariantes únicamente. Reducir la cantidad de datos a analizar.

Según Sheth, ¿qué son los métodos estadísticos que se preocupan por el análisis de múltiples medidas hechas sobre un cierto número de objetos?. Análisis Univariante. Análisis Bivariante. Análisis Multivariante. Análisis Descriptivo.

¿Cuál de las siguientes es una razón para la expansión del análisis multivariante?. La simplificación de los fenómenos estudiados. El desarrollo de la informática y los ordenadores. La disminución de la complejidad de los problemas de investigación. La necesidad de realizar únicamente análisis bivariantes.

Las técnicas multivariantes CLASIFICADAS COMO DESCRIPTIVAS tienen como objetivo: Explicar la realidad a partir de hipótesis previas. Predecir el valor de una variable dependiente. Describir y explorar la realidad sin hipótesis previas. Establecer relaciones causales entre variables.

Las técnicas multivariantes CLASIFICADAS COMO EXPLICATIVAS O PREDICTIVAS tienen como objetivo: Describir la realidad sin hipótesis previas. Explorar la interdependencia entre variables. Explicar la realidad partiendo de hipótesis extraídas de un marco teórico. Reducir el número de variables sin un objetivo teórico.

¿Qué criterio se utiliza en la clasificación de las técnicas multivariantes según SHETH?. La escala de medida de las variables. El objetivo de la investigación (descriptivas vs. explicativas). La existencia o ausencia de variables dependientes e independientes. El número de variables incluidas.

Las técnicas de DEPENDENCIA se utilizan cuando: Unas variables no dependen de otras. Se busca describir la realidad sin hipótesis específicas. Unas variables dependen de otras y se busca validar hipótesis empíricamente. Se analizan variables cualitativas.

Las técnicas de INTERDEPENDENCIA se utilizan cuando: Se busca explicar la relación entre una VD y varias VI. Unas variables dependen de otras. Unas variables no dependen de otras y se busca describir la realidad o reducir datos. Se utilizan variables cualitativas.

¿Cuál es un peligro del análisis multivariante?. Fácil interpretación y difícil estimación. Incluir pocas variables para explicar el fenómeno. Fácil estimación y difícil interpretación. No requerir un tamaño muestral elevado.

¿Cuál es un problema del análisis multivariante?. Incumplimiento de supuestos, pero no requiere tamaño muestral elevado. Casos anómalos que no se pueden tratar. Requerir un tamaño muestral elevado y posible incumplimiento de supuestos. Facilidad para cumplir supuestos.

¿Cuál es el objetivo principal de la Regresión Lineal Múltiple?. Explicar la mayor cantidad de variabilidad de la VD recurriendo al mayor número posible de VI. Explicar la mayor cantidad de variabilidad de la VD recurriendo al menor número posible de VI. Establecer relaciones causales entre variables. Realizar análisis únicamente bivariantes.

En el análisis de regresión, ¿qué indica el coeficiente de determinación (R²)?. La dirección de la relación entre variables. La fuerza de la asociación entre variables (0 a 1). La significación estadística de cada predictor. La pendiente de la recta de regresión.

¿Qué problema se intenta evitar en la Regresión Múltiple mediante la selección adecuada de variables?. La multicolinealidad. La falta de significación estadística. La no linealidad. La heterocedasticidad.

¿Qué método se utiliza comúnmente para estimar los coeficientes en la Regresión Lineal Simple y Múltiple?. Método de Máxima Verosimilitud. Método de Mínimos Cuadrados. Método de Análisis Factorial. Método de Muestreo Aleatorio Simple.

¿Qué indica un coeficiente 'b' positivo en una regresión lineal?. Que la variable independiente explica negativamente la dependiente. Que un incremento en la VI implica un incremento en la VD. Que la VI no tiene influencia sobre la VD. Que la relación entre variables es nula.

¿Qué indica un coeficiente 'b' negativo en una regresión lineal?. Que la variable independiente explica positivamente la dependiente. Que un incremento en la VI implica una disminución en la VD. Que la relación entre variables es nula. Que la VI es irrelevante.

¿Por qué es necesario normalizar los coeficientes (Nbp) en la Regresión Múltiple?. Para poder comparar la significación estadística de las variables. Para poder comparar la influencia de variables medidas en diferentes escalas. Para reducir el número de variables en el modelo. Para aumentar el valor del coeficiente de determinación (R²).

¿Cuál es el objetivo de la Regresión Logística?. Predecir el valor exacto de una variable dependiente cuantitativa. Estimar la probabilidad de que un paciente desarrolle una patología. Analizar la relación lineal entre variables. Establecer relaciones causales directas.

En Regresión Logística, ¿qué tipo de variable dependiente se utiliza?. Variable cuantitativa continua. Variable cuantitativa discreta. Variable cualitativa dicotómica o politómica. Variable nominal.

¿Qué representa el ODD (Odds) en Regresión Logística?. La probabilidad de que el evento ocurra. La probabilidad de que el evento no ocurra. El cociente entre la probabilidad de ocurrencia y no ocurrencia del evento. La suma de las probabilidades.

¿Qué indica el Odds Ratio (OR) en Regresión Logística?. La probabilidad de que un evento ocurra. El cambio en la probabilidad del evento por cada unidad de la VI. El cociente entre la probabilidad de que un evento ocurra bajo una circunstancia y otra. El nivel de significación estadística.

¿Cuál es un supuesto fundamental del Análisis de Supervivencia?. La ausencia de datos censurados. La necesidad de una muestra muy grande. La censura debe tener un carácter aleatorio. Las variables explicativas deben ser métricas.

¿Qué es un dato 'censurado' en el Análisis de Supervivencia?. Un dato que indica que el evento de interés ha ocurrido. Un dato que no indica si el evento de interés ha ocurrido o no, o se conoce el tiempo hasta un punto determinado. Un dato que es erróneo y debe ser eliminado. Un dato que indica la ausencia total de seguimiento.

¿Qué método se utiliza comúnmente para elaborar tablas y curvas de supervivencia?. Método de Mínimos Cuadrados. Método de Kaplan-Meier. Análisis de Componentes Principales. Regresión Lineal.

¿Qué informa la inclinación de una curva de supervivencia?. El número total de sujetos en el estudio. La aceleración del tiempo con relación a la probabilidad de supervivencia, indicando la severidad de una condición. La media de los tiempos de supervivencia. La diferencia entre hombres y mujeres.

¿Cuál es el objetivo principal del Análisis Conjunto?. Predecir el comportamiento de un solo atributo. Modelizar las preferencias de los individuos basándose en la importancia de los atributos de un objeto. Analizar datos univariantes. Establecer relaciones causales directas.

En el Análisis Conjunto, ¿qué representa la 'utilidad parcial' de un atributo?. La importancia total del atributo. El valor que un nivel específico de un atributo aporta o resta a la preferencia global. La suma de todas las utilidades parciales. La preferencia del sujeto por el objeto completo.

¿Qué tipo de modelos se utilizan en el Análisis Conjunto para explicar las preferencias?. Modelos Compensatorios. Modelos Descomposicionales. Modelos Jerárquicos. Modelos Predictivos.

¿Qué indica el 'rango' de un atributo en el Análisis Conjunto?. La suma de todas las utilidades parciales. La diferencia entre la utilidad más alta y la más baja de los niveles de un atributo. La probabilidad de elección del atributo. La importancia total del objeto.

¿Qué método se utiliza comúnmente para la estimación en el Análisis Conjunto?. Método de Máxima Verosimilitud. Método de Mínimos Cuadrados Ordinarios (OLS). Análisis de Componentes Principales. Regresión Logística.

¿Qué se busca al evaluar el ajuste en el Análisis Conjunto mediante la Correlación de Kendall?. Una correlación alta y positiva. Una correlación alta y negativa. Una correlación cercana a cero. Una correlación inexistente.

¿Qué técnica se utiliza para pasar de las utilidades a una probabilidad de elección en el Análisis Conjunto?. Método de Mínimos Cuadrados. Índice BLT (Bradley-Terry-Luce). Análisis Factorial. Regresión Lineal Múltiple.