D:\LeoFer\Departamento de Inves - Universidad de Belgrano
D:\LeoFer\Departamento de Inves - Universidad de Belgrano
D:\LeoFer\Departamento de Inves - Universidad de Belgrano
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
Tesis <strong>de</strong> Doctorado La inferencia clínica y la elaboración <strong>de</strong> hipótesis <strong>de</strong> trabajo <strong>de</strong> los psicoterapeutas<br />
La utilización <strong>de</strong> una técnica como el NMMS posibilita la presentación espacial <strong>de</strong> tipo panorámico <strong>de</strong><br />
los datos. Si bien tiene similitu<strong>de</strong>s con el Análisis <strong>de</strong> Componentes Principales (PCA), se diferencia <strong>de</strong> este<br />
pues las distancias que establece no son reales, ya que no se obtienen <strong>de</strong> los datos en 4forma directa, sino<br />
a través <strong>de</strong> un or<strong>de</strong>namiento <strong>de</strong> menor a mayor que se realiza sobre los mismos. Por otro lado, el PCA<br />
utiliza datos continuos mientras que los datos obtenidos en esta investigación son <strong>de</strong> tipo binario (0 y 1, por<br />
presencia y ausencia).<br />
Análisis canónico <strong>de</strong> correspon<strong>de</strong>ncia (CCA)<br />
Es una técnica <strong>de</strong> or<strong>de</strong>namiento que permite relacionar dos conjuntos <strong>de</strong> datos (Ter Brak, 1988), en esta<br />
investigación, marcadores e hipótesis formuladas. Este análisis pue<strong>de</strong> ser tanto exploratorio como confirmatorio.<br />
El análisis canónico <strong>de</strong> correspon<strong>de</strong>ncia es una combinación <strong>de</strong> técnicas <strong>de</strong> or<strong>de</strong>namiento (promedios<br />
recíprocos) y <strong>de</strong> regresión múltiple. En general, las técnicas <strong>de</strong> or<strong>de</strong>namiento suelen necesitar una correlación<br />
entre los ejes obtenidos y una variable externa para explicar los resultados encontrados (or<strong>de</strong>namiento<br />
indirecto). En el caso <strong>de</strong>l CCA, el mo<strong>de</strong>lo <strong>de</strong> correlación está insertado en el or<strong>de</strong>namiento. Como resultado<br />
<strong>de</strong> esto, los ejes <strong>de</strong>l or<strong>de</strong>namiento son en realidad las varianzas explicadas por las variables pertenecientes<br />
al conjunto <strong>de</strong> datos utilizados para la correlación. Ter Brak y Prentice (1988) y Jongman et al. (1987)<br />
presentan una ampliación <strong>de</strong> los aspectos teóricos sobre los que se basaron los <strong>de</strong>sarrollos <strong>de</strong> esta técnica.<br />
Análisis discriminante (DA)<br />
El análisis discriminante es una técnica que permite clasificar y or<strong>de</strong>nar los datos entre dos o más<br />
grupos alternativos. De antemano, estos grupos <strong>de</strong>ben propuestos como distintos y los datos referentes a<br />
los mismos, <strong>de</strong>ben correspon<strong>de</strong>r a uno u a otro grupo (criterio excluyente). Esta técnica tiene carácter<br />
exploratorio y predictivo.<br />
El objetivo <strong>de</strong> esta técnica es encontrar combinaciones lineales <strong>de</strong> las variables que pue<strong>de</strong>n separar<br />
distintos grupos. La cantidad <strong>de</strong> combinaciones lineales (ejes <strong>de</strong>l discriminante) es k-1, siendo k la cantidad<br />
<strong>de</strong> grupos. Si bien, formalmente no requiere <strong>de</strong> ningún supuesto, la utilización <strong>de</strong>l mismo es más apropiada<br />
cuando los datos por grupos poseen dispersiones similares, (James y McCulloch, 1990).<br />
Mo<strong>de</strong>lo nulo o neutro<br />
El objetivo <strong>de</strong> esta técnica es <strong>de</strong>mostrar que el patrón observado no está generado meramente por azar.<br />
Los mo<strong>de</strong>los neutros, también llamados mo<strong>de</strong>los nulos, son utilizados en una gran variedad <strong>de</strong> investigaciones<br />
científicas, ya que son una importante herramienta para la construcción y puesta a prueba <strong>de</strong> hipótesis<br />
nulas. Estos mo<strong>de</strong>los mantienen el esquema original <strong>de</strong>l sistema y reasignan los componentes <strong>de</strong>l mismo<br />
al azar. Se basan en que está sería la forma en que se presentarían los datos en ausencia <strong>de</strong>l fenómeno<br />
estudiado. Por lo tanto, si los datos originales se diferencian significativamente <strong>de</strong> la hipótesis nula (generada<br />
por el mo<strong>de</strong>lo neutro), esta última es rechazada y la acción <strong>de</strong>l fenómeno estudiado es inferido fuertemente<br />
(Begon et al. 1996).<br />
Como los mo<strong>de</strong>los neutros <strong>de</strong>pen<strong>de</strong>n <strong>de</strong>l sistema a estudiar, a continuación se <strong>de</strong>scribirá el mo<strong>de</strong>lo<br />
neutro <strong>de</strong>sarrollado para esta investigación que, a su vez, servirá <strong>de</strong> ejemplo para compren<strong>de</strong>r mejor esta<br />
técnica <strong>de</strong> uso poco frecuente hasta el momento en el área <strong>de</strong> la Psicología<br />
El análisis realizado en esta investigación apuntó a averiguar cual es la probabilidad <strong>de</strong> que una hipótesis<br />
tenga cero en el ítem y cual que tenga tres o uno. En esta fase en particular se consi<strong>de</strong>ró solo la evaluación<br />
<strong>de</strong>l ítem, sin tener en cuenta que figure como positiva o negativa.<br />
Con estas probabilida<strong>de</strong>s, se generaron 19 copias <strong>de</strong> las matrices <strong>de</strong> cada TP, don<strong>de</strong> el valor correspondiente<br />
a la hipótesis j para ítem i <strong>de</strong>l terapeuta k se <strong>de</strong>signa al azar (en este caso con 92 % <strong>de</strong> probabilidad<br />
<strong>de</strong> que sea un 0 y 8% <strong>de</strong> que sea un uno (referido a tres ó uno). Estas probabilida<strong>de</strong>s se calcularon a partir<br />
<strong>de</strong> los datos originales.<br />
Cada conjunto <strong>de</strong> diecinueve matrices con los k terapeutas se lo trató como al conjunto original, es <strong>de</strong>cir,<br />
se calculó para cada ítem en cuantas hipótesis <strong>de</strong> cada marco teórico aparecieron, luego se sacó la proporción<br />
y se calculó el módulo <strong>de</strong> la diferencia. Con esta diferencia se hizo un ranking con los ítems característicos<br />
para cada marco teórico y se compararon los diez primeros puestos con la respectiva lista <strong>de</strong> Stuart<br />
Ablon y Jones (1998:76,77)<br />
Mediante un test <strong>de</strong> t (para cada marco) se comprobó la diferencia, encontrada entre los datos originales<br />
y el mo<strong>de</strong>lo neutro, en la cantidad <strong>de</strong> coinci<strong>de</strong>ncias entre las dos listas.<br />
95