En la modalidad de TFG "Propuesta de estudio empírico" el apartado Método se sitúa después de la introducción, y normalmente posee los subapartados "Participantes y procedimiento", "Instrumentos y materiales" y "Análisis de datos".
En la modalidad de TFG "Propuesta de intervención", puede realizarse del mismo modo que en el primer caso (ver ejemplo). No obstante, en nuestro caso puede resultar difícil seguir ese formato, ya que no disponemos de datos sobre la eficacia de la intervención a analizar. Por lo tanto, podemos optar por un modelo de informa más sencillo, en el que este apartado (Método) puede estar integrado en el propio apartado "Propuesta de intervención" o "Intervención propuesta", que sigue al de "Introducción" y/o "Justificación" y/o "Revisión de la literatura" (ver ejemplo). Así, el subapartado "Participantes y procedimiento", así como "Intrumentos y materiales", pueden incluirse tal cuál, como subapartados. Por otro lado, lo relativo al subapartado "Análisis de datos" puede incluirse a continuación como "Evaluación de la eficacia de la intervención".
En la modalidad de TFG "Revisión de la literatura" podemos distinguir dos casos: En el primero "Revisión dela literatura de tipo narrativo" no es necesario incluir este apartado. En el segundo caso "Revisión sistemática de la literatura" es posible incluir un solo apartado (Método), en el que se describa el procedimiento seguido para la revisión, incluyendo las bases de datos utilizadas, las palabras clave introducidas, los criterios de inclusión/exclusión de los resultados de las búsquedas como parte de la revisión, número de artículos encontrados, número de artículos seleccionados, etc. Puedes encontrar una guía detallada sobre cómo realizar una revisión sistemática de la literatura en Petticrew y Roberts (2006)
Participantes y procedimiento
Ejemplo
En este estudio participaron x personas trabajadoras xxx. Todas ellas participaron en el estudio de forma voluntaria y respondieron al cuestionario de forma anónima. La edad mínima fue de x años y la máxima de x años. Analizando el género de la muestra x se identificaron como hombres, x como mujeres y x no se identificaron con ninguna de esas dos opciones. En cuanto a las técnicas de muestreo, la selección de la muestra se realizo mediante la técnica de muestreo no probabilístico "muestra por conveniencia". El cuestionario se envió por correo electrónico, la red social profesional Linkedin y la aplicación Whatsapp Messenger.
Instrumentos y materiales
Ejemplo
Para este trabajo se van a utilizar escalas previamente validadas en otros estudios anteriores, presentando propiedades psicométricas adecuadas (Loewenthal, 1996).
Asimismo, se va a valorar la fiabilidad de cada escala en este estudio a través del índice alfa de Cronbach (α), esperando índices adecuados que sean similares a los obtenidos en la validación original de cada escala.
… (incluir también cómo se medirán variables de control)
Análisis de datos
Ejemplo caso 1: Análisis de regresión para contrastar hipótesis sobre el efecto de una variable sobre otra(s).
Ejemplo caso 2: Análisis de comparación para contrastar hipótesis sobre diferencia entre grupos, pre-post, etc.
El análisis de los datos se llevará a cabo mediante el software IBM SPSS Statistics 26.
En primer lugar, se calcularán los estadísticos descriptivos y la matriz de correlación. Asimismo se llevarán a cabo los análisis de asimetría y curtosis para confirmar la normalidad de la distribución de la muestra.
En segundo lugar, se llevarán a cabo procedimientos de regresión lineal (múltiple) (jerárquica) para el contraste de hipótesis del estudio.
El análisis de los datos se llevará a cabo mediante el software IBM SPSS Statistics 26.
En primer lugar, se calcularán los estadísticos descriptivos y la matriz de correlación. Asimismo se llevarán a cabo los análisis de asimetría y curtosis para confirmar la normalidad de la distribución de la muestra.
En segundo lugar, en relación al contraste de hipótesis del estudio se calculará el estadístico t-student para probar las diferencias estadísticas significativas entre las medias de los grupos, y su tamaño del efecto se medirá mediante la d de Cohen.
Ejemplo caso 3: Análisis de regresión para contrastar hipótesis sobre el efecto de una variable sobre otra(s) y un modelo de mediación
Ejemplo caso 4: Análisis de regresión para contrastar hipótesis sobre el efecto de una variable sobre otra(s) y un modelo de moderación
El análisis de los datos se llevará a cabo mediante el software IBM SPSS Statistics 26.
En primer lugar, se calcularán los estadísticos descriptivos y la matriz de correlación. Asimismo se llevarán a cabo los análisis de asimetría y curtosis para confirmar la normalidad de la distribución de la muestra.
En segundo lugar, se llevarán a cabo procedimientos de regresión lineal para el contraste de las hipótesis. En concreto, para probar el modelo de mediación se utilizará la macro PROCESS v3.4. (Hayes, 2019), eligiendo la técnica de bootstrapping para la generación de intervalos de confianza del 95% a partir de 10000 submuestras, para estimar los coeficientes del modelo (ver Preacher y Hayes, 2008). Así, de acuerdo con Rucker, Preacher, Tormala y Petty (2011) el análisis de mediación se centró en el efecto indirecto. De este modo, siguiendo a Lachowicz, Preacher y Kelley (2017; ver también Preacher y Hayes, 2008), se calculó el efecto indirecto completamente estandarizado como estimación de su tamaño del efecto.
El análisis de los datos se llevará a cabo mediante el software IBM SPSS Statistics 26.
En primer lugar, se calcularán los estadísticos descriptivos y la matriz de correlación. Asimismo se llevarán a cabo los análisis de asimetría y curtosis para confirmar la normalidad de la distribución de la muestra.
En segundo lugar, se llevarán a cabo procedimientos de regresión lineal para el contraste de las hipótesis. En concreto, para probar el modelo de moderación se utilizara la macro PROCESS v3.4. (Hayes, 2019), eligiendo la técnica de bootstrapping para la generación de intervalos de confianza del 95% a partir de 10000 submuestras, para estimar los coeficientes del modelo (ver Preacher y Hayes, 2008).
Para valorar la relevancia del efecto de moderación se utilizará además la técnica de pick-a-point para obtener los diferentes valores del efecto condicional de la variable independiente (y) sobre la variable dependiente (x).
Ejemplo caso 5: Análisis de regresión polinomial y Análisis de Respuesta de Superficie para contrastar hipótesis sobre el efecto de dos variables sobre otra.
Ejemplo caso 6: Modelos de ecuaciones estructurales para contrastar hipótesis sobre diversas relaciones entre variables.
El análisis de los datos se llevará a cabo mediante el software IBM SPSS Statistics 26 y Microsoft Excel 2010, incluyendo procedimientos de regresión lineal múltiple y jerárquica polinómica, así como Análisis de Respuesta de Superficie (Surface Response Analysis; SRA). Para realizar dichos análisis, y siguiendo las indicaciones de Edwards & Cable (2009), las variables independientes (x e y) fueron centradas restando el punto central en su escala. Los valores perdidos se trataron utilizando la tendencia lineal en el punto, siendo sustituidos por esta estimación. Previamente, se calcularán los estadísticos descriptivos y la matriz de correlación. Asimismo se llevarán a cabo los análisis de asimetría y curtosis para confirmar la normalidad de la distribución de la muestra.
Siguiendo a Orue, y Calvete, (2012) se escoge el modelado de ecuaciones estructurales por medio de LISREL 8.0 para realizar el análisis de datos (Jöreskog, y Sörbom, 2006 citado en Orue, y Calvete, 2012). En primer lugar, se realizará una evaluación del modelo cuyos parámetros se obtienen mediante método de máxima verosimilitud. Para evaluar la bondad de ajuste, se emplearán el índice de ajuste comparativo (CFI;), el índice de ajuste no normativo (NNFI) y la raíz cuadrada media de error de aproximación (RMSEA; ver Little, 2013). Los indicadores mayores de .95 en CFI y NNFI y menores de .08 en RMSEA indicarán un buen ajuste. Se utilizarán los items de cada escala, como indicadores de las variables del modelo. Además, fijando la variante latente a 1, se asignará la escala de cada constructo (Little, Slegers, y Card, 2006 citado en Orue, y Calvete, 2012). Asimismo, se incluirán coeficientes autoregresivos entre la variable X durante el tratamiento medida en T1 y T2 para analizar si existen coeficientes regresivos significativos. Los análisis se realizarán incluyendo y sin incluir, las variables de control de X y X para garantizar la consistencia de los resultados obtenidos.
Ejemplo caso 7: ANOVA DE DOS FACTORES (2X2)
El análisis de los datos se llevará a cabo mediante el software IBM SPSS Statistics 26.
En primer lugar, se calcularán los estadísticos descriptivos y la matriz de correlación. Asimismo se llevarán a cabo los análisis de asimetría y curtosis para confirmar la normalidad de la distribución de la muestra.
En segundo lugar, se llevarán a cabo un ANOVA de dos factores (SEXO y TRATAMIENTO) fijos, cada uno con dos niveles (hombre y mujer para el SEXO, e Intervención psicosocial y placebo para TRATAMIENTO).
Referencias
Hayes, A. F. (2019). The process macro for SPSS and SAS. Recuperado de: http://processmacro.org/index.html
Preacher, K. J., & Hayes, A. F. (2004). SPSS and SAS procedures for estimating indirect effects in simple mediation models. Behavior research methods, instruments, & computers, 36(4), 717-731. doi:10.3758/bf03206553
Preacher, K. J., & Kelley, K. (2011). Effect size measures for mediation models: Quantitative strategies for communicating indirect effects. Psychological Methods, 16(2), 93–115.doi:10.1037/a0022658
Rucker, D. D., Preacher, K. J., Tormala, Z. L., & Petty, R. E. (2011). Mediation analysis in social psychology: Current practices and new recommendations. Social and Personality Psychology Compass, 5(6), 359-371. doi:10.1111/j.1751-9004.2011.00355.x