Documentos de Académico
Documentos de Profesional
Documentos de Cultura
para
introducir
datos
(Introducir
Datos), etc.
una
base
de
datos vaca.
Ntese la existencia de dos
pestaas
en
la
parte
y al pinchar
qu
tipo
de
datos
estamos
2.1.3.- Anchura A travs de esta opcin se puede modificar la anchura de las celdillas que
se haba seleccionado en la pantalla anterior
2.1.4.- Decimales Igualmente, a travs de esta opcin modificar el nmero de decimales
que tendrn los datos, ya seleccionado en el apartado 2.2.1.Tipo
En ambos casos se puede escribir directamente el nmero de
decimales en la celdilla activada (seleccionada con el ratn) o
mover las flechas hasta encontrar el que se quiere.
2.1.6.-Valores Son los diferentes valores que puede tomar la variable. Se van aadiendo a la
lista, mediante el botn Aadir. Se pueden introducir modificaciones con los botones Cambiar y
Borrar.
En Valor se escribe el valor de la categora y
el
Etiqueta
de
valor,
su
nombre
Ejemplo En el caso de estar definiendo la variable sexo, los valores que puede tomar la variable son
dos: Mujer y Hombre, le asignamos a las mujeres un 1 y a los hombres un 2.
2.1.8.- Columnas Esta opcin permite rectificar, si fuera necesario, el ancho de la columna
(especificado ya en 2.1.2.- Tipo)
Tal como hicimos en las opciones 2.1.3. y 2.1.4, se puede escribir directamente el
ancho de la columna en la celdilla activada (seleccionada con el ratn) o mover las flechas
hasta encontrar el que se quiere.
2.1.10. Medida Por ltimo, en esta opcin se determina el nivel de medicin de la variable,
pudiendo elegir entre Nominal, Ordinal o Intervalo.
Al acceder a la celdilla (pinchando con el ratn en su extremo derecho, en
el que aparece una flecha), se despliega un cuadro en el que hay que
seleccionar la opcin deseada, pinchando sobre ella.
Al ir definiendo cada una de las variables del fichero, puede ocurrir que queramos
utilizar la misma opcin para ms de una variable. En lugar de ir definiendo cada variable, se
puede copiar la informacin de una (con Ctrl + C o Edicin + Copiar) y pegarla en otra/s
(con Ctrl + V o Edicin + Pegar).
Por ejemplo, si queremos utilizar los mismos "Valores" para ms de una variable,
basta definirlos para una, a continuacin se selecciona la celdilla que corresponde la los
Valores de esa variable, se pincha Ctrl + C o Edicin + Copiar, y se selecciona el resto de
variables que van a llevar los mismos valores (seleccionado con el ratn las celdillas
correspondientes a los valores), y se pincha Ctrl + V o Edicin + Pegar. Esto puede hacerse
con todas las opciones menos con el Nombre de la variable.
Una vez que estn todas las variables definidas se meten los datos (la operacin
puede realizarse a la inversa, metiendo primero los datos y definiendo despus las
variables), el fichero de datos presentara un aspecto similar al de la figura siguiente:
definido
todas,
con
la
Eliminar variables o casos Para realizar esta operacin, se selecciona la variable o caso a
eliminar y se pincha el botn Suprimir
4.- VER RESUMEN DE VARIABLES
Una vez que hemos elaborado todo el fichero de datos, podemos ver un resumen de
las variables sin tener que ir a una a una viendo cmo se han definido. Para ello, se
acceder al men Utilidades Variables, donde se despliega una ventana en la que se
encuentra informacin detallada de cada una de las variables. En esta ventana aparece un
listado de variables as como la informacin de la que est seleccionada.
Pinchando Ir a se accede directamente al lugar
del fichero de datos donde se encuentra esa
variable, sin necesidad de buscarla, lo que
facilita el trabajo cuando trabajamos con un
fichero extenso.
La ventana no permite realizar ningn cambio,
para hacerlo hay que acudir a la variable y
realizarlos en ella.
INDICE
RESULTADOS
A travs de los botones de la barra de tareas, podemos movernos del editor de datos
al visor de resultados de manera rpida y sencilla
posteriormente en este formato, es decir, en equipos que tengan instalado el SPSS. Para
ello basta con acceder a Archivo - Guardar y asignar el nombre y la ubicacin deseados
De nuevo encontramos una ventana de aspecto
idntico a la proporcionada por cualquier programa
del entorno Windows. De nuevo tambin, es
posible acceder a esta ventana a travs del icono:
o Word Perfect). Por esta razn, para poder visualizar los resultados en aquellos equipos
que no tengan instalado el programa SPSS, es necesario exportar el visor de resultados a
un documento HTML, que puede abrirse, y modificarse en Word. Para ello, en el men
Archivo (del visor de resultados), seleccionamos la opcin Exportar y aparece la siguiente
ventana
En esta ventana hay que especificar:
Qu queremos exportar
8.2.2.- Dnde lo queremos exportar Hay que especificar dnde se quiere exportar el
visor de resultados, para lo que hay que ir a Exportar archivo.
seleccionar la opcin Archivo HTML (*.htm), que suele estar marcada por defecto
9.2.- EN FORMATO HTML El archivo exportado puede ahora abrirse desde cualquier
ordenador que no tenga instalado el programa SPSS, ahora con formato HTML. Para ello
abriremos el procesadores de texto Word. Para abrirlo, accedemos a Archivo abrir en tipo
de archivo, seleccionamos Documento HTML o Todos los archivos, buscamos el que
queremos abrir y aparece un documento con el aspecto siguiente:
formato
es
que
permite
nueva.
Accediendo a las OPCIONES encontramos una pantalla en la que podremos
especificar los estadsticos que nos interesen
En esta pantalla marcaremos con el ratn () los estadsticos
que queramos, as como el orden de visualizacin de las
variables en el visor de resultados.
Las variables se pueden ordenar por el tamao de sus medias
(en orden ascendente o descendente), alfabticamente o por
el orden en el que se seleccionen las variables (el valor por
defecto).
Una vez especificado lo que queremos, pinchamos Continuar
presenta una tabla en la que muestra, para cada variable, los estadsticos que se han
pedido.
Estadsticos descriptivos
N
Rendimiento en historia
Rendimiento en filosofa
Rendimiento en idioma
Rendimiento en
matemticas
Rendimiento en dibujo
N vlido (segn lista)
100
100
100
Mnimo
0
0
0
Mximo
10
10
9
Media
5.73
5.50
5.32
Desv. tp.
2.27
2.34
2.08
100
10
5.70
1.96
100
100
10
5.50
2.19
Se da la opcin de mostrar / no
mostrar la tabla de frecuencias. Para
obtenerlas, debe estar marcado ()
La
opcin
ESTADSTICOS
permitira
en
la
opcin
1.- Anlisis
Estadsticos
Vlidos
Perdidos
Estudios
del padre
100
0
Profesin
del padre
100
0
Estudios de
la madre
100
0
Profesin
de la madre
100
0
En
una
primera
tabla
aparecen los estadsticos
seleccionados para cada una
de las variables incluidas en el
anlisis.
A continuacin se presentan las tablas de frecuencias, una para cada variable, en la que se
aparece la frecuencia directa, su porcentaje directo, as como el vlido (despus de eliminar
valores perdidos), y el acumulado.
Vlidos
Sin estudios
Primarios
Secundarios
Bachiller
Univ. Medios
Univ. Superiores
Otros
Total
Frecuencia
7
14
16
21
16
18
8
100
Porcentaje
7.0
14.0
16.0
21.0
16.0
18.0
8.0
100.0
Porcentaje
vlido
7.0
14.0
16.0
21.0
16.0
18.0
8.0
100.0
Porcentaje
acumulado
7.0
21.0
37.0
58.0
74.0
92.0
100.0
ESTADSTICA PARAMTRICA:
PRUEBA T DE STUDENT
Con la prueba t de Student se intenta probar la diferencia de medias para uno, dos
o ms grupos. Se trata de una prueba paramtrica, es decir, que entre otras cosas, la/s
variable/s dependiente/s deben estar medidas en nivel de intervalo o razn.
1.- PRUEBA T PARA MUESTRAS INDEPENDIENTES
El programa SPSS, dentro del men Analizar, tiene una opcin para comparar
medias y dentro de esta opcin accedemos a Prueba T para muestras independientes.
En el ejemplo que se desarrolla en este caso seleccionamos como variable de
agrupacin o variable independiente el Sexo que tiene dos categoras: MUJER (1) y
HOMBRE (2). Como variables dependientes seleccionamos Rendimiento en Historia,
Rendimiento en Filosofa, Rendimiento en Idioma, Rendimiento en Matemticas y
Rendimiento en Dibujo.
independiente
(de
Rendimiento en historia
Rendimiento en filosofa
Rendimiento en idioma
Rendimiento en
matemticas
Rendimiento en dibujo
Sexo
Mujer
Hombre
Mujer
Hombre
Mujer
Hombre
Mujer
Hombre
Mujer
Hombre
N
53
47
53
47
53
47
53
47
53
47
Media
5.58
5.89
5.58
5.40
5.40
5.23
5.57
5.85
5.47
5.53
Desviacin
tp.
2.20
2.36
2.28
2.42
1.96
2.22
1.95
1.98
2.34
2.02
Error tp. de
la media
.30
.34
.31
.35
.27
.32
.27
.29
.32
.29
A continuacin aparece una tabla que consta de dos partes, en la primera, el programa
realiza una prueba a priori, la F de Levene, para comprobar si existe o no homogeneidad de
varianzas (uno de los requisitos para aplicar pruebas paramtricas).
t
Rendimiento en historia
Rendimiento en filosofa
Rendimiento en idioma
Rendimiento en
matemticas
Rendimiento en dibujo
Se han asumido
varianzas iguales
No se han asumido
varianzas iguales
Se han asumido
varianzas iguales
No se han asumido
varianzas iguales
Se han asumido
varianzas iguales
No se han asumido
varianzas iguales
Se han asumido
varianzas iguales
No se han asumido
varianzas iguales
Se han asumido
varianzas iguales
No se han asumido
varianzas iguales
gl
Sig. (bilateral)
Diferencia
de medias
Error tp. de
la diferencia
95% Intervalo de
confianza para la
diferencia
Inferior
Superior
-.677
98
.500
-.31
.46
-1.21
.60
-.674
94.473
.502
-.31
.46
-1.22
.60
.384
98
.702
.18
.47
-.75
1.11
.383
94.940
.703
.18
.47
-.76
1.12
.388
98
.699
.16
.42
-.67
.99
.385
92.602
.701
.16
.42
-.67
1.00
-.725
98
.470
-.29
.39
-1.06
.49
-.725
96.184
.470
-.29
.39
-1.07
.50
-.137
98
.891
-6.02E-02
.44
-.93
.81
-.138
97.932
.890
-6.02E-02
.44
-.93
.81
Para el resto de las Hiptesis Nulas planteadas Ho (2), Ho (3), Ho (4), Ho (5), podemos
aceptarlas ya que las probabilidades asociadas al estadstico t (0,702 - 0,699 - 0,470 0,891 respectivamente) son mayores que (0,05), por lo que:
No existen diferencias estadsticamente significativas en el Rendimiento de los
alumnos en Filosofa en funcin de la variable Sexo . Ho (2)
No existen diferencias estadsticamente significativas en el Rendimiento de los
alumnos en Idioma en funcin de la variable Sexo. Ho (3)
No existen diferencias estadsticamente significativas en el Rendimiento de los
alumnos en Matemticas en funcin de la variable Sexo Ho (4)
No existen diferencias estadsticamente significativas en el Rendimiento de los
alumnos en Dibujo en funcin de la variable Sexo Ho (5)
Contrastes Posteriores
En caso de haber encontrado diferencias significativas, y para ver hacia que direccin de
dan, se consulta la tabla ESTADSTICOS DE GRUPO, y en la columna MEDIA, se puede ver
qu grupo obtiene una media superior.
Interpretacin de resultados
Aparece en primer lugar una tabla que resumen la informacin de las variables incluidas en
el anlisis. Podramos haber metido ms de un par de variables, en los resultados se
identifican como Par 1, Par 2, etc.
Estadsticos de muestras relacionadas
Media
Par 1
Capacidad de
concentracin antes
Capacidad de
concetracin despues
Desviacin
tp.
Error tp. de
la media
61.29
100
20.25
2.03
71.61
100
18.35
1.83
A continuacin aparece una tabla que nos proporciona la correlacin entre las variables:
Correlaciones de muestras relacionadas
N
Par 1
Capacidad de
concentracin antes y
Capacidad de
concetracin despues
Correlacin
100
.744
Sig.
.000
Podemos ver que la correlacin es significativa (sig. = 0,000 < = 0,05) y muy alta (ver
prctica de correlacin)
Por ltimo aparece la tabla en la que se contrasta la hiptesis que ponamos en juego:
Media
Par 1
Capacidad de
concentracin
antes - Capacidad
de concetracin
despues
-10.32
Diferencias relacionadas
95% Intervalo de
confianza para la
Error tp.
diferencia
Desviaci
de la
n tp.
media
Inferior
Superior
13.92
1.39
-13.08
-7.56
gl
-7.415
99
Sig.
(bilateral)
.000
Podemos ver que la probabilidad asociada al estadstico t es menos que , por lo que
rechazamos la H0 planteada y afirmamos que existen diferencias estadsticamente
significativas entre la Capacidad de Concentracin antes y la Capacidad de
Concentracin despus.
Contrastes posteriores
Una vez que hemos visto que las diferencias entre la capacidad de concentracin antes y
la capacidad de concentracin despus son significativas, puede interesar en qu direccin
se dan estas diferencias. Para ello, volvemos a la tabla primera que proporciona el
programa, y vemos en que variable a media es ms alta.
Estadsticos de muestras relacionadas
Media
Par 1
Capacidad de
concentracin antes
Capacidad de
concetracin despues
Desviacin
Error tp. de
tp. de concentracin
la media despus de recibir
61.29
100
20.25
el PEC, por 2.03
lo que puede decirse
71.61
100
18.35
ESTADSTICA NO PARAMTRICA
Las pruebas no paramtricas se utilizan para contrastar la existencia de
diferencias significativas cuando la/s variable/s dependiente/s estn medidas en nivel
nominal u ordinal. El programa SPSS, dentro del men Analizar, tiene una opcin para
Pruebas no Paramtricas. Dentro de esta opcin podemos encontrar varios casos
entre los que cabe destacar: para 2 muestras independientes, para ms de dos
muestras independientes, para 2 muestras relacionadas, para ms de dos muestras
relacionadas, Chi cuadrado. Vamos a entrar nicamente en tres de estos casos, para
el resto, se procede de la misma forma, seleccionando la opcin correspondiente.
1.- PRUEBA NO PARAMTRICA PARA DOS MUESTRAS INDEPENDIENTES
Accedemos al men Analizar Pruebas no paramtricas 2 muestras
independientes. Seleccionamos como variable dependiente el Inters Profesional de
los alumnos, y como independiente o variable de agrupacin, el sexo. Queremos
comprobar si existen diferencias estadsticamente significativas entre los intereses
profesionales de hombres y mujeres. Para adaptarnos al programa del curso,
utilizaremos la prueba U de Mann-Whitney, aunque como se puede comprobar, el
programa da otras opciones (Z de Kolmogorov-Smirnov, Reacciones extremas de
Como variable de agrupacin (o variable
independiente) seleccionamos la variable
Sexo y definimos los grupos como 1
(MUJER) y 2 (HOMBRE).
Moses)
En OPCIONES se da la opcin de pedir descriptivos o cuartiles. En el caso que nos
ocupa no pediremos estadsticos ya que con anterioridad se ha presentado cmo se
calculan e interpretan los estadsticos descriptivos y frecuencias. Una vez completo el
men, aceptamos y pasamos al visor de resultados.
Como siempre, enunciamos la Hiptesis nula a contrastar:
19
H0:
No
existen
diferencias
estadsticamente
significativas
en
los
intereses
Interes profesional
del alumno
Sexo
Mujer
Hombre
Total
N
53
47
100
Rango
promedio
52.39
48.37
Suma de
rangos
2776.50
2273.50
rangos.
A continuacin encontramos la tabla en la que aparecen los estadsticos de contraste.
Aunque aparecen por defecto la U de Mann Whitney, W de Wilcoxon y la Z,
interpretaremos solo la primera de ellas, aunque como puede verse, la significatividad
asociada a los tres estadsticos es la misma.
As pues, en funcin de la probabilidad asociada al valor del estadstico U de Mann
Whitney,
podemos
concluir
que
no
existen
diferencias
estadsticamente
U de Mann-Whitney
W de Wilcoxon
Z
Sig. asintt. (bilateral)
Interes
profesional
del alumno
1145.500
2273.500
-.707
.479
20
tomar
la
variable
independiente o de agrupacin
la familia.
Vamos a contrastar las siguientes hiptesis:
H0 (1): No existen diferencias estadsticamente significativas entre el nivel de estudios
del padre en funcin del nivel social de la familia.
H0 (2): No existen diferencias estadsticamente significativas entre el nivel profesional
del padre en funcin del nivel social de la familia.
H0 (3): No existen diferencias estadsticamente significativas entre el nivel de estudios
de la madre en funcin del nivel social de la familia.
H0 (4): No existen diferencias estadsticamente significativas entre el nivel profesional
de la madre en funcin del nivel social de la familia.
Interpretacin de resultados
En los resultados aparecen las siguientes tablas:
Para
Rangos
Estudios de la madre
N
14
33
26
17
10
100
14
33
26
17
10
100
14
Rango
promedio
76.00
66.15
47.52
29.68
6.30
29.07
42.36
50.40
64.91
83.10
40.75
cada
variable
dependiente introducida en
el
anlisis,
aparece
el
(N) y el
Estadsticos de contrastea,b
Chi-cuadrado
gl
Sig. asintt.
Profesin
del padre
54.291
4
.000
Estudios
del padre
27.800
4
.000
Estudios de
la madre
4.099
4
.393
Profesin
de la madre
7.825
4
.098
a. Prueba de Kruskal-Wallis
b. Variable de agrupacin: Nivel social familiar
Las
variables
que
vamos
medidas
en
escala
Interpretacin de resultados
Aparecen en primer lugar las tablas con las frecuencias encontradas en cada
categora de cada una de las variables, as como lo que cabra esperar al azar (N / n
de categoras) y el residual.
Sexo
Mujer
Hombre
Total
N observado
53
47
100
N esperado
50.0
50.0
Residual
3.0
-3.0
Grupo A
Grupo B
Grupo C
Grupo D
Total
Grupo
N observado
25
25
25
25
100
N esperado
25.0
25.0
25.0
25.0
Residual
.0
.0
.0
.0
N observado
14
33
26
17
10
100
N esperado
20.0
20.0
20.0
20.0
20.0
Residual
-6.0
13.0
6.0
-3.0
-10.0
A continuacin aparece la tabla con los valores del estadstico Chi cuadrado, los
grados de libertad y la probabilidad asociada al estadstico.
Las probabilidades asociadas a los valores de chi cuadrado son 0,549 - 1,000 y 0,002,
en el caso de Sexo y del Grupo mayores que el valor de = 0,05, y en el caso de
Nivel Social Familiar, inferior a este valor, por lo que afirmamos que no existen
diferencias (mayores que las esperadas por azar) entre las diferentes categoras de
las variables Sexo y Grupo de Clase, y si que las hay en la variable Nivel Social
A partir de esta tabla se realiza el
Estadsticos de contraste
Chi-cuadrado
gl
Sig. asintt.
Familiar
Sexo
.360
1
.549
Grupo
.000
3
1.000
Nivel social
familiar
17.500
4
.002
asociada
Chi-
ANALISIS DE VARIANZA
ms
de
una
variable
dependiente
con
la
ofrece
el
programa,
seleccionamos el de Scheffe
Interpretacin de resultados
En la primera tabla que aparece podemos contrastar las hiptesis nulas, siempre
comparando con la probabilidad asociada al estadstico F
ANOVA
Suma de
cuadrados
Rendimiento en historia
Rendimiento en filosofa
Rendimiento en idioma
Rendimiento en
matemticas
Rendimiento en dibujo
Inter-grupos
Intra-grupos
Total
Inter-grupos
Intra-grupos
Total
Inter-grupos
Intra-grupos
Total
Inter-grupos
Intra-grupos
Total
Inter-grupos
Intra-grupos
Total
Media
cuadrtica
gl
246.350
82.117
263.360
96
2.743
509.710
99
298.440
99.480
242.560
96
2.527
541.000
99
22.320
7.440
405.440
96
4.223
427.760
99
122.440
40.813
256.560
96
2.673
379.000
99
221.640
73.880
251.360
96
2.618
473.000
99
Sig.
29.933
.000
39.372
.000
1.762
.160
15.272
.000
28.216
.000
(I) Grupo
Grupo A
un asterisco (*) al lado del resultado, y segn consta a pie de tabla, la diferencia ser
significativa. La significatividad de la diferencia se ve igualmente en la columna Sig. en
la que aparece la probabilidad asociada a la diferencia. Como puede verse, para las
probabilidades que no son significativas (es decir, que son mayores que = 0,05), no
aparece asterisco (*) en el valor de la diferencia, y cuando no aparece el asterisco (*)
en este valor, la probabilidad no es significativa (su valor es mayor que = 0,05).
2.- ANLISIS DE VARIANZA FACTORIAL
General Univariante.
En la opcin MODELO, escogemos el
factorial completo.
Seleccionamos
como
variable
Como en el caso del Anlisis de Varianza Simple, este es el momento de pedir (si se
quieren) los contrastes posteriores, para lo que accedemos de nuevo a Post Hoc...
cual/es
de
las
variables
La hiptesis nula (Ho) que vamos a contrastar queda pues formulada en los
trminos siguientes: No existen diferencias estadsticamente significativas en el
Rendimiento Global obtenido por los alumnos en funcin del efecto conjunto de las
variables Grupo de clase al que pertenecen y Nivel Social de la Familia.
Interpretacin de resultados
La primera tabla que aparece en la salida nos muestra un resumen de los
casos incluidos en el estudio
Factores inter-sujetos
Grupo
Nivel
social
familiar
1
2
3
4
1
2
3
4
Etiqueta
del valor
Grupo A
Grupo B
Grupo C
Grupo D
Bajo
Medio-Baj
o
Medio
Medio-Alt
o
N
25
25
25
25
14
33
26
17
5
Alto
10
Fuente
Modelo corregido
Interseccin
GRUPO
NIVSOC
GRUPO * NIVSOC
Error
Total
Total corregida
Suma de
cuadrados
tipo III
90.610a
2352.540
47.545
1.497
10.452
70.300
3240.050
160.910
gl
19
1
3
4
12
80
100
99
Media
cuadrtica
4.769
2352.540
15.848
.374
.871
.879
F
5.427
2677.144
18.035
.426
.991
Significacin
.000
.000
.000
.789
.465
La tabla proporciona tambin un ANOVA simple para cada una de las variables
independientes por separado. El estadstico F para el factor Grupo tiene una
(I) Grupo
Grupo A
Grupo B
Grupo C
Grupo D
(J) Grupo
Grupo B
Grupo C
Grupo D
Grupo A
Grupo C
Grupo D
Grupo A
Grupo B
Grupo D
Grupo A
Grupo B
Grupo C
Diferencia
entre
medias (I-J)
-.3200
1.1080*
-1.3840*
.3200
1.4280*
-1.0640*
-1.1080*
-1.4280*
-2.4920*
1.3840*
1.0640*
2.4920*
Error tp.
.2651
.2651
.2651
.2651
.2651
.2651
.2651
.2651
.2651
.2651
.2651
.2651
Significacin
.693
.001
.000
.693
.000
.002
.001
.000
.000
.000
.002
.000
Intervalo de confianza al
95%.
Lmite
Lmite inferior
superior
-1.0772
.4372
.3508
1.8652
-2.1412
-.6268
-.4372
1.0772
.6708
2.1852
-1.8212
-.3068
-1.8652
-.3508
-2.1852
-.6708
-3.2492
-1.7348
.6268
2.1412
.3068
1.8212
1.7348
3.2492
Comparaciones mltiples
Variable dependiente: Rendimiento global
Scheffe
Medio-Bajo
Medio
Medio-Alto
Alto
Diferencia
entre
medias (I-J)
-.1058
-.1863
-.1433
-.1986
.1058
-8.0420E-02
-3.7433E-02
-9.2727E-02
.1863
8.042E-02
4.299E-02
-1.2308E-02
.1433
3.743E-02
-4.2986E-02
-5.5294E-02
.1986
9.273E-02
1.231E-02
5.529E-02
Error tp.
.2990
.3108
.3383
.3881
.2990
.2458
.2799
.3384
.3108
.2458
.2924
.3488
.3383
.2799
.2924
.3736
.3881
.3384
.3488
.3736
Significacin
.998
.985
.996
.992
.998
.999
1.000
.999
.985
.999
1.000
1.000
.996
1.000
1.000
1.000
.992
.999
1.000
1.000
Intervalo de confianza al
95%.
Lmite
Lmite inferior
superior
-1.0487
.8370
-1.1662
.7936
-1.2101
.9236
-1.4225
1.0253
-.8370
1.0487
-.8556
.6947
-.9199
.8451
-1.1598
.9743
-.7936
1.1662
-.6947
.8556
-.8790
.9650
-1.1122
1.0876
-.9236
1.2101
-.8451
.9199
-.9650
.8790
-1.2333
1.1227
-1.0253
1.4225
-.9743
1.1598
-1.0876
1.1122
-1.1227
1.2333
Interpretacin de resultados
De la tabla podemos deducir una serie de conclusiones (tantas como pruebas de
significatividad realizadas) que se presentan a continuacin:
1. Modelo corregido Se pone a prueba la existencia de diferencias estadsticamente
significativas en el Rendimiento Global obtenido por los alumnos en funcin del Grupo
al que pertenecen, controlando el efecto que pueda ejercer el Nivel Social Familiar. La
probabilidad asociada al estadstico F calculado es de 0,000 al ser un valor menor
que (0,05), rechazamos H0 y afirmamos que existen diferencias en el
Rendimiento Global obtenido por los alumnos en funcin del Grupo al que
pertenecen, controlando el efecto que pueda ejercer el Nivel Social Familiar
Fuente
Modelo corregido
Interseccin
NIVSOC
GRUPO
Error
Total
Total corregida
Suma de
cuadrados
tipo III
79,255a
445,926
,337
79,000
81,655
3240,050
160,910
gl
4
1
1
3
95
100
99
Media
cuadrtica
19,814
445,926
,337
26,333
,860
F
23,052
518,803
,392
30,637
Significacin
,000
,000
,533
,000
123
4
3. Por ltimo se hace un ANOVA con cada una de las variables independientes
utilizadas. En el primer caso (para la Variable Nivel Social Familiar) se acepta la H0 al
ser la probabilidad asociada a F mayor que (0,05) (para Nivel Social Familiar la
probabilidad asociada a F es de 0,533), por lo que no hay diferencias
estadsticamente significativas en el Rendimiento Global de los alumnos en
funcin del Nivel Social Familiar.
4. En el segundo caso se rechaza la H0 al ser la probabilidad asociada a F menor que
(0,05) (para Grupo de Clase la probabilidad asociada a F es de 0,000), por lo que
hay diferencias estadsticamente significativas en el Rendimiento Global de los
alumnos en funcin del Grupo de clase al que pertenecen.
CORRELACIN
La correlacin es una medida de la relacin entre dos variables. Su valor oscila
entre 1 y +1 pasando por 0. Los coeficientes de correlacin indican dos cosas; primero
indican la cuanta de la relacin, para lo que se tiene en cuenta el valor absoluto del
coeficiente, y que se interpreta segn la siguiente tabla:
Menor de |0,30|
Correlacin baja
Mayor de |0,70|
(tanto
al
1%
Correlaciones
Estudios
del padre
Rho de Spearman
Estudios de la madre
Profesin de la madre
Coeficiente de
correlacin
Sig. (bilateral)
N
Coeficiente de
correlacin
Sig. (bilateral)
N
Coeficiente de
correlacin
Sig. (bilateral)
N
Coeficiente de
correlacin
Sig. (bilateral)
N
Estudios de
la madre
Profesin
de la madre
-.570**
.039
-.060
.
100
.000
100
.700
100
.550
100
-.570**
1.000
Profesin
del padre
1.000
.025
-.043
.000
100
.
100
.803
100
.672
100
.039
.025
1.000
-.292**
.700
100
.803
100
.
100
.003
100
-.060
-.043
-.292**
1.000
.550
100
.672
100
.003
100
.
100
Vemos en este caso que existe correlacin significativa entre los Estudios del Padre y su
profesin, as como entre los estudios que ha realizado la madre y su profesin. Las
correlaciones son moderada en el primer caso y baja en el segundo.
En ambos casos la correlacin es negativa, es decir, que la relacin entre las variables es
inversa. Esto quiere decir que a medida que aumenta el valor de una variable disminuye
el de la otra. Para interpretar esto, slo hay que tener en cuenta cmo se han
categorizado las variables, vemos que se ha hecho de la siguiente forma:
NIVEL DE ESTUDIOS DEL PADRE/MADRE
NIVEL PROFESIONAL
DEL
PADRE/MADRE
1 Sin estudios
1 Directivo de empresa
2 Primarios
2 Profesiones liberales
3 Secundarios
4 Bachiller
4 Tcnicos medios
5 Univ. Medios
5 Auxiliares
6 Univ. Superiores
6 De servicio
7 Otros
7 Tareas domsticas
8 En paro
9 Otros
RAZN.
COEFICIENTE DE PEARSON
En este caso vamos a comprobar si existe correlacin entre los Rendimientos de los
alumnos en todas las materias incluidas en el fichero de los datos entre si y con el
Rendimiento global
Interpretacin de resultados
Una vez que tenemos las variables que queremos correlacionar, aceptamos y en
el visor de resultados aparecer de nuevo una matriz en la que aparecen de nuevo los
siguientes datos:
-
Rendimiento
en filosofa
Rendimiento
en idioma
Rendimiento en
matemticas
Rendimiento
en dibujo
Rendimiento
global
Correlacin
de Pearson
Sig. (bilateral)
N
Correlacin
de Pearson
Sig. (bilateral)
N
Correlacin
de Pearson
Sig. (bilateral)
N
Correlacin
de Pearson
Sig. (bilateral)
N
Correlacin
de Pearson
Sig. (bilateral)
N
Correlacin
de Pearson
Sig. (bilateral)
N
Rendimiento
en filosofa
1.000
Rendimient
o en idioma
Rendimiento
en
matemticas
Rendimiento
en dibujo
Rendimiento
global
.576**
.010
.239*
.205*
.714**
.
100
.000
100
.922
100
.017
100
.041
100
.000
100
.576**
1.000
.033
.267**
.253*
.752**
.000
100
.
100
.743
100
.007
100
.011
100
.000
100
.010
.033
1.000
-.225*
.044
.288**
.922
.743
.025
.660
.004
100
100
100
100
100
100
.239*
.267**
-.225*
.328**
.530**
.017
100
.007
100
.025
100
.
100
.001
100
.000
100
.205*
.253*
.044
.328**
1.000
.041
100
.011
100
.660
100
.001
100
.714**
.752**
.288**
.000
100
.000
100
.004
100
1.000
.623**
.
100
.000
100
.530**
.623**
1.000
.000
100
.000
100
.
100
REGRESIN
Anteriormente hemos visto los coeficientes de correlacin, que indican el grado
o la cuanta en que varan conjuntamente dos mediciones o variables. El conocimiento
de la relacin entre variables es algo ms que un fin en si mismo; en algunas
ocasiones se quiere aprovechar el conocimiento de una relacin entre variables como
punto de partida para realizar un pronstico o prediccin. Es decir, al conocer la
variable X y su relacin con la variable Y, se tratara de averiguar en qu forma se
pueden considerar los valores particulares de la variable X y predecir a partir de ellos
los valores que corresponden en Y. El Anlisis de Regresin es la tcnica que
utilizamos para ello.
La regresin lineal estima los coeficientes de la ecuacin lineal, con una
(regresin simple) o ms (regresin mltiple) variables independientes, que mejor
prediga el valor de la variable dependiente. Tanto la variable dependiente como la/s
independiente/s deben ser continuas (en caso contrario se utilizara Anlisis de
Varianza). Por ejemplo, se puede intentar predecir el rendimiento de un alumno
(variable dependiente) a partir de su nivel de motivacin, edad, o capacidad de
concentracin (variables independientes).
1.- REGRESIN SIMPLE
INTERPRETACIN DE RESULTADOS
De entre los diferentes criterios existentes para calcular la recta de regresin,
se va a utilizar el de los MNIMOS CUADRADOS debido a sus excelentes propiedades
estadsticas.
a
Variables introducidas/eliminadas
Modelo
1
Variables
introducidas
Variables
eliminadas
Motivacin
despus del
programa
Esta
Mtodo
Por
pasos
(criterio:
Prob. de
F para
entrar <=
,050,
Prob. de
F para
salir >=
,100).
R
,372a
R cuadrado
,138
R cuadrado
corregida
,129
Error tp. de la
estimacin
1,83
Regresin
Residual
Total
Suma de
cuadrados
52,352
326,648
379,000
gl
1
98
99
Media
cuadrtica
52,352
3,333
F
15,707
Sig.
,000a
Modelo
1
(Constante)
Motivacin despus
del programa
Coeficientes no
estandarizados
B
Error tp.
3,687
,540
3,237E-02
,008
Coeficient
es
estandari
zados
Beta
,372
t
6,832
Sig.
,000
3,963
,000
Lmite inferior
Y - Sxy
Modelo
1
Variables
introducidas
Inteligencia
general
Variables
eliminadas
Motivacin
despus del
programa
Mtodo
Por
pasos
(criterio:
Prob. de
F para
entrar <=
,050,
Prob. de
F para
salir >=
,100).
Por
pasos
(criterio:
Prob. de
F para
entrar <=
,050,
Prob. de
F para
salir >=
,100).
variable
independiente
Inteligencia
Inteligencia
General
el
anlisis
ha
entrado
antes
la
R
,698a
,745b
R cuadrado
corregida
,482
,546
R cuadrado
,487
,555
Error tp. de la
estimacin
,9175
,8592
ANOVAc
Modelo
1
Regresin
Residual
Total
Regresin
Residual
Total
Suma de
cuadrados
78,405
82,505
160,910
89,306
71,604
160,910
gl
1
98
99
2
97
99
Media
cuadrtica
78,405
,842
44,653
,738
F
93,130
Sig.
,000a
60,490
,000b
Vemos que los dos modelos son significativos, es decir, que la parte explicada no se
debe al azar (,000 < )
En la tabla siguiente se presentan los coeficientes de regresin de cada
modelo, en el que solo se incluye la variable Inteligencia General como independiente
(modelo 1), y en el que se incluyen las dos: Inteligencia General y Motivacin
Despus (modelo 2).
Coeficientesa
Modelo
1
2
(Constante)
Inteligencia general
(Constante)
Inteligencia general
Motivacin despus
del programa
Coeficientes no
estandarizados
B
Error tp.
-23,365
2,998
,335
,035
-19,856
2,952
,283
,035
1,601E-02
Coeficient
es
estandari
zados
Beta
,004
,589
t
-7,795
9,650
-6,727
8,028
Sig.
,000
,000
,000
,000
,282
3,843
,000
,698
En la ltima tabla aparecen las variables que han quedado excluidas del
anlisis. La exclusin no tiene que deberse forzosamente a que la variable no sea
importante a la hora de explicar los cambios de la variable dependiente, simplemente
querr decir que su aportacin a la explicacin de los cambios de la variable
dependiente ya est explicada por otras variables incluidas, y que su inclusin puede
resultar redundante. En este caso se ha excluido finalmente la Motivacin Despus del
Programa porque como puede verse en la tabla-resumen del modelo, su contribucin
al Rendimiento Global es muy pequea.
Variables excluidasb
Modelo
1
Beta dentro
Motivacin despus
del programa
t
a
,282
3,843
Sig.
,000
Correlacin
parcial
,363
Estadstic
os de
colinealid
ad
Tolerancia
,851
ANLISIS FACTORIAL
factores
variables
que
inferior
al
tenemos
nmero
y
que
En
la
opcin
ROTACIN
de
mtodo
los
de
factores,
Respecto a la EXTRACCIN
de los factores, el mtodo de
Componentes Principales es
el que vamos a utilizar.
los
que
elegiremos
el
de
nos
Interpretacin de resultados
Comunalidades
Edad
Sexo
Grupo
Rendimiento global
Rendimiento en historia
Rendimiento en filosofa
Rendimiento en idioma
Rendimiento en
matemticas
Rendimiento en dibujo
Estudios del padre
Profesin del padre
Estudios de la madre
Profesin de la madre
Nivel social familiar
Situacin laboral del
alumno
Interes profesional del
alumno
Capacidad de
concentracin antes
Capacidad de
concetracin despues
Motivacin antes del
programa
Motivacin despus del
programa
Inicial
1.000
1.000
1.000
1.000
1.000
1.000
1.000
Extraccin
.486
.503
.765
.961
.634
.687
.783
1.000
.582
1.000
1.000
1.000
1.000
1.000
1.000
.536
.646
.785
.636
.607
.728
1.000
.664
1.000
.687
1.000
.859
1.000
.881
1.000
.718
1.000
.805
La tabla de Varianza total explicada nos informa del nmero total de factores
(componentes) extrados, as como de la varianza explicada por cada factor en la
solucin factorial, tanto antes como despus de la rotacin. En esta tabla podemos ver
cules son los factores significativos, que sern aquellos cuya varianza explicada
Varianza total explicada
Componente
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
Autovalores iniciales
% de la
Total
varianza
% acumulado
4.096
20.482
20.482
2.371
11.853
32.335
2.025
10.123
42.458
1.666
8.329
50.787
1.442
7.212
57.998
1.264
6.321
64.320
1.085
5.425
69.745
.999
4.996
74.740
.858
4.290
79.030
.734
3.671
82.701
.674
3.368
86.069
.583
2.915
88.983
.565
2.824
91.807
.487
2.436
94.244
.350
1.750
95.993
.312
1.562
97.555
.255
1.277
98.832
.176
.878
99.710
5.787E-02
.289
100.000
3.180E-05 1.590E-04
100.000
salido
siete
factores
significativos
que
explican
el
69,745%
Edad
Sexo
Grupo
Rendimiento global
Rendimiento en historia
Rendimiento en filosofa
Rendimiento en idioma
Rendimiento en
matemticas
Rendimiento en dibujo
Estudios del padre
Profesin del padre
Estudios de la madre
Profesin de la madre
Nivel social familiar
Situacin laboral del
alumno
Interes profesional del
alumno
Capacidad de
concentracin antes
Capacidad de
concetracin despues
Motivacin antes del
programa
Motivacin despus del
programa
1
3.784E-02
4.277E-02
.343
.917
.727
.816
6.141E-02
2
5.927E-02
-4.54E-02
-.127
6.126E-02
-.173
-3.40E-02
4.061E-02
3
-.241
.232
.245
-4.90E-02
.122
-2.92E-02
2.887E-02
Componente
4
.345
.652
-.298
-7.33E-03
-.112
-7.52E-02
3.964E-02
.500
.184
-7.57E-02
.540
-5.95E-02
8.774E-02
-2.09E-02
1.363E-02
7.748E-03
.188
.785
-.868
4.817E-02
-8.66E-04
.846
2.918E-02
5
.376
-8.01E-02
.680
-6.26E-02
.176
9.493E-02
8.593E-02
6
-.391
-7.49E-02
-4.58E-02
.293
9.478E-02
3.712E-02
.872
7
9.626E-02
-8.94E-02
.133
.158
9.488E-02
-5.66E-02
-8.57E-02
-5.88E-03
-.312
-.309
.315
-.197
-2.94E-02
-9.35E-02
1.552E-02
-2.01E-02
-4.69E-02
.146
-7.47E-02
-9.55E-03
.105
.356
-8.57E-02
-.267
-6.74E-02
2.598E-02
.118
.223
1.712E-03
.165
-2.92E-02
-1.79E-02
.119
3.830E-02
4.983E-02
.225
-.123
-.119
-.771
.654
-1.73E-02
-.121
-.120
.774
-3.93E-02
7.180E-02
.170
-.371
-1.89E-02
-.128
1.848E-02
.697
.191
-9.38E-02
-5.43E-02
4.100E-02
.898
9.690E-02
-.151
8.297E-02
-9.63E-02
-6.32E-03
-1.69E-02
.924
-1.98E-02
.157
3.656E-03
5.527E-02
.698
-.164
-3.01E-02
.224
-.122
-.312
-.202
.765
-.129
3.363E-03
.197
-.133
-.347
-.158
Mtodo
extraccin:
Anlisis
de componentes
principales.
Adepartir
de los
pesos
significativos
de las variables en los factores, iramos
Mtodo de rotacin: Normalizacin Varimax con Kaiser.
a. La
ha convergido
en 9 iteraciones.
dando
larotacin
naturaleza
al factor,
es decir, ponindole nombre. En este anlisis se ha
ANLISIS DE COVARIANZA
El anlisis de covarianza (ANCOVA) es una combinacin de las tcnicas
de regresin y anlisis de varianza, que se utiliza para comprobar la existencia
de diferencias estadsticamente significativas en la variable dependiente
atribuibles a la variable independiente (con dos ms grupos o categoras) y
otra dependiente (nivel de medicin intervalo o razn), eliminando la interaccin
de una variable extraa que controlamos a travs de ste mtodo,
introducindola en el anlisis como COVARIABLE.
La suposicin especfica del ANCOVA es que la variable concomitante
(covariable) no debe ser afectada por los tratamientos, es decir, que los
tratamientos aplicados a las unidades experimentales para poder observar sus
efectos en la variable Y no deberan influir en los valores esperados de X.
Accedemos al anlisis de covarianza a travs del men Analizar
Modelo Lineal General Univariante.
La H0 queda formulada de la forma siguiente: No existen diferencias
estadsticamente significativas en el Rendimiento Global de los alumnos en funcin del
Grupo de clase al que pertenezcan, controlando la influencia del Nivel Social de la familia.
Interpretacin de resultados
De la tabla podemos deducir una serie de conclusiones (tantas como pruebas de
significatividad realizadas) que se presentan a continuacin:
5. Modelo corregido Se pone a prueba la existencia de diferencias estadsticamente
significativas en el Rendimiento Global obtenido por los alumnos en funcin del
Grupo al que pertenecen, controlando el efecto que pueda ejercer el Nivel Social
Fuente
Modelo corregido
Interseccin
NIVSOC
GRUPO
Error
Total
Total corregida
Suma de
cuadrados
tipo III
79,255a
445,926
,337
79,000
81,655
3240,050
160,910
gl
4
1
1
3
95
100
99
Media
cuadrtica
19,814
445,926
,337
26,333
,860
F
23,052
518,803
,392
30,637
Significacin
,000
,000
,533
,000
123
4
8. Por ltimo se hace un ANOVA con cada una de las variables independientes
utilizadas. En el primer caso (para la Variable Nivel Social Familiar) se acepta la H0
al ser la probabilidad asociada a F mayor que (0,05) (para Nivel Social Familiar
la probabilidad asociada a F es de 0,533), por lo que no hay diferencias
estadsticamente significativas en el Rendimiento Global de los alumnos en
funcin del Nivel Social Familiar.
9. En el segundo caso se rechaza la H0 al ser la probabilidad asociada a F menor
que (0,05) (para Grupo de Clase la probabilidad asociada a F es de 0,000), por
lo que hay diferencias estadsticamente significativas en el Rendimiento
Global de los alumnos en funcin del Grupo de clase al que pertenecen.
Las cuatro primeras lneas del fichero de datos son fundamentales y debe
extremarse la atencin al escribirlas, que cualquier error en ellas (un espacio
de ms o de menos, un punto, etc.) puede hacer que el programa no se ejecute
o lo haga de forma incorrecta.
que la primera columna queda en blanco, hubiera sido igual poner 035,
pero siempre respetando las tres columnas.
Columna 4 Espacio en blanco.
Columna 5 Cdigo para las respuestas omitidas (en el Fichero del
ejemplo, el 9 es el valor que se asigna a los tems no contestados).
Columna 6 Espacio en blanco
Columna 7
En la tercera lnea se indica el nmero de alternativas que hay para cada uno
de los tems del test. En el fichero del ejemplo cada tem tiene 4 alternativas
EJECUCIN DE ITEMAN
Acceder al programa Inicio - Programas - ITEMAN
Lo primero que pide el programa es el fichero de los datos. Se escribe el nombre
del fichero de datos (por ejemplo a:datos.txt) y se pulsa INTRO
A continuacin, el programa pide que se especifique dnde se debe guardar la
salida (por ejemplo a:salida). Si no se pone extensin al fichero, por defecto el
programa le asigna la extensin .out. Pulsar
INTRO
ITEMAN pregunta si se quiere un fichero con los estadsticos (Do you wnat to write
statistics to a external file?). En este caso, diremos al programa que
NO,
pero si se
INTRO,
configuracin del anlisis. En nuestro caso vienen sealadas por defecto, as que
simplemente pulsamos Continuar (INTRO)
Una vez terminado el anlisis, aparece una barra roja que dice ***ITEM ANALYSIS
COMPLETE***. Para ver los resultados, puede pulsarse directamente F2 para
acceder al editor de ITEMAN o abrir el archivo desde el Word Pad
LOS RESULTADOS
********************
A:\DATOS.TXT
A:\SALIDA.OUT
NONE
NONE
NONE
DICHOT = Dichotomous
MPOINT = Multipoint/Survey
0
------Type of Scale
DICHOT
N of Items
80
N of Examinees
50
*****
CONFIGURATION INFORMATION
Type of Correlations:
Correction for Spuriousness:
Ability Grouping:
Subgroup Analysis:
Express Endorsements As:
Score Group Interval Width:
*****
Point-Biserial
NO
YES
NO
PROPORTIONS
0
------N of Items
80
N of Examinees
50
Mean
51.920
Variance
58.554
Std. Dev.
7.652
Skew
0.637
Kurtosis
-0.478
Minimum
41.000
Maximum
69.000
Median
50.000
Alpha
0.798
SEM
3.440
Mean P
0.649
Mean Item-Tot.
0.230
Mean Biserial
0.329
Max Score (Low)
46
N (Low Group)
13
Min Score (High)
56
N (High Group)
14
+
|######
|####
|##
44
2
8
16
4
45
2
10
20
4
46
3
13
26
6
47
5
18
36
10
48
2
20
40
4
49
2
22
44
4
50
4
26
52
8
51
2
28
56
4
52
1
29
58
2
53
2
31
62
4
54
4
35
70
8
55
1
36
72
2
56
3
39
78
6
57
0
39
78
0
58
1
40
80
2
59
1
41
82
2
60
1
42
84
2
61
0
42
84
0
62
1
43
86
2
63
2
45
90
4
64
0
45
90
0
65
0
45
90
0
66
1
46
92
2
67
2
48
96
4
68
1
49
98
2
69
1
50
99
2
70
0
50
99
0
71
0
50
99
0
. . . No examinees above this score . . .
|####
+####
|######
|##########
|####
|####
+########
|####
|##
|####
|########
+##
|######
|
|##
|##
+##
|
|##
|####
|
+
|##
|####
|##
|##
+
|
|
|----+----+----+----+----+
5
10
15
20
25
Percentage of Examinees
A continuacin presentamos una tabal que puede resultar til para la interpretacin
de resultados:
INDICE DE DIFICULTAD DEL ITEM
Valor
Interpretacin
Menor de 0,25
Muy difcil
Entre 0,25 y 0,44
Difcil
Entre 0,45 y 0,54
Normal
Entre 0,55 y 0,74
Fcil
Mayor de 0,75
Muy Fcil