Análisis de datos en psicología industrial / organizacional

Variables en la investigación en psicología de E / S

El análisis de datos es una parte integral del proceso de investigación en psicología industrial y organizacional. Hay muchos tipos diferentes de métodos estadísticos que se utilizan en el campo. Tantos, de hecho, que a veces puede resultar un poco abrumador tratar de diferenciarlos.

Sin embargo, una forma en la que podemos diferenciar entre métodos estadísticos es mirando los tipos específicos de variables involucradas en cada método. Para hacer esto, primero necesitamos definir alguna terminología básica cuando se trata de variables.

Una variable predictora es una variable que se utiliza para predecir otra variable en análisis estadísticos. A veces se la denomina variable independiente cuando se manipula en un experimento, en lugar de simplemente medirla. Una variable de resultado , o variable dependiente, es una variable cuyo valor depende de la variable predictora.

Imagínese que una directora comercial, Sheila, les da una encuesta a sus empleados. La encuesta pide a los empleados que califiquen su satisfacción laboral como baja, media o alta. Sheila quiere saber si la satisfacción laboral está relacionada con la edad del empleado. En este ejemplo, la edad del empleado es una variable predictiva y la satisfacción laboral es una variable de resultado. En general, todas las variables se miden en una escala continua o miden características categóricas o discretas. En nuestro ejemplo, la edad es una variable continua y la satisfacción laboral es una variable categórica.

Modelos y variables predictoras observadas

Los métodos estadísticos más utilizados en psicología de E / S involucran variables predictoras observadas o medidas directamente, como la variable de edad en nuestro ejemplo. Echemos un vistazo a algunos de ellos.

El análisis de varianza es un método estadístico que podemos utilizar para analizar la relación entre una variable predictiva categórica y una variable de resultado continua. El análisis de varianza proporciona una prueba estadística de si las medias de una variable de resultado continua son iguales en diferentes grupos o categorías.

Podemos utilizar la regresión múltiple para analizar la relación entre dos o más variables predictoras y una variable de resultado continua. A diferencia del análisis de varianza, la regresión múltiple se puede utilizar con variables predictoras continuas o categóricas.

La regresión logística es otro tipo de modelo de regresión que podemos usar cuando nuestra variable de resultado es categórica. La regresión logística utiliza una o más variables predictoras, que pueden ser continuas o categóricas.

Modelos y variables predictoras no observadas

A veces queremos saber sobre variables que no podemos ver o medir directamente. Por ejemplo, imagine que nuestra gerente comercial, Sheila, quiere comprender si la satisfacción laboral de sus empleados está relacionada con su compromiso con la organización. El compromiso organizacional es un concepto algo abstracto que tiene varias dimensiones diferentes, lo que hace que sea difícil de medir directamente.

En estadística, las variables latentes son variables que se miden indirectamente utilizando otras variables observadas. Las variables latentes se pueden inferir mediante modelos estadísticos avanzados. El análisis factorial es un método estadístico que nos ayuda a encontrar constructos subyacentes (latentes) que describen la variabilidad entre las variables correlacionadas observadas.

Entonces, suponga que Sheila incluye un conjunto de cinco preguntas diferentes en su encuesta que se refieren a diferentes dimensiones del compromiso organizacional. Luego, podría usar el análisis factorial para ver si la variabilidad en las respuestas de los empleados a esas cinco preguntas puede describirse mediante un factor subyacente.

En estadística, también tenemos el modelado de ecuaciones estructurales , que es un método estadístico avanzado que está estrechamente relacionado con el análisis factorial. Podemos utilizar el modelado de ecuaciones estructurales para examinar las relaciones entre dos o más variables latentes.

Modelos y variables predictoras multinivel

Los datos en psicología industrial y organizacional se organizan comúnmente en múltiples niveles jerárquicos. Por ejemplo, supongamos que Sheila es gerente regional de su empresa y supervisa a los empleados que trabajan en varias oficinas diferentes. Si encuesta a todos sus empleados, sus datos se organizarían intrínsecamente en dos niveles jerárquicos: el nivel de empleado y el nivel de oficina.

Ahora Sheila quiere saber si los empleados que trabajan en oficinas abiertas los sábados tienen menor satisfacción laboral que los empleados que trabajan en oficinas cerradas los sábados. Si una oficina está abierta los sábados o no es una variable a nivel de oficina, no a nivel de empleado. Entonces, Sheila necesita usar un método estadístico que tenga en cuenta esto.

El modelado lineal jerárquico es uno de esos modelos. El modelado lineal jerárquico es una forma avanzada de regresión que podemos usar cuando los datos están organizados en más de un nivel. El modelado lineal jerárquico nos permite modelar variables predictoras en múltiples niveles.

Resumen de la lección

Hemos cubierto bastantes métodos estadísticos diferentes en esta lección. Entonces, repasemos cómo se usan cada uno de ellos:

• El análisis de varianza analiza la relación entre una variable predictiva categórica y una variable de resultado continua.
• La regresión múltiple analiza la relación entre dos o más variables predictoras continuas o categóricas y una variable de resultado continua.
• La regresión logística analiza la relación entre una o más variables predictoras categóricas o continuas y una variable de resultado categórica.
• El análisis factorial examina variables no observadas (o latentes) entre las variables correlacionadas observadas.
• El modelado de ecuaciones estructurales examina las relaciones entre dos o más variables latentes.
• El modelado lineal jerárquico es una forma avanzada de regresión que modela variables predictoras en múltiples niveles.

Continúa con:

1. Psicología

   Técnicas de terapia familiar cognitivo-conductual

   ¿Qué es la terapia cognitivo-conductual? La familia Jones visita al Dr. Ross para terapia familiar....

2. Psicología

   ¿Qué es una Discapacidad Psicológica? Definición, leyes y ejemplos

   Imagina intentar concentrarte en un examen mientras 50 pestañas de un navegador se abren solas...

3. Psicología

   Especialidades de la psicología: definiciones y características

   Especialidades de Psicología Profesional ¿Qué te viene a la mente cuando imaginas a un psicólogo...

4. Historia Mundial

   Desarrollo industrial y agrícola de Rusia (1860-1905)

   Rusia en 1860 Con poco más de 6.600 millones de millas cuadradas y abarcando los...