El Programa SPSS

(Paquete estadístico aplicado a las ciencias sociales)

El programa SPSS, constituye un programa modular que implementa gran variedad

de temas estadísticos orientados al ámbito de las ciencias sociales desde hace más de 30
años. Actualmente, cubre casi todas las necesidades del cálculo estadístico de los
investigadores y profesionales, no sólo del campo de las ciencias sociales, sino también de
las humanas y de las biomédicas y, en general, de cualquier campo de actividad en el que se
precise el tratamiento estadístico de la información.

Es un programa adaptado al entorno WINDOWS con lo cual la forma de ejecutarlo es

a través de ventanas en las que se despliegan menús, de los que se pueden elegir distintas
opciones y así sucesivamente; por tanto es a través de un entorno de tipo gráfico desde
donde se solventan los problemas, y no a través de comandos (aunque también se puede
hacer así) como se hacía antes en los paquetes estadísticos más usuales. Por lo que
acabamos de decir, la forma de iniciar la ejecución del programa SPSS es haciendo “clic”
dos veces con el ratón en el icono de SPSS y que se suele encontrar en el escritorio en
forma de enlace o en el menú de inicio dentro del apartado de programas.
 TIPO DE TAREA QUE SE VA REALIZAR CON SPSS

TIPO DE DATOS QUE SE VAN A PROCESAR CON SPSS

Ejercicio

En el Instituto Universitario Tecnológico “Antonio José de Sucre” se quiere realizar un

estudio sobre el índice académico de los estudiantes del primer semestre (2014-2) del área
tecnológica. Para ello, la investigadora tomo en cuenta las variables especificas las cuales
se encentran anexas en el cuadro 1 y una muestra intencional de 10 estudiantes que se
encuentran en el cuadro 2.

Cuadro 1: Declaración de variables

Clasificación
Nº Variable Descripción de la Variable
de la Variable
Índice académico de los estudiantes del IUTAJS primer
1 INDICE Cuantitativa
semestre 2014 en el área tecnológica
Sexo de los participantes
SEXO (0) femenino,
2 (1) masculino Cualitativa
3 RAZVERBA Razonamiento Verbal Cuantitativa
4 RAZMATEM Razonamiento Matemático Cuantitativa
5 MATEMATI Calificación en Matemática Cuantitativa
6 LENGUA Calificación en Lengua Cuantitativa
7 PRETEST Calificación en PRETEST Cuantitativa
8 POSTEST Calificación en POSTEST Cuantitativa
Grupo al que pertenece
(1) Control,
9 GRUPO (2) Experimental Codificable
Técnica de aprendizaje
(1) Seminario,
(2) estudio de caso,
(3) Virtual,
10 TECNIENS (4) resolución de problemas Codificable
11 INGLES Calificación de Inglés Cuantitativa
Motivación
(1) Baja,
(2) Moderada,
12 MOTIVAC (3) Alta Codificable

Nota: CODIFICABLE apreciación cualitativa que se codifica con un número para su

caracterización
Cuadro 2: Estudiantes del primer semestre área tecnológico
N
º INDICE SEXO RAZVERBA RAZMATEM MATEMATI LENGUA PRETEST POSTEST GRUPO TECNIENS INGLES MOTIVAC

1 58,2 1 61,85 41,99 13 15 65 68 1 4 16 2

2 52,5 1 51,07 39,04 15 10 68 75 2 2 13,5 1

3 51,3 0 56,93 55,08 12 14 59 62 1 2 12,4 3

4 49,7 0 53,65 43,08 13 13 66 67 1 4 15,4 2

5 45,3 1 44,04 43,26 14 10 59 68 2 4 14,3 3

6 42,5 0 48,49 41,57 13 11 62 70 2 3 18 1

7 52,6 1 50,13 40,73 12 12 68 72 1 2 13,5 1

8 43,6 1 51,77 44,53 11 12 65 69 1 1 11,5 2

9 44,8 1 53,18 38,19 17 11 65 73 2 1 10,8 1

1
0 59,6 0 60,91 44,53 13 14 70 74 1 3 16,2 3
Fuente: Rivas (2014)

De acuerdo con Camacho, F. (2013) la Triada de la Investigación:

1. Escenario: Instituto Universitario Tecnológico “Antonio José de Sucre”

2. Sujetos: Estudiantes del Área Tecnológica
3. Objeto: índice académico del Primer Semestre (2014-2)

Momento Metodológico de la Investigación

El momento metodológico está referido al momento que indica al conjunto de

procedentes lógicos y operacionalidades implícitos en todo proceso de investigación. De
acuerdo a lo que afirma Hurtado (2000) "la metodología es el área del conocimiento que
estudia los métodos generales de las disciplinas científicas. La metodología incluye los
métodos, las técnicas, las estrategias y los procedimientos que utilizará el investigador para
lograr los objetivos". (p. 75)

La investigación está enmarcada en un paradigma positivista también conocido como

paradigma cuantitativo, se fundamentan en enfoques que consideran la realidad social a
imagen y semejanza de la realidad física; enmarcada en una metodología cuantitativa que
permite examinar los datos de manera científica, o más específicamente en forma numérica,
generalmente con ayuda de herramientas del campo de la Estadística. Al mismo tiempo, se
utiliza las técnicas de investigación de campo que sirven al investigador para relacionarse
con el objeto y construir por sí mismo la realidad estudiada. Tienen el propósito de
recopilar información empírica sobre la realidad del fenómeno a estudiar y son útiles para
estudiar a fondo un fenómeno en un ambiente determinado, utilizando un diseño
experimental (explicativa) investigación doctoral

PRIMER PASO

CREAR UNA BASE DE DATOS

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

1 58,2 1 61,85 41,99 13 15 65 68 1 4 16 2

2 52,5 1 51,07 39,04 15 10 68 75 2 2 13,5 1

3 51,3 0 56,93 55,08 12 14 59 62 1 2 12,4 3

4 49,7 0 53,65 43,08 13 13 66 67 1 4 15,4 2

5 45,3 1 44,04 43,26 14 10 59 68 2 4 14,3 3

6 42,5 0 48,49 41,57 13 11 62 70 2 3 18 1

7 52,6 1 50,13 40,73 12 12 68 72 1 2 13,5 1

8 43,6 1 51,77 44,53 11 12 65 69 1 1 11,5 2

9 44,8 1 53,18 38,19 17 11 65 73 2 1 10,8 1

10 59,6 0 60,91 44,53 13 14 70 74 1 3 16,2 3

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.

4) Creación del Archivo de Datos

 se puede realizar de dos maneras:
o crear un archivo nuevo
o abrir un archivo existente
 Seleccione en los menús: Archivo > Abrir > Datos...
Por defecto, aparecerán los archivos de datos de SPSS Statistics (extensión .sav).
 En este ejemplo se utiliza el archivo ejercicio doctorado.sav.
 En este caso se tomara el ejemplo con los datos del ejercicio planteado
 el programa no permite nombres de variables de más de 8 caracteres, por ello se
abrevian

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

Figura 4: Tipo de Variable.

7) En el caso que la variable sea en escala Nominal

En el caso de la variable sexo, se selecciona la celda correspondiente a tipo de variable,
se selecciona numérica (por cuanto al etiquetarla se asignará un valor numérico a cada
categoría de la variable (0) femenino, (1) masculino). Recordar que el TIPO no se
refiere a la escala de medición de la variable, en el caso de sexo es nominal. (Figura 5)
 Figura 5: Escala de Valor.

8) En la celda de la variable sexo, correspondiente a Medida hacer los siguiente

Clic en la flecha y se selecciona nominal para indicar que ésta es la

escala de medición de la variable
Un icono junto a cada variable proporciona información acerca del tipo de datos y el
nivel de medida

A continuación una vista de variables para la base de datos índice

Tratamiento de los datos perdidos

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.

Valores perdidos de una variable numérica

 Pulse en la pestaña Vista de variables, que se encuentra en la parte inferior de la ventana Editor
de datos.
 Pulse en la casilla Perdido de la fila edad y, a continuación, pulse en el botón que hay a la
derecha de la casilla para abrir el cuadro de diálogo Valores perdidos.

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

 Seleccione Valores perdidos discretos.

 Escriba 999 en el primer cuadro de texto y deje los otros dos cuadros de texto en
blanco.
 Pulse en Aceptar para guardar los cambios y volver a Editor de datos.
 Ahora que se ha añadido el valor de datos perdidos se puede aplicar una etiqueta a
ese valor.
 Pulse en la casilla Valores de la fila MATEMATI y, a continuación, pulse en el
botón que hay a la derecha de la casilla para abrir el cuadro de diálogo Etiquetas de
valor.
 Escriba 999 en el campo Valor.
 Escriba Sin respuesta en el campo Etiqueta de valor.
Cuadro de diálogo Etiquetas de valor

 Pulse en Añadir para que se añada esta etiqueta al archivo de datos.

 Pulse en Aceptar para guardar los cambios y volver a Editor de datos.
Valores perdidos de una variable de cadena

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.

 Pulse en la pestaña Vista de variables, que se encuentra en la parte inferior de la

ventana Editor
 de datos.
 Pulse en la casilla Perdido de la fila sexo y, a continuación, pulse en el botón que
hay a la derecha
 de la casilla para abrir el cuadro de diálogo Valores perdidos.
 Seleccione Valores perdidos discretos.
 Escriba SR en el primer cuadro de texto.
 Los valores perdidos de las variables de cadena distinguen entre mayúsculas y
minúsculas. De
 este modo, un valor de sr no se considerará un valor perdido.
 Pulse en Aceptar para guardar los cambios y volver a Editor de datos.
Ahora puede añadir una etiqueta en el valor perdido.

 Pulse en la casilla Valores de la fila sexo y, a continuación, pulse en el botón que

hay a la derecha de la casilla para abrir el cuadro de diálogo Etiquetas de valor.
 Escriba SR en el campo Valor.
 Escriba Sin respuesta en el campo Etiqueta de valor.
 Pulse en Añadir para que se añada esta etiqueta al proyecto.
 Pulse en Aceptar para guardar los cambios y volver a Editor de datos.
 Cuadro de diálogo Etiquetas de valor

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

 Descriptivos: está diseñado únicamente para variables cuantitativas continuas;

contiene algunos de los estadísticos descriptivos, pero añade especialmente la
posibilidad de obtener puntuaciones típicas (puntuaciones Z)

 Explorar: permite obtener nuevos estadísticos descriptivos, identificar casos

atípicos, entre otros

1. Para utilizar el subcomando FRECUENCIAS, se sigue el siguiente procedimiento:

a. Crear o abrir el archivo que desea procesar
b. Clic Menú ANALIZAR y luego seleccionar la opción ESTADÍSTICAS
DESCRIPTIVAS y clic en la opción FRECUENCIAS, para acceder al cuadro
de dialogo
Figura 6. Cuadros de dialogo Frecuencias

2. Para utilizar el subcomando DESCRIPTIVOS, se sigue el siguiente procedimiento:

a. Crear o abrir el archivo que desea procesar
b. Clic Menú ANALIZAR y luego seleccionar la opción ESTADÍSTICAS
DESCRIPTIVAS y clic en la opción DESCRIPTIVOS, para acceder al cuadro
de dialogo
Figura 7. Cuadros de dialogo DESCRIPTIVOS

3. Para utilizar el subcomando EXPLORAR, se sigue el siguiente procedimiento:

a. Crear o abrir el archivo que desea procesar
b. Clic Menú ANALIZAR y luego seleccionar la opción ESTADÍSTICAS
DESCRIPTIVAS y clic en la opción EXPLORAR, para acceder al cuadro de
dialogo
Figura 8. Cuadros de dialogo DESCRIPTIVOS

ANALISIS DE LOS RESULTADOS

1) Con el sub comando Frecuencias: se obtienen los valores de los cuatro
grupos de Estadísticos Descriptivos:
a. Valores Percentiles: Cuartiles y Percentiles. Cada valor obtenido
corresponde al valor de índice académico por debajo del cual se
encuentra el porcentaje de estudiantes seleccionado en cada caso
(10% , 25%, …)
b. De tendencia Central: arroja los valores de los estadísticos de los
estadísticos Media, Mediana; Moda y Total,
c. Dispersión: reporta los valores: Desviación Típica, Varianza;
Amplitud, Error Típico de la Media
d. Distribución: se refiere a los valores de Coeficiente de Asimetría y
Curtosis.
La Tabla de Frecuencia índice, muestra cinco columnas: en la primera
aparecen los intervalos de clase, en la segunda la frecuencia, es decir el
número de veces que se ocurre cada índice, en la tercera y cuarta aparecen los
porcentajes de casos en cada intervalo de clase con respecto al número total de
casos y en la quinta columna aparece acumulado de casos.

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

Estadístico Error típ.

Media 50,010 1,8872

Intervalo de confianza para Límite inferior 45,741

la media al 95% Límite superior 54,279

Media recortada al 5% 49,894

Mediana 50,500

Varianza 35,614

INDICE Desv. típ. 5,9678

Mínimo 42,5

Máximo 59,6

Rango 17,1

Amplitud intercuartil 9,5

Asimetría ,349 ,687

Curtosis -1,046 1,334

Figura 15. Límites superior e inferior del intervalo
Figura 16. Ventana Explorar
GRÁFICOS DE LOS INTERVALOS DE CONFIANZA

Figura 17: Gráfico barras de error (Intervalos de Confianza)

1) Abrir el archivo que se va a procesar
2) Clic en el menú Gráficos y seleccionar la opción Barras de error (Fig. 17)
3) En el cuadro de dialogo Barras de Error (Fig. 18)
a. Seleccionar el botón Simple
b. En la opción “Los datos del gráfico son”, seleccionar Resúmenes para
distintas variables, luego dar clip en definir
Figura 18: Ventana barras de error (Intervalos de Confianza)
Figura 17: Gráfico barras de error (Intervalos de Confianza)

L nb Límite Superior

L nb Límite Inferior

Figura 19: Gráfico barras de error (Intervalos de Confianza)

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

Figura 19: Subcomandos del menú Comparar Medias

En esta sección, se hará referencia a los casos en los cuales se comparar solamente dos
promedios. En que consiste la prueba T de Student se debe al investigador William
Gosset, el cual comprobó que cuando no se conoce la desviación estándar (σ), esta puede
estimarse de la muestra, cuando la misma es grande (n≥30). Pero cuando la muestra es
pequeña (n<30), la región critica no tiene distribución normal sino que sigue una
distribución “T”; sin embargo a medida que aumenta el tamaño de la muestra aumentan los
grados de libertad (g.l) y la distribución “T” se aproxima a la normal y por lo tanto se
utiliza se utiliza la prueba T de Student sin importar el tamaño de la muestra.

Una forma alternativa de aplicación de prueba T para muestras relacionadas, se da en

aquellos casos cuando los sujetos están organizados en pares relacionados o un estudio de
control de casos. En estos casos, cada registro en el archivo de datos contiene la respuesta
de un sujeto y de su “sujeto de control” correspondiente. Los pares de medidas analizadas
pueden venir de diseños de estudios de pares que pueden ser gemelos, esposos o niños que
han sido emparejados en cuanto a sus aptitudes para una tarea en particular. Se podrían
también comparar las calificaciones en dos asignaturas, por ejemplo matemática y física,
para un mismo grupo de estudiantes.
En todas las pruebas estadísticas el análisis consiste en decidir si se rechaza o no se rechaza
la Hipótesis Nula, que plantea la igualdad de los promedios que se están comparando. En el
caso de una prueba T para una muestra la Ho: ̅ , para dos muestras independientes Ho:
̅ ̅ para muestras relacionadas Ho: ̅ ̅

La Hipótesis Nula es la que se está probando y la misma será rechazada cuando la

significación (probabilidad) del valor del estadístico “T” sea menor que el nivel de
significación (α) con el que se hace la prueba. Por lo tanto es importante tener en cuenta
que: Si la Significación de “t”, reportada por el programa es MENOR que la significación
establecida para la prueba (0,05) SE RECHAZA la Hipótesis Nula, si es MAYOR o igual
NO se rechaza.
 Si la Sig. < 0,05 SE RECHAZA Ho
Si la Sig. ≥ 0,05 NO SE RECHAZA Ho

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

Figura 20: Subcomandos del menú Comparar Medias, Prueba T de Student

Figura 21: Visor de Resultados de Prueba T de Student

En el visor de resultados se presenta la información resultante de la prueba estadística

identificada con el título Prueba T. El programa muestra dos tablas: la primera,
Estadísticos de una muestra, contiene información relativa al tamaño de muestra(N= 40), el
valor de la media de la muestra (54,4062), desviación estándar (8,89761) y el error estándar
de la media (1,40684)

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

La prueba estadística de Análisis de Varianza, conocida generalmente como ANOVA, por

las iniciales de su denominación en inglés es una extensión de la prueba T de Student
cuando se tienen más de dos grupos a los que se quiere comparar los promedios. Cuando se
habla de ANOVA de un factor se está haciendo referencia al hecho de que solamente
interviene una variable independiente en el estudio. Con ANOVA de un factor además de
obtenerse, por ejemplo, una prueba estadística para responder si hay una diferencia
significante entre más dos variables, el procedimiento provee pruebas de comparaciones
múltiples o “post hoc” para establecer entre cuales pares de promedios se encuentran las
diferencias significativas.

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.

A través del subcomando ANOVA de un factor se produce un análisis de varianza de una

vía para una variable dependiente cuantitativa y un factor cualitativo (variable
independiente). Se utiliza cuando se tiene un diseño completamente aleatorio, para probar
la hipótesis de que varias medias son iguales. Para aplicarla se requiere que se cumplan dos
supuestos:
 a) Cada grupo debe ser una muestra independiente, extraída de manera aleatoria de
una población normal.
b) Los grupos deben proceder, preferiblemente, de poblaciones con igual varianza.
Esta condición se verifica con la prueba de homogeneidad de varianza de Levene.
Si los grupos no están distribuidos normalmente, se utiliza la prueba de Kruskal-Wallis para
muestras independientes disponible con el comando Pruebas no Paramétricas. Si los
grupos están distribuidos normalmente y son usados dos o más variables (Factores) para
formar grupos, se usa el subcomando ANOVA Factorial Simple. Si los grupos no son
independientes. Por ejemplo si se observa el mismo sujeto bajo varias condiciones se
utiliza el subcomando Medidas Repetidas.

El procedimiento “Pruebas Post- Hoc” de Comparaciones Múltiples, se utiliza cuando el

valor “F” de la prueba ANOVA tiene una significación ≤0,05 ó ≤0,01, según sea el caso.
Tal como lo plantea Ferrán (2001).

Forma de aplicación con el programa

Problema Propuesto

Se retoma el ejercicio planteado al inicio de la práctica, donde un docente está interesado

en mejorar el rendimiento de sus estudiantes en la asignatura de matemática. Para ello,
divide los 40 estudiantes en 4 grupos, y aplica una técnica de enseñanza diferente a cada
uno durante un lapso, con el propósito de comparar los promedios obtenidos en cada caso.
Los estudiantes asignados aleatoriamente de cada uno de los grupos. Se desea saber:
1) Si hay diferencia significativas entre los promedios de los cuatro grupos
2) Cuál es la técnica que reporto mejores resultados
3) Cuál es el grupo más homogéneo
Aplicación

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

Figura 23: Submenú de Analizar para realizar ANOVA

3) En la ventana de ANOVA de una factor

Figura 24: Submenú de comandos para realizar un ANOVA de una vía

 Seleccionar la variable MATEMATI y pasarla al cuadro dependiente

 Seleccionar la variable independiente TECNIENS, pasarla al recuadro factor y clip
en aceptar para poder verificar si se rechaza Ho. (Hipótesis Nula)
 Figura 25: Visor de resultados de una ANOVA de un factor o una vía

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.

4) Post- Hoc y seleccionar Scheffe por tratarse de muestras de diferente tamaño y

varianza iguales (Ver figura 26), si las muestras fuesen de igual tamaño se aplicaría
la prueba de Tukey.

Figura 26: Sub comando para realizar el Estadístico de Levene (Pruebas de

homogeneidad de las varianzas)
 Prueba de homogeneidad de varianzas
MATEMATI

Estadístico de
Levene gl1 gl2 Sig.

3,013 3 36 ,043

Resultado del Estadístico de Levene y Resumen de ANOVA

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.

En la prueba de Homogeneidad de Varianzas aparece la variable MATEMATI el

estadístico de LEVENE (F= 3,013) los grados de libertad inter-grupo(gl1=3), y los grados
de libertad intra-grupos (gl2= 36) y el nivel de significación del estadístico de Levene
(sign= 0,043). Por consiguiente la significación < 0,05 Se rechaza Ho, se concluye que las
varianzas son estadísticamente significativas diferentes entre los grupos y se observa en el
cuadro de las estadísticas descriptivas.
Figura 27: Visor de resultados de la Prueba Scheffé

En el resultado de la prueba Sheffé de comparaciones múltiples, la cual muestra todas las

combinaciones posibles de pares de grupos colocando un asterisco (*) al lado de la
Diferencia de Medias en el estudio no existen diferencia de medias, porque los valores de
significancia son > 0,05.

Análisis de Regresión y Correlación

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 para realizar un análisis de regresión y correlación

Se quiere comprobar si existe correlación entre la calificación de razonamiento verbal en la
P.A.A y el rendimiento en lengua en el primer semestre; interesa saber también si la prueba
de razonamiento verbal tiene realmente carácter predictivo es decir, ¿está relacionada la
calificación de razonamiento verbal con la calificación de lengua? Para ello se puede
determinar el coeficiente de correlación y si este es significativo, obtener una ecuación de
pronóstico que pueda ser útil para pronósticos de predicción

PASOS
1) Abrir el archivo
2) Analizar, seleccionar correlaciones, clip en bivariantes

Correlación Bivariada, Correlación de Pearson

a) Seleccionar la variable lengua y pasarla al recuadro dependiente
 b) Seleccionar la variable raverbay pasarla a independiente
c) Clip en Pearson por tratarse de dos variables en escala de razón

Visor de resultados de la Correlación de Pearson de las variables en estudio

Dado que el coeficiente r= 0,740(**) considerado alto, de acuerdo a la escala de valoración

de la magnitud del mismo, y que es significativo al nivel de α=0,01 lo cual quiere decir
que la correlación entre ambas variables es significativa, se produce a obtener el gráfico de
dispersión y de la recta ajustada a esta distribución

Para obtener la Curva de Estimación o Recta Ajustada se tiene:

a) Analizar seleccionar Regresión, luego en Estimación Curvilínea
b) Seleccionar la variable lengua y pasarla al recuadro dependiente
c) Seleccionar la variable raverba y pasarla a independiente
d) Activar la opción incluir constante en la ecuación, para obtener los valores de la
ecuación de la recta ajustada.
e) Activar Representar los modelos para ver el gráfico de dispersión (o nube de
puntos) con la recta ajustada
Interpretación
Se presentan los resultados del análisis de regresión se muestran en siete columnas los
estadísticos del modelo de regresión, destacando el valor de la 3era. Columna que muestra
el Coeficiente de Determinación R2= 0,547 que mide la proporción de variabilidad total de
la variable dependiente Y (lengua) con respecto a su medida, que es explicada por el
modelo de regresión. Es usual expresar esta medida en tanto por ciento, por tal motivo
implica aproximadamente un 55% de variabilidad en Lengua que es explicado por la
calificación en Razonamiento verbal.
Los tres valores siguientes gl, F, signif, son los valores de una prueba de ANOVA para
determinar si la correlación entre las variables se puede considerar significativa. En este
caso puesto que la significancia del estadístico F < 0,05 se considera la correlación
significativa entre Razonamiento verbal y lengua. Este resultado justifica la obtención la
obtención de una ecuación de regresión que pueda servir de orientación para predecir las
calificaciones de lengua en función de las obtenidas en Razonamiento verbal.
Por su parte el grafico confirma la relación existente entre las calificaciones del
Razonamiento verbal y las calificaciones de lengua.