Documentos de Académico
Documentos de Profesional
Documentos de Cultura
CON SPSS
Contenido
Prólogo………………………………………………………. 5
Capítulo 1: Introducción al SPSS ……………………… 7
Capítulo 2: Análisis de Componentes Principales ….. 11
Capítulo 3: Análisis de Correspondencias …..……….. 15
Capítulo 4: Escalado Multidimensional ……..………... 21
Capítulo 5: Análisis de Conglomerados………..……… 27
Capítulo 6: Análisis de Discriminante …………............ 35
Capítulo 7: Análisis Factorial ……………………........... 41
Capítulo 8: Modelos Log-lineales …………………........ 43
Capítulo 9: Regresión Logística ……..……………........ 51
Capítulo 10: Regresión Poisson …....….…………......... 57
Capítulo 11: Regresión no Lineal..…..………….…........ 63
Capítulo 12: Análisis de la Varianza con Medidas
Repetidas ……….……..…..……….……… 67
Capítulo 13: Análisis de Series Temporales….…......... 73
Capítulo 14: Control Estadístico de la Calidad…......... 81
4 ESTADÍSTICA APLICADA CON SPPS
ALFONSO GARCÍA PÉREZ 5
Prólogo
Lo que advertimos es que, como ya pasaba con BMDP o SAS, sólo se van a
poder ejecutar, básicamente, Métodos Clásicos con este software, debiendo
utilizarse el software enviado por el curso para la ejecución de Métodos
Robustos y de Remuestreo.
Ya que los ejemplos que analizaremos en este texto son los del libro Métodos
Avanzados de Estadística Aplicada. Técnicas Avanzadas, no repetiremos aquí
los enunciado de dichos ejemplos, indicándolos con la abreviatura TA y el
número del ejemplo correspondiente.
Por último, le recordamos que puede ver más grandes la figuras utilizando el
zoom de su pdf.
Capítulo 1
Introducción al SPSS
1.1. Introducción
Una de las características más destacadas de SPSS (en especial con
respecto a BMDP o SAS) es que no es necesario conocer un lenguaje de
programación para utilizarlo (aunque lo tiene). Su exitosa presentación de
“Métodos Estadísticos a ejecutar” en forma de persianas, permite comenzar a
utilizarlo casi sin conocimientos previos del paquete.
Por esta razón, este texto será simple y breve ya que, sin duda, la mejor
manera de aprende a manejar SPSS es utilizarlo.
Figura 1.1
Para el ejemplo en cuestión, incluiremos (por este orden) datos de las tres
variables: la variable Edad, con tres valores, 1 para los individuos menores de
20 años, 2 para los individuos entre 20 y 50 años y 3 para los individuos
mayores de 50 años.
Para la variable Sexo, dos valores, 0 para los hombres y 1 para las mujeres.
Y, finalmente, la variable Fumador, con dos valores, 0 para los individuos
que no fuman y 1 para los que sí fuman.
Así, los datos de los individuos de la tabla anterior serán los de la Figura 1.2.
Figura 1.2
Figura 1.3
Figura 1.4
10 ESTADÍSTICA APLICADA CON SPPS
ALFONSO GARCÍA PÉREZ 11
Capítulo 2
Figura 2.1
Si ejecutamos la secuencia anterior con los datos del Ejemplo 2.1 del texto
Técnicas Avanzadas, se obtienen los siguientes resultados. En [1] y [2] puede
verse la variación explicada por cada componente principal.
A continuación aparece lo que SPSS denomina Gráfico de sedimentación y
que en TA denominamos Gráfico de desmoronamiento.
Por último, en [3] aparecen las Componentes Principales, con coeficientes
algo distintos de los que obteníamos en TA pero, por supuesto, con la misma
interpretación.
Figura 2.2
A. factorial
Comunalidades
Inicial Extracción
X1 1,000 ,973
X2 1,000 ,747
X3 1,000 ,817
X4 1,000 ,862
X5 1,000 ,945
X6 1,000 ,597
X7 1,000 ,781
X8 1,000 ,969
Método de extracción: Análisis de Componentes principales.
ALFONSO GARCÍA PÉREZ 13
[1] [2]
Gráfico de sedimentación
3,0
2,5
2,0
Autovalor
1,5
1,0
0,5
0,0
1 2 3 4 5 6 7 8
Número de componente
14 ESTADÍSTICA APLICADA CON SPPS
Matriz de componentes(a)
Componente
1 2 3 4
X1 ,753 ,450 ,445 -,070
X2 -,704 ,363 ,093 -,332
X3 -,113 ,872 -,176 ,118
X4 ,064 ,764 -,443 ,279
X5 ,803 ,273 ,470 -,078
X6 ,629 -,159 -,392 ,149
X7 -,719 ,255 ,445 ,026
X8 -,222 -,140 ,326 ,891
Método de extracción: Análisis de componentes principales.
a 4 componentes extraídos
[3]
Los resultados obtenidos al ejecutar SPSS son ficheros que pueden ser
salvados y reutilizados.
FACTOR
/VARIABLES X1 X2 X3 X4 X5 X6 X7 X8 /MISSING LISTWISE /ANALYSIS X1 X2 X3 X4 X5
X6 X7 X8
/PRINT INITIAL EXTRACTION
/PLOT EIGEN
/CRITERIA MINEIGEN(1) ITERATE(25)
/EXTRACTION PC
/ROTATION NOROTATE
/METHOD=CORRELATION .
Capítulo 3
Análisis de Correspondencias
Figura 3.1
16 ESTADÍSTICA APLICADA CON SPPS
Figura 3.2
Figura 3.3
ALFONSO GARCÍA PÉREZ 17
Figura 3.4
Correspondencias
Tabla de correspondencias
Bebe
Madre pm pv gcm gcv Margen activo
jnf 50 315 24 4012 4401
jf 9 40 6 459 514
mnf 41 147 14 1594 1796
mf 4 11 1 124 140
Margen activo 104 513 45 6189 6851
[1]
18 ESTADÍSTICA APLICADA CON SPPS
Resumen
Corre
Desviación
Dimensión Valor propio Inercia Chi-cuadrado Sig. Explicada Acumulada típica
1 ,050 ,003 ,908 ,908 ,013
2 ,016 ,000 ,087 ,995 ,015
3 ,004 ,000 ,005 1,000
Total ,003 19,109 ,024(a) 1,000 1,000
a 9 grados de libertad
[2]
Simétrica Normalización
1,5
gcm Bebe
Madre
1,0
Dimensión 2
0,5
jf
pv
0,0 jnf gcv
mnf
mf
pm
-0,5
-0,2 0,0 0,2 0,4 0,6 0,8 1,0 1,2 1,4 1,6
Dimensión 1
[3]
Capítulo 4
Escalado Multidimensional
Figura 4.1
22 ESTADÍSTICA APLICADA CON SPPS
Figura 4.2
Figura 4.3
Escalamiento multidimensional
1 2 3 4 5
1 ,000
2 7,500 ,000
[1] 3 8,500 2,000 ,000
4 6,000 5,000 7,500 ,000
5 9,500 7,500 8,000 8,000 ,000
6 7,000 5,000 8,500 5,500 6,000
7 8,000 2,000 2,000 7,500 2,000
8 9,500 9,000 9,000 7,000 5,000
9 5,500 5,500 9,000 7,500 7,500
10 8,500 6,000 8,000 8,000 6,500
11 9,500 9,000 7,500 8,000 1,500
12 9,000 6,000 5,500 9,000 2,000
6 7 8 9 10
6 ,000
7 7,500 ,000
8 7,500 2,000 ,000
9 6,000 2,000 2,500 ,000
10 7,500 2,500 6,000 4,500 ,000
11 7,500 3,000 2,000 6,500 5,000
12 9,000 ,500 4,500 6,500 6,000
11 12
11 ,000
12 2,500 ,000
[2] 1 ,26241
2 ,20757 ,05484
3 ,18765 ,01992
4 ,17950 ,00815
5 ,17669 ,00281
6 ,17540 ,00129
7 ,17449 ,00091
For matrix
Stress = ,15209 RSQ = ,85524
Stimulus Coordinates
Dimension
Stimulus Stimulus 1 2
Number Name
1 V1 -2,2273 ,0931
2 V2 -,9499 -,8015
3 V3 -,1722 -1,9273
4 V4 -1,4457 ,4841
5 V5 1,3464 ,2773 [3]
6 V6 -,8397 ,9476
7 V7 ,5210 -,5959
8 V8 ,8699 1,0628
9 V9 -,3767 ,6495
10 V10 ,7265 ,4236
11 V11 1,5429 ,2237
12 V12 1,0047 -,8369
1 2 3 4 5
1 ,000
2 1,808 ,000
3 2,793 1,342 ,000
4 1,342 1,342 2,553 ,000
5 3,579 2,537 2,677 2,793 ,000
6 1,808 1,342 2,793 1,342 1,808
7 2,793 1,342 1,342 2,244 1,202
8 3,305 2,793 3,166 1,808 1,342
9 1,342 1,342 2,793 1,808 1,808
10 2,793 1,808 2,553 2,553 1,808
11 3,772 2,793 2,553 2,793 ,408
12 3,305 1,808 1,342 2,793 1,166
6 7 8 9 10
6 ,000
ALFONSO GARCÍA PÉREZ 25
7 2,058 ,000
8 1,808 1,342 ,000
9 1,342 1,342 1,342 ,000
10 1,808 1,342 1,342 1,342 ,000
11 2,490 1,342 1,076 1,808 1,342
12 2,793 ,408 1,342 1,808 1,342
11 12
11 ,000
12 1,342 ,000
1 V8
V6
V9
V4 V10 V5
Dimensión 2
V11
V1
0
V7
V2 V12
-1
-2 V3
-2 -1 0 1 2
Dimensión 1
[4]
Capítulo 5
Análisis de Conglomerados
5.1. Introducción
Como sabemos, existen, básicamente, dos métodos de Análisis Cluster: uno
es el Análisis Jerárquico y otro el Algoritmo k-medias. Analizaremos estos dos
métodos en dos secciones separadas.
Figura 5.1
28 ESTADÍSTICA APLICADA CON SPPS
Figura 5.2
Figura 5.3
ALFONSO GARCÍA PÉREZ 29
Conglomerados jerárquicos
Advertencia
Casos
Válidos Perdidos Total
N Porcentaje N Porcentaje N Porcentaje
5 100,0 0 ,0 5 100,0
a distancia euclídea usada
b Vinculación de centroides
Vinculación de centroides
Historial de conglomeración
Etapa en la que el
Conglomerado que se conglomerado aparece
combina por primera vez
[1] [3]
30 ESTADÍSTICA APLICADA CON SPPS
Caso
Número de
conglomerados 5 4 2 3 1
1 X X X X X X X X X
2 X X X X X X X X
3 X X X X X X X
4 X X X X X X
Dendrograma
* * * * * * H I E R A R C H I C A L C L U S T E R A N A L Y S I S *
* * * * *
C A S E 0 5 10 15 20 25
Label Num +---------+---------+---------+---------+---------+
4 òûòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòø
5 ò÷ ó
1 òø ó
3 òôòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòòò÷
2 ò÷
Figura 5.4
Figura 5.5
Con el botón Guardar seleccionamos las dos opciones que permite (Figura 5.6)
32 ESTADÍSTICA APLICADA CON SPPS
Figura 5.6
Figura 5.7
Conglomerado
1 2
talla 189,00 170,00
sueldo 100,00 180,00
Historial de iteraciones(a)
Iteración 1 2
1 5,385 8,333
2 ,000 ,000
a Se ha logrado la convergencia debido a que los centros de los conglomerados no presentan ningún
cambio o éste es pequeño. El cambio máximo de coordenadas absolutas para cualquier centro es de ,000.
La iteración actual es 2. La distancia mínima entre los centros iniciales es de 82,225.
Conglomerado
1 2
talla 187,00 175,00
sueldo 105,00 173,33
ANOVA
Conglomerado Error
Media Media
cuadrática gl cuadrática gl F Sig.
talla 172,800 1 19,333 3 8,938 ,058
sueldo 5603,333 1 55,556 3 100,860 ,002
Las pruebas F sólo se deben utilizar con una finalidad descriptiva puesto que los conglomerados han sido
elegidos para maximizar las diferencias entre los casos en diferentes conglomerados. Los niveles críticos
no son corregidos, por lo que no pueden interpretarse como pruebas de la hipótesis de que los centros de
los conglomerados son iguales.
Conglomerad 1 2,000
o 2 3,000
Válidos 5,000
Perdidos ,000
34 ESTADÍSTICA APLICADA CON SPPS
ALFONSO GARCÍA PÉREZ 35
Capítulo 6
Análisis Discriminante
Figura 6.1
Figura 6.2
Figura 6.3
Discriminante
Estadísticos de grupo
Análisis 1
Autovalores
Correlación
Función Autovalor % de varianza % acumulado canónica
1 ,930(a) 100,0 100,0 ,694
a Se han empleado las 1 primeras funciones discriminantes canónicas en el análisis.
Lambda de Wilks
Contraste de Lambda de
las funciones Wilks Chi-cuadrado gl Sig.
1 ,518 18,083 5 ,003
Función
1
x1 ,367
x2 -,578
x3 -,017
x4 ,405
x5 ,627
Matriz de estructura
Función
1
x4 ,830
x1 ,759
x5 ,578
x3 ,246
x2 -,048
Correlaciones intra-grupo combinadas entre las variables discriminantes y las funciones discriminantes
canónicas tipificadas Variables ordenadas por el tamaño de la correlación con la función.
Función
x6 1
1,0 -,877
2,0 ,994
Funciones discriminantes canónicas no tipificadas evaluadas en las medias de los grupos
ALFONSO GARCÍA PÉREZ 39
Estadísticos de clasificación
x6
1,0 2,0
x1 1,468 1,558
x2 2,361 2,205
x3 2,752 2,747
x4 ,775 ,952
x5 ,195 ,372
(Constante) -514,956 -545,419
Funciones discriminantes lineales de Fisher
[1]
Capítulo 7
Análisis Factorial
Figura 7.1
42 ESTADÍSTICA APLICADA CON SPPS
ALFONSO GARCÍA PÉREZ 43
Capítulo 8
Modelos Log-lineales
Figura 8.1
44 ESTADÍSTICA APLICADA CON SPPS
Figura 8.2
Figura 8.3
ALFONSO GARCÍA PÉREZ 45
Loglineal jerárquico
* * * * * * * * H I E R A R C H I C A L L O G L I N E A R * * * * * * * *
DATA Information
FACTOR Information
- - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -
* * * * * * * * H I E R A R C H I C A L L O G L I N E A R * * * * * * * *
edad*sexo*fumador
Note: For saturated models ,000 has been added to all observed cells.
This value may be changed by using the CRITERIA = DELTA subcommand.
- - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -
edad 1
sexo 0
fumador 0 1,0 1,0 ,00 ,00
fumador 1 11,0 11,0 ,00 ,00
sexo 1
fumador 0 7,0 7,0 ,00 ,00
fumador 1 3,0 3,0 ,00 ,00
edad 2
sexo 0
fumador 0 2,0 2,0 ,00 ,00
fumador 1 1,0 1,0 ,00 ,00
sexo 1
fumador 0 5,0 5,0 ,00 ,00
fumador 1 4,0 4,0 ,00 ,00
edad 3
sexo 0
fumador 0 2,0 2,0 ,00 ,00
fumador 1 13,0 13,0 ,00 ,00
sexo 1
fumador 0 6,0 6,0 ,00 ,00
* * * * * * * * H I E R A R C H I C A L L O G L I N E A R * * * * * * * *
- - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -
- - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -
- - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -
* * * * * * * * H I E R A R C H I C A L L O G L I N E A R * * * * * * * *
- - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -
Note: For saturated models ,000 has been added to all observed cells.
This value may be changed by using the CRITERIA = DELTA subcommand.
edad*sexo*fumador
edad*sexo
edad*fumador
ALFONSO GARCÍA PÉREZ 47
* * * * * * * * H I E R A R C H I C A L L O G L I N E A R * * * * * * * *
sexo*fumador
edad
sexo
fumador
- - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -
* * * * * * * * H I E R A R C H I C A L L O G L I N E A R * * * * * * * *
edad*sexo*fumador
- - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -
Step 1
edad*sexo
edad*fumador
sexo*fumador
- - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -
Step 2
edad*sexo
sexo*fumador
- - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -
* * * * * * * * H I E R A R C H I C A L L O G L I N E A R * * * * * * * *
Step 3
edad*sexo
sexo*fumador
- - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -
* * * * * * * * H I E R A R C H I C A L L O G L I N E A R * * * * * * * *
- - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -
edad 1
sexo 0
fumador 0 1,0 2,0 -1,00 -,71
fumador 1 11,0 10,0 1,00 ,32
sexo 1
fumador 0 7,0 6,9 ,08 ,03
fumador 1 3,0 3,1 -,08 -,04
edad 2
sexo 0
fumador 0 2,0 ,5 1,50 2,12
fumador 1 1,0 2,5 -1,50 -,95
sexo 1
fumador 0 5,0 6,2 -1,23 -,49
fumador 1 4,0 2,8 1,23 ,74
edad 3
sexo 0
fumador 0 2,0 2,5 -,50 -,32
fumador 1 13,0 12,5 ,50 ,14
sexo 1
fumador 0 6,0 4,8 1,15 ,52
fumador 1 1,0 2,2 -1,15 -,79
- - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -
ALFONSO GARCÍA PÉREZ 49
En donde hemos remarcado con [1] que el programa elige como mejor
modelo (ya hechos los tests condicionales para modelos anidados de la
sección 8.4.1 de TA) el mismo que se obtuvo allí. Los tests para este mejor
modelo se observan en [2].
50 ESTADÍSTICA APLICADA CON SPPS
ALFONSO GARCÍA PÉREZ 51
Capítulo 9
Regresión Logística
Figura 9.1
52 ESTADÍSTICA APLICADA CON SPPS
Figura 9.2
Regresión logística
Codificación de parámetros
Frecuencia (1) (2) (3)
activi ,00 9 1,000 ,000 ,000
1,00 12 ,000 1,000 ,000
2,00 19 ,000 ,000 1,000
3,00 10 ,000 ,000 ,000
presion ,00 24 1,000
1,00 26 ,000
angina ,00 7 1,000
1,00 43 ,000
Observado Pronosticado
infarto
Porcentaje
,00 1,00 correcto
Paso 0 infarto ,00 0 17 ,0
1,00 0 33 100,0
Porcentaje global 66,0
a En el modelo se incluye una constante.
b El valor de corte es ,500
Variables en la ecuación
Puntuación gl Sig.
Paso 0 Variables Activi 2,957 3 ,398
activi(1) 2,273 1 ,132
activi(2) ,570 1 ,450
activi(3) ,806 1 ,369
angina(1) 1,410 1 ,235
presion(1) 3,566 1 ,059
Edad ,230 1 ,632
Estadísticos globales 7,395 6 ,286
Chi-cuadrado gl Sig.
Paso 1 Paso 8,441 6 ,208
Bloque 8,441 6 ,208
Modelo 8,441 6 ,208
Paso Paso -2,171 3 ,538
2(a) Bloque 6,270 3 ,099
Modelo 6,270 3 ,099
Paso Paso -,707 1 ,400
3(a) Bloque 5,563 2 ,062
Modelo 5,563 2 ,062
Paso Paso -1,912 1 ,167
4(a) Bloque 3,650 1 ,056
Modelo 3,650 1 ,056
a Un valor de chi-cuadrado negativo indica que ha disminuido el valor de chi-cuadrado con respecto al
paso anterior.
R cuadrado
-2 log de la R cuadrado de de
Paso verosimilitud Cox y Snell Nagelkerke
1 55,662(a) ,155 ,215
2 57,834(a) ,118 ,163
3 58,541(a) ,105 ,146
4 60,453(b) ,070 ,097
a La estimación ha finalizado en el número de iteración 5 porque las estimaciones de los parámetros han
cambiado en menos de ,001.
b La estimación ha finalizado en el número de iteración 4 porque las estimaciones de los parámetros han
cambiado en menos de ,001.
Tabla de clasificación(a)
Observado Pronosticado
infarto
Porcentaje
,00 1,00 correcto
Paso 1 infarto ,00 5 12 29,4
1,00 1 32 97,0
Porcentaje global 74,0
Paso 2 infarto ,00 7 10 41,2
1,00 4 29 87,9
Porcentaje global 72,0
Paso 3 infarto ,00 12 5 70,6
1,00 10 23 69,7
Porcentaje global 70,0
Paso 4 infarto ,00 0 17 ,0
1,00 0 33 100,0
Porcentaje global 66,0
a El valor de corte es ,500
ALFONSO GARCÍA PÉREZ 55
Variables en la ecuación
Puntuación gl Sig.
Paso 2(a) Variables Activi 2,187 3 ,534
activi(1) 2,171 1 ,141
activi(2) ,099 1 ,753
activi(3) ,462 1 ,497
Estadísticos globales 2,187 3 ,534
Paso 3(b) Variables Activi 1,894 3 ,595
activi(1) 1,744 1 ,187
activi(2) ,177 1 ,674
activi(3) ,512 1 ,474
Edad ,706 1 ,401
Estadísticos globales
2,816 4 ,589
Capítulo 10
Regresión Poisson
Figura 10.1
.
Figura 10.2
Figura 10.3
Figura 10.4
Una vez aceptadas éstas con el botón Continuar y ejecutando todas las
selecciones con el botón Aceptar de la ventana de diálogo principal,
obtenemos los resultados que aparecen a continuación,
Loglineal general
Información sobre los datos
N
Casos Válidos 6
Perdidos 0
Válidos
6
ponderados
Casillas Casillas definidas 6
Ceros
0
estructurales
Ceros de
0
muestreo
Categorías edad 3
sexo 2
Número máximo de
iteraciones 20
Tolerancia de
convergencia ,00100
Máxima diferencia
absoluta final ,00013(c)
Máxima diferencia
relativa final ,00078
Número de iteraciones 3
60 ESTADÍSTICA APLICADA CON SPPS
a Modelo: Poisson
b Diseño: Constante + edad + sexo
c La iteración ha convergido ya que el máximo de cambios absolutos de las estimaciones de los
parámetros es inferior al criterio de convergencia especificado.
Valor gl Sig.
Razón de verosimilitudes ,004 2 ,998
Chi-cuadrado de Pearson ,004 2 ,998
a Modelo: Poisson [3]
b Diseño: Constante + edad + sexo
Observado Esperado
Residuo Residuo
edad sexo Recuento % Recuento % Residual tipificado corregido Desviación
1,00 ,00 1 16,7% ,976 16,3% ,024 ,024 ,041 ,024
1,00 1 16,7% 1,024 17,1% -,024 -,023 -,041 -,023
2,00 ,00 1 16,7% 1,038 17,3% -,038 -,037 -,066 -,038
1,00 1 16,7% ,962 16,0% ,038 ,039 ,066 ,039
3,00 ,00 1 16,7% ,985 16,4% ,015 ,015 ,025 ,015
1,00 1 16,7% 1,015 16,9% -,015 -,014 -,025 -,014
a Modelo: Poisson
b Diseño: Constante + edad + sexo
Intervalo de confianza al
95%
Límite
Parámetro Estimación Error típico Z Sig. Límite inferior superior
Constante 2,540 ,814 3,122 ,002 ,946 4,135
[edad = 1,00] -,328 1,000 -,328 ,743 -2,288 1,632
[edad = 2,00] -,171 1,000 -,171 ,864 -2,131 1,789
[edad = 3,00] 0(a) . . . . .
[sexo = ,00] -,029 ,817 -,036 ,972 -1,630 1,572
[sexo = 1,00] 0(a) . . . . .
[1] [2]
a Este parámetro se ha definido como cero ya que es redundante.
b Modelo: Poisson
c Diseño: Constante + edad + sexo
Modelo de Poisson
Frecuencias ...
Frecuencias ...
Residuos corregidos
1,5
1,0
Valor normal esperado
0,5
0,0
-0,5
-1,0
-1,5
0,3
0,2
Desviación de normal
0,1
0,0
-0,1
-0,2
-0,3
r = exp{- ∑ β Xi }
Capítulo 11
Regresión no Lineal
Figura 11.1
64 ESTADÍSTICA APLICADA CON SPPS
Figura 11.2
Figura 11.3
En este caso, hemos dado como valores iniciales los mismos que dimos en el
texto TA.
Una vez completados todos los datos se pulsa el botón Aceptar y se
obtienen los siguientes resultados de entre los que destacan las estimaciones
ALFONSO GARCÍA PÉREZ 65
Iteration Residual SS b1 b2 b3 b4
Asymptotic 95 %
Asymptotic Confidence Interval
Parameter Estimate Std. Error Lower Upper
b1 b2 b3 b4
Capítulo 12
H0: µh = µm
Figura 12.1
Figura 12.2
Figura 12.3
Figura 12.4
Medida: MEASURE_1
Variable
edad dependiente
1 edad8
2 edad10
3 edad12
4 edad14
Factores inter-sujetos
N
sexo 1 1
1
2 1
1
Contrastes multivariados(b)
Gl de la
Efecto Valor F hipótesis Gl del error Significación
Edad Traza de Pillai ,869 39,787(a) 3,000 18,000 ,000
Lambda de
,131 39,787(a) 3,000 18,000 ,000
Wilks
Traza de
6,631 39,787(a) 3,000 18,000 ,000
Hotelling
Raíz mayor de
6,631 39,787(a) 3,000 18,000 ,000
Roy
edad * sexo Traza de Pillai ,264 2,149(a) 3,000 18,000 ,130
Lambda de
,736 2,149(a) 3,000 18,000 ,130
Wilks
Traza de
,358 2,149(a) 3,000 18,000 ,130
Hotelling
Raíz mayor de
,358 2,149(a) 3,000 18,000 ,130
Roy
a Estadístico exacto
b Diseño: Intercept+sexo Diseño intra sujetos: edad
Medida: MEASURE_1
Epsilon(a)
Chi-cuadrado Greenhouse-
Efecto intra-sujetos W de Mauchly aprox. gl Significación Geisser Huynh-Feldt Límit
Edad ,599 9,583 5 ,088 ,733 ,869
Contrasta la hipótesis nula de que la matriz de covarianza error de las variables dependientes
transformadas es proporcional a una matriz identidad.
a Puede usarse para corregir los grados de libertad en las pruebas de significación promediadas. Las
pruebas corregidas se muestran en la tabla Pruebas de los efectos inter-sujetos.
b Diseño: Intercept+sexo Diseño intra sujetos: edad
ALFONSO GARCÍA PÉREZ 71
Medida: MEASURE_1
Suma de
cuadrados Media
Fuente tipo III gl cuadrática F Significación
edad Esfericidad
asumida
149,940 3 49,980 32,551 [2] ,000
Greenhouse-
149,940 2,199 68,182 32,551 ,000
Geisser
Huynh-Feldt 149,940 2,606 57,547 32,551 ,000
Límite-inferior 149,940 1,000 149,940 32,551 ,000
edad * sexo Esfericidad
asumida
9,372 3 3,124 2,035 [3] ,119
Greenhouse-
9,372 2,199 4,262 2,035 ,139
Geisser
Huynh-Feldt 9,372 2,606 3,597 2,035 ,128
Límite-inferior 9,372 1,000 9,372 2,035 ,169
Error(edad) Esfericidad
92,125 60 1,535
asumida
Greenhouse-
92,125 43,982 2,095
Geisser
Huynh-Feldt 92,125 52,111 1,768
Límite-inferior 92,125 20,000 4,606
Medida: MEASURE_1
Suma de
cuadrados Media
Fuente edad tipo III Gl cuadrática F Significación
edad Lineal 146,051 1 146,051 123,999 [4] ,000
Cuadrático 1,776 1 1,776 2,260 ,148
Cúbico 2,114 1 2,114 ,800 ,382
edad * sexo Lineal 4,105 1 4,105 3,485 ,077
Cuadrático 2,071 1 2,071 2,636 ,120
Cúbico 3,196 1 3,196 1,209 ,285
Error(edad) Lineal 23,557 20 1,178
Cuadrático 15,716 20 ,786
Cúbico 52,852 20 2,643
Medida: MEASURE_1
Variable transformada: Promedio
Suma de
cuadrados Media
Fuente tipo III gl cuadrática F Significación
Intersección 50376,480 1 50376,480 2858,148 ,000
sexo 143,821 1 143,821 8,160 [1] ,010
Error 352,511 20 17,626
72 ESTADÍSTICA APLICADA CON SPPS
En donde hemos marcado con [1] , [2] y [3] los tres tests que estudiamos
en TA, antes mencionados, respectivamente, sobre la igualdad de los dos
niveles de Sexo, de los cuatro niveles de la variable Repetición Edad, y sobre
la ausencia de interacción entre Sexo y Edad. En [4] aparece el test de
linealidad allí estudiado.
ALFONSO GARCÍA PÉREZ 73
Capítulo 13
13.1. Introducción
Figura 13.1
74 ESTADÍSTICA APLICADA CON SPPS
Obtenemos los siguientes resultados en donde se observa que los dos últimos
gráficos se corresponden exactamente con las figuras 13.2 y 13.4 del texto TA,
funciones ACF y PACF respectivamente, con la excepción del primer valor que,
como allí dijimos, es siempre igual a 1 y que aquí desaparece.
Autocorrelaciones simples
MODEL: MOD_2.
Autocorrelations: niveles
Auto- Stand.
Lag Corr. Err. -1 -.75 -.5 -.25 0 .25 .5 .75 1 Box-
Ljung Prob.
ùòòòòôòòòòôòòòòôòòòòôòòòòôòòòòôòòòòôòòòòú
1 ,576 ,140 . ó*****.******
16,914 ,000
2 ,182 ,138 . ó**** .
18,639 ,000
3 -,145 ,137 . ***ó .
19,756 ,000
4 -,175 ,135 . ***ó .
21,423 ,000
5 -,150 ,134 . ***ó .
22,673 ,000
6 -,021 ,132 . * .
22,698 ,001
7 -,020 ,131 . * .
22,722 ,002
8 -,004 ,129 . * .
22,723 ,004
9 -,136 ,127 . ***ó .
23,856 ,005
10 -,154 ,126 . ***ó .
25,351 ,005
11 -,097 ,124 . **ó .
25,964 ,007
12 ,049 ,122 . ó* .
26,124 ,010
13 ,120 ,121 . ó** .
27,104 ,012
14 ,087 ,119 . ó** .
27,635 ,016
15 ,119 ,117 . ó** .
28,663 ,018
16 ,151 ,115 . ó*** .
30,374 ,016
Pr-Aut- Stand.
Lag Corr. Err. -1 -.75 -.5 -.25 0 .25 .5 .75 1
ùòòòòôòòòòôòòòòôòòòòôòòòòôòòòòôòòòòôòòòòú
1 ,576 ,144 . ó*****.******
2 -,223 ,144 . ****ó .
3 -,227 ,144 .*****ó .
4 ,103 ,144 . ó** .
5 -,076 ,144 . **ó .
6 ,068 ,144 . ó* .
7 -,104 ,144 . **ó .
8 ,012 ,144 . * .
9 -,188 ,144 . ****ó .
10 ,003 ,144 . * .
11 ,066 ,144 . ó* .
12 ,032 ,144 . ó* .
13 ,022 ,144 . * .
14 -,093 ,144 . **ó .
15 ,230 ,144 . ó*****.
16 ,044 ,144 . ó* .
niveles
1,0 Coeficiente
Límite superior
de confianza
Límite inferior
de confianza
0,5
ACF
0,0
-0,5
-1,0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
No de retardos
76 ESTADÍSTICA APLICADA CON SPPS
niveles
1,0 Coeficiente
Límite superior
de confianza
Límite inferior
de confianza
0,5
ACF parcial
0,0
-0,5
-1,0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
No de retardos
Ejecutando la secuencia anterior a los datos del ejemplo 13.1 del texto 13.1,
como se indica en la Figura 13.2 aparece la ventana de diálogo de la Figura
13.3 en donde incluimos la variable en estudio como variable Dependiente
según se indica en la Figura 13.3, así como los valores del modelo ARIMA a
ajustar
ALFONSO GARCÍA PÉREZ 77
Figura 13.2
Figura 13.3
Figura 13.4
Arima
MODEL: MOD_1
FINAL PARAMETERS:
Number of residuals 48
Standard error ,45291761
Log likelihood -28,798731 [2]
AIC 63,597462 [3]
SBC 69,211065
ALFONSO GARCÍA PÉREZ 79
Analysis of Variance:
[1]
The following new variables are being created:
Name Label
Capítulo 14
Figura 14.1
82 ESTADÍSTICA APLICADA CON SPPS
rior proporcionados por SPSS son un poco diferentes de los obtenidos en TA.
Para ejecutar este ejemplo, después de introducir los datos ejecutamos la
secuencia anterior, como se indica e la Figura 14.1. Se abrirá, entonces, una
ventana de diálogo como la de la Figura 14.2,
Figura 14.2
Figura 14.3
ALFONSO GARCÍA PÉREZ 83
Gráfico SP
11,5
longitud
LCS =
11,47943219
11,0 Promedio =
10,09015853
LCI =
8,70088487
10,5
Media
10,0
9,5
9,0
8,5
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Nivel sigma: 3
[1]
84 ESTADÍSTICA APLICADA CON SPPS
6
longitud
LCS =
5,09278694
5 Promedio =
2,40850745
LCI = ,
00000000
4
Amplitud
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Nivel sigma: 3