Mster Universitario de Investigacin en CC. Sociales Luis M.

Casas Garca

Pg. 1 Nociones SPSS. Inferencial

CONCEPTOS PREVIOS VARIABLES Y NIVEL DE MEDIDA. Variable: Una caracterstica de los datos que puede manifestarse al menos segn dos clases o modalidades. Ej.: inteligencia, sexo Los principales tipos de variables son: - Cuantitativas: aquellas a las que se les atribuyen valores numricos (inteligencia, peso, ....) Con los nmeros atribuidos podemos realizar operaciones aritmticas. - Cualitativas: aquellas a las que se les atribuyen palabras (sexo, profesin, ...). Si se les atribuyen nmeros (por ejemplo nio: 1, nia: 2), con estos nmeros no tiene sentido realizar operaciones. En SPSS podemos utilizar los siguientes tipos de variable:

Las variables cualitativas son las de cadena, porque significa cadena de letras, o sea, palabras.

Escala de medida: Conjunto de clases o modalidades y los nmeros o palabras que se les han atribuido. Por ejemplo, los nombres de unos nios y su peso o los modelos de coches y su consumo, ... Tipos de escala: 1.- Escalas nominales: Representan el uso ms simple que podemos hacer de los valores de una variable y por tanto proporcionan menos informacin de todas. nicamente permiten identificar, nombrar, ... un valor determinado. No implican orden ni magnitud. Slo permiten diferenciar empricamente igualdad-desigualdad. Ejemplos: provincia de origen: 1. - Soria 2.- Badajoz, 3.- ... // varn - 1 , mujer - 2.// Grupo 1, Grupo 2, Grupo 3, ... 2.- Escalas ordinales: Informan de la posicin de una puntuacin determinada dentro de su propio grupo de puntuacin. Permiten verificar empricamente igualdad-desigualdad y orden. Los intervalos no representan diferencias iguales. Por ejemplo si colocamos a tres chicos por su altura: Pepe es el 1, Juan el 2 y Jos el 3. Estn ordenados, pero no sabemos si la diferencia entre Pepe y Juan es la misma que entre Juan y Jos. No tiene ningn sentido en este caso decir que 2 - 1 = 3 - 2. Ejemplos: Escala de dureza de minerales, nivel econmico, popularidad, ... 3.- Escalas de intervalo: En estas escalas se puede establecer empricamente igualdad/desigualdad, relacin de orden e igualdad de distancia entre intervalos. Carecen de un punto de origen convencional. El cero no significa la ausencia de cualidad sino que es un valor asignado aleatoria o arbitrariamente o con otro criterio. Ejemplos: las escalas de temperatura, las puntuaciones Z, el ao del calendario, ...

Mster Universitario de Investigacin en CC. Sociales Luis M. Casas Garca

Pg. 2 Nociones SPSS. Inferencial

4.- Escalas de razn: Parecidas a las de intervalo, de hecho no haremos habitualmente distincin, pero en ellas el cero no es arbitrario, sino absoluto, y representa ausencia de la caracterstica que est siendo estudiada. Ejemplo: peso, longitud, ... En SPSS podemos utilizar niveles de medida nominal, ordinal y de escala (intervalo o razn).

Hay que distinguir tipos de variables y niveles de medida. Las variables (altura, peso, etc.) pueden ser cuantitativas, pero el nivel de medida puede ser distinto para cada variable, pues por ejemplo podemos medir la altura con un metro (sera un nivel de medida de escala) ordenar los sujetos de menos a ms alto (ordinal) o calificarla como adecuada o no adecuada (nominal). ORDENACION Y REPRESENTACION DE DATOS Frecuencia: (o frecuencia absoluta) es el nmero de casos que se producen de una variable dentro de cada clase. Proporcin: (o frecuencia relativa) es el cociente entre la frecuencia absoluta de cada clase y el nmero total de observaciones. Si se da en tanto por ciento se lama frecuencia porcentual. Media aritmtica (o simplemente media). Suma de los valores dividido por el nmero de ellos. Media ponderada Es la media de esas puntuaciones multiplicadas o ponderadas por coeficientes o pesos. Mediana. Ordenados todos los valores, es valor que deja por encima y por debajo de s al 50 por ciento de las observaciones. La mediana se usa cuando la media se altera porque, por ejemplo haya valores muy elevados o muy bajos en relacin a los dems y falseen la media. Ejemplo: En la siguiente distribucin de datos sera ms representativa la mediana (4) que la media (75): 3,3,4,4,4,4,4,4,4,4,5,5,5,5,92 Moda Es el valor que tiene mayor frecuencia. No tiene por qu ser nica. Varianza Es la media de las diferencias (al cuadrado) de los valores respecto a su media aritmtica. Cuanto ms alta la varianza, mayor la dispersin de los datos. Desviacin tpica (o estndar) Es la raz cuadrada de la varianza.

Mster Universitario de Investigacin en CC. Sociales Luis M. Casas Garca

Pg. 3 Nociones SPSS. Inferencial

En SPSS, estos datos se obtienen mediante las opciones Analizar -- Estadsticos descriptivos Descriptivos :

Seleccionamos opciones y despus sealamos los descriptivos que deseemos obtener:

Y obtendremos un cuadro como el siguiente, que corresponde a las variables consumo y potencia Estadsticos descriptivos

Tambin se obtienen mediante la opcin Estadsticos descriptivos -- Frecuencias:

Despus podemos marcar Estadsticos y sealar los que deseamos obtener:

Mster Universitario de Investigacin en CC. Sociales Luis M. Casas Garca

Pg. 4 Nociones SPSS. Inferencial

Tambin se pueden obtener grficos, sealando la opcin correspondiente:

Los grficos tambin pueden obtenerse, por supuesto, en el men Grficos, en el que hay multitud de ellos.

En este grfico, la caja seala el 50% de los datos. Los extremos de los bigotes, el 95% de los datos, los pequeos crculos, valores atpicos, y la lnea gruesa, la mediana.

Mster Universitario de Investigacin en CC. Sociales Luis M. Casas Garca

Pg. 5 Nociones SPSS. Inferencial

ESTADISTICA INFERENCIAL Qu es una hiptesis? Tipos de hiptesis. Una hiptesis es una afirmacin razonable acerca de algo que puede suceder. En estadstica se habla de hiptesis nula o hiptesis alternativa. La hiptesis nula afirma que los datos que tenemos podran haber ocurrido por azar. La hiptesis alternativa afirma que los datos obtenidos no se pueden obtener por azar y deben ser debidos a alguna causa. Por ejemplo, una hiptesis nula afirmara que no hay diferencia entre los resultados obtenidos en dos grupos que han seguido procedimientos de enseanza distintos, y que si hay diferencias, son por azar. Una hiptesis alternativa afirmara que la diferencia entre los datos no es por azar, y se debe a alguna causa (por ejemplo los diferentes mtodos de enseanza). Con otro ejemplo, si consideramos la relacin entre los resultados en matemticas y en lenguaje en un grupo de alumnos, la hiptesis nula afirmara que el coeficiente de correlacin entre ambos puede producirse por azar, mientras que la hiptesis alternativa afirmara que esa correlacin es poco probable que se produjera por azar. Contraste de hiptesis La clave de las pruebas estadsticas es que tratamos de comprobar si los resultados que hemos obtenido en un estudio pueden aparecer por azar. Por ejemplo, si tiramos una moneda al aire 100 veces, por azar puede suceder que la proporcin entre caras y cruces sea 50/50 = 1 (50 caras y 50 cruces), por azar puede ser que la proporcin sea 60/40 = 1,5 (60 caras y 40 cruces), por azar podemos admitir que la proporcin sea 70/30 = 2,3 (70 caras y 30 cruces), pero ya no podramos admitir que, por azar la proporcin fuera 99/1= 99 (99 caras y 1 cruz), y sospecharamos que la moneda est trucada. La cuestin clave es decidir a partir de qu punto decidiramos que eso no ocurre por azar. En ciencias sociales se ha establecido el punto de corte en el 5%: unos datos son significativos estadsticamente cuando, su probabilidad p de ocurrir por azar es menor del 5%, o dicho de otra forma p < 0,05 (observar que 0,05 es 5/100). En medicina los controles son ms estrictos, y para que se admita que, por ejemplo, los resultados de un medicamento son estadsticamente significativos su probabilidad de aparecer por azar han de ser menores del 1%, o sea p<0,01 (0,01 es 1/100). Cmo se sabe la probabilidad de ocurrir que tiene un suceso? Bsicamente utilizamos dos procedimientos: 1.- Utilizando la curva de distribucin de frecuencias en fenmenos cuya frecuencia de aparicin se ajusta a ciertos modelos. Por ejemplo el modelo de la curva normal, el ms utilizado en Ciencias Sociales.

Si utilizamos este modelo, sabremos que determinados datos tan slo ocurren un cierto nmero de veces. El rea contenida dentro de la curva normal el 100% de probabilidades de aparecer unos datos, y cada parte de la curva representa unas determinadas probabilidades. Por ejemplo, el rea comprendida entre la media ms 1,65 veces la desviacin tpica de los datos (z= 1,65) y el infinito es el 4,95% de las probabilidades, el rea comprendida a la derecha de z= 1,96 es el 2,5%, el rea comprendida a la derecha de z=2,33 es el 0,99 % y el rea comprendida a la derecha de z=2,58 es el 0,49%. Este procedimiento es el que utilizan las pruebas que llamamos paramtricas. 2.- Calculando la probabilidad exacta por las frmulas de combinatoria y clculo de probabilidades.

Este tipo de clculo es el que utilizan las pruebas que llamamos no paramtricas. Las pruebas estadsticas lo que hacen es, a partir de los datos obtenidos tras un experimento, calcular unos valores llamados estadsticos de contraste. Si esos estadsticos de contraste tienen una probabilidad de

Mster Universitario de Investigacin en CC. Sociales Luis M. Casas Garca

Pg. 6 Nociones SPSS. Inferencial

aparicin menor del 5%, se admite que los datos no se deben al azar, es decir, pueden deberse a la participacin de los sujetos en el experimento, son significativos estadsticamente. En caso contrario, se supone que podramos haber obtenido los mismos resultados por azar, sin hacer ningn experimento.

En SPSS siempre aparece un valor p de significatividad. Ese valor p es la probabilidad de ocurrir por azar los datos que tenemos.

En este ejemplo, la probabilidad de ocurrir los datos es del 0%. Concretamente, hay diferencias entre las medias de los datos presentados.

En este otro ejemplo, la probabilidad es de 0326, es decir del 326%. Esto quiere decir que pueden presentarse por azar ese nmero de veces. Concretamente significa que no hay diferencias entre nuestros datos y una distribucin normal. La significacin puede ser unilateral o bilateral. Unilateral significa que los datos de la muestra son, por ejemplo, mayores que los de la poblacin general. Bilateral significa que los datos de la muestra son distintos, lo que quiere decir que pueden ser tanto mayores como menores.

Mster Universitario de Investigacin en CC. Sociales Luis M. Casas Garca

Pg. 7 Nociones SPSS. Inferencial

QU PRUEBA DEBEMOS APLICAR? La prueba se elige en funcin de los datos que tengamos y la informacin que queramos obtener. Bsicamente podemos describir los datos, ver la asociacin que existe entre unos y otros, comprobar si existe diferencia entre ellos o probar si se ajustan a determinados modelos:

Descripcin

Asociacin

Diferencia
Intervalo Aleatoriedad Aleatorio? S Normal? S Varianzas iguales? S

Ajuste
Igualdad varianzas Normalidad Rachas KolmogorovSmirnov Levne

Media Nominal Ordinal Intervalo Nominal Ordinal Mediana Moda Chi Cuadrado Spearman Pearson Desviacin Coeficiente C No tpica Curtosis .... No Tablas Grficos No

2 grupos + de 2 grupos 2 grupos + de 2 grupos Relacionados Independientes Relacionados Independientes T Student Z Anova Post Scheff

Wilcoxon U Mann-Withney Kruskal-Wallis

Esquema de decisin pruebas estadsticas ASOCIACION ENTRE VARIABLES Cuando se consideran dos variables, se puede representar la variacin conjunta de las dos. Por ejemplo, en dos pruebas A y B unos determinados sujetos obtienen puntuaciones X e Y tales como las siguientes: Sujeto X Y 1 10 51 2 12 51 3 10 54 4 20 56 Supongamos que seguimos hasta tener 50 sujetos, y entonces resultar una nube de puntos, que constituye el diagrama de dispersin:

El coeficiente de correlacin indica la relacin entre dos o ms variables. Puede ser: 1.- Perfecta y positiva: cuando al aumentar el valor de la variable aumenta de forma constante el valor de la otra. +1 ser la correlacin perfecta y positiva. 2.- Perfecta y negativa: al aumentar el valor de una variable disminuye de forma constante el valor de la otra. -1 es el valor en este caso.

Mster Universitario de Investigacin en CC. Sociales Luis M. Casas Garca

Pg. 8 Nociones SPSS. Inferencial

3.- Imperfecta: cuando no existe una correspondencia constante entre las variaciones de las variables. Pueden ser positivas o negativas. 4.- Nula: cuando las variables son independientes: a una puntuacin alta de una variable le puede corresponder otra alta o baja en la otra variable.

En general, las correlaciones se interpretan segn los siguientes criterios: Entre 0 y Entre Entre Entre Entre

0,2 muy baja

0,21 y 0,4 baja 0,41 y 0,7 media 0,71 y 0,9 alta 0,91 y 1 muy alta

La interpretacin de la correlacin depende tambin de la naturaleza de las variables que hemos puesto en relacin y de la variabilidad del grupo. Si se encuentra por ejemplo una correlacin 0,6 para los resultados de dos test de inteligencia distintos, no es muy alto. Si se aplica el mismo valor para ver correlacin entre inteligencia y altura de dos grupos de sujetos, sera muchsimo. Adems, las correlaciones son ms bajas cuanto ms homogneas son las muestras y ms altas cuanto ms heterogneas. No se debe olvidar que correlacin no implica relacin causa - efecto. Slo indica covariacin entre dos variables. La eleccin del coeficiente de correlacin adecuado depende de la naturaleza de las variables que estemos estudiando. Aunque hay muchos ms, se suelen utilizar los siguientes: 1.- Coeficiente de Pearson, para variables de escala 2.- Coeficiente de Spearman para dos variables ordinales. 3.- Coeficiente de contingencia C para variables nominales.

En SPSS, vamos a utilizar, por ejemplo, unos datos de coches, que incluyen, consumo, pas de fabricacin, etc.

Vamos a calcular si existe correlacin entre las distintas variable. Utilizaremos Analizar Correlaciones Bivariadas.

Mster Universitario de Investigacin en CC. Sociales Luis M. Casas Garca

Pg. 9 Nociones SPSS. Inferencial

Los datos nos indican que existen correlaciones significativas estadsticamente entre todas las variables, en algunos casos positivas (las dos variables varan en el mismo sentido) y en otras negativas, algunas ms altas y otras ms bajas. El procedimiento sera parecido para calcular el coeficiente de correlacin de Spearman entre el ao de fabricacin y la potencia:

En este caso, existe una correlacin estadsticamente significativa, negativa pues los coches ms antiguos (ao de fabricacin menor) tienen mayor nmero de cilindros. Pero la correlacin es baja, poco interesante. Para variables nominales, el procedimiento es distinto. En este caso hay que construir primero una tabla de contingencia, y despus calcular el valor del coeficiente C, que se hace a partir de la chi cuadrado de Pearson. Para ello, utilizamos Estadsticos descriptivos Tablas de contingencia:

Mster Universitario de Investigacin en CC. Sociales Luis M. Casas Garca

Pg. 10 Nociones SPSS. Inferencial

A continuacin pulsamos la opcin Estadsticos

Obtenemos los siguientes resultados:

Los datos nos indican que existe una asociacin estadsticamente significativa, positiva, pero de nivel medio entre el pas de fabricacin y el nmero de cilindros. En la tabla de contingencia podemos ver que, comparativamente, en Estados Unidos se fabricaban coches con ms cilindros. En algunos casos, cuando tenemos pocos datos en cada variable (el programa SPSS lo advierte) hay que utilizar correcciones o utilizar las pruebas exactas, opcin que tambin ofrece el programa:

Mster Universitario de Investigacin en CC. Sociales Luis M. Casas Garca

Pg. 11 Nociones SPSS. Inferencial

DIFERENCIA ENTRE DATOS En estas pruebas, lo que tratamos es de contrastar si hay diferencia entre los resultados entre dos grupos (por ejemplo uno en el que hemos utilizado un procedimiento de enseanza nuevo y otro en el que no). Las pruebas que podemos utilizar son diferentes segn: El tipo y distribucin de los datos. Las pruebas son distintas si los datos son nominales, ordinales o de escala, si se distribuyen aleatoriamente y se ajustan a la distribucin normal, si la varianza es igual o distinta, o si no cumplen alguna de estas condiciones.

Si cumplen unas condiciones (datos de escala, aleatoriedad, normalidad e igualdad de varianzas) utilizaremos pruebas llamadas paramtricas. En caso contrario, no paramtricas. El nmero de grupos. Hay pruebas para dos grupos o para ms de dos grupos. El tipo de grupos. Hay pruebas para grupos independientes o grupos relacionados.

Grupos independientes son los que no tienen relacin entre ellos, como por ejemplo los datos de alumnos de dos clases distintas. Grupos relacionados son, por ejemplo los datos del mismo grupo pero antes y despus de una experiencia. La razn es que la diferencia de varianzas entre grupos independientes es mayor que entre los grupos relacionados.

Pruebas paramtricas o no paramtricas. Se utilizan pruebas paramtricas si los datos son de escala, y cumplen las condiciones de ajustarse a la distribucin normal, ser aleatorios y tener varianzas iguales. Se utilizan pruebas no paramtricas si los datos no cumplen las anteriores condiciones. En general, se puede admitir que las pruebas paramtricas pueden usarse cuando los datos son de escala y el nmero de datos es grande (ms de 25), pues los resultados no suelen variar mucho.

Contraste de medias. Pruebas paramtricas. Se hacen en Analizar --- Comparar medias:

Para dos grupos, utilizaremos Prueba T para muestras independientes o Prueba T para muestras relacionadas, segn hemos explicado antes. Para grupos independientes:

Mster Universitario de Investigacin en CC. Sociales Luis M. Casas Garca

Pg. 12 Nociones SPSS. Inferencial

En este caso, contrastaremos si la media de consumo de los coches es mayor en el grupo 1 (coches de EEUU) o en el grupo 2 (coches de Europa)

En los resultados obtenidos, podemos ver que hay diferencia estadsticamente significativa entre la media de consumo de los coches de EEUU (1284) frente a los de Europa (889). Para grupos relacionados, el procedimiento es similar. Si queremos comparar ms de dos grupos utilizaremos la opcin Anova de un factor. Seleccionamos las variables y seleccionaremos la opcin Post hoc para que podamos comparar los datos de los grupos. La prueba post hoc ms frecuente es la de Scheff.

En el ejemplo de los coches, el procedimiento, lo que hace es comparar cada grupo con los dems. La diferencia entre los consumos es significativa, y la prueba de Scheff nos indica que los coches que ms consumen son los de EEUU. Pero tambin nos indica que la diferencia entre el consumo de los coches de Japn y Europa no es estadsticamente significativa.

Mster Universitario de Investigacin en CC. Sociales Luis M. Casas Garca

Pg. 13 Nociones SPSS. Inferencial

La comparacin de medias con pruebas no paramtricas, en SPSS se hace en Analizar pruebas no paramtricas 2 muestras independientes, relacionadas, k muestras relacionadas.

Por ejemplo, para muestras independientes, se hace igual que en el caso de pruebas paramtricas; aunque los resultados son diferentes, la interpretacin es la misma.

Para muestras relacionadas es similar. La prueba ms frecuente es la de Wilcoxon. Esta prueba lo que hace es comparar en cuntas ocasiones unas puntuaciones superan a otras, y dependiendo de ello, se calcula qu probabilidad hay de que eso ocurra por azar. La interpretacin es la misma.

Mster Universitario de Investigacin en CC. Sociales Luis M. Casas Garca

Pg. 14 Nociones SPSS. Inferencial

Cuando se trata de comparar varias muestras, se elige la opcin Analizar pruebas no paramtricas k muestras independientes o bien k muestras relacionadas. En el caso de k muestras independientes ser:

. Como en nuestro ejemplo hay 3 grupos de pases productores, activamos la opcin Definir rango y seleccionamos como mnimo 1 y como mximo 3.

La prueba que realiza es la de Kruskall-Wallis. La interpretacin es la misma: las diferencias entre los grupos son significativas. En este caso no tenemos pruebas post hoc para comprobar entre qu grupos se dan las diferencias. Tan slo hay informacin descriptiva. La comparacin hay que hacerla entre parejas de variables. En el caso de que las k muestras que queremos contrastar sean relacionadas, elegiremos dicha opcin. La interpretacin es similar a la prueba anterior, aunque en este caso, la que se hace es la prueba de Friedman.

Mster Universitario de Investigacin en CC. Sociales Luis M. Casas Garca

Pg. 15 Nociones SPSS. Inferencial

AJUSTE Las pruebas de ajuste tratan de determinar si los datos de un grupo se ajustan a un modelo matemtico o a otro grupo. Las pruebas ms utilizadas son: Prueba de ajuste a la normalidad. Tratan de determinar si los datos tienen una distribucin normal.

Una condicin para poder elegir pruebas paramtricas es que los datos tengan una distribucin normal. Prueba de aleatoriedad. Tratan de determinar si los datos se ajustan a una distribucin aleatoria, es decir, que no hay ningn sesgo.

Para poder elegir pruebas paramtricas, las muestras han de ser elegidas de forma aleatoria. Prueba de igualdad de varianzas.

Para poder llevar a cabo un Anova paramtrico, es necesario que se cumplan las tres condiciones anteriores: que los datos se ajusten una distribucin normal, que los datos sean tomados de muestras aleatorias e independientes, y exista igualdad de varianzas entre los grupos. Para analizar los datos de un contraste de medias de dos muestras independientes, como veremos ms adelante, hay que leerlos considerando si efectivamente se cumple o no la igualdad de varianzas.

Ajuste a la normalidad. En SPSS, la normalidad de unos datos se contrastan mediante la opcin Analizar --- Pruebas no paramtricas KS de 1 muestra:

Podemos seleccionar una o varias variables y comprobar si se ajustan a la distribucin normal.

Mster Universitario de Investigacin en CC. Sociales Luis M. Casas Garca

Pg. 16 Nociones SPSS. Inferencial

La prueba que SPSS hace es la de Kolmogorov-Smirnov (K-s). Los resultados son los siguientes:

Los resultados de esta prueba se analizan de forma un poco diferente a las anteriores, y hay que prestar atencin. La clave est en que queremos comprobar que los datos siguen una distribucin normal. Para ello, la prueba comprueba si hay diferencias significativas entre los datos y los de una distribucin normal. Si el nivel de significacin es menor que 0.05, esto significa que los datos son diferentes a los de una distribucin normal con una probabilidad menor del 5%. Por lo tanto, no se ajustan a la distribucin normal. Si necesitamos que los datos sean normales (por ejemplo para que se puedan aplicar pruebas paramtricas) el valor de significatividad debe ser mayor que 0.05. En este ejemplo, los nicos datos que siguen una distribucin normal son los de la variable Aceleracin.

Para comprobar la distribucin normal, tambin podemos utilizar una opcin grfica: Analizar Estadsticos descriptivos Grficos P-P (tambin puede usarse Grficos Q-Q):

Eligiendo como Distribucin de contraste la Normal, obtendremos los siguientes grficos:

Mster Universitario de Investigacin en CC. Sociales Luis M. Casas Garca

Pg. 17 Nociones SPSS. Inferencial

En estos grficos, como podemos ver, si la diagonal representa la distribucin normal, los puntos se ajustan ms o menos a ella. En el caso de la variable Aceleracin, que segn la prueba anterior se ajustaba a la normal, el ajuste grfico es prcticamente perfecto.

Igualdad de Varianzas. En SPSS la igualdad Hay dos formas de hacerla: de varianzas se contrasta mediante la prueba de Levene.

1.- Cuando tenemos 2 muestras: Analizar comparar medias 2 muestras independientes Los resultados que tenemos son:

En la primera fila vemos que la significacin (Sig.) es menor que 0.05, lo que quiere decir que la diferencia entre las varianzas de los grupos es significativa, o dicho de otra forma, que las varianzas no son iguales. La lectura del resto de los datos habra que hacerla en la segunda fila (No se han asumido varianzas iguales)

2.- Cuando tenemos ms de 2 muestras: Analizar Comparar medias Anova de 1 factor:

Despus sealar opciones, y dentro de las opciones elegiremos Prueba de homogeneidad de varianzas:

Mster Universitario de Investigacin en CC. Sociales Luis M. Casas Garca

Pg. 18 Nociones SPSS. Inferencial

La prueba que se realiza es, de nuevo, el Test de Levene. Los resultados sern:

Tambin como en el caso anterior, la interpretacin de lo datos hay que hacerla con atencin, del siguiente modo: la significacin es menor que 0.05, por lo tanto la diferencia de las varianzas entre los tres grupos (los coches de EEUU, Japn y Europa) es significativa, lo que quiere decir que no tienen varianzas iguales. No deberamos hacer un Anova paramtrico, y tendramos que elegir el equivalente no paramtrico.

Aleatoriedad Para contrastar que los datos constituyen una muestra aleatoria, en SPSS utilizamos la opcin Analizar Pruebas no paramticas Rachas:

Los resultados son los siguientes:

De nuevo, como en las pruebas anteriores, la significacin es menor que 0.05, lo que indica que los datos difieren significativamente de datos aleatorios, por lo tanto, no son una muestra aleatoria.

Mster Universitario de Investigacin en CC. Sociales Luis M. Casas Garca

Pg. 19 Nociones SPSS. Inferencial