Resumen de El análisis multivariado de datos como herramienta en la exploración de modelos en la comprensión de variables psicológicas

Carlos R. Seijas

• español

  La psicología como ciencia de la conducta en un estado preparadigmático necesita del apoyo de modelos teóricos que validen y confiabilizen los constructos que esta rama del conocimiento utiliza para explicar los fenómenos que le competen estudiar. Para sustentar los avances en la construcción de modelos provenientes de diversos campos de la psicología, se presenta la aplicación de herramientas del análisis multivariado de datos tales como el Análisis Factorial de Componentes Principales (ACP), el Análisis Factorial de Correspondencias (AFC) y el Análisis Factorial Discriminante (AFD), en el estudio de variables como la predicción del desempeño universitario de acuerdo a variables clásicas de la psicometría (Seijas, 1998a) y a variables cognoscitivas (Seijas, 1999b), los estilos de aprendizaje (Seijas, 1998b), la autoestima (Seijas, 1999a), y finalmente variables transculturales como son el individualismo y el colectivismo (Seijas, 1999c). Con esto se persigue mostrar la utilidad que el análisis multivariado de datos puede prestar a las ciencias de las conducta en su meta de forjar constructos teóricos con poder explicativo de la realidad, para que puedan ser de instrumentales operativos en el quehacer diario de todos los interesados en el análisis y manejo de la conducta.

• English

  Psychology, as a behavioral science in a preparadigmathic state, needs the support of theoretical models that validate the constructs that it uses for explaining the phenomena it studies. For sustaining the advances in the construction of models that arise in different domains of the Psychology, we present the application of multivarate data analysis tools such as Principal Component Analysis, Correspondence Analysis and Discriminant Analysis. We study variables such as prediction of university performance according to classical variables in Psychometrics (Seijas 1998a) and sognoscitive variables (seijas 1999b), learning style (Seijas 1998b), autoesteem (Seijas 1999a), and finally transcultural variables such as individualism and collectivism (Seijas 1999c). We want to show the usefulness that multivariate data analysis can give to behavioral sciences for making theoretical constructs with power to explain the reality, in such a way that the can be operational tools in the people interested in analyzing and handling the behavior.