StatSimPro

Configuración General

Distribución: Normal y Asimétrica usan Promedio y DE; Uniforme y Categórica usan Mín/Máx (la categórica genera niveles enteros equiprobables); Conteo (Poisson) usa el Promedio como tasa; Binaria usa el Promedio como proporción de unos (p. ej. 0.5). Mín/Máx: rango de valores. Decimales: precisión (0-4). Categorías / opciones: en binarias y categóricas, los nombres de las categorías separados por coma («Femenino, Masculino»; la binaria codifica 0 la primera y 1 la segunda), con proporciones si las quieres («Soltero:60, Casado:30, Divorciado:10») o en orden si es ordinal («Primaria < Secundaria < Superior»). En modo exacto las proporciones salen exactas en la muestra. La base y el CSV muestran los nombres; el motor y las pruebas estadísticas trabajan con los códigos. En una variable continua que sea una edad, «fecha» (o «fecha:AAAA-MM-DD») añade la columna FechaNac_… con una fecha de nacimiento coherente con la edad a esa fecha. Depende de: hace que una binaria o categórica esté asociada a otra (p. ej. Grado según Zona) con la fuerza indicada; el informe muestra la V de Cramér obtenida. Para que una variable continua difiera según un grupo, usa la tabla IV.

Define la correlación deseada entre dos variables cuantitativas (totales de escala o sociodemográficas continuas: Normal/Asimétrica). El generador construye los datos para que la correlación observada se acerque a la pedida (corrige la atenuación por la fiabilidad de las escalas). Para escalas, usa un α objetivo > 0. Sin filas = variables independientes.

Hace que la media de una variable cuantitativa difiera según una variable de agrupación (Binaria o Categórica), con el tamaño del efecto (d de Cohen) indicado. Alimenta la comparación de grupos (t / ANOVA). Sin filas = sin diferencias. Interacción A × B (dos binarias): la diferencia entre grupos de A cambia según B en la d indicada (diseño factorial 2×2, ANOVA de dos factores); los efectos principales se piden aparte, en sus propias filas. Anidamiento (CCI): la variable se parece más dentro de cada grupo de una categórica (aulas, colegios) que entre grupos, con la correlación intraclase indicada (modelos multinivel); con menos de ocho grupos la CCI estimada fluctúa mucho.

Coeficientes estandarizados. Mediación X → M → Y: a (X→M), b (M→Y controlando X) y c′ (X→Y directo); el efecto indirecto es a·b y el total c′ + a·b. Dos filas con la misma X e Y y distinto mediador forman una mediación paralela. Curvilínea Y = β₁X + β₂X²: relación en U (β₂ > 0) o U invertida (β₂ < 0), con X estandarizada; el informe la recupera con una regresión sobre X y X². Moderación Y = β₁X + β₂W + β₃·X·W: la interacción se construye con X y W estandarizadas, tal como la estimará una regresión con el término producto; la forma de Y la define el modelo (normal). Las correlaciones que implican los coeficientes sustituyen a las de la tabla III para esas parejas; el informe «pedido vs. obtenido» muestra cada coeficiente recuperado por regresión sobre la base generada.

Repite una escala en 2 a 4 ondas. La onda 1 conserva sus columnas; las siguientes añaden ítems, total y percentil con sufijo _T2, _T3… (mismo instrumento: mismo α, forma y perfil de ítems). La estabilidad es la correlación entre ondas consecutivas (entre no consecutivas decae como en un proceso AR(1)); las correlaciones de la escala con otras variables se propagan a cada onda atenuadas por ella. La d de cambio desplaza la media de T1 a la última onda en DE de T1, de forma lineal entre ondas; con una agrupación binaria cada grupo cambia lo suyo (diseño pre/post con grupo control) y el informe muestra el cambio por grupo y la interacción tiempo × grupo. Con el modelo de crecimiento, cada persona tiene su pendiente (con la DE indicada, en DE de T1) y una correlación nivel–pendiente; la DE de las ondas crece y las correlaciones entre ondas las implica el modelo (con tres ondas o más se ajusta un modelo de curva de crecimiento). Las diferencias por grupo de la tabla IV se mantienen en todas las ondas; los puntajes generales derivados y los modelos usan solo la onda 1.

Cada fila es un ítem (INV = invertido; su carga se define sobre el ítem recodificado, así que en la base bruta cargará en negativo) y cada columna una dimensión: la celda de su propia dimensión es la carga propia (0.10–0.95); las demás, cargas cruzadas (0 = ninguna). Con «las cargas mandan», el α u ω de cada dimensión queda implícito por las cargas y se muestra debajo; con «el α de la tabla I manda», el patrón se reescala en bloque para cumplirlo. Las correlaciones entre factores son las de la tabla III (o el r intra del test). El informe «pedido vs. obtenido» recupera las cargas por ejes principales, las cruzadas, el factor de método, la fiabilidad implícita, el SRMR frente a la matriz implicada y el KMO con Bartlett. Los ítems de cada dimensión siguen sumando exactamente su total; por eso sus residuos llevan una correlación negativa leve (−1/(k−1)) que con seis o más ítems el AFC no distingue de un modelo puro.

Crea la columna Nivel_<sigla> con los nombres de las categorías (códigos 1…K en el motor). Cortes fijos: cada corte marca desde dónde empieza la categoría siguiente. Cortes por percentil (P25, P75…): se toman de la muestra generada; con totales enteros los empates en el corte hacen que las proporciones sean aproximadas, y el informe lo indica.

El efecto es el odds ratio (binario y ordinal) o la razón de tasas (conteo) por cada desviación estándar del predictor: 1 = sin efecto, 2 = duplica la odds, 0.5 = la reduce a la mitad. Los predictores pueden ser escalas, puntajes generales o sociodemográficas continuas; el desenlace se calcula con las puntuaciones verdaderas, antes de las imperfecciones. La prevalencia y las proporciones salen exactas en la muestra; el informe recupera los OR por regresión logística, los IRR por regresión de Poisson y, en el ordinal, el OR de odds proporcionales.

El informante crea las columnas de la escala con el sufijo de su etiqueta (ítems, total y percentil), con el mismo instrumento y la correlación pedida con el autoinforme (exacta en modo exacto); sus correlaciones con las demás variables quedan atenuadas por esa concordancia y hereda las diferencias por grupo. Los jueces crean columnas Juez1_…, Juez2_…: en los categóricos cada juez repite la categoría verdadera con probabilidad √κ y si no sortea una según su frecuencia (el κ resultante es el pedido, sea cual sea la distribución); en los de puntuación, cada juez añade un error que deja la CCI(1) pedida. El informe compara r, sesgo, κ de Fleiss y CCI con lo pedido.

Vista Previa de Datos Generados