Experimentación+en+SPSS 1

Experimentacin en SPSS
Jos Luis Fernndez Alemn

aleman@um.es
http://www.um.es/giisw/ES/
Mster en Nuevas Tecnologas en Informtica

Tecnologa para la investigacin en la ingeniera
informtica
ndice
Tipos de estudios empricos

Experimentos
Conceptos generales
Introducir datos en SPSS
Pruebas estadsticas

Dependiendo del propsito de la evaluacin y las condiciones de la
investigacin emprica, podemos distinguir tres estrategias empricas:
Encuestas: normalmente se hacen en retrospectiva, cuando por
ejemplo, una tcnica o herramienta se ha estado usando durante cierto
tiempo o se va a empezar a utilizar. Tanto los datos cualitativos como
cuantitativos se recogen a travs de cuestionarios o entrevistas.
Permiten obtener conclusiones descriptivas y explicativas, esto es, entender a la

poblacin
No permite crear conocimiento pues se basa en opiniones
Aunque tienen la capacidad de evaluar un gran nmero de variables, es preferible
disminuir este nmero para facilitar la tarea de anlisis.
Casos de Estudio: son utilizados para monitorear proyectos o

actividades. Normalmente su propsito es seguir un determinado
atributo o establecer relaciones entre determinados atributos. El nivel
de control es mucho menor que en un experimento. Es un estudio de
tipo observacional. Se realizan on-line (en entornos industriales).
Experimentos: la caracterstica ms importante es que permiten gran
nivel de control. El objetivo es variar una o ms variables y controlar
otras, para observar qu efecto tienen sobre otra determinada variable
de salida. Se ejecutan off-line (en laboratorios).

Control de la ejecucin. Cantidad de control que el investigador tiene sobre el estudio
Control de la medicin. Nivel en que el investigador puede decidir sobre qu medidas
deben ser recogidas, incluidas o excluidas durante la ejecucin del estudio (en una
encuesta slo tenemos opiniones no atributos medibles directamente). Ejemplo: es
accesible la herramienta A?
Coste de la investigacin. Relativo a la necesidad de recursos.
Facilidad de rplica. Facilidad de volver a llevar a cabo el mismo estudio bajo las
mismas condiciones pero con distinta poblacin
Factor
Encuesta
Caso de estudio
Experimento
Control de la ejecucin
NO
NO
SI
Control de la medicin
NO
SI
SI
Coste de la investigacin
BAJO
MEDIO
ALTO
Facilidad de rplica
ALTO
BAJO
ALTO
Experimentos
Conceptos generales
Experimento
Factores (tratamientos)
Variables
controladas
Variable
dependiente
.....
Diseo del
experimento
.....
Variables
independientes
Proceso
Experimentos
Conceptos generales
Variables dependientes (response, predictor)
variables que queremos estudiar para ver el efecto que

tienen en ellas los cambios en las variables independientes
Variables independientes (factor, state, predictand)
variables cuyos valores son cambiados para estudiar su

efecto en las variables dependientes
La seleccin de las variables dependientes e independientes no es
fcil y requiere conocimiento del dominio del experimento.
Llevan implcitamente la escala de medida y el rango.
Van a determinar los tratamientos (un valor particular de la variable
independiente)
Variables controladas (controlled)
variables independientes que son controladas en un nivel fijo

Ejemplo. Se eligen programadores que hayan trabajado con
las herramientas a probar un tiempo determinado
(experiencia)
Experimentos
Conceptos generales
Variables enmascaradas (confounded)
variables no controladas que varan simultneamente con las

variables independientes. Esta circunstancia hace que
rivalice con la variable independiente como posible causa.
Ejemplo Si la variable independiente es una herramienta
nueva y junto con la herramienta novedosa se cambi el
mtodo de desarrollo, la variacin de los resultados no
sabremos a qu se debe.
Variables aleatorias (randomized)
Variables no controladas que se tratan como un error

aleatorio.
Ejemplo. Se pueden clasificar por experiencia a los
programadores y asignar al azar el mismo nmero de cada
clase a cada tratamiento.
Experimentos
Conceptos generales
Tratamientos
Un determinado valor para un factor
Objetos
Elementos sobre los que se aplican los tratamientos.
Sujetos
Personas que aplican los tratamientos a los objetos
Experimento
Consiste en una serie tests (llamados trials) donde cada test

(no confundir con los test estadsticos) es una combinacin de
tratamiento-objeto-sujeto
Experimentos
Conceptos generales
Formulacin de la hiptesis
La base de cualquier anlisis estadstico es corroborar la
hiptesis (hypothesis testing)
Una hiptesis debe ser planteada formalmente y los datos
recogidos durante el transcurso del experimento son utilizados
para, si es posible, rechazar la hiptesis
Dos hiptesis deben ser planteadas:
Una hiptesis nula, H0: Esta es la hiptesis que el
experimentador desea rechazar. Por ejemplo, que el nuevo
mtodo de inspeccin permite encontrar en promedio la
misma cantidad de errores que el antiguo. H0: antiguo =
nuevo
Una hiptesis alternativa, H1: Esta es la hiptesis a favor
de la cual la hiptesis nula es rechazada. Por ejemplo, que el
nuevo mtodo de inspeccin en promedio permite encontrar
ms errores que el antiguo. H1: antiguo < nuevo
Experimentos
Conceptos generales
Formulacin de la hiptesis
El hecho de corroborar las hiptesis conlleva a

diferentes tipos de riesgos:
Error de tipo I: ocurre cuando un test estadstico rechaza H0 siendo
verdadera. Probabilidad de rechazar H0 aunque en promedio los dos
mtodos tengan la misma productividad.
= P(error de tipo I)=P(rechazar H0 | H0 cierta)

Error de tipo II: ocurre cuando un test estadstico no rechaza H0 siendo
falsa. Probabilidad de aceptar H0 aunque en promedio tienen
productividad diferentes.
= P(error de tipo II)=P(aceptar H0 | H0 falsa)

Poder del test: probabilidad de que el testeo revele un hecho verdadero
si H0 es falsa
P= 1-
Experimentos
Conceptos generales: ejemplo
Evaluar el efecto de desarrollar una nueva
aplicacin en una plataforma mvil u otra, en
la gravedad de las vulnerabilidades
Variable dependiente: gravedad de las vulnerabilidades
Variable independiente: plataforma mvil utilizada
Otras variables independientes: experiencia de los desarrolladores,
tipo de aplicacin
Utilizamos dos tratamientos del factor: iOS y Android
Objetos: las aplicaciones desarrolladas
Sujetos: los programadores que las desarrollan (aplican el
tratamiento)
Test: la persona N (sujeto) usa una plataforma P (tratamiento) para
desarrollar una aplicacin A (objeto)
Experimentos
Conceptos generales
Tipos de escala
Escala nominal: Se asocia a la entidad con un nombre o smbolo

Es la menos poderosa
Ejemplo: sexo: masculino, femenino
Escala ordinal: Clasifica las entidades segn algn criterio de ordenacin

Ejemplo: complejidad del software: alta, media, baja
Continuas;
en SPSS
medida
escala
Escala intervalo: Permite clasificar a las entidades con la nocin de

distancia relativa, siendo relevante la diferencia entre las medidas. La
distancia entre los nmeros de una escala intervalo es la misma.
Ejemplo: temperatura medida en Celsius o Fahrenheit
Escala ratio o razn: Como la escala intervalo, pero s existe el valor cero
y el ratio entre dos medidas es significativo.
Ejemplo: nmero de errores detectados, duracin de una fase de desarrollo.
La variables con escala nominal u ordinal se

denominan variable categricas
Representan categoras o grupos de pertenencia
Anlisis descriptivo con frecuencias (recuento), porcentajes,
moda, mediana y grficos de sectores y de barras
Experimentos
SPSS: datos
Introducir los datos
Manualmente
Importando desde un fichero externo
Archivo->Abrir->Datos
Vista de datos
Se define el nombre de cada variable, y el tipo de datos que

contiene cada una de ellas
Las filas son variables y las columnas atributos
Experimentos
SPSS: datos
Ejemplo de variables
Plataforma mvil -> (Nombre: Plataforma_movil, Tipo de

variable: Cadena, Etiqueta: Plataforma mvil, Valores: iOS
Android, Medida: nominal)
Gravedad de la vulnerabilidad Plataforma mvil -> (Nombre:
Gravedad_vulnerabilidad, Tipo de variable: Numrico,
Etiqueta: Gravedad de la vulnerabilidad, Medida: escala)
Experimentos
SPSS: datos
Vista de datos
Se introducen los datos de las distintas variables

Las filas son casos y las columnas representan variables o
caractersticas que se miden
Experimentos
Pruebas estadsticas
Contraste de las hiptesis
Tests paramtricos vs. tests no paramtricos.

La forma de elegir entre uno u otro es:
Aplicabilidad. Escala y distribucin
Poder. Es mayor en los paramtricos
que en los no paramtricos. Los
paramtricos requieren menor cantidad
de puntos y, por tanto, experimentos
menores
Experimentos
Pruebas estadsticas
Contraste de las hiptesis
Tests paramtricos vs. tests no paramtricos.

Paramtricos
No paramtricos
Se basan en modelos que

envuelven una distribucin
normal
No ponen restricciones
respecto a la distribucin
de los datos
Requieren
que
los
parmetros pertenezcan, al
menos, a una escala
intervalo.
Son ms generales que los

paramtricos y pueden ser
usados
en
lugar
de
aquellos.
Experimentos
Pruebas estadsticas
Eleccin del test estadstico
Experimentos
Pruebas estadsticas
Contnua
Categrica
Contnua
Categrica
Categrica
Experimentos
SPSS: normalidad
Normalidad de una distribucin
Caracterstica importante, especialmente en muestras

pequeas (n<30), ya que muchos de los test estadsticos
asumen normalidad en los datos para su correcta aplicacin
e interpretacin
Test de Shapiro-Wilk y Kolmogorov-Smirnov
Es recomendable elegir la prueba de Shapiro-Wilk si las
muestras son pequeas (n<30)
Experimentos
SPSS: normalidad
Normalidad de una distribucin
Analizar/Estadsticos Descriptivos/Explorar
Seleccionamos en la Lista de dependientes la variable
Gravedad de la vulnerabilidad y en Lista de factores la
variable Plataforma mvil
Pulsar en el botn Grficos y marcar Grficos con pruebas
de normalidad y pulsar el botn Continuar y el botn
Aceptar
Si p (Sig) es mayor que 0.05 (en el ejemplo es 0.830 para
las vulnerabilidades de Android para el test de Shapiro-Wilk),
no podemos rechazar la hiptesis nula, por lo que asumimos
que la variable sigue una distribucin normal
Experimentos
SPSS: T de Student
La prueba T
independientes
de
Student
para
muestras
Prueba paramtrica para comparar las medias de una

variable en dos grupos o poblaciones independientes (los
individuos de una de las poblaciones son distintos a los
individuos de la otra)
VI categrica con dos valores. VD de intervalo o razn
(escala)
Supuestos: (1) La asignacin de los sujetos a cada grupo
debe ser aleatoria, de forma que cualquier diferencia en la
respuesta sea debida a los tratamientos (variable
independiente) y no a otros factores (2) las observaciones
de cada par deben hacerse en las mismas condiciones, (3)
las diferencias entre las medias deben estar normalmente
distribuidas, (4) las varianzas de cada variable pueden ser
iguales o distintas
Experimentos
SPSS: T de Student
La prueba T de Student para muestras independientes
Analizar/ Comparar medias / Prueba T para muestras

independientes
Seleccionamos en Variable de agrupacin (la variable
independiente que debe ser nominal) la variable Plataforma
mvil y en Variables para contrastar la variable Gravedad
de la vulnerabilidad
Experimentos
SPSS: T de Student
Pulsar en el botn Definir grupos e introducir en Grupo 1

iOS y en Grupo 2 Android (se introducen los valores de la
variable independiente) y pulsar el botn Continuar y el
botn Aceptar
Experimentos
SPSS: T de Student
La Prueba de Levene para la igualdad de varianzas (homogeneidad

de varianzas) indica si podemos o no suponer varianzas iguales
Si p (Sig) es mayor que 0.05 (en el ejemplo es 0.745), no podemos
rechazar la hiptesis nula, por lo que asumimos varianzas iguales
Se observa entonces el estadstico T con su nivel de significacin
bilateral. Si p (Sig) es menor o igual que 0.05 (en el ejemplo es
0.012), podemos rechazar la hiptesis nula de igualdad de medias.
Las diferencias entre las medias de la gravedad de las
vulnerabilidades en iOS y Android son significativas
t(9) = -3.160, p = 0.012
Experimentos
SPSS: Mann-Whitney U
Contnua
Categrica
Contnua
Categrica
Categrica
Experimentos
Mann-Whitney U
Prueba no paramtrica para comprobar la igualdad de las

dos distribuciones, esto es si dos poblaciones muestreadas
son equivalentes en su posicin.
Se utiliza como alternativa a la prueba T de Student, cuando
no se cumple el supuesto de normalidad en la distribucin
(escala)
Supuestos. Se debe asumir que las distribuciones tienen la
misma forma.
Experimentos
Mann-Whitney U
P (Sig) es menor que 0.05 (en

el ejemplo es 0.016 y 0.021
para las vulnerabilidades de
Android e iOS con el test de
Shapiro-Wilk)
Podemos rechazar la hiptesis
nula, por lo que no podemos
asumir que la variable sigue
una distribucin normal
Experimentos
Mann-Whitney U
Analizar/Pruebas no paramtricas/Muestras independientes

Seleccionar la pestaa Campos. En el cuadro Campos de
prueba, se aade la variable dependiente Gravedad de la
vulnerabilidad, y en Grupos, la variable independiente
Plataforma mvil. Finalmente pulsar el botn Ejecutar
Experimentos
Mann-Whitney U
En el ejemplo se observa que el valor p es mayor que 0.05,

lo que indica que no existen diferencias significativas, tal
como marca el campo Decisin Retener la hiptesis nula
U = 110, p = .093)
Experimentos
SPSS: T de Student (emparejadas)
Contnua
Categrica
Contnua
Categrica
Categrica
Experimentos
Evaluar el efecto de utilizar una nueva herramienta
de desarrollo de software H en el rendimiento de
los programadores (lneas por horas)
Variable dependiente: rendimiento de los programadores
Variable independiente: herramienta de desarrollo
Otras variables independientes: experiencia de los desarrolladores,
tipo de aplicacin
Utilizamos un tratamiento del factor: herramienta de desarrollo H
Objetos: las aplicaciones desarrolladas
Sujetos: los programadores que las desarrollan (aplican el
tratamiento)
Test: la persona N (sujeto) usa una plataforma (tratamiento) para
desarrollar una aplicacin A (objeto)
Experimentos
La prueba T de Student para muestras
relacionadas
Prueba paramtrica para comparar las medias
de dos variables cuantitativas de un solo
grupo. El procedimiento calcula las diferencias
entre los valores de las dos variables de cada
caso y contrasta si la media difiere de 0
Supuesto. Se cumple que las distribuciones de
las variables son normales. En el ejemplo, el
resultado del test de Shapiro-Wilk permite
asumir que las variables siguen una
distribucin normal
Experimentos
La prueba T de Student para muestras relacionadas
Analizar/ Comparar medias / Prueba T para muestras

relacionadas
Aadimos las dos variables, Lineas_Hora_Antes y
Lineas_hora_Despues, en Variables emparejadas y pulsar
el botn Aceptar
Experimentos
La prueba T de Student para muestras relacionadas
Se observa entonces el estadstico T con su nivel de

significacin bilateral. Si p (Sig) es menor o igual que 0.05
(en el ejemplo es 0.009), podemos rechazar la hiptesis nula
de igualdad de medias. Las diferencias entre las medias del
nmero de lneas de cdigo antes y el nmero de lneas de
cdigo despus de utilizar la nueva herramienta H son
significativas
t(10) = -3.200, p = 0.009
Experimentos
SPSS: Prueba de Wilcoxon
Contnua
Categrica
Contnua
Categrica
Categrica
Experimentos
Prueba de Wilcoxon para muestras emparejadas
La prueba de Wilcoxon para dos muestras relacionadas

compara las distribuciones de dos variables.
Se utiliza como alternativa a la prueba T de Student para
muestras relacionadas , cuando no se cumple el supuesto de
normalidad en la distribucin
(escala)
misma forma.
Experimentos
Prueba de Wilcoxon para
muestras emparejadas
P (Sig) es menor que 0.05 (en
el ejemplo es 0.008 y 0.007
con el test de Shapiro-Wilk)
asumir que las variables
siguen una distribucin normal
Experimentos
Analizar / Pruebas no paramtricas / Cuadros de dilogo antiguos

/ 2 muestras relacionadas
Aadimos
las
dos
variables,
Lineas_Hora_Antes
y
Lineas_hora_Despues, en Contrastar Pares y pulsar el botn
Aceptar
Experimentos
Se observa entonces el estadstico Z con su nivel de

significacin bilateral. Si p (Sig) es menor o igual que 0.05
(en el ejemplo es 0.002), rechazamos la hiptesis nula de
igualdad de medias. Las diferencias entre las medias del
nmero de lneas de cdigo antes y el nmero de lneas de
cdigo despus de utilizar la nueva herramienta H son
significativas
Z = -3.066, p = 0.002
Experimentos
SPSS: ANOVA de un factor
Contnua
Categrica
Contnua
Categrica
Categrica
Experimentos
ANOVA de un factor
El anlisis de varianza de un factor es una prueba

paramtrica que se utiliza para contrastar la hiptesis de
que varias medias son iguales. Se realiza un anlisis de
varianza de un factor para una variable dependiente
cuantitativa respecto a una nica variable de factor (la
variable independiente). Es posible conocer qu medias
difieren. Esta tcnica es una extensin de la prueba t para
dos muestras.
VI categrica con ms de dos valores. VD de intervalo o
razn (escala)
Supuestos: (1) Cada grupo es una muestra aleatoria
independiente procedente de una poblacin normal (2)
Grupos proceden de poblaciones con varianzas iguales
(homogeneidad de varianzas)
Experimentos
ANOVA de un factor
Plataforma mvil -> (Nombre: Plataforma_movil, Tipo de

variable: Numrica, Etiqueta: Plataforma mvil, Valores:
1= Android 2=iOS 3=Windows Phone, Medida:
nominal)
Experimentos
ANOVA de un factor
Si p (Sig) es mayor que 0.05 (en el

ejemplo es 0.830, 0.421 y 0.144
para
las
vulnerabilidades
de
Android, iOS y Windows Phone
utilizando el test de Shapiro-Wilk),
no podemos rechazar la hiptesis
nula, por lo que asumimos que la
variable sigue una distribucin
normal en cada grupo.
Experimentos
ANOVA de un factor
Analizar/ Comparar medias / ANOVA de un factor

Seleccionamos en Factor (la variable independiente que
debe ser nominal) la variable Plataforma mvil y en Lista
de dependientes la variable Gravedad de la vulnerabilidad
Experimentos
ANOVA de un factor
Pulsar en el botn Post hoc, activar la casilla Tukey y

pulsar Continuar (contraste realizado despus de haber
llevado a cabo el experimento para comparar las medias de
las variables dos a dos)
Pulsar en el botn Opciones, activar la casilla Prueba de
homogeneidad de las varianzas y pulsar Continuar
Finalmente pulsar el botn Aceptar
Experimentos
ANOVA de un factor
En la prueba de homogeneidad de varianzas si p (Sig)

es mayor que 0.05 (en el ejemplo es 0.321), no
podemos rechazar la hiptesis nula, por lo que
asumimos que provienen de poblaciones con varianzas
iguales
Se recurre al estadstico F de Snedecor, que en el
ejemplo es 25.27 y tiene un valor p asociado de 0.000
(es significativo). Por tanto, podemos decir que la
plataforma muestra asociacin con el nivel de gravedad
de la vulnerabilidad
F(2,15) = 25.270, p = .000
Experimentos
ANOVA de un factor
Al realizar las comparaciones entre pares, se observa que

existen diferencias significativas entre cualquier par de
plataformas (por ejemplo, p=0.005 entre iOS y Android)
Experimentos
SPSS: H de Kruskal-Wallis
Contnua
Categrica
Contnua
Categrica
Categrica
Experimentos
H de Kruskal-Wallis
La prueba H de Kruskal-Wallis, una extensin de la prueba U

de Mann-Whitney. Es el anlogo no paramtrico del anlisis
de varianza de un factor y detecta las diferencias en dos o
ms distribuciones, esto es, si tres o ms poblaciones
muestreadas son equivalentes en su posicin.
VI categrica con tres o ms valores. VD de intervalo o
razn (escala)
misma forma.
Experimentos
H de Kruskal-Wallis
P (Sig) es menor que 0.05 (en el

ejemplo es 0.016, 0.021 y 0.001
para las vulnerabilidades de
Android e iOS con el test de
Shapiro-Wilk)
asumir que la variable sigue una
distribucin normal
Experimentos
H de Kruskal-Wallis
Analizar/pruebas no paramtricas/Muestras independientes

Seleccionar la pestaa Campos. En el cuadro Campos de
prueba, se aade la variable dependiente Gravedad de la
vulnerabilidad, y en Grupos, la variable independiente
Plataforma mvil. Finalmente pulsar el botn Ejecutar
En el ejemplo se observa que el valor p (0.027 bajo la
columna Sig.) es menor que 0.05, lo que indica que existen
diferencias significativas, tal como marca el campo Decisin
Rechazar la hiptesis nula
2(2) = 8.520, p = 0.027
Experimentos
H de Kruskal-Wallis
Para ver entre qu grupos existen diferencias, hacer doble

clic sobre la tabla Resumen de prueba de hiptesis en el
visor de SPSS
A continuacin, se abre una nueva ventana donde debemos
seleccionar en el desplegable de la parte inferior que se
muestren los resultados de las parejas (elegir
Comparaciones por parejas).
Experimentos
H de Kruskal-Wallis
Se observan diferencias significativas entre Windows Phone

y Android
Experimentos
SPSS: ANOVA con medidas repetidas
Contnua
Categrica
Contnua
Categrica
Categrica
Experimentos
ANOVA con medidas repetidas
Una ANOVA con medidas repetidas es una prueba

paramtrica que se utiliza para comparar tres o ms medias
de grupos donde los participantes son los mismos en cada
grupo. Esto ocurre en dos situaciones: (1) cuando se miden
varias veces a los participantes con el fin de analizar los
cambios producidos por una intervencin; o (2) cuando los
participantes se someten a ms de una intervencin y se
quiere comparar la respuesta de cada una de estas
condiciones
razn (escala)
Supuestos: (1) Cada grupo es una muestra aleatoria
independiente procedente de una poblacin normal (2) las
varianzas de las diferencias entre todas las combinaciones
de los grupos relacionados deben ser iguales
Experimentos
Si p (Sig) es mayor que 0.05 (en

el ejemplo es 0.844, 0.670 y 0.096
no podemos rechazar la hiptesis
nula, por lo que asumimos que la
variable sigue una distribucin
normal en cada grupo.
Experimentos
Analizar/Modelo Lineal General/

Medidas Repetidas
En el campo Nombre del factor
intra sujetos reemplazar "factor1"
por el nombre de la variable
independiente (tiempo en nuestro
ejemplo)
Se introduce en Nmero de
niveles el nmero de veces que
se mide la variable dependiente
(en el ejemplo 3 veces: antes de
utilizar la herramienta H, justo
despus de utilizar la herramienta
H y 6 meses despus de utilizar la
herramienta H). Pulsar el botn
Aadir
Experimentos
Analizar/Modelo Lineal General/ Medidas Repetidas

Introducir la variable dependiente en el campo Nombre de
la medida (en el ejemplo LineasCodigo). Pulsar el botn
Aadir. Pulsar el botn Definir
Transferir Lineas_Hora_Antes", "Lineas_Hora_Despues" y
"Lineas_Hora_Tras6meses" a la caja Variables intrasujetos(tiempo)
Experimentos
Pulsar el botn Grficos. Transferir el factor Tiempo desde

la caja Factores hasta la caja Eje horizontal. Pulsar el
botn Aadir. Pulsar el botn Continuar
Experimentos
Pulsar el botn Opciones. Transferir el factor Tiempo

desde Factores e interacciones de los factores hasta
Mostrar las medias para
Marcar las casillas de verificacin Comparar los efectos
principales, Estadsticos descriptivos y Estimaciones del
tamao del efecto. Bajo el men desplegable Ajuste del
intervalo de confianza, seleccionar Bonferroni.
Pulsar el botn Continuar. Pulsar el botn Aceptar
Experimentos
Experimentos
El test de Mauchly no permite rechazar la hiptesis nula de

que las varianzas de las diferencias son iguales, puesto que
p (Sig) es mayor que 0.05 (en el ejemplo es 0.805)
Experimentos
Se recurre al estadstico F de Snedecor, que en el ejemplo

es 14.113 y tiene un valor p asociado de 0.000 (es
significativo). Por tanto, podemos decir que la herramienta H
tiene efectos en la productividad (nmero de lneas de
Correcciones en el
cdigo) del desarrollo de software
caso de violar la
esfericidad
F(2, 2) = 14.113, p < .000
Experimentos
Al realizar las comparaciones entre pares, se observa

que
existen
diferencias
significativas
entre
Lineas_Hora_Antes
y
"Lineas_Hora_Despues"
(p=0.028)
y
entre
Lineas_Hora_Antes
y
"Lineas_Hora_Tras6meses" (p=0.002), pero no entre
Lineas_Hora_Despues y "Lineas_Hora_Tras6meses"
(p= 0.121)
Experimentos
SPSS: ANOVA de Friedman
Contnua
Categrica
Contnua
Categrica
Categrica
Experimentos
ANOVA de Friedman
La ANOVA de Friedman es la alternativa no paramtricas a la

ANOVA con medidas repetidas que se utiliza para comparar
tres o ms medias de grupos donde los participantes son los
mismos en cada grupo
razn (escala)
Supuestos: (1) El grupo es una muestra aleatoria de la
poblacin, (2) La variable dependiente debe ser ordinal o
escala
Experimentos
ANOVA de Friedman
Si p (Sig) es menor que 0.05 (en el

ejemplo es 0.008, 0.007 y 0.015
podemos rechazar la hiptesis nula, por
lo que asumimos que la variable no sigue
una distribucin normal en cada grupo.
Experimentos
ANOVA de Friedman
Analizar / Pruebas no paramtricas / Cuadros de dilogo antiguos / k

muestras relacionadas
En el cuadro de dilogo Prueba para varias muestras relacionadas,
transferir
las
tres
variables,
Lineas_Hora_Antes,
Lineas_hora_Despues y "Lineas_Hora_Tras6meses a Variables de
contraste. Marcar la casilla de verificacin Friedman en el rea Tipo
de prueba. Pulsar el botn Aceptar
En el ejemplo, el valor del estadstico Chi-Cuadrado es 18.488 y tiene
un valor p asociado de 0.000 (es significativo). Por tanto, podemos
decir que la herramienta H tiene efectos en la productividad (nmero
de lneas de cdigo) del desarrollo de software
2(2) = 18.488, p = 0.000
Experimentos
ANOVA de Friedman
Para conocer las diferencias entre pares, se utiliza la prueba de los

rangos con signo de Wilcoxon
Experimentos
ANOVA de Friedman
Se
observa
que
existen
diferencias
significativas
entre
Lineas_Hora_Antes y "Lineas_Hora_Despues" (p=0.002) y entre
Lineas_Hora_Antes y "Lineas_Hora_Tras6meses" (p=0.003), pero no
entre Lineas_Hora_Despues y "Lineas_Hora_Tras6meses" (p= 0.132)
Z = -3.066, p = 0.002
Z = -2.965, p = 0.003
Z = -1.508, p = 0.132
Experimentos
SPSS: Correlacin de Pearson
Contnua
Categrica
Contnua
Categrica
Categrica
Experimentos
Coeficiente de correlacin de Pearson
Es una medida de la magnitud y direccin de la asociacin

entre dos variables mediante en una escala intervalo o razn
Supuestos: (1) Debe ser una relacin lineal; (2) la muestra
no deben incluir valores extraos (outliers) Cada grupo es una
muestra aleatoria independiente procedente de una poblacin
normal (3) cada variable procede de una poblacin normal
Experimentos
Coeficiente de correlacin
de Pearson
Para determinar si existe
una relacin lineal entre las
variables, utilizamos un
diagrama de dispersin.
Grficos/Generador
de
grficos. Pulsar el botn
Aceptar
En la pestaa Galera
seleccionar Dispersin/Pu.
Arrastrar el Diagrama de
dispersin simple al rea
de
previsualizacin
de
diagramas
Experimentos
Coeficiente
Pearson
de
correlacin
de
Transferir la variable independiente

(RendimientoAcademico) en el eje x,
y
la
variable
dependiente
(SatisfaccionEmpresa) en el eje y,
dentro del rea de previsualizacin
Para cambiar las etiquetas de los
ejes en el grfico, seleccionar X eje1,
Y eje2, en la ventana Propiedades
del elemento. Cambiar el texto en
Etiqueta del eje y pulsar el botn
Aplicar
Experimentos
Pulsar el botn Aceptar. Se puede observar una relacin

lineal, si elementos extraos apreciables
En el ejemplo, obsrvese el cambio de escala
Experimentos
Seleccionamos en la Lista de dependientes las dos
variables RendimientoAcademico y SatisfaccionEmpresa
Pulsar en el botn Grficos y marcar Grficos con
pruebas de normalidad y pulsar el botn Continuar y el
botn Aceptar
Si p (Sig) es mayor que 0.05 (en el ejemplo es 0.126, y
0.095 utilizando el test de Shapiro-Wilk), no podemos
rechazar la hiptesis nula, por lo que asumimos que la
variable sigue una distribucin normal en cada grupo
Experimentos
Analizar/Correlaciones/Bivariadas
Transferir
las
variables
SatisfaccionEmpresa
y
RendimientoAcademico a la caja Variables. Marcar la
casilla de verificacin Pearson. Pulsar el botn Aceptar
Experimentos
Transferir
las
variables
SatisfaccionEmpresa
y
En el ejemplo, la correlacin media encontrada (0.476) no
es significativa (p=0.139)
(r = .476, n = 11, p = .139)
Experimentos
SPSS: Correlacin de Spearman
Contnua
Categrica
Contnua
Categrica
Categrica
Experimentos
Coeficiente de correlacin de Spearman
Versin no paramtrica del coeficiente de correlacin de

Pearson. Es una medida de la magnitud y direccin de la
asociacin entre dos variables mediante en una escala
intervalo o razn
Supuestos: (1) Debe ser una relacin monotnica entre las
variables, esto es, cuando una variable se incrementa, la otra
variable (1) se incrementa o (2) se decrementa. Una relacin
monotnica es menos restrictiva que la relacin lineal; por
ejemplo la segunda figura no es lineal
Experimentos
Se puede observar una relacin monotnica
Experimentos
Seleccionamos en la Lista de dependientes las dos
variables RendimientoAcademico y SatisfaccionEmpresa
Si p (Sig) es mayor que 0.05 (en el ejemplo es 0.126, y
0.095 utilizando el test de Shapiro-Wilk), podemos rechazar
la hiptesis nula, por lo que asumimos que la variable no
sigue una distribucin normal en cada grupo
Experimentos
Transferir
las
variables
SatisfaccionEmpresa
y
casilla de verificacin Spearman. Pulsar el botn
Aceptar
Experimentos
Transferir
las
variables
SatisfaccionEmpresa
y
En el ejemplo, se observa una fuera correlacin positiva
(0.936) significativa (p=0.000) entre la satisfacin de la
empresa y el redimiento acadmico del trabajador
rs(9) = .936, p = .000
Experimentos
SPSS: Chi cuadrado
Contnua
Categrica
Contnua
Categrica
Categrica
Experimentos
SPSS: Chi cuadrado
Chi cuadrado de Pearson
Permite predecir la probabilidad de que una observacin

pertenezca una de las categoras de una variable dependiente,
a partir de una variable independiente categrica.
Esta prueba de bondad de ajuste compara las frecuencias
observadas y esperadas en cada categora para contrastar que
todas las categoras contengan la misma proporcin de valores
o que cada categora contenga una proporcin de valores
especificada por el usuario
VI categrica. VD categrica
Supuestos: (1) se asume que los datos son una muestra
aleatoria; (2) las frecuencias esperadas para cada categora
debern ser 1 como mnimo; (3) no ms de un 20% de las
categoras debern tener frecuencias esperadas menores que
5
Experimentos
SPSS: Chi cuadrado
Evaluar el nivel de CMMI en una empresa con finalizar el
proyecto en el plazo previsto
Variable dependiente: finalizar el proyecto en el plazo previsto
(finalizar en el plazo previsto, finalizar con un retraso menor que un
ao, finalizar con un retraso mayor que un ao)
Variables independiente: nivel de CMMI de la empresa (1, 2, 3, 4,
5)
Experimentos
SPSS: Chi cuadrado
Analizar/Estadsticos Descriptivos/Tablas de
contingencia
Analizar/Pruebas no paramtricas/Cuadros de
dilogo antiguos/Chi-cuadrado
Transferir
la
variable
independiente
NivelCMMI dentro de la caja Filas, y la
variable dependiente PlazoCumplido dentro de
la caja Columnas
Experimentos
SPSS: Chi cuadrado
Marcar la casilla de verificacin Chi-cuadrado. Pulsar el botn

Continuar. Pulsar el botn Aceptar
En el ejemplo se observa que todas los niveles de CMMI no
tienen la misma proporcin de proyectos terminados en plazo,
antes de un ao, y con retraso mayor que un ao (p = 0.000)
2(8) = 39.067, p = 0.000

Experimentación+en+SPSS 1

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Experimentación+en+SPSS 1

Uploaded by

Copyright:

Available Formats

Experimentacin en SPSS

Jos Luis Fernndez Alemn

Mster en Nuevas Tecnologas en Informtica

Tipos de estudios empricos

Tipos de estudios empricos

Permiten obtener conclusiones descriptivas y explicativas, esto es, entender a la

Casos de Estudio: son utilizados para monitorear proyectos o

Tipos de estudios empricos

variables que queremos estudiar para ver el efecto que

Variables independientes (factor, state, predictand)

variables cuyos valores son cambiados para estudiar su

Variables controladas (controlled)

variables independientes que son controladas en un nivel fijo

variables no controladas que varan simultneamente con las

Variables aleatorias (randomized)

Variables no controladas que se tratan como un error

Un determinado valor para un factor

Elementos sobre los que se aplican los tratamientos.

Personas que aplican los tratamientos a los objetos

Consiste en una serie tests (llamados trials) donde cada test

El hecho de corroborar las hiptesis conlleva a

= P(error de tipo I)=P(rechazar H0 | H0 cierta)

= P(error de tipo II)=P(aceptar H0 | H0 falsa)

Escala nominal: Se asocia a la entidad con un nombre o smbolo

Escala ordinal: Clasifica las entidades segn algn criterio de ordenacin

Escala intervalo: Permite clasificar a las entidades con la nocin de

La variables con escala nominal u ordinal se

Se define el nombre de cada variable, y el tipo de datos que

Plataforma mvil -> (Nombre: Plataforma_movil, Tipo de

Se introducen los datos de las distintas variables

Tests paramtricos vs. tests no paramtricos.

Tests paramtricos vs. tests no paramtricos.

Se basan en modelos que

Son ms generales que los

Caracterstica importante, especialmente en muestras

Prueba paramtrica para comparar las medias de una

Analizar/ Comparar medias / Prueba T para muestras

Pulsar en el botn Definir grupos e introducir en Grupo 1

La Prueba de Levene para la igualdad de varianzas (homogeneidad

t(9) = -3.160, p = 0.012

Prueba no paramtrica para comprobar la igualdad de las

P (Sig) es menor que 0.05 (en

Analizar/Pruebas no paramtricas/Muestras independientes

En el ejemplo se observa que el valor p es mayor que 0.05,

Analizar/ Comparar medias / Prueba T para muestras

Se observa entonces el estadstico T con su nivel de

t(10) = -3.200, p = 0.009

La prueba de Wilcoxon para dos muestras relacionadas

Analizar / Pruebas no paramtricas / Cuadros de dilogo antiguos

Se observa entonces el estadstico Z con su nivel de

El anlisis de varianza de un factor es una prueba

Plataforma mvil -> (Nombre: Plataforma_movil, Tipo de

Si p (Sig) es mayor que 0.05 (en el

Analizar/ Comparar medias / ANOVA de un factor

Pulsar en el botn Post hoc, activar la casilla Tukey y

En la prueba de homogeneidad de varianzas si p (Sig)

Al realizar las comparaciones entre pares, se observa que

La prueba H de Kruskal-Wallis, una extensin de la prueba U

P (Sig) es menor que 0.05 (en el

Analizar/pruebas no paramtricas/Muestras independientes

2(2) = 8.520, p = 0.027

Para ver entre qu grupos existen diferencias, hacer doble

Se observan diferencias significativas entre Windows Phone