PROGRAMA SPSS

Statistical Package for Sciences Socials

(Paquete Estadístico para las Ciencias Sociales
Análisis de datos categóricos

 Para este tipo de datos, SPSS dispone de un procedimiento,

denominado Tablas de contingencia, que permite el análisis
estadístico para determinar si las variables están relacionadas o
por el contrario son independientes. Aunque este procedimiento
permite incorporar múltiples variables, sólo nos vamos a centrar
en el análisis que se refiere a dos variables, es decir sólo vamos a
tratar con tablas de contingencia de doble entrada
Tablas de contingencia

 los datos categóricos se disponen en tablas de doble entrada. Como

ejemplo:

Tabla cruzada Sensación de bienestar* Práctica deportiva

Recuento

Práctica deportiva

si no Total
Sensación de bienestar si
10 8 18

no
3 14 17

Total
13 22 35
Análisis Chi-cuadrado

 El más familiar de estos

estadísticos es Chi-cuadrado,
propuesto por Pearson, que
contrasta la hipótesis de que los
dos criterios de clasificación
empleados son independientes.
 PASO 1: PLANTEAR LA HIPOTESIS
H0= Las variables categorías “x” e “y” son independientes
H1= Las variables categorías “x” e “y” están relacionadas

 PASO 2: NIVEL DE SIGNIFICANCIA

 Nivel de Confianza = NC= 0, 95 = 95%
 Margen de Error = Alfa= 0, 05 = 5%

 PASO 3: ESTADISTICO DE PRUEBA

Si p-valor < 0,05 se rechaza la H0 y acepta H1
Si p-valor > 0,05 se acepta la H0 y se rechaza H1
Contraste de hipótesis para una y dos
muestras
En este tema vamos a estudiar, un procedimiento descriptivo, denominado
Medias, que permite obtener estadísticos descriptivos de los distintos grupos y
subgrupos definidos por una o más variables independientes; también
veremos el contraste de hipótesis para una muestra, y el contraste de
hipótesis para dos muestras, tanto independientes como relacionadas,
mediante las denominadas prueba T.
 Medias
Como se ha indicado este procedimiento permite obtener estadísticos
descriptivos de una variable independiente teniendo en cuenta los grupos
definidos por una o más variables independientes.
ANALISIS T STUDENT
 ANALISIS T STUDENT PARA UNA SOLA VARIABLE

FABRICA MEDIA DETERMINADA

 ANALISIS T STUDENT MUESTRAS INDEPENDIENTES

 FABRICA 1 FABRICA 2
 ANALISIS T STUDENT MUESTRAS RELACIONADAS
 ANTES DESPUES
ANALISIS T STUDENT PARA UNA SOLA
VARIABLE

 PASO 1: PLANTEAR LA HIPOTESIS

 H0= La media es igual a la media

 H1= La media es diferente a la media

 PASO 2: NIVEL DE SIGNIFICANCIA

 Nivel de Confianza = NC= 0, 95 = 95%

 Margen de Error = Alfa= 0, 05 = 5%
 PASO 3: PRUEBA DE NORMALIDAD
KOLMOGOROV-SMIRNOV muestras grandes > 50 individuos
CHAPIRO WILK muestras pequeñas < 50 individuos

 Criterio de normalidad
H0= Los datos provienen de una distribución normal
H1= Los datos NO provienen de una distribución normal
Si p-valor > 0,05 se acepta la H0
Si p-valor < 0,05 se acepta la H1

 PASO 4: ESTADISTICO DE PRUEBA

Si p-valor > 0,05 se acepta H0 y se rechaza H1

Si p-valor < 0,05 se acepta H1 y se rechaza H0
ANALISIS T STUDENT MUESTRAS
INDEPENDIENTES

 PASO 1: PLANTEAR LA HIPOTESIS

 H0= La media 1 es igual a la media 2

 H1= La media 1 es diferente a la media 2

 PASO 2: NIVEL DE SIGNIFICANCIA

 Nivel de Confianza = NC= 0, 95 = 95%

 Margen de Error = Alfa= 0, 05 = 5%
 PASO 3: PRUEBA DE NORMALIDAD
KOLMOGOROV-SMIRNOV muestras grandes > 50 individuos
CHAPIRO WILK muestras pequeñas < 50 individuos

 Criterio de normalidad
H0= Los datos provienen de una distribución normal
H1= Los datos NO provienen de una distribución normal
Si p-valor > 0,05 se acepta la H0
Si p-valor < 0,05 se acepta la H1

 PASO 4: ESTADISTICO DE PRUEBA

P-valor =
Si p-valor > 0,05 se acepta H0 y se rechaza H1
Si p-valor < 0,05 se acepta H1 y se rechaza H0
ANALISIS T STUDENT MUESTRAS
RELACIONADAS

 PASO 1: PLANTEAR LA HIPOTESIS

 H0= La media 1 es igual a la media 2

 H1= La media 1 es diferente a la media 2

 PASO 2: NIVEL DE SIGNIFICANCIA

 Nivel de Confianza = NC= 0, 95 = 95%

 Margen de Error = Alfa= 0, 05 = 5%
 PASO 3: PRUEBA DE NORMALIDAD
KOLMOGOROV-SMIRNOV muestras grandes > 50 individuos
CHAPIRO WILK muestras pequeñas < 50 individuos

 Criterio de normalidad
H0= Los datos provienen de una distribución normal
H1= Los datos NO provienen de una distribución normal
Si p-valor > 0,05 se acepta la H0
Si p-valor < 0,05 se acepta la H1

 PASO 4: ESTADISTICO DE PRUEBA

P-valor =
Si p-valor > 0,05 se acepta H0 y se rechaza H1
Si p-valor < 0,05 se acepta H1 y se rechaza H0
ANALISIS DE VARIANZA CON UN FACTOR
ANOVA

El Análisis de varianza (ANOVA)

permite comparar varios grupos de
una variable cuantitativa. A la
variable categórica u ordinal que
define los grupos se le denomina
variable independiente (VI) o factor
y a la variable cuantitativa se le
denomina variable dependiente
(VD) o variable de respuesta.
 PASO 1: PLANTEAR LA HIPOTESIS
H0= La media es igual a la media
H1= La media es diferente a la media

 PASO 2: NIVEL DE SIGNIFICANCIA

Nivel de Confianza = NC= 0, 95 = 95%
Margen de Error = Alfa= 0, 05 = 5%

 PASO 3: PRUEBA DE NORMALIDAD

KOLMOGOROV-SMIRNOV muestras grandes > 50 individuos
CHAPIRO WILK muestras pequeñas < 50 individuos

 Criterio de normalidad
H0= Los datos provienen de una distribución normal
H1= Los datos NO provienen de una distribución normal

Si p-valor > 0,05 se acepta la H0

Si p-valor < 0,05 se acepta la H1
 PASO 4: PRUEBA DE HOMOGENEIDAD
H0= Los datos son homogéneos
H1= Los datos NO son homogéneos

Si p-valor > 0,05 se acepta la H0

Si p-valor < 0,05 se acepta la H1

 PASO 5: ESTIMACION DE P-VALOR

P-VALOR

 PASO 5: ESTADISTICO DE PRUEBA

Si p-valor > 0,05 se acepta H0 y se rechaza H1

Si p-valor < 0,05 se acepta H1 y se rechaza H0