640 Matching Annotations
  1. Oct 2019
    1. tamaño de efecto es ínfimo

      el tamaño de efecto depende de la escala de las variables. ¿Cuál es la escala de medición de GDP? Por eso son importantes los descriptivos

    2. edad

      probar con transformaciones (ej: polinomial)

    3. con el país

      más precisión: varianza entre países

    4. Variables

      faltan descriptivos de variables dependientes e independientes, tablas, gráficos

    5. ¿estarán estandarizado?

      no

    6. ¿se muestran los efectos cruzados?

      ?

    7. Model 1 Model 2 Model 3 Model 4 Model 5 Model 6

      al parecer problema de opciones de chunk

    8. El alpha de Cronbach resultó de .65

      agregar tabla de correlaciones entre los items, tal vez el constructo no es unidimensional; eventualmente análisis factorial

    9. Se consideraron los ítems

      están disponibles en español

    10. ISSP -

      agregar breve descripción de la base de datos

    11. -consultar años-.

      completar para próxima entrega

    12. preocupación GDPpp

      ??

    13. Objetivos e hipótesis

      Diferenciar por niveles. Y si son solo hipótesis, no poner objetivos en el título

    14. Introducción

      Muy bien, en general se recomienda alinear mejor los conceptos y su medición con las teorías mencionadas

    15. La siguiente investigación pr

      este párrafo es más bien de abstract que de introducción

    16. gross domestic product

      traducir

    17. se utilizarán, entre las variables macro

      relacionar claramente las variables y los conceptos señalados anteriormente

    1. Discusión de los resultados multinivel

      Muy buen informe, felicitaciones

    2. Modelo 3: Multinivel

      todos los modelos de esta sección son multinivel (en términos de que poseen un efecto aleatorio a nivel 2)

    3. 6.3%, por lo que se desciende un poco más de 10 puntos porcentuales con respecto al modelo nulo. Esto indica que una vez incorporadas estas variables, ya va quedando menos influencia del contexto, por tanto, las variables incluidas apuntan hacia la explicación del modelo multinivel.

      esto se puede calcular en el siguiente informe con R2

    4. Warning in checkConv(attr(opt, "derivs"), opt$par, ctrl =

      estas fallas de convergencia se deben en ocasiones a la falta de información, en este caso algunas comunas con muy poco N

    5. Estadísticos por comuna

      Para estos análisis descriptivos eliminaría aquellas comunas con un N muy bajo

      • también sumaría gráficos de correlación para las variables de mayor interés, identificando las comunas (ver guía datos L2)
    6. La siguiente tabla

      tabala separada para variables de nivel 2, atención al N de las variables

    7. modelo de regresión lineal múltiple

      Sacaría la parte de regresión lineal, hace que se pierda el foco en muiltinivel

    8. ##Discusi

      formato

    9. se descarta definitivamente

      aproximación de test de hipótesis: nada es definitivo

    10. Análisis de los modelos de explicación:

      mejor: modelos de regresión. Formato general: numerar secciones (automático en Rmarkdown)

    11. los índices miden el constructo teórico.

      esto tiene que ver con consistencia interna solamente

    12. tabla

      buena tabla!

    13. cohesión barrial

      al nombrar variables o conceptos principales usar cursivas, para poder identificar bien. También listas / viñetas ayudan a la lectura

    14. Se evalúan modelos multinivel q

      primero describir variables, luego explicar los modelos

    15. Hipótesis:

      No ser redundante en la redacción, y tienen que ser espejo de los objetivos específicos.

    16. Objetivos específicos:

      aquí también ser más claro y ordenar por niveles

    17. Elaborar un modelo multinivel

      no términos técnicos

    18. n concordancia con esto, una línea de autores ha indicado que los conflictos meso-sociales aparecen como un detonador de mayor cohesión en tanto esta es un mecanismo de defensa frente a la inseguridad o la estigmatización (Biskupovic, 2011; Casgrain y Janoschka, 2013; Forrest y Kearns, 2001). Sin embargo, otra línea de autores afirman que esa relación está sujeta al contexto, en tanto la mala reputación barrial y la tasa de violencia y delitos afecta la inclusión social de sus habitantes (Arthurson, 2013) y la calidad de las relaciones sociales (Kaztman, 2007) trayendo baja cohesión barrial (Cassiers y Kesteloot, 2012). Mientras que ocurre el caso contrario para los barrios homogéneos cuyo capital social facilita la cohesión dentro del barrio, usualmente, cuando tienen buen acceso a servicios y menor conflictividad (Rodríguez, 2001). Asimismo, se ha afirmado que los conflictos entre los vecinos afectan de manera negativa la cohesión barrial, pues debilita la calidad de los lazos y la convivencia armoniosa (Forrest y Kearns, 2001), poniendo en riesgo aspectos esenciales de la cohesión como lo son la seguridad y la ausencia de odio. Se indica que esto también varía según el barrio, en tanto la conflictividad micro tiende a disminuir en lugares donde se concentra la riqueza —y por ende, tiene mayor acceso a equipamiento— y a aumentar en lugares donde hay mayor estigmatización y densidad de habitantes, repercutiendo en la cohesión barrial (Méndez y Otero, 2018).

      Al parecer esto es un párrafo. Recordar: un párrafo, una idea central

    19. Introducción

      bien, aclarar más los argumentos ordenados por niveles

    20. score

      puntaje

    21. además, su presencia explica en buena medida la cohesión barrial.

      no queda claro la presencia de qué