1. 2. 3. 4. 5. 6. 7. 8. 9. Contraste de hiptesis sobre el valor de la media Contraste de hiptesis sobre dos medias independientes Contraste de hiptesis acerca de dos medias relacionadas Anova de un factor medidas independientes Anova de una factor: medidas repetidas Anlisis de varianza de dos factores: medidas independientes. Anlisis de varianza de dos factores: medidas repetidas. Correlacin Regresin lineal mltiple
Gua de SPSS
Pgina 1
1. Contraste de hiptesis sobre el valor de la media Ejemplo. Archivo lectura.sav 1. Analizar -> Comparar medias -> Prueba T para una muestra
2. Seleccionar la variable a llevndola a la derecha: Edad 3. Indicar el valor de prueba de H0: 120 4. Aceptar
5. Obtenemos: Error tpico de la media: Valor del estadstico de contraste: Nivel de significacin bilateral: Como el nivel de significacin es menor que 0,05, rechazamos la H 0, y aceptamos la hiptesis alternativa que dice que la media de edad es distinta de 120.
Gua de SPSS
Pgina 2
Gua de SPSS
Pgina 3
2. Contraste de hiptesis sobre dos medias independientes Spss siempre utiliza la prueba t para estudiar la diferencia de muestas independientes, y no hay que indicarle cmo son las varianzas ni sus valores. Ejemplo: 1. Analizar -> Comparar medias -> Prueba T para muestras independientes
2. Seleccionar la variable llevndola a la derecha: Cociente intelectual 3. Indicar la variable de agrupacin: Grupo 4. Definir los grupos: 1(dislxico), 2 (control) 5. Aceptar
Gua de SPSS
Pgina 4
6. Obtenemos:
Gua de SPSS
Pgina 5
3. Contraste de hiptesis acerca de dos medias relacionadas Ejemplo. Archivo lectura.sav 1. Analizar -> Comparar medias -> Prueba T para muestras relacionadas 2. Trasladar antes y despus a variables emparejadas: TR y TR2
3. Aceptar.
Gua de SPSS
Pgina 6
4. Obtenemos
Errores tpico de la media: 35,718 y 32,707 Correlacin de muestras relacionadas: 0,861 H0: = 0 H1: 0 Como el nivel de significacin es menor que 0,05 rechazamos H 0 y aceptamos que existe correlacin entre las puntuaciones de los sujetos antes y despus. Error tpico de la diferencia: Significacin bilateral: Como el nivel de significacin es menor que 0,05, rechazamos la H 0, y aceptamos que hay diferencias en las puntuaciones de los sujetos antes y despus del programa de intervencin. Intervalo de confianza para la diferencia de medias: Rechazamos H0 si el I.C. no incluye el 0
Gua de SPSS
Pgina 7
En el archivo lectura hemos creado la variable grupo inteligencia con 3 valores: 1 Normal, 2 Alta y 3 Muy Alta. Comprobar si existen diferencias en el TR de lectura de palabras (TR palabras) segn el grupo de inteligencia. 1.Men Analizar -> Comparar Medias -> Anova de un factor
Llevamos TR lectura de palabras como VD, y como factor Grupo CI. En Opciones pedimos: descriptivos, prueba de igualdad de varianzas y grficos de las medias En Post hoc pedimos: Scheff (prueba a posteriori de comparaciones mltiples que permite conocer entre qu pares de medias existen diferencias en caso de rechazarse H0). 2.En la ventana de salida tenemos:
Gua de SPSS
Pgina 8
-Estadsticos descriptivos
Dado que el nivel de significacin es grande, aceptamos H 0 y concluimos que las varianzas son iguales.
Gua de SPSS
Pgina 9
-Anova:
SC, g.l., M.C., F y nivel de significacin. Interpretar -Grficas de las medias segn tratamiento
Gua de SPSS
Pgina 10
Realizaremos el ejercicio anterior introduciendo los mismos datos en SPSS. 1. Men Analizar -> Modelo lineal general -> Medidas repetidas
Escribimos el nombre del factor intrasujetos (tratamiento), el nmero de niveles (4) y damos al botn Aadir.
Gua de SPSS
Pgina 11
Para ello, debemos seleccionar los cuatro niveles a la izquierda (T1, T2, T3 y T4) y llevarlos aVariables intra-sujeto a la derecha con el botn correspondiente. 3. En Grficos pediremos en el eje horizontal tratamiento y le damos al botn aadir.
4. En Opciones pediremos: Mostrar las medias para tratamiento, estadsticos descriptivos y pruebas de homogeneidad.
Gua de SPSS
Pgina 12
Gua de SPSS
Pgina 13
Este tipo de contraste para el ANOVA medidas repetidas son menos potentes y no requieren la prueba de esferecidad. Se interpretan mirando la columna de significaciones. Si sus valores son <0,05, se rechaza H 0 5.3. Contrastes univariados: Estos contrastes son ms potentes, requieren realizar previamente la prueba de esfericidad de los errores y permiten distinguir los efectos intrasujetos (medidas repetidas) de los efectos intersujetos (medidas independientes).
Gua de SPSS
Pgina 14
La prueba de esfericidad pretende contrastar si se cumple uno de los supuestos bsicos del ANOVA: la independencia de errores debidos a los sujetos:
En la prueba de efectos intrasujetos se contrastan las hiptesis del ANOVA: Si se asume esfericidad se tiene en cuenta slo la primera lnea del tratamiento y del error, si no se asume la esfericidad, se tienen en cuenta las 3 lneas siguientes. Se pueden observar las sumas cuadrticas, medias cuadrticas, estadstico de contraste y significacin. Dado que la significacin es 0,000 para esfericidad asumidad, rechazamos H0 en el ANOVA.
Gua de SPSS
Pgina 15
La prueba de contrastes intrasujetos permite conocer el tipo de relacin entre el factor y la V.D.: lineal, cudrtica o cbica. En el ej. (se rechaza con sig=0,000, se puede asumir rel. lineal) (se rechaza con sig=0,002, se puede asumir rel. cuadrtica) (no se rechaza con sig=0,767, no se puede asumir rel. cbica)
La prueba de efectos intersujetos pretende conocer si la media poblacional del modelo ( , la lnea base de la que parten todas las puntuaciones de los sujetos) es cero: Y = + + B + E
ij j i ij
Gua de SPSS
Pgina 16
Gua de SPSS
Pgina 17
Archivo: salarios.sav 1. Men Analizar -> Modelo Lineal General -> Univariante
3. En grficos le pedimos la interaccin entre los 2 factores. Eje horizontal: estudios. Lneas separadas: sexo
Gua de SPSS
Pgina 18
5. En Opciones: mostrar las medias para sexo, estudios y sexo*estudios. Marcamos: descriptivos, tamao del efecto, y pruebas de homogeneidad. Resultados:
Factores inter-sujetos Etiqueta del valor sexo 1 2 estudios 1 2 Hombre Mujer Licenciado No licenciado N 20 20 20 20
Gua de SPSS
Pgina 19
Estadsticos descriptivos Variable dependiente:salario sexo estudios Media Hombre Licenciado No licenciado Total Mujer Licenciado No licenciado Total Total Licenciado No licenciado Total 30,6000 26,9000 28,7500 23,7000 15,4000 19,5500 27,1500 21,1500 24,1500 Desviacin tpica 9,65171 8,65961 9,12414 5,63816 4,90351 6,67655 8,46836 9,03953 9,16389 N 10 10 20 10 10 20 20 20 40
Contraste de Levene sobre la igualdad de las varianzas errora Variable dependiente:salario F 2,827 gl1 3 gl2 36 Sig. ,052
Contrasta la hiptesis nula de que la varianza error de la variable dependiente es igual a lo largo de todos los grupos. a. Diseo: Interseccin + sexo + estudios + sexo * estudios
Gua de SPSS
Pgina 20
Pruebas de los efectos inter-sujetos Variable dependiente:salario Origen Suma de cuadrados tipo III Modelo corregido Interseccin sexo estudios sexo * estudios Error Total Total corregida 1259,300a 23328,900 846,400 360,000 52,900 2015,800 26604,000 3275,100 gl 3 1 1 1 1 36 40 39 Media cuadrtica 419,767 23328,900 846,400 360,000 52,900 55,994 F 7,497 416,629 15,116 6,429 ,945 Sig. ,001 ,000 ,000 ,016 ,338 Eta al cuadrado parcial ,385 ,920 ,296 ,152 ,026
1. sexo Variable dependiente:salario sexo Media Hombre Mujer 28,750 19,550 Error tp. 1,673 1,673 Intervalo de confianza 95% Lmite inferior 25,357 16,157 Lmite superior 32,143 22,943
2. estudios Variable dependiente:salario estudios Media Licenciado No licenciado 27,150 21,150 Error tp. 1,673 1,673 Intervalo de confianza 95% Lmite inferior 23,757 17,757 Lmite superior 30,543 24,543
Gua de SPSS
Pgina 21
3. sexo * estudios Variable dependiente:salario sexo estudios Media Hombre Licenciado No licenciado Mujer Licenciado No licenciado 30,600 26,900 23,700 15,400 Error tp. 2,366 2,366 2,366 2,366 Intervalo de confianza 95% Lmite inferior 25,801 22,101 18,901 10,601 Lmite superior 35,399 31,699 28,499 20,199
Gua de SPSS
Pgina 22
7.
Anlisis de varianza de dos factores: medidas repetidas. En este estudio se va a estudiar la influencia del mtodo de estudio y el
estilo del profesor sobre el rendimiento en la asignatura de matemticas y la de lenguaje: Cada participante pas por todas las condiciones posibles del experimento, as que se trata de un diseo de medidas repetidas con las siguientes variables: Mtodo de estudio: 2 niveles (1-supervisado y 2-libre) Estilo del profesor: 2 niveles (1-autoritario y 2- participativo) Asignatura (1-matemticas y 2-lenguaje)
Para comprobar si existen efectos principales de cada una de las variables, adems de interacciones entre ellas, realizamos el ANOVA de medidas repetidas siguiendo los siguientes pasos: Analizar -> Modelo lineal general -> Medidas repetidas Definir los 3 factores (m, e, a) con dos niveles cada uno
Gua de SPSS
Pgina 23
Gua de SPSS
Pgina 24
Gua de SPSS
Pgina 25
- Prueba de esfericidad de Mauchly: Comprueba la H0 de si las covarianzas de errores son iguales a cero (esfericidad)
Gua de SPSS
Pgina 26
Gua de SPSS
Pgina 27
Analizamos la significacin que corresponda a si hay esfericidad o no, para cada factor e interacciones para contrastar la H0 de si las medias por condicin de factor son iguales o no. - Prueba de contrastes intra-sujetos para conocer la relacin entre los niveles de cada factor y la V.D. (lineal, cuadrtica, cbica).
- Prueba de los efectos intersujetos para comprobar la H 0 de si la media poblacional del modelo es cero o no.
Gua de SPSS
Pgina 28
En este caso resultan significativos los factores "mtodo" y "asignatura". Podemos ir a las medias marginales para conocer la media por condicin.
Gua de SPSS
Pgina 29
8.Correlacin Archivo: lectura.sav Correlacin simple: Ej. calcular qu variable correlaciona ms con el TR lectura de palabras 1.Men Analizar -> Correlaciones -> Bivariadas Llevamos aquellas variables cuya correlacin desemos calcular ej: TR palabras, TR denominacin, CI, memoria verbal y numrica.
Encontramos que las variables que ms correlacionan con TR lectura palabras son: denominacin de colores (positivamente) y memoria verbal (negativamente). Aquellas cuya correlacin es signicativa aparecen marcadas con * y tienen una significacin pequea que nos permite rechazar H 0
Gua de SPSS
Pgina 30
Correlacin parcial Men Analizar -> Correlaciones -> Parciales. En Variables: TR palabras y TR denominacin. En Controlando: CI Ej: Qu correlacin hay entre TR lectura de palabras y TR denominacin una vez eliminada la influencia del CI de ambas? Rxy= 0,552 (Correlacin simple)
Correlaciones Variables de control TR palabras Cociente intelectual TR palabras Correlacin Significacin (bilateral) gl TR palabras tras programa lectura Correlacin Significacin (bilateral) gl . 0 ,837 ,000 . 37 0 1,000 TR palabras tras programa lectura ,837 ,000 37 1,000
Tras eliminar la influencia del CI, la correlacin sube hasta 0,837. Es decir, una vez eliminado el efecto del CI sobre el TR de lectura y del TR denominacin, la relacin entre esas variables sube a 0,837
Gua de SPSS
Pgina 31
9.Regresin lineal mltiple Archivo: lectura.sav Ejemplo: Vamos a intentar predecir el TR de lectura de palabras a partir del TR denominacin, la memoria verbal, la memoria numrica y el CI. Men Analizar -> Regresin -> Lineales: VD: TR lectura VVII: TR denominacin, la memoria verbal, la memoria numrica y el CI. Mtodo: Pasos sucesivos. Si no construye ningn modelo se usa el mtodo "Enter" En Estadsticos le pedimos: Ajuste del modelo, cambio en R cuadrado, correlaciones parciales y semiparciales.
Aqu aparece el modelo construido: slo como predictora TR denominacin. R cuadrado: proporcin de varianza explicada: 0,305. Corregida: 0,286 Cambio en R cuadrado: 0,305, ya que es la primera variable que entra. Significacin del cambio: sig=0,000, por tanto, la introduccin de la var. es significativa.
Gua de SPSS
Pgina 32
ANOVAb Modelo Suma de cuadrados 1 Regresin Residual Total 331132,262 756054,713 1087186,975 gl 1 38 39 Media cuadrtica 331132,262 19896,177 F 16,643 Sig. ,000a
Aqu aparece la tabla resumen del ANOVA del modelo de recta de regresin construido: el modelo es significativo.
Aqu aparecen los coeficientes de la recta de regresin: Y=826,118+0,789.X Si hubiera introducido ms variables, veramos en sus modelos las correlaciones semiparciales o contribuciones netas de cada una de los otra variables introducidas. En este ejemplo, esa informacin est en la ventana de variables excluidas:
Gua de SPSS
Pgina 33
Variables excluidasb Modelo Correlacin Beta dentro 1 Cociente intelectual Memoria verbal Memoria digitos ,065
a
Estadsticos de colinealidad Tolerancia Tolerancia ,077 -,136 ,101 ,966 ,840 ,970 FIV 1,035 1,190 1,031 mnima ,966 ,840 ,970
parcial
-,123a ,085
a
La no colinealidad aparece reflejada en el ndice de tolerancia. Cuando vale 1 no hay colinealidad, cuando es prximo a cero, la hay.
Gua de SPSS
Pgina 34