Professional Documents
Culture Documents
2.1.6.-Valores Son los diferentes valores que puede tomar la variable. Se van aadiendo a
la lista, mediante el botn Aadir. Se pueden introducir modificaciones con los botones
Cambiar y Borrar.
Ejemplo En el caso de estar definiendo la variable sexo, los valores que puede tomar la
variable son dos: Mujer y Hombre, le asignamos a las mujeres un 1 y a los hombres un 2.
Al ir definiendo cada una de las variables del fichero, puede ocurrir que
queramos utilizar la misma opcin para ms de una variable. En lugar de ir definiendo
cada variable, se puede copiar la informacin de una (con Ctrl + C o Edicin + Copiar)
y pegarla en otra/s (con Ctrl + V o Edicin + Pegar).
Por ejemplo, si queremos utilizar los mismos "Valores" para ms de una
variable, basta definirlos para una, a continuacin se selecciona la celdilla que
corresponde la los Valores de esa variable, se pincha Ctrl + C o Edicin + Copiar, y se
selecciona el resto de variables que van a llevar los mismos valores (seleccionado con
el ratn las celdillas correspondientes a los valores), y se pincha Ctrl + V o Edicin +
Pegar. Esto puede hacerse con todas las opciones menos con el Nombre de la
variable.
Una vez que estn todas las variables definidas se meten los datos (la
operacin puede realizarse a la inversa, metiendo primero los datos y definiendo
despus las variables), el fichero de datos presentara un aspecto similar al de la figura
INDICE
RESULTADOS pasar por todos los dems.
La parte de la derecha, es la que muestra los
resultados de los anlisis efectuados.
8.2.2.- Dnde lo queremos exportar Hay que especificar dnde se quiere exportar
el visor de resultados, para lo que hay que ir a Exportar archivo.
Pulsando examinar, se accede a una pantalla en la que especificaremos
dnde queremos guardar el archivo y con qu nombre (si no se especifica nombre, el
programa por defecto lo llama OUTPUT.TXT).
9.2.- EN FORMATO HTML El archivo exportado puede ahora abrirse desde cualquier
ordenador que no tenga instalado el programa SPSS, ahora con formato HTML. Para
ello abriremos el procesadores de texto Word. Para abrirlo, accedemos a Archivo
Se da la opcin de mostrar / no
mostrar la tabla de frecuencias.
Para obtenerlas, debe estar
marcado ()
En esta pantalla se seleccionarn los Grficos La opcin ESTADSTICOS permitira
que se desean (se seleccionan conjuntamente seleccionar aquellos que se desee
para todas las variables seleccionadas) as incluir en los resultados (procedimiento
como los valores a partir de los que se generar similar al presentado en la opcin 1.-
el mismo. Anlisis descriptivo)
s
En una primera tabla
aparecen los estadsticos
ue
ei
d
p
pma
seleccionados
a a
para cada
0
0
0 N
Vuna de las variables
incluidas en el anlisis.
0
0
0 P
A continuacin se presentan las tablas de frecuencias, una para cada variable, en la que se aparece
la frecuencia directa, su porcentaje directo, as como el vlido (despus de eliminar valores
perdidos), y el acumulado.
cee
mu
eli
e
ud
7
00
0V
S
4
00
0P
6
00
0S
1
00
0B
6
00
0U
8
00
0U
8
00
0O
0
00T
ESTADSTICA PARAMTRICA:
PRUEBA T DE STUDENT
Interpretacin de resultados
En el visor de resultados encontramos dos tablas (aqu se presenta la segunda
en dos partes). En la primera tabla, el programa calcula los ESTADISTICOS DEL
GRUPO, concretamente la media, la desviacin tpica y el error tpico de medida de
cada categora de la variable independiente, sexo en este caso.
o s
v i
t a
m
e
N S
pd
e
3
8
0
0RM
7
9
6
4 H
3
8
8
1RM
7
0
2
5 H
3
0
6
7RM
7
3
2
2 H
3
7
5
7RM
7
5
8
9mH
3
7
4
2RM
7
3
2
9 H
A continuacin aparece una tabla que consta de dos partes, en la primera, el programa
realiza una prueba a priori, la F de Levene, para comprobar si existe o no homogeneidad de
varianzas (uno de los requisitos para aplicar pruebas paramtricas).
20
existen diferencias estadsticamente significativas en el Rendimiento de los alumnos
en Historia en funcin de la variable Sexo, con los resultados obtenidos, y trabajando a
un = 0,05, podemos aceptarla (porque 0,500 > 0,05) y afirmar que no existen
diferencias estadsticamente significativas entre hombres y mujeres en el
Rendimiento en Historia.
En las siguientes columnas, el programa nos ofrece los diferentes intervalos
confidenciales (nivel de confianza 95%) para cada una de las comparaciones.
tr a s
a i g u
In t e r
a n z a
of
ee rrree
t n
p
S(n
im
u
bf
gf
et
pe
iel
lr
ae
r
ed
RS ee
7
9.
0
.
3.
42
76
8
0161
0
v a r
No
7
7.
0
.
3.
42
46
3
2162
0
v a r
RS ee
8
9.
0
.
1.
47
41
8
2875
1
v a r
No
8
4.
0
.
1.
47
31
0
3876
2
v a r
RS ee
8
9.
9
.
1.
46
89
8
9627
9
v a r
No
8
0.
0
.
1.
46
50
2
1627
0
v a r
RS ee
2
9.
7
.
2.
30
54
8
0996
9
mv a a r
No
2
8.
7
.
2.
30
55
4
0997
0
v a r
RS ee
3
9.
9
.
0.
49
78
8
1243
1
v a r
No
3
3.
9
.
0.
49
88
2
0243
1
v a r
Para el resto de las Hiptesis Nulas planteadas Ho (2), Ho (3), Ho (4), Ho (5), podemos
aceptarlas ya que las probabilidades asociadas al estadstico t (0,702 - 0,699 - 0,470 -
0,891 respectivamente) son mayores que (0,05), por lo que:
No existen diferencias estadsticamente significativas en el Rendimiento de los
alumnos en Filosofa en funcin de la variable Sexo . Ho (2)
No existen diferencias estadsticamente significativas en el Rendimiento de los
alumnos en Idioma en funcin de la variable Sexo. Ho (3)
No existen diferencias estadsticamente significativas en el Rendimiento de los
alumnos en Matemticas en funcin de la variable Sexo Ho (4)
No existen diferencias estadsticamente significativas en el Rendimiento de los
alumnos en Dibujo en funcin de la variable Sexo Ho (5)
Contrastes Posteriores
En caso de haber encontrado diferencias significativas, y para ver hacia que direccin
de dan, se consulta la tabla ESTADSTICOS DE GRUPO, y en la columna MEDIA, se
puede ver qu grupo obtiene una media superior.
21
2.- PRUEBA T PARA MUESTRAS RELACIONADAS
Dentro del men Analizar, entramos en la opcin comparar medias y dentro de
esta opcin accedemos a Prueba T para muestras relacionadas. En este caso se trata
de comprobar si existen diferencias estadsticamente significativas entre la Capacidad
de Concentracin antes (de recibir un programa de entrenamiento de la concentracin
PEC), y la Capacidad de Concentracin despus (del PEC). Seleccionamos estas
variables porque estn medidas en nivel de razn.
La H0 planteada es que no existen diferencias estadsticamente significativas
entre la Capacidad de Concentracin antes y la Capacidad de Concentracin despus.
Interpretacin de resultados
Aparece en primer lugar una tabla que resumen la informacin de las variables
incluidas en el anlisis. Podramos haber metido ms de un par de variables, en los
resultados se identifican como Par 1, Par 2, etc.
i
t a
m
e
N pde
P
C
9
0
5
3
c
C
1
0
5
3
c
A continuacin aparece una tabla que nos proporciona la correlacin entre las
eN
ilg
P
C
c
0
4
0
C
c
variables:
22
Podemos ver que la correlacin es significativa (sig. = 0,000 < = 0,05) y muy alta
(ver prctica de correlacin)
Por ltimo aparece la tabla en la que se contrasta la hiptesis que ponamos en juego:
s t r
r e
e r
z
o ra
r
S
e
v ei
iga
e
p
a
ee
t
gdt
t
e
drp
e
PC
c
2
2
9
8
6
5
90a
d
d
Podemos ver que la probabilidad asociada al estadstico t es menos que , por lo que
rechazamos la H0 planteada y afirmamos que existen diferencias estadsticamente
significativas entre la Capacidad de Concentracin antes y la Capacidad de
Concentracin despus.
Contrastes posteriores
Una vez que hemos visto que las diferencias entre la capacidad de concentracin
antes y la capacidad de concentracin despus son significativas, puede interesar en
qu direccin se dan estas diferencias. Para ello, volvemos a la tabla primera que
proporciona el programa, y vemos en que variable a media es ms alta.
23
ESTADSTICA NO PARAMTRICA
Moses)
24
H0: No existen diferencias estadsticamente significativas en los intereses
profesionales de los alumnos en funcin del sexo.
Interpretacin de resultados
En los resultados aparece una tabla en la que se muestra el nmero de sujetos que
hay en cada categora de la variable independiente, el rango promedio y la suma de
n g
mn
mNg
S
3
9
0 I
M
7
7
0 d
H
0 T
rangos.
A continuacin encontramos la tabla en la que aparecen los estadsticos de contraste.
Aunque aparecen por defecto la U de Mann Whitney, W de Wilcoxon y la Z,
interpretaremos solo la primera de ellas, aunque como puede verse, la significatividad
asociada a los tres estadsticos es la misma.
As pues, en funcin de la probabilidad asociada al valor del estadstico U de Mann
Whitney, podemos concluir que no existen diferencias estadsticamente
significativas en los intereses profesionales de los alumnos en funcin del sexo,
ya que este valor (0,479) es mayor que (0,05)
a
d
e r
s
l u
0 U
0 W
7 Z
9 S
a
V
2.- PRUEBA NO PARAMTRICA PARA K MUESTRAS INDEPENDIENTES
Para el caso de ms de dos muestras independientes vamos a utilizar la
Prueba H de Kruskal-Wallis. Accedemos al men Analizar Pruebas no paramtricas
K muestras independientes Del mismo modo que el anterior contraste no pediremos
estadsticos descriptivos en el men opciones y seleccionaremos las variables
dependientes. En este caso vamos a utilizar como variables dependientes el nivel de
estudios y profesional de los padres, y como variable independiente, el nivel social de
la familia.
Interpretacin de resultados
En los resultados aparecen las siguientes tablas:
d
ue
eido
m
p
pma
aa
1
0
9
5 C
4
4
4
4 g
0
0
3
8 S
a
P
b
V
pe
ie d
En estas tablas aparecen las
M
frecuencias empricas (N observado),
H
T
que es cmo se distribuyen realmente
u los sujetos en las diferentes
categoras.
eie d
G A continuacin aparecen las
G
frecuencias tericas (N esperado),
G
G que es cmo se distribuiran al azar,
T igual nmero de sujetos en cada
categora.
i a
Aparecern tantas tablas como
peie d
B
variables se incluyan en el anlisis.
0
0
0
0 M
0 M
0
0
0 M
0
0 A
T
A continuacin aparece la tabla con los valores del estadstico Chi cuadrado, los
grados de libertad y la probabilidad asociada al estadstico.
Las probabilidades asociadas a los valores de chi cuadrado son 0,549 - 1,000 y 0,002,
en el caso de Sexo y del Grupo mayores que el valor de = 0,05, y en el caso de
Nivel Social Familiar, inferior a este valor, por lo que afirmamos que no existen
diferencias (mayores que las esperadas por azar) entre las diferentes categoras de
las variables Sexo y Grupo de Clase, y si que las hay en la variable Nivel Social
d
A partir de esta tabla se realiza el
s
contraste de hiptesis,
eui x
comparando
C la probabilidad
g
asociada a Chi-Cuadrado con el
S
al que estemos trabajando.
Familiar
ANALISIS DE VARIANZA
En el caso de querer tambin los contrastes posteriores, es decir, que adems de saber
si hay diferencias, saber hacia qu direccin se dan estas diferencias, hay que
especificarlo en este momento. Para ello, desde la ventana principal, entramos a la
opcin Post Hoc...
Interpretacin de resultados
En la primera tabla que aparece podemos contrastar las hiptesis nulas, siempre
comparando con la probabilidad asociada al estadstico F
N O V
ma
e d
d
Sdg
rF
r
ia
lg
1
3
00
3R
I
7
3
0 ne
40
6I
3 n
0
9T o
8
7
00
3R
I
0
2
0 ne
20
6I
7 n
0
9T o
4
6
60
3R
I
0
2
0 ne
20
6I
3 n
0
9T o
1
7
00
3R
I
3
2
0 ne
70
6m
I
3 n
0
9T o
8
1
00
3R
I
0
6
0 ne
10
6I
8 n
0
9T o
A la vista de los resultados presentados en la tabla, rechazamos las Ho 1 - 2- 4 y 5, y
afirmamos que:
Existen diferencias estadsticamente significativas en Rendimiento en Historia en
funcin del grupo al que pertenecen los alumnos. H0 (1)
Existen diferencias estadsticamente significativas en Rendimiento en Filosofa en
funcin del grupo al que pertenecen los alumnos. H0 (2)
Existen diferencias estadsticamente significativas en Rendimiento en Matemticas en
funcin del grupo al que pertenecen los alumnos. H0 (4)
Existen diferencias estadsticamente significativas en Rendimiento en Dibujo en
funcin del grupo al que pertenecen los alumnos H0 (5)
En todos los casos, la probabilidad asociada a F es menor que (0,000 en los 4 casos)
Por el contrario, en el caso de la H0 (3), si que aceptamos y afirmamos que No
existen diferencias estadsticamente significativas en Rendimiento en Idioma en funcin
del grupo al que pertenecen los alumnos, ya que la probabilidad asociada a F es menor
que (0,160)
Contrastes posteriores
Para comprobar hacia qu lado se dan las diferencias encontradas, vamos a la siguiente
tabla. A continuacin se presenta el extracto de dicha tabla correspondiente a la variable
o n
dependientes Rendimiento en Historia. e
S c
e n c Diferencia
oi
S V r
a ( ( i I)a t
s J g
R G G e significativa r
6
4
0 4 7 0 *
2
4
4 8 7 9 G
2
4
0 8 7 0 G *
6
4
0 4 7 0 G G * r
9
4
0 2 7 0 G *
Diferencia no
6
4
0 4 7 2 G
G G significativa r
2
4
4 8 7 9
9
4
0 2 7 0 G *
5
4
0 6 7 0 G *
2
4
0 8 7 0 G G * r
6
4
0 4 7 2 G
5
4
0 6 7 0 G *
6
5
1 8 R 8 4 G G e r
1
5
7 6 8 0 G
0
5
9 2 En la primera
8 9 columna aparece
G la diferencia de medias de cada categora de la
6
5
1 8
variable8 4
independiente G
con G
el resto, adjudicando al minuendo de la sustraccin el nombre r
4
5
7 8 8 7 G
6
5
8 (I), y al8
0 sustrayendo
5 el nombre (J),Gen la segunda columna (Diferencia de medias (I-J), se
1
5
7 6
presentan8 0
los resultadosG de dichaG diferencia. En el caso de aparecer un asterisco (*) al r
4
5
7 8 8 7 G
0
5
3
lado del
8 8
resultado,
3
y segn constaG a pie de tabla, la diferencia ser significativa. La
0
5
9 2 8 9 G G r
6
5
8 0 8 5 G
0
5
3 8 8 3 G
*
L .a
significatividad de la diferencia se ve igualmente en la columna Sig. en la que aparece la
probabilidad asociada a la diferencia. Como puede verse, para las probabilidades que no
son significativas (es decir, que son mayores que = 0,05), no aparece asterisco (*) en el
valor de la diferencia, y cuando no aparece el asterisco (*) en este valor, la probabilidad
no es significativa (su valor es mayor que = 0,05).
Como en el caso del Anlisis de Varianza Simple, este es el momento de pedir (si se
quieren) los contrastes posteriores, para lo que accedemos de nuevo a Post Hoc...
La hiptesis nula (Ho) que vamos a contrastar queda pues formulada en los
trminos siguientes: No existen diferencias estadsticamente significativas en el
Rendimiento Global obtenido por los alumnos en funcin del efecto conjunto de las
variables Grupo de clase al que pertenecen y Nivel Social de la Familia.
Interpretacin de resultados
La primera tabla que aparece en la salida nos muestra un resumen de los casos
incluidos en el estudio
n t e
qu e
vNa
5G1
G
5 2
G
5 3
G
5 4
G
4N1
B
s2
M o
3f a
o
6 3
M
4
M
7
o
5
0 A
e c
V
m a
der d
a
df
o
g F
F
i
r c
l
0
99
7
0 Ma
0
10
4
0 I n
5
38
5
0 G
7
44
6
9 N
2
21
1
5 G
0
09 E
0
0 T
0
9 T
a
R
La tabla proporciona tambin un ANOVA simple para cada una de las variables
independientes por separado. El estadstico F para el factor Grupo tiene una probabilidad
asociada de 0,000, a un nivel de significacin de 0,05, resulta significativo.
Por el contrario, el valor de la probabilidad asociada a F para la variable Nivel social es de
0,789 resultando no significativa para un valor de de 0,05.
Contrastes Posteriores
En las tablas siguientes pueden hacerse los contrastes posteriores, del mismo modo que
se hacan en el caso de ANOVA simple
o n e
V a
S c
e c
9 r 5e %n
n mt r e
i
e
i
oaf
p(i
(rc
s
e
I
iJ
)na
t
)
r
9
7
7 0
13G
2
2Gr r
0
0
5 0
118
2G* r
0
1
6 0
102
8G* r
9
7
7 0
13G
2
2Gr r
0
0
5 0
108
2G* r
0
1
6 0
122
8G* r
0
5
0 0
11G
2
8G* r
r
0
5
0 0
102
8G* r
0
9
4 0
102
8G* r
0
6
1 0
10G
8
2G* r
r
0
6
1 0
128
2G* r
0
4
9 0
108
2G* r
B a
*.
L a
o n e s
V a r
S c h
d e c o
e 9r 5
e %
n c
eLn t
m r ei t
d
nr
u
tii
e
oa
(f
p
( I
ir
J
s)
c
ei n
)a
tN
r(
f
4
3
59
98
78B
0M
870 a e j o
6
9
60
86
338M
526 e
1
2
38
90
333M
616 e
2
2
88
92
561A
253 l t o
3
4
59
97
88M
0B
807 ea d j
5
9
05
95
428M
967 e
1
4
09
09
529M
091 e
5
7
08
99
424A
983 l t o
9
6
60
83
63M
8B
562 ea d j
9
5
05
94
528M
976 e
7
6
02
09
524M
000 e
1
8
08
02
728A
026 l t o
2
1
38
93
03M
3B
661 ea d j
4
1
09
05
929M
019 e
6
7
02
05
924M
000 e
3
2
03
03
226A
037 l t o
2
2
88
95
26A
1B
235 lat o j
7
5
08
94
924M
938 e
8
1
08
07
228M
062 e
2
3
03
02
326M
073 e
B a s
3.- ANLISIS DE COVARIANZA
El anlisis de covarianza (ANCOVA) es una combinacin de las tcnicas de
regresin y anlisis de varianza, que se utiliza para comprobar la existencia de
diferencias estadsticamente significativas entre una variable independiente (ms de dos
grupos o categoras) y otra dependiente (nivel de medicin intervalo o razn), eliminando
la interaccin de una variable extraa que controlamos a travs de ste mtodo,
introducindola en el anlisis como COVARIABLE.
La suposicin especfica del ANCOVA es que la variable concomitante
(covariable) no debe ser afectada por los tratamientos, es decir, que los tratamientos
aplicados a las unidades experimentales para poder observar sus efectos en la variable Y
no deberan influir en los valores esperados de X.
Accedemos al anlisis de covarianza a travs del men Analizar Modelo Lineal
General Univariante.
Por lo tanto, la H0 queda formulada de la forma siguiente: No existen diferencias
estadsticamente significativas en el Rendimiento Global de los alumnos en funcin del
Grupo de clase al que pertenezcan, controlando la influencia del Nivel Social de la familia.
Interpretacin de resultados
De la tabla podemos deducir una serie de conclusiones (tantas como pruebas de
significatividad realizadas) que se presentan a continuacin:
1. Modelo corregido Se pone a prueba la existencia de diferencias estadsticamente
significativas en el Rendimiento Global obtenido por los alumnos en funcin del Grupo
al que pertenecen, controlando el efecto que pueda ejercer el Nivel Social Familiar. La
probabilidad asociada al estadstico F calculado es de 0,000 al ser un valor menor
que (0,05), rechazamos H0 y afirmamos que existen diferencias en el
Rendimiento Global obtenido por los alumnos en funcin del Grupo al que
pertenecen, controlando el efecto que pueda ejercer el Nivel Social Familiar
2. Interseccin En este caso se pretende comprobar la existencia de diferencias
estadsticamente significativas en el Rendimiento Global de los alumnos, provocadas
por la accin conjunta de las variables Grupo de Clase y Nivel Social Familiar. En este
caso, la probabilidad asociada a F es tambin de 0,000, y al ser menor que (0,05),
se rechaza H0, por lo que se confirma la existencia de diferencias
estadsticamente significativas en el Rendimiento Global de los alumnos,
provocadas por la accin conjunta de las variables Grupo de Clase y Nivel
Social Familiar
V
m a
e r d
a
df
go
FF
i
r c
l
5
4
42
0 Ma1
6
1
63
0 I 2
n
N
3
7
1
72
3
4
0
3
37
0 G
5
5
0 E
0
0 T
0
9 T
a
R
3. Por ltimo se hace un ANOVA con cada una de las variables independientes
utilizadas. En el primer caso (para la Variable Nivel Social Familiar) se acepta la H0 al
ser la probabilidad asociada a F mayor que (0,05) (para Nivel Social Familiar la
probabilidad asociada a F es de 0,533), por lo que no hay diferencias
estadsticamente significativas en el Rendimiento Global de los alumnos en
funcin del Nivel Social Familiar.
4. En el segundo caso se rechaza la H0 al ser la probabilidad asociada a F menor que
(0,05) (para Grupo de Clase la probabilidad asociada a F es de 0,000), por lo que
hay diferencias estadsticamente significativas en el Rendimiento Global de los
alumnos en funcin del Grupo de clase al que pertenecen.
CORRELACIN
COEFICIENTES DE CORRELACIN
- Pearson El coeficiente de correlacin de Pearson se utiliza cuando las
variables del anlisis estn medidas en nivel de intervalo o razn. En ambos
casos la interpretacin se hace igual.
- Spearman Utilizaremos el coeficiente de correlacin de Spearman cuando las
variables a relacionar estn medidas en nivel nominal u ordinal.
Vamos a calcular si existe correlacin entre las variables Nivel Educativo y Nivel
Profesional del Padre, y Nivel Educativo y Nivel Profesional de la Madre y su cuanta
en caso de haberla.
Una opcin muy til es la
que nos pregunta si
queremos que en los
resultados aparezcan
marcadas las correlaciones
significativas (tanto al 1%
como al 5%). (Se
recomienda marcar la
opcin () para facilitar la
Interpretacin de resultados
interpretacin de resultados
Una vez que tenemos las variables que queremos correlacionar, aceptamos y
en el visor de resultados aparecer una matriz en la que aparecen de nuevo los
siguientes datos:
- Coeficiente de correlacin Valor del coeficiente, que se interpreta segn la
tabla que aparece al principio de la prctica.
- Significatividad (Sig.) Es lo primero que hay que mirar, indica si la
correlacin es significativa, si el valor es menor que nuestro , entonces la
correlacin es significativa (no se debe al azar). Mediante la opcin Marcar
las correlaciones significativas, el programa seala con un asterisco (*) o
dos (**) las correlaciones que son significativas al 0,05 o al 0,01, indicando
a pie de tabla la clave de interpretacin.
- N Nmero de sujetos que intervienen en el anlisis
la c
u
o
otud
ffee
di o
s
a
mpp aa
m
a
REC hs
0
7
3600
90 *
c o
0
05 0
0.
0S
0
0
0000
00N
PC r
7
0
2400
53 *
c o
0
07032S
.
0
0
0000
00N
EC s
3
2
0995
02 *
c o
0
00033S
.
0
0
0000
00N
PC r
6
4
9003
20 *
c o
5
7
0 02
3 S.
0
0
0000
00N
*
L *
a
Vemos en este caso que existe correlacin significativa entre los Estudios del Padre y
su profesin, as como entre los estudios que ha realizado la madre y su profesin.
Las correlaciones son moderada en el primer caso y baja en el segundo.
En ambos casos la correlacin es negativa, es decir, que la relacin entre las variables
es inversa. Esto quiere decir que a medida que aumenta el valor de una variable
disminuye el de la otra. Para interpretar esto, slo hay que tener en cuenta cmo se
han categorizado las variables, vemos que se ha hecho de la siguiente forma:
NIVEL DE ESTUDIOS DEL PADRE/M ADRE NIVEL PROFESIONAL DEL PADRE/M ADRE
e l a c i
n d im
n
n
dn
d d
d
im
d
im
e im
im
im
nie
ie
n
h
n
fe
gilo
is
mlo
d
id t
sib
o
bio
o
RC eo n
2
0
7
71
30
01
60954
* *
***
ed ne
0
0
02
140
0Sig
2
.710
1
0
1
00
00
00
0N
0000
RC eo n
2
7
7
03
65
65
0373
*2 *
***
*
ed ne
0
0
04
01
0
0Sig
3
7
.1
0
1
0
1
00
00
0
0
0N
0
00
0
RC e
o n
0
1
2
30
24
0
8
30
54
8 **
ed ne
6
2
0
426
2
0
3Sig
50
.
4
N
1
0
1
00
00
0
0
00
00
0
RC eo n
3
3
5
62
02
9
3
75
08
*
0
******
md e
a t
0
1
0
020
7
0
7Sig
51
0
.
1
0
1
00
00
0
0
0N
0
00
0
RC eo n
0
0
6
54
20
5
2
34
80
*
3
* * *
*
edne
4
0
16
01
0
1Sig
0
10.
1
0
1
00
00
0
0
0N
0
00
0
RC eo n
6
1
0
58
32
4
0
28
03
*
0
**
**
**
***
gdlo
e b
0
0
00
00
0
0Sig
4
00 .
1
0
1
00
00
0
0
0N
0
00
0
*
L*.
a
*
L.a
correlacin de cada variable consigo misma.
En esta tabla podemos ver que existe correlacin (y muy alta en algunos
varias asignaturas.
REGRESIN
u a
c
a
a b b
n
t
uMEsta tabla a
o nos presenta las c
1P
variables
p que han sido
(
incluidas en el modelo, y el
P
Morden de inclusin de las
F
,de
pmismas (como es regresin
, 0
P
simple, solo se incluye una
F
s
variable)
, 1
a
V
a p
d
m
aR
eM
d
a
8
9
3 a
1
a
V
p
Ob
m
e a
d
S
dg
Fr
M
i
r g
a
l
2
1
27
01
R a
8
8
3 R
0
9 T
a
V
b
V
c a
i
f i c
e s
aen
ad r
S
oB
eMi
t
r g
7
0
2
0 1
(
M
2
8
2
3
0
d
a
V
Seleccionamos, como en el
caso de Regresin Simple, el
mtodo de Pasos Sucesivos
INTERPRETACIN DE RESULTADOS
u a
c i
a ab b
d
i u
M
t
n o c a o
d
En esta primera tabla se presentan las
1 P
pvariables que han sido incluidas en el a
( c
Pmodelo, y el orden de inclusin de las
F
I nmismas
, e n
g e
, 0
P
FTenemos dos modelos, el primero (1)
s a
con la variable independiente
, 1
2 PInteligencia General y el segundo (2)
p a
(con las variables
c independientes
PInteligencia General + Motivacin
M F
,
d eDespus del Programa. e n
p , 0 r
P
F Aunque habamos seleccionado en
s a
,primer lugar la 1
Motivacin Despus del
a
V . a
Programa, en el anlisis ha entrado
antes la Inteligencia General porque
explica mayor porcentaje de los
cambios en la variable dependiente
(Rendimiento Global)
Recordar que hemos elegido el mtodo de Pasos Sucesivos que, frente al de
Introducir (que introduce todas las variables independientes a la vez), va
introducindolas una por una.
a p
d
m
a
ReMd
a
8
7
2
5 1a
5
5
6
2 2b
a
V
b
V
M
c
O
m
e ad
S
dg
r
FM
r
ial
g
1
R a
5
1
50
0
5
8
2 R
0
9 T
6
2
30
02
R b
4
7
8 R
0
9 T
a
V
b
V
p
c
V
c a
i
f i c
e s
aen n
a
d r
S
oB
e
M r
i
t g
5
8
51
0( C
5
5
8
00I n
6
2
72
0( C
3
5
9
80I n
M
2
4
2
30
d
a
V
En la ltima tabla aparecen las variables que han quedado excluidas del
anlisis. La exclusin no tiene que deberse forzosamente a que la variable no sea
importante a la hora de explicar los cambios de la variable dependiente, simplemente
querr decir que su aportacin a la explicacin de los cambios de la variable
dependiente ya est explicada por otras variables incluidas, y que su inclusin puede
resultar redundante. En este caso se ha excluido finalmente la Motivacin Despus del
Programa porque como puede verse en la tabla-resumen del modelo, su contribucin
al Rendimiento Global es muy pequea.
b
e
a d
s
n e
a
e ld
d
r
i
M
t g
c
a
1M
a
2
3
0
3
1
d
a
V
b
V
ANLISIS FACTORIAL
En la opcin mtodo de
ROTACIN de los factores,
aparecen varios mtodos, de
entre los que elegiremos el
Varimax.
Respecto a la
EXTRACCIN de los
factores, el mtodo de
Componentes Principales
es el que vamos a utilizar.
- La opcin DESCRIPTIVOS nos permite especificar al programa si queremos que
en la salida aparezcan la solucin inicial y estadsticos univariados, as como lo
que queremos que aparezca en la matriz de correlaciones (coeficientes, niveles de
significacin, matriz inversa, reproducida o anti-imagen, determinante y la prueba
de Barlett) para elegir cualquiera de ellos, basta con seleccionarlos ().
- La opcin PUNTUACIONES, nos permite obtener las puntuaciones factoriales de
los sujetos, para ello, seleccionamos la opcin y elegimos el mtodo de Barlett. Las
puntuaciones factoriales de cada sujeto en cada factor aparecern al final del
fichero de datos como nuevas variables con el nombre factndel factor_ n de
anlisis.
Interpretacin de resultados
a l i d
i
a c ci a
c
06E d
03S e
05G r
01R e
04R e
La tabla de comunalidades nos
07R e
03R indica cmo e est representada
R e
02
m cada una de las variables en laa
06R e
solucin factorial (utilizamos el
06E s
05P criterio > 0,60r para establecer o
06E que las variables
s estn bien
07P r o
08N representadasi en la solucin v
S i t
04 factorial)
a l u
I n t
07
a l u
C a
09
c o
C a
01
c o
M o
08
p r o
M o
05
p r o
M
La tabla de Varianza total explicada nos informa del nmero total de factores
(componentes) extrados, as como de la varianza explicada por cada factor en la
solucin factorial, tanto antes como despus de la rotacin. En esta tabla podemos ver
o ta l
u
u ra
ra c
c
a
re
e xro
st rai
t
%
% d dede e l
T
c
a
uo
T
c
i
ri
uo
a
C
ri
mt
u
o
am
at
n
am
o
at
n
ul
z
anu
8
69
8
8
62
2
3
23
61
2
26
22
3
07
5
3
17
3
7
50
12
3
54
13
5
62
2
5
53
3
9
89
53
3
88
15
8
36
2
8
62
9
0
70
64
9
72
83
9
64
1
9
26
2
3
83
25
2
87
58
2
76
2
2
42
1
2
06
46
1
04
20
4
78
2
4
59
5
8
54
57
5
57
45
496
0 8
380
0 9
041
1 1 0
648
9 1 1
835
3 1 2
054
7 1 3
476
4 1 4
900
3 1 5
522
5 1 6
357
2 1 7
168
0 1 8
029
0 1 9
054
0 2 0
M
cules son los factores significativos, que sern aquellos cuya varianza explicada
sea mayor que 1.
Han salido siete factores significativos que explican el 69,745%
(19,632+11,371+9,691+7,608+7,335+7,7122+6,984) de la varianza total. La varianza
total de la solucin factorial es igual al nmero de variables incluidas en el anlisis; en
nuestro caso, la varianza total es 20.
A continuacin aparece la tabla con las cargas factoriales de las variables,
primero sin rotar y despus rotadas (que es la que tenemos que interpretar). Los
a
pon
m p o n
1
234
5
67
3
0
44
-
72
9
2
0Ed
1
561
2 a
0
3
-5
-
02
0
2
0Se
2
222
2 x
2
1
4
-9
83
0
7
3G
5
802
3ru
2
0
1
00
07
9
2
5R
2
323
8e
7
2
-1
-
77
0
3
0R
2
262
2e
0
0
-0
-
06
0
2
0R
2
222
2e
8
0
00
-
02
7
2
0R
2
222
2e
R e
3
8
3
00
10
0
4
12
329
5
m a
1
8
2
94
60
6
8
2R
7
675
5e
8
1
0
-0
02
0
5
2Es
2
222
3 t
6
1
0
-0
02
0
8
1Pr
2
322
9 o
1
0
7
00
12
1
2
7Es
2
589
1 t
0
6
0
-5
22
0
4
5Pr
2
632
4 o
4
0
-0
-
03
0
6
0N
2
232
2i v
Si t u
2
1
2
-7
02
0
1
70
422
0
a l u
In t e
1
0
20
-
91
9
2
08
271
2
a l u
C a
0
9
-0
-
52
0
2
08
212
2
co n
C a
0
2
-0
-
53
0
2
04
273
2
co n
M o
3
6
2
02
28
1
4
02
422
2
p ro
M o
3
2
1
09
35
4
9
53
737
8
p ro
pesos factoriales sern significativos a partir de 0,30.
A partir de los pesos significativos de las variables en los factores, iramos
dando la naturaleza al factor, es decir, ponindole nombre. En este anlisis se ha
reducido la informacin de 20 variables a 7 factores
PUNTUACIONES FACTORIALES
En caso de haber solicitado al programa las puntuaciones de cada sujeto en
cada factor, al final del fichero de datos aparecern unas variables nuevas, con el
aspecto que se muestra a continuacin:
ANLISIS DE COVARIANZA
Interpretacin de resultados
De la tabla podemos deducir una serie de conclusiones (tantas como pruebas de
significatividad realizadas) que se presentan a continuacin:
5. Modelo corregido Se pone a prueba la existencia de diferencias estadsticamente
significativas en el Rendimiento Global obtenido por los alumnos en funcin del
Grupo al que pertenecen, controlando el efecto que pueda ejercer el Nivel Social
Familiar. La probabilidad asociada al estadstico F calculado es de 0,000 al ser un
valor menor que (0,05), rechazamos H0 y afirmamos que existen
6. diferencias en el Rendimiento Global obtenido por los alumnos en funcin
del Grupo al que pertenecen, controlando el efecto que pueda ejercer el Nivel
Social Familiar
7. Interseccin En este caso se pretende comprobar la existencia de diferencias
estadsticamente significativas en el Rendimiento Global de los alumnos,
provocadas por la accin conjunta de las variables Grupo de Clase y Nivel Social
Familiar. En este caso, la probabilidad asociada a F es tambin de 0,000, y al ser
menor que (0,05), se rechaza H0, por lo que se confirma la existencia de
diferencias estadsticamente significativas en el Rendimiento Global de los
alumnos, provocadas por la accin conjunta de las variables Grupo de Clase
y Nivel Social Familiar
V
m a
e r d
a
df
go
FF
i
r c
l
5
4
42
0 Ma1
6
1
63
0 I 2
n
N
3
7
1
72
3
4
0
3
37
0 G
5
5
0 E
0
0 T
0
9 T
a
R
8. Por ltimo se hace un ANOVA con cada una de las variables independientes
utilizadas. En el primer caso (para la Variable Nivel Social Familiar) se acepta la
H0 al ser la probabilidad asociada a F mayor que (0,05) (para Nivel Social
Familiar la probabilidad asociada a F es de 0,533), por lo que no hay diferencias
estadsticamente significativas en el Rendimiento Global de los alumnos en
funcin del Nivel Social Familiar.
9. En el segundo caso se rechaza la H0 al ser la probabilidad asociada a F menor
que (0,05) (para Grupo de Clase la probabilidad asociada a F es de 0,000), por
lo que hay diferencias estadsticamente significativas en el Rendimiento
Global de los alumnos en funcin del Grupo de clase al que pertenecen.
ANLISIS DE TEMS: ITEMAN
EL FICHERO DE DATOS
El programa ITEMAN funciona bajo MS-DOS, por lo que los datos deben
introducirse con formato ASCII (texto), por ejemplo desde el editor del DOS,
Word Pad o Bloc de Notas de Windows. El fichero de datos va a tener un
Las cuatro primeras lneas del fichero de datos son fundamentales y debe
extremarse la atencin al escribirlas, que cualquier error en ellas (un espacio
de ms o de menos, un punto, etc.) puede hacer que el programa no se ejecute
o lo haga de forma incorrecta.
La primera lnea est formada por 10 columnas que indican lo siguiente:
Columnas 1 a 3 Nmero de tems de que consta el test (mximo
250 tems). En el ejemplo anterior, el test consta de 80 tems, observar
que la primera columna queda en blanco, hubiera sido igual poner 035,
pero siempre respetando las tres columnas.
Columna 4 Espacio en blanco.
Columna 5 Cdigo para las respuestas omitidas (en el Fichero del
ejemplo, el 9 es el valor que se asigna a los tems no contestados).
Columna 6 Espacio en blanco
Columna 7 Cdigo para los tems no alcanzados. Especialmente
importante cuando se trata de test de velocidad, es el valor que se asigna a
los tems que no han sido alcanzados por el alumno por falta de tiempo (en el
Fichero del ejemplo, el 8 es el valor que se asigna a estos tems, pero no
aparece ninguno porque no se trata de una prueba de velocidad).
Columna 8 Espacio en blanco
Columnas 9 y 10 Nmero de caracteres utilizados para identificar a
los sujetos. En el fichero de ejemplo se especifica un 3 porque se utilizan las
dos primeras para enumerar del 1 al 50 y una ms de separacin entre la
identificacin y los datos, total, 3 columnas.
En la segunda lnea se especifica la clave de correccin, la alternativa correcta
de cada tem. Debe haber tantos dgitos como tems.
En la tercera lnea se indica el nmero de alternativas que hay para cada uno
de los tems del test. En el fichero del ejemplo cada tem tiene 4 alternativas
En la cuarta lnea se especifican los tems que entran en el anlisis. Y significa
que el tem se analizar; N significa que no se analizar. Debe haber tantos Y/N
cono tems en el test. En el fichero de ejemplo se pide el anlisis de los 80 tems.
A partir de la quinta lnea se empiezan a escribir los datos.
ITEMAN pregunta si se quiere un fichero con los estadsticos (Do you wnat to write
statistics to a external file?). En este caso, diremos al programa que NO, pero si se
quieren, el programa pide que se le especifique el nombre (por ejemplo a:estadis)
Al pulsar INTRO, sale una pantalla en la que hay que especificar las opciones de
configuracin del anlisis. En nuestro caso vienen sealadas por defecto, as que
Una vez terminado el anlisis, aparece una barra roja que dice ***ITEM
ANALYSIS COMPLETE***. Para ver los resultados, puede pulsarse directamente F2
para acceder al editor de ITEMAN o abrir el archivo desde el Word Pad
LOS RESULTADOS
EN la salida encontramos, en primer ligar, informacin referida al programa
(versin, ao, etc.). A continuacin los detalles especficos del anlisis:
******************** ANALYSIS SUMMARY INFORMATION ********************
Scale: 0
-------
Type of Scale DICHOT
N of Items 80
N of Examinees 50