University of Valencia logo Logo Permanent Training and Educational Innovation Service (SFPIE) Logo del portal

Análisis de modelos multinivel con SPSS

Target PDI
Method of impartition Presential
Language Spanish
Total duration 12
Presential duration 12
Synchronous online duration 0
Asynchronous online duration 0
Program Continuing education
Training modality Course
Academic course 2022-2023
Edition 01
Training plan year 2023
Start date of the course 26/06/2023
End date of the course 28/06/2023
Registration start date 08/02/2023
Registration end date 22/02/2023
Sessions
Session Start date and time End date and time Aula Location
1 26/06/2023 09:30 26/06/2023 13:30 Facultat de PsicologiaIDOCAL
2 27/06/2023 09:30 27/06/2023 13:30 Facultat de PsicologiaIDOCAL
3 28/06/2023 09:30 28/06/2023 13:30 Facultat de PsicologiaIDOCAL
Professional profile of the recipients
Personal Docent i Investigador de la Universitat de València que en la seva activitat investigadora necessita estimar relacions entre propietats de col·lectius (p. ex., empreses, departaments, equips, classes, col·legis, famílies, sectors), d'una banda, i experiències, conductes, propietats, i variables dels individus, per una altra.
Selection criteria

Es seleccionaran les persones participants d'acord amb els criteris següents:

- Per a aquells cursos que tinguen requisits específics, s’ha de comprovar que efectivament les persones sol·licitants els reuneixen.

- S’atorgarà preferència a les peticions d'aquelles persones sol·licitants que no hagen realitzat cursos de característiques semblants en els últims tres anys.

- Així mateix, s’atorgarà preferència a aquells que no hagen realitzat cursos de formació en els últims tres anys.

- En cas d'empat entre sol·licitants en aplicació dels anteriors criteris, caldrà ajustar-se al rigorós ordre d'entrada de les sol·licituds (dia i hora de presentació)

UV Faculty
  • Gonzalez Roma, Vicente
  • PDI-Catedratic/a d'Universitat
  • Director/a d' Institut Universitari
Ver ficha
  • Hernandez Baeza, Ana Maria
  • PDI-Titular d'Universitat
Ver ficha
  • Tomas Marco, Maria Ines
  • PDI-Catedratic/a d'Universitat
Ver ficha
Training objectives

JUSTIFICACIÓ I OBJECTIUS
En les Ciències Socials i de la Salut, és freqüent estudiar la influència que unes certes característiques de grups i col·lectius té sobre determinades experiències i conductes de les persones. Per exemple, la relació entre l'estil de direcció de l'empresa i el rendiment dels seus empleats; la influència que el clima de les organitzacions té sobre la satisfacció laboral dels seus membres; l'impacte que les relacions familiars tenen sobre el benestar dels seus components; i la influència que els estils didàctics dels professors tenen sobre el rendiment dels alumnes. Tots aquests exemples impliquen estimar la relació entre dues variables que es troben en nivells diferents d'anàlisis: el col·lectiu o superior (p. ex., el clima de l'organització), i l'individual (la satisfacció dels empleats). Per a estimar aquestes relacions es necessiten models i tècniques estadístiques que tinguin en compte l'estructura de *anidamiento que existeix entre les dades observades (p. ex., uns certs empleats pertanyen a unes certes empreses; determinats alumnes pertanyen a determinades classes), i les conseqüències que això comporta (les observacions no són independents). La regressió múltiple, sovint usada per a estimar relacions entre variables, no és adequada en aquests casos, ja que produeix estimacions de les relacions amb diferents problemes (veure González-*Romá i Hernández, 2017).

Els models multinivell o models lineals jeràrquics permeten estimar les relacions entre variables que es troben en nivells diferents. La seva aplicació en la recerca ha crescut progressivament durant els últims 25 anys (veure González-*Romá i Hernández, 2017). Això és parcialment pel fet que els fenòmens estudiats es desenvolupen en contextos multinivell en els quals pot diferenciar-se diferents nivells d'anàlisis (per exemple, en les empreses: l'empresa, el departament, l'equip de treball, l'empleat). Per això, l'estudi d'aquests fenòmens sovint requereix l'ús de models i tècniques multinivell. Per aquestes raons, existeix una demanda creixent de formació en models i tècniques multinivell per part dels investigadors en Ciències Socials i de la Salut.

Els objectius del curs que es proposa són: 1. comprendre la lògica dels models multinivell, 2. aprendre a construir-los, i 3. aprendre a estimar-los mitjançant el programa *SPSS.

Contents

CONTINGUTS

MÒDUL 1. La lògica dels models multinivell.

Introducció Per què són necessaris els models multinivell?
La lògica dels models.
Tipus d'efectes i paràmetres.
Seqüència de models de referència.
Model 1: model *ANOVA d'un factor d'efectes aleatoris.
Model 2: model de coeficients de regressió aleatoris.
Model 3: model de *interceptos com a resultats.
Model 4: model de *interceptos i pendents com a resultats.
5. Algunes aplicacions.

MÒDUL 2. Estimació de models multinivell mitjançant *SPSS (1)

L'estructura de la base de dades
Instruccions bàsiques
Exercicis pràctics guiats.
MODULO 3. Estimació de models multinivell mitjançant *SPSS (2)

Exercicis pràctics: realització autònoma amb supervisió.
Interpretació de resultats i derivació de conclusions.

Competencies to be developed

-    Comprendre la lògica que subjeu a dels models multinivell.
-    Construir els models multinivell associats a diferents preguntes de recerca.
-    Estimar diferents tipus de models multinivell mitjançant el programa *SPSS.
-    Interpretar els resultats obtinguts mitjançant el programa *SPSS.
-    Derivar conclusions adequades a partir de les estimacions obtingudes.
-    Planificar les anàlisis implicades davant una pregunta de recerca de caràcter multinivell.

Criteria and procedure for evaluation of the activity

Tenint en compte els objectius del curs, es plantejarà un exercici pràctic associat a una hipotètica pregunta de recerca que els participants hauran de contestar mitjançant l'estimació d'un model multinivell. Els criteris d'avaluació per a avaluar l'exercici seran:

1.    adequació del model multinivell especificat.
2.    adequació de les estimacions dels paràmetres del model obtingudes mitjançant *SPSS.
3.    correcció de la interpretació de les estimacions obtingudes.
4.    correcció de les conclusions derivades.

Inscription