Documentos de Académico
Documentos de Profesional
Documentos de Cultura
22/01/2021
Introducción
SPSS es un programa estadístico informático muy usado en las ciencias sociales y
aplicadas, además de las empresas de investigación de mercado. Originalmente, el nombre
de este programa era acrónimo que significaba Statistical Package for the Social Sciences
(SPSS), reflejando la orientación a su mercado original (ciencias sociales), aunque este
programa es también muy utilizado en otros campos como la mercadotecnia. Sin embargo,
en la actualidad la parte SPSS del nombre completo del software (IBM SPSS) no es
acrónimo de nada.
Siguiendo con lo anterior, el SPSS es uno de los programas estadísticos más conocidos
teniendo en cuenta su capacidad para trabajar con grandes bases de datos y una sencilla
interfaz para la mayoría de los análisis. En la versión 12 de SPSS se podían realizar análisis
con dos millones de registros y 250 000 variables. El programa consiste en un módulo de
base y módulos anexos que se han ido actualizando constantemente con nuevos
procedimientos estadísticos. Cada uno de estos módulos se compra por separado. Por
ejemplo, SPSS puede ser utilizado para evaluar cuestiones educativas.
En concordancia con lo antes mencionado, el SPSS fue creado en 1968 por Norman H.
Nie, C. Hadlai (Tex) Hull y Dale H. Bent. Entre 1969 y 1975 la Universidad de Chicago
por medio de su National Opinion Research Center estuvo a cargo del desarrollo,
distribución y venta del programa. A partir de 1975 corresponde a SPSS Inc.
Una variable es cualquier fenómeno o cualidad que pueda sumir valores numéricos.
Estas se clasifican, en función de la naturaleza matemática que cumplen para la
investigación, en cualitativas y cuantitativas. Una variable de tipo cualitativo es aquella que
representa una cualidad (no son medibles numéricamente), mientras que la variable
cuantitativa expresa una cantidad (implican el concepto de magnitud).
Desde el punto de vista metodológico, estas pueden ser dependientes (el objeto de
estudio) e independientes (de clasificación o aquellas que introducimos para provocar
cambios en la variable dependiente). Se definen a partir de un sistema de categorías que las
representen. Han de cumplir tres condiciones para su correcta formulación (claramente
definidas, exhaustivas –han de tenerse en cuenta todos y cada uno de los casos, de modo
que todos los sujetos puedan estar identificados– y excluyentes mutuamente –cada caso
sólo puede estar incluido en una categoría).
Ahora cada columna será una nueva variable en potencia hasta que sea definida, en cuyo
caso pasará a ser una variable en la nueva matriz de datos. Una variable queda
automáticamente definida si en alguna casilla de su columna se introduce algún dato: SPSS
define una variable adecuada al primer dato introducido. A estas variables, SPSS les asigna
por defecto un nombre constituido por las letras VAR seguidas de un código de cinco
dígitos (00001, para la primera; 00002 para la segunda; …). Siempre podremos cambiar
después el nombre y las características de la(s) variable(s) así definida(s).
De todas formas, la manera más natural de crear las variables de un fichero es definirlas
antes de introducir dato alguno. Para ello hemos de situarnos en la vista de variables de la
ventana principal de SPSS, pinchando en la pestaña correspondiente o haciendo doble clic
en la cabecera de la columna. En la vista de variables, cada fila corresponde a una variable,
y las columnas representan las características de la(s) variable(s). Para cada variable habrá
que ir especificando cada una de sus características, empezando por el nombre (primera
columna).
El tipo Numérico es para una variable cuyos valores son números. Los valores se
muestran en el formato numérico estándar, utilizando como delimitador decimal el
especificado en la Configuración Regional del Panel de control de Windows. El tipo Coma
define una variable numérica cuyos valores se muestran con la coma de separación de miles
y con un punto como separador de la parte decimal. El tipo Punto define una variable
numérica cuyos valores se muestran con el punto de separador de miles y con una coma
como separador de la parte decimal. El tipo Notación científica define una variable
numérica cuyos valores se muestran con una E intercalada y un exponente con signo que
representa una potencia de base diez.
El editor de datos cuenta con dos diferentes tipos de vistas (Datos y Variables), a través
de las cuales podemos modificar o definir parámetros específicos de la información
contenida en el archivo. La primera de estas vistas corresponde a la Vista de datos [Fig.1-
33]. Esta es la vista que aparece por defecto en el editor de datos y mediante ella podemos
ingresar, modificar o eliminar los casos y registros (valores) del archivo. La estructura de la
vista de datos esta diseñada de manera, que las variables (Preguntas) se ubiquen en las
columnas y los casos, registros u observaciones se ubiquen en las filas.
Figuras 1-33
Figuras 1-34
Al seleccionar la vista de variables, aparece en la parte superior del área de datos una
serie de propiedades preestablecidas por el programa entre las que encontramos Nombre,
Tipo, Anchura, Decimales, Etiqueta, Valores, Perdidos, Columna, Alineación y Medida.
Cada una de estas propiedades tiene un propósito específico y es necesario antes de generar
algún tipo de análisis, comprobar que estén correctamente diligenciados cada uno de los
campos. Si nos fijamos en las casillas de la vista notaremos que ahora las filas
corresponden a cada una de las variables de nuestra base o archivo; esto se debe a que en la
vista de variables la estructura esta diseñada para que las Propiedades de las variables se
ubiquen en las columnas y las variables se ubiquen en las filas.
Figuras 1-35
Si nos fijamos en las estructuras de las vistas del Editor de datos, notaremos que para la
vista de datos, las variables se ubican en las columnas y los casos o registros se ubican en
las filas, mientras que para la vista de variables, las propiedades (Definición) se ubican en
las columnas y las variables se ubican en las filas. Una vez aclaradas las diferencias
estructurales de las vistas, continuaremos describiendo cada una de las propiedades de las
variables, las cuales determinan en gran medida los diferentes procedimientos que se
pueden realizar con los datos.
EJERCICIOS
Ejercicio 1
A: 42, 0, 63
a) Pedimos al SPSS en opciones que nos haga un test de homogeneidad (Levene). Dicho
test nos da sig=0.207, luego hay homogeneidad, homoscedasticidad o igualdad en las
varianzas de los 4 grupos.
b) El ANOVA inter (por Modelo General Univariante) nos da F3,11=12.15, p=0.001, eta2=
0.768, luego hay diferencias globales entre los 4 grupos, es decir la VI influye
significativamente sobre la VD. Ahora en c) veremos entre qué grupos hay diferencias y
entre cuáles no las hay.
d) (SPSS: Analizar > Pruebas no paramétricas > Cuadros de diálogo antiguos > k muestras
independientes). Aplicaremos una prueba de Kruskall-Wallis que nos dará una chi2 3=10.5,
p=0.015, lo que coincide con los resultados de b). Si quisiéramos hacer pruebas a posteriori
no paramétricas aplicaríamos 6 pruebas de Mann-Whitney (por otras tantas comparaciones
por pares de medias) aplicando la correción de Bonferroni (.05/6).
Ejercicio 2
Una muestra al azar de 6 sujetos lee 1, 3 y 5 veces una lista de 50 palabras que deben
memorizar. Tras cada lectura se les pasa una tarea de recuerdo. Sus resultados (o aciertos)
fueron:
ANOVA intra (en SPSS: Analizar > Modelo General Lineal > Medidas Repetidas)
c) Las pruebas a posteriori de Bonferroni muestran que las tres diferencias son
estadísticamente significativas luego la mayor tasa de aciertos se da tras cinco lecturas
mientras que la peor se da tras la primera lectura.
d) (SPSS: Analizar > Pruebas no paramétricas > Cuadros de diálogo antiguos > k muestras
relacionadas). Friedman: chi2 2=12, p=0.002. Si quisiéramos hacer pruebas a posteriori no
paramétricas aplicaríamos 3 pruebas de Wilcoxon (por otras tantas comparaciones por
pares de medias) aplicando la correción de Bonferroni (.05/3).
Conclusión
Su facilidad de uso, flexibilidad y escalabilidad hacen que SPSS sea accesible para
usuarios con cualquier nivel de conocimiento. Además, es adecuado para proyectos de
todos los tamaños y niveles de complejidad, y puede ayudar a un individuo y a su
organización a encontrar nuevas oportunidades, mejorar la eficiencia y minimizar el riesgo.