Introduccion a spss pdf

Los datos utilizados son de la encuesta del supermercado. La forma de proceder en el SPSS es tal como se ha observado anteriormente.

Dos variables cualitativas Para describir las dos variables cualitativas, elabore una tabla de contingencia Crosstabs Seleccione si se desea obtener un diagrama de barras para las variables. Seleccionando las opciones marcadas, se obtienen los mismos resultados que antes, pero expresados en porcentajes. Una vez obtenidos los intervalos para dichas variables, puede elaborarse la tabla de contingencia siguiendo el mismo procedimiento que si las variables fueran cualitativas.

Finalmente, se incluyen tres datos relacionados con las terapias que ha recibido el sujeto. Todas ellas toman 1, si el sujeto ha recibido la terapia y 0, en caso contrario. Los datos representan a 10 sujetos que participaron en el estudio, cuyos resultados obtenidos se muestran en la tabla siguiente.

Al igual que en el procedimiento Descriptivos, primero traslade al recuadro de la derecha Variables aquellas variables que desea analizar. Las distribuciones de prueba disponibles son las mismas que en P-P. Comente el resultado. Tablas personalizadas Si no existen variables de resumen, se muestran los recuentos. Las variables de esta lista subdividen la tabla en capas o en grupos de capas, de manera que solo puede verse una capa de la tabla cada vez.

Una vez en el Visor, se debe pivotear para ver las otras capas. Por ejemplo, para generar una tabla de contingencia simple, se debe seleccionar una variable para definir las filas y otra para definir las columnas. Las restantes opciones son similares a las descritas anteriormente.

Las variables se trasladan de un cuadro a otro arrastrando. Los nombres colocados en la parte superior de las columnas se llaman «cabeceras» C. Constituyen los niveles de la variable respuesta F.

Los datos se pueden ordenar descendente o ascendentemente H. La fuente J es una nota importante que forma parte del cuadro. Dimensiones de una tabla Los cuadros pueden ser bidimensionales: una variable en las columnas y la otra variable en las filas.

Como muestra la figura 4. Figura 4. Dos variables han sido clasificadas de manera cruzada, y los porcentajes pueden calcularse tanto por filas como por columnas. En la figura 4. Compara las medias de dos grupos de casos. Los sujetos deben asignarse aleatoriamente a dos grupos, de forma que cualquier diferencia en la respuesta sea debida al tratamiento o falta de tratamiento y no a otros factores.

Existen dos tipos de contrastes para comparar medias: los contrastes a priori y las pruebas post hoc. Medias Utilizando el procedimiento Medias de SPSS, se pueden calcular medias y variancias de cada atributo de una determinada variable seleccionada. Prueba T para una muestra Es el contraste sobre una media. Prueba T para muestras independientes Es el contraste sobre dos medias independientes.

La prueba T sobre dos medias independientes tiene dos versiones, dependiendo de si se asumen varianzas iguales o distintas. Prueba T para muestras relacionadas Es el contraste sobre dos medias relacionadas. Los resultados obtenidos aparecen en la ventana Visor de resultados. Es decir, existen diferencias significativas entre el promedio de ventas tanto de Verduras como de Abarrotes.

En la tabla se muestran las sumas de cuadrados intergrupos, intragrupos error y total. Puede verse que su valor es 0. Para llevar a cabo comparaciones planeadas es necesario introducir los coeficientes directamente. Continuando con el ejemplo, al seleccionar la prueba de Tukey, la salida SPSS muestra la tabla de resultados de dicha prueba.

En la tabla puede verse la diferencia entre las medias de la venta de Bebidas en cada uno de los pares de grupos definidos por la variable Edad. Los datos representan 10 sujetos que participaron en el estudio, cuyo resultado se muestra en la tabla.

Todas ellas toman 1, si el sujeto ha recibido la terapia y 0 en caso contrario. Los resultados aparecen en la tabla inferior. Al cabo de un tiempo, le mide su nivel de ansiedad. Los resultados obtenidos se muestran en la siguiente tabla: 10 mg 7 8 8 9 8 20 mg 4 4 5 6 6 30 mg 2 3 2 2 1 a.

Compruebe si el nivel de ansiedad con la dosis de 10 mg difiere del nivel de las restantes, consideradas juntas. Se pueden contrastar tanto los modelos equilibrados, como los no equilibrados.

En el archivo de datos se pueden guardar residuos, valores pronosticados, distancia de Cook y valores de influencia como variables nuevas para comprobar los supuestos. El Tipo III es el valor por defecto. Estas matrices se denominan «matrices SCPC» sumas de cuadrados y productos cruzados. El resto es similar al procedimiento anterior. Medidas repetidas Analiza grupos de variables dependientes relacionadas, que representan diferentes medidas del mismo atributo.

Permite definir uno o varios factores intrasujetos no confundir con las variables existentes , donde cada factor constituye un nivel dentro del factor precedente. Este procedimiento es totalmente compatible con el procedimiento MLG modelo lineal general factorial general. Suponiendo que desea realizar un ANOVA factorial de la variable Venta de verduras, utilizando como variable independiente el sexo del sujeto y su edad. Por ejemplo: Traslade la variable Sexo a la primera casilla y Edad a la segunda casilla.

La tabla muestra las diferencias entre cada par de medias de la variable Venta de verduras, en los grupos de sujetos definidos por Edad y Sexo. Medidas repetidas a. El objetivo es comparar las medias de distintas variables, medidas sobre los mismos sujetos. En este cuadro, se seleccionan las variables que forman los grupos del factor intrasujetos que, en el ejemplo, son Venta de verduras, Venta de abarrotes y Venta de bebidas.

El SPSS proporciona distintas tablas de resultados. El profesor desea saber si el rendimiento de los alumnos ha ido aumentando en cada uno de los controles. Para ello, selecciona aleatoriamente una muestra de cinco alumnos. Sus calificaciones obtenidas en los tres controles se muestran en la siguiente tabla: Control 1: 7 4 5 3 2 Control 2 5 6 6 4 3 Control 3 5 8 6 5 4 a.

Suponga que se dispone de los datos sobre si los sujetos considerados son fumadores 1 o no lo son 0. Sea X: x1, x2,… xn y Y: y1, y2… yn, los valores de dos variables X, Y. Matriz de varianzas-covarianzas Este procedimiento se consigue pulsando opciones, luego marque varianzas-covarianzas cross- product deviations and covariances.

En este caso, se tiene que: c. Al parecer, los datos de 30 sujetos para dos variables: X Venta de verduras e Y Venta de abarrotes. Los resultados son los siguientes: Se han sombreado los tres coeficientes de Pearson. El primer paso es definir la nueva variable Ti.

El resultado es el siguiente: Como se observa, la media en la nueva variable es En cuanto a la varianza, el resultado es Todas ellas toman 1 si el sujeto ha recibido la terapia y 0 en caso contrario. Correlaciones con SPSS El procedimiento Correlaciones permite calcular la matriz de correlaciones de un conjunto de variables.

Ejercicio 2: Se tienen los siguientes datos: Sujetos Edad Peso 1 39 58 2 30 55 3 50 65 4 52 70 5 62 69 Los datos corresponden a cinco sujetos medidos en dos variables: Edad y Peso. Como en otros ejemplos previos, introduzca los datos correspondientes.

Luego, pulse Definir para definir los ejes del diagrama de las variables. Ejemplo: Se tienen los siguientes datos: Sujetos Edad Peso 1 39 58 2 30 55 3 50 65 4 52 70 5 62 69 Los datos corresponden a cinco sujetos medidos en dos variables: Edad y Peso.

Como en otros ejemplos previos, introduzca los datos correspondientes a los cinco sujetos en las dos variables en un archivo nuevo del Editor de datos. En cuanto a la primera, se toman los coeficientes no estandarizados. Ejemplo 1: A partir de los datos de la encuesta, se quiere predecir la variable Venta de verduras V , a partir de la variable Venta de abarrotes A. Traslade las variables Venta de abarrotes y la Venta de bebidas a la casilla Independientes y la variable Venta de verduras a la casilla Dependiente.

Todas ellas toman 1 si el sujeto ha recibido la terapia, y 0 en caso contrario. Calcule el volumen de ventas esperado. Compruebe que la media de los residuos no es nula. Se pueden seleccionar hasta diez factores para definir las casillas de una tabla. Otras variables independientes, las covariables de casilla, pueden ser continuas, pero no se aplican en forma de caso por caso. A una casilla dada se le aplica la media ponderada de la covariable para los casos de esa casilla.

Permite especificar una variable cuyos valores sean utilizados para etiquetar los resultados por casos. Las medidas de distancia o similaridad se generan mediante el procedimiento Proximidades. El algoritmo de K-medias requiere cuatro etapas: 1. Seleccione K puntos como centros de los grupos iniciales, de la siguiente manera: a. Defina un criterio de optimalidad y compruebe si reasignando uno a uno cada elemento de un grupo a otro, mejora el criterio.

Si no es posible mejorar el criterio de optimalidad, terminar el proceso. Luego, traslade a Etiquetar casos mediante Label Cases by. Se observa que los valores 1. Por otro lado, los valores Se observan los casos divididos en dos grupos finales. Esa matriz contiene las distancias existentes entre cada elemento y todos los restantes de la muestra. En cada paso del proceso, pueden agruparse casos individuales, conglomerados previamente formados o un caso individual con un conglomerado previamente formado.

Pero las variables de cadena solo sirven para etiquetar casos. Luego traslade a Etiquetar casos mediante Label Cases by. El Visor de resultados solo muestra las tablas de resultados. El cuadro siguiente muestra el historial del proceso de conglomerados, etapa por etapa. En cada etapa se unen dos elementos. En este ejemplo, en la primera etapa se han fundido 12 y Por ejemplo, «Cero» indica que el conglomerado es un caso individual.

Las etapas comienzan en la parte inferior del diagrama y van progresando hacia arriba. Se desea clasificar un nuevo elemento, con valores de las variables conocidas en una de las poblaciones. Ejemplos: 1.

Figura 7. Ejemplo 1: Se desea clasificar un retrato entre dos posibles pintores. Las medias de estas variables para el primer pintor A son 2 y 0. La obra a clasificar tiene medidas de estas variables 2. Calcule las probabilidades de error.

El cuadro de la izquierda muestra la lista de variables del archivo excepto las que tienen formato cadena. Difine Range Los que son excluidos por tener un valor perdido al menos en una variable discriminante y las que cumplen las dos condiciones anteriores.

En el ejemplo, los valores son cercanos a 1, lo cual indica un gran parecido entre grupos o la existencia de bastante solapamiento entre los grupos. Sin embargo, el valor transformado de lambda Chi-Square es de 4. Nivel de medida. Ejecute la prueba de esfericidad de Barlett. Se obtienen los componentes principales a partir de la matriz de correlaciones, para emplear las mismas escalas en todas las variables.

Los coeficientes de la matriz de correlaciones deben ser grandes en valor absoluto. Test de esfericidad de Barlett. Para comprobar que las correlaciones entre las variables son distintas de cero de modo significativo, se comprueba si el determinante de la matriz es distinto de uno; es decir, si la matriz de correlaciones es distinta de la matriz identidad. La variable Viento aporta poca variabilidad al modelo, que es de 0. Varianza total explicada. Los primeros tres componentes tienen todos varianzas autovalores mayores que 1, y entre los tres recogen el Puede observar que la primera componente aporta un Matriz de componentes.

Guardar los factores. La primera variable se representa por flas y se supone que toma I valores posibles, en tanto que la segunda se representa por columnas, tomando J valores posibles. Finalmente, pulse Continuar. Una dimension explica el Mientras que pelirrojo contribuyen muy poco a ambas dimensiones. En el ejemplo, luego de seleccionar las variables mencionadas, acepte OK el Visor de resultados muestra los siguientes cuadros. El cuadro siguiente muestra la tabla Porcentajes de varianza explicada se ofrece un listado de los autovalores Eigenvalues de la matriz varianza-covarianza y del porcentaje de varianza que representa cada uno de ellos.

Por defecto, se extraen tantos factores como autovalores mayores que uno tiene la matriz analizada. A cada alumnos se les toma un pretest y posttest. Los datos se presentan a continuacin.

En estadstica este tipo de estudio es conocido como una diseo experimental. El Factor tratamiento sera el Mtodo de enseanza. La variable dependiente es el puntaje en el posttest.

El puntaje del pretest es llamado covariable. Prueba T para muestras independientes: Compara las medias de una variable por ejemplo, el puntaje en el posttest para dos grupos de casos por ejemplo, los mtodos de enseanza.

Prueba T para muestras relacionadas: Compara las medias de dos variables por ejemplo, el puntaje del pretest y posttest en un solo grupo. El mtodo consiste en analizar las diferencias entre ambas variables. Compara las medias de una variable para k grupos de casos por ejemplo, los mtodos de enseanza. Los estadsticos de cada anlisis se basan en los casos que no tienen datos perdidos ni quedan fuera de rango en cualquiera de las variables del anlisis.

Pgina 1. El caso anterior no se considera el mtodo de enseanza. Regresin Lineal Simple Se supone que se tiene una muestra x1 , y1 , x2 , y2 ,.

Al no rechazar H0 , se asume que las variables no estn relacionadas. Introducir a. Todas las variables solicitadas introducidas. Variable dependiente: Posttest Resumen del modelo Modelo R 1 , a. Variables predictoras: Constante , Pretest b. El porcentaje de la variabilidad total que explica el pretest al posttest es de un 50,3. Pgina 2. Fue publicado adentro por Gordon V. Puede ser utilizado para la prediccin como anlisis de la regresin o para la deteccin de la interaccin entre las variables.

El mtodo no tiene restriccin con respecto a las escala de medicin de la variable dependiente puede ser cualitativa o cuantitativa. Segn regresin lineal, existe una relacin entre el puntaje en el pre y posttest. Pero segn este mtodo no es tan fuerte. Marcelo Rodrguez G. Entre otras caractersticas dispone de: un lenguaje de programacin bien desarrollado, simple y efectivo, que incluye condicionales, ciclos, funciones recursivas y posibilidad de entradas y salidas.

Luego de registrarse, debe descargar el Plugin R Essentials. Se recomienda utilizar la versin 19 de SPSS. Venables, W Esta obra, fruto de. Un reconocimiento espe-. No obstan-. Otra ca-. La primera parte del volumen aborda la controvertida pro-. La se-. Finalmente, en la tercera. Bunge afirma que. No obstante, Bunge y Ardila reconocen que en la ma-.

En , en. El con-. Ardila, Desde es-. Para que una variable sea cuantitativa debe poseer las carac-. Las mediciones fun-. Por el contrario, las mediciones derivadas. Este tipo de es-. En cuanto a. En esta escala no existen intervalos iguales y , por. Esto implica que ope-. En este nivel de medi-. En una escala de intervalo,. La suma. Este enfoque distingue en-.