Y bien, ya está grabando. Bueno, buenas tardes. Hoy ya entramos en
materia a saco. Este tema es importantísimo, importantísimo, porque van a
exponer, vamos a exponer, métodos de investigación, digamos, estrategias
de investigación que luego vais a estar utilizando continuamente en el
resto de temas. Entonces, es muy importante que entendáis bien los
distintos métodos que aparecen y lo repetiremos tantas veces como haga
falta. Mi experiencia es que el año pasado, en esta asignatura, las
personas que tenían alguna dificultad con la estadística o con los
diseños experimentales o cosas así, pues tenían algún problema para
seguirlo, ¿de acuerdo? Al principio. Pero bueno, aprobaron, o sea, qué
tranquilidad, ¿vale? Lo repetiremos. Y lo repetiremos este tema o
ejercicio de este tipo todas las veces que haga falta, ¿vale? Entonces,
sobre todo, cualquier duda de todo lo que diga, de todo lo que veáis en el
libro, de lo que estudiéis, de los ejercicios que hagáis, por favor, no
os atasquéis en ello. O sea, no lo odiéis, no lo dejéis pasar, porque es
que luego lo vais a arrastrar el resto del temario, ¿vale? Porque el resto
de los temas ya van sobre la motivación, los factores culturales, lo que
sea. Entonces, tenemos que tener muy claro cuál es la metodología de los
experimentos que se utilizan en los experimentos de psicología de la
personalidad. Y eso nos lo va a explicar este tema, ¿vale? Entonces, por
lo tanto, insisto, de verdad, no os dé vergüenza, Cristina, que aún no
lo he entendido, lo repetimos. Cristina que aún no, pero entonces el año
pasado tenía una alumna que la pobre ya le daba hasta vergüenza. Por
favor, no, venga, que aprobó, que estaba a punto de tirar una caballa. O
sea que sobre todo, sobre todo, este tema es capital, ¿vale? Por eso,
porque os va a permitir luego entender el resto de los experimentos sobre
los otros capítulos, ¿vale? Bueno, entonces, ¿de qué va el tema? Pues
el tema va de qué diseños de investigación se utilizan en el estudio de
psicología de la personalidad, cuáles son los procedimientos de medida y
evaluación en los estudios de personalidad y qué análisis de datos se
aplican, ¿vale? Bueno, insisto, tanto el diseño como la parte
estadística, lo que no entendáis, por favor, aquí mismo ya, los que
estáis aquí o al otro lado del ordenador, Cristina, no lo ha entendido,
¿vale? Y lo repetimos, para que todos lo entendamos, ¿vale? Bueno. Bueno,
la primera parte, la voy a hacer un poco así más rápida, porque como eso
no tiene un misterio para entender. Si utilizo algún término que no
sabéis exactamente qué es, si no sabéis qué es una NOVA, o qué es una
regresión múltiple, o qué es un estudio transversal, o qué es un
estudio longitudinal, por favor, ya, ¿vale? No vamos a ir acumulando
lagunas, ¿vale? Bueno, entonces, en una revisión, pues eso de 1035
artículos, sobre estudios de psicología de la personalidad, encontraron
que el 97% eran estudios transversales y el 3% longitudinales. ¿Todo el
mundo sabe qué es transversal y qué es longitudinal? Sí, a ver, ¿qué
es transversal? Efectivamente. En un momento temporal, a través de
varias... varias fuentes que pueden ser de distinta edad, por lo que sea y
longitudinales seguirlos a lo largo del tiempo claro, ¿por qué hay menos
longitudinales? porque son muy caros son muy caros, muy costosos con mucha
mortanda experimentada, hay que seguir a la gente muchos años y claro, eso
hace falta pasta bueno en primer lugar también estudios de campo y en
segundo lugar de laboratorio respecto a los registros a cómo medían las
variables el 88% mediante cuestionarios esto más rápido, sencillo,
económico natural el 32% a través de pruebas de rendimiento el 11,5%
registros fisiológicos y el 3% registros diarios o sea, lo que
llamaríamos agendas y respecto a la parte estadística, digamos el 75%
eran estudios de correlación el 45% cocinanovas, el 58% factoriales y casi
otro tanto el 16% regresiones múltiples bueno, en fin otras revisiones, no
me voy a entretener mucho en esto, ya lo leéis es muy sencillo hay algunas
revistas que algún día iremos viendo alguna pero yo recomiendo que os
metáis en Journal of Personality por ejemplo, estas revistas aunque son
todas de pago los números más atrasados muchas veces están ya
disponibles online lo que no puedes ver es el último número y el
anterior, a lo mejor este año y el del pasado pues no, pero igual ya de
años anteriores ya están abiertos en fin, bueno pues entonces allí lo
que se constata es que los estudios experimentales iban disminuyendo
aumentaban los transversales Disminuían los ANOVAs y las pruebas C, o sea,
disminuían los que estaban basados estadísticamente en la comparación de
medias y aumentaban los que estaban basados en la correlación en sus
distintas presentaciones. Desde la correlación simple de Pearson hasta
análisis estadísticos de regresión, factoriales que también están
basados en la regresión. Y los autoinfondes eran las variables
dependientes más utilizadas. Bueno, en fin, ya lo iréis leyendo porque
eso me tiene mucho misterio. Entonces, resumiendo, los más usados son los
transversales y dentro de ellos estudios de campo y laboratorios en menor
medida. Estadísticos fundamentalmente los de... Basados en los
coeficientes de correlación, en sus distintas presentaciones, factoriales,
correlación, regresión. Y en menor medida los contrastes de medias, que
ahí estaríamos ANOVA y las pruebas T de Steven, todo esto. Y luego, como
herramienta, digamos, los cuestionarios y autoinfondes. Luego, claro, esto
también tiene mucho que ver con los múltiples editoriales, ¿no?
Entonces, bueno, o sea, lo leeréis. Bueno, al final, gran variedad de...
Diseños, últimamente están muy de modas, no solo en psicología de la
personalidad, sino en todo el campo de la psicología y en más
disciplinas, no solo en la psicología. Los diseños de... Los análisis de
ecuación estructural, que luego veremos qué son, que son complejos, pero
implican una cierta... Implican causalidad, ¿no? Y se pueden hacer
inferencias respecto a la causalidad. Y luego se ha ido incrementando poco
a poco el uso de otras fuentes de registro. Como registros de conducta o de
experiencia, sobre todo a medida que se han ido... Generalizando y
abaratando también y haciendo más cómodos, más portátiles, digamos,
más transportables el uso de dispositivos informáticos. Bueno, diseños
de investigación. Dentro del ámbito tendríamos la estrategia clínica,
la estrategia correlacional y la experimental, esas tres. ¿De acuerdo? En
la estrategia clínica se estudia a la persona en su totalidad, eso ya lo
conocemos, con método ideográfico, pero es difícil hacer
generalizaciones a otros sujetos. Cuando utilizamos estudios con estrategia
correlacional lo que hacemos es estudiar las relaciones entre variables,
una, dos o veinticinco, las que sean, ya veremos. Las relaciones entre
variables sin manipular las variables, simplemente las medimos. A la vez.
¿Vale? Entonces, por ejemplo, ahí tendremos estudios que nos darán
resultados factoriales, de regresión, etcétera. Claro, la ventaja que
tienen los estudios correlacionales es que se aplican en el entorno
natural, digamos, y por lo tanto modifican la realidad, lo que es el trate.
Y luego se puede estudiar un montón de variables a la vez. Se estudian las
correlaciones entre ellas. La limitación que tienen, salvo algo. Por
alguna condición, ya veremos más adelante, pero en general la
correlación no implica causación. ¿De acuerdo? No implica causalidad.
Tú puedes saber que dos cosas van juntas, pero no quiere decir que una sea
causa de la otra. A lo mejor las dos dependen de una tercera. ¿De acuerdo?
Y por eso evolucionan juntas. Bueno, y luego en la estrategia experimental,
ahí sí que ya hay una manipulación de la variable independiente para ver
qué efecto produce. Sobre otra variable que es a la que vamos a llamar
dependiente. ¿De acuerdo? Y normalmente ahí los análisis son ANOVAS o
pruebas CT. Las variables de personalidad, lo que puede hacer es que se
seleccionan, pero claro, yo no puedo modificar tu personalidad
experimentalmente, no te puedo cambiar la personalidad, pero sí que puedo
seleccionar personas que tengan en un determinado rasgo, por ejemplo, ¿de
acuerdo? ¿De acuerdo? Puntuaciones muy bajas en ese rasgo o puntuaciones
muy altas. Sería una manipulación por selección, ¿no? ¿Se entiende?
Entonces a eso los llamaremos diseños experimentales de personalidad,
¿vale? Bueno, si manipulamos, a veces sí que podemos manipular la
variable personal experimentalmente, o sea, podemos tratar, por ejemplo, de
inducir una expectativa... Bueno, por seguir el ejemplo, una expectativa de
autoeficacia, ¿de acuerdo? Por ejemplo, imagínate que... Imaginaros que,
yo qué sé, que os pongo un vídeo en el que os veis, no sé, haciendo una
taquea muy positivamente o veis un vídeo que provoca un efecto que es
aumentaros la sensación de autoeficacia, ¿no? La percepción de
autoeficacia, ¿vale? Entonces ahí sí que estaría... Estaría
manipulando esto fundamentalmente, esa variable, ¿vale? Podría ser, por
ejemplo, modificar también, pues, qué sé yo, la sensación de bienestar
subjetivo, que eso también es un capítulo que veremos hacia el final,
¿no? Una variable que es que... que veremos hacia el final. ¿Cómo? Pues,
qué sé yo, como que tengo una película de humor, ¿no? Frente a intentar
manipular... Ese estado de bienestar, poniéndote una película que a
través de la tristísima venga a llorar, donde el grado de bienestar puede
ser menor. O sea que se puede manipular a veces algunas variables
personales. Entonces, dependiendo de cómo hagamos la distribución y la
selección de los sujetos en cada una de las condiciones, el diseño será
entre sujetos o intrasujetos. En el texto lo tenéis explicado, pero yo
creo que aquí con este gráfico se ve bastante bien. En los dos casos
tenemos, vamos a suponer, 100 sujetos. ¿De acuerdo? En el cuadradito de la
izquierda, donde pone 25 sujetos en cada casilla, que es el diseño entre
sujetos, esos 100 sujetos son distribuidos al azar, equitativamente, al
azar, pero 25 a cada condición, en un diseño que es factorial 2x2. Se ve.
Una de las variables es el grado de dificultad de la tarea con dos niveles,
fácil o difícil, y la otra variable es el nivel de ansiedad con dos
niveles también, alto o bajo. ¿De acuerdo? Un 2x2. Y a los 100 sujetos
repartimos aleatoriamente porque es espectacular. Experimental,
aleatoriamente, 25 sujetos a cada uno. ¿Vale? Pero en el diseño
intrasujeto, esos 100 sujetos, yo he seleccionado a 50 que puntuaban
previamente como alta ansiedad, ¿de acuerdo?, y a 50 que puntuaban como de
baja ansiedad. Y cada uno de esos 50 pasan por las dos condiciones
experimentales. Que son tarea fácil y tarea difícil. ¿Se entiende la
diferencia? Yo creo que con este... Colocándolo así se ve muy bien y
podéis memorizarlo con más facilidad, porque estas cosas hay que
memorizarlas y tenerlas claras para cuando llegas al ejercicio poderlo
tener claro. Bueno, entonces, en la estrategia correlacional se puede
hablar de asociación, en principio no se habla de causación salvo que se
utilicen diseños experimentales, por ejemplo, experimentales de
selección. O sea, por ejemplo, selecciono sujetos que dan alto y bajo en
extraversión y les indico a través de una película o de una música o,
no sé, como quinta el color de la habitación. Bueno, a las luces de la
habitación, como se les ocurra, les induzco un estado afectivo positivo o
negativo, en este caso es mediante una película, y podemos ver si el mayor
afecto que generalmente expresan los positivos se da en las dos
condiciones, es decir, tanto de afecto positivo como de negativo o
solamente en las de afecto positivo. ¿De acuerdo? Bueno, entonces, esto
que sería, digamos, la basura. Luego se puede hacer muy complejo
combinando diseños correlacionales complejos, por ejemplo, que son los que
luego van a exigir análisis estadísticos también más complejos, como
son los factoriales, regresión múltiple, ecuaciones estructurales, con
diseños experimentales o combinados con estudios de cambio. ¿De acuerdo?
Hemos mencionado ya alguna ventaja y alguna dificultad de los transversales
y de los longitudinales. Claro, el costo. El mayor coste, digamos, del
mayor coste de los longitudinales viene compensado, digamos, porque te
permite... y comprobar, digamos, la dinámica de muchas variables a lo
largo del tiempo, ¿de acuerdo? Porque claro, cuando tú haces un diseño
transversal no tienes garantía, digamos, de que las diferencias entre las
distintas cortes o los distintos estratos que has seleccionado sean
exactamente homogéneos en otras variables, ¿no? Que a lo mejor van a
poder tener algún efecto. Bueno. Luego esto también, tema de examen,
¿vale? La diferencia entre estudios ideográficos y nomotéticos. Los
ideográficos que se basan, que pretenden fundamentalmente identificar
perfiles o patrones individuales a lo largo del tiempo en situaciones
distintas, pero individuales, normalmente se fundamentan en muestreo de
experiencias, experiencias en un sentido extenso, ¿no? Incluyendo
emociones, sentimientos, convicciones, conductas, de todo, en muchas
situaciones. En muchas situaciones naturales repetidas y en tiempo real, lo
de la falacia lo comentamos ahora. Las medidas repetidas en situaciones
naturales aumentan la fiabilidad y ahora son más fáciles, digamos, con
los registros, con los dispositivos electrónicos, ¿no? Pues puedes tener,
pues yo que sé, un aparatito tipo móvil o tipo reloj, ¿no? Que va
grabando determinadas cosas o que cada... Cada hora es una ola alarma para
que contestes, pues, ahora cómo me siento de esta o la mía, por ejemplo,
¿no? O lo que sea, porque pues es la variable que estábamos midiendo.
Bueno, frente a eso, los nomotéticos pretenden identificar dimensiones de
personalidad que sean cuantificables y que permitan las comparaciones entre
sujetos. De acuerdo, por lo tanto permiten, lo que pretenden es identificar
patrones globales de conducta y por lo tanto las medidas y los resultados
no se refieren a un sujeto sino que se refieren a un grupo, al grupo sobre
el que se ha estudiado. La información individual no existe. Entonces ahí
se da lo que se llama la falacia nomotética. Claro, te dan el resultado,
el resultado normalmente te lo dan en promedio. En vez de personalidad
imaginaos la altura. Pues aquí podríamos estar en estos momentos personas
así pequeñitas como yo, de 1,58 y encogiendo con los años. Y pues una
persona de 1,80 y otra de 1,90 y vosotras que sois más o menos. Y... Y al
final tendríamos un promedio, ¿no? Que a lo mejor era 1,70. Pues los
alumnos de la que van al aula en Tudela pues miden de promedio 1,70. Pero
resulta que de 1,70 no hay nadie. Yo mido menos y los otros miden más. De
1,70 no existe, no estaba ese día ahí, no existía. ¿Vale? Es decir, ese
valor promedio es una falacia porque no era un caso real, no era un sujeto
real, no era una persona real. A eso es a lo que se le llama la falacia
nomotética. Lo mismo, entonces imaginaos, lo mismo que hemos dicho de las
alturas respecto a factores de personalidad. ¿Vale? Y decir, bueno, vamos
a medir los niveles de extraversión en los adolescentes de primero de
bachillerato, por ejemplo. Y cogemos unos adolescentes de un colegio o de
20 colegios, me da igual, les pasamos un cuestionario y nos da cuatitantos
de extraversión. ¿Vale? Y decimos el nivel medio de los... De
extraversión de los adolescentes es, pues qué sé yo, vamos a ir en
puntuaciones T y vamos a poner 70. La puntuación este, ¿vale? Para que
todos sepamos más o menos en la curva normal dónde estarían los
desviaciones a la derecha, ¿vale? En una media. Pero resulta que no hay
ninguno que esté justo en esa puntuación, ¿de acuerdo? Eso es la falacia
nomotética, ¿se entiende? Bueno, de todas maneras, ambas aproximaciones
tienen pros y contras y ambas son necesarias y de hecho también se pueden
combinar. En la aproximación idiotética se parte de métodos
ideográficos pero después se identifican principios nomotéticos. Es
decir, primero se van tomando medidas de carácter individual pero después
se analizan también no sólo individualmente sino conjuntamente. Por
ejemplo, a través de los modelos lineales mixtos donde se pueden hacer
muchas observaciones por sujeto y pocos participantes. Por ejemplo, entre
20 y 50, ¿vale? Por ejemplo, que podrían ser más. Pero, ¿entendéis,
no? Por un lado hay una aproximación individual, o sea, mediciones
individuales seguidas del mismo sujeto pero no sólo con sujetos sino con
muchos sujetos o unos cuantos sujetos, ¿vale? Otro planteamiento también,
por ejemplo, que hace esta aproximación entre estas indiosis, ¿no? Entre
lo ideográfico y lo nomotético sería el sistema... ... que está basado
en los procesos que subyacen a las respuestas de conducta que damos cuando,
o sea, a las respuestas de conducta ante situaciones específicas. Por
ejemplo, si alguien no... Si... Eso tiene esta forma, si lo que sea,
entonces yo tal cosa. Si alguien no me saluda en el ascensor, pues entonces
yo al otro día tampoco le digo nada. Por ejemplo, vamos a suponer, y eso
podrá ser verdad en tu caso o en el mío o no, cada uno contestará lo que
quiera, pero ante situaciones concretas. ¿De acuerdo? Bueno, las fuentes
de datos, en fin, esto, pues cuestionarios, autoinformes que pueden ser
genéricos, generales de personalidad, el EPQ, el NEOPIR de los cinco
grandes, de Costa y Macrae, por ejemplo, otros específicos sobre cosas
concretitas, autoeficacia, estirota, afrontamiento, etc., o de estado, pues
estado de ánimo, depresivo, ansiedad, lo que sea. Y luego lo que sí
tenéis también que tener claro son los conceptos de fiabilidad y validez,
que ya sé que no os tenéis claro, pero repasadlos. Fiabilidad es si la
prueba o el test o la prueba que utilizamos mide con precisión lo que dice
que mide con precisión, ¿vale? Lo que dice que mide, o sea, por ejemplo,
un reloj digital es mucho más preciso que un reloj de arena. Los dos. Mide
en el tiempo, pero el digital es más preciso, es más fiable, ¿de
acuerdo? O sea, ¿entienden la idea? Vale. Entonces puede ser a lo largo de
varias veces que hablaríamos de fiabilidad de tres retes, dos mitades, o
sea, de los dos, el test partido por la mitad, digamos, y correlaciona,
¿no?, la una mitad con la otra mitad, la distribución de los ítems se ha
hecho correctamente, o consistencia interna, también se llama alfa de
Cronbach, o el acuerdo entre jueces, o sea, cuando se trata de una prueba
de aprendizaje. Asociación. que el evaluador tiene que valorar la variable
en el sujeto, que no es informada por el sujeto, sino que es apreciada por
el evaluador, entonces un evaluador y otro están de acuerdo o no, porque
si no nos ponemos de acuerdo es que el método hay que pulirlo para que nos
podamos poner de acuerdo. Y luego la validez es si realmente mide lo que
dice que mide, o sea si mide depresión, ¿de verdad mide depresión o mide
otras cosas? Bueno, entonces ahí puede ser validez de contenido, validez
concurrente con otras pruebas que ya sabemos que miden depresión, por
seguir con el ejemplo, deconstructo, donde se intenta garantizar que la
prueba que estemos utilizando, de acuerdo. Entonces, evalúen los rasgos
que subyacen a las conductas que se obtienen en distintas investigaciones y
que convergen con lo esperado o según la teoría en la que se basan.
Bueno, en fin, un poco que esto que lo repaséis. Ya sé que lo sabéis,
pero que lo repaséis. Bueno, luego es evidente, en fin, que el uso de los
formatos informáticos en los registros supone múltiples ventajas de todo,
¿no? Como de comodidad, de digitalización, de análisis de datos, resulta
más interactivo. Muchas veces el feedback al sujeto también va
funcionando un poco como sistema motivacional, ¿no? Para mantenerse en el
experimento o en el diseño. Permite mayor uso de muestras, permite usarlo
en el entorno natural, que te llevas tu registro y te vas a hacer un aseo y
lo llevas puesto. Y te vas a trabajar y lo llevas y te vas al cine. Bueno,
salvo que pite, lo llevas. De acuerdo. Bueno, se ha discutido si el uso de
Internet se esjaba las muestras, pero parece que al final, resulta que al
final utilizar muestras también de Internet... Favorece la heterogeneidad
de las muestras, por lo tanto la validez, digamos, en el muestreo. Bueno,
venga, entonces ya entramos con la parte así más análisis estadístico.
Bueno, la correlación, primero tenemos los que están basados en la
correlación, ¿vale? Que ya sabéis que la correlación significa
análisis del grado de relación entre dos variables. Variables dentro de
la correlación, o sea, apoyados en la correlación están los análisis
factoriales y el grado de interregresión, ¿vale? La correlación, en
principio ya sabéis, puede ser directa o inversa, desde más uno a menos
uno, ¿de acuerdo? Directa quiere decir que cuando una variable aumenta la
otra también, cuando disminuye la otra también. Inversa quiere decir que
cuando la una aumenta la otra disminuye, ¿vale? Cuando es
estadísticamente significativa, entonces se puede... Poder concluir que
hay relación entre las dos variables superior a la que se esperaría por
azar. El valor de la correlación al cuadrado, el d cuadrado es lo que se
llama el coeficiente de determinación. Y multiplicado por 100 es el
porcentaje de varianza compartida entre las dos variables, ¿vale? Por
ejemplo, imaginaos que... A ver... Que la extraversión correlaciona...
Tiene una correlación de 0... 5... Vamos, me lo voy a inventar, ¿eh? Voy
a decir una chagrada, pero bueno. O más o menos, ¿no? Me lo voy a
inventar. La correlación tiene una... La extraversión tiene una
correlación de 0,5... No, de 0,7 con el número de amistades que uno
tiene, ¿no? Por ejemplo, la más extraversión, mayor número de
amistades. Eso quiere decir que la varianza compartida sería 0,7 al
cuadrado, es decir, 0,49, ¿no? 0,49, es decir, que el 49% de la varianza
sería compartida, ¿vale? Es su fuente de determinación. No indican
causalidad, aunque pueden ser útiles para hacer predicciones, ¿vale?
Bueno, apoyándose en la correlación se han construido infinidad de test,
bueno, muchísimos test, muchos de ellos muy importantes que no os
conoceréis, como por ejemplo el 16PF, el NEOPIR también, ¿vale? Y
entonces lo que se ha hecho es la correlación en vez de entre varias,
bueno, entre ítems. Para la construcción de los test. ¿Sabéis cómo
están construidos los test factoriales? Están construidos así, ¿vale?
Cada uno de los ítems del test se obtiene la correlación con el resto de
los ítems del test. Y tenemos una matriz, ¿vale? Aquí por ejemplo
tenemos una matriz de correlaciones de 6 ítems, ¿de acuerdo? Los demás,
¿verdad? Entonces veis que hay una diagonal con guioncitos que serían los
unos. ¿Veis? Porque un ítem correlaciona uno consigo mismo, ¿vale?
Entonces vemos que los tres primeros tienen, por ejemplo, el ítem 2 con la
columna 1 un coeficiente de 0.57, el ítem 3 con la columna 1 de 0.61, ¿de
acuerdo? Y eso quiere decir que son correlaciones altas, ¿no? Modeladas y
altas. Y el ítem 3 con el ítem 2 de 0.49, ¿vale? Pero vemos que el 4, el
5 y el 6, las correlaciones que tiene con la columna 1, 2 y 3, que es el
ítem 1, 2 y 3, son muy bajas, ¿no? Son 0.26, 0.20, 0.23. Son muy bajas. Y
en cambio, el ítem 4 con el ítem 5 y con el ítem 6 vuelven a tener entre
sí ellos tres correlaciones altas, ¿no? 0.66, 0.46, 0.46. ¿Vale? Se ha
entendido hasta ahí. Entonces, las siguientes columnas que vienen, que
pone F1, F2, es lo que llamaríamos factor 1 y factor 2. Entonces, vamos y
vemos que los tres ítems primero, las tres filas primeras correlacionan
muy alto con el factor 1, ¿no? Vemos 0.86, 0.78, 0.85. Y vamos a leer qué
dicen esos ítems. El 1, consigo apoyo emocional de los demás e intento
conseguir consejo a vida de otras personas. O lo que hacer, consigo
consuelo y comprensión de algo. Vale. Parece que es una estrategia,
digamos, de afrontamiento basada en la búsqueda de apoyo emocional, ¿no?
Y las tres son de apoyo emocional y por eso correlacionan entre sí. ¿Lo
vemos? Bueno, vamos a ver los ítems 4, 5 y 6. ¿Cómo correlacionan con el
factor 1 y 2? Vemos que con el factor 1 correlacionan muy poco, 0.16, 0.18.
Y en cambio correlacionan muy alto con el F2, ¿no? 0.85, 0.86, 0.74. ¿Lo
vemos? Vamos a leer a ver qué dicen esos ítems. Entonces, concentro mis
esfuerzos en hacer algo para solucionar la situación en la que estoy.
Intento poner una estrategia sobre qué hacer. Llevo a cabo alguna acción
que mejore la situación. O sea, parece que estos tres últimos ítems
recogen una idea común, una estrategia común de afrontamiento. Basado en
el afrontamiento de la tarea. Los tres primeros que veíamos antes
afrontaban el problema buscando apoyo emocional. Estos tres últimos
afrontando la tarea, ¿de acuerdo? Entonces podemos decir que estos seis
ítems en el fondo representan dos factores, ¿no? Esos dos factores.
Estrategia búsqueda de apoyo emocional, estrategia de focalización de la
tarea, ¿de acuerdo? Pero como veis basado en la correlación, ¿se ha
entendido? Bueno, pues el 16PF, con todos los factores que tiene, ¿no? 16
más los cuatro, como se me indica, claro, más los cuatro de segundo
orden, el neopir, los cinco, el big five, ¿no? Los cinco grandes, también
están construidos así, con esta metodología. ¿Se ha entendido? Vale.
Bueno, basándonos también en la correlación, están los análisis...
...de regresión. El análisis de regresión, en el fondo, lo que nos hace
es estudiar la relación entre una o más variables independientes o
predictoras y una variable dependiente o variable criterio, se llama
también, ¿de acuerdo? Bueno, es muy, muy, muy utilizada en personalidad.
Hay montones de modelos de análisis de regresión, la regresión
logarítmico-lineal, múltiple lineal, la regresión de... ...de
regresiones, pero siempre con la misma idea, dependiendo de si las
variables son continuas o discretas, ¿vale? No es lo mismo tener una
variable que yo la codifico como uno o dos, uno o cero, por ejemplo, hombre
o mujer, pues uno o dos, ¿no? Es una variable nominal, pero tiene, en
cambio, la altura o el valor de la extraversión, pues cuarenta y ocho, o
cincuenta o uno. Bien. ¿De acuerdo? Es una variable continua, es una
variable discreta. Entonces, en función de eso hay un montón de modelos,
pero es igual, basados en la misma idea. ¿De acuerdo? Un montón de
variables, que sean variables independientes o variables predictoras, que
predicen una variable dependiente o criterio. ¿Vale? Entonces, lo que
vamos a tener es un modelo que será significativo a partir del valor de f
que proporcione la f de Snedecor, de la nova, famosa, la misma f, esa f que
ya conocéis. ¿De acuerdo? Bueno, lo que nos va a decir es qué porcentaje
de varianza explica de la variable dependiente y qué betas o cotizantes.
Están analizados, son significativos en el modelo. Bueno, os lo explico
con el ejemplo y lo vas a entender mejor. ¿Vale? Bueno, vemos que tenemos
como variable, en este ejemplo, como variables predictoras tenemos los
cinco grandes, que son el Big Five, los cinco factores de personalidad
básicos, digamos, ¿no? Del modelo del Big Five, de Kostal-Makraev.
Neuroticismo, extraversión, apertura, afabilidad y tesón. ¿De acuerdo? Y
vemos... Vemos que tenemos a la columna de la derecha un valor de
correlación con unos asteriscos. ¿Vale? Vemos que el neuroticismo
correlaciona negativamente, menos 0,36, los demás positivamente, con dos
asteriscos, lo cual quiere decir que la probabilidad, como veis aquí
abajo, es inferior a 0,001. O sea, es muy significativa. Salvo tesón que
no es significativa. ¿De acuerdo? Que no tiene los asteriscos, por lo
tanto, no va a ser una variable predictora. No tiene un valor de
predicción. ¿Y qué predicen? Pues la variable dependiente que es la
calidad de vida percibida, ¿vale? Entonces vemos que esta columna de
correlación es el coeficiente de correlación. La beta sigue siendo un
coeficiente de correlación, lo que pasa es que está andalizado, pero que
tiene como base el coeficiente de correlación. Ya veis que supone, si
comparáis las cifras, veréis que supone una pequeña diferencia con
respecto al coeficiente de correlación, ¿de acuerdo? Veis que es una
pequeña diferencia y se interpreta igual como R, se interpreta entre más
uno y menos uno con el mismo significado, pero está estandarizada. Veis
que aquí en este modelo las betas ya, el coeficiente corregido, ahora son
tres las variables que resultan. Las betas son predictoras de manera
significativa sobre la calidad de vida que es el porcentaje, perdón, que
es la variable dependiente o variable criterio. ¿De acuerdo? ¿Se ha
entendido? ¿Vale? Entonces vemos que las de la primera columna, esas
cuatro variables con los asteriscos, excepto que son, correlacionan la
calidad de vida, pero sólo las tres primeras en la columna de las betas
predisponen. ¿Veis la diferencia? Pregunta de test. ¿De acuerdo? ¿Y
cuál es el porcentaje de varianza en la calidad de vida que viene
explicada por esas tres variables? ¿Cuál es el porcentaje de varianza
explicada? Venga, decídmelo vosotros. El 32%, ¿vale? ¿Vale? En este caso
es explicada, el porcentaje en este caso es explicada, ¿vale? Porque
estamos en una ecuación de regresión, en un análisis de regresión que
es predictor, ¿de acuerdo? Entonces aquí es explicada. El 32% de la
variabilidad que presentamos las personas en nuestra percepción de calidad
de vida viene explicada por esos tres rasgos de personalidad. ¿Veis?
Cuanto menos neuróticos, más calidad de vida, porque es negativo el
coeficiente, ¿lo veis? Y cuanto más extravertidos y más aperturistas,
digamos, más calidad de vida. ¿Se ha entendido? ¿Vale? ¿Alguna duda?
¿Todos ok? ¿Todos se han entendido bien? Venga, pues pasamos al
siguiente. Bueno, para el contraste, esto era basado en la correlación,
¿no? Hemos dicho. Luego... Luego hay otros procedimientos también basados
en el contraste entre grupos, que son pruebas T y los ANOVA, ¿no? Los
análisis de varianza. Entonces, compara si dos medias son
significativamente diferentes. Claro, eso requiere unos parámetros,
digamos, de normalidad en la distribución de las variables, o sea, lo que
serían los requisitos paramétricos, ¿no? Para poder aplicar una ANOVA.
Que las dos variables, o que las variables que compares, que la
distribución de las variables sea normal, que haya... También que no haya
desviación en las varianzas, o sea, una serie de requisitos que a veces
son difíciles de que se den, ¿de acuerdo? En la ANOVA, entonces, bueno,
de todas maneras, en el ANOVA... Los distintos niveles de la variable
independiente permitirán ver si existen diferencias en la variable
dependiente. ¿Os acordáis antes cuando hemos hablado del diseño
intragrupo-extragrupo que hemos dicho 2x2? Eso es una ANOVA. Los resultados
que obtengamos ahí, vamos a comparar medias entre ANOVA. Vamos a ver si en
la variable dependiente que estemos midiendo existe diferencia en función
de algunos de los niveles de los factores de la variable independiente o de
las variables independientes. Si es una ANOVA, pueden ser más de un
factor. Los diseños pueden ser entre sujetos o intrasubjetos o de medias
repetidas y permite obtener tanto el efecto de las variables independientes
como de la interacción entre varias variables. ¿De acuerdo? Bueno, pues
en esa precisamente... En eso están basados ahora, fundamentalmente
además, en ver cuál es el efecto de las variables independientes sobre la
variable dependiente y también cuál es el efecto de la interacción entre
las variables independientes. ¿Vale? Entonces, por ejemplo, aquí tenemos
una ANOVA, un análisis de la varianza de autopsicacia percibida por
dificultad de la tarea para analizar el rendimiento. ¿Cuál es la variable
dependiente? Eso es lo primero. Si tengáis una cosa de estas delante, lo
primero que tenéis que pensar es ¿Cuál es mi variable dependiente aquí?
¿Cuál? Lo que se mide... Se miden las tres variables, pero como
dependiente, ¿cuál es la que se mide? A ver, si aquí lo que queremos ver
es ¿Cómo influye? ¿Cuál es la percepción de autoeficacia y el grado de
dificultad de la tarea en el rendimiento en la tarea? ¿Cuál es la
variable dependiente? El rendimiento, efectivamente, y las variables
independientes serán la dificultad de la tarea y la autoeficacia
percibida, ¿vale? ¿Cómo de difícil sea de verdad? Y cómo de capaz me
sienta yo de hacerla, ¿de acuerdo? La autoeficacia percibida, ¿vale?
Bueno, entonces, venga, empezamos por arriba, ¿vale? Vemos, tenemos a la
izquierda dificultad de la tarea y vemos que hay dos niveles, ¿no? Primero
analizamos el efecto de las variables independientes por separado sobre la
variable dependiente, ¿vale? Entonces, analizada independiente el grado de
dificultad de la tarea, vemos que la tarea fácil rinde 8,7, la tarea
difícil rinde 5,6 y que esa diferencia F es estadísticamente
significativa, 829,36 con dos asteriscos, o sea, probabilidad
significativa, ¿de acuerdo? Es decir, podemos decir que las tareas, o las
tareas fáciles se obtiene mejor rendimiento, ¿se ve? ¿Hasta ahí lo
vemos todos? Vale, segunda línea, autoeficacia percibida, segunda variable
independiente. Cuando la autoeficacia es baja, el rendimiento de la tarea
es 6,6, cuando es alta es 7,7 y la diferencia también es estadísticamente
significativa, ¿vale? ¿Veis que en la F de 135,24 también tiene los
asteriscos? Es decir, que también puedo decir que cuando la autoeficacia
percibida... ...es alta, el rendimiento es mejor. ¿Vale? Pero vamos a ver
ahora si analizo la interacción entre las dos variables independientes.
¿Veis? Y es la tercera línea. Autoeficacia por dificultad. ¿Lo veis? Las
dos variables a la vez, analizadas conjuntamente. ¿Vale? Y entonces vemos
que si la tarea es fácil y la autoeficacia es baja, la autoeficacia
percibida es baja, rindo 8,6. Pero si la autoeficacia percibida es alta,
rindo 8,8. Pero cuando la tarea es difícil, o sea, que casi no hay
diferencia, lo veis, ¿no? De 8,6 a 8,8 va el campo duro, o sea, es poco
asunto. Pero en cambio, cuando la tarea es difícil, cuando... Si la
autoeficacia... Si la autoeficacia es baja, rindo 4,6 y si la autoeficacia
es alta, rindo 6,7. Y también es significativa. ¿De acuerdo? Lo puedo ver
más fácil en el gráfico. Si vemos al gráfico, vemos en el eje vertical
pone rendimiento. Se ve muy mal porque como he estirado la imagen, la letra
se ha deformado un poco, ¿vale? Pero pone rendimiento. Esa es la variable
dependiente. Y tengo en el eje horizontal dificultad de la tarea, fácil.
Difícil. Y autoeficacia percibida baja en raya continua y en raya alta.
Entonces vemos que en las tareas fáciles realmente el rendimiento es igual
independientemente de la autoeficacia. Lo vemos, ¿no? Os acordáis que era
8,8 y 8,6. O sea, en las tareas fáciles que no había diferencia. Pero el
efecto se notaba en las tareas difíciles. Donde sí que... Los sujetos con
autoeficacia alta rendían más que los sujetos con autoeficacia baja.
¿Entendéis? Entonces, podemos decir que el nivel de dificultad de la
tarea modera la relación entre la autoeficacia y el rendimiento. ¿Se
entiende? Vale. ¿Todos ok? ¿Todos entendido? ¿Los online que no decís
nada? Venga, pues seguimos. Bueno, ahora hay que intentar diferenciar bien
entre el efecto de moderación y el de mediación. ¿Vale? Que parecen lo
mismo pero no son lo mismo. ¿Vale? Entonces, vamos a ver. Un efecto de
moderación es cuando tú puedes decir, es que esto depende de... ¿Vale?
Esto depende de... El efecto de mediación lo que nos va a explicar es...
Esto se debe a... Nos va a explicar el por qué. ¿Vale? En el efecto de
mediación lo que nos va a responder el análisis es por qué. ¿Por qué
será esa relación entre variable independiente y dependiente? En el de
mediación lo que nos va a explicar es la relación de dependencia. O sea,
una cosa depende de la otra. Por ejemplo, la relación entre
establecimiento y rendimiento estaría moderada por la intensidad de
estimulación. ¿Vale? Entonces, bueno, a ver. Es un modelo de regresión
jerárquico. Como lo acabamos de ver. ¿Eh? En el primer paso estarían las
variables independientes que en el análisis de personalidad va a ser la
variable de personalidad y la variable moderadora. Que es la que vamos a
decir esto depende de... ¿Vale? Pero son... Las dos son variables
independientes. ¿Vale? Y en el segundo paso se calcula el producto de
ambas. ¿Vale? Y estos valores son los que se van a utilizar para alargar.
La regresión. ¿De acuerdo? Entonces, lo vamos a ver con un ejemplo que lo
vais a entender muchísimo más fácil. ¿Vale? A ver, tenemos un estudio
donde han analizado la interacción entre dos variables personales que son
ira interiorizada, que en el fondo se lo ponen como ira in, que en el fondo
es la capacidad para reprimir la ira, para autocontrolarla. ¿Vale? Y el
control de la ira, ira control, que es la capacidad para reducirla, para
que no te pongas ira a fondo. Estás furioso pero te sujetas es la primera.
Y la segunda es me pondría furioso pero no me voy a poner. ¿Se entiende?
O sea, ira represión, ira control. Ira interiorizada, ira control. Sobre
una variable dependiente que es la práctica de hábitos de vida saludable.
¿Vale? Practicar una puntuación que obtendremos mediante un cuestionario,
por ejemplo, o un informe donde yo puntúe cómo como, qué como, si hago
deporte, si hago, no sé, si me pongo vacunas, si me hago revisiones, si
fumo, luego, en fin, hábitos saludables. ¿Vale? Esa es la variable
dependiente. ¿De acuerdo? Entonces, bueno, es un modelo que primero,
fijaos, obtiene lo que sería... ...un análisis de regresión con las
variables independientes por separar. ¿De acuerdo? Tanto la variable
personal como la variable moderadora. ¿De acuerdo? Y entonces obtenemos lo
que obteníamos al principio, el mismo resultado que cuando estudiábamos
el análisis de ANOVA. ¿De acuerdo? Entonces vemos que obtenemos un valor
de constante porque la constante sabéis lo que es, ¿no? Una parte de una
regresión, hay una constante, que es un valor que se ha obtenido con la
ecuación. Y luego esos coeficientes beta corregidos que son los que
multiplican. que operan con el valor de la variable de cada sujeto para
obtener el valor de predicción de la variable dependiente. El valor que
predices, el valor que te sale con la ecuación de predicción, como
predicción, ¿vale? Bueno, entonces obtenemos una constante de 22,51 y
luego la ira in, o sea, la capacidad para reprimir la ira, veis que al
final obtiene un coeficiente beta que ha corregido de menos 0,12, ¿de
acuerdo? Lo veis, ¿verdad? Y también significativo. Y un valor de ira
control, un valor de beta en ira control de más 0,25 también
significativo, ¿de acuerdo? Y vemos que eso explica el 7% de la varianza,
veis que R cuadrado es 0. 0,07, o sea, el 7%. El 7% de la variabilidad en
los hábitos saludables se debería a estos dos factores, ¿de acuerdo? A
estas dos variables. La ira in tendría una relación negativa con los
hábitos y la ira control tendría una relación positiva, ¿de acuerdo?
Pero ahora vamos a introducir la interacción entre las dos variables,
¿vale? En el segundo paso, ¿lo veis? Es lo que pone paso 2. Bueno,
entonces repetimos el proceso, ira in nos vuelve a dar, fijaos que lo que
nos da es muy parecido, se modifica un poco porque ahora va a haber un
porcentaje de la varianza que lo va a explicar la interacción. Pero veis
que antes el beta ya corregido de ira in nos daba menos 0,12, ahora nos da
menos 0,13. O sea, oscila un pelín, ¿vale? El de ira control antes nos
daba un 0,25, ahora nos da un 0,15. Pero nos aparece otro efecto que
también es estadísticamente significativo, veis que también tiene un
asterisco, que es la interacción de ir a in con ir a control, ¿de
acuerdo? ¿De acuerdo? Cuyo coeficiente de correlación es 0,12, ¿lo veis?
Fijaos que antes podíamos explicar en el paso 1 sin tener en cuenta la
interacción, podíamos explicar un 7% de la varianza, ¿lo veis? Ahora, en
este segundo paso, donde hemos tenido en cuenta las dos variables de manera
individual, pero además hemos tenido en cuenta la interacción entre
ellas, hemos explicado... Hemos explicado un 2% más de la varianza, un 2%
más de la variabilidad en los hábitos de salud a vez de vida, porque
hemos pasado de explicar el 7% a explicar el 9%, ¿de acuerdo? ¿Se ha
entendido? ¿Seguro? A ver, que es lo que no entiendes. ¿Por qué aumenta?
¿Por qué aumenta? Porque ahora estamos teniendo en cuenta otro factor que
añade, añade más información. Y nos añade... ¿Cuánto nos añade? Un
2% más. Nos explica un 2% más de variabilidad, porque hemos pasado de 0,7
a 0,9. Hombre, imagina que fuese al revés, ¿vale? Imagina que antes nos
hubiera explicado un 30% de la varianza, tuviéramos un R cuadrado de 0,3 y
ahora tuviéramos un 0,10. Pues no hemos ganado nada, hemos perdido, ¿no?
Un conocimiento, o sea, hemos perdido... ¿Qué hay que nos pasaría? Que
en el paso 2, cuando calculásemos el coeficiente de la interacción entre
las dos variables... Las predictoras no serían significativas. Eso nos
pasaría ya de entrada, es que no sería significativa la interacción.
¿De acuerdo? Y perderíamos poder explicativo. Por lo tanto, no habríamos
ganado nada. Pero aquí vemos que el hecho de tener en cuenta la
interacción aporta un 2% más de explicación en la variabilidad de por
qué la gente tiene unos hábitos saludables u otros. ¿De acuerdo? Más
hábitos o menos hábitos. Y lo vemos también en el gráfico. La variable
de pendiente en el eje vertical, como antes. Antes teníamos el
rendimiento, ahora tenemos los hábitos. ¿Vale? Lo veis. Y vemos el
control de la ira abajo. Control de la ira es me sujeto. Me sujeto. Ah no,
perdón. Ir a control es me pongo en plan yoga. ¿Vale? Me la quito de
encima, me la sacudo. ¿De acuerdo? Control de la ira bajo o alto. Ir a in,
o sea represión, me la aguanto en discontinua y en raya continua bajo ir a
in. Entonces podemos ver que cuando el control de la ira es alto, da igual
que la ira interiorizada se... ...sea alta o baja. Da igual. Sobre los
hábitos, porque puntúa más o menos igual, ya lo veis, ¿no? Pero en
cambio cuando el control de la ira es bajo, ahí sí que hay diferencias en
función de si la ira... de si la represión de la ira es baja o alta. ¿De
acuerdo? Siendo mejor el rendimiento con bajo... con baja represión de la
ira. ¿Vale? La puntuación en hábitos es más alta. Entonces ahí podemos
decir que el control de la ira modera la relación entre la ira
interiorizada y los hábitos saludables. ¿Se entiende? ¿Vale? ¿Se ha
entendido? Sí. Vale. Y luego cuando te ves tú sola delante de esto hay
que entenderlo también. ¿Vale? O sea, que si luego llegáis a casa, os
ponéis a estudiar y veis que no, el próximo día repetimos. O sea, porque
yo os digo, este tema es crucial. Y con esto ya luego cogéis autopista.
¿Se entiende? ¿Vale? Bueno, hemos visto el análisis de moderación.
Ahora vamos a ver el análisis del efecto de mediación, que es un pelín
más complejo y que no nos va a dar tiempo de terminarlo. Lo voy a avanzar
un poquito y lo vais estudiando. El próximo día terminaremos el resto de
los análisis. ¿Vale? Porque este tema sí que, insisto, quiero que quede
bien claro. Luego en otros podemos correr que son más teóricos. Ahí no
me necesitaréis para nada. Esto creo que os puede servir mejor. Bueno, en
el análisis de mediación de lo que se trata es de responder a qué se
debe la relación. Os acordáis, ¿no? Antes decíamos en el de moderación
de qué depende. Ahora decimos a qué se debe. ¿Por qué hay esa
relación? ¿Por qué hay esa relación entre la variable independiente y
la dependiente? ¿Vale? ¿Por qué? Pues porque va a haber una en medio que
lo explique. Que va a ser la variable mediadora. Pero os lo avanzo. ¿Vale?
Entonces, se supone que esto ocurre porque la variable independiente afecta
a la mediadora y esta a su vez incluye en la dependiente. ¿Vale? La
variable mediadora sería el mecanismo a través del cual la variable... La
variable independiente incluye en la dependiente. Creo que queda claro,
¿no? Bueno, entonces las variables de personalidad pueden ser la variable
independiente, la mediadora o la dependiente. O sea, la que haga referencia
al factor de personalidad puede ser cualquiera de ellas. ¿Vale?
Generalmente como variable independiente se suelen poner grandes rasgos o
rasgos de nivel medio, pues extraversión, egotismo, afabilidad o rasgos de
nivel medio, pues estilos de afrontamiento, ansiedad, etc. Y como variables
mediadoras, esas sí que son los de nivel medio o estado, ¿no? Por
ejemplo, en estados de ansiedad, de depresión, tristeza, tal, o estilos de
afrontamiento. En cambio, en las independientes... Pueden ser esas, pero
también los grandes rasgos de personalidad, ¿vale? Los factores
importantes. Bueno, y entonces se tienen, para poder analizar la
mediación, se tienen que dar tres condiciones. Que las tres variables, la
independiente, la mediadora y la dependiente, estén significativamente
relacionadas entre sí. Que cuando incluyes la variable mediadora, la
relación entre la independiente y la dependiente disminuye. Normal, porque
hemos dicho... La variable mediadora es aquella a través de la cual la
independiente incluye en la dependiente. Por lo tanto, cuando la meto en
medio en el análisis, la independiente disminuye su relación con la
dependiente. Porque va a haber parte de esa relación que ya la voy a medir
con esa. Que la voy a medir con la mediadora, que va a estar en medio, ¿de
acuerdo? Y que cuando consideras conjuntamente, o sea, cuando consideras,
es decir, cuando analizas estadísticamente la interacción entre variable
independiente y mediadora, la relación de la variable mediadora con la
dependiente sigue siendo significativa. Esto que parece un poco lamento,
luego aquí lo vais a ver mejor. Bueno, entonces hay varias fases, ¿vale?
Análisis del efecto de mediación y hay tres análisis de regresión
seguidos. En el primero tomamos como predictora la variable independiente y
calculamos la relación con la variable dependiente que es la variable
criterio, ¿vale? En el segundo análisis tomamos como predictora
independiente y como criterio la variable de mediación. Y en el tercer
paso tomamos como predictoras la independiente y la mediadora y como
criterio la dependiente, ¿vale? Bueno, esto que os ha parecido un
laberinto así, ya vais a ver que no es tan laberinto. Bueno, por la hora
lo terminaremos, no puliremos el próximo día, pero simplemente habéis
visto. Paso 1. Variable independiente sobre variable dependiente. Aquí,
por ejemplo, en este trabajo que es análisis del afrontamiento emocional
como variable mediadora, que te lo está diciendo, el afrontamiento
emocional es la variable mediadora de la relación entre la autoeficacia,
que es la variable independiente, y la calidad de vida percibida, que es la
variable dependiente. ¿Se ha entendido? Paso 1. Como hemos visto ahora,
paso 1. Ya veis que es todo el rato lo mismo. Correlación, F, si es
significativa y coeficiente de determinación. O sea, eso es todo el rato
igual. Paso 1. Variable independiente sobre la dependiente. Es decir,
autoeficacia sobre calidad de vida. Variable criterio. ¿De acuerdo? Y nos
da que efectivamente el coeficiente beta es 0,47, estadísticamente
significativo, y ya vemos que la autoeficacia explica... En un 22%,
coeficiente de determinación 0.22, la variabilidad de la calidad de vida
de las personas. ¿Vale? ¿Entendido? Paso 1. Ahora, paso 2. Variable
independiente sobre variable mediadora. Es decir, autoeficacia como
variable independiente y afrontamiento emocional a la derecha como variable
criterio. ¿De acuerdo? Y vemos que también la relación entre esas
variables es significativa y que explica un 18% de... Y que la autoeficacia
explica el 18% de la variabilidad en el afrontamiento emocional. ¿Sí?
Paso 3. Ahora las dos juntas. Las dos juntas. Variable independiente y
mediadora. Es decir, autoeficacia y afrontamiento emocional. Sobre la
variable dependiente que es la calidad de vida. Y vemos que conjuntamente
explican el 31% de la variabilidad en la calidad de vida. ¿Lo habéis
seguido hasta aquí? ¿Vale? Sí. Más o menos. Bueno. Todo se va liando un
poco, pero veis que es todo el rato lo mismo. O sea, que los parámetros
son todo el rato beta, la f de Snedecor, la significación y el coeficiente
de determinación. Todo el rato. Bueno, entonces vamos a dejarlo aquí que
ya es la hora. El próximo día empezaremos aquí. Retomaremos desde el
principio el análisis de mediación. ¿Vale? Desde el principio. Pero ya
vosotros terminar de estudiarlo esto, por favor, este capítulo, cualquier
duda ya que haya, ya plantearlo. Porque no me gustaría que empecemos a ver
experimentos de otras cosas y que esto, que es lo fundamental, no nos haya
quedado claro. ¿Vale? Los diseños estos y la manera de analizar y la
interpretación. ¿Vale? Bueno, pues muchas gracias a todos. El power lo
tendréis ya entero colgado, pero el próximo día lo retomaremos aquí,
bueno, en el inicio de la noche de mediación, lo veremos entero y
terminaremos el capítulo y ya pues hasta donde nos dé tiempo en el
segundo, ¿vale? Pero de este no pasamos hasta que quede meridiano, ¿vale?
Bueno, pues muchas gracias a todos y que tengáis muy buena semana y
estudiarme mucho, estudiarme este capítulo que es muy importante. Venga,
un saludo a todos. Hasta el miércoles.