D:\LeoFer\Departamento de Inves - Universidad de Belgrano

Tesis de Doctorado La inferencia clínica y la elaboración de hipótesis de trabajo de los psicoterapeutas
La utilización de una técnica como el NMMS posibilita la presentación espacial de tipo panorámico de
los datos. Si bien tiene similitudes con el Análisis de Componentes Principales (PCA), se diferencia de este
pues las distancias que establece no son reales, ya que no se obtienen de los datos en 4forma directa, sino
a través de un ordenamiento de menor a mayor que se realiza sobre los mismos. Por otro lado, el PCA
utiliza datos continuos mientras que los datos obtenidos en esta investigación son de tipo binario (0 y 1, por
presencia y ausencia).
Análisis canónico de correspondencia (CCA)
Es una técnica de ordenamiento que permite relacionar dos conjuntos de datos (Ter Brak, 1988), en esta
investigación, marcadores e hipótesis formuladas. Este análisis puede ser tanto exploratorio como confirmatorio.
El análisis canónico de correspondencia es una combinación de técnicas de ordenamiento (promedios
recíprocos) y de regresión múltiple. En general, las técnicas de ordenamiento suelen necesitar una correlación
entre los ejes obtenidos y una variable externa para explicar los resultados encontrados (ordenamiento
indirecto). En el caso del CCA, el modelo de correlación está insertado en el ordenamiento. Como resultado
de esto, los ejes del ordenamiento son en realidad las varianzas explicadas por las variables pertenecientes
al conjunto de datos utilizados para la correlación. Ter Brak y Prentice (1988) y Jongman et al. (1987)
presentan una ampliación de los aspectos teóricos sobre los que se basaron los desarrollos de esta técnica.
Análisis discriminante (DA)
El análisis discriminante es una técnica que permite clasificar y ordenar los datos entre dos o más
grupos alternativos. De antemano, estos grupos deben propuestos como distintos y los datos referentes a
los mismos, deben corresponder a uno u a otro grupo (criterio excluyente). Esta técnica tiene carácter
exploratorio y predictivo.
El objetivo de esta técnica es encontrar combinaciones lineales de las variables que pueden separar
distintos grupos. La cantidad de combinaciones lineales (ejes del discriminante) es k-1, siendo k la cantidad
de grupos. Si bien, formalmente no requiere de ningún supuesto, la utilización del mismo es más apropiada
cuando los datos por grupos poseen dispersiones similares, (James y McCulloch, 1990).
Modelo nulo o neutro
El objetivo de esta técnica es demostrar que el patrón observado no está generado meramente por azar.
Los modelos neutros, también llamados modelos nulos, son utilizados en una gran variedad de investigaciones
científicas, ya que son una importante herramienta para la construcción y puesta a prueba de hipótesis
nulas. Estos modelos mantienen el esquema original del sistema y reasignan los componentes del mismo
al azar. Se basan en que está sería la forma en que se presentarían los datos en ausencia del fenómeno
estudiado. Por lo tanto, si los datos originales se diferencian significativamente de la hipótesis nula (generada
por el modelo neutro), esta última es rechazada y la acción del fenómeno estudiado es inferido fuertemente
(Begon et al. 1996).
Como los modelos neutros dependen del sistema a estudiar, a continuación se describirá el modelo
neutro desarrollado para esta investigación que, a su vez, servirá de ejemplo para comprender mejor esta
técnica de uso poco frecuente hasta el momento en el área de la Psicología
El análisis realizado en esta investigación apuntó a averiguar cual es la probabilidad de que una hipótesis
tenga cero en el ítem y cual que tenga tres o uno. En esta fase en particular se consideró solo la evaluación
del ítem, sin tener en cuenta que figure como positiva o negativa.
Con estas probabilidades, se generaron 19 copias de las matrices de cada TP, donde el valor correspondiente
a la hipótesis j para ítem i del terapeuta k se designa al azar (en este caso con 92 % de probabilidad
de que sea un 0 y 8% de que sea un uno (referido a tres ó uno). Estas probabilidades se calcularon a partir
de los datos originales.
Cada conjunto de diecinueve matrices con los k terapeutas se lo trató como al conjunto original, es decir,
se calculó para cada ítem en cuantas hipótesis de cada marco teórico aparecieron, luego se sacó la proporción
y se calculó el módulo de la diferencia. Con esta diferencia se hizo un ranking con los ítems característicos
para cada marco teórico y se compararon los diez primeros puestos con la respectiva lista de Stuart
Ablon y Jones (1998:76,77)
Mediante un test de t (para cada marco) se comprobó la diferencia, encontrada entre los datos originales
y el modelo neutro, en la cantidad de coincidencias entre las dos listas.
95