c




 ||
|Walen Heather Frederick, Ph.D.||

|Este documento lhe dará saída anotada SPSS para as seguintes estatísticas:||

|Correlação||

|Regressão||

|Amostras pareadas, o teste t||

|Amostras independentes, teste t||

|ANOVA ||

|Qui-quadrado||

|Note-se que a versão do  utilizado para este folheto foi de  (Básico).||Portanto, se
você tem avançado add-ons, ou uma versão mais recente pode haver algumas pequenas
diferenças, mas o volume deve ser o mesmo.||Uma possível diferença seria para versões
posteriores ou pacotes avançados para dar a opção de coisas como tamanho do efeito, etc
Além disso, os dados utilizados para as impressões foram baseadas em dados disponíveis no

texto: À


  
    

 À    
 ||

|Se você tiver problemas com a entrada de dados ou outros itens não abordados neste guia,
por favor, tente usar o SPSS ajuda que vem com o programa (quando em SPSS, ir ao abrigo
do "Ajuda" e clique em "temas", você pode ser surpreso com o "user friendly" SPSS ajuda
realmente é).||No final do presente documento é um guia para ajudar você a escolher o teste
estatístico mais apropriado para seus dados.||

|Nota: No teste deve ser realizado, sem primeiro fazer a análise exploratória de dados, e
confirmando que a análise estatística produziria resultados válidos.||Por favor, aprofundada
análise exploratória de dados, para verificar a existência de outliers, falta de dados, erros de
codificação, etc Lembre-se: lixo, sai lixo! ||

|[!" #!$%! &'
#!$(!)*  ||

|A maioria das pessoas aprecia um "refrescamento" sobre este tema.||

|#!$%! &+ um efeito observável que seja suficientemente grande que não
acho que temos que por acidente (isto é, não achamos que o resultado que tivemos foi por
acaso).||

|J  #,  ! #!$-. ||

||Se H 0 é verdadeira, o Ô
alue (valor de probabilidade) é a probabilidade de que o resultado

observado (ou um valor mais extremo do que o que observamos) iria acontecer.||O Ô
alor é
um valor que obtemos depois de calcular uma estatística de teste.||menor o Ô
alor mais forte é
a prova contra o H 0. Se colocarmos alfa em 0,05, então o valor de Ô deve ser menor do que
esta a ser considerada estatisticamente significativa, se estabelecermos alfa em 0,01, então
deve ser menor que 0,01 para ser considerado estatisticamente significativo.|| Lembre-se que o

alor Ô diz-nos que a Ôrobabilidade seria de esperar o resultado do nosso (ou mais extrema),
dado o nulo é verdade.  !£ , ! '
$'
  /  !
 e
dizer, parece haver uma diferença entre grupos / relações entre as variáveis, etc||

|$!- !!ù
!&- ||

|Ô <0,05 e Ô <0,01||

|O que isso significa?||

|Ô <0,05 = o resultado iria acontecer, não mais de 5% do tempo (assim que o tempo de 1 em
20 amostras), se a hiÔtese nula fosse
erdadeira.||

|Ô <0,01 = o resultado iria acontecer, não superior a 1% do tempo (assim que o tempo de 1 em
100 amostras), se a hiÔtese nula fosse
erdadeira.||

| '
  )£"0 ""   - !'
 --  ! !)
!      !/ /  !
'
!! £ 

 - "0  !&- $ ||

|À 
£ ,  $#   !  12. Você não
pode rejeitar a hipótese nula.||No entanto, você pode afirmar que é "marginalmente"
significativo. ||Você vai querer olhar para o seu tamanho de efeito para determinar a força do
relacionamento e também o tamanho da amostra.||Muitas vezes, um efeito moderado a grande
não será estatisticamente significante se o tamanho da amostra é baixa (baixa potência).||
Neste caso, ele sugere mais pesquisas com uma amostra maior.||

|Lembre-se que a significância estatística não é igual importância.||Você sempre quer calcular
uma medida do tamanho do efeito para determinar a força do relacionamento.||Outro aspecto a
ter em mente é que o tamanho do efeito, e como é importante, é um tanto subjetiva e pode
variar dependendo do estudo em mãos.||

| J 3)||

|A correlação diz-lhe como e até que ponto duas variáveis estão linearmente relacionadas.||
Use essa técnica quando você tem duas variáveis (medido na mesma pessoa), que são de
natureza quantitativa e medidos em um nível que, pelo menos, aproxima as características
intervalo.|| Ao realizar uma correlação, não se esqueça de olhar os seus dados, incluindo
gráficos de dispersão, fazer suposições certeza são satisfeitas (por correspondência, outliers
pode ser uma preocupação).||

|
|Este exemplo é a partir do capítulo 14 (problema # 49).||A questão era se havia uma relação
entre a quantidade de tempo que levou para completar um teste eo resultado do teste.| |As
pessoas que levam mais tempo obter melhores resultados, talvez devido à verificação de
questões re-e tendo o seu tempo (correlação positiva), ou as pessoas que terminam mais cedo
possível fazer melhor, porque eles estão mais preparados (correlação negativa)?||

|Esta é a saída padrão.||

|Esta caixa apresenta os resultados.||

|Você vê a correlação na última coluna, primeira linha: 0,083.||Claramente, esta é uma

pequena correlação (lembre-se que eles variam de 0-1 e isso é quase 0).||O Ô
alor (na linha
abaixo deste) é 0,745.||asto é consistente com a correlação.||asso está longe de qualquer alpha
(.05 ou .01), em outras palavras, porque o valor ULTRAPASSA alfa Ô não é estatisticamente
significativa. ||Assim, deixamos de rejeitar a hipótese nula e concluir que o tempo alguém leva
para completar um teste não está relacionada com a pontuação que irá receber.||

|A escrever ficaria assim: ¦ (18) = 0,08, Ô 0,05 (se você estivesse usando um alfa de 0,01,
que seria: r (18) = 0,08, Ô 0,01. Alternativamente você poderia escrever: r (18) = 0,08, Ô = 0,75
(a diferença é que no último exemplo, você está relatando o real valor de Ô ao invés de apenas
informando que o
alor Ô foi maior que alfa).||

| 4 # )||

|A regressão é normalmente usada para prever um DVD com um aV (ou vários aVs).||É um
processo que está intimamente relacionada à correlação (como o olhar, como em seus dados
antes de realizar uma regressão, com especial atenção para outliers).||

|Esta regressão é baseada em problema n º 50, capítulo 14.||Os investigadores estavam

interessados em saber se pessoa GRE uma pontuação estava relacionada com GPA na pós-
graduação (após os dois primeiros anos).||Se existe ou não um relacionamento pode ser
respondida através de uma correlação.||No entanto, os pesquisadores gostariam de ser
capazes de prever GPA para alunos de pós-graduação que vem utilizando em suas
pontuações GRE.||Além disso, lembre-se que normalmente investigadores realizar regressões
múltiplas. ||Trata-se de regressão com múltiplas variáveis preditoras utilizado para prever o DV,
o que é muito mais complexa do que uma regressão linear simples e perguntas respondidas
por essa técnica não poderia ser respondida por uma correlação.||
|

|A saída a seguir é o padrão para esta análise.||

|À

 
  À 

 


  

 
    

   


 
   
  !" " " #||

|À


$
   #||

|%
  &
   

'(!")*+'
!"
 
 #, -(    
.+/0 !"
 
 À
1

 !"23 #4
 .4
' 

  
  

  5
, 
   . 
 .4
 #|| 6 " 


     "
 (  " #||

|À
 
  
    "#||-7 
))+ "))8#||

|
|  9:   " " 
!"À




 
78; <8)=>?))+978; <8)=><#)8. #||6

 
 . '  
    
 "

   !"  "5 9
 
    À(
  

)))+#||

|À
(  
    "#||

|
|6     
   À 
 $  


$
 7

 
  #|| !" 
 "@|<)>88A)))+#||

| c  


||

|
|A par-amostras, ou correspondência pares, teste t é recomendado quando você tem dois
meios para comparar. É diferente de um teste t indeÔendente amostras em que os escores
estão relacionados de alguma forma (como da mesma pessoa, um casal, uma família, etc.)||
Não se esqueça de verificar se os pressupostos para um teste válido sejam cumpridas antes
de realizar esta análise.||

|O resultado mostrado aqui é o padrão.||

|Este exemplo baseado em um exemplo a partir do capítulo 11 (problema # 8).||Neste estudo,

cinco participantes foram expostos a um ruído e uma condição silenciosa (essa é a aV) e um
teste de aprendizagem (este é o DV).||A questão é se a aprendizagem é diferente nas duas
condições, há uma diferença estatisticamente significativa nas médias de ruído e condição de
silêncio?||

|A primeira caixa dá meios, desvios-padrão, eo N.||

|Esta caixa ao lado dá-lhe a correlação entre o silêncio e no ruído.||

|
|Normalmente, se você está conduzindo um teste t não apresentam estes resultados.||No
entanto, porque eles estão aqui, eu vou interpretá-los para você.||Há uma correlação
significativa (relação) entre os ruidosos e condições de silêncio (o nulo é rejeitada).|| Ou seja, se
você teve alta mas com uma condição, que teve alta no outro (isto faz sentido, porque é a
mesma pessoa em ambas as condições).|| É estatisticamente significativa em um alfa de 0,05,
pois quando você olhar para a última caixa rotulada "Sig." O número não é 0,023 (este é o

alor Ô).|| Esta é baixo (menor que) um alfa de 0,05 (se acontecer de você estar usando um alfa
mais conservador, como 0,01, este resultado não seria estatisticamente significativa e que iria
manter o nulo).||

|A escrever seria: r (5) = 0,93, Ô <0,05.||(Ou: r (5) = 0,97, Ô = 0,023).||Usando um alfa de 0,05
você concluiria que há uma relação entre as condições, o que seria de esperar, pois é o
mesmo povo em cada estado (novamente, isso normalmente não é relatada, porque a questão
que queremos a resposta: há diferenças nas condições? asso não é atendida por esta saída).||

|Esta caixa ao lado dá-lhe os resultados de seu teste t.||

|
|É estatisticamente significativa se você estiver usando um alfa de 0,05, pois o Ô
alor na última
caixa é 0,022 (que é inferior a 0,05).|| Novamente, isso é um grande exemplo, porque se você
estivesse usando um alfa de 0,01, que ele não iria ser estatisticamente significativa (porque
0,02 é maior do que 0,01).||Vamos supor que estamos usando um alfa de 0,05.|| Gostaríamos
de declarar o resultado estatisticamente significativo e rejeitar a hipótese nula.||

|A escrever desta pareceria algo como: t (4) 3,77, Ô = <0,05.||Mais uma vez, você poderia
escrever: t (4) = 3,77, Ô = 0,02.||Você gostaria de ir para o relatório e os desvios padrão meios,
2),
bem como uma medida de efeito (ETA que você teria que calcular a mão (NOTA: há uma
maneira de conseguir isso em SPSS para. Você precisaria executar o teste como uma ANOVA
de medidas repetidas e clique no tamanho do efeito na caixa de opção. antroduzindo esta
análise está além do escopo deste guia, no entanto, sinta-se livre para usar SPSS ajuda e
2 2 2 2 2
experiência com isso para si mesmo).||Eta = t / (t + DF) [por exemplo: 3,628 / (3,628 +
4) = 0,77].||asso significa 77% da variabilidade dos DV (teste) é devido ao aV (condição), este é
um grande efeito!||Você também pode relatar o intervalo de confiança de 95% (0,99-7,41).||
Esse intervalo é o que lhe dá uma série de diferenças no escore de teste; sabemos que há
uma diferença na pontuação do teste baseado na condição.||Quão grande é a diferença entre
as médias?||Nosso palpite é algum lugar entre cerca de 1 ponto (0,99) e 7 ½|| pontos (7,41).||

|Ô c !  ! !    
||

|Um teste t de amostras independentes é como se fosse um teste t pareado amostras, em que
existem dois meios para comparar.||É diferente na medida em que os meios não estão
relacionadas (por exemplo, através de um tratamento e grupo controle).||Não se esqueça de
verificar se os pressupostos para um teste válido sejam cumpridas antes de realizar esta
análise.||

|Este exemplo é baseado no problema n º 57 no capítulo 10.||Resumidamente, o estudo estava

interessado em saber se a escolha influenciada criatividade em uma tarefa.||Os pesquisadores
crianças distribuídas aleatoriamente (2-6 anos de idade) a um dos dois grupos: escolha ou não
escolha.||Eles então tiveram os filhos fazer colagens e tinha as colagens classificados para a
criatividade. Na escolha da "condição", as crianças tem que escolher 5 caixas (de 10) contendo
material de colagem.||Na "outra opção" condição, os pesquisadores escolheram a 5 caixas
para as crianças.|| avaliações Criatividade (dada por 8 artistas treinados) pode variar de 0-320.||

|A saída a seguir é a saída padrão.||

|Esta primeira caixa mostra o N, o padrão, desvio médio e erro padrão da média para cada
condição.||

|Esta caixa ao lado dá-lhe os resultados da sua t teste.||A primeira coluna que você vem é
rotulado de "O Teste de Levene para igualdade de variâncias." asso testa a hipótese de que os
desvios para os dois grupos são iguais.||Você quer que isso seja não significativa (porque você
quer que não haja diferença na variância entre os grupos - esse é um pressuposto para um
teste t-independente amostras). Para determinar se ele é significativo, você olha na coluna "
Sig. "Neste exemplo, o Ô
alor é 0,165 (este não seja inferior ou alfa, por isso não é
significativo). ||asso significa que podemos usar a linha de dados rotulados como "desvios da
agualdade assumido" e que podemos ignorar a segunda linha ("agualdade de variâncias não
assumidas").||Se o teste de Levene foi significativa, então poderíamos usar a segunda linha
("agualdade de Variâncias não assumida"), e ignorar a primeira linha.||O Ô
alor está na caixa
"Sig). (2-tailed" e é 0,000, portanto rejeitamos a hipótese nula (isto é menos do que qualquer
um alfa).||

|A escrever seria: t (28) = 8,47, Ô <0,05 ou: 8,47 t 28) = Ô <(0,001 - em volta do Ô
alor porque
você nunca iria relatar p = 0,000). (Não uma diferença na criatividade entre os grupos.||Você
gostaria de relatar a médias e desvios-padrão para ambos os grupos e uma medida do
tamanho do efeito (calcular esta acima no exemplo-amostras pareadas).||O resto da
informação contida na caixa lhe dá a diferença média (os grupos diferiram na pontuação
criatividade por cerca de 47 pontos), e também o aC 95% (que você pode também querer
relatório).||

|1 ||[$  c!5  6 %!c786c ||

|Uma ANOVA é a análise a ser usado quando você tem mais de dois meios para comparar
(como é o teste t-independente amostras, mas quando você tem mais de dois grupos).|| Não se
esqueça de verificar se os pressupostos para um teste válido sejam cumpridas antes de
realizar esta análise.||

|Esta análise baseia-se no exemplo do Capítulo 12 (problema # 53).||Resumidamente, o estudo

foi desenhado para analisar se um participante dava mais para choques mais agressivo
"aprendiz".|| Havia quatro condições (4 níveis de aV): não insultar, ligeiramente insultuoso,
moderadamente insultar e altamente ofensivo.||Uma ANOVA é adequado, porque há mais de
dois meios que estão sendo comparados (neste caso, são quatro).| |Cada participante foi em
uma única condição (ou seja, o projeto está entre-sujeitos; tinha sido a mesma pessoa em
todas as condições, você teria um projeto-temas dentro e necessidade de realizar uma ANOVA
de medidas repetidas - isso não é coberto em Stats. a).||

|A saída a seguir é o que você obtém quando perguntando SPSS para um one-way ANOVA
sob a "comparar significa" posição geral. Você vai ter alguma coisa diferente se você fizer uma
análise de variância univariada usando o comando sob o modelo linear. "(NOTA título": usando
o comando univariada lhe dará a opção de selecionar o tamanho do efeito, porém, a impressão
é mais complicado e além do escopo deste guia. Novamente, sinta-se livre para experimentar
com isso.).||
|

|A saída a seguir não é o Ôadrão. Para obter este resultado, quando você estiver configurando
a ANOVA (em comparação das médias, ANOVA one-way), você precisa clicar em "Post Hoc" e
selecione SNK (você é livre para usar qualquer teste post hoc gostaria), e você precisa clicar
em "Opções" e selecione: descritivos, teste de homogeneidade de variância e médias de
parcelas.||

|Esta primeira caixa dá-lhe informações descritivas.||

|Diz-lhe que havia 10 participantes em cada grupo (N).||Dá-lhe a meio e os desvios padrão
para cada grupo (você pode ver a média do número de choques aumenta com cada condição,
ª
ea variabilidade na condição 4 foi o maior).||Ele também lista os erros padrão, aC 95% para a
média para cada grupo, ea escala de pontuação para cada grupo.||

|Esta caixa ao lado dá-lhe os resultados de um teste de homogeneidade de variância.||

|
|Lembre-se, este é um pressuposto para uma análise de variância válidos (que as variâncias
de cada grupo / doença são os mesmos). Queremos que este teste não atingiu significância
estatística.||Quando não é significati
o que está dizendo grupos as variações do não são
significativamente diferentes entre si (esse é um pressuposto para uma análise de variância
válidos).||Nesse caso, nossa suposição é satisfeita ÿÔ = 0,160).|| O Ô
alor não exceda alfa (ou
0,05 ou 0,01);. asto é o que queremos que ele nos permite passar à próxima caixa.||Se você
obteve um valor significativo aqui, você precisará ler sobre as hipóteses e ver se você acredita
que seu ensaio é robusta contra essa violação.||

|Esta caixa ao lado dá-nos os nossos resultados.||

|De acordo com a última caixa, o
alor Ô é <0,001 (rodadas SPSS, assim quando você vê
"0,000" nesta casa, sempre relatam como Ô <0,001, ou como menos do que o alfa que você
está usando). Assim, em qualquer alpha (.05 ou .01), podemos rejeitar a hipótese nula, os
grupos são diferentes.||

|
|O write-up seria: Y (3, 36) = 31,88, Ô <0,05 (ou: Y (3, 36) = 31,88, Ô <.001).||Lembre-se, com a
ANOVA, neste momento isso é tudo que podemos dizer. Precisamos fazer testes post hoc para
ver onde estão as diferenças.||Nós vamos chegar a essa caixa ao lado.||Para obter a sua
2
medida de efeito, calcular a mão (ou usar método univariado explicado acima).||Eta = SS
Entre / Ss Total [por exemplo: 1299 / 1788 = 0,73; um grande efeito].||

|Esta caixa ao lado dá os resultados dos testes post hoc.||

|
|Os meios que diferem umas das outras estão em caixas separadas (post hoc de outros testes
mostraram diferenças entre os grupos de formas diferentes, às vezes por um *).||Assim, os dois
primeiros grupos não diferiram entre si, mas todos os outros meios não diferem umas das
outras.||Ou seja, o insulto e suavemente grupos não tinham médias significativamente menor
do que ambos os grupos moderadamente e altamente ofensivo.| |Além disso, a insultar o grupo
moderadamente obtiveram uma média menor significativa do que o grupo altamente ofensivo.||
O meio no moderadamente e não insultar grupos não diferiram entre si.||

|Esta última parte da produção lhe dá um visual agradável exibição do grupo de meios.||Você
pode ver o aumento vertiginoso dos choques entre o dado não / semi-grupos de insultar e /
altamente insultuoso grupos moderadamente.||

|
|2 ||9
:'
 ||

|Um qui-quadrado pronunciado "ky" quadrado) ensaio (é utilizada com você variáveis que são
categóricos ao invés de contínuo.||Exemplos de quando esse teste seria útil incluir o seguinte:
Existe uma relação entre sexo e filiação política?|| Existe uma relação entre etnia e grupos
religiosos?||Existe uma diferença entre público e escola privada na taxa de abandono?||Não se
esqueça de verificar se os pressupostos para um teste válido sejam cumpridas antes de
realizar esta análise.||

|O exemplo aqui é com base no Capítulo 15 (problema # 46).||A pesquisa foi analisar TV e
como ela influencia os estereótipos de género.||Para este estudo, os comerciais foram
classificados em termos de saber se o personagem principal era macho ou fêmea e se ele ou
ela foi retratada como uma autoridade (um especialista sobre o produto), ou simplesmente um
usuário do produto.||Assim, o aV é o gênero (masculino / feminino) e DV é o papel (autoridade /
usuário).||Note que estes são categóricos, ou variáveis discretas.||

|A saída a seguir não é a saída Ôadrão.||A fim de obter estas tabelas que você deve fazer o
seguinte: Analisar| } |Crosstabs| |Estatística Descritiva.|| Coloque uma variável na caixa de
linha e um na coluna.||Para este exemplo, eu coloquei "género" na caixa de linha, e "papel" na
caixa de coluna.|| Clique em "Estatísticas" e escolha "qui-quadrado" e "Phi e de V. Cramer" Em
seguida, clique em "células" e escolha "Counts, observado" e "As percentagens, Linha, Coluna
e Total."||

|Esta primeira caixa é um resumo, detalhando o N total e do número e% dos casos de

desaparecidos.||Você pode ver que há 146 participantes, sem casos omissos.||

|À
 '(!"  
   

 

  
  #||

|Esta caixa apresenta os resultados de seu teste de| |2.||

|
|Você leu a primeira linha (primeira linha). O
alor Ô aparece na)) diante da coluna (caixa
intitulada "assintomáticos. Sig. (2 lados.|| Para este exemplo, p = 0,001 o.||Em um ou alfa isso é
estatisticamente significativa e que iria rejeitar a hipótese nula e concluir que existe uma
relação entre gênero e retrato papel.||

|Uma escrita até pode ser parecido com este:| ||(1, N = 146) 10,91, Ô = 0,05 (ou:||(1, N = 146)
= 10,91, Ô = 0,001

||Assim, existe uma relação entre gênero e atuação em comerciais de
papel. Quando o resultado é significativo, você vai querer ir para denunciar percentuais e
tamanho do efeito.||Para percentuais, volte para a caixa anterior.|| Neste caso, você pode dizer
algo como: Quando um cargo de autoridade foi retratado, foi um 88% do sexo masculino da
época, embora fosse um apenas 12% do sexo feminino da época.||

|À
 

||

|


 
   
||

  

  
 !"

#  
 ||

|Uma nota sobre este símbolo:| ||Você consegue isso, no Word, escolhendo a guia "anserir" e,
em seguida. "Símbolo" É uma letra grega.||Você pode ter que mudar sua fonte para obtê-lo a
mostrar-se como é suposto (Times New Roman sempre funciona).||Depois de conseguir o| 
você precisa adicionar o sobrescrito "2".||
|

|  $%& #  
 '
 
()*||

|+
À

,

  -À./ ||

| $0&12 3 4  $5

||

|61$!78!"8 !89À 



 & : ./ #  &


4

:
&
; 4
 ||

<||

|2
 À

,
    :=-./ ||

| $0&> ?3 4  $0 4 @ ||

|61$="A"!!!B9À

& 

; : ./ 


  
 


&


4 
:,&<||

|%

 / À

,
2 
&||

|À
  $% C||C

) D+ 3 4  $++ ||

|61$7==!EF !" 9À



& 

,


&||
 


  
 

 G  4
  
 ++||À 

  : H# 
I&
I


; : ./ 

J   <||

|K 

  L||
|

|
$



 

 

,
   ,& 
 
 # 
& 




 

 

M & J

 
 

& J
 
||

|
|
|0
 &
& 
 ||
| 
, || |0 
||
| || | ||

|
|| | 
 ||
| | , || | |
| | 
./3D

|| |D

%,
6



||| || 4 

À,7||

| || |

||
|À|| |0
|| | |
|

 ++
 |
#  ù ||
| 
 || |  || 4 


||

| 
 ||
|

| 

4


  :

   ||6  
 
 
 

   
  
, :J  
 ||6


# 
& J À
 : 

  0 
,  
 

 
 
7  
 
 .  ,
 ||6


  # & J
 ||

4  .  
. & J&4

||1& J 
4 


 +N+&
. 4   


 
4 ||

|
|
|
|
|
|
|
|
|
|
|
|
|
|

|
$ 

& H  


 H  
; 
 
 #  

,
  H 
 & N  &  
 
  
  #  

 4
 
& . G ||