Gua de de SPSS:

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

Intervalo confidencial para la diferencia: Rechazamos H0 si no incluye el cero.

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:

Errores tpico de la media: 1,622 y 1,807 Prueba de Levenne acerca de la homocedasticidad:

H0: 1 = 2 H1: 1 2 Como obtenemos una significacin de 0,651, no podemos rechazar H0: 1 = 2, y por lo tanto concluimos que las dos varianzas son iguales. Por lo tanto, en la prueba T debemos fijarnos en la fila Se han asumido varianzas iguales

Prueba T para la diferencia de medias:

H0: 1 = 2 H1: 1 2 Como obtenemos una significacin de 0,984, no podemos rechazar H0: 1 = 2 , y por lo tanto concluimos que las dos medias son iguales.

Intervalo de confianza para la diferencia de medias:

Como incluye el cero, aceptaremos la H0.

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

4. Anova de un factor medidas independientes Archivo: lectura_extra.sav

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

Tenemos el error tpico y el intervalo de confianza al 95%

-Prueba de homogeneidad de las varianzas

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

5. Anova de una factor: medidas repetidas Archivo: memoria.sav

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.

2. A continuacin, definimos los niveles de nuestro factor, dndole al botn Definir.

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

5. Obtenemos los resultados del anlisis: 5.1. Estadsticos descriptivos:

5.2. Contrastes multivariados:

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 nuestro ejemplo, con sig=0,960, se acepta la esfericidad.

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

Dado que en el ejemplo la sig=0,000, rechazamos H 0

Gua de SPSS

Pgina 16

Y por ltimo obtenemos la grfica de medias marginales.

Gua de SPSS

Pgina 17

6.Anlisis de varianza de dos factores: medidas independientes.

Archivo: salarios.sav 1. Men Analizar -> Modelo Lineal General -> Univariante

2. Seleccionamos la V.D: salario y los factores: sexo y estudios.

3. En grficos le pedimos la interaccin entre los 2 factores. Eje horizontal: estudios. Lneas separadas: sexo

Gua de SPSS

Pgina 18

4. En Pos-hoc: pedimos Scheffe para cada uno de los 2 factores.

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

a. R cuadrado = ,385 (R cuadrado corregida = ,333)

Medias marginales estimadas

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

Botn Definir-> Llevar todas las condiciones a la derecha

Botn Opciones -> Medias marginales, descriptivos, y tamao del efecto.

Gua de SPSS

Pgina 24

En la salida se analizan: - Contrastes multivariados: Son menos potentes y no exigen esfericidad

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

- Prueba de efectos intra-sujetos:

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

a. Variables predictoras: (Constante), TR denominacin colores b. Variable dependiente: TR palabras

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

t ,468 -,832 ,615

Sig. ,642 ,411 ,542

parcial

-,123a ,085
a

a. Variables predictoras en el modelo: (Constante), TR denominacin colores b. Variable dependiente: TR palabras

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