No hay comentarios.

CURSO : METODOLOGIA CUANTITATIVA AVANZADA II TRADUCCION : Advanced Cuantitative Methodologies II SIGLA : PSI4036 CREDITOS : 15 UC / 9 SCT MODULOS : 2 REQUISITOS : Admision RESTRICCIONES : EQUIVALENCIAS : PSI509 CARACTER : MINIMO DISCIPLINA : PSICOLOGIA TIPO : CATEDRA CALIFICACION : ESTANDAR PROFESOR : VACANTES : I. DESCRIPCION El curso entrega conocimientos para comprender y evaluar criticamente el uso de metodologias cuantitativas multivariadas en la investigacion psicologica. Al termino del curso los los alumnos estaran en condiciones de dise?ar investigaciones cientificas de caracter multivariado, y de aplicar programas estadisticos para llevar a la practica los analisis correspondientes. Asimismo, el curso permitira el desarrollo del pensamiento critico de los alumnos, de manera que seran capaces de evaluar criticamente el uso apropiado de tecnicas estadisticas en publicaciones cientificas. II. OBJETIVOS 1. Comprender, aplicar y evaluar criticamente el uso de metodologias cuantitativas multivariadas en la investigacion psicologica. 2. Dise?ar investigaciones cientificas de caracter multivariado, y de aplicar programas estadisticos para llevar a la practica los analisis correspondientes. 3. Analizar criticamente el uso apropiado de tecnicas estadisticas en publicaciones cientificas. III. CONTENIDOS 1. Tecnicas multivariadas tradicionales. 2. Analisis factorial 3.Manejo de Datos Perdidos 4. Modelos causales 5. Modelos jerarquicos o multinivel. 6. Modelos para datos longitudinales. IV. METODOLOGIA ? Clases lectivas y discusion bibliografica. ? Sesiones de entrenamiento en el uso de programas estadisticos computacionales. ? Sesiones de entrenamiento en el analisis de datos V. EVALUACION ? Presentaciones de temas asignados: 15% ? Revision critica y presentacion de un articulo: 10% ? 3 Talleres de ejercitacion: 45% ? 1 Prueba basada en los contenidos revisados en clase y las lecturas obligatorias: 30% La presentacion de temas, la revision critica de articulos y los talleres de ejercitacion podran ser desarrollados en grupos. Las pruebas seran de desarrollo individual VI. BIBLIOGRAFIA Minima Brown, T. (2006). Confirmatory Factor Analysis for Applied Research. New York: The Guilford Press. Collins, L. (2006). Analysis of longitudinal data: The integration of theoretical model, temporal design, and statistical model. Annual Review of Psychology, 57, 505-528. Fabrigar, L. R., Wegener, D. T., MacCallum, R. C. & Strahan, E. J. (1999). Evaluating the use of exploratory factor analysis in psychological research. Psychological Methods, 4, 272-299. Fidell, L. S. & Tabachnick, B. G. (2007). Using multivariate statistics. Boston, MA: Pearson. Graham, J.W. (2009). Missing data analysis: Making it work in the real world. Annual Review of Psychology, 60, 549-576. Graham, J. (2012). Missing Data: Analysis and design. New York: Springer Lanza, S., Bray, B. C. & Collins, L. (2013). An introduction to latent class and latent transition analysis. En J. S. Schinka & W.F. Velicer (eds.), Handbook of Psychology. Vo.l 2: Research Methods in Psychology, cap 24, pp 691-716. New Jersey: Wiley. Loehlin, J. (2004). Latent variable models: An introduction to factor, path and structural analysis. (4a ed.). Mahwah, New Jersey: Lawrence Erlbaum. Millingan, G. W. & Hirtle, S. C. (2013). Clustering and classification methods. En J. S. Schinka & W.F. Velicer (eds.), Handbook of Psychology. Vo.l 2: Research Methods in Psychology, cap 7, pp 189-210. New Jersey: Wiley. Millsap, R., & Maydeu-Olivares, A. (2009). The SAGE Handbook of Quantitative Methods in Psychology. Thousand-Oaks, CA: SAGE. Muthen, B. & Muthen, L. (2010). Mplus: Statistical Analysis with Latent Variables. User's Guide. Los Angeles: Author. http://www.statmodel.com/ugexcerpts.shtml Raudenbush, S. W. & Bryk, A. S. (2002). Hierarchical Linear Models: Applications and data analysis methods. (2a ed.) Thousand Oaks, CA: Sage Publications. Rosseel, Y. (2012). Lavaan: An R Package for Structural Equation Modeling. Journal of Statistical Software, 48(2), 1?36. Snijders, T., & Bosker, R. (1999). Multilevel analysis: An introduction to basic and advanced multilevel modeling. London: Sage Publications. Cap. 4 & 5. Stevens, J. (2002). Applied multivariate statistics for the social sciences (4? ed.). Mahwah, New Jersey: Lawrence Erlbaum. Tinsley, H. & Brown, S. (2000). Handbook of applied multivariate statistics and mathematical Modeling. San Diego, CA: Academic Press. ? Complementaria
Aldenberfer, M. & Blashfield, R. (1984). Cluster analysis. Newbury Park, California: Sage. Bollen, K. (1989). Structural equations with latent variables. New York: Wiley. Graham, J., Cumsille, P. & Shevock, A. (2013) Methods for handling missing data. En J. S. Schinka & W.F. Velicer (eds.), Handbook of Psychology. Vol 2: Research Methods in Psychology, cap 4, pp 109-141. New Jersey: Wiley. Grimm, L. & Yarnold, P. (1995). Reading and understanding multivariate statistics. Washington: American Psychological Association. Hair, J, Anderson, R., Tatham, R. y Black, W. (1992). Multivariate data analysis. New York: McMillan. Henson, R. K. & Roberts, J.K. (2006). Use of exploratory factor analysis in applied research: Common errors and some comment on improved practice. Educational and Psychological Measurement, 66, 393-416. Kirk, R. (1995). Experimental design: Procedures for the behavioral sciences. Pacific Grove, USA: Brooks/Cole Publishing Co. Kline, R. (2011). Principles and practice of structural equation modeling. New York: Guilford. Pedhazur, E. (1997). Multiple regression in behavioral research. 3a edicion. New York: Holt, Rinehart & Wisnton. Raykov, T., & Marcoulides, G. A. (2006). A First Course in Structural Equation Modeling (2nd ed.). Mahwah, NJ: Lawrence Erlbaum Associates.