SPSS MANUAL PRACTICO Dra. Maria Vallejos Atalaya 2010SPSS: Manual précticn Dra: Marta Vallejoy A. INDICE Tema 1. Introduccién al SPSS 1.4.Estructura del SPSS. 4 El editor de datos 4 El visor de resultados de datos .. 5 1.2.Barra de meniis y de herramientas 5 Menus generales 5 Menus analizar 5 Menus ayuda .. 6 1.3.Como manejar archivo de datos 7 Elaborar archivos nuevos 7 Definir variable ... 7 Guardar 8 Abrir archivos de datos existentes 9 Tema 2. Analisis descriptivos con una variable 2.1. Distribuciones de frecuencia 1 Tablas de frecuencia... 3 11 Representaciones graficas 12 2.2.Medidas de posicin y de tendencia central... 16 Los centiles, los deciles y los cuartiles 16 Media, mediana y moda : i 7 2.3.Medidas de variacién 18 2.4.Varianza y desviacion tipica .. 18 2.5.Diagrama de cajas.. 19 2.8. Puntuaciones tipicas y escalas derivadas 19 2.7. Asimetria y curtosis .. see 22 Ejercicios . 23 Tema 3. Andlisis descriptivos con mas de una variable 3.1. indices de asociacién lineal 25 La matriz de varianzas-covarianzas 25 Distribucién T Inversa * 45 Distribucién F Inversa ... Matriz de correlaciones 26 3.2.Combinacién lineal de variables 27 3.3. Analisis de regresién lineal simple 28 Diagrama de dispersion ...... . 29 Ecuacién de regresi6n 30 Bondad de ajuste del modelo . a 84 3.4. Andlisis de regresi6n lineal multiple 37 35.Distrbucones de reeuencias yrepreseniacones grteas «.... 99 Ejercicios . 40 Tema 4, Distribuciones 4. Distribucién Binomial 44 2. Distribucién Normal Estandar........... 44 3. Distribucién Chi Cuadrado (X%)....... 45 4 5SPSS: Manual practice ras Marta-Vablejoy A Tema 5. Estimacion de Parametros en SPSS A. Intervalo Confidencial para la media y proporcién poblacional.. 47 8 Inlewalo Confisenea paral dlerenia de propoeiones y medias poblacionales .. 48 Tema 6. Prueba de Hipstesis Prueba de Normalidad ....... mimmnrmnmmmomvens: 50. Prueba de Hipotesis Paramétricas 50 Prueba de Hipotesis ‘diferencia de Varianzas Poblacionales ......... 51 Prueba de Hipétesis ‘diferencia de Media Poblacional 51 Analisis de Varianza ses 52 Tablas de Coniingencia Ji Cuadrada 52 Pruebas No Paramétricas ia coma 5aSPSS: Manual préctico Dra: Marta Vallejoy A. Tema 1. Introduccién al SPSS El objetivo de este primer tema es que es que el alumno aprenda a manejarse en el programa SPSS dentro. del entoro Windows. Para ello, primero hablaremos de su estructura y de sus principales ventanas (el editor de datos y el visor de resultados). Mas tarde, de las barras de ments y de herramientas y de las funciones que realizan. Por tiltimo, veremos c6mo se manejan los archivos de datos. 1.1. Estructura del SPSS Antes de entrar en aspectos técnicos, conviene que el alumno tenga claro que el SPSS realiza tres funciones esenciales: (1) leer datos de n sujetos en J variables, (2) especificar el tipo de andlisis que se quiere realizar con esos datos (estadisticos de tendencia central, de variabilidad, etc.) y (3) mostrar los resultados obtenidos tras los anilisis. Lo tinico que no hace el SPSS es damos la interpretacién de los resultados. Esa es tarea del investigador. Como veremos a continuacién cada una de estas funciones aparece en una ventana diferente. El primer paso para acceder al SPSS es abrir el programa, Para ello hay que entrar en Windows y pulsar dos veces con el hotén izquierdo del ratén sobre ef siguiente icono: * El editor de datos La primera pantalla que aparece al entrar en el SPSS es la ventana del editor de datos, la cual oftece el siguiente aspector Drie Latin Yor as Ipfone Sree sien Lhates Yedlom 2 IBIS) BI o)e) elt) m6) ie BIBI) sala) SS i [SIE wets soe Sade permis etfs] MA) | Sa eel anf ATIC Ela =I) La barra de la parte superior consta de una serie de memis (Archivo, Edicién, Ver, Datos, ete ) Si se selecciona con el raton cada una de ellas aparece un menti desplegable donde se ofrecen otros sub- ‘ments, cada uno de los cuales tiene a su vez un ‘cuadro de didlogo’. Algunos de estos sub-mentis (los mas utilizados) pueden definirse en la barra inferior En lugar de mentis, ésta consta de una serie de botones cada uno de ellos con un icono dibujado (p.e. 7: abrir archivo; =: guardar archivo; etc.) y se denomina barra de herramientas, Mentis generates Entre los mens de “la barra de mentis” se encuentran los que son comunes a todos los programas de tipo Windows: Archivar, Editar, Ver, Ventana, etc. En el SPSS, los que ofrecen mayores diferencias son los ments ‘Datos’, ‘Transformar’ y ‘Analizar’ los cuales permiten realizar operaciones con los datos- Dichos ments serdn revisados en detalle en los temas 2 y 3. “Para ver ejemplo ira paginas 9 y 10. “* Cada ventana iene su props basta de menos y de herramiontas, aunque son baslanto similares. Mend Analigar Este es e! ment mas importante de todos. Silo seleccionames., aparece /o siguiente:SPSS: Manual procter Dra. Maria-Vallejoy A doce ine Eibiblccr dain # Tablas pervonaicads* - Crowerresee Mier ied geo) 8 Seneuceree : aegenin : ainea : : tt Besos: Eat Paxbacwo va aan Sater engeraes Sevens | Rexpeseramples 8 Figura 1.3. Decimos que es el ment) més importante porque desde aqui es donde indicaremos al SPSS el tipo de analisis que queremos realizar con los datos. Cada fila (terminada en una punta de flecha: 1) ofrece a su vez olros rnentis, cada uno con su correspondiente cuadro de didlogo que es el lugar donde se especifica el mimero de variables que entran en el anilisis y otra serie de detalles que veremos mas adelante, En estus priicticas veremos los mentis que se corresponden con las ienicas a ser estudiudas en In asignatura Estadistica Aplicada a la educacién. En concreto, los meniis “Estadisticos descriptivos”, “Correlaciones” y “Regresién”. Menti Ayuda Por tiltimo, el ment que aparece con la expresiGn 2 se refiere a la ayuda que offece el programa y que sera muy dtil en todo momento para el usuario. Puede accederse a él desde la ventana Editor de datos y Visor de resultados y en ambos casos ofrece el siguiente aspecto: Lene Tend Plt sinebulsesss Sytecdude , oes aa Figura 1.4. Desde "Temas’ puede escribirse un tipo de andlisis (por ejemplo 'Frecuencias’) y el SPSS muestra una descripcidn de sus opciones. También es posible obtener ayuda pulsando el bot6n derecho del rat6n. Por ejemplo, si nos encontramos en el cuadro de diglogo en el que se calculan los estadisticos descriptivos y se quiere saber la definicién de “curtosis” , basta con seleccionarlo y pulsar el botén derecho del ratén. 1.3.Cémo manejar archives de datos En este apartado aprenderemos a manejar la ventana Editor datos y a leer y almacenar en un archivo los datos necesarios para realizar un andlisis. El objetivo que se persigue es que el alumno aprenda estas operaciones para finalmente saber manejar los datos de la préctica. Los datos de 1a prictica se corresponden con un cuestionario que fue administrado por un equipo de estudiantes del Sto grado del Colegio “Ricardo Bentin” del Rimac, a una muestra de 200 alumnos de la promocién del mismo colegio. Dicho cuestionario consta de 8 preguntas. Cada una de ellas a6SPSS: Manual procter Dra. Maria-Vallejoy A constituye una variable medida en diferentes niveles. Por ejemplo, la primera variable, sexo esté medida a nivel nominal y la cuarta, estatura, a nivel de razén (ver anexo II para una descripcin detallada de cada variable). Aqui trabajaremos con las respuestas correspondientes a una muestra de 200 alumnos. Por tanto, la interpretacién de los andlisis realizados se referird tan solo a esta muestra de alunos, Los datos empleados aparecen en el anexo TIT, Puesto que constan de 200 casos y su grabacidn seria muy costosa, dichos datos seriin facilitados en un archivo (practical.sav) que se les hard Hegar via mail. Es tarea del alumno descargar este archivo, grabarlo en un disquete de 3% y tenerlo disponible siempre que se va a realizar la clase priictica Elaborar archivos nuevos Cuando recogemos datos de n sujetos en J variables, lo primero que hay que hacer es introducirlos en el SPSS. Pura ello hay que situarse en Ia ventana Editor de datos de la figura 1.1. Esta ventana contiene una matriz de m sujetos x J variables. Veamos cémo se introducen datos a partir de un ejemplo préetico. Supongamos que tenemos los siguientes datos: ‘Sujete | Saxo Tnaligencia_| Nivel euttural | Estes 1 0 Tor 2 a z T 3 T 5 g 1 % 2 6 4 0 29. 1 4 5 0 107 z 7 Los datos corresponden a 5 sujetos medidos en cuatro variables; Sexo (0; mujer y 1: varén), nivel cultural (1: bajo y 2: alto), inteligencia y estrés. Por tanto, tenemos que elaborar una matric de 5 filas por cuatro columnas. Los datos se introducen colocando un sujeto en cada fila ¥ una variable en cada columna, Para ello, simplemente se escriben las puntuaciones correspondientes a cada caso. Para moverse de mia celda a otra se pulsan las teclas marcadas con flechas En nuestro ejemplo, los datos de los 5 primeros sujetos se colocan del siguiente modo: cers Ene ejomploen epi cf vero fo —————r verncot | wena | icoana | vores 1 Ta sa Ta Eee an 72H Pubar para ver Pulp yc lew etic de hs aiales Una vez. introducidos los datos es necesario dar nombre a las variables. Como se observa en figura superior, el SPSS ha dado por defecto los nombres var0000/, var00002, var00003 y var00004. Asimismo, ha escrito los valores numéricos con dos decimales, Si se desea cambiar el nombre de una variable y definir sus caracteristicas (por ejemplo nivel de medida, etiquetas de valores, formato de columna, definicion de valores perdidos, etc.) hay que pulsar con él ratén en la solapa "Vista de variables”. A continuacién aparece una ventana que contiene Jantas filas como variables haya definidas en. el editor de datosSPSS: Manual préctico Dra: Marta Vallejoy A. fehve Eats Yor Dace Towtme aren fier iets: Yea 2 Blais) 5) 9) | 2) 8) 4) ae) taal) > nbs [Tae [entra | Ooctran | iu fect |Raraic ec Marae 5c Marae iM Mais FETE wets wresoe I IRFE8 El centr wom Figura 1.5. En cada fila se da la posibilidad de: modificar el nombre de la variable (teniendo en cuenta que no puede tener mas de 8 caractetes de largo) ademas de otras propiedades como el tipo (numérico, cadena, etc.), la anchara, el niimero de decimales, 1a etiqueta, cl significado de los valores que admite, los valores perdidos, la alineacton del texto, ete, Basta posicionar el ratén o el cursor en cada casilla y escribir la informacién deseada, En nuestro ejemplo, Hamemos a las variables, sexo, intelig, ine, y estrés, Algunas de las casillas de la ventana 'Vista de variables’ incorporan sti propio cuadro de didlogo que se activa al seleccionarlas, Por ejemplo, al pulsar en “Valores” aparece lo siguiente Desde cate emda de disogo se puede daretiguetaa Jas valores de na variable: Por eempo gn av el valor | significa nivel cultural bajo y el valor 2, nivel ‘ultra alte. Cada vex que se inoduzca la eigusia be tam valor spl tela Par Pars termina se plea oa Acero, Una ver definidas todas las caracteris se pincha en la solapa "Vista de datos’ de las variables, para poder visualizar los datos numéricos El resultado para nuestro ejemplo es el siguiente: ‘Aveo Ecos a Done asia ancy Gives Weeds vara 2 Slee 3) |] Af | aa) ee] ls fal [fe se |_ meg [ve [ cea [we [veal 7 7 oi fees See pg se oleae feces esr ieee ee eee eee FETE rae un HET Figura 1.6. Guardar Para guardar la informacion introducida en el editor de datos se selecciona el meni Archivo de la barra de herramientas, se elige “Guardar” y aparece el cuadro de didlogo:ras Marta-Vablejoy A oe ; feasts Gets 208 fae Schocciomsr unidad ise os Mhciatition ioe Berstegay PF Saeco! aoa = a ——— = co Figura 7. EL SPSS guarda los archivos de datos con Ia extensién “sav por tanto basta con dar un nombre a los datos (ejemplo) y por defecto se grabarin en un archivo con la extensi6n sav (aqut le hemos llamado: a.\ejemplo.sav). También es posible guardar archivos de resultados. Para ello nos situamos en la ventana Visor de resultados seleccionamos el mem “Guardar” de la figura 1.2. y aparece un euadro de dialogo idéntico al de la figura 1.7. Fl procedimiento a seguir es exacto al de archivar datos con la Unica diferencia de que la extensin de este tipo de archivos es “spo”. Por tanto, los archivos SPSS con la extensin “sav” contienen datos y los de la extensién “spo” resultados. ‘Veamios ahora cémo se procede en el caso de no tener introducidos los datos de las pricticas. Aqui trabajaremos con un fichero que contiene las respuestas de 200 alumnos de Sto. Afio de secundaria a un cuestionario de 8 preguntas (ver anexo II para una descripcidn de cada variable), Por tanta tenemos Jas respuestas de 200 sujetos en 8 variables. Para introducirlas en el SPSS hay que situarse en la ventana Editor de datos y elaborar una matriz de 200 filas x § columnas. En este caso Ia ventana “Vista de variables” tiene 8 fflas, una para cada variable considerada.* En cada fila existe la posibilidad de modificar sus caracteristicas (nombre, etiqueta, decimales, valores, etc), El resultado obtenido es igual al de la tabla de datos que se incluye en el anexo IIL Abrir archivos de datos existentes Cuando el archivo de datos se encuentra ya introducido en el ordenador o en un disquete, bastara simplemente con abrirlo, Para ello, se selecciona el mend ‘Abrir' de la figura 1.7. y la unidad donde se encuentra el archivo. En la figura 1.8, aparece el cuadro de didlogo correspondiente a“Abrir” Nuestros datos se encuentran grabados en el archivo a.\practica.sav, Para acceder a ellos los seleccionamos y pulsamos en el bot6n abrir, n este easo as variables son: sexo, edad, peso, estatur, distrito,area_dest, per_estudio y per_earner.SPSS: Manual préctico Dra: Marta Vallejoy A. teen [Sinema le acho tein pte abe es Fuds voos on el be pou tnc cone Sovrees | De ems ie ee | — rel arse oe lee formato quetiene et seve shar yor sempl, sto Ese, ‘sin dow eon esi af) ‘Bam . ‘tr 4 Figura 1.8. ‘Una vez completada esta operacién aparecen los datos en el Editor de datos. A continuacién se ‘muestra un ejemplo para los 5 primeros sujetos en las cinco primeras variables: Auctiva Edicion Yer Dalos Ttensoma analiza) Gisticus Uidies Veptona 2 SS] Rl of) tele) an) Fe] Balan FSi Boba 17 38K0 edad peso | estatura distrito t 1 1S 99.00 162 Rimac zt 1a mm 183 Rimac 3 o 15, 61.00 1.75 Rimac 4 1 15 56.00 1.63 Rimac 3} 1 18 S40) 1.68 _Rimac Vista de datos {Viste de variables. [4 SPSS E! pccesachy G04 plopaiade Figura 13. Siempre que se desee iniciar una sesin con el SPSS en la que se Hleve a cabo uno 0 mas andlisis de datos, es necesario que el archivo donde se encuentran los datos a analizar esté abierto en el Editor de datos del SPSS. Como veremos més adelante, los mentis donde se encuentran las diferentes opciones de analisis no estiin activos a no ser que el editor de datos tenga algiin tipo de contenido. Para que el SPSS realice algiin tipo de andlisis estadistico, no basta con que los datos estén grabados en un archivo, es necesario que dicho archivo esté abierto. + ELSPSS es capaz de leer datos no sélo de tivo "sav (el formato de SPSS) sino tambien de ottos formatos, por ejemplo archivos de tipo EXCEL. Para abra un archivo de tio EXCEL (por ejemplo, ef fichero practcat.xls) se selecciona fa ppcion “Tipo de archivos” de la figura, 18 yExcel (xls). Sin embargo los Ficheros d datos de datos Ge tipo "sav solo pueden leerse con el programa SPSS, -10-SPSS: Manual procter Dra. Maria-Vallejoy A Tema 2. Anilisis descriptivos con una variable En este tema aprenderemos a llevar a cabo los anilisis deseriptivos con una variable revisados en la primera parte de la asignatura Estadistica Aplicada a la Educacién. Todos los andlisis se realizan desde el ment Analizar—» Estadisticos descriptivos: Pauls rrves >| rece Dect: Eee Tetedecrtigetn Lior peentsindes Capers Mebbleealgeed asain > Bunion > Lege > Cafe . Radodindodun —* Ecabe . Poston romounitiose * Saviswouies* ipevercis » eeu manos F Figura 2.1. Para realizar andlisis descriptives univariados basta con los tres primeros procedimientos (“Frecuencias”, “Descriptivas” y “Exphrar”). A continuacin se presenta una explicacién detallada del cuadro de didlogo correspondiente a cada tna de ellos, 2.1. Distribuciones de frecuencias Con el SPSS pueden confeccionarse distribuciones de frecuencias para organizar los datos correspondientes a una variable. En este apartado veremos cémo se construyen las tablas de frecuencias y c6mo se realizan algunas de las representaciones grificas vistas en clase. Ambas cuestiones Se evan a cabo desde el cuadro de diilogo correspondiente al procedimiento “Frecuencias” de la figura 2.1. Tablas de frecuencias El cuadro de diilogo “ Frecnencias” ofrece el siguiente aspecto: sladar aguas wines Estadisticos descriptivos -> Explorar (ver figura 2.1.), cuyo cuadro de dilogo es el siguiente: oo ‘Trasladaragut a viable o arabes para es ue se dese oben un nisi deserpivo tienen que sr ‘cuanitativas) Pulsar aut par solicit an ‘agama dll y hos Figura 27a Este cuatro de didlogo oftece diferentes posibilidades de andlisis de datos. Por el momento nos ‘centraremos tan s6lo en la que nos interesa, que es elaborar un diagrama de tallo y hojas. Para ello en primer lugar se seleccionan las variables para las que se desee elaborar este tipo de diagrama y trasladan al cuadro ‘Dependientes” mediante el botén LE. A continuacidn se selecciona el botdn ta opcién “grificos’ y aparece el siguiente cuadro de dislog Para diagrams de alloy oj, seeceinar eta opin Figura 2.7. ‘Veamos un ejemplo con Ia variable ‘peso’. Los resultados obtenidos son los siguientes: Sise desea cambiar alguna de las opciones puede hacerse pulsando dos veces con el botGn izquierdo del raton y se entra en ‘el editor de grficos’ desde el que puede cambiarse tanto el aspecto come la disposiion del gratico -14-SPSS: Manual pricticr ras Marta-Vablejoy A Peso Sram and ead Poy Tallon deseas) Hoja (cua rtimero repreenta | e280) Frequency sud © Lea 2.00 z. 9 aon 4) ize 23.00 4. ssose77726 2a lon Bl noisz22ss3aa4 42.00 5. S555ssesse777 7000099 8.00 = 1 aonnonnii1i22533333494 22.00 5. sosssse7=9 33100 a) oasa93 Valores xem: 8 jets $00 a. see resin nade Kg, 1.00 ele Ve 8.00 Extremes stem widen: Each leat. (r82| 10.00 2 ease (2) Elprocedimiento Seleccionar casos Supongamos que en lugar de obtener las distribuciones de frecuencias para ‘edad? en los sujetos de toda la muestra, nos interesa obtenerla sélo pata los varones. Existen varios procedimientos para seleccionar subgrupos de casos. Aquf utilizaremos el menti: Datos -> Seleccionar Casos... debe ces pesatsat eee poem real a peace nats) |g Ditto ds Posed, a oven ae Peteouneee se) ones etalon, Fee | _Reotben |) _ cea Figura 2. Sle a fel) 0 Behico mdr © cet (al ine roca |p esausfoer | pDianad Pacem |Pevaseaiedesse| parecer det [2 cote ae Dede gue hemos dicho al SPSS que solo queremos tuslizer aloe varones (-aexo-1") Lae restentes casos, las mujeres (“sexo=01") han quedadofilteados, aunque también podefahaberse filtrado Si activamos las opciones seleccionadas en la figura 2.8 (pulsando en "Aceptar"', como en cualquier menti), nétese que se crea automticamente la variable filter_$ (con etiqueta ‘sexo Mientras esta opeién esté 1 GILTER))*. todos los andlisis solicitados se referirin tan s6lo a los varones. Por ejemplo, si se solicita la distribucién de frecuencias para ‘edad’, se obtiene lo siguiente: -15-SPSS: Manual préctico Dra: Marta Vallejoy A. Edad Forcentaje | Porcenaje Frecuencia | Porcenlaje | waldo | acumulada vandes 15 T 48 a8 48 18 95 6541 85: 693 " 7 116 116 a15 18 2 194 15 08 18 5 34 34 100.0 Total 148 100.6 4100.0 Para quitar el filtro y volver a analizar todos los casos, se puede: 1) volver al menti de la figura 2.8 y ‘sta de variables" y var la opeién "Seleccionar todos Jos casos", 2) 0 bien entrar en la solapa borrar Ia nueva variable que se ha creado automadticamente (denominada filter_$), 2.2, Medidas de pos central 6n y de tendenci Los estadisticos de posicién y tendencia central para las variables definidas en el editor de datos pueden obtenerse desde diferentes cuadros de didlogo. A continuacién veremos los procedimientos més empleados para cada una de ellas. Los centles, los deciles y los cuartiles Los centiles y otros euantiles pueden obtenerse desde el procedimiento Freewencias (ver figura 2.2). En la parte inferior de este cuadro de didlogo hay un botén llamado ‘Estadisticos’. Si se selec obtiene el siguiente cuadro de dilogo: Si se desea seer Tos | Made percent Tendancicencal secs indicat 70 grupos, res dee cvarider lnc fae eda fi Ty Pirfos@Bcatepaw: [I guposiquaes | I~ Medan T Berit [— T Moss sists Tsim F Lonsateesson puns mesos de gue ee emilee y permite denne cent (entre 1 al 3) gu se dese ‘itera, Paral dnd are, Deru cast ramere ypaict el P Wires Fageee beni Adin scesiemente a ae amet [eT masts . Figura 2.9. Desde aqui puede indicarse que se obtengan diferentes tipos de cuantiles: los cuartiles o los percentiles. Se puede indicar el nimero exacto del centil que se desee obtener ¢ irlo afadiendo a lista inferior. Continuemos con nuestro ejemplo de la variable edad. Si le pedimos que nos dé los cuartiles y los centiles 10, 30, 60 y 90 se obtiene lo siguiente: Para wilizar tase de wn eaeno (sexo=l) & (arca_dest=5) TTeccion Gor ejemplo "varonet que se destacan en el area de matemétiea’ se indica 216SPSS: Manual préctico Dra: Marta Vallejoy A. Estadisticos Edad W Valiaos Perdidos Percentiles 10 30 60 Ey Como se observa., hay que los alumnos con 16 afios de edad superan ampliamente en niimero a los demés, solo un 10 % tiene 18 afios @ mas. Media, mediana y moda Estos estadisticos pueden obtenerse pricticamente desde cualquier cuadro de didlogo del ment Analizar de la figura 2.1. Uno de los mas empleados es el del cuadro de didlogo ‘Frecuencias’ ya que cuando se elabora una tabla de frecuencias normalmente también se desea obtener las medidas de posicién, Para ello se pulsa en el bot6n ‘Estadisticos’ del cuadro de dislogo de ia figura 2.2. y aparece el cuadro de didlogo de la figura 2.9. Aqui puede seleccionarse las opciones ‘media’, ‘mediana” y ‘moda’ y el SPSS calcula estos tres estadisticos para el listado de variables seleccionadas en el cuadro derecho de la figura 2.2. La media que se obtiene se corresponde con la inedia aritmética, a mediana con el valor central cuanclo los datos se ordenan en modo reciente y la moda con el valor que obtiene la frecuencia absoluta mayor. Continuando con el ejemplo para la variable edad los resultados obtenidos son los siguientes: Estadisticos " Vanes Pardidos Mevia Meolana Moca Para conocer los estadisticos descriptivos de las variables también puede seleccionarse procedimiento ‘Descriptivos' de la figura 2.1. Este procedimiento presenta un cuadro de diélogo muy parecido al del procedimiento Frecuencias -> Estadisticos. Mais especificamente etal | Eee dsc) Bs Seated Pulsar para indicar que a esttlecet cestadistions univarads se ®Esaualesens) eral —— |B Visio de Placed Cancel dss on cue dosae | Penpeciva: deer] Avda Gua vakres tifcadbs comm vies Figura 2.10, 217sSPSS: Manual préctico Dra: Marta Vallejoy A. Para obtener los estadisticos descriptivos, primero se trasladan las variables correspondientes al cuadro ‘variables’ y mas tarde se pulsa en Opciones: [Desculivos. Upcioncs sim [Ean =Disgetein > FF Dew tipes 1% Minive [Vans 1% Maxtny | T Ampind 7 ET ec Disbusn Teams 7 Asma Orden de vsualzacion © Ytace veraoes © tation © Media erzendrtee C Macias detcendar=s Figura 2.11 EN este caso, solamente esti disponible el estadistico de tendencia central ‘media’ que como antes ofrece la media aritmética para las variables seleccionadas. Veamos un ejemplo para algunas variables del fichero: Estadisticas descriptives Nv Mela Edad zo 15.40 Peso 200 | 69.1250 Estatura ann | 1. 8a0 Nvalica (seg sta) 200 2.3. Medidas de variacion Las medidas © estadisticos de variaei6n se obtienen de forma muy similar y desde los mismos mentis y cuadros de didlogo que las de posicién y tendencia central. Las més empleadas, la varianza y la desviaciGn tipica, aparecen por defecto en muchos mentis del SPSS y en aquellas opciones que se denominan “descriptivos” sin especificar exactamente a qué se refieren. Varianza y desviacion tipiea La varianza y desviacién tipica pueden obtenerse a partir del procedimiento ‘Frecuencias” (ver figura 2.2.) en el botén “Estadisticos’ (ver figura 2.9.) Desde aqui puede pedirse que se calcule: la n tipica, Ia varianza y la amplitud total 9 tango de las puntuaciones en las variables jonadas, * Conviene tener en cuenta que el programa SPSS tiene Ja peculiaridad de que proporciona la ewasivarianza. Es decir, cuando se le pide que nos de la varianza y la desviacidn tipica, lo que da exactamente es el resultado de las formulas: Otra forma de proceder para obtener medidas de variacién es desde el menti Analigar > Estadisticas descriptivos ->Descriptivos (ver figura 2.10.) 0 desde el memi Analizar > Explorar (y el botén -18-SPSS: Manual procter Dra. Maria-Vallejoy A Estadisticos) de la figura 2.7. Desde ambos procedimientos se ofrecen exactamente las mismas opciones (desviucién tipica, varianza y amplitud total). Veamos un ejemplo para algunas variables de las précticas, Desde cualquiera de los cuadros de didlogo sefialados se obtienen los siguientes resultados:* Estadisticos eda) Faso | Estatura 7 Vase ‘200 “200 200 Ferdidas o 0 0 Desy. tip. 23 | 1003007 | nate variance sg | tone02 our Rango 4 63.00 at Diagramas de cajas El SPSS también ofrece /a posibilidad de elaborar los grificos que expresan la dispersién de los datos en una variable. En concreto, desde el ment: Analizar > Explorar (y el botin Graficos) de la figura b. puede definirse un diagrama de cajas para una variable, Este tipo de diagramas ofrecen informacién sobre el rango de la variable y los cuties. ‘Veamos un ejemplo para la variable ‘estatura’ 2004 ia Valor auipico ° 104] eo Valor maximo que toma la variable 1304 (Qs: Contil 75 ——-—}—> 1704 La cajh contiene el 50% de losfeasos centrales Qu: Medians, Qy: Centil 295 Fag Valor minimo que toma la variable estate Figure 2.12 Como se observa figura 2.12., la estatura oseila entre 1,52 y 1,93 metros estando la mediana en 1,67 m. y el 75% de los sujetos por debajo de los 1.7275 m. Los valores superiores indican valores en los datos. En este caso hay ocho sujetos que miden mis de 1 .85 m. 2.4. Puntuaciones tipicas y escalas derivadas EL SPSS ofrece la posibilidad de obtener las puntuaciones tipicas para cada uno de los sujetos en cada uma de las variables. Para solicitarlas se seiiala la opcién ‘Guardar valores tipificados como variables’ del cuadro de didlogo del procedimiento Descriptivos: -19-SPSS: Manual procter Dra. Maria-Vallejoy A ‘Yates: x Aol Obtener las | Seve [zene] x pommiemeioie I@ciclend Sipe Rosato | @ Estatura [eiauwal — Secncicnesey = Area en cue dese | Perpecivas de Ease Em J Gusti! yokes tialicadas como variables: Opciones. Figura 2.13. EI SPSS calcula las puntuaciones tipicas a partir de la siguiente formula: X,-X Recordemos que S, es la desviacién tipica insesgada Los resultados aparecen como nuevas columnas en el editor de datos (y se denominan zyar) Bjereicio: Tomar como ejemplo la variable ‘edad’, seguir los pasos para obtener las puntuaciones tipicas y una vez obtenida Ia nueva columna de datos (a la que el SPSS ha denominado gedad) comprobar que su inedia es 0 y su desviaci6n tipica 1 mediante el ment Analizar -> descriptivos -> Descriptivos (Opciones) de La figura 2.10. Las escalas derivadas son aquellas construidas a partir de las puntuaciones tipicas. Se definen a partir de la expresi6n: T, = a%z; + bh: donde la media de T es b y la varianza a?. A partir del SPSS es posible construir escalas derivadas, Para ello es imprescindible aprender a manejar en mem ‘Transformar’ de la barra de mentis del Editor de Datos de SPSS. Como se comprobara a mediad que el alumno se familiarice con el uso del SPSS este menti es bastante til en la préctica, Para definir 1a escala derivada hay que situarse en la ventana Editor de datos y ratén el ment “Transformar’ cuyo aspecto es el siguiente: re = cae faced crane > i ts — Bpneake Npagnsc. pate pend Cee ne eeepc pvt A continnacién veremos los procedimientos *Caleular’y ‘Recodificar’ este ment en detalle. El procedimiento Caleular Desde este procedimiento puede indicarse la operacién que define la escala derivada. Por ejemplo supdngase que queremos crear una escala derivada a partir de las puntuaciones tipicas que obtenido en ‘edad? (cuya etiqueta era zedad) y 1a definimos como;T; =10z, +50. Para indicar al SPSS la definicién de T, hay que entrar en el cuadro de didlogo calcular variable: -20-SPSS: Manual procter Dra. Maria-Vallejoy A [Nombre dela ] Variable T ———p- pistes esis Bh i pee ic) S51 paves eats LST HS] twciree La) Listao de / jst lat sata vanes Hs oh | \teernecntavsl [eh Li etn: Simboos para deni [fs operaciones (sum, estan pe fan i sei een | ae Figura 2.15, En el recuadro ‘variable de destino’ se indica el nombre de la nueva variable (por ejemplo Tedad) y en el recuadro ‘expresi6n numérica’ la operacién de la que resulta. Para ello, pueden seleccionarse las variables del recuadro inferior de 1a izquierda y trasladarse a la expresién numérica con la tecla LJ, Los simbolos del centro indican la operacién que se desea realizar (p.e. +: sumar, -: restar , * multiplicar y /: dividir). Se recomienda poner paréntesis cada vez que se incluya una operacién para una variable, En nuestro ejemplo: Tedad = (10zedad) + 50, Es decir: ‘alablede der Engr nun Teataat a E ed (edad) #1 Var. de resultado” se indica cudl es la variable original que se quiere recodificar y cémo se Hama Ia variable resultante. Supngase que queremos recodificar los valores de la variable ‘estatura’ para resumirlos. Los valores de esta variable oscilan entre 1.52 y 1.93, La decodificacién consiste en llamar ahora 1 a los valores entre 1.52 y 1.67 (estatura baja); 2 a los valores entre 1.67 y 1.78 (estatura mediana) y 3 a los valores entre 1.78 y 1.93 (estatura alta). Para ello trastadamos la variable ‘estatura’ al recuadro derecho. En el recuadro ‘Nombre! hay que etiquetar a la variable resultado (lamémosla por ejemplo ‘nueva’). Finalmente pulsamos en cambiar. En el recuadro tiene que aparecer estatura -> nueva, Para indicar los nuevos valores seleccionamos la opcisn “valores antiguos y nuevas” y desde el cuadro de didlogo correspondiente indicamos cada uno de ellos. Puesto que en nuestro ejemplo los valores antiguos seriin agrupados en intervalos, hay que utilizar la opcién ‘Rango’. Por ejemplo., en la primera recodificacién, el valor antiguo se define en Rango’ desde 1.52 hasta 1.67: y el nuevo valor es 1. Una vez especificado el cambio, se pulsa en “Afiadin”. Hay que repetir la operacién para cada uno de los cambios. El cuadro final tiene que tener el siguiente aspect Poner agut el ‘valor menor’ (en cl ejemplo, 1.67 dnasta L78h Indicar aqui et nuevo valor en el cjemplo, 1.273, respoctivamento) © Poxidiar sana F Levees cere encatees foc [J [| ere F Contrcoseresreeares eos) Lf Tels kederdees | cn] Cane | la Figura 2.18 2.5. Asimetria y curtosis La asimetria y Ia curtosis pueden obtenerse a partir del menti Analigar -> Frecuencias (ver figura 2.2.) pulsando el botén ‘Estadisticos? (ver figuia 2.9.) y desde el mem Analizar -> Estadisticos descriptivos -> Descriptivos (ver figura 2.12.). Desde ambos cuadros de didlogo se offecen exactamente las mismas opciones: el indice de asimetria de Fisher para cada variable y el indice de curtosis. Asimismo, ademés del valor del estadistico tanto para la asimetria como para la curtosis, el SPSS proporciona informacién sobre el error tipico en el calculo de estos indices. Las fSrmulas para ambos estadisticos también son insesgadas. Por ejemplo, la de la asimetria es: #SPSS: Manual practice ras Marta-Vablejoy A ‘Veamos un ejemplo para algunas variables de las pricticas. Desde cualquiera de los cuadros de diailogo sefialados se obtienen los siguientes resultados: Estadisticas descripivos Estadisticos poe statura Peso] edad] 7 VaTase Peruaoe Asimatiia Enor tip. de asimatria cunnels Emortip, de eurtosls Los estadisticos encontrados en el ejemplo indican que casi todas las variables presentan asimetria positiva y distribuciones leptociirticas,SPSS: Manual préctico Dra: Marta Vallejoy A. EJERCICIOS: Para afianzar lo aprendido en este tema en cuanto al manejo del SPSS para analisis descriptivos con una variable, es bueno acudir al aula de informatica en la etapa presencial © por cuenta propia y comprobar se es capaz de responder a las siguientes preguntas, todas ellas referidas a los tatos del fichero practical .sav 1. ¢Cual es la estatura minima y maxima de los sujetos de la muestra? Y la de los varones? jy la de las mujeres? {Qué porcentaje de sujetos mide menos de 1,65 m? @Gual es el valor central de la variable estatura? gy de la variable peso? Obtenga el valor del peso que es superado por el 15% de los sujetos de la muestra: éCuantos alumnos se destacan en el area de comunicacién? éCuantos alumnos vienen desde el distrito de los Olivos? 2En de las siguientes area los alumnos optan por estudiar una carrera universitaria? Obtenga la representacién gréfica mas adecuada para las siguientes variables: sexo, estatura, area que destaca y carrera a estudiar. 9. {Qué porcentaje de varones superan 1.80 de estatura? 10. Confeccione el diagrama de tallo y hojas para en la variable peso. 11. Confeccione la grafica que considere mas adecuada para la variable "carrera a estudiar". 12. Sabiendo que para estudiar una carrera universitaria en el area de ciencias es necesatio destacar en las areas curticulares de ciencias, que porcentaje tienen opcién a poder lograr una carrera universitaria en el Area de ciencias. 13. Proporcionalmente son los hombres o las mujeres segun la muestra los que prefieren en forma mayoritaria estudiar una carrera universitaria. ENonAReD -24-SPSS: Manual procter Dra. Maria-Vallejoy A Tema 3. Anilisis descriptivos con mas de una variable En este tema revisaremos lo estudiado sobre el andlisis de datas con dos o mds variables y forma de proceder con el SPSS. Se seguir el mismo orden que en las clases teéricas. 3.1. indices de asociacién lineal Para obtener los indices de asociacién lineal con variables cuantitativas estudiadas en asignatura Estadistica Aplicada a la Educacién (Ia covarianza, S,, y el coeficiente de comrelacién de Pearson, r,,) se selecciona el menti Analizar -> Correlaciones -> Bivariadas: (tes "cm ‘ar dence Totes Canes neta olden Decree Ges Rosas doe cs Pike maandtiee Sarergen Supsoeroa Fepuntenaite ad es ee. Munticrsaet Figura 3.1 El cuadro de dilogo para el procedimiento Correlaciones bivariadas tiene el siguiente aspecto: Loprimoroes tesla teste ‘sade fs vials rr ie quose ‘ese oblener ua Yatatee a Ecetnso sl reo rent See peated: a Eatin tte) eval aa > one de occ Cone |® Areoen qe desta e ip Papeete doo] Dede este ment se. pueden cbtenes tess de Pearson (r), tle Kenly ede Spearman. Los dos time sven para ‘aialesoninakes Pulsar para vor baa laconeeines toss Figura 3.2 La matriz de varianzas-covarianzas La matriz de varianzas-covarianzas no aparece por defecto en el ment general de la figura 3.2. sino que hay que definirla desde el boton ‘Opciones’. Si se pulsa este botén, aparece el cuadro de dilogo de la figura 3.3. Desde aqui puede indicarse que se muestren los estadisticos desctiptivos (media y desviacisn tipica) para cada una de las variables seleccionadas y también la matriz de varianzas- covarianzas (seleccionar la opcién “Productos cruzados y covarianzas”), -25-SPSS: Manual préctico Dra: Marta Vallejoy A. Extadisieos m Cancel 7 Predictor sneader covariances | ———1 ainda Vloes peidides ® Esuircaccs segtin paicla (7 Exeluineasos seed lite Figura 3.3, En la covarianza pasa como en la varianza: el estadistico ofrecido es el insesgado. En este caso: La matric de correlaciones Desde el cuadro de dislogo de la figura 3.2., una vez se asignan las variables seleccionadas cuadro “Variables’, si se pulsa en Aceptar aparece la matriz de correlaciones de Pearson entre todas las posibles variables seleccionadas en el visor de resultados. ‘Veamos como se resuelve en el SPSS para las variables ‘peso’ y ‘estatura’: se selecciona el mem Analizar -> Correlaciones y se siguen los pasos indicados en las figuras 3.4. y 3.5. Finalmente se pulsa en el botén Aceptar de la figura 3.4, Los resultados obtenidos son los siguientes: Correlaciones. Pese | Fetalura Fae camalactin de Pearson 7 ay 81g (ilateray oa Guna ce cusdracosy foqueins erizacios [20948675 | 196.797 Covarianza toco02 oa N 209 200 Eslatura Conelacion de Fearson | o1a)} 1 Sig dilateral at prosucs crates | 367 | 4.908 Covarianza ear on? N 200 200 "7 La comalacion es signifcait al rive 601 @llateral. Se ha sefialado el coeficiente de Perason con un circulo. Como se observa pig.154) 849 y 80.697 (ver En este cuadeo tambien a aree= la prusha de signficacion estadfstica para cada una de las correlaciones de Pearson. Sus resultados se expresan mediante asterisco (* 6 ") y el SPSS marca en amarillo las correlaciones. En este curso hemos aprendido a interpretar este dato 26 -SPSS: Manual procter Dra. Maria-Vallejoy A También se puede observar que el SPSS ofrece una salida que organiza los resultados en una tabla Jad (en este caso 2x2 pues hay dos variables). La salida incluye la comelacién y la covarianza entre estatura y peso, peso ¥ estatura, peso ¥ peso y estatura y estatura. Su valor no cambia con el orden de las variables (es decir S,, = S,,, ry = FJ. En este caso existe una relaci6n lineal alta positiva entre estatura y peso (r= 0.849), Cuando se trata de las mismas variables la correlacién es siempre 1 y la covarianza es la varianza (es decir Sxy = S?,; ra, = 1), Por tanto, esta satida de SPSS incluye tanto la matriz de correlaciones como la matriz. de covarianzas pues ademas de ofrecer la correlacién y la covarianza entre las variables ofrece sus varianzas. Por ejemplo, la varianza de peso es 1(10.602. 3.2, Combinacién lineal de variables En este apartado veremos cémo se realizan transformaciones lineales con los datos de dos o mas Variables para obtener nuevas puntuaciones (p.e. T; = X; + Yi T;= AX; + BY; etc.) y cémo se cumplen las propiedades sobre la media y la Varianza de estas nuevas variables. Lo primero es definir la nueva variable: 1), Para ello se utiliza el mend Transformar -> Calcular, que vimos en el apartado 2.4, Con los datos de las précticas, crearemos una combinaci6n lineal de las variables: areadestac y carreestudiar, A la variable resultante la lamaremos ALUMNO. El cuadro de didlogo de la figura 2.15. ha de quedar del siguiente modo: ie Sd ~~ Tossa Peete Le) Sesacec Srecthos) Seneca Sut Pc Sucemanccieel [DF BEFRDULLco| | ete | | coco | _ anu Figura 3.4. La nueva variable es del tipo T=X+¥, Veamos otro ejemplo, Supéngase que queremos crear una nueva variable con los datos de las practicas que se define como el cociente entre el peso (en kilogramos) y la estatura al cuadrado (en metros). A este cociente se le denomina “iidice de masa corporal” . Si el valor resultante se encuentra entre 20 y 25 quiere decir que la persona esta en su peso normal. Si esté entre 25 y 28 6 30 {indica que tiene sobrepeso. Si esta por encima de 28 6 30 indica que existe un problema de obesidad y si esta por debajo de 20, de excesiva delgadez. Nuestra nueva variable se definirfa como Ti = XV/¥;. Para indicar al SPSS la definici6n de esta nueva variable se utiliza el procedimiento Calcular variable, Llamemos a la variable resultante IMC: 27SPSS: Manual préctico Dra: Marta Vallejoy A. ith do dn Inc - Topi [Seo | Sede |b bo Pec) [tries Pocetecs Paresen aie devaco |p Pesoeesand Fane | aver nto lem Una forma rapida do interpretar los resuitados en la nueva variable (IMC) es represontado graficamente ol histagrama, Para ello basta ir al mend Anatizar -> Frecuentcias y pulsar el bot6n Grificos (ver figura 2.2.) El resultado obtenido con nuestra muestra es el siguiente: Histograma Frecuencia 8 ipo 180 zoco mp0 apo imc Como se observa, la mayor parte de los sujetos tienen un peso normal (IMC entre 20 y 25) ninguno tiene tendencia a la obesidad, aunque hay un sector de sujetos considerable que puntia debajo de 20, por lo que esta por debajo del peso normal 3.3. Analisis de regresion lineal simple El andlisis de regresi6n lineal es uma técnica estadistica que se utiliza para estudiar la relacién entre variables. En la investigacién pedagégica suele emplearse para pronosticar valores en una variable critetio CY) desde las puntuaciones en una variable predictora (X). En esta asignatura solamente hemos estudiado la regresion lineal con una sola variable predictora (regresién simple) sin embargo, la regresiOn también puede efectuarse a partir de 2 0 mas variables predictoras (X), Xn, ete.). A medida que vayamos entrando en las opciones del SPSS para regresién simple, veremos de forma intuitiva como se procede para la regresién con mas de un predictor (regresién maltiple). 28.SPSS: Manual précticn ras Marta-Vablejoy A Diagrama de Dispersién La primera aproximacién a la telacidn entre dos variables (X ¢ Y) puede hacerse a partir de un diagrama de dispersi6n. Para su mejor comprensi6n, consideremos un ejemplo simple que es el siguiente: Tiempo de Edad ree 48 24 40 18 30 9 39 14 46 22 2 22 27 4 36 13 34 10 a6 20 ‘Como en oiros ejemplos previos, tendremos que introducir los datos correspondientes a los 10 sujetos en las dos variables en un archivo nuevo del editor de datos. Una vez introducidos los datos (en el fichero a:regresion.sav) pata realizar el diagrama de dispersi6n se selecciona el menti Graficos y se lige el procedimiento ‘Dispersion’. El cuadro de didlogo correspondiente es el siguient: EH Figura 3.6, jente diagrama de dispersidn simple en el visor de resultados: -29-SPSS: Manual procter Dra. Maria-Vallejoy A Como se observa este diagrams, st forma indica que los puntos en el diagrama estén perfectamente alineados y se acercan a una hipotética linea recta Ecuacién de regresién Podrian trazarse diferentes rectas para realizar pronésticos de una variable a partir de la otra (por ejemplo de ¥ a partir de X ert una regresiGn de Y sobre X), Las rectas de rezresidn tienen wna formula muy simple: Y= Ay + By X, El objetivo es encontrar aquella recta que minimice la distancia entre lo encontrado (¥) y Io pronosticado (¥"), Es decir, que minimice la expresién: yl y Para ello calculamos los coeficientes del modelo mediante las formulas: valorar la bondad del modelo. Se selecciona el men Analizar—>Regresién—sLineal ‘rao Iremes Enlaces descipivon Tate Dagar node Moses Ieatgenera Modelos moe Earelneras Louie Cates Pelee dese Foca Pubes na pararécas Serres Bieeriorcb Metres eens witbie Ensen poceree Pes eons pels Minimescuciaes enn faes Mueenss corpse , Evtnacn guvlie Lesisios train Lexistice mations Onl Pre. Bont ite -30-SPSS: Manual précticn ras Marta-Vablejoy A Figura 3.7 I cuadro de dialogo correspondiente al procedimiento Regresién lineal aparece en ta figura 3.8, ‘Como en ottos cuadros de dialogo del SPSS, lo primero es seleccionar las variables. En este caso hay que distinguir entre Dependiente' e ‘Independiente’ (0 independientes si se trata de una resresi6n miltiple). Como siempre. las variables se trasladan mediante el botén| ler Figura 3.8. Dentro de este ment hay otras opciones, Por el momento, la que nos interesa es la que se encuentra en el botén ‘Estadisticas’ cuyo cuadro de didlogo aparece en la figura 3.9. Desde aqui podemos solicitar que se ofrezcan las estimaciones de la pendiente y el origen de la recta de regresién (segtin el método de minimos cuadrados), la matriz. de covarianzas para las vatiables, el ajuste del modelo (Coeficiente de Pearson al cuadrado 0 coeficiente de detenminacién) y los estadisticos descriptivos (media y varianza): Figura3.. Otra opei6n relevante del ment regresin Tineal es la de “Guardar” (ver figura 3.10.).* Desde su correspondiente cuadro de dilogo es posible indicar que se guarden los valores pronosticados por el ‘modelo (as Y*)* y los residuos (las ¥,— 7") en el editor de datos: 231+SPSS: Manual précticn ras Marta-Vablejoy A ‘Seleccionar se desea Selecionar sie desea gota les voces = ‘suadaclo [ronosicados pore ‘spelen por el oddo oes Yi’) modelo as Yi-¥?) loses ioe” pare “losyesduos” pare cada no dels suetos «oda uno dels stes Figur 3.10. ‘Veamos cual es el resultado para el ejemplo para el ejemplo anterior propuesto. Si indicamos todas estas instrucciones, el resultado que offece el SPSS es el siguiente (nétese que ofrecen muchas tablas de resultados. Aqui explicaremos solo las més importantes y aquellas que el alumno pueda manejar con sofara): "No vamos o ener en las restanies opcones Gel mend ‘Regresién lineal porque la mayoria requieren conocimientos 1 estacisticainferencial, que por ahora el alumno no poses. =32-SPSS: Manual practice ras Marta-Vablejoy A Regresién rs en [| u 16.60 baer 7 d 28.80 7062 w Corretaciones = Caneiacande Pearson 7 1000 wor K ger | 4.000 Sig cuateray ¥ 000 K 00. 1 ¥ 10 10 « 10 10 Variables Intradueidasieliminadas? Veraaies | Varianies Madeta_| intoducioas | etiwninadas | metodo 1 Ea Troducih Vedas las variables sobieriadas inimaducdas, bs. variable dependientery Resumen del modelo™ PR cusurawy | Eriuru. de evacrate | vonage | “estmasan eas ee tan ‘Variables predictoras: (Constante, '. Werleble depenciente: y = condos Posain | avaade ae — a eetsial 25054 8 ee Toul 335400 1. Vatiablac proctcoras: (Contant, » bh Vatiabla depencientsy coeniciemes® Toanclentes cosmos eetaneanzad sstandapzdtiog os Modelo ea] Enos Bela t sig 7 Torta | esa | aasT “SuT7 ae x 510 0s ser | i0606 0 1— sto es el coeficiemte de dlterminacin, Fy 0 proporcion de vanianza en comin entte Xe Y Esto se verd en stadt inferencial Los coeficintes A y B del malo pronosticado en dircetas se ven en esta coluiana siendo A=-19.698 y BHD910. Luego Y*; 19.69840.910%, | nesta cotumna aparece 1 modelo en tpieas iadependie es Como se observa, el SPSS ofrece muchas tablas de datos como resultado de la regresit Zy=tyLq (en a ejemplo: 20.967 2, momento solamente nos fijaremos en dos: La primera se refiere a los coeficientes del modelo y la 283SPSS: Manual précticn ras Marta-Vablejoy A segunda a su bondad. En cuanto a la primera, se toman los coeficientes no estandarizados, En este ‘caso el mejor modelo para pronosticar Yj a partir de X;es Y"\=-19,698+0,910X; Bondad de ajuste del modelo Ademds de la formula de la recta de regresién, resulta necesario disponer de informacién sobre el grado en que el modelo se ajusta a los datos observados (nube de puntos). Una primera aproximaciOn es a interpretacién grafica del problema. Para elaborar la gréfica del ajuste de la recta a los datos observados se pulsa el menti Graficos — Diagramas de dispersion . Lo primero es definir la variable del criterio (en el eje de las coordenadas) y la variable predictora ( en el eje de las abcisas) desde Ia solapa ‘Asignar variables” A continuacion s¢ selecciona el metodo “regresidn” desde a solapa “Ajuste’. El cuadro de dialogo desde el que se hacen estas selecciones tiene el siguiente aspecto: Figura 3.11 El grifico obtenide es el siguiente: Como se observa los puntos estan cercanos a la recta, luego hay un buen ajuste. Ademés de la interpretacion grifica del problema, la forma de cuantificar la bondad del modelo es mediante el coeficiente de determinacién, *,,. Se tata de una medida -34-SPSS: Manual préctico ras Marta-Vablejoy A estandarizada que toma valores entre 0 y 1 y cuya interpretacién es muy sencilla; representa Ja proporci6n de varianza explicada de la Variable del criterio a partir de la predictora, En nuestro ejemplo 7’,,=0,935 por lo que el modelo es adecuado para hacer prondsticos de Y a partir de X. La bondad del modelo también puede valorarse a partir del anilisis de los errores en los pronésticos, frecuentemente amados residuos (Y-Y"i). Notese que ejecutando las ordenes indicadas en el anterior apartado han resultado dos nuevas variables en el editor de datos (a variable ‘pre_1” que se corresponde con las ¥’,y leva la etiqueta “Unstandardized predicted value” y la variable ‘res_1” que is Y;-¥%; y lleva la etiqueta ‘Unstandardized residual’). se refiere a Teniendo los datos YY"; © (YY?) podemos evaluar la bondad del modelo a partir de la descomposicion de la varianza criteria (S°y=8"y-+8*y.y). Para ello entramos en el ment Analizar- Estadisticos descriptivos-Descriptivos: Opciones (ver figuras 2.11 y 2.12) e indicamas en el cuadro de didlogo que se caleule la varianza para estas tres variables (¥, pre_1 y res_1), Los resultados obtenidos en el visor son los siguientes: Estadisticas descrimivos N Veviarza Unatendardaee Reeidual 1) 2884 Unstendariizes Predicted value AG: |) SALA y vo) aaa Nvaliga (segin stay 10 14.044) se descompone en la varianza de los Como se comprueba, 1a variunza del criterio (S°y=: 884), pronésticos (S"y-=41.161) y la de los errores (Sy. ‘Veamos ahora un ejemplo a partir de los datos de las préeticas. Supdngase que queremos predecir la variable ‘peso’ a partir a partir de ta variable ‘estatura’. Para ello construimos Ia recta de regresién +B estatura;, La definicién del modelo en el SPSS es la siguiente: LS Poorer | Seemncncceed ce | Scere Eee mee ee (ay fo Bests a fete = pe ome Seen eee oe Figura 3.12, Los resultados obtenidos para el modelo planteado son los siguientes (solo se muestran las tablas necesarias para su interpretacién) 258%SPSS: Manual practice ras Marta-Vablejoy A ‘Variables introducitasietiminadas? variables | Variables wodela | inveducidas | aliminacas | Metodo 7 stature ~ [nweaueir @. Todas las vanahles solicitadas introducidas, . Variable dependiente: Peso Resumen del modelo Raiaaade | erortp. dela Rewadrado | coragida | estimaci 6.21168 © varlaalee predictoras: (Constanta), Estatira Coeficientes ‘GOaTEIENTES Coefcientes no ‘| estandarizad astenvarizados os Modelo 5 Error tp. Beta, t sig, 7 Ganstantay | 175708 7739 “14 82 ‘00 Estatura, 104.036 4.600 ea | 22018 00 @ Variable dependlente: Paso El modelo resultante es: peso; = -115.708 + 104.036 estatura,, Como se observa, el coeficiente de determinacién (R al cuadrado) es 0,721 por lo que el modelo es adecuado para explicar la relacién entre la variable ‘estatura’ y Ia variable ‘peso’. Es decir, In variable ‘estatura’ tiene una alta capacidad predictiva para explicar la variable del criterio ‘peso’. El grafico obtenido definiendo las opciones del diagrama de dispersisn interactivo de la figura 3.11 es el siguiente: Peso Estatura El gréfico muestra que existe un buen ajuste. No obstante, encontrar un resultado similar a éste con variables psicol6gicas no es frecuente. Para comprobarlo a continuaciGn haremos una regresiGn de la variable Inteligencia sobre la variable Comprensién que son variables psicolgicas del fichero practical.sav . Los resultados que oftece el SPSS son los siguientes: -36-SPSS: Manual practice ras Marta-Vablejoy A Variables introducidasfaliminadas™ ‘Variables: mogela | mmogucie: Cymprensia 0 '. Todas laa variables solicitadas intreducidas: ». Variable dependiente:Inteligencia Resumen del modelo Revadrada | Enorlip deta Hdoweto Revadada | ‘covreyida | esimarién 7 7 15 Te 39088 @ Variables predicioras (Constante), Comprensitin Coeticientes® Coatidentasna | ectandarizat astandaricadns os Modelo 8 | Eroria | Sela t Sig T Tears] ome | 170 e735 Oa Campransién 407 65 acs | 5.249 oat ‘a Vatlable depengiente. Inialigencis Como puede observarse, en este caso la correlacién de Pearson entre variables es 0.406 y la bondad del modelo tan solo aleanza 0.165 El grifico inferior muestra el ajuste para el modelo estimado. La comparacién con el gritico de la pigina anterior pone de manifiesto que las correlaciones entre las variables psicolégicas adoptan un rango muy inferior al de otras variables abservadas, como son el peso y la estatura, Respensabilidad 3.4, Andlisis de Regresion Multiple 237%SPSS: Manual préctico Dra: Marta Vallejoy A. Una alternativa a 1a situaci6n de poco ajuste es incluir una variable predictora adicional (0 mas de una) y observar si su inclusién produce algiin cambio en R cuadrado. Si consideramos dos variables predictoras estamos plantenado el siguiente modelo: ¥', = A+B,X,,+B,X,.. ‘Veamos si el ajuste al modelo de regresidn Inteligenela sobre Responsabilidad mejora al afiadir la variable Comprensién como segunda variable predictora. El modelo planteado es: iuteligencia’; = A + By responsabilidad; + Bz comprensién,, La primera aproximacién al problema puede hacerse a partir del grafico de dispersidn (ver figura 3.8). En este caso puede elaborarse un grafico 3-D para observar la relacién entre dos predictoras y el criterio y también el grafico si relaci6n entre inteligencia y comprensién ple para observar la ope. 7 os $0.05 sik i Responsabiideg”” ch wie ism une sa a sh0 idad Comprensién En el grafico tridimensional puede verse que en el plano Intell - respons. se observa como los puntos indican una relacién con tendeneia lineal positiva. La gréfica de la derecha muestra plano inteli — comprens. Los punios indican que la variable comprensién tiene una tendencia a la relacién lineal positiva con Ia variable inteligencia. Comparindola con la grifica en Ia que vekamos el diagrama de dispersisn entre Intell — respons, en esta los puntos estin algo mas alineados, por lo que cabe esperar que la inclusién de la variable compren en el modelo mejore la bondad de ajuste Para obtener los coeficientes del modelo y valorar su ajuste selecciona el meni Analizar —regresin — Lineal, De forma similar a la regresién simple, primero se traslada la variable inteli a la casilla Dependiente y a continuacién la variables respon y comprens a la casilla Independientes. Al ejecutar el andlisis, en primer lugar aparece la tabla que informa sobre Ia especificacién de las variables en el modelo: Variables introducidasieliminadas Variables Variables: Wwedelo | iisducidas_| elinases | étoue 7 ‘Camprensi® Pesponsabili imroquerr dad! @. Tedlas jas variables solichadas intraducidas b. Variable dependiente; Inteligencia A continuacién se muestra la tabla que incluye el coeficiente de determinacién y més abajo la tabla de resultados con los coeficientes del modelo (A, By ¥ B2): -38-SPSS: Manual practice ras Marta-Vablejoy A Resumen del moxelo Revadrads | Erortip. we lal modelo i Reuadrado | correaida | 2stimarion 1 ae Ta Ta EEE 48, Variables predictoras’ (Constante), Compransisn, Responsabilicad Coenicietes ‘Coeivenies Cosncientes no | setandartad astandanzados 08 5 Ener tin Beta 1 (eanstantay ns Be Todt TOT Responsabilicad nes neo oes 1046 297 Compransian 403 065, 402 e180 00 4. Variable dependients:Intsligencia Como se observa, en el modelo simple explicaba un 16.5 % de varianza de la variable Inteligencla y el modelo multiple explica el 16.9% habiendo mejorado un 0.4% lo cual es no significativo el aporte de la variable comprension . En este caso también es posible elaborar el grafico tridimensional con el ajuste del plano de regresi6n es el siguiente desde la figura 3.11, activando la opcién “Coordenada 3-D”, Fl resultado ex el siguiente: Se deja como ejercicio comprobar que al afadir la variable edad al modelo de regresién de peso sobre estatura, el ajuste mejora un 0.10% 3.5. Distribuciones de frecuencias y representaciones gréificas En este apartado veremos como se obtienen distribuciones conjuntas de frecuencias y su ropresentacién grifica para dos 0 més variables de diversos tipos. Dos variables cualitativas: Para describirlas hay que elaborar una Tabla de contingencia. La forma de proceder en el SPSS es desde el menti Analizar-> Estadisticas descriptivos -> Tablas de contingencia: -39-SPSS: Manual précticn Dra: Marta Vallejoy A. ieee fom mE “ates Compata edioo Masai nas geras Modal rater Goneacins — Loainea Cligear FResuccin de tor Eas Pruchor po parrtcns Setas terns Supervence Fosucsta mgt ‘ania do vateo> pedis. acces sien, Desoto, Bela. “Tables heonirgeneis Bax Figura 3.13, Si se selecciona el procedimiento Tablas de contingencia aparece el cuadto de dilogo de la figura 3.14), Supongamos que queremos conocer la distribucién conjunta de frecuencias de las variables per_estudio y sexo con los datos de las précticas. Para indicar al SPSS esta instruccién, primero se seleccionan las ‘Variables. Por ejemplo, las categorias de la variable sexo pueden ser las filas de la tabla de frecuencias y Jas de Ja variable per_estudio las columnas. Este cuadro de didlogo también permite obtener una representacidn grifica para las dos variables. REE EES [a End jedaa Fee ___Acoplar Posie} we ae (Le) ae Fsira esate) ia ect ‘lame ttle {corona onan om Ta ee lebron Pulsar us inca sedosen obtener los datos en porcentaes, Seleccionarsi vedesea SCTE Tew ser| Capa de obtener un diagrams {ie Femorest tee | suse de ara pra as voshlos (oa Pe Super tuncioe | _Esoaeteas. | cats sina Figura 3.14 Si se pulsa el botén Aceptar el resultado obtenido es el siguiente: Tabla de contingencia Sexo * Perspectivas de Estudio Recuento Perspectivas de Estudio No uunlversiterlo_| Universitario | Total axa Mujer 1 8 or Varén 49 a7 146 Total bf 133 200 En la tabla de resultados aparecen las distribuciones conjuntas (ny) y marginales (n; y n) de las variables y la representaciGn gréfica del diagrama de barras conjunto, Como se observa, de 10s 200 = 40 -SPSS: Manual procter Dra. Maria-Vallejoy A alunos y alumnas 133 se proyectan a seguir estudios universitarios y 67 no universitarios. De los que estudiarin estudios universitarios, 97 son varones y solo 36 mujeres. De los que prefieren una carrera técnica, 18 son alumnas y 49 son alumnos. Las distribuciones conjuntas también pueden obtenerse en frecuencias relativas o porcentajes ambas variables (filas y columnas). Para ello se selecciona el bot6n Casillas del cuadro de dialogo de la figura 3.14). cuyo aspecto es el siguiente: —Frecuereae F Cheervaice T Evperaden “Fusions Resa Fee T No ttendos F corre 1 Tiicodee Fil F Tiiicadiswoneides Pordescones nn entre (© Rediriesthevamice ds easlae © Redondestpenderacieer de catar © Trncarteammcnedecenas Tuncar gendracares de eros © No ofsstin ceresseree Figura 3.15. Seleccionando las opciones sefialadas se obtiene los porcentajes respecto a distintos totales: nos resultados que antes pero expresados en Giobalmente, los resultados indican que la mayor parte de los encuestados son varones Seleccionando las opciones sefialadas se obtienen los mismos resultados en porcentajes respecto a distintos totale Las tablas de contingencia solo tienen sentido para variables de tipo cualitativo (0 categorias). Si se desea representar la distribucién conjunta de dos vari vas es necesario agrupar los valores, de cada una de dichas variables en intervalos de la misma amplitud (para ello puede utilizarse el ment Transformar ~ Recodificar) Una vez obtenidos los intervalos para X e Y puede elaborarse la tabla de contingencia siguiendo el mismo procedimiento que si las variables fueran cualitativas. El grafico mas adecuado para dos variables cuantitativas es el diagrama de dispersién, como vimos en el apartado de anilisis de regresién lineal (ver figura 3.8. en pagina 26), les cuanti Una variable cualitativa y otra cuantitativa Si queremos cruzar una variable cualitativa con una cuantitativa, se procede igual excepto que para resumir los datos de la cuantitativa hay que emplear estadisticos (p.e, sumas, medias, etc.) Veamos un -41-SPSS: Manual précticn ras Marta-Vablejoy A ejemplo, Tomemos la variable sexo (cualitativa con 2 categorias) y la variable peso que por ser ‘cuantitativa la resumimos mediante su MEDIA. Para describir conjuniamente estas variables podemos elaborar un grifico desde el menti Grdficos ~> Lineas -> Simple (Restimenes para grupos de casos) 5 escrersinn| Gal Pecan | tarormon tore Figura 3.16. Con estas selecciones se obtiene el siguiente resultado en el visor: 0: ne vn Sexo Este gréfico representa la media de la variable peso para mujeres y varones. Como se observa, los varones por naturaleza tienen un mayor peso por tener mayor masa corporal en promedio 45 Kg para las mujeres y 66 Kg para los varones. -42-SPSS: Manual procter Dra. Maria-Vallejoy A EJERCICIOS: 1, Se desea comparar las sas fisicas de los alumnos de la Institucion Educativa Colegio Ricardo Bentin (datos de la prictica) con las de una Institucién Educativa Privada. Para ello utilizaremos algunos datos de las pricticas: la variable estatura y la variable peso. El objetivo es comparar nuestros datos descriptivos en estas variables con los de una muestra de una LE Privada de similares caracteristicas EL problema consiste que para la ota muestra se emplearé como unidades de medida libra (peso) y pulgada (longitud) donde 1 LIBRA = 453.6 gramos 1 PULGADA = 2.54 em Lo primero es obener os ats de amb aval en excl de eda no convenconal (pg). Despéshay ue cabo on intone on los esadston descipves EL INFORME ha de incluir lo siguiente a) La media y la varianza de las variables estatura y peso en la escala no convencional. b) Un grifico que de cuenta de la variabilidad en cada una de las variables para los varones y las mujeres ©) Informacién sobre la forma de la distribucisn (asimetria y curtosis) 4) Las puntuaciones tipieas para la variable estatura ©) Una escala derivada T con media 100 y desviaci6n tipica 20 para la variable estatura y su representacién grifica. 1) La covarianza entre ambas variables (calcularlo en la escala conver convencional), ional y no 2. Caleule la media y Ia varianza para la variable que resulta de la suma de las variables inteligencia, comprensidn verbal y responsabilidad. 3. Obtenga la tabla de frecuencia conjuntas para las variables sexo y perspectivas de estudio 4, Cual es el érea curricular que presenta un mayor porcentaje de alumnos destacados y de que SEXO, 5, labore ta misma tabla de fecuencias que en 3 pero separand por srea curricular en que lestacan. 6. Elabore una grafica en la que aparezca la distribucion de frecuencias para la variable distrito de procedencia y sexo e interprete. 7. Confeccione una grafica que represente la relaciOn entre las variables carrera a seguir, sexo y responsabilidad. 43sSPSS: Manual préctico ras Marta-Vablejoy A Tema 4. Distribuciones El primer paso es dar clic en funci6n que es el icono f, y en ella aparecerd el siguiente cuadro: sear ure Func Agu se busea = Estadisticas ‘Agu’ se busca el tipo de fstribucidn gue interes esta SUMACnGmerot nimer02,.) Surna todas las narerazen un nan de celles, urd sobre eto Fare Figura 4.1 1. Distribucion Binomial * Una vez entrado a funcién, en Usadas recientemente se busca Estadisticas y luego se busca DISTR. BINOM. y Aceptar. /Argumentos de funcisn Elvalor dex | — | ___ Favator den | | Dense lapretoltd una serabie data dececa squerch una as ucin nora, INimm_énite er 2! nimerade ditos enor encayce cesmenor o igual el valor es 0 (falso) auaccl el Auda ete in, Aceotar | Corcela Figura 4.2. 2. Distribucién Normal Estandar Inversa = Se hace casi los mismos pasos solamente que ahora se busca Distribucién Normal estandar Inv, aqui sdlo escribimos la probabilidad. -44-SPSS: Manual préctico ras Marta-Vablejoy A ees SSTRANDENESTAND AT? Probabiidad [SC Cevuels alinyetzo de a dtbuckn tral stindar acuta, Tne unarreca de cero y una eeven én ender de ins Probabiidad os.naprobabi dad aos aa detrbuctn rernal, unningre entiedly Tncisve, estado dea fears ead sobre est Funan Figura 4.3. 3. Chi Cuadrado (X") = Enel Excel después de ingresar a funcién y Estadisticos, se escoge la opeién Distribucién Gamma Inversa y aparece el siguiente cuadro (Ver Figura 4.3). En el primer cuadro de texto se ingresa el valor de la probabilidad (1-p). En el segundo cuadro de texto se ingresa el valor de alfa que va ser igual g/2. + Beta toma el valor de 2 en el tercer cuadro de texto y finalmente Aceptar. eer IST. GAMMARY Devudl, pera una ptobebied dada el vor dela variable leer sixerdo une dstbusén asrina acura: a 9 ~ DISTR.GANMA [s .) ntances SISTA GANA (p)~ Prob oe unaprob:ttkadarocids cn la derbuckin gam, rane erbedy Lrduswe, Figura 4.4 4, Distribucién T Inversa = Enel primer cuadro de texto se ingresa la probabilidad. Sea p la probabilidad, si p > 0.5 se ingresa con la formula: 2*(1-p), si p < 0.5 entonces ingresa con la siguiente formula: 2*p. + Enel segundo cuadro de texto se ingresa los grados de libertad y Aceptar. -45-SPSS Manual prictico ras Marta-Vablejoy A UopTiapice nest ‘ISTRY. Probatitidad [SS Grados de_hbertad [SSCS DDevushve el inverse de uve strbuciént de ten’, Probabilidad esl probetlie exccincs con le cstrbucin te Shudent de das ‘ola, unmet rk 0+ 1 rehasies, As ead de la Frm = aneheat het a Figura 2.7. 5. Distribucion F Inversa Sea p la probabilidad, entonces la probabilidad va a ser igual ap. En los dos tiltimos cuadros de texto pasamos los grados de libertad y Aceptar. eee eI — obabilidad [J] (Grados_de_ libertad [SSCS (Graddos_de_ihertad [3 evuelveat verse dela tetcbunin de probabldad Fs p= DISIR-F(s, Jeenrorces DISTR FWRI, Probabiliad es\ne probabikiad asncara con afurciin de dst dn ‘Seumulsiva Fun numersentre Oy I indusve. Pesce del rds — yada zebve ens uretin Figura 28 46 -SPSS: Manual préctico ras Marta-Vablejoy A Tema 5. Estimacién de parametros en SPSS ESTIMACION INTERVALICA: La estimacién intervélica nos indica limites dentro de los cuales el parametro tiene la probabilidad de estar, en el SPSS se desarrolla los siguientes pasos para poder obtenerlo. A. INTERVALO CONFIDENCIAL PARA LA MEDIA ¥ PROPORCION POBLACIONAL Los pasos son: Analizar / Estadisticos Descriptivos / Explorar. + Se pasa la variable que se desea obtener el resultado a Dependientes. + En el boton Estadisticos se hace clic para que dentro de ella escribamos el porcentaje de confiabilidad con el que se va a trabajar, por defecto esta 95%. + Estos pasos se realizan también para la proporcién. tos ‘aaficce Ulidades Ventana? iy ‘form: Infoames bl a rer I Comparer medias > , Matelolinealceneral > FE modelos mates , 8 i si td yea > fin ate Universitari BA Saticar » bn Matematica Universitari 88 Redueckindedetes > |_Taerica No univarsi 46 caeles » | Comunicaciin Universitari 53 Prunbacaparamétcas > Universter — 5G Sunervivencie » Universitari 5g _Resouestamitle > fin |Camunicacidn No univarsi alin 188 Rimae Técnica Na univers Figura 29 Cenurn Piece - ® Peso [pera] }@ stole [estan ® Distite de Pro "creams | 1 Arman qu de eee | Perepectivas d Tl Cancalar @ Corera a stud guia @ Inteigencia rt @ Conprenain (- Etiquetar ls casos meciente: ® Reraonssolids ¥ Most Ambos ~ Exadtsios © Gréficas Figura 30 Para obtener el valor % de la significacion -47-SPSS: Manual prictien Dra: Marta Vallejoy A. Dascaiptivos: Estaaienco | erorth. Edad Wada Intewalo de confiarea — Limite inferior para la media al 96% Limite superior Media recortada al 6% Mediane varianza Desy. tip. Minirac Méximo Pengo Ampliad intereuartil Asienelria Surasis 18.48 065 > Para las medias poblacionales siempre se usan datos cuantitativos. Para las proporciones se usan datos cualitativos y variables dicotémicas. B. INTERVALO CONFIDENCIAL PARA LA DIFERENCIA DE PROPORCIONES Y MEDIAS POBLACIONALES ‘Se emplea este caso cuando las muestras son de diferentes poblaciones, para ello ‘se coloca en una sola columna ambas variables y en la otra columna se dan valores 1 para la primera variable y el valor 2 para la segunda variable. Luego los pasos son: Analizar / Comparar Medias / Prueba T para muestras independientes. Luego se pasan las variables que estén en una sola columna a Contrastar variables, en Variable de agrupacién se pasa la otra variable es la variable de agrupacién y en grupo se define las variables grupo 1: 1 y grupo 2: 2 y en opciones se escribe el valor de la confiabilidad. ‘arahcce des ventans 7 worms - inate ties + Pal STR | na Rimar -48- ode Ines general) Prusta Toarauna muestra... odeles metas » errdacionss } Prustia T para muesias relacienades, Regresn ANA de un Factor. Loalnea , ia >| Rimae (CC. 55 | No univers: Reduciénes detos | Rimac | Comunicacién |Universitario Escals » | Independen Técnice Universitario Prucbesnaperaméirnas + [ Rimac | Tecnica [Universitario Supenivenca | Bris (Técnica Universitario Respuasta mile *) SJLurigan Matematica UniversitarioSPSS: Manual procter Dra. Maria-Vallejoy A Figura 31 + Cuando las comparaciones de proporciones son de la misma poblacién se realiza los mismos pasos, pero al final se dirige a Prueba T para muestas relacionadas. Aparece el siguiente cuadro de la Figura 32, alli se pasan las dos variables como Variables relacionadas. (Pst Ge Posete Vanatiesrlacionata: Bes en cundesia @ Pospecsuss de: Simencsveat | EO -@ Maton lr ‘bosener ctuslee Venable enable 2 Figura 32 Ceased eect pecnes Ieterisls de covtines: [EE Vales pore (© Exelut cases segin ands © Exclu cesos seain ita Figura 33 * Cuando la poblacién pertenece a la misma se pasa las dos variables juntas y al hacer clic en opciones se escribe valor de confiabilidad. Tienda snvonaae -49-SPSS: Manual procter Dra. Maria-Vallejoy A Tema 6. Prueba de Hipotesis Las pruebas de hipétesis se usan para probar las hipétesis de investigacién realizadas en las investigaciones cuando se toma una muestra de la poblacion. En estas pruebas se trabaja con (hipétesis nula) Ho e (hipétesis alternativa) Ha. Las pruebas que arroja el SPSS, nos muestra un Sig. Que en otras biograffas lo llaman P—Valuie o probabilidad de aceptar la hipétesis nula siendo ésta verdadera. Por lo cual cuando el: Sig > a No se puede rechazar la hipétesis nula Sig < ase rechaza la hipétesis nula Prueba de Normalidad La prueba de normalidad es muy importante para la aplicacién de las pruebas correspondientes al presente capitulo, esta prueba tiene las siguientes hipétesis: Ho: La informacién se ajusta a una distribucién normal. Ha: La informacion no se ajusta a una distribucién normal. En el SPSS se procede del siguiente modo: Analizar / Estadisticos descriptivos / explorar / pasar la variable (edad) | graticos / graficos con prueba de normalidad / continuar / aceptar. Figura 34 PP el wl Baer a Ue eevee item mec romaio [Dieneatiens Obteniendo como resultado: Pruebas «le normatidad kolmagore-smimo" ‘hapire Wilke Estadisica [at Sig | Estadisticas at Sig Edad Sa 200 O00 Tas 200 000 @ Comaccién oa la signiicacién ae Lillefors La prueba de kolmogorov o de Shapiro - Wilk que indica que la variable edad no proviene de una poblacién normal, pues el sig = 0, la prueba es menor que cualquier valor de alfa que se escriba en la prueba de hipstesis, por lo cual se rechaza la hip6tesis nula. a. Prueba de Hipétesis Paramétricas 1) Prueba de hip6tesis referida a la Media o Proporcién Poblacional Sirve para calcular el valor del parametro poblacional Ho: U= Ho Ha: p # Ho Enel SPSS: -50-SPSS: Manual préctico Dra: Marta Vallejoy A. Analizar / Compatar medias / Prueba T para una muestra | Se pasa la variable que se quiere obtener el resultado a Contrastar variables, luego en Valor de prueba escribimos el valor de la media poblacional / Aceptar. Figura 35 Loree te turer @ Sen [ano] Contact vale Cd odd Esta etelua] @ Poss [peso] }# Dievtode Foceds [4] Resiablocer | Arca en que desta & Peupecivarde Ce _teeela_| @ Caters s estusiat | Awde | $® Inisligencie [intelige ———t ® Comprensién coe Valor de prueba: [I-70 Opciones | Prusba para tina muestra ‘valor dé prueba= 1.70) 95% Infervalo da eonianza para la Diferencia diferencia t ot__| sie gstera Poe meaiss [inferior | Superior Exaira_ | a a6m Ta (om | arses | -aa0o | ane En estos resultados sélo se observa el Sig de significacién para poder aprobar la H. 0 Hs Como el Sig < a se acepta la hipétesis alternativa. Por lo tanto la media poblacional de la estatura de los alumnos 2002 difiere de 1.70. Es bueno aclarar que el valor del Sig es la probabilidad de aceptar la hipdtesis nula. Los mismos pasos se realiza para la proporcién poblacional. 2) Prueba de hipotesis referida a la diferencia de Varianzas Poblacionales Sirve para comparar las varianzas entre dos poblaciones. Ho: 0; = 02 Ha: 0; #02 Para encontrar los resultados de las varianzas poblacionales se realiza los siguientes pasos. * Copiar los datos que se quiere comparar en una sola columna en Excel identificando en la columna paralela a que poblacién pertenece cada dato. Copiar las dos columnas anteriores en el SPSS. Analizar / Comparar medias / Anova de un factor / Pasar la variable de interés a dependiente y a factor la comparativa / opciones seleccionar prueba de homogeneidad de varianzas / continuar / Aceptar. 3) Prueba de Hipotesis Referida a la diferencia de Media Poblacional Sirve para comparar las medias entre dos poblaciones. Ho: fy = He Ha: bs # Me -51-SPSS: Manual préctico ras Marta-Vablejoy A Para encontrar los resultados de la media poblacional se realiza los siguientes pasos: + Analizar / Comparar medias / Prueba T para muestras relacionadas. * Se pasa las variables las dos juntas y Aceptar. * Obtendremos como resultado una tabla, la cual esta en la parte superior, lo Unico que se tiene que observar es el Sig, sies mayor a a se acepta Ha y si es menor aceptamos la Ho. Pacha denmestastlaconahes Binmnae ehconeae hina cova aniacén | Erarin de |_—atetena ois | |Etioae aeie Tsim] |_| syn rar meee | awe[ cam [sa | vam] 2mm | sem] | (om Como el Sig < a, entonces se acepta la Ha Por lo tanto las medias de las calfficaciones en matematica inicial y matematica final son diferentes, en este caso las calificaciones de matematica final excede alla inicial en aproximadamente 3.154 puntos. 3) Aniilisis de Varianza Sirve para comparar varias medias poblacionales. Ho: fy = He =... = He = 0 Ha: 3,40 Existen: Tomar datos del libro para efectuar los ejemplos. Disefo completamente aleatorio - DCA En el SPSS se trabaja en. Analizar / Comparar medias / ANOVA de un factor / se pasa la variable dependiente o respuesta a dependiente y el tratamiento o variable independiente a factores fos / Aceptar. Disefo en bloques completamente aleatorio ~ DBCA En el SPSS se trabaja en. Analizar / modelo lineal general / univariante / se pasa la variable dependiente o respuesta a dependiente y el tratamiento asi como los bloques a factores fijos / modelo / personalizado; construir términos: efectos principales; pasar el tratamiento y el bloque; suma de cuadrados tipo I; Eliminar intercepto / continuar / Aceptar. Disefio Factorial En el SPSS se trabaja en: Analizar / modelo lineal general / univatiante / se pasa la variable dependiente o respuesta a dependiente y los tratamientos (variables independientes) / modelo: factorial completo / Continuar / Aceptar. b. Tablas de Contingencia Ji Cuadrada Analizar / Estadistico descriptivo / Tablas de contingencia / se pasa la variable independiente a Filas y la variable dependiente pasa a Columnas / Clic en Estadisticos / Clic en Chi-cuadrado (alli se vera si la variable depende de la otra segun el valor del Sig) / Si el Sig es mayor que el alfa y si las variables son nominales se hace Clic en Coeficiente de contingencia para ver el porcentaje de influencia, si las variables son ordinales se hace Clic tau c de Kendall 's / Continuar / Aceptar. =52-SPSS: Manual précticn Dra: Marta Vallejoy A. Figura 37 bi Trifcns Uther votona 7 | pa Home > Eel Greernede o| Dnartion ae Meds etoeers| 9 see oo caine , aren A Bl cares > 5B cashcer , B4 aedcoincechin > | Cotruneadiin eee > OH pmcemowenmiens ¥ [Toenca | | Fame 55 Suoervrncs >| Tecnica censor 7e_Perpuetantioe > bn watonatica fam) ATR TF Ane wor | Eason | cotta | Feri El resultado es el siguiente: Pruebas «le chi-cuadrado Big asintétca ator gl (uulatera Threuadadoda Pearson | 92.693" 70 208 Razén de veresimiltud A473 7a Ara Elsig que se 7 ati ‘compara con ¢ Asociacian lingal por ae03 1 ose comes lineal Ne casas vélldos 00 2. 90 easilag (1.6%) Tanen Una Wecuencia esperaes Inferior & 5. La fracuencia minima esperadaes 03 Medidas simetricas Eleoeficiente de aig contingencin se observa var | sproimana cuando se accpta la Ha Tomnalpor Toancore de en la prucha de sorrel conlingercis eas a Independencia de A de casos validos 200 criterios (X*) @. Asumiendo [a hipstesis allernatva 8. Emplecnds el err tiaica asintéticn hasada en la hipsitesis ula, * Cuando el Sig es mayor que el alfa se acepta la Ho y no es necesario obtener el coeficiente de contingencia. * Cuando se acepta la Ha es necesario obtener el coeticiente contingencia para poder saber en cuanto influye x en y. A. Pruebas no Paramétricas Se usa cuando las variables en la poblacién no se aproximan a una distribucion normal. 53+SPSS: Manual préctico Dra: Marta Vallejoy A. Prueba U 0 Prueba de Wilcoxon o prueba Mann - Whitney Nos ayuda a probar la media de dos poblaciones cuando éstas nos se ajustan a.una distribucién normal Ho: = Ho Ha: py # Ho En el SPSS: ‘* Se copia las dos variables en una sola columna y en la columna del lado se especifica la poblacién Analizar / Pruebas no paramétricas / 2 muestras independientes / Contrastar variables: / Variable de agrupacién / Definir grupos: grupo 1: 1, grupo 2: 2/ Continuar / Aceptar. Iguaimente en el resultado se mira el Sig, si es mayor en este caso se acepta la hipdtesis nula, pero si es menor se acepta la hipotesis alternativa (al aceptar la Ha estariamos diciendo que hay diferencia significativa entre ambas variables). Prueba H 0 Prueba de Kruskal — Wallis, Nos ayuda a probar la media de k poblaciones cuando éstas no se ajustan a una distrioucion normal. Ho: y= e=... = Ha: 3 u#0 Enel SPSS: Se copia las tres variables en una sola columna y en la columna de al lado se especifica la poblacién. Analizar / Pruebas no paramétricas / k muestras independientes / Contrastar variables: / Agrupacién de variables: / definir rango: minimo: 1, maximo: 3 / Continuar / Aceptar. Igualmente se observa el Sig, si es menor que a se acepta la Ha, sies mayor que i! se acepta la Ho. -54-