INDICE
INDICE.................................................................................................................................... 3
INTRODUCCIN .................................................................................................................... 4
1.
ESTADSTICA DESCRIPTIVA........................................................................................ 5
1.1. ANLISIS UNIVARIADO .................................................................................................. 5
1.1.1. Distribucin de frecuencias ................................................................................... 5
1.1.2. Medidas de tendencia central: media, moda, mediana. ........................................ 9
1.1.3. Medidas de dispersin ........................................................................................ 11
ANLISIS BIVARIADO ............................................................................................................. 12
1.1.4. Asociacin entre dos variables ........................................................................... 12
1.1.5. Coeficientes de asociacin ................................................................................. 16
2.
ESTADSTICA INFERENCIAL...................................................................................... 18
2.1. PRUEBAS NO PARAMTRICAS .................................................................................... 18
2.1.1. Chi cuadrado de Pearson ................................................................................... 18
2.2. PRUEBAS PARAMTRICAS .......................................................................................... 26
2.2.1. Medias ................................................................................................................ 26
2.2.2. Contraste sobre una media................................................................................. 30
2.2.3. Contraste sobre dos medias independientes ...................................................... 32
2.2.4. Anlisis de varianza de un factor ........................................................................ 37
2.2.5. Correlaciones Bivariadas .................................................................................... 41
BIBLIOGRAFA .................................................................................................................... 47
Introduccin
El presente manual ilustra los procedimientos para anlisis de datos ms utilizados en
ciencias sociales que ofrece el paquete estadstico SPSS. El mismo no pretende ser un libro
de estadstica ni de metodologa y por lo tanto no contiene explicaciones ni conceptos de
tales materias.
Para la mejor comprensin de los procedimientos y la correcta interpretacin de sus
resultados, se sugiere revisar los siguientes conceptos metodolgicos y estadsticos:
Poblacin, Muestra, Distribucin de la muestra, Distribucin muestral, Teorema central del
lmite, Parmetro de la poblacin y estadstico de la muestra, Prueba de hiptesis, Hiptesis
nula e hiptesis alternativa, Distribucin Normal, Distribucin t de Student, Distribucin Chi
cuadrado, Nivel de significancia e intervalo de confianza.
Nota: Se recuerda a los usuarios que al trabajar con la versin de prueba de SPSS que se
brinda junto con este manual, se puede pedir que los resultados sean generados en otros idiomas ya
que la misma se encuentra en ingls. Para los ejemplos utilizados en este manual se ha configurado
la salida de resultados en espaol. Para cambiar el idioma en el que se generarn los resultados se
debe ingresar en el men Edicin / Opciones ( Edit / Options) y en la pestaa General dentro
del recuadro Resultados (Output) seleccionar Espaol (Spanish) en donde dice Idioma
(Language).
1. Estadstica Descriptiva
1.1. Anlisis univariado
1.1.1. Distribucin de frecuencias
El procedimiento Frecuencias (Frequencies) proporciona estadsticos y representaciones
grficas que resultan tiles para describir muchos tipos de variables. Es un buen procedimiento para
una inspeccin inicial de los datos.
Particularmente, la distribucin de frecuencias muestra el nmero de veces que ocurre cada
valor (o categora) de una variable. Se representa mediante conjuntos de pares (xi, fi) en donde xi
representan los valores de la variable (categoras, en el caso en que la variable es cualitativa) y fi el
nmero de veces que ocurre la categora o el valor xi.
Para los informes de frecuencias y los grficos de barras, puede organizar los diferentes
valores en orden ascendente o descendente u ordenar las categoras por sus frecuencias. Es posible
suprimir el informe de frecuencias cuando una variable posee muchos valores diferentes. Puede
etiquetar los grficos con las frecuencias (la opcin por defecto) o con los porcentajes.
Para obtener una distribucin de frecuencias en SPSS, se procede de la siguiente manera: se
elige en el men Analizar (Analyze) la opcin Estadsticos descriptivos (Descriptive Statistics), y
luego la opcin Frecuencias (Frequencies).
Datos: Utilice cdigos numricos o cadenas cortas para codificar las variables categricas (medidas de nivel
nominal u ordinal).
Supuestos: Las tabulaciones y los porcentajes proporcionan una descripcin til para los datos de cualquier
distribucin, especialmente para las variables con categoras ordenadas o desordenadas. Muchos de los
estadsticos de resumen optativos, tales como la media y la desviacin tpica, se basan en la teora normal y
son apropiados para las variables cuantitativas con distribuciones simtricas. Los estadsticos robustos, tales
como la mediana, los cuartiles y los percentiles son apropiados para las variables cuantitativas que pueden o
no cumplir el supuesto de normalidad.
A la izquierda del cuadro se ubica el listado de variables: las variables contenidas en la matriz
de datos. Las variables aparecen segn el orden que tienen en la matriz de datos (se puede
optar por el orden alfabtico en el men Edit: Options....). De este listado se deben
seleccionar las variables para el anlisis univariado, en este caso, la distribucin de
frecuencias. Para seleccionar las variables, se utilizan los procedimientos habituales de
seleccin empleados en las aplicaciones Windows. Para seleccionar una sola variable, se
apunta con el mouse a la misma y se aprieta el botn izquierdo del mouse. La variable
quedar seleccionada. Para seleccionar varias variables contiguas, se apunta con el mouse a
la primera, se aprieta el botn izquierdo y se arrastra la flecha del mouse hasta seleccionar
todas las variables. Tambin se pueden utilizar las teclas Shift y . Para seleccionar
variables que se ubican en lugares discontinuos, se mantiene apretada la tecla Ctrl y se las
selecciona con el mouse (apretando el botn izquierdo).
En el centro del cuadro de dilogo se ubica un cuadro de texto que lleva el nombre Variables.
En este cuadro se ubicarn las variables que se han seleccionado para el anlisis. Para
pasarlas del listado de variables a este cuadro, se acciona la flecha negra que separa el
listado del cuadro de texto. Para volver a pasar las variables al listado de variables, se las
selecciona y se las pasa al listado accionando la pequea flecha negra.
Luego hacemos clic en Aceptar (Ok) y observamos los cuadros generados en el visor de
resultados (Output).
Interpretacin:
El primer cuadro nos muestra por defecto algunos estadsticos descriptivos relacionados con
esta prueba. En l se puede ver un resumen en donde se indica la cantidad de casos que fueron
procesados y los que fueron excluidos del anlisis.
Estadsticos
Vlidos
Perdidos
LINEA DE
POBREZA
3625
196
LINEA DE
INDIGENCIA
3625
196
Los siguientes dos cuadros son las tablas de distribucin de frecuencias propiamente dichas
de cada una de las variables seleccionadas.
LINEA DE POBREZA
Vlidos
Perdidos
Total
Pobre
No pobre
Total
Ns/Nc
Frecuencia
2145
1480
3625
196
3821
Porcentaje
56,1
38,7
94,9
5,1
100,0
Porcentaje
vlido
59,2
40,8
100,0
Porcentaje
acumulado
59,2
100,0
LINEA DE INDIGENCIA
Vlidos
Perdidos
Total
Pobre
No pobre
Total
Ns/Nc
Frecuencia
1047
2578
3625
196
3821
Porcentaje
27,4
67,5
94,9
5,1
100,0
Porcentaje
vlido
28,9
71,1
100,0
Porcentaje
acumulado
28,9
100,0
Los cuadros de distribucin de frecuencias generados en SPSS contienen los siguientes elementos:
Vlidos
Perdidos
Total
Pobre
No pobre
Total
Ns/Nc
Frecuencia
2145
1480
3625
196
3821
Porcentaje
56,1
38,7
94,9
5,1
100,0
Porcentaje
vlido
59,2
40,8
100,0
Porcentaje
acumulado
59,2
100,0
En el caso en que determinados valores de la variable se definen como valores perdidos (en
el ejemplo, la categora Ns/Nc de la variable Lnea de pobreza se defini como valor perdido, en
realidad esta categora indica que no se dispone de los datos de ingresos del hogar), el clculo del
porcentaje vlido se realiza tomando como base el total del cual se resta la cantidad de casos
perdidos. Es decir, la base de clculo del porcentaje vlido ser 3821 196 = 3625.
Al realizar este clculo, se acepta implcitamente el hecho de que los valores perdidos se
distribuyen en la poblacin con la misma proporcin que los restantes valores de la variable.
Cuando se definen ciertos cdigos o valores como valores perdidos siempre hay que
evaluar el porcentaje de dichos casos en la distribucin de frecuencias de la variable. Si el porcentaje
excede el 5%, la distribucin de estos casos segn la frecuencia vlida puede sesgar los resultados,
sobre todo por el hecho de que a veces los casos de no respuesta tienen alguna caracterstica que
los diferencia del resto de la muestra y por ende, no se reparten en la misma proporcin que los
casos vlidos.
La distribucin de frecuencias se puede utilizar para todos los niveles de medicin: nominal,
ordinal, intervalar y de razn. Para los niveles de medicin intervalar y de razn se aconseja
presentar los datos bajo forma agrupada, es decir, obteniendo variables con intervalos. El
procedimiento de recodificacin de las variables (vase el captulo 6) permite agrupar una variable
cuantitativa en una variable con intervalos de clase.
1.1.2. Medidas de tendencia central: media, moda, mediana.
Para calcular la media de una variable cuyo nivel de medicin es intervalar o de razn
(recurdese que el clculo de la media no tiene sentido para variables nominales y ordinales), se
procede de la siguiente manera: se elige la opcin Estadsticos Descriptivos (Descriptive
Statistics) del men Analizar (Analyze). En la opcin Estadsticos Descriptivos se elige
Descriptivos... (Descriptives)
Al seleccionar esta opcin, se genera un cuadro de dilogo que contiene en la parte izquierda
el listado de variables de la matriz. Al activar el botn Opciones (Options) se puede visualizar el
cuadro que contiene algunos estadsticos relacionados con las medidas de tendencia central y de
dispersin. Para el clculo de la media se hace clic con el mouse en la opcin Media (Mean) (al
elegir la opcin, aparece una tilde en la casilla correspondiente). Para desactivar las otras opciones
seleccionadas, se hace un clic con el mouse en las casillas correspondientes. Despus se hace clic
en el botn Continue, volvindose al cuadro inicial. El procedimiento de seleccin de variables para
las cuales se quiere calcular la media es el mismo que en el caso de las distribuciones de
frecuencias.
Para calcular la moda y la mediana se debe utilizar la opcin Frecuencias... En esta opcin
tambin se puede calcular la media.
Recurdese que la moda se puede calcular para todos los niveles de medicin, e indica el
valor o categora que tiene la frecuencia mxima en la distribucin. La mediana se puede calcular a
partir del nivel ordinal, e indica el valor que divide a la serie de datos (ordenada de manera
ascendente o descendente) en dos partes numricamente iguales.
10
La varianza (Variance) es la media de las desviaciones que tienen los casos con respecto a
la media de la serie de datos, elevadas al cuadrado.
Para calcular las medidas descritas, se hace clic con el mouse en las siguientes opciones:
Desviacin tpica, Varianza, Amplitud.
Ejemplo: Clculo del rango, desviacin tpica y varianza del ingreso total familiar, en base a
la EPH, onda octubre de 2002.
Estadsticos descriptivos
N
MONTO DEL INGRESO
TOTAL FAMILIAR
N vlido (segn lista)
Rango
983
6730,00
Mnimo
20,00
Mximo
6750,00
Desv. tp.
Varianza
730,0916
533033,7
983
11
Anlisis bivariado
1.1.4. Asociacin entre dos variables
Para poder analizar la asociacin entre dos variables, en primer lugar se deben comparar
porcentajes. Dichos porcentajes se obtienen mediante una tabulacin cruzada (un cruce) de las dos
variables que se quieren analizar. La tabulacin cruzada es una tabla de dos entradas, que permite
examinar conjuntamente el comportamiento de dos variables.
Ejemplo de tabla de asociacin 2x2 (con dos variables dicotmicas):
Variable Y
Y1
Y2
Total columna
Variable X
x1
x2
f11
f12
f21
f22
f11 + f21
f12 + f22
Total Fila
f11 + f12
f21 + f22
N
12
x1
a
c
a+c
x2
b
d
b+d
Total Fila
a+c
c+d
a+b+c+d
Si se calculan los porcentajes por columna se obtienen los siguientes resultados: a/(a+c)*100
y c/(a+c)*10 para la primera columna y b/(b+d)*100 y d/(b+d)*100 para la segunda columna. Si la
diferencia porcentual se calcula en el mismo sentido en que han sido sacados los porcentajes, se
obtiene:
(1)
13
En el cuadro de dilogo que se genera se eligen del listado de variables las dos variables que
se quieren asociar. Una de ellas se ubicar horizontalmente (por fila) y la otra, verticalmente (por
columna) en la tabla de dos entradas. La variable que se ubicar por fila se debe pasar al cuadro
correspondiente a Filas (Rows) y la variable que se situar por columna, se debe pasar al cuadro
llamado Columnas (Columns).
Para poder calcular los porcentajes en el interior de cada celda, se elige en el cuadro de
dilogo correspondiente a las tablas de asociacin la opcin Casillas (Cells....)
En el cuadro que se genera al activar esta opcin, se hace clic con el mouse en las casillas
correspondientes a Porcentajes (Percentages) indicando el tipo de porcentajes que se quiere
obtener: Fila (Row) (calculado sobre el total de la fila), Columna (Column) (calculado sobre el total de
la columna), Total (calculado sobre el total de la poblacin). Una vez activadas las opciones, se hace
clic en el botn Continue y se vuelve al cuadro inicial.
En el caso en que una de las variables (o ambas) contienen valores perdidos (del sistema o
definidos por el usuario), estos valores se omitirn de la tabla de asociacin.
Dado que se pueden sacar tres tipos de porcentajes, es importante establecer cul de los tres
presenta mayor inters para el anlisis. Tambin es muy importante, antes de efectuar la asociacin,
formular la hiptesis asociativa que vincula las dos variables que se estudian.
Generalmente el porcentaje sobre el total no se utiliza para la interpretacin de la relacin de
asociacin, excepto cuando se analizan tipologas obtenidas con las categoras de las dos variables.
Un ejemplo podra ser la tipologa de pobreza obtenida a partir del cruce de la variable Lnea de
pobreza (Hogares encima de la lnea de pobreza y hogares debajo de la lnea de pobreza) con la
variable Necesidades bsicas insatisfechas. Esta asociacin permite obtener los siguientes tipos de
pobreza: pobreza crnica (Hogares que se ubican debajo de la lnea de pobreza y tienen por lo
menos una necesidad bsica insatisfecha), nueva pobreza (hogares que son pobres por lnea de
pobreza pero no tienen carencias crticas), pobreza inercial (hogares pobres por NBI, pero cuyos
14
ingresos los ubican encima de la lnea de pobreza) y hogares no pobres (no presentan carencias
crticas y se ubican encima de la lnea de pobreza). Para analizar la proporcin de cada uno de estos
tipos en los hogares estudiados, se realiza el cruce correspondiente y se calculan los porcentajes
sobre el total.
Ejemplo: Cruce de la variable NBI con la variable Pobreza por ingresos para establecer tipos
de pobreza. Datos de la EPH onda octubre de 1996 (total hogares)
Recuento
% del total
Recuento
% del total
Recuento
% del total
NBI
Pobre
No pobre
93
210
9,5%
21,5%
40
635
4,1%
64,9%
133
845
13,6%
86,4%
Total
303
31,0%
675
69,0%
978
100,0%
En el cuadro del ejemplo se puede observar que el 9,5% de los hogares se encuentra en
pobreza crnica, el 21,5% debajo de la lnea de pobreza (nuevos pobres), el 4,1% son pobres
inerciales y un 64,9% del total de los hogares no son pobres.
Cuando se desea comparar porcentajes por fila o columna, en primer lugar se debe
establecer cul de las dos variables es la independiente (la causa) y cul es la dependiente (el
efecto). Obviamente no en todas las situaciones es posible establecer la causa de un fenmeno,
sobre todo en ciencias sociales, donde la mayora de los fenmenos tienen causas mltiples, y
generalmente las relaciones no son asimtricas (de causa a efecto), sino recprocas (una de las
variables influye en la otra, y viceversa). Pese a estas dificultades, en ciertas situaciones se puede
establecer con precisin cul es la variable independiente.
La relativa permanencia de una variable con respecto a la otra (los cambios en la primera no
ocurren con frecuencia, mientras que la segunda vara a menudo) hace que se pueda asumir
que la primera es la independiente y la segunda la dependiente.
La anterioridad temporal de una variable con respecto a la otra. La variable anterior puede
considerarse como variable independiente.
15
independiente por columna, la comparacin se hace horizontalmente, dado que los porcentajes se
han calculado en el sentido vertical. En el siguiente ejemplo se muestra el procedimiento.
Resumen del procesamiento de los casos
N
LINEA DE POBREZA
* NIVELREC
Vlidos
Porcentaje
994
Casos
Perdidos
N
Porcentaje
94,2%
61
5,8%
Total
Porcentaje
1055
100,0%
LINEA DE POBREZAPobre
Total
Recuento
% de NIVELREC
No pobre Recuento
% de NIVELREC
Recuento
% de NIVELREC
Primario
254
63,2%
148
36,8%
402
100,0%
NIVELREC
Secundario Superior Universitario
195
14
29
53,1%
27,5%
16,7%
172
37
145
46,9%
72,5%
83,3%
367
51
174
100,0%
100,0%
100,0%
Total
492
49,5%
502
50,5%
994
100,0%
Los porcentajes han sido sacados verticalmente, pero la comparacin se debe hacer por fila.
Leyendo dichos porcentajes, se puede observar que a menor nivel educativo, aumenta el porcentaje
de los jefes de hogar que estn en situacin de pobreza (se comparan los porcentajes en sentido
horizontal: 63,2%, 53,1%, 27,5% y 16,7%). A la inversa, a mayor nivel educativo, desciende el
porcentaje de jefes de hogar pobres.
1.1.5. Coeficientes de asociacin
Los coeficientes de asociacin se utilizan para evaluar la intensidad de la asociacin. Estos
coeficientes varan entre 0 y 1 para variables nominales, y 1 y 1 para variables ordinales. En el caso
de las variables nominales, 0 indica la ausencia de asociacin y 1 la presencia de una asociacin
perfecta. En el caso de las variables ordinales es posible establecer la direccin de la asociacin, -1
indicando una asociacin perfecta negativa, y +1, una asociacin perfecta positiva.
Se utilizan distintos coeficientes en funcin del nivel de medicin de las variables.
En el caso en que las variables son nominales y dicotmicas, el coeficiente ms utilizado es el
Phi. Si la tabla tiene dimensiones ms grandes, se recomienda el uso del coeficiente V de Cramer.
En el caso de dos variables ordinales, se pueden utilizar los coeficientes Tau-b y Tau-c de
Kendall. Para las tablas simtricas (igual cantidad de filas y columnas) se debe utilizar el Tau-b. Para
las tablas asimtricas (la cantidad de filas no coincide con la cantidad de columnas) se debe utilizar
el Tau-c.
Si se asocia una variable ordinal con una nominal, se debe utilizar un coeficiente
correspondiente al nivel nominal.
16
Para calcular estos coeficientes, se debe activar la opcin Statistics de la instruccin Tablas
de contingencia (Crosstabs) y se hace clic en los nombres de los coeficientes que se desea calcular
(Phi y V de Cramer; Tau-b de Kendall; Tau-c de Kendall).
17
2. Estadstica Inferencial
2.1. Pruebas No Paramtricas
2.1.1. Chi cuadrado de Pearson
Para evaluar si hay alguna relacin entre las variables, comnmente se recurre a la diferencia
de porcentajes. Tambin se pueden obtener coeficientes de asociacin, que indican la intensidad de
la asociacin. Sin embargo, antes de interpretar las diferencias porcentuales y los eventuales
coeficientes, se debe evaluar la significacin estadstica de la relacin e inferir su validez respecto a
la poblacin. La prueba estadstica que permite realizar esto es el Chi-cuadrado.
El mtodo tradicional de la prueba de hiptesis consiste en los siguientes pasos:
Se formula la hiptesis de investigacin que afirma una relacin entre dos variables.
Se formula la hiptesis nula segn la cual no hay relacin entre las dos variables, es decir, las
variables son independientes.
Conociendo y los grados de libertad, se puede obtener el valor crtico del estadstico 2 ,
recurriendo a las tablas de la distribucin de Chi-cuadrado. El valor crtico correspondiente al
nivel de significacin seleccionado y a los grados de libertad de la tabla de asociacin se
encuentra en la interseccin de la fila (grados de libertad) con la columna (nivel de
significacin).
Toma de decisin: si el valor observado es mayor que el valor crtico, se puede rechazar la
hiptesis nula, es decir la hiptesis de independencia entre las variables consideradas. Esto
significa que la relacin entre las variables es estadsticamente significativa, a un nivel de
significacin del 5%.
El clculo del estadstico Chi-cuadrado se hace comparando las frecuencias observadas con
las frecuencias esperadas, que se obtienen en el caso en que las dos variables fueran
independientes. Las frecuencias esperadas se calculan multiplicando las frecuencias marginales de
18
las columnas y filas, correspondientes a cada una de las celdas de la tabla de asociacin y
dividiendo el producto a la cantidad de casos.
Para la tabla de asociacin general que se presenta a continuacin, la frecuencia esperada
para la primera celda de la tabla con la frecuencia observada f11 es (f11 + f12)(f11 + f21) / n. Cuanto
mayor es la diferencia entre las frecuencias observadas y esperadas, mayor ser la probabilidad de
que la muestra provenga de una poblacin en la que las variables estn relacionadas.
Variable X
Variable Y
X1
x2
Total Fila
Y1
f11
f12
f11 + f12
Y2
f21
f22
f21 + f22
Total columna
f11 + f21
f12 + f22
Para efectuar la Prueba de Chi cuadrado accedemos a travs del men Analizar /
Estadsticos Descriptivos / Tablas de contingencia... (Analyze / Descriptive Statistics /
Crosstabs) y de esta manera nos encontramos con el siguiente cuadro de dilogo:
La lista de variables contiene un listado con todas las variables del archivo de datos. Para
llevar a cabo un contraste con las especificaciones que el procedimiento tiene establecidas por
defecto:
Trasladar al menos una variable al cuadro de Filas (Row(s)) y una variable al cuadro de
Columnas (Column(s)).
19
Luego hacer click en el botn Estadsticos (Statistics) y tildar la opcin Chi cuadrado (Chisquare).
Tambin se pueden obtener las frecuencias esperadas. Para esto se debe hacer click en el
botn Casillas (Cells) y tildar la opcin Esperadas (Expected). Se puede observar que la
opcin Observadas (Observed) est predeterminada. Esta opcin permite obtener las
frecuencias absolutas observadas en cada celda de la tabla de asociacin.
20
muestra es pequea, o las variables cruzadas contienen muchas categoras. En el ltimo caso
conviene agrupar las categoras, reduciendo la cantidad de las mismas.
A continuacin realizaremos dos ejemplos para este procedimiento.
Se plantea la siguiente hiptesis de investigacin: las mujeres tienen mayor probabilidad
de estar desocupadas que los hombres. Se quiere contrastar la hiptesis utilizando los datos de
la base EPH2002.sav. La poblacin en estudio es la poblacin econmicamente activa (PEA).
Se formula la hiptesis nula: no hay relacin entre el sexo y la desocupacin.
Para realizar esta prueba de hiptesis, previamente se debe acondicionar la base de datos.
En este caso, se debe realizar un filtro para seleccionar solamente la PEA. La expresin que se
introducir en la opcin del filtro es la siguiente: estado = 1 | estado = 2.
Una vez aplicado el filtro,
-
Luego damos click en el botn Casillas (Cells), tildamos las opciones Esperadas
(Expected) y Columna (Column) y damos click en Continuar (Continue).
21
Luego damos click en el botn Estadsticos (Statistics), tildamos la opcin Chi cuadrado
(Chi-square) y damos click en Continuar (Continue).
Luego damos click en Aceptar (Ok) y observamos los cuadros generados en el visor de
resultados (Output).
22
CONDICION DE
ACTIVIDAD
Ocupado
Desocupado
Total
Recuento
Frecuencia esperada
% de SEXO
Recuento
Frecuencia esperada
% de SEXO
Recuento
Frecuencia esperada
% de SEXO
SEXO
Varn
Mujer
787
527
782,2
531,8
89,0%
87,7%
97
74
101,8
69,2
11,0%
12,3%
884
601
884,0
601,0
100,0%
100,0%
Total
1314
1314,0
88,5%
171
171,0
11,5%
1485
1485,0
100,0%
Pruebas de chi-cuadrado
Chi-cuadrado de Pearson
Correccin apor
continuidad
Razn de verosimilitud
Estadstico exacto de
Fisher
Asociacin lineal por
lineal
N de casos vlidos
Sig. asinttica
(bilateral)
,427
,506
,477
,627
,429
Valor
,630b
,630
gl
Sig. exacta
(bilateral)
Sig. exacta
(unilateral)
,456
,238
,427
1485
Interpretacin:
Si se analiza la tabla de asociacin obtenida, se distinguen los siguientes valores:
las frecuencias absolutas observadas en cada celda. Por ejemplo, hay 787 varones
ocupados y 74 mujeres desocupadas.
los totales de cada fila y columna, es decir, las frecuencias marginales que representan la
distribucin de frecuencia simple de cada una de las variables cruzadas.
el segundo valor de la celda indica la frecuencia esperada (por ejemplo, 782,2 en el caso
de los varones ocupados). Si se analizan dichas frecuencias, se puede notar que la
diferencia entre los valores observados y esperados es muy reducida.
los porcentajes por columna. Se puede observar que la diferencia porcentual entre
varones y mujeres segn las dos categoras de la condicin de actividad (ocupado y
desocupado) es muy reducida.
23
general de anlisis de tablas de asociacin), y para muestras grandes tiene valores semejantes al
Chi-cuadrado de Pearson.
Tambin se indica la frecuencia mnima esperada (Minimum Expected Frequency), que en
ninguna celda debe ser menor de 1. Si en el 20% de las celdas se obtienen valores esperados entre
1 y 5, la salida de resultados indicar esta situacin. En nuestro ejemplo se consigna que no hay
ninguna celda que tenga una frecuencia esperada inferior a 5.
Si las variables que se han cruzado son dicotmicas, en vez de leer el valor del Chi-Cuadrado
(Chi-Square), se debe leer el valor del Continuity Correction que es la correccin de Yates
(correccin por continuidad) aplicada al clculo del Chi-Cuadrado de las tablas dicotmicas.
En el ejemplo presentado, el Chi-cuadrado de Pearson es 0,630 y la correccin por
continuidad introduce una leve modificacin al valor del Chi-cuadrado: 0,506.
Cabe notar que en la salida del SPSS se registran los valores de las pruebas de contraste en
la columna correspondiente a Valor (se lee la fila correspondiente al Chi-cuadrado de Pearson /
correccin por continuidad), los grados de libertad en la columna llamada gl (grados de libertad) y los
valores-P en la columna Sig. Asinttica (significacin asinttica bilateral)
El valor-P mide la probabilidad de obtener al azar un determinado estadstico. En el ejemplo
presentado, el valor-P representa la probabilidad de obtener el valor 0,506 del estadstico de Chicuadrado al azar. Observamos que el valor-P de este estadstico es 0,477, casi 0,5. Esto significa
que la probabilidad de rechazar la hiptesis nula equivocadamente a partir de los resultados del
ejemplo es 0,5; probabilidad significativamente mayor que = 0,05.
En consecuencia, la evaluacin de los resultados de la salida de SPSS para el Chi-cuadrado
se puede hacer de dos formas:
Se compara el valor crtico del estadstico 2 (obtenido de las tablas, en funcin del nivel
de significacin y los grados de libertad) con el valor observado obtenido en la salida de
resultados. Si el valor observado es mayor que el valor crtico, se puede rechazar la
hiptesis nula de independencia. A la inversa, si el valor observado es menor que el valor
crtico, hay que aceptar la hiptesis nula.
En este ejemplo, el valor-P es significativamente mayor que =0,05, por lo tanto se acepta la
hiptesis nula, es decir, se puede inferir, que a nivel de la poblacin en cuestin, no hay relacin
entre las dos variables estudiadas: sexo y condicin de actividad.
Veamos otro ejemplo, en donde trabajamos con una variable dicotmica y otra, policotmica
(que tiene ms de dos categoras). Planteamos la siguiente hiptesis de investigacin: existe relacin
entre sexo y categora ocupacional. La hiptesis nula correspondiente es: no hay relacin entre sexo
y categora ocupacional.
Nuevamente se debe acondicionar la base, seleccionando, esta vez, al conjunto de
ocupados.
Se obtiene la siguiente tabla de asociacin:
24
Asalariado
Total
Recuento
Frecuencia esperada
% de SEXO
Recuento
Frecuencia esperada
% de SEXO
Recuento
Frecuencia esperada
% de SEXO
Recuento
Frecuencia esperada
% de SEXO
Recuento
Frecuencia esperada
% de SEXO
Varn
36
28,2
4,6%
225
195,9
28,6%
510
549,4
64,9%
15
12,6
1,9%
786
786,0
100,0%
Mujer
11
18,8
2,1%
102
131,1
19,4%
407
367,6
77,4%
6
8,4
1,1%
526
526,0
100,0%
Total
47
47,0
3,6%
327
327,0
24,9%
917
917,0
69,9%
21
21,0
1,6%
1312
1312,0
100,0%
Chi-cuadrado de Pearson
Razn de verosimilitud
Asociacin lineal por
lineal
N de casos vlidos
Valor
24,425a
25,144
18,035
3
3
Sig. asinttica
(bilateral)
,000
,000
,000
gl
1312
25
Comparacin de medias
La opcin Comparar medias (Compare Means) del men Analizar (Analyze) contiene varios
de los procedimientos estadsticos diseados para efectuar contrastes de hiptesis sobre medias, en
concreto, la prueba T y el anlisis de varianza de un factor.
En las pruebas para comparacin de medias la Hiptesis nula que se formula es del tipo las
medias de las poblaciones comparadas son iguales. Evaluando la probabilidad de que esta H0 se
cumpla podemos responder a preguntas tales como Son distintas las medias de las poblaciones
en estudio? , Qu tan distintas podran ser en el universo? , Con qu porcentaje de
confiabilidad puedo asegurarlo?
2.2.1. Medias
El procedimiento Medias calcula medias de subgrupo y estadsticos univariados relacionados
para variables dependientes dentro de las categoras de una o ms variables independientes. Si lo
desea, puede obtener el anlisis de varianza de un factor, la eta y pruebas de linealidad.
Este procedimiento en particular es utilizado mayormente para un anlisis exploratoriodescriptivo de primera instancia ya que, si no se seleccionan el anlisis de varianza de un factor, la
eta o las pruebas de linealidad que se ofrecen accesoriamente a este procedimiento, se calculan las
medias de los subgrupos sin hacer ninguna prueba de hiptesis.
Datos: Las variables dependientes son cuantitativas y las independientes son categricas. Los valores de las
variables categricas pueden ser numricos o de cadena corta.
Supuestos: Algunos de los estadsticos opcionales de subgrupo, como la media y la desviacin tpica, se basan
en la teora normal y son adecuados para variables cuantitativas con distribuciones simtricas. Los estadsticos
robustos, tales como la mediana y el rango, son adecuados para las variables cuantitativas que pueden o no
cumplir el supuesto de normalidad. El anlisis de varianza es robusto a las desviaciones de la normalidad,
aunque los datos de cada casilla deberan ser simtricos. El anlisis de varianza tambin supone que los
grupos proceden de poblaciones con la misma varianza. Para comprobar este supuesto, utilice la prueba de
homogeneidad de las varianzas de Levene, disponible en el procedimiento ANOVA de un factor.
26
Trasladar a la lista Dependientes (Dependent list) la/s variable/s que interesa describir o
aquellas en las que se van a comparar los grupos.
Trasladar a la lista Independientes (Independent list) la/s variable/s que definen los grupos
que interesa describir o comparar.
El botn Opciones (Options) permite seleccionar los estadsticos descriptivos concretos que
interese obtener y algunos contrastes sobre medias o linealidad.
Tambin es posible combinar ms de una variable independiente para, dentro de los grupos
definidos por una primera variable, formar subgrupos definidos por una segunda variable (o una
tercera, o una cuarta, etc.). Es decir, cada estadstico solicitado puede calcularse en cada uno de los
27
28
Una vez seleccionados los estadsticos hacemos click en Continuar (Continue) y luego en
Aceptar (Ok) y observamos los cuadros generados en el visor de resultados (Output).
Interpretacin:
El primer cuadro nos muestra por defecto algunos estadsticos descriptivos relacionados con
esta prueba. En l se puede ver un resumen en donde se indica la cantidad de casos que fueron
procesados y los que fueron excluidos del anlisis (que para nuestro ejemplo no se excluye ninguno)
Resumen del procesamiento de los casos
N
AOS CUMPLIDOS
* SEXO
Incluidos
Porcentaje
3821
100,0%
Casos
Excluidos
N
Porcentaje
0
,0%
N
3821
Total
Porcentaje
100,0%
29
Informe
AOS CUMPLIDOS
SEXO
Varn
Mujer
Total
Media
30,03
33,30
31,81
Desv. tp.
21,179
22,518
21,975
N
1742
2079
3821
% del
total de N
45,6%
54,4%
100,0%
Atencin: Antes de realizar el prximo ejemplo aplicamos un filtro estado = 1 para trabajar
con los ocupados
Para utilizar el procedimiento Prueba T para una muestra accedemos a travs del men
Analizar / Comparar medias / Prueba T para una muestra... (Analyze / Compare Means / OneSample T test) y de esta manera nos encontramos con el siguiente cuadro de dilogo:
La lista de variables contiene un listado con todas las variables del archivo de datos excepto
las que tienen formato cadena. Para llevar a cabo un contraste con las especificaciones que el
procedimiento tiene establecidas por defecto:
Trasladar a la lista Contrastar variables (Test variable(s)) la/s variable/s cuya media
poblacional se desea contrastar.
Indicar el Valor de prueba (Test value) el valor poblacional concreto que se desea contratar.
Este valor se utiliza para todas las variables seleccionadas en la lista Contrastar variables.
30
Valores perdidos (Missing values): Podemos optar entre dos formas diferentes de tratar los
casos con valores perdidos:
Excluir casos segn anlisis (Exclude cases analysis by analysis). Esta opcin
excluye de cada anlisis (de cada prueba T) los casos con valor perdido en la variable
concreta que se est contrastando.
Excluir casos segn lista (Exclude cases listwise). Esta opcin excluye de todos los
anlisis los casos con algn valor perdido en cualquiera de las variables
seleccionadas en la lista Contrastar variables.
Luego damos click en Aceptar (Ok) y observamos los cuadros generados en el visor de
resultados (Output).
Interpretacin:
La Hiptesis nula (H0) que se plantea en esta prueba nos dice que las medias de las
poblaciones comparadas son iguales. En este caso bien la podemos enunciar como : la diferencia
entre la media de la poblacin y el valor de prueba es nula o bien como la media de la poblacin
es igual al valor de prueba
31
El primer cuadro nos muestra por defecto algunos estadsticos descriptivos relacionados con
esta prueba.
Estadsticos para una muestra
INGRESO TOTAL
INDIVIDUAL
Media
1314
451,51
Desviacin
tp.
Error tp. de
la media
502,200
13,854
En el segundo cuadro nos encontramos con los resultados de la prueba para una muestra
propiamente dicha.
Prueba para una muestra
Valor de prueba = 330
t
INGRESO TOTAL
INDIVIDUAL
8,771
gl
1313
Sig. (bilateral)
,000
Diferencia
de medias
121,51
Intervalo de confianza
para la diferencia
(95%)
Inferior
Superior
94,33
148,69
32
Datos: Los valores de la variable cuantitativa de inters se hallan en una nica columna del archivo de datos.
El procedimiento utiliza una variable de agrupacin con dos valores para separar los casos en dos grupos. La
variable de agrupacin puede ser numrica (valores como 1 y 2, o 6,25 y 12,5) o de cadena corta (como S y
NO). Tambin puede usar una variable cuantitativa, como la EDAD, para dividir los casos en dos grupos
especificando un punto de corte (el punto de corte 21 divide la EDAD en un grupo de menos de 21 aos y otro
de ms de 21).
Supuestos: Para la prueba t de igualdad de varianzas, las observaciones deben ser muestras aleatorias
independientes de distribuciones normales con la misma varianza de poblacin. Para la prueba t de varianzas
desiguales, las observaciones deben ser muestras aleatorias independientes de distribuciones normales. La
prueba t para dos muestras es bastante robusta a las desviaciones de la normalidad.
La lista de variables contiene un listado con todas las variables numricas y de cadena corta
del archivo de trabajo. Para llevar a cabo un contraste con las especificaciones que el procedimiento
tiene establecidas por defecto:
Trasladar a la lista Contrastar variables (Test variable(s)) la/s variable/s en la que desea
comparar los grupos. Todas estas variables deben ser de tipo numrico. Cada variable
seleccionada genera una prueba T acompaada de su nivel crtico y del intervalo de
confianza para la diferencia entre las medias.
Trasladar al cuadro Variable de agrupacin (Grouping variable) la variable que define los
grupos que se desean comparar. Esta variable puede ser de tipo numrico o de cadena corta.
Definir grupos (Define Groups). Tras seleccionar una variable de agrupacin, es necesario
iniciar cules son los cdigos que definen los dos grupos que se desea comparar. Para ello:
Pulsar el botn Definir Grupos (Define Groups) para acceder al subcuadro de dilogo
Definir grupos (Define Groups) que se muestra a continuacin:
33
Punto de corte (Cut point). Si se desea utilizar como variable de agrupacin una
variable cuantitativa continua, esta opcin permite introducir un valor como punto de
corte: los casos con puntuacin igual o mayor que el punto de corte forman un grupo;
el resto de los casos forman el otro grupo. Esta opcin no est disponible si, como
variable de agrupacin, se elige una variable de tipo cadena corta.
Valores perdidos (Missing values): Podemos optar entre dos formas diferentes de tratar los
casos con valores perdidos:
Excluir casos segn anlisis (Exclude cases analysis by analysis). Esta opcin
excluye de cada anlisis (de cada prueba T) los casos con valor perdido en la variable
concreta que se est contrastando.
Excluir casos segn lista (Exclude cases listwise). Esta opcin excluye de todos los
anlisis los casos con algn valor perdido en cualquiera de las variables
seleccionadas en la lista Contrastar variables.
Accedemos a travs del men Analizar / Comparar medias / Prueba T para muestras
independientes ( Analyze / Compare Means / Independent-Samples T test)
34
Interpretacin:
La Hiptesis nula (H0) que se plantea en esta prueba nos dice que las medias de las
poblaciones comparadas son iguales.
El primer cuadro nos muestra por defecto algunos estadsticos descriptivos relacionados con
esta prueba.
35
Estadsticos de grupo
INGRESO TOTAL
INDIVIDUAL
SEXO
Varn
Mujer
N
787
527
Media
488,65
396,05
Desviacin
tp.
504,990
493,296
Error tp. de
la media
18,001
21,488
F
INGRESO Se han asumido
7,445
TOTAL
varianzas iguales
INDIVIDUAL No se han
asumido varianzas
iguales
Sig.
Sig.
(bilateral)
Error
tp. de 95% Intervalo de
confianza para la
Diferen
la
diferencia
cia de diferen
Inferior Superior
medias
cia
1312
,001
3,303 1145,7
,001
,006 3,288
gl
La t y los gl se calculan de distinta manera para varianzas iguales que para varianzas
desiguales. Es por eso que en primer lugar nos encontramos con la Prueba de Levene para la
igualdad de las varianzas . Dicho test da un valor F que relaciona ambas varianzas muestrales
indicndonos la homogeneidad de las mismas. Si el valor de F se aproxima a 1 entonces las
varianzas sern similares, a mayor valor de F mayor diferencia entre las varianzas.
La HF postula que las varianzas de las subpoblaciones son iguales.
El nivel de significancia (Sig.) nos indica la probabilidad de que se cumpla la HF. Un valor
mayor a 0,05 nos indica que se debe aceptar esta hiptesis.
A partir de aqu estudiamos el cuadro siguiendo la fila que indica que se han asumido
varianzas iguales o desiguales segn corresponda. En nuestro ejemplo el nivel de significancia es
igual a 0,006 o sea mucho menor que 0,05 con lo cual rechazamos la HF y asumimos varianzas
desiguales (o sea que leemos los valores de la segunda fila).
El anlisis que se hace de los dems valores de la tabla es el mismo que se hizo para
Contraste sobre una media.
Nota: Las diferencias de ingresos medios pueden estar sometidas a la influencia de factores como los estudios
y no solamente el sexo. En estas situaciones, debe asegurarse de que las diferencias en otros factores no
enmascaren o resalten una diferencia significativa entre las medias.
36
Para utilizar el procedimiento ANOVA de un factor accedemos a travs del men Analizar /
Comparar medias / ANOVA de un factor... (Analyze / Compare Means / One-Way ANOVA) y nos
encontramos con el cuadro de dilogo:
La lista de variables contiene un listado con todas las variables numricas del archivo de trabajo
(No figuran las variables de cadena). Para llevar a cabo un ANOVA de un factor con las
especificaciones que el procedimiento tiene establecidas por defecto:
Trasladar a la lista Dependientes (Dependent List) la/s variable/s en la que desea comparar
los grupos. Se generar un ANOVA de un factor para cada una de las variables
seleccionadas.
Trasladar al cuadro Factor (Factor) la variable que define los grupos que se desean
comparar. Esta variable debe ser categrica (nominal u ordinal).
37
Efectos fijos y aleatorios (Fixed and random effects): Muestra la desviacin tpica, el error
tpico de la media, intervalo de confianza para la media al 95% para los modelos de efectos
fijos, y el error tpico de la media, intervalo de confianza para la media al 95% y la varianza
entre componentes para los modelos de efectos aleatorios.
Los test para igualdad de medias de grupo de Brown-Forsythe y de Welch son preferibles
al estadstico de F cuando no se pueden asumir varianzas iguales.
Grfico de las medias (Means Plot). Esta opcin permite obtener un grfico de lneas con la
variable factor en el eje de abscisas y la variable dependiente en el de ordenadas
Valores perdidos (Missing values): Podemos optar entre dos formas diferentes de tratar los casos
con valores perdidos:
38
Excluir casos segn anlisis (Exclude cases analysis by analysis). Esta opcin excluye de
cada ANOVA los casos que tienen algn valor perdido en la variable factor o en la variable
dependiente que est siendo analizada.
Excluir casos segn lista (Exclude cases listwise). Esta opcin excluye de todos los ANOVA
solicitados los casos con algn valor perdido en la variable factor o en cualquiera de las
variables seleccionadas en la lista Dependientes.
A continuacin realizaremos un ejemplo para este procedimiento.
Para este ejemplo mantendremos aplicado el filtro estado = 1
Trasladamos la variable Mximo nivel que cursa o curs [nivel] al cuadro Factor (Factor)
39
Interpretacin:
La Hiptesis nula (H0) que se plantea en esta prueba nos dice que las medias de los
grupos comparados son iguales. Es decir que toda la varianza de los ingresos es atribuible a
otros factores, independientes del nivel educativo, lo cual implica que los promedios poblacionales de
ingresos son iguales en todos los niveles educativos, y que la varianza entre los grupos es igual a
cero.
El primer cuadro nos muestra por defecto algunos estadsticos descriptivos relacionados con
esta prueba.
Descriptivos
INGRESO TOTAL INDIVIDUAL
N
preescolar
10
primario
360
nacional
128
comercial
215
normal
34
tcnica
135
otra enseanza media
26
superior
96
universitaria
307
9
3
Total
1314
Media
167,50
267,75
294,34
397,03
353,26
451,21
308,96
568,48
769,22
166,67
451,51
Desviacin
tpica
96,875
217,963
275,218
346,911
343,509
422,449
262,121
473,454
761,574
288,675
502,200
Error tpico
30,634
11,488
24,326
23,659
58,911
36,359
51,406
48,322
43,465
166,667
13,854
Mximo
300
1800
1500
2000
1500
3000
1000
2950
5900
500
5900
En el segundo cuadro nos encontramos con los resultados del Anlisis de Varianza
propiamente dicho.
40
ANOVA
INGRESO TOTAL INDIVIDUAL
Inter-grupos
Intra-grupos
Total
Suma de
cuadrados
50165019,152
280979675,219
331144694,371
gl
9
1304
1313
Media
cuadrtica
5573891,017
215475,211
F
25,868
Sig.
,000
Se presenta la Suma de cuadrados (es decir la suma de las diferencias respecto a la media,
elevadas al cuadrado) entre los grupos (Inter-grupos, varianza explicada) y dentro de los grupos (o
varianza residual).
Los grados de libertad Inter-grupos (gl = cant. grupos 1) e Intra-grupos (gl = N-1).
La Media cuadrtica es el promedio de la suma de cuadrados obtenida como la suma de
cuadrados / grados de libertad.
El valor que obtenemos de F que nos permite verificar la aceptacin o rechazo de la Hiptesis
nula (H0) se calcula como el cociente: media cuadrtica Inter-grupos / media cuadrtica Intra-grupos)
La Significacin es la probabilidad asociada a ese valor de F. Siendo este valor igual a 0,000
determinamos el rechazo de la hiptesis nula, y se concluye que a nivel del universo de referencia el
nivel educativo es un factor significativo para explicar las diferencias de ingreso.
Nota: Para calcular qu porcentaje de la variable dependiente es explicada por la variable
independiente puede realizarse un cuadro como el siguiente:
Inter-grupos(Varianza explicada)
Intra-grupos(Varianza residual)
Total
Suma de cuadrados
50165019,152
280979675,219
331144694,371
Porcentaje de la varianza
15,1%
84,9%
100%
41
Supuestos: El coeficiente de correlacin de Pearson asume que cada pareja de variables es normal bivariada.
La lista de variables contiene un listado con todas las variables numricas del archivo de trabajo
(No figuran las variables de cadena). De este cuadro de dilogo es posible obtener varios
coeficientes de correlacin y algunos estadsticos descriptivos bsicos. Para ello:
Trasladar a la lista Variables (Variables) la/s variable/s cuyo grado de relacin se desea
estudiar. Es necesario trasladar el menos dos variables.
Pearson. Medida de asociacin lineal entre dos variables medidas en un nivel por intervalos
o de razn: Dos variables pueden estar perfectamente relacionadas, pero si la relacin no es
lineal, el coeficiente de correlacin de Pearson no ser un estadstico adecuado para medir
su asociacin.
42
Marcar las correlaciones significativas. Marca con un asterisco los coeficientes de correlacin
significativos al nivel 0,05 y, con dos asteriscos, los significativos al nivel 0,01.
En el botn Opciones(Options) se permite controlar algunos aspectos de este anlisis:
Medias y desviaciones tpicas (Means and Standard deviations). Muestra, para cada
variable, la media aritmtica, la desviacin tpica insesgada y el nmero de casos vlidos
Valores perdidos (Missing values): Podemos optar entre dos formas diferentes de tratar los
casos con valores perdidos:
Excluir casos segn pareja (Exclude cases pairwise). Se excluyen del clculo de cada
coeficiente de correlacin los casos con valor perdido en alguna de las dos variables que se
estn correlacionando.
43
Excluir casos segn lista (Exclude cases listwise). Se excluyen del clculo de todos los
coeficientes de correlacin los casos con valor perdido en cualquiera de las variables
seleccionadas.
Atencin: Para este ejemplo desactivamos todos los filtros que puedan estar activos.
-
Interpretacin:
La Hiptesis nula (H0) que se plantea en esta prueba es de independencia lineal y se puede
enunciar como el coeficiente de correlacin vale cero en la poblacin.
La Hiptesis alternativa a probar es correlacional del tipo A mayor X, mayor Y , A mayor
X, menor Y.
44
AOS CUMPLIDOS
INGRESO TOTAL
INDIVIDUAL
CANTIDAD
DE
MONTO DEL MONTO DEL
INGRESO INGRESO INGRESO PERSONAS
EN EL
TOTAL
PER CAPITA
TOTAL
AOS
HOGAR
CUMPLIDOS INDIVIDUAL FAMILIAR FAMILIAR
Correlacin de Pearson
1
,346**
,037*
,185**
-,369**
Sig. (bilateral)
,000
,025
,000
,000
N
3821
3821
3585
3821
3821
Correlacin de Pearson
1
,469**
,583**
-,186**
,346**
Sig. (bilateral)
,000
,000
,000
,000
N
N
Correlacin de Pearson
Sig. (bilateral)
N
3821
3821
3585
,037*
,025
,469**
,000
3585
3585
3585
,185**
,000
3821
,583**
,000
3821
-,186**
,804**
,000
3585
-,369**
,000
3821
,000
3821
,037*
,027
3585
3821
3821
,804**
,000
,037*
,027
3585
3585
1
3821
-,304**
-,304**
,000
3821
1
,000
3821
3821
Cada celda contiene tres valores referidos al cruce entre cada dos variables:
45
En amarillo una correlacin poco significativa entre la variable Ingreso total familiar y la
variable Cantidad de personas en el hogar. Esta correlacin tiene una intensidad muy
baja de solo 0,037 en el rango de 0 a 1, el signo positivo indica que es una relacin
directa, es decir, del tipo A mayor cantidad de personas en el hogar, mayor Ingreso Total
familiar, y es significativa al 95% ya que presenta un nivel crtico (Sig) igual a 0,027.
Concluimos que existe una correlacin entre ambas variables pero de una intensidad tan
baja que la torna insignificante.
46
Bibliografa
Carrin Snchez, Juan Javier Manual de anlisis de datos. Madrid, Alianza Editorial, 1995.
Galtung J Teora y Mtodos de Investigacin Social, tomo I y II. Buenos Aires, Eudeba,
1973.
47