Loading documents preview...
SPSS
ANALISIS DE VARIABLE CUALITATIVA:
Seleccionar variable
Verificar que en estadísticos no haya nada seleccionado.
Gráfico de barras o sectores.
Interpretación: El 27,6% de los libros son de estadística.
ANALISIS VARIABLE CUANTITATIVA DISCRETA (REPRESENTAN CONTEOS)
Seleccionar variable.
Seleccionar estadísticos.
Gráfico de barras o sectores.
Interpretación: Se analizaron 30 libros, el promedio fue de 15,50; con +/- una DS de 8,803; con un mínimo de 1 y un máximo de 30.
ANALISIS VARIABLE CUANTITATIVA CONTINUA (REPRESENTAN MEDICIONES)
Seleccionar variable.
Seleccionar estadísticos.
Gráfico: Histograma, mostrar curva normal.
Interpretación: Se analizaron 30 libros, el promedio de peso es 580,17; el peso que más se repite es 320; el 25% pesa menos de 411,25 gramos.
CATEGORIZAR (RECODIFICAR)
Mirar percentiles.
Apretar Cambiar y luego valores antiguos y nuevos.
Añadir y luego continuar.
Aceptar.
Ir a valores en alturarec.
TABLAS DE ASOCIACIÓN
Tablas cruzadas (Tabla de contingencia)
En fila va la variable que más categorías tiene. En columnas va la variable que menos categorías tiene.
Casillas: Seleccionar Fila, Columna, Total.
Interpretación: De 29 libros, 27,6% es de estadística. De los libros de estadística 50,0% tiene entre 1 y 3 años de antigüedad. Del total de libros 13,8% son de estadística y tiene antigüedad entre 1 y 3 años.
JI CUADRADO
Tablas cruzadas (Tabla de contingencia)
En fila va la variable que más categorías tiene. En columnas va la variable que menos categorías tiene. (la dependiente)
Estadísticos: selecciono ji 2, coeficiente de contingencia, Phi y V de Cramer para ver la asociación es fuerte o no fuerte.
Casillas: Seleccionar Fila, Columna, Total.
Hay que mirar Chi^2 de Pearson (sig. Asintótica ese es el valor p). Si el valor p es menor a 0,05 existe asociación. Interpretación: Existe asociación entre la materia del libro y su antigüedad. Coeficiente de contingencia: Si es mayor a 0,3 es una asociación fuerte. EL COEFICIENTE DE CONTIGENCIA SOLO LO LEO SI EXISTE ASOCIACIÓN.
T-STUDENT PARA DATOS PAREADOS
TEST de KS
Seleccionar variables numéricas.
Mirar ambas sig asintóticas, verificar si valor es mayor a 0,05; significa que se distribuye normal.
T-Student para muestras relacionadas.
Se agregan las variables y aceptar.
Interpretación: Promedio de opinión experto 1 es 2,93 +/- 1,4. La T ( es t calculado). Miramos Sig. (bilateral) Es mayor a 0,05; por tanto acepto H0. Por tanto podemos decir que no existen diferencias estadísticamente significativas entre lo que pensó el experto 1 y lo que pensó el experto 2.
T-STUDENT PARA DATOS INDEPENDIENTES
Test de KS para variable numérica, para probar normalidad.
Mirar sig asintótica, debería ser mayor a 0,05 para indicar normalidad. En este caso no es normal, pero asumiremos normalidad. Si n es mayor a 30 asumo normalidad.
T- Student para pruebas independientes.
Variable de agrupación: Se pone la variable cualitativa. Luego definir grupos.
O solo se le pone 1 y 2.
Variable de prueba o para contrastar: Variable cuantitativa.
Luego apretar aceptar.
Mirar Levene Sig., indica cual de las dos T miro. Si Levene es mayor a 0.05 las varianzas son iguales y eso sirve para ver cual T miro.
Mirar prueba T sig bilateral (p), si es menor a 0,05, rechazo H0. En este caso se acepta H0 porque p es mayor que 0,05.
Seleccionar SIMPLE y luego DEFINIR.
Eje de categorías: variable cualitativa o categórica. Variable: variable numérica. Luego aceptar.
ANOVA
Test de KS para ver si existe normalidad, se hace el test de KS a la variable cuantitativa (numérica).
Seleccionar variable númerica y luego aceptar.
Hay que mirar sig. Asintótica (bilateral), si es mayor a 0,05; significa que la prueba es normal.
ANOVA
En factor poner variable categórica. Lista de dependientes: Variable numérica.
Post Hoc: Tukey y Tukey B.
Opciones: seleccionar Descriptivos y Prueba de homogeneidad de las varianzas.
Box plots
Seleccionar SIMPLE y luego DEFINIR.
Eje de categorías: Variable categórica. Variable: Variable numérica. Luego aceptar.
Interpretación: El promedio de peso de los libros que tiene entre 1 y 3 años es 523,3.
Mirar tabla de homogeneidad de varianzas (Levene): Sig. ( es nuestro valor p) Si p es mayor a 0.05, las varianzas son iguales.
De la tabla ANOVA: mirar F y Sig. F es el f calculado. Sig. Dice si es o no significativo. Si p (sig) es menor a 0.05, si es significativo) Conclusión en el caso: No hay diferencias entre los promedios de peso según antigüedad, ya que sig es mayor a 0,05 (es 0,336). Hay un solo conjunto homogéneo.
Si hay un solo ‘’cajón’’ es porque las variables son todas iguales, están alineados, ya que no existen diferencias.