Documentos de Académico
Documentos de Profesional
Documentos de Cultura
PRIMER PASO
1) Para iniciar el trabajo con SPSS, se debe disponer de los datos a procesar, los cuales se
introducen en un archivo de datos
Nº INDICE SEXO RAZVERBA RAZMATEM MATEMATI LENGUA PRETEST POSTEST GRUPO TECNIENS INGLES MOTIVAC
2) Al abrir el programa SPSS aparece la ventana Editor de aspecto similar a la de una hoja
de cálculo: el editor de datos (ver Figura 1), que es la ventana principal del SPSS
Figura 1: Ventana del Editor de datos.
La estructura básica de un archivo de Datos para trabajar con SPSS se refleja en la vista de
datos, donde cada columna es una variable; por ejemplo: sexo, índice académico, estado
civil entre otros. Así mismo, cada fila es un caso (observación sujeto).
3) En la vista de variables, cada fila representa una variable que se va a definir escribiendo
su nombre en la primera columna y rellenando la información de sus características en
las siguientes celdas de la misma fila: tipo, anchura, decimales, etiqueta, valores,
perdidos, columna, alineación y medida (ver Figura 2)
Figura 2: Vista de Variables.
La base de datos está constituida con toda las variables declaras en el cuadro 1
Figura 3: Base de datos.
El archivo de datos aparece en el Editor de datos. En el Editor de datos, si sitúa el
cursor sobre un nombre de variable (las cabeceras de columnas), aparecerá una etiqueta
de variable más descriptiva (si se ha definido para esa variable).
Por defecto, aparecen los valores de los datos reales. Para visualizar etiquetas:
Seleccione en los menús:
Ver > Etiquetas de valor
5) En la parte inferior del Editor de datos, Clic en la pestaña Vista de Variables (Figura 2),
entonces se debe escribir el nombre de la variable índice en la primera celda, (el
programa llena los valores por defecto del resto de las variables).
6) Se debe hacer clic en la parte derecha de la palabra Numérica en la celda
correspondiente a Tipo, que acompañan a la palabra y se abre el cuadro tipo de variable
(Figura 4), en el caso que la variable en escala de Intervalo o Razón
Los datos perdidos o no válidos son generalmente tan comunes que no se deben ignorar.
Puede que las personas que han respondido a una encuesta se nieguen a contestar ciertas
preguntas, no sepan la respuesta o contesten de forma inesperada. Si no filtra ni identifica
estos datos, puede que el análisis no proporcione resultados exactos.
Los datos numéricos, campos de datos vacíos o campos con entradas no válidas se
convierten a valores perdidos por el sistema, lo que se puede identificar mediante un punto
individual.
Es este cuadro de diálogo puede especificar hasta tres valores perdidos diferentes, o puede
especificar un rango de valores más un valor de tipo discreto adicional.
Cuadro de diálogo Valores perdidos
Los valores perdidos en variables de cadena se tratan de forma parecida a los valores
perdidos en variables numéricas. Sin embargo, a diferencia de las variables numéricas, los
campos vacíos de las variables de cadena no se consideran perdidos por el sistema. En lugar
de eso, se interpretan como una cadena vacía.
9) Para obtener las estadísticas descriptivas se deben utilizar los siguientes sub- comandos
del menú Analizar:
Frecuencias: informa sobre los valores concretos que adopta una variable, y el
número de veces que se repite cada uno de esos valores, además este
procedimiento de obtener distribuciones de frecuencias permite calcular:
medidas de tendencia central, dispersión, posición, asimetría y kurtosis y
construir gráficos
2) GALERÍA DE GRÁFICOS
Figura 9. Menú Gráficos
3) INTERVALOS DE CONFIANZA
Figura 13. Cuadro de dialogo de Explorar
Figura 14. Ventana para seleccionar los estadísticos
En la hoja de resultados aparecen los valores de los límites superior e inferior, el valor de
la media y otros estadísticos descriptivos (Fig. 15)
Descriptivos
Mediana 50,500
Varianza 35,614
Mínimo 42,5
Máximo 59,6
Rango 17,1
L nb Límite Superior
L nb Límite Inferior
PRUEBA T DE STUDENT
El menú Comparar Medias tiene cinco subcomandos los cuales permiten probar hipótesis
acerca de la existencia de diferencias significativas entre los valores promedio de variables
cuantitativas,, en escala de intervalo o razón, estos subcomandos son: Prueba T para una
muestra, Prueba T para muestras independientes, Prueba T para muestras
relacionadas, Medias y ANOVA de un factor ver figura 20
Nota: es importante señalar que un valor estadístico T (así como un valor F, r Chi-
Cuadrado) pudiera ser significativo para un nivel de significación α = 0,05; pero no
necesariamente lo seria para α = 0,01
La segunda tabla, Prueba para una muestra, presenta en su parte superior, el valor de la
prueba (0), y en su parte inferior el valor t= 38,673, los grados de libertad gl= 39, y el nivel
de significación para una prueba de dos colas Sig=0,000, la diferencia de las medias es de
(54,40625), los limites inferior (57,2518) y superior (57,2518) del intervalo de confianza
para la diferencia. En este caso, puesto que la significancia de “t” es 0,000, menor que
0,005, la decisión estadística es rechazar la hipótesis Nula. Se debe concluir que “existen
evidencias estadísticas para afirmar que el promedio de la muestra tiene diferencias
significativas con el promedio obtenido por los estudiantes en la prueba en el indicador del
razonamiento verbal. Por lo tanto el promedio no se ajusta al obtenido con el índice
académico de los estudiantes del primer semestre (2014-1) del área tecnológica.
ANALISIS DE VARIANZA
Cuando hay datos faltantes o perdidos para una o más variables se puede escoger entre
excluir un caso de todos los análisis si algún valor falta o usar todos los datos disponibles
para cada variable. El tamaño muestral puede variar de prueba a prueba.
El procedimiento de SPPS ANOVA de un factor prueba la hipótesis nula de que los datos
provienen de una población en la cual el promedio de los valores de una variable
dependiente, es igual en varios grupos (tratamientos o factores) de casos definidos para una
variable independiente.
Problema Propuesto
1) Abrir el archivo de datos (para crear una archivo de datos, cuando se va a realizar
una prueba ANOVA, de una vía, se escriben todos los valores de la variable
dependiente en una columna y en la otra columna la identificación o codificación de
los grupos o tratamientos; la identificación de los grupos en estudio, debe hacerse en
números enteros y se debe utilizar el mismo número o código para todos los datos
de un mismo grupo. Los valores de un mismo grupo pueden estar seguidos o
intercalados en la columna)
2) Analizar, luego comparar medias, y ANOVA de una factor
Como la significancia del valor F es 0,129 < 0,05, se rechaza Ho, por lo tanto, se concluye
que al menos uno de los promedios difiere significativamente de los demás grupos
asignados a las distintas técnicas de enseñanza. Cuando esto es el caso, se debe hacer una
prueba Post-Hoc de comparaciones múltiples para verificar en cuales pares de grupos (1-2,
1-3, 1-4, 2-3, 2-4, 3-4), existen diferencias significativas. Grupos de diferentes tamaños
n1=9, n2=11, n3=11, n4=9.
Estadístico de
Levene gl1 gl2 Sig.
3,013 3 36 ,043
Se recomienda para realizar el contraste del valor encontrado realizar una estadísticas
descriptivas para poder realizar la Prueba Post- Hoc
En este resumen descriptivo, se observa para cada grupo: el número de casos (N), las
medias de cada técnica, desviación típica de la media, error típico de la media, los límites
inferior y superior para el 95% del intervalo de confianza de la media y los valores mínimos
y máximos del conjunto de datos en estudio.
Este estudio permite calcular los coeficientes de la ecuación lineal de una o más variables
independientes que mejor predicen el valor de la variable dependiente. La regresión lineal,
por lo tanto, consiste en obtener una función lineal de las variables independientes que
permitan explicar o predecir el valor de la dependiente.
Para utilizar el SPPS se debe utilizar el subcomando Regresión y la opción Lineal, se
calculan varios estadísticos para cada variable a considerar, varios estadísticos para cada
modelo y los gráficos correspondientes.
PASOS
1) Abrir el archivo
2) Analizar, seleccionar correlaciones, clip en bivariantes