Observation Methods: How does blind observation work? (generated by Microsoft Edge)

Blind observation is a method of data collection that aims to reduce or eliminate the influence of human bias on the results of behavioral research. The observer does not know the hypothesis, the experimental conditions, or the expected outcomes of the study. This way, the observer can record the behavior of the subjects without being influenced by their own expectations, preferences, or assumptions.  Blind observation can be applied to different types of behavioral research, such as animal behavior, human behavior, or social behavior. For example, in a study of animal communication, a blind observer might record the vocalizations of different groups of animals without knowing which group is exposed to a certain stimulus or treatment. In a study of human decision making, a blind observer might measure the reaction time and accuracy of participants without knowing which group is given a certain instruction or feedback. In a study of social behavior, a blind observer might rate the attractiveness or trustworthiness of faces without knowing which face belongs to which group or condition. 

Introducción al uso de JASP para realizar un Análisis Factorial Confirmatorio (AFC)

El análisis factorial confirmatorio, como técnica de evaluación de  posibles modelos basados en teorías, es una de las herramientas metodológicas más utilizadas, siendo frecuente su aplicación en las Ciencias del Comportamiento en cuestiones tan variadas como la evaluación psicométrica de instrumentos o la validación de constructos entre otros ejemplos (Joreskog, 1969).

Entre todos los programas que resuelven satisfactoriamente un análisis de este tipo, nos vamos a centrar en la utilización del software JASP (JASP Team, 2020). Describiendo brevemente su uso para esta técnica.

Antes de comenzar con el procedimiento de Análisis Factorial Confirmatorio conviene determinar si nuestras variables se ajustan o no al presupuesto básico de normalidad multivariada  (Mardia, 1970), y para ello ejecutamos el procedimiento SEM del JASP:

...comprobándose que tanto para sesgo como curtosis incumplen claramente uno de los presupuestos básicos para algunos de los modelos que podríamos usar.

Introducción a la regresión cuantílica en SPSS 26

La regresión cuantílica, algoritmo perteneciente a los modelos de pronóstico en Análisis de Datos (Koenker, 2005), intenta estimar la mediana condicional (percentil 50) o bien otros cuantiles  en la variable dependiente (variable criterio), cuando los presupuestos del modelo clásico no son aplicables a los datos (Powell, 1986) como es el caso frecuente de heterocedasticidad. 

Recordando, que  un cuantil de orden τ (0<τ<1), de una distribución, corresponde al valor de la variable que marca un corte de modo que una proporción τ de valores de la población es menor o igual que dicho valor. De esta forma, el cuantil de orden 0,25 deja el 25% de valores por debajo y el cuantil de orden 0,50 se corresponde con la mediana de la distribución y también con la moda y la media en un modelo ajustado perfectamente al patrón de normalidad.

SPSS:Uso de la prueba de Wilcoxon en observación

En esta breve entrada recordaremos una herramienta clásica no paramétrica formulada por Wilcoxon(1945), y repetidamente utilizada en el campo observacional, y que sustituye a una t de Student para medidas repetidas.

No se necesita presuponer una distribución específica de las variables, usando tanto la escala de medida ordinal como métrica (razón o intervalo), aun cuando en la mayoría de los casos se aplica con propiedades en nivel ordinal de la variable dependiente. Se utiliza frecuentemente con situaciones donde la muestra es muy pequeña.

El algoritmo tiene como objetivo comparar dos variables relacionadas, y comprobar si existen o no diferencias apreciables. Es decir, si las discrepancia numéricas se pueden deber al azar o no.

La Ho asume  que las medidas repetidas son iguales, en nuestro ejemplo que usaremos implica asumir que las observaciones son semejantes en el tiempo. Mientras la H₁, es que las medidas repetidas son distintas (observaciones distintas).

SPSS:Uso de la prueba de Friedman en observación

Brevemente recordaremos, que la herramienta mostrada es una prueba no paramétrica formulada por Fiedman(1937), frecuentemente usada en el campo observacional, y que sustituye a un ANOVA simple de medidas repetidas.

Esta técnica no necesita asumir la distribución normal, pero si se deben tener en cuenta los siguientes requisitos: Una muestra medida 3 o más veces, habiendo sido extraída por muestreo probabilístico, y siendo la variable medida en escala ordinal o métrica (intervalo o razón).

La Ho asume  que las medidas repetidas son iguales, en nuestro ejemplo que usaremos implica asumir que las observaciones son semejantes en el tiempo. Mientras la H₁, es que algunas medidas repetidas son distintas (observaciones distintas).

El problema que existía en versiones más antiguas del SPSS, respecto a que no tenía una versión de prueba post-hoc, ya no existe en las versiones mas actuales como el caso del SPSS 25 usado en este trabajo. Y es lo que realmente queremos señalar como mas interesante en esta breve entrada.

SPSS: Z modificada

Las "puntuaciones anómalas" o "extremas" dentro de un proceso de observación,  se suele ligar íntimamente con las técnicas y modelos con los que estamos intentando describir los sucesos relevantes para el campo de investigación correspondiente.

Se suele asociar frecuentemente con aquellos elementos menos comunes, que nunca deben ser rechazados de forma sistemática, sino que deben ser analizados intentando averiguar sus causas así como poder predecirlos en el futuro.

No obstante, siempre deberemos tener en mente, que la valoración de un dato como algo “extremo” es complicado,  ya que su atribución engloba implícitamente categorías asociadas como “excepcional” o “sorprendente”, que no dejan de ser en última instancia elementos subjetivos difícil definir, aún cuando se intenten anclar a procedimientos estadísticos u observaciones rigurosas.

Psicología Económica: Introducción a los gráficos de velas

La Psicología Económica(Behavioral economics) puede entenderse como el estudio de los mecanismos psicológicos que subyacen en el comportamiento económico. El análisis de los procesos a través de los cuales la conducta afecta a la economía, y de cómo la economía afecta a la conducta humana. Es decir, se preocupa del estudio de las variables que inciden en la toma de decisiones económicas individuales/colectivas y las formas como las personas comprenden el mundo de la economía y sus variaciones. Se caracteriza por el desarrollo de trabajos empíricos asociados a la constante interacción de dos procesos: la influencia de los agentes económicos individuales sobre la economía y la influencia de la economía, como un todo, sobre los individuos. Por ejemplo, el efecto de anclaje, que describe la influencia de la información numérica disponible sobre las decisiones humanas (Holst, Hermann & Musshoff, 2015).