Beruflich Dokumente
Kultur Dokumente
para
introducir
datos
(Introducir
Datos), etc.
pestaas
parte
llamada
en
inferior,
"Vista
la
una
de
datos" (activada) y la
otra "Vista de variables"
(desactivada)
define,
que
veremos
ms
adelante.
y al
2.1.6.-Valores Son los diferentes valores que puede tomar la variable. Se van aadiendo a
la lista, mediante el botn Aadir. Se pueden introducir modificaciones con los botones
Cambiar y Borrar.
En Valor
se escribe el valor de la
Ejemplo En el caso de estar definiendo la variable sexo, los valores que puede tomar la
variable son dos: Mujer y Hombre, le asignamos a las mujeres un 1 y a los hombres un 2.
Al ir definiendo cada una de las variables del fichero, puede ocurrir que
queramos utilizar la misma opcin para ms de una variable. En lugar de ir definiendo
cada variable, se puede copiar la informacin de una (con Ctrl + C o Edicin + Copiar)
y pegarla en otra/s (con Ctrl + V o Edicin + Pegar).
Por ejemplo, si queremos utilizar los mismos "Valores" para ms de una
variable, basta definirlos para una, a continuacin se selecciona la celdilla que
corresponde la los Valores de esa variable, se pincha Ctrl + C o Edicin + Copiar, y se
selecciona el resto de variables que van a llevar los mismos valores (seleccionado con
el ratn las celdillas correspondientes a los valores), y se pincha Ctrl + V o Edicin +
Pegar. Esto puede hacerse con todas las opciones menos con el Nombre de la
variable.
Una vez que estn todas las variables definidas se meten los datos (la
operacin puede realizarse a la inversa, metiendo primero los datos y definiendo
despus las variables), el fichero de datos presentara un aspecto similar al de la figura
correspondiente
siguiente:
del
fichero
de
datos
donde
se
determinar
el
orden
de
INDICE
RESULTADOS
Qu queremos exportar
8.2.2.- Dnde lo queremos exportar Hay que especificar dnde se quiere exportar
el visor de resultados, para lo que hay que ir a Exportar archivo.
se seleccionar la opcin Archivo HTML (*.htm), que suele estar marcada por defecto
9.2.- EN FORMATO HTML El archivo exportado puede ahora abrirse desde cualquier
ordenador que no tenga instalado el programa SPSS, ahora con formato HTML. Para
ello abriremos el procesadores de texto Word. Para abrirlo, accedemos a Archivo
abrir
los
(en
orden
ascendente
descendente),
Estadsticos descriptivos
N
Rendimiento en historia
Rendimiento en filosofa
Rendimiento en idioma
Rendimiento en
matemticas
Rendimiento en dibujo
N vlido (segn lista)
Mnimo
100
100
100
0
0
0
Mximo
10
10
9
Media
5.73
5.50
5.32
Desv. tp.
2.27
2.34
2.08
100
10
5.70
1.96
100
100
10
5.50
2.19
Se da la opcin de mostrar / no
mostrar la tabla de frecuencias.
Para obtenerlas, debe estar
marcado ()
s
En una primera tabla
d
u
e
e
i
d
seleccionados para cada
p
p
m
a
a
a
una de las variables
N
V
0
0
0
incluidas en el anlisis.
P
0
0
0
A continuacin se presentan las tablas de frecuencias, una para cada variable, en la que se aparece
la frecuencia directa, su porcentaje directo, as como el vlido (despus de eliminar valores
perdidos), y el acumulado.
c
e
e
m
u
e
l
i
e
u
d
V
S
7
0
0
0
P
4
0
0
0
S
6
0
0
0
B
1
0
0
0
U
6
0
0
0
U
8
0
0
0
O
8
0
0
0
T
0
0
0
ESTADSTICA PARAMTRICA:
PRUEBA T DE STUDENT
Con la prueba t de Student se intenta probar la diferencia de medias para
uno, dos o ms grupos. Se trata de una prueba paramtrica, es decir, que entre otras
cosas, la/s variable/s dependiente/s deben estar medidas en nivel de intervalo o razn.
1.- PRUEBA T PARA MUESTRAS INDEPENDIENTES
El programa SPSS, dentro del men Analizar, tiene una opcin para comparar
medias y dentro de esta opcin accedemos a Prueba T para muestras independientes.
En el ejemplo que se desarrolla en este caso seleccionamos como variable de
agrupacin o variable independiente el Sexo que tiene dos categoras: MUJER (1) y
HOMBRE (2). Como variables dependientes seleccionamos Rendimiento en Historia,
Rendimiento en Filosofa, Rendimiento en Idioma, Rendimiento en Matemticas y
Rendimiento en Dibujo.
calcula
la
diferencia
de
medias.
r
v
i
t
a
m
e
N
S
p
d
e
R
M
3
8
0
0
H
7
9
6
4
R
M
3
8
8
1
H
7
0
2
5
R
M
3
0
6
7
H
7
3
2
2
R
M
3
7
5
7
m
H
7
5
8
9
R
M
3
7
4
2
H
7
3
2
9
A continuacin aparece una tabla que consta de dos partes, en la primera, el programa
realiza una prueba a priori, la F de Levene, para comprobar si existe o no homogeneidad de
varianzas (uno de los requisitos para aplicar pruebas paramtricas).
20
tr
a
ig
u
I
n
te
r
a
n
z
a
f
e
r
e
o
e
r
r
e
t
n
p
S
(
n
i
m
u
b
f
g
f
e
t
p
i
e
e
l
l
r
a
e
r
e
d
R
S
e
e
7
9
0
.
3
.
4
2
7
6
8
0
1
6
1
0
v
a
r
N
o
7
7
0
.
3
.
4
2
4
6
3
2
1
6
2
0
v
a
r
R
S
e
e
8
9
0
.
1
.
4
7
4
1
8
2
8
7
5
1
v
a
r
N
o
8
4
0
.
1
.
4
7
3
1
0
3
8
7
6
2
v
a
r
R
S
e
e
8
9
9
.
1
.
4
6
8
9
8
9
6
2
7
9
v
a
r
N
o
8
0
0
.
1
.
4
6
5
0
2
1
6
2
7
0
v
a
r
R
S
e
e
2
9
7
.
2
.
3
0
5
4
8
0
9
9
6
9
m
v
a
a
r
N
o
2
8
7
.
2
.
3
0
5
5
4
0
9
9
7
0
v
a
r
R
S
e
e
3
9
9
.
0
.
4
9
7
8
8
1
2
4
3
1
v
a
r
N
o
3
3
9
.
0
.
4
9
8
8
2
0
2
4
3
1
v
a
r
Para el resto de las Hiptesis Nulas planteadas Ho (2), Ho (3), Ho (4), Ho (5), podemos
aceptarlas ya que las probabilidades asociadas al estadstico t (0,702 - 0,699 - 0,470 0,891 respectivamente) son mayores que (0,05), por lo que:
No existen diferencias estadsticamente significativas en el Rendimiento de los
alumnos en Filosofa en funcin de la variable Sexo . Ho (2)
No existen diferencias estadsticamente significativas en el Rendimiento de los
alumnos en Idioma en funcin de la variable Sexo. Ho (3)
No existen diferencias estadsticamente significativas en el Rendimiento de los
alumnos en Matemticas en funcin de la variable Sexo Ho (4)
No existen diferencias estadsticamente significativas en el Rendimiento de los
alumnos en Dibujo en funcin de la variable Sexo Ho (5)
Contrastes Posteriores
En caso de haber encontrado diferencias significativas, y para ver hacia que direccin
de dan, se consulta la tabla ESTADSTICOS DE GRUPO, y en la columna MEDIA, se
puede ver qu grupo obtiene una media superior.
21
Interpretacin de resultados
Aparece en primer lugar una tabla que resumen la informacin de las variables
incluidas en el anlisis. Podramos haber metido ms de un par de variables, en los
resultados se identifican como Par 1, Par 2, etc.
v
i
t
a
m
e
N
p
d
e
P
C
9
0
5
3
c
C
1
0
5
3
c
A continuacin aparece una tabla que nos proporciona la correlacin entre las
e
N
i
l
g
P
C
c
0
4
0
C
c
variables:
22
Podemos ver que la correlacin es significativa (sig. = 0,000 < = 0,05) y muy alta
(ver prctica de correlacin)
Por ltimo aparece la tabla en la que se contrasta la hiptesis que ponamos en juego:
r
e
e
r
z
a
o
r
r
e
S
e
v
i
i
g
a
e
p
a
e
e
t
g
d
e
t
d
r
p
e
P
C
c
a
2
2
9
8
6
5
9
0
d
d
Podemos ver que la probabilidad asociada al estadstico t es menos que , por lo que
rechazamos la H0 planteada y afirmamos que existen diferencias estadsticamente
significativas entre la Capacidad de Concentracin antes y la Capacidad de
Concentracin despus.
Contrastes posteriores
Una vez que hemos visto que las diferencias entre la capacidad de concentracin
antes y la capacidad de concentracin despus son significativas, puede interesar en
qu direccin se dan estas diferencias. Para ello, volvemos a la tabla primera que
proporciona el programa, y vemos en que variable a media es ms alta.
Estadsticos de muestras relacionadas
Media
Par 1
Capacidad de
concentracin antes
Capacidad de
concetracin despues
Es Error
superior
media en
Desviacin
tp. de la
tp. Capacidad
la mediade
concentracin
61.29
100
20.25
despus de 2.03
recibir el PEC, por lo
71.61
100
23
ESTADSTICA NO PARAMTRICA
variable
de
agrupacin
(o
Moses)
24
H0:
No
existen
diferencias
estadsticamente
significativas
en
los
intereses
m
n
m
n
N
S
g
I
M
3
9
0
d
H
7
7
0
T
0
rangos.
A continuacin encontramos la tabla en la que aparecen los estadsticos de contraste.
Aunque aparecen por defecto la U de Mann Whitney, W de Wilcoxon y la Z,
interpretaremos solo la primera de ellas, aunque como puede verse, la significatividad
asociada a los tres estadsticos es la misma.
As pues, en funcin de la probabilidad asociada al valor del estadstico U de Mann
Whitney,
podemos
concluir
que
no
existen
diferencias
estadsticamente
a
d
e
r
s
l
u
U
0
W
0
Z
7
S
9
a
V
Para
definir
el
rango,
se
independiente
de
agrupacin
la familia.
Para
cada
variable
g
dependiente
introducida
a
n
g
en el anlisis,
aparece el
m
N
N
e
i
P
B
r
a
1
0
4
0
nmero de casos que hay
M
3
1
3
5
en cada categora (N) y el
M
2
5
6
2
M
1
6
7
8
Rango Promedio para
A
l
1
3
0
0
cada una de ellas.
To
0
0
E
B
s
a
1
0
4
7
M
3
3
3
6
M
2
4
6
0
M
1
9
7
1
A
l
1
1
0
0
To
0
0
E
B
s
a
1
7
4
5
a
d
d
u
e
e
i
d
m
p
p
m
a
a
a
C
1
0
9
5
g
4
4
4
4
S
0
0
3
8
a
P
b
V
para
realizar
el
Interpretacin de resultados
Aparecen en primer lugar las tablas con las frecuencias encontradas en cada
categora de cada una de las variables, as como lo que cabra esperar al azar (N / n
de categoras) y el residual.
e
i
e
d
En estas tablas aparecen las
M
frecuencias empricas (N observado),
H
T
que es cmo se distribuyen realmente
los
sujetos
en
las
u
diferentes
categoras.
p
e
i
e
d
G
0
0
A
continuacin
aparecen
las
G
0
0
frecuencias tericas (N esperado),
G
0
0
que es cmo se distribuiran al azar,
G
0
0
T
igual nmero de sujetos en cada
categora.
ia
Aparecern
tantas
tablas
como
p
e
i
e
d
variables se incluyan en el anlisis.
B
4
0
0
M
3
0
0
M
6
0
0
M
7
0
0
A
0
0
0
T
0
A continuacin aparece la tabla con los valores del estadstico Chi cuadrado, los
grados de libertad y la probabilidad asociada al estadstico.
Las probabilidades asociadas a los valores de chi cuadrado son 0,549 - 1,000 y 0,002,
en el caso de Sexo y del Grupo mayores que el valor de = 0,05, y en el caso de
Nivel Social Familiar, inferior a este valor, por lo que afirmamos que no existen
diferencias (mayores que las esperadas por azar) entre las diferentes categoras de
las variables Sexo y Grupo de Clase, y si que las hay en la variable Nivel Social
d
A partir de esta
tabla se realiza el
s
contraste
de
hiptesis,
e
u
i
x
C
comparando
la
probabilidad
0
g
3
4
asociada a Chi-Cuadrado con el
S
2
ANALISIS DE VARIANZA
diferencias
estadsticamente
significativas
en
la
Variable
Dependiente
(Rendimiento, por ejemplo) provocadas por la Variable Independiente (Sexo, por ejemplo)
Esta prueba, en SPSS, la encontramos en el men Analizar Comparar Medias
ANOVA de un factor.
ms
de
una
variable
En el caso de querer tambin los contrastes posteriores, es decir, que adems de saber
si hay diferencias, saber hacia qu direccin se dan estas diferencias, hay que
especificarlo en este momento. Para ello, desde la ventana principal, entramos a la
opcin Post Hoc...
Interpretacin de resultados
En la primera tabla que aparece podemos contrastar las hiptesis nulas, siempre
comparando con la probabilidad asociada al estadstico F
O
m
e
a
d
d
d
S
g
r
F
r
ig
a
l
1
3
0
0
3
7
3
0
R
I
n
9
4
0
6
3
I
n
9
0
9
T
8
7
0
0
3
0
2
0
R
I
n
9
2
0
6
7
I
n
9
0
9
T
4
6
6
0
3
0
2
0
R
I
n
9
2
0
6
3
I
n
9
0
9
T
1
7
0
0
3
3
2
0
R
I
n
m
9
7
0
6
3
I
n
9
0
9
T
8
1
0
0
3
0
6
0
R
I
n
9
1
0
6
8
I
n
9
0
9
T
Contrastes posteriores
Para comprobar hacia qu lado se dan las diferencias encontradas, vamos a la siguiente
tabla. A continuacin se presenta el extracto de dicha tabla correspondiente a la variable
n
dependientes Rendimiento en Historia.
S
e
n
c
Diferencia
o
i
S
V
a
r
(
(
i
I
s
a
t
J
g
)
significativa
R
G
G
e
r
6
4
0
4
7
0
*
G
2
4
4
8
7
9
G
2
4
0
8
7
0
*
G
G
r
6
4
0
4
7
0
*
G
9
4
0
2
7
0
*
Diferencia no
G
6
4
0
4
7
2
significativa
G
G
r
2
4
4
8
7
9
G
9
4
0
2
7
0
*
G
5
4
0
6
7
0
*
G
G
r
2
4
0
8
7
0
*
G
6
4
0
4
7
2
G
5
4
0
6
7
0
*
R
G
G
e
r
6
5
1
8
8
4
G
1
5
7
6
8
0
En8
la primera9
columna aparece
la diferencia de medias de cada categora de la
G
0
5
9
2
G
G
r
6
5
1
8
8
4
variable independiente
con
el resto,
adjudicando al minuendo de la sustraccin el nombre
G
4
5
7
8
8
7
(I), y al sustrayendo
el
nombre (J),G
en la segunda columna (Diferencia de medias (I-J), se
6
5
8
0
8
5
G
r
1
5
7
6
0
presentan8
los resultados
de dichaG
diferencia. En el caso de aparecer un asterisco (*) al
G
4
5
7
8
8
7
lado del resultado,
y3
segn consta
a pie de tabla, la diferencia ser significativa. La
G
0
5
3
8
8
G
Gr
0
5
9
2
8
9
G
6
5
8
0
8
5
G
0
5
3
8
8
3
*
.
L
a
Univariante.
Seleccionamos
como
variable
Como en el caso del Anlisis de Varianza Simple, este es el momento de pedir (si se
quieren) los contrastes posteriores, para lo que accedemos de nuevo a Post Hoc...
cual/es
de
las
variables
La hiptesis nula (Ho) que vamos a contrastar queda pues formulada en los
trminos siguientes: No existen diferencias estadsticamente significativas en el
Rendimiento Global obtenido por los alumnos en funcin del efecto conjunto de las
variables Grupo de clase al que pertenecen y Nivel Social de la Familia.
Interpretacin de resultados
La primera tabla que aparece en la salida nos muestra un resumen de los casos
incluidos en el estudio
q
u
N
va
G
1
5
G
2
5
G
3
5
G
4
5
G
N
1
4
B
s
o
2
M
3
f
a
o
3
6
M
4
M
7
o
5
0 A
m
a
d
e
r d
a
d
f
o
g
F
i
F
r
c
l
a
M
0
9
9
7
0
I
n
0
1
0
4
0
G
5
3
8
5
0
N
7
4
4
6
9
G
2
2
1
1
5
E
0
0
9
T
0
0
T
0
9
a
R
La tabla proporciona tambin un ANOVA simple para cada una de las variables
independientes por separado. El estadstico F para el factor Grupo tiene una probabilidad
asociada de 0,000, a un nivel de significacin de 0,05, resulta significativo.
Contrastes Posteriores
En las tablas siguientes pueden hacerse los contrastes posteriores, del mismo modo que
se hacan en el caso de ANOVA simple
n
V
S
a
c
e
c
9
5
%
e
r
e
n
L
n
m
t
re
i
u
ro
i
i
e
p
f
a
(
i
(
I
c
r
e
s
J
i
)
n
a
t
)
r
G
G
r
r
5
9
7
7
0
1
3
2
2
G
r
5
0
0
5
0
1
1
8
2
*
G
r
5
0
1
6
0
1
0
2
8
*
G
G
r
r
5
9
7
7
0
1
3
2
2
G
r
5
0
0
5
0
1
0
8
2
*
G
r
5
0
1
6
0
1
2
2
8
*
G
G
r
r
5
0
5
0
0
1
1
2
8
*
G
r
5
0
5
0
0
1
0
2
8
*
G
r
5
0
9
4
0
1
0
2
8
*
G
G
r
r
5
0
6
1
0
1
0
8
2
*
G
r
5
0
6
1
0
1
2
8
2
*
G
r
5
0
4
9
0
1
0
8
2
*
B
a
*
.
L
a
i
o
V
S
a r
i
c h
d e
c o
9
5
e
r
e%
n
c
e
L
n
m
t
r
e
i
t
s
d
n
r
iu
t
r
i
i
e
(
o
a
f
p
(
I
i
)
J
r
c
s
e
i
n
)
N
a
t
r
(
f
B
M
a
e
j
o
4
3
5
9
9
8
7
8
0
8
7
0
M
e
6
9
6
0
8
6
3
3
8
5
2
6
M
e
1
2
3
8
9
0
3
3
3
6
1
6
A
l
t
o
2
2
8
8
9
2
5
6
1
2
5
3
M
B
e
a
d
j
3
4
5
9
9
7
8
8
0
8
0
7
M
e
5
9
0
5
9
5
4
2
8
9
6
7
M
e
1
4
0
9
0
9
5
2
9
0
9
1
A
l
t
o
5
7
0
8
9
9
4
2
4
9
8
3
M
B
e
a
d
j
9
6
6
0
8
3
6
3
8
5
6
2
M
e
9
5
0
5
9
4
5
2
8
9
7
6
M
e
7
6
0
2
0
9
5
2
4
0
0
0
A
l
t
o
1
8
0
8
0
2
7
2
8
0
2
6
M
B
e
a
d
j
2
1
3
8
9
3
0
3
3
6
6
1
M
e
4
1
0
9
0
5
9
2
9
0
1
9
M
e
6
7
0
2
0
5
9
2
4
0
0
0
A
l
t
o
3
2
0
3
0
3
2
2
6
0
3
7
A
B
l
t
a
o
j
2
2
8
8
9
5
2
6
1
2
3
5
M
e
7
5
0
8
9
4
9
2
4
9
3
8
M
e
8
1
0
8
0
7
2
2
8
0
6
2
M
e
2
3
0
3
0
2
3
2
6
0
7
3
B
Interpretacin de resultados
De la tabla podemos deducir una serie de conclusiones (tantas como pruebas de
significatividad realizadas) que se presentan a continuacin:
1. Modelo corregido Se pone a prueba la existencia de diferencias estadsticamente
significativas en el Rendimiento Global obtenido por los alumnos en funcin del Grupo
al que pertenecen, controlando el efecto que pueda ejercer el Nivel Social Familiar. La
probabilidad asociada al estadstico F calculado es de 0,000 al ser un valor menor
que (0,05), rechazamos H0 y afirmamos que existen diferencias en el
Rendimiento Global obtenido por los alumnos en funcin del Grupo al que
pertenecen, controlando el efecto que pueda ejercer el Nivel Social Familiar
m
a
d
e
r
d
a
d
f
o
g
F
i
F
r
c
l
a
1
M
5
4
4
2
0
2
I
n
6
1
6
3
0
3
N
7
1
7
2
3
4
G
0
3
3
7
0
E
5
5
0
T
0
0
T
0
9
a
R
3. Por ltimo se hace un ANOVA con cada una de las variables independientes
utilizadas. En el primer caso (para la Variable Nivel Social Familiar) se acepta la H0 al
ser la probabilidad asociada a F mayor que (0,05) (para Nivel Social Familiar la
probabilidad asociada a F es de 0,533), por lo que no hay diferencias
estadsticamente significativas en el Rendimiento Global de los alumnos en
funcin del Nivel Social Familiar.
4. En el segundo caso se rechaza la H0 al ser la probabilidad asociada a F menor que
(0,05) (para Grupo de Clase la probabilidad asociada a F es de 0,000), por lo que
hay diferencias estadsticamente significativas en el Rendimiento Global de los
alumnos en funcin del Grupo de clase al que pertenecen.
CORRELACIN
La correlacin es una medida de la relacin entre dos variables. Su valor oscila
entre 1 y +1 pasando por 0. Los coeficientes de correlacin indican dos cosas;
primero indican la cuanta de la relacin, para lo que se tiene en cuenta el valor
absoluto del coeficiente, y que se interpreta segn la siguiente tabla:
Correlacin baja
Menor de |0,30|
Mayor de |0,70|
Vamos a calcular si existe correlacin entre las variables Nivel Educativo y Nivel
Profesional del Padre, y Nivel Educativo y Nivel Profesional de la Madre y su cuanta
en caso de haberla.
nos
queremos
pregunta
que
resultados
en
si
los
aparezcan
al
recomienda
5%).
marcar
(Se
la
Interpretacin de resultados
interpretacin
de resultados
Una vez que
tenemos las variables que queremos correlacionar, aceptamos y
en el visor de resultados aparecer una matriz en la que aparecen de nuevo los
siguientes datos:
-
la
o
u
o
t d
f
u
f
e
e
d
io
s
a
m
p
p
a
m
a
a
R
E
C
h
s
0
7
3
6
0
0
9
0
*
c
o
S
0
0
5
0
0
.
0
N
0
0
0
0
0
0
0
0
P
C
r
7
0
2
4
0
0
5
3
*
c
o
S
0
0
7
0
3
2
.
N
0
0
0
0
0
0
0
0
E
C
s
3
2
0
9
9
5
0
2
*
c
o
S
0
0
0
0
3
3
.
N
0
0
0
0
0
0
0
0
P
C
r
6
4
9
0
0
3
2
0
*
c
o
S
5
7
0
0
2
3
.
N
0
0
0
0
0
0
0
0
*
*
.
L
a
Vemos en este caso que existe correlacin significativa entre los Estudios del Padre y
su profesin, as como entre los estudios que ha realizado la madre y su profesin.
Las correlaciones son moderada en el primer caso y baja en el segundo.
En ambos casos la correlacin es negativa, es decir, que la relacin entre las variables
es inversa. Esto quiere decir que a medida que aumenta el valor de una variable
disminuye el de la otra. Para interpretar esto, slo hay que tener en cuenta cmo se
han categorizado las variables, vemos que se ha hecho de la siguiente forma:
1 Sin estudios
1 Directivo de empresa
2 Primarios
2 Profesiones liberales
3 Secundarios
4 Bachiller
4 Tcnicos medios
5 Univ. Medios
5 Auxiliares
6 Univ. Superiores
6 De servicio
7 Otros
7 Tareas domsticas
8 En paro
9 Otros
RAZN.
COEFICIENTE DE PEARSON
En este caso vamos a comprobar si existe correlacin entre los Rendimientos de los
alumnos en todas las materias incluidas en el fichero de los datos entre si y con el
Rendimiento global
la
opcin
del
marca
Spearman
del
coeficiente
de
Interpretacin de resultados
Una vez que tenemos las variables que queremos correlacionar, aceptamos y
en el visor de resultados aparecer de nuevo una matriz en la que aparecen de nuevo
los siguientes datos:
-
el
a ci
nd i m
n
n
d
n
d
d
d
i
d
i
m
e
m
i
i
i
m
m
n
m
i
i
e
n
h
f
e
i
g
i
l
m
o
st
i
d
l
o
d
so
i
o
b
i
b
o
R
C
e
o
n
2
2
0
7
1
3
0
0
6
1
0
9
5
4
*
*
*
*
*
e
d
n
e
S
i g
0
0
0
2
1
4
0
0
.
2
7
1
0
N
1
1
0
0
1
0
0
0
0
0
0
0
0
0
R
C
e
o
n
2
2
7
0
7
3
6
5
6
0
5
3
7
3
*
2
*
*
*
*
*
e
d
n
e
S
i g
0
0
0
0
4
0
1
0
0
3
.
7
1
0
N
1
1
0
0
1
0
0
0
0
0
0
0
0
0
R
C
e
o
n
2
0
1
3
2
0
2
4
0
3
8
0
5
4
8
*
*
e
d
n
e
S
i g
0
6
2
4
0
2
6
2
3
0
5
.
0
4
N
1
1
0
0
1
0
0
0
0
0
0
0
0
0
R
C
e
o
n
0
3
3
6
5
2
0
2
9
7
3
5
0
8
*
0
*
*
*
*
*
m
de
a t
S
i g
0
1
0
2
0
7
7
0
5
1
.
0
N
1
1
0
0
1
0
0
0
0
0
0
0
0
0
R
C
e
o
n
3
0
0
5
6
4
2
0
5
3
2
4
8
0
*
3
*
*
*
*
e
d
n
e
S
i g
0
4
1
0
6
0
1
1
0
0
1
0
.
N
1
1
0
0
1
0
0
0
0
0
0
0
0
0
R
C
e
o
n
5
6
1
5
0
8
3
2
4
2
0
8
0
3
*
0
*
*
*
*
*
*
*
*
g
d
l
e
ob
S
i g
0
0
0
0
0
0
0
0
0
4
0
0
.
N
1
1
0
0
1
0
0
0
0
0
0
0
0
0
*
*
.
L
a
*
.
L
a
REGRESIN
Anteriormente hemos visto los coeficientes de correlacin, que indican el grado
o la cuanta en que varan conjuntamente dos mediciones o variables. El conocimiento
de la relacin entre variables es algo ms que un fin en si mismo; en algunas
ocasiones se quiere aprovechar el conocimiento de una relacin entre variables como
punto de partida para realizar un pronstico o prediccin. Es decir, al conocer la
variable X y su relacin con la variable Y, se tratara de averiguar en qu forma se
pueden considerar los valores particulares de la variable X y predecir a partir de ellos
los valores que corresponden en Y. El Anlisis de Regresin es la tcnica que
utilizamos para ello.
La regresin lineal estima los coeficientes de la ecuacin lineal, con una
(regresin simple) o ms (regresin mltiple) variables independientes, que mejor
prediga el valor de la variable dependiente. Tanto la variable dependiente como la/s
independiente/s deben ser continuas (en caso contrario se utilizara Anlisis de
Varianza). Por ejemplo, se puede intentar predecir el rendimiento de un alumno
(variable dependiente) a partir de su nivel de motivacin, edad, o capacidad de
concentracin (variables independientes).
INTERPRETACIN DE RESULTADOS
De entre los diferentes criterios existentes para calcular la recta de regresin,
se va a utilizar el de los MNIMOS CUADRADOS debido a sus excelentes propiedades
estadsticas.
a
u
c
a
a
b
b
Esta tabla nos
presenta c
las
n
u
t
M
o
a
1
P
variables
que han sido
p
(
incluidas en el modelo, y el
P
M
F
orden de inclusin de las
,
d
e
mismas (como es regresin
p
,
0
P
simple, solo se incluye una
F
s
variable)
,
1
a
V
p
d
m
a
R
e
M
d
a
a
1
2
8
9
3
a
V
p
b
O
m
e
d
a
S
d
g
F
r
M
i
r
g
a
l
a
1
R
2
1
2
7
0
R
8
8
3
T
0
9
a
V
b
V
a
c
i
fi
c
e
s
a
e
n
n
a
d
r
S
o
B
e
M
i
t
r
g
1
(
7
0
2
0
M
2
8
2
3
0
d
a
V
Seleccionamos, como en el
caso de Regresin Simple, el
mtodo de Pasos Sucesivos
INTERPRETACIN DE RESULTADOS
a
c
a
a b
b l
u
n
t
M
o
c
a
o
d
En
esta
primera tabla se presentan las
1
P
p
a
variables que han sido incluidas en el
(
c
modelo, y el orden de inclusin de las
P
F
mismas
I n
t
,
e
n
g
e
, 0
P
Tenemos dos modelos, el primero (1)
F
s
a
con
la
variable
independiente
, 1
2
Inteligencia General y el segundo (2)
P
p
a
con las variables c
independientes
(
P
Inteligencia General + Motivacin
M
F o
Despus del Programa. e
,
d
e
n
p
, 0
r
P
F
Aunque habamos seleccionado en
s
a
,
primer lugar1
la Motivacin Despus del
a
.
V
a
Programa, en el anlisis
ha entrado
mayor
porcentaje
de
los
p
d
m
a
R
e
M
d
a
a
1
8
7
2
5
b
2
5
5
6
2
a
V
b
V
M
c
O
m
e
a
d
d
S
d
g
r
F
M
r
i
a
l
g
a
1
R
5
1
5
0
0
R
5
8
2
T
0
9
b
2
R
6
2
3
0
0
R
4
7
8
T
0
9
a
V
b
V
p
c
V
a
i
f
i
c
e
s
a
e
n
n
a
d
r
S
o
B
e
M
t
i
r
g
t
1
(
C
5
8
5
0
I
n
5
5
8
0
0
2
(
C
6
2
7
0
I
n
3
5
9
8
0
M
2
4
2
3
0
d
a
V
En la ltima tabla aparecen las variables que han quedado excluidas del
anlisis. La exclusin no tiene que deberse forzosamente a que la variable no sea
importante a la hora de explicar los cambios de la variable dependiente, simplemente
querr decir que su aportacin a la explicacin de los cambios de la variable
dependiente ya est explicada por otras variables incluidas, y que su inclusin puede
resultar redundante. En este caso se ha excluido finalmente la Motivacin Despus del
Programa porque como puede verse en la tabla-resumen del modelo, su contribucin
al Rendimiento Global es muy pequea.
b
e
a
d
s
d
n
e
a
d
e
l
a
S
d
r
r
i
M
t
a
g
c
a
1
M
2
3
0
3
1
d
a
V
b
V
ANLISIS FACTORIAL
En
la
opcin
mtodo
de
Respecto
EXTRACCIN
factores,
el
la
de
mtodo
los
de
Componentes Principales
es el que vamos a utilizar.
Interpretacin de resultados
a
i
c
c
i
a
c
E
d
0
6
S
e
0
3
G
r
0
5
R
e
0
1
R
e
0
4
La tabla de comunalidades nos
R
e
0
7
indica cmo est representada
R
e
0
3
R
e
0
2
cada una de las variables en la
m
a
R
e
0
6
solucin factorial (utilizamos
el
E
s
0
6
para establecer
Pcriterio > 0,60
r
o
0
5
Eque las variables
s
0
6
estn bien
P
r
o
0
7
representadas en i
la solucin
N
v
0
8
S
i
t
factorial)
0
4
a
l
u
I n
t
0
7
a
l
u
C
a
0
9
c
o
C
a
0
1
c
o
M
o
0
8
p
r
o
M
o
0
5
p
r
o
M
La tabla de Varianza total explicada nos informa del nmero total de factores
(componentes) extrados, as como de la varianza explicada por cada factor en la
solucin factorial, tanto antes como despus de la rotacin. En esta tabla podemos ver
ta
u
u
r
r
a
a
c
c
e
a
re
x
r
s
t
o
ra
t
i
%
d
d
e
d
e
e
l
c
T
a
u
c
T
o
r
i
u
a
o
C
r
i
m
u
t
a
o
i
m
n
a
t
a
m
o
n
a
t
u
z
l
n
a
u
1
6
9
8
8
6
2
2
3
2
3
6
2
2
6
2
2
2
0
7
5
3
1
7
3
7
5
0
1
3
5
4
1
3
3
6
2
2
5
5
3
3
9
8
9
5
8
8
1
5
4
3
6
2
8
6
2
9
0
7
0
6
9
7
2
8
3
5
6
4
1
9
2
6
2
3
8
3
2
2
8
7
5
8
6
7
6
2
2
4
2
1
2
0
6
4
1
0
4
2
0
7
7
8
2
4
5
9
5
8
5
4
5
5
5
7
4
5
8
9
6
0
9
8
0
0
1
0
4
1
1
1
1
4
8
9
1
2
3
5
3
1
3
5
4
7
1
4
7
6
4
1
5
0
0
3
1
6
2
2
5
1
7
5
7
2
1
8
6
8
0
1
9
2
9
0
2
0
5
4
0
cules son los factores significativos, que sern aquellos cuya varianza explicada
sea mayor que 1.
Han
salido
factores
significativos
que
explican
el
69,745%
siete
a
o
n
p o n
1
2
3
4
5
6
7
E
d a
0
3
0
4
4
7
2
9
2
0
1
5
6
1
2
S
e x
0
0
3
5
0
2
0
2
0
2
2
2
2
2
G
r u
4
2
1
4
9
8
3
0
7
3
5
8
0
2
3
R
e
1
2
0
1
0
0
0
7
9
2
5
2
3
2
3
8
R
e
2
7
2
1
7
7
0
3
0
2
2
6
2
2
R
e
1
0
0
0
0
6
0
2
0
2
2
2
2
2
R
e
0
8
0
0
0
0
2
7
2
0
2
2
2
2
2
R
e
0
3
8
3
0
0
1
0
0
4
1
2
3
2
9
5
m
a
R
e
4
1
8
2
9
4
6
0
6
8
2
7
6
7
5
5
E
s
t
0
8
1
0
0
0
2
0
5
2
2
2
2
2
3
P
r o
0
6
1
0
0
0
2
0
8
1
2
3
2
2
9
E
s
t
0
1
0
7
0
0
1
2
1
2
7
2
5
8
9
1
P
r o
0
0
6
0
5
2
2
0
4
5
2
6
3
2
4
Niv
0
4
0
0
0
3
0
6
0
2
2
3
2
2
S
it u
0
2
1
2
7
0
2
0
1
7
0
4
2
2
0
a lu
I
n t e
7
1
0
2
0
9
1
9
2
0
8
2
7
1
2
a lu
C
a
0
0
9
0
5
2
0
2
0
8
2
1
2
2
c
o n
C
a
0
0
2
0
5
3
0
2
0
4
2
7
3
2
c
o n
M
o
9
3
6
2
0
2
2
8
1
4
0
2
4
2
2
2
p r o
M
o
6
3
2
1
0
9
3
5
4
9
5
3
7
3
7
8
p r o
ANLISIS DE COVARIANZA
El anlisis de covarianza (ANCOVA) es una combinacin de las tcnicas
de regresin y anlisis de varianza, que se utiliza para comprobar la existencia
de diferencias estadsticamente significativas en la variable dependiente
atribuibles a la variable independiente (con dos ms grupos o categoras) y
otra dependiente (nivel de medicin intervalo o razn), eliminando la interaccin
de una variable extraa que controlamos a travs de ste mtodo,
introducindola en el anlisis como COVARIABLE.
La suposicin especfica del ANCOVA es que la variable concomitante
(covariable) no debe ser afectada por los tratamientos, es decir, que los
tratamientos aplicados a las unidades experimentales para poder observar sus
efectos en la variable Y no deberan influir en los valores esperados de X.
Accedemos al anlisis de covarianza a travs del men Analizar
Modelo Lineal General Univariante.
La H0 queda formulada de la forma siguiente: No existen diferencias
estadsticamente significativas en el Rendimiento Global de los alumnos en funcin del
Grupo de clase al que pertenezcan, controlando la influencia del Nivel Social de la familia.
Interpretacin de resultados
De la tabla podemos deducir una serie de conclusiones (tantas como pruebas de
significatividad realizadas) que se presentan a continuacin:
5. Modelo corregido Se pone a prueba la existencia de diferencias estadsticamente
significativas en el Rendimiento Global obtenido por los alumnos en funcin del
Grupo al que pertenecen, controlando el efecto que pueda ejercer el Nivel Social
m
a
d
e
r
d
a
d
f
o
g
F
i
F
r
c
l
a
1
M
5
4
4
2
0
2
I
n
6
1
6
3
0
3
N
7
1
7
2
3
4
G
0
3
3
7
0
E
5
5
0
T
0
0
T
0
9
a
R
8. Por ltimo se hace un ANOVA con cada una de las variables independientes
utilizadas. En el primer caso (para la Variable Nivel Social Familiar) se acepta la
H0 al ser la probabilidad asociada a F mayor que (0,05) (para Nivel Social
Familiar la probabilidad asociada a F es de 0,533), por lo que no hay diferencias
estadsticamente significativas en el Rendimiento Global de los alumnos en
funcin del Nivel Social Familiar.
9. En el segundo caso se rechaza la H0 al ser la probabilidad asociada a F menor
que (0,05) (para Grupo de Clase la probabilidad asociada a F es de 0,000), por
lo que hay diferencias estadsticamente significativas en el Rendimiento
Global de los alumnos en funcin del Grupo de clase al que pertenecen.
EL FICHERO DE DATOS
El programa ITEMAN funciona bajo MS-DOS, por lo que los datos deben
introducirse con formato ASCII (texto), por ejemplo desde el editor del DOS,
Word Pad o Bloc de Notas de Windows. El fichero de datos va a tener un
Las cuatro primeras lneas del fichero de datos son fundamentales y debe
extremarse la atencin al escribirlas, que cualquier error en ellas (un espacio
de ms o de menos, un punto, etc.) puede hacer que el programa no se ejecute
o lo haga de forma incorrecta.
que la primera columna queda en blanco, hubiera sido igual poner 035,
pero siempre respetando las tres columnas.
Columna 4 Espacio en blanco.
Columna 5 Cdigo para las respuestas omitidas (en el Fichero del
ejemplo, el 9 es el valor que se asigna a los tems no contestados).
Columna 6 Espacio en blanco
Columna 7 Cdigo para los tems no alcanzados. Especialmente
importante cuando se trata de test de velocidad, es el valor que se asigna a
los tems que no han sido alcanzados por el alumno por falta de tiempo (en el
Fichero del ejemplo, el 8 es el valor que se asigna a estos tems, pero no
aparece ninguno porque no se trata de una prueba de velocidad).
Columna 8 Espacio en blanco
Columnas 9 y 10 Nmero de caracteres utilizados para identificar a
los sujetos. En el fichero de ejemplo se especifica un 3 porque se utilizan las
dos primeras para enumerar del 1 al 50 y una ms de separacin entre la
identificacin y los datos, total, 3 columnas.
En la tercera lnea se indica el nmero de alternativas que hay para cada uno
de los tems del test. En el fichero del ejemplo cada tem tiene 4 alternativas
EJECUCIN DE ITEMAN
Acceder al programa Inicio - Programas - ITEMAN
Lo primero que pide el programa es el fichero de los datos. Se escribe el nombre
del fichero de datos (por ejemplo a:datos.txt) y se pulsa INTRO
A continuacin, el programa pide que se especifique dnde se debe guardar la
salida (por ejemplo a:salida). Si no se pone extensin al fichero, por defecto el
programa le asigna la extensin .out. Pulsar INTRO
ITEMAN pregunta si se desea crear un fichero con las puntuaciones de cada
sujeto (Do you want the scores written to a file?). Si se escribe Y (yes), el programa
pide la ubicacin de este archivo (por ejemplo a:puntua), si se escribe N (no) pasa a
la siguiente pregunta.
A la siguiente pregunta (Do you want a key exceptions file?) decimos siempre que
NO
ITEMAN pregunta si se quiere un fichero con los estadsticos (Do you wnat to write
statistics to a external file?). En este caso, diremos al programa que
NO,
pero si se
INTRO,
configuracin del anlisis. En nuestro caso vienen sealadas por defecto, as que
********************
Data (Input)
Analysis Output
Score Output
Exceptions
Statistics Output
********************
A:\DATOS.TXT
A:\SALIDA.OUT
NONE
NONE
NONE
DICHOT = Dichotomous
MPOINT = Multipoint/Survey
0
------Type of Scale
DICHOT
N of Items
80
N of Examinees
50
*****
CONFIGURATION INFORMATION
Type of Correlations:
Correction for Spuriousness:
Ability Grouping:
Subgroup Analysis:
Express Endorsements As:
Score Group Interval Width:
*****
Point-Biserial
NO
YES
NO
PROPORTIONS
Parte 1
Indice
de
discriminacin. Correlacin entre el
tem y el test. Indica el grado en que el
tem mide lo que mide el test
Point.
Biser.
Indice
de
homogeniedad del tem. Equivalente
Parte 2
0
------N of Items
80
N of Examinees
50
Mean
51.920
Variance
58.554
Std. Dev.
7.652
Skew
0.637
Kurtosis
-0.478
Minimum
41.000
Maximum
69.000
Median
50.000
Alpha
0.798
SEM
3.440
Mean P
0.649
Mean Item-Tot.
0.230
Mean Biserial
0.329
Max Score (Low)
46
N (Low Group)
13
Min Score (High)
56
N (High Group)
14
+
|######
|####
|##
|####
+####
|######
|##########
|####
|####
+########
|####
52
1
29
58
53
2
31
62
54
4
35
70
55
1
36
72
56
3
39
78
57
0
39
78
58
1
40
80
59
1
41
82
60
1
42
84
61
0
42
84
62
1
43
86
63
2
45
90
64
0
45
90
65
0
45
90
66
1
46
92
67
2
48
96
68
1
49
98
69
1
50
99
70
0
50
99
71
0
50
99
. . . No examinees above this score . .
2
4
8
2
6
0
2
2
2
0
2
4
0
0
2
4
2
2
0
0
.
|##
|####
|########
+##
|######
|
|##
|##
+##
|
|##
|####
|
+
|##
|####
|##
|##
+
|
|
|----+----+----+----+----+
5
10
15
20
25
Percentage of Examinees
A continuacin presentamos una tabal que puede resultar til para la interpretacin
de resultados:
INDICE DE DIFICULTAD DEL ITEM
Valor
Interpretacin
Interpretacin
Menor de 0,25
Muy difcil
Rechazar tem
Difcil
Bastante alto
Normal
Muy alto
Fcil
Mayor de 0,75
Muy Fcil