INSTITUTO DE EDUCACIÓN SUPERIOR PEDAGÓGICO PRIVADO

“CALIDAD EN REDES DE APRENDIZAJE” - CREA

D.S. Nº 0019-2003-ED

FORMACIÓN EN SERVICIO A TRAVÉS DEL

PROGRAMA DE SEGUNDA ESPECIALIZACIÓN

INVESTIGACIÓN EDUCATIVA

Análisis de datos
en la investigación
cuantitativa

Módulo
5
 SERIE: INVESTIGACIÓN EDUCATIVA

Módulos:

1. El conocimiento y la investigación científica

2. El proceso de la investigación científica

3. Importancia de la investigación en la experiencia pedagógica

4. Técnicas de investigación cuantitativa

5. Análisis de datos en la investigación cuantitativa

Serie: Investigación educativa
Formación de docentes en Servicio en el Programa de Segunda Especialización 6. Técnicas de investigación cualitativa
CONSEJO EDITORIAL
Elizabeth Evans Risco
7. Análisis de datos en la investigación cualitativa
Consuelo Cossío Morales
EDICIÓN 8. Investigación acción 1: antecedentes, propuesta y procesos
INSTITUTO DE EDUCACIÓN SUPERIOR
AUTORES: PEDAGÓGICO PRIVADO “CALIDAD EN
Willy Alejandro Meléndez Suárez REDES DE APRENDIZAJE” CREA 9. Investigación acción 2: diseño y proceso metodológico
Luis E. Sánchez Gamarra
10. La etnografía aplicada a la investigación educativa
REVISIÓN
Elizabeth Evans Risco 11. El estudio de caso como metodología de investigación educativa
Luis N. Sáenz N° 581 Jesús María – Lima 11
Telefax. 261-7702
DIAGRAMACIÓN E IMPRESIÓN
12. El informe de la investigación científica
Impresión Arte Perú E.I.R.L.
Av. Arnaldo Márquez 1899- Jesús María Este material educativo ha sido producido por
el IESPP CREA con el apoyo
Telf.: 2615621
del Servicio Liechtenstein
para el Desarrollo – LED
Tiraje: 300 ejemplares
Edición: 1ª ed.
Lima, Abril 2012

Hecho el Depósito Legal en la Biblioteca Nacional del Perú: Nº xxxx-xxxxx

ISBN: xxxxxxxxxxxxxxxxx
 Instrucciones para el
desarrollo de los módulos
MÓDULO 5
Primera unidad
Manejo básico de SPSS La Especialización en Investigación Educativa tiene por finalidad desarrollar en los participantes
competencias, capacidades, habilidades, conocimientos, valores y actitudes, herramientas necesarias
1.1 Base de datos en SPSS. para llevar a cabo experiencias de investigación que den respuesta de forma activa y eficaz a las
1.2 Manejo de datos. exigencias que se presentan en la acción educativa. La mencionada especialización gira en torno a
tres áreas y en cada una de ellas se organiza en un conjunto de módulos articulados entre sí.
1.3 Transformar variables. Cada módulo, a su vez, se organiza en el estudio de unidades temáticas, la realización de actividades
virtuales propuestas para transferir lo aprendido, y la aplicación de evaluaciones destinadas a la
verificación de los logros de aprendizaje e identificación de áreas a mejorar. También se incluyen
SEGUNDA UNIDAD actividades secuenciales propias del proceso de investigación, diseñadas para facilitar la formulación
del proyecto y la propuesta de mejora a lo largo de la especialización, con el constante apoyo y
Técnicas de estadísticas descriptivas orientación de los profesores- formadores.
El material de soporte de cada módulo se distribuye por dos vías, material impreso con los contenidos
1.1 Estadísticos descriptivos.
referidos a las unidades temáticas, y material virtual, destinado a las actividades de la etapa a distancia.
1.2 Descripción de variables en SPSS.
Se recomienda:

TERCERA UNIDAD
Relaciones bivariadas
1.1 Relación entre dos variables categóricas
1.2 Relación entre una variable categórica y otra
cuantitativa.
1.3 Relación entre dos variables cuantitativas.
• Estudiar los temas desarrollados en cada módulo, encontrar la idea principal y las secundarias y,
de ser posible, hacer un resumen de cada tema tratado, ampliarlo de acuerdo al interés y plantear
comentarios para tratarlos en clase.
• Registrar las dudas y dificultades durante el tratamiento de la información para hacer las consul-
tas en clase o vía virtual.
• Realizar las tareas propuestas a lo largo del módulo, comentarlas con sus colegas y compartir los
resultados.
• Realizar su auto evaluación a fin de comprobar el logro de los aprendizajes propuestos en cada
módulo.

Las actividades virtuales propuestas exigen que cada participante dedique un promedio de 13 horas

Módulo 4: Técnicas de investigación cuantitativa

de estudio a la semana, destinado a la profundización individual y los trabajos en equipo, para lo cual
debe contactar a los colegas participantes a fin de integrar grupos, organizarse, realizar las tareas y
entregarlas en los plazos previstos.

5
 ÁREAS MÓDULOS
Teórico-Metodológico 1. El conocimiento y la investigación científica
2. El proceso de la investigación científica
3. Importancia de la investigación en la experiencia pedagógica
Planificación y ejecución 4. Técnicas de investigación cuantitativa
5. Análisis de datos en la investigación cuantitativa
6. Técnicas de investigación cualitativa
7. Análisis de datos en la investigación cualitativa PRESENTACIÓN
8. Investigación acción 1: antecedentes, propuesta y procesos
9. Investigación acción 2: Diseño y proceso metodológico
10. La etnografía El Instituto de Educación Superior Pedagógico Privado Calidad en Redes de Aprendizaje – CREA es
11. El estudio de caso una institución que cuenta con autorización del Ministerio de Educación para desarrollar, entre otras
Monitoreo y evaluación 12. El informe de la investigación científica actividades, las especializaciones en Gestión de Proyectos de Desarrollo Educativo y de Investigación
Educativa.

El IESPP CREA pretende de esta forma contribuir a lograr los cambios profundos que la educación
de la región y el país requieren. En tal sentido, atendemos las necesidades y demandas de una
educación de calidad y buscamos acompañar la formación y autoformación de docentes, sobre todo
de aquellos docentes interesados por mejorar sus desempeños y su práctica profesional, aquellos que
se comprometen con el camino de la excelencia a través de la reflexión permanente sobre su labor
en el aula y la escuela, aquellos que se movilizan por continuar aprendiendo porque solo así pueden
producir las propuestas para mejorar los aprendizajes de sus estudiantes.

La investigación es una herramienta que permite recuperar la experiencia y ofrecerle una nueva mirada
para romper la rutina, generar la motivación, fomentar la crítica y autocrítica, cuestionar el propio
quehacer pedagógico y buscar alternativas de solución a los viejos problemas y a los nuevos desafíos,
es decir, crear conocimiento pedagógico. Solo un maestro investigador puede asumir de manera
profesional, seria y sostenida, la real transformación del sentido y la realidad de la escuela peruana.
Esperamos contribuir con este esfuerzo personal y colectivo en la recuperación del profesionalismo y
la dignidad de la docencia.

Ponemos a tu alcance esta Especialización en Investigación Educativa para participar en ella con
decisión, compromiso y solidaridad con los compañeros y compañeras de curso y con aquellos con los
que compartes la tarea pedagógica en tu institución educativa o tu red educativa.
Módulo 4: Técnicas de investigación cuantitativa

Módulo 4: Técnicas de investigación cuantitativa

El presente documento corresponde al material académico del Módulo 5: Análisis de datos en la
investigación cuantitativa del Programa de Especialización Investigación Educativa.

Contiene información teórica y práctica referidas al manejo básico del programa estadístico SPSS, las
técnicas descriptivas y su aplicación en SPSS, además del estudio de las relaciones bivariadas mediante
la aplicación de pruebas estadísticas. Este módulo permitirá fortalecer tu capacidad de análisis e
interpretación de los resultados en investigaciones cuantitativas en contextos educativos.

Durante el desarrollo de las actividades formativas se ofrecerá material complementario y se propondrá

actividades en la plataforma virtual del programa con el propósito de fortalecer las habilidades
investigativas en los docentes participantes.

Te animamos a asumir con energía y decisión el reto de ser un Maestro-Investigador.

6 7
 1 PRIMERA UNIDAD
Manejo básico de SPSS
Presentación
del Módulo
De manera individual responde a las siguientes preguntas:
El presente módulo denominado Análisis de datos en la investigación cuantitativa contiene algunos
1.
¿Qué es una base de datos en SPSS? ¿Cuál es su utilidad en los procesos de
de los principales temas sobre el manejo del programa SPSS, técnicas de estadísticas descriptivas y su
investigación?
aplicación en SPSS y, también en SPSS, el estudio de relaciones bivariadas. A continuación se presen-
tan los propósitos y temas a desarrollar. ___________________________________________________________________
___________________________________________________________________
COMPETENCIAS:
Comprende la importancia del manejo de base de datos, la determinación de estadísticos descriptivos 2. ¿Qué relación se puede establecer entre la estructura de un instrumento de
y la aplicación e interpretación de resultados de pruebas estadísticas de relaciones bivariadas, para el investigación y la base de datos en SPSS?
correcto uso en la investigación científica, en especial la educativa.
__________________________________________________________
CAPACIDADES: ____________________________________________________
• Elabora y maneja base de datos en SPSS con información de su entorno.
• Determina estadísticos descriptivos pertinentes a variables a partir de una base de datos. En grupos compartimos nuestras respuestas y resumimos en
• Aplica la prueba estadística correspondiente para evaluar la relación entre dos variables. papelotes. Luego se socializa en plenaria.
• Interpreta correctamente el resultado de una prueba estadística.

ESTRUCTURA DEL MÓDULO 1.1 BASE DE DATOS EN SPSS

UNIDAD I
Manejo básico de SPSS
• Base de datos en SPSS
• Manejo de datos
• Transformar variables
Módulo 4: Técnicas de investigación cuantitativa
UNIDAD II UNIDAD III
Técnicas de estadísticas Relaciones bivariadas
Una base de datos es una recopilación de información relativa a un asunto o propósito particular. Es el
descriptivas
conjunto de datos pertenecientes a una misma cuestión que se han almacenado y que van a permitir
su manejo posterior (Rocha y Tojeiro, 2005). El SPSS (Statistical Package for the Social Sciences) es
• Estadísticos • Relación entre dos un programa informático que trabaja con base de datos y permite realizar pruebas estadísticas para
descriptivos. variables categóricas investigaciones sociales como las educativas; su manejo en sencillo y fácil.
• Descripción de • Relación entre una

Módulo 4: Técnicas de investigación cuantitativa

variables en SPSS. variable categórica y Superado el proceso de instalación, el SPSS trabaja con dos archivos que se abren simultáneamente:
otra cuantitativa el archivo Base de Datos de extensión .sav, donde se crea la base de datos; y el archivo Resultados de
• Relación entre dos extensión .spo, donde se presentan los resultados de los análisis que se realizan. El archivo Base de
variables cuantitativas Datos presenta a su vez dos vistas: la Vista de variables y la Vista de datos.

8 9
 Vista de variables. Aquí definimos las variables de estudio. Las variables a definir las proporciona, en
principio, el instrumento de recojo de información.
Vista de datos. En esta vista se registran los valores (numerales o números) recogidos en el o los
instrumentos de investigación. Se recomienda usar números aunque los datos procedan de variables
categóricas o cualitativas.
Ejemplo: Observe el siguiente instrumento de investigación, es una encuesta, con ella se ha elaborado
una base de datos “BD Módulo 5.sav”1:
Datos socio demográficos y profesionales
a) Edad:.............. años
b) Sexo: ( ) Mujer ( ) Hombre
c) Estado civil: ( ) Soltero(a) ( ) Casado(a) ( ) Separado(a)
d) Situación laboral: ( ) Nombrado(a) ( ) Contratado(a)
e) Nivel de enseña: ( ) Primaria ( ) Secundaria
f) Tiempo de servicio como docente: .............. años
Fuente: Elaboración propia.
1º Usando el instrumento se definen las variables en la Vista de variables:
Describimos cada apartado de esta vista:
• Nombre: Se define el nombre de cada variable; debe ser corto y sin espacios. Ejm: COD, Edad,
Sexo, Est_Civ, etc.
• Tipo: Se define el tipo de variable; en general se recomienda el tipo numérica.
• Anchura: Se indica el número de dígitos de la variable.
• Decimales: si es necesario se indica el número de decimales de los valores numéricos.
• Etiqueta: Se escribe el nombre completo de la variable, de este modo se visualizará en los resul-
tados. Ejemplo: Est_Civ = Estado civil, Sit_Lab = Situación laboral.
• Valores: Para el caso de variables cualitativas definimos valores a sus categorías (Sexo: [mujer=1;
hombre=2]; Estado civil: [soltero=1; casado=2; separado=3]; etc. Al realizar los análisis aparecerán
los nombres y no los valores. Para el caso de variables cuantitativas (edad y tiempo de servicio)
no se necesita indicar sus valores pues se tomarán por defecto de los indicados por los propios
encuestados.
• Perdidos: Para las omisiones de respuestas se puede definir un valor fuera del rango de los valo-
res de las categorías, a este valor se le denominará valor perdido. Otra opción es dejar en blanco
la celda.
• Columnas: es irrelevante para nuestros intereses.
• Alineación: Define la posición de los valores en cada celda en la vista de datos.
• Medida: Define el tipo de medida de la variable: Ordinal, Nominal o Escala (ambas). Se recomien-
da definir como Escala a las variables.

2º Luego de aplicado el instrumento, en Vista de datos introducimos los datos recogidos2:

Fuente: Elaboración propia.

Módulo 4: Técnicas de investigación cuantitativa

Módulo 4: Técnicas de investigación cuantitativa

Fuente: Elaboración propia.

También se puede introducir datos desde otra base de datos en SPSS o desde un programa como Excel;
se debe cumplir algunos requisitos lógicos para ello. La forma más sencilla para mover datos de una base
a otra es copiar y pegar.

Fuente: Elaboración propia.

1. Observe la base de datos “BD Módulo 5.sav” en la plataforma de CReA. Revise todas las variables. 2. Los datos en “BD Módulo 5.sav” solo deben considerase para los ejemplos y/o ejercicios de este módulo.

10 11
 El resultado es la selección los sujetos de género femenino (mujer) y el bloqueo de los sujetos de género
1.2 MANEJO DE DATOS masculino (hombres).

Veamos algunas opciones del menú DATOS:

Fundir archivos. Es una forma de “juntar” bases de datos. Se realiza dentro del menú de Datos > Fun-
dir Archivos; hay dos casos:
• Añadir variables, se puede realizar cuando las dos bases de datos tienen los mismos sujetos y en
el mismo orden.
• Añadir casos, se puede fusionar dos archivos de variables iguales en el mismo orden.

Para ambos casos funciona la opción copiar y pegar.

Segmentar archivos. A veces es necesario dividir el archivo de datos en distintos grupos según los
valores de una o más variables de agrupación. Se realiza en archivo de Datos > Segmentar archivos,
se presentan dos opciones: “comparar los grupos” y “organizar los resultados por grupos”; en el pri-
mero los resultados se presentan en una misma tabla; en el segundo se presentan tablas separadas.

Selección de casos. Se puede seleccionar o filtrar casos para realizar análisis de acuerdo a un criterio.
Se realiza en el menú de Datos > Seleccionar casos. Las alternativas son:
- “Si se satisfacer una condición”. Solo mujeres por ejemplos [Sexo = 1].
- “Muestra aleatoria de casos”. Selecciona casos aleatoriamente, en número o porcentaje.
Fuente: Elaboración propia.
- “Rango de los casos”. Por ejemplo [del sujeto 4 hasta el sujeto 8].
- Otras: “todos los casos” o “eliminar los casos no seleccionados” y “restablecer”.

Ejemplo: En la base “BD Módulo 5.sav” seleccionaremos a los sujetos de género femenino (mujer), 1.3. TRANSFORMAR VARIABLES
para ello realizamos los siguientes pasos:
Abrimos el menú Datos > seleccionar casos > “si se satisface la condición…Si”. Escogemos y pasamos
la variable Sexo a la casilla, igualamos la variable Sexo al valor 1, en este caso [Sexo=1].
Es de mucha necesidad cuando se desea generar otras variables a partir de las variables existentes,
veamos algunas opciones de transformar:

Calcular variable. Se genera otras variables mediante las funciones suma, media aritmética, valor
máximo, varianza, etc. Se recomienda realizar estas funciones en una hoja de cálculo como Excel, ya
que SPSS no guarda fórmulas.

Recodificar en las mismas variables. Muy útil para cambiar los valores de los datos. Se puede cambiar
valor por valor (valor antiguo por valor nuevo) o por grupos de valores (un rango de valores antiguos
Módulo 4: Técnicas de investigación cuantitativa

Módulo 4: Técnicas de investigación cuantitativa

por un valor nuevo). Se realiza en el menú Transformar > Recodificar en las mismas variables.

Recodificar en distintas variables. Es similar a la anterior, pero se define en una nueva variable. Esta
opción es más recomendable que la primera, pues mantiene la variable original. Se realiza en el menú
Transformar > Recodificar en distintas variables.

Ejemplo: En la base “BD Módulo 5.sav” se reorganiza la edad de los encuestados en otra variable de-
nominada Tipo de adultez, de la siguiente manera: de 20 a 39 años = 1 (adulto joven); de 40 a 65 años = 2
(adulto intermedio). Para ello vamos al menú Transformar > Recodificar en distintas variables.

12 13
 2 SEGUNDA UNIDAD
Técnicas de estadísticas descriptivas

Fuente: Elaboración propia.

De manera individual responde a las siguientes preguntas:

1.
Los siguientes datos: 46, 42, 52, 31, 54, 27, 52, 53, 35, 32, 52, 34, son edades de 12
personas. La media aritmética o promedio es 42,5 ¿Qué significa este estadístico?
___________________________________________________________________
___________________________________________________________________

2. Para los datos anteriores, la desviación típica, que es una medida de dispersión, es
10,17 ¿Qué significa este estadístico?
_______________________________________________________
_______________________________________________________

Fuente: Elaboración propia. Formamos grupos y compartimos nuestras respuestas. Luego,

resumiendo en papelotes, lo presentamos al pleno.

ACTIVIDAD
DE REFORZAMIENTO 2.1 ESTADÍSTICOS DESCRIPTIVOS

Aplica el instrumento “Encuesta-escala de compañerismo”, adaptado de Ríos (2005, en Los datos recogidos para cada variable en una investigación pueden tomar diversas formas. Para el
Marchant y Pérez), que encontrarás en la plataforma de CREA, a 25 estudiantes y elabora estudio de estos datos se recurre a los estadísticos descriptivos. Recordemos algunos en el siguiente
una base de datos en SPSS, luego: cuadro:
Módulo 4: Técnicas de investigación cuantitativa

Módulo 4: Técnicas de investigación cuantitativa

A. Genera la variable “Compañerismo global” (nombre ““C_global”), que obtendrás Medidas de Medidas de
Medidas de Medidas de Medidas de
mediante la suma de los puntajes obtenidos en cada ítem. variabilidad o asimetría y
frecuencia posición tendencia central
dispersión curtosis
B. Luego, genera la variable “Nivel de compañerismo” (nombre “Nivel_comp”) a partir • Frecuencia • Centiles • Media aritmética • Varianza Asimetría
de la variable “compañerismo global”. Revisa la hoja de Escala de compañerismo. absoluta • Cuartiles • Mediana • Desviación Típica Curtosis
• Frecuencias • Moda
relativas
• Porcentaje
Fuente: Elaboración propia.

2.1.1 Medidas de frecuencia

Son medidas de conteo y proporción de los casos o puntuaciones en una o más variables.

14 15
 a) Frecuencia absoluta. Es el número de casos que se presenta para cada categoría de una variable.
b) Frecuencia relativa. Es la proporción de casos de cada categoría respecto al total de casos. Se ( xi
determina dividiendo la frecuencia absoluta entre el total de casos. Media x= 7,70
n
c) Porcentaje. Representa una porción del 100% de casos.
Mediana me = 7 + 8 7,50
Ejemplo: 2
Observe las edades de 20 niños de un aula: 7; 7; 8; 9; 7; 8; 9; 9; 7; 7; 8; 7; 7; 8; 9; 8; 7; 8; 7; 7.
Moda 7,00
fi hi
% Fuente: Elaboración propia.
Edad Frecuencia Frecuencia
Porcentaje
absoluta relativa
7 10 0.50 50 2.1.4 Medidas de variabilidad
8 6 0.30 30 Es importante medir la dispersión o el grado de similitud (homogeneidad) de las puntuaciones en una
9 4 0.20 20 variable cuantitativa o semi-cuantitativa.
Total 20 1 100
a) Varianza. Mide la dispersión de los datos con respecto a la media aritmética (Moya, 1991). Valor
Fuente: Elaboración propia.
alto indica mayor dispersión y valor bajo menor dispersión.

2.1.2 Medidas de posición b) Desviación típica. Es la raíz cuadrada de la varianza. Al igual que la varianza, valores altos indican
mayor dispersión y valores bajos indican menor dispersión de los datos.
Son aquellas que nos revelan el lugar que ocupa una puntuación con respecto a un grupo tomado
como marco de referencia. Son por tanto estadísticos que nos indican posición relativa, relativa a un
Ejemplo:
grupo. En general se denominan Cuantiles:
Retomemos las edades de los 20 niños: 7; 7; 8; 9; 7; 8; 9; 9; 7; 7; 8; 7; 7; 8; 9; 8; 7; 8; 7; 7.
a) Percentiles o centiles (Pk). Son los 99 valores de la variable que dividen la distribución en 100
secciones, cada una conteniendo la centésima parte de las observaciones. Se calcula en variables Varianza (Fórmula ( 2 ( x x i ( / (n 1( 0,64
cuantitativas y mínimo semi-cuantitativas (Tomás, 2007). reajustada)
Desviación típica x xi
Ejemplos: 0,80
(Fórmula reajustada) ( = n 1
P30 (percentil 30), deja por debajo suyo al 30% de casos.
P75 (percentil 75), deja por debajo suyo al 75% de casos. Fuente: Elaboración propia.

b) Cuartil (Qk). Hay tres cuartiles: Q1, Q2 y Q3. Las equivalencias con los percentiles son:
Q1 = P25 Q2 = P50 Q3 = P75 2.1.5 Medidas de variabilidad

a) Asimetría. Mide el grado en que los datos se reparten equilibradamente en torno a la tendencia
2.1.3 Medidas de tendencia central central. Hay asimetría positiva, Asimetría negativa y Simetría.
Módulo 4: Técnicas de investigación cuantitativa

Módulo 4: Técnicas de investigación cuantitativa

Estas medidas pretenden representar a un grupo de datos mediante una puntuación “central”.

a) Media aritmética o media. Es el promedio de todas las puntuaciones. Es útil para variables cuan-
titativas y semi-cuantitativas.

b) Mediana. Es la puntuación ubicada en el medio de un conjunto ordenado de puntuaciones. Equi-

vale al P50, ya que deja por debajo suyo al 50% de las observaciones. Tiene sentido solo para varia-
bles cuantitativas o semi-cuantitativa.
c) Moda. Es la puntuación que más se repite. Fuente: Elaboración propia.
Ejemplo:
b) Curtosis. Es el grado de apuntamiento o achatamiento de los datos con respecto a una dis-
Observe las edades de 20 niños de un aula: 7; 7; 8; 9; 7; 8; 9; 9; 7; 7; 8; 7; 7; 8; 9; 8; 7; 8; 7; 7. tribución de referencia. Mide la deformación vertical de la distribución.

Ordenados: 7; 7; 7; 7; 7; 7; 7; 7; 7; 7; 8; 8; 8; 8; 8; 8; 9; 9; 9; 9

16 17
 Interpretación:
La muestra está compuesta por 120 sujetos, de los cuales 74 son mujeres que representan al 61,7% y 46
hombres que representan al 38,3%.

2.2.2 Descripción de variables cuantitativas

Una variable cuantitativa se puede describir mediante los estadísticos de posición, tendencia central
y variabilidad.
Fuente: Elaboración propia.
Ejemplo: De la base “BD Módulo 5.sav”, describamos la variable cuantitativa Edad:

1. Abrimos el menú Analizar > Estadísticos descriptivos > Frecuencias.

2.2 DESCRIPCIÓN DE VARIABLES EN SPSS 2. Seleccionamos la variable Edad. La opción “mostrar tablas de frecuencias” es poco relevante y la
desactivamos. Ingresamos a la opción “estadísticos” y pedimos los estadísticos deseados, luego
damos “continuar” y “Aceptar”.
Para describir una variable mediante estadísticos descriptivos debemos considerar el tipo de variable
3. Observamos e interpretamos los resultados. Podemos pivotear la tabla.
ya que algunos estadísticos son relevantes para unas variables y para otras no; por ejemplo, es irrele-
vante pedir la media para una variable cualitativa como el Sexo o el Estado civil, lo más apropiado para
estos casos es obtener frecuencias.

2.2.1 Descripción de variables cualitativas

Una variable cualitativa se puede describir mediante los estadísticos de frecuencias y porcentajes.

Ejemplo: De la base “BD Módulo 5.sav”, describamos la variable cualitativa Sexo:

1. Abrimos el menú Analizar > Estadísticos Descriptivos > Frecuencias.

2. Seleccionamos y pasamos la variable Sexo a la casilla “variables” y verificamos que esté activada
la opción “mostrar tablas de frecuencias”, luego damos “Aceptar”. Hay otras opciones como la
opción “Estadísticos”, no relevante para la variable Sexo. Si se desea presentar la información
mediante gráficos se usa la opción “Gráficos”.
3. Observamos e interpretamos los resultados en el archivo de Resultados. Podemos pivotear la
tabla (cambiar el formato).

Procedimiento:
Resultados:
Módulo 4: Técnicas de investigación cuantitativa

Módulo 4: Técnicas de investigación cuantitativa

Estadísticos
Edad
N Válidos 120
Perdidos 0
Media 42.91
Desv. típ. 7.298
Varianza 53.260
Mínimo 23
Máximo 64
Percentiles 30 39.00
50 43.00
75 48.00

18 19
 Interpretaciones:
• La media: El promedio de edades es de 42,91 años.
• La mediana: La edad aproximada en el centro de los datos ordenados es 43.
• La moda: La edad que más se repite es 38 años y más de uno tiene esta edad.
• Desviación típica: El valor 7,298 de la desviación típica indica que la dispersión de las edades es
relativamente baja.
• Percentiles: El valor de P30 = 39, indica que 30% de sujetos tiene 39 o menos años de edad; también
se puede interpretar que el 70% tiene 39 o más años de edad.

Otra opción, más simple que dejamos para el lector es:

Resultados:
1. Abrir el menú Analizar > Estadísticos Descriptivos > Descriptivos.
2. Seleccionar la variable Edad, en “Opciones” se pueden pedir los estadísticos deseados; hacer clic
en “Continuar” y luego en “Aceptar”.
3. Se observa e interpreta los resultados.

2.2.3 Descripción de una variable en relación a otra

Es interesante describir una variable cuantitativa o semi-cuantitativa en función de otra cualitativa,
que separa por grupos a los sujetos según sus categorías.

Ejemplo: En la base “BD Módulo 5.sav”, describimos la Edad respecto al Sexo:

1. En el menú Analizar > Estadísticos descriptivos > Explorar.

2. En la casilla “Dependientes” colocamos la variable cuantitativa, en este caso Edad, y en la casilla
“Factores” la variable cualitativa, Sexo. En la opción “Mostrar” podemos solicitar estadísticos y/o
gráficos. En “Estadísticos” podemos solicitar percentiles y en “Gráficos” podemos pedir Diagra-
mas de cajas o histogramas. Damos clic continuar y en “Aceptar”.
1. Observamos e interpretamos los resultados. Podemos pivotear la tabla.
Interpretación: Comparando los resultados destacamos:

Procedimiento: • Media: La edad promedio de las mujeres es mayor que de los hombres.
• Desviación típica: Las edades de las mujeres son menos dispersas que la de los hombres.
• Mínimo y máximo: La menor edad es de 23 años y la mayor, de 64 años. Ambas corresponden a
Módulo 4: Técnicas de investigación cuantitativa

Módulo 4: Técnicas de investigación cuantitativa

mujeres.

ACTIVIDAD
DE REFORZAMIENTO

De la base de datos que has elaborado en la actividad de reforzamiento anterior deter-

mina los estadísticos descriptivos pertinentes para cada variable, luego justifica su apli-
cación e interpreta los resultados.

20 21
 3 SEGUNDA UNIDAD
Relaciones bivariadas

Discutimos de manera grupal:

1. Supongamos que en una investigación sobre su rendimiento académico de estu-

diantes se determina que la media del rendimiento de las mujeres es 13,5 y de los
hombres es 15,8 ¿Será suficiente estos datos para decir que los hombres tienen
mayor media que las mujeres? ¿Qué prueba debe aplicarse para saber si estas dife-
rencias de medias son significativas?
___________________________________________________________________
___________________________________________________________________

2. En una investigación se desea estudiar la relación entre dos variables cualitativas,

pero por otro lado se desea estudiar la relación entre dos variables cuantitativas
¿Se realizará los mismos procedimientos? ¿En qué se diferenciarán los procedi-
mientos?

_____________________________________________________
_____________________________________________________

Formamos grupos y compartimos nuestras respuestas. Luego,

resumiendo en papelotes, lo presentamos al pleno.
Módulo 4: Técnicas de investigación cuantitativa

Módulo 4: Técnicas de investigación cuantitativa

El estudio de la relación entre dos variables conlleva la aplicación de pruebas estadísticas; para aplicar
una prueba debemos tener en cuenta los tipos de variables a relacionar. Veamos algunas pruebas
paramétricas aplicables al campo de la investigación educativa, en el caso supuesto que las variables
cumplan los requisitos paramétricos:

Relación entre variables

Una variable categórica y otra Dos variables
Dos variables categóricas
cuantitativa cuantitativas
Prueba Chi-cuadrado Pruebas t Correlación
ANOVA (Análisis de Varianza) Regresión
Fuente: Elaboración propia.

22 23
 Resultados:
3.1 RELACIÓN ENTRE DOS VARIABLES CATEGÓRICAS
1. La primera tabla a observar es la tabla de contingencia, que muestra las frecuencia s y porcentajes
pedidos:
Para establecer si la relación entre dos variables categóricas es estadísticamente significativa se nece-
sita aplicar pruebas Chi-cuadrado o Razón de verosimilitud:

Prueba Chi-cuadrado. Es una prueba de independencia que permite determinar si existe o no relación
entre dos variables categóricas. Esta prueba no indica el grado de relación entre las variables, ni la
variable que causa la influencia.

Si la prueba de Chi-cuadrado indica relación significativas entre las variables es necesario establecer la
medida de la fuerza de esa relación, para ello hay dos pruebas:

a) Coeficiente Phi. Es una medida de asociación entre dos variables categóricas con dos categorías
cada una; es decir, para tablas 2x2. Su valor varía entre 0 y 1.
b) Coeficiente V de Cramer. Válido cuando al menos una variable categórica tiene más de dos cate-
gorías; es decir, para tablas IxJ (2x3, 2x4, 3x4, etc.). Su valor varía entre 0 y 1.
En ambos casos 0 indica ninguna relación y 1 relación perfecta.
Vemos que el Nivel que enseña varía de forma porcentual en función del Sexo. Así:
• De las mujeres, el 68.9% enseñan en primaria y el 31,1% en secundaria.
• De los hombres, el 28,3% enseñan en primaria y el 71,7% en secundaria.
• Además, el 53,3% de la muestra enseñan en primaria y el 46,7% en secundaria.

Ejemplo 1: En la base “BD Módulo 5.sav” analicemos la relación entre la variable Sexo y Nivel que en- 2. La segunda tabla a observar es la prueba Chi-cuadrado.
seña:
1. En el menú Analizar > Estadísticos descriptivos > Tablas de contingencia.
2. En las casillas “Filas” y “columnas” colocamos las variables Sexo y Nivel que enseña respectiva-
mente. En la opción “Estadísticos” podemos activar “Chi-cuadrado” y “Phi y V de Cramer” que
vienen juntos; damos clic en “continuar”. En la opción “casillas”, en “Porcentaje” podemos acti-
var “Fila”; damos clic en “continuar” y luego en “Aceptar”.
3. Observamos los resultados y seleccionamos lo necesario para interpretar.
Antes de interpretar debemos aclarar que el estadístico chi-cuadrado contrasta la hipótesis de que
Procedimiento:
las variables de fila y columna son independientes. No debe utilizarse si cualquiera de las casillas tiene
un valor observado menor que 1, o si más de un 20% de las casillas tienen valores esperados menores
que 5. En cualquier caso, el propio SPSS avisa si ocurre cualquiera de estos problemas (Tomás, 2007).

Interpretación:
Módulo 4: Técnicas de investigación cuantitativa

Módulo 4: Técnicas de investigación cuantitativa

• El valor 18,841 de chi-cuadrado está asociado al valor de significación asintótica bilateral p=0.000
(p<0.05), esto indica que hay relación estadísticamente significativa entre el Sexo y el Nivel que
enseña; es decir los docentes mujeres y hombres no se distribuyen similarmente en los niveles
primaria y secundaria; por lo tanto, si un docente es mujer lo más probable es que sea del nivel
primaria, pero si es hombre es probable que sea del nivel secundaria.

• Si el valor de significación p hubiese sido mayor a 0,05, no habría relación significativa y la prueba
terminaría aquí.

3. Veamos la fuerza de asociación entre el Sexo y Nivel que enseña indicada por el coeficiente Phi
(variables de dos categorías cada una) de la tabla:

24 25

Interpretación:
El valor 0,396 de Phi, asociado al valor de significación p=0,000 (p<0,05), indica que la fuerza de aso-
ciación entre el Sexo y Nivel que enseña es de nivel medio bajo.
Ejemplo 2: Ahora veamos en la base “BD Módulo 5.sav”, si la variable Sexo está asociado al Estado civil;
para ello seguimos los siguientes pasos en SPSS:
1. En el menú Analizar > Estadísticos descriptivos > Tablas de contingencia.
2. En las casillas “Filas” y “columnas” colocamos las variables Sexo y Estado civil respectivamente.
En la opción “Estadísticos” activamos “Chi-cuadrado” y “Phi y V de Cramer” que vienen juntos;
damos clic en “continuar”. En la opción “casillas”, en “Porcentaje” podemos activar “Fila”; da-
mos clic en “continuar” y luego en “Aceptar”.
3. Observamos los resultados y seleccionamos lo necesario para interpretar.
Resultados:
1. Veamos las tablas de resultados:
Módulo 4: Técnicas de investigación cuantitativa
26
Interpretación:
El valor de chi-cuadrado 0,673 asociado al valor de significación asintótica bilateral de p=0.714 (p >
0.05), indica que no hay relación estadísticamente significativa entre el Sexo y el Estado civil; es decir,
las categorías mujer y hombre de la variable Sexo se distribuyen similarmente entre las categorías
soltero, casado y separado del Estado Civil.
3.2 RELACIÓN ENTRE UNA VARIABLE CATEGÓRICA
Y OTRA CUANTITATIVA
Cuando una de las variables es categórica (o cualitativa) y la otra cuantitativa o cuasi-cuantitativa, se
pueden aplicar las pruebas t o los análisis de varianzas.
3.2.1 Pruebas t. Permite comparar medias de dos grupos. Veremos dos tipos de prue-
bas t: una para muestras independientes y otra para muestras relacionadas.
a) Pruebas t para muestras independientes. Esta prueba se aplica para estudiar si hay o no diferen-
cias significativas entre las medias de dos grupos diferentes generados por una variable categóri-
ca (o cualitativa) de dos categorías en relación a una variable cuantitativa.
Ejemplo: En “BD Módulo 5.sav”, Generatividad inicial (Generat_1) es una variable cuantitativa y Nivel
que enseña es variable cualitativa que presenta dos categorías (primaria y secundaria). Se desea estudiar
si hay o no diferencias significativas de medias entre los dos grupos (de primaria y de secundaria)
respecto a la Generatividad inicial. Veamos:
1. Vamos al menú Analizar > Comparar medias > Pruebas T para muestras independientes.
2. En la casilla “contrastar variables” colocamos la variable cuantitativa Generatividad inicial, en la ca-
silla “variable de agrupación” colocamos la variable cualitativa Nivel que enseña; luego en “definir
grupos” definimos los grupos: 1 (primaria) y 2 (secundaria). Luego en “continuar” y en “Aceptar”.
3. Observamos los resultados e interpretamos.
Procedimiento:
Módulo 4: Técnicas de investigación cuantitativa
27
 ma de mejoramiento de la generatividad en docentes. Se desea estudiar si hay o no diferencias signi-
ficativas entre las dos medias.

1. En el menú Analizar > Comparar medias > Pruebas T para muestras relacionadas.
2. En la casilla “Variables relacionadas” colocar las dos variables cuantitativas, en este caso “Gene-
rat_1” y “Generat_2”; luego hacemos clic en “Aceptar”.
3. Observamos los resultados e interpretamos.

Procedimiento:
Resultados:
1. La primera tabla es el resumen estadístico por grupos, se puede observar que la media en gene-
ratividad inicial es mayor en primaria que en secundaria, pero no indica si estas diferencias son
significativas.

2. La segunda es la tabla comprende dos pruebas: la prueba de Levene para igualdad de varianzas y
la prueba t:

Resultados:
1. La primera tabla a observar es la que muestra los estadísticos. La generatividad final es mayor que
la inicial; debemos garantizar que esta diferencia sea significativa:
Interpretación:

• Primero se analiza la prueba de Levene. El valor de F = 7,814 de esta prueba asociado al valor de
significación p=0.006 (p>0,05) indica que “No se han asumido varianza iguales”, por lo que la
lectura de la “Prueba T para la igualdad de medias” debe realizarse en la segunda fila.
Módulo 4: Técnicas de investigación cuantitativa

Módulo 4: Técnicas de investigación cuantitativa

• Ahora, el valor de t = 4,074 asociado al valor de significación bilateral p=0.000 (p< 0.05), indica
que hay diferencias estadísticamente significativas en generatividad inicial entre las medias de los
docentes de primaria y los de secundaria; es decir, en Generatividad inicial, la media de 45,98 en
2. La segunda tabla a observar es la prueba t para muestras relacionadas:
de los docentes de primaria es significativamente mayor a la media de 35,41 de los docentes de
secundaria.
• Los docentes de primaria presentan mayor generatividad inicial que los docentes de secundaria.

b) Pruebas t para muestras relacionadas. Se aplica para estudiar si hay o no diferencias significativas
entre las medias de dos grupos de datos cuantitativos (dos variables cuantitativas) recogidos de
la misma muestra de sujetos bajo criterios análogos.

Ejemplo: En la base “BD Módulo 5.sav”, las variables Generatividad inicial (Generat_1) y Generatividad
final (Generat_2) son cuantitativa; la Generatividad final es la segunda evaluación luego de un progra-

28 29
 Interpretación:

• El valor de t = -13,613 asociado al valor de significación bilateral p=0,000 (p< 0.05), indica que las
diferencias de medias entre la Generatividad inicial y la Generatividad final son significativas; es
decir, la media 69,98 en Generatividad final es significativamente mayor que la media de 41,05 en
Generatividad inicial.

• Por lo tanto, luego del programa de mejoramiento en generatividad, los docentes como grupo
han incrementado significativamente su generatividad.

3.2.2 Análisis de varianzas (ANOVA). La prueba de ANOVA nos permite comparar las Resultado:
medias de más de dos grupos. Veremos dos tipos: el ANOVA de un factor entre-sujetos
y el ANOVA de un factor de medidas repetidas.
a) ANOVA de un factor entre-sujetos. También llamado ANOVA de un factor inter-sujetos. Esta prue-
ba se aplica para estudiar si hay o no diferencias significativas entre las medias de más de dos
grupos diferentes generados por una variable categórica (o cualitativa) de más de dos categorías
en relación a una variable cuantitativa.

La prueba de ANOVA solo indica si hay o no diferencias estadísticamente significativas entre las
medias de los grupos; de presentarse estas diferencias se debe evaluar la igualdad o no de las va-
rianzas mediante el estadístico de Levenne, el cual permite definir una prueba Post-hoc adecuada.
Analizando, observamos que el valor F=12.348 está asociado al valor de significación 0.000 (p<0.05),
La prueba post-hoc permite identificar entre qué grupos (categorías) se presenta las diferencias
esto indica que hay diferencias significativas en al menos un par de medias, aunque no sabes entre qué
significativas de medias. Una buena prueba general, de post-hoc, que sirve para la mayor parte de
medias son las diferencias; por lo tanto debemos continuar pidiendo la prueba de homogeneidad de
situaciones es la de Tukey; si las varianzas no son homogéneas la de Games-Howell (Tomas, 2007).
varianzas (estadístico de Levene).
Ejemplo: En la base “BD Módulo 5.sav” se tiene la variable cuantitativa Autoconcepto global (Auto_
Para pedir la prueba de homogeneidad de varianzas repetimos los pasos anteriores, pero ahora in-
Global) y la variable cualitativa Estado civil (soltero, casado y separado). Se desea estudiar si hay o no
gresamos a “Opciones”, ahí seleccionamos los “Descriptivos” para ver los valores de las medias, y la
diferencias significativas de medias entre los grupos (de solteros, casados y separados) respecto al
“Prueba de homogeneidad de las varianzas”, luego damos “Continuar” y “Aceptar”.
Autoconcepto global. Seguimos los pasos siguientes:
Procedimiento:
1. En el menú Analizar > Comparar medias > ANOVA de un factor.
2. En la casilla “Dependientes” colocamos la variable Autoconcepto global; y en la casilla “Factor”
colocamos la variable Estado civil; luego damos en “Aceptar”. Analizamos los resultados.
3. Si hay diferencias significativas de medias, pedimos la prueba de homogeneidad de varianzas
para ver el estadístico de Levene. Analizamos los resultados.
Módulo 4: Técnicas de investigación cuantitativa

Módulo 4: Técnicas de investigación cuantitativa

4. Si las varianzas son homogéneas se pide la prueba Post-hoc adecuada.
5. Observamos los resultados e interpretamos.

Procedimientos: Resultado:

30 31
 En la tabla Descriptivos vemos las medias de cada grupo (categorías). efectos principales” y en “Ajuste de intervalo de confianza:” seleccionamos “Bonferroni”. Tam-
bién en “Mostrar” seleccionamos “Estadísticos descriptivos”, luego hacemos clic en “Continuar”
En la prueba de homogeneidad de varianzas se observa que el valor estadístico de Levenne 7,216 está y en “Aceptar”.
asociado al valor de significación p=0,001 (p<0.05), esto indica que debe asumirse varianzas no homo-
géneas, por lo que la prueba Post-hoc adecuada es la de “Games-Howell”. Procedimiento:
Para pedir la prueba Post hoc se realizan los pasos anteriores es SPSS pero se ingresa a la opción “Post
hoc”, ahí se selecciona “Games-Howell”, luego “continuar” y “Aceptar”.

Procedimiento y resultado:

Interpretación:

• Los asteriscos indican las diferencias significativas de medias, pues están asociados a valores de
significación bilateral p< 0.05.
• Se observa que las medias de Autoconcepto global de los solteros y de los casados son significati-
vamente mayores que la media de los separados.
• Por lo tanto, los docentes solteros y los casados tienen mayor Autoconcepto global que los docen-
tes separados.

b) ANOVA de un factor de medidas repetidas. También llamada ANOVA de un factor intra-sujetos.

Se aplica para estudiar si hay o no diferencias significativas entre las medias de más dos grupos
de datos cuantitativos (más de dos variables cuantitativas) recogidos de la misma muestra de
sujetos bajo criterios análogos.
Resultados:
La primera tabla a analizar es la Prueba de esfericidad de Mauchly, que evalúa el supuesto de esferici-
Ejemplo: En la base “BD Módulo 5.sav” se tiene las variables cuantitativas: autoconcepto Laboral/
dad, supuesto de que todos los pares de grupos que se forman tienen varianzas iguales:
Módulo 4: Técnicas de investigación cuantitativa

Módulo 4: Técnicas de investigación cuantitativa

Académico, autoconcepto Social, autoconcepto Emocional; los datos recogidos para estas variables
han seguido criterios análogos. Se desea estudiar si hay o no diferencias significativas entre las medias
de estas variables. Veamos:

1. En el menú Analizar > Modelo lineal general > Medidas repetidas.

2. En la casilla “Nombre del factor intra-sujetos” creamos el nombre del factor, por ejemplo “Auto-
concepto”; en la casilla “Número de niveles” escribimos 5, pues son 5 las variables o dimensiones,
a continuación damos clic en “Añadir”.
3. Luego hacemos clic en “Definir”, se abrirá la ventana “Medidas repetidas”. Pasamos las 5 dimen-
siones del autoconcepto a la casilla “Variables intra-sujetos”. El valor 0,513 de W de Mauchly está asociado al valor de significación 0,000 (p<0.05), lo cual indica que
debe rechazarse el supuesto de esfericidad; es decir, las varianzas entre los pares no son iguales, por
4. Luego hacemos clic en “opciones”, se abre la ventana “Medidas repetidas: Opciones”. A la casilla lo tanto se debe optar por evaluar los Contrastes multivariados dados por la siguiente tabla:
“Mostrar las medias para” pasamos “Autoconcepto”; luego activamos la opción “Comparar los

32 33

Se observa que el valor de todas las pruebas están asociadas a valores de significación 0,000 p<0,05),
por lo cual se rechaza la hipótesis de igualdad de medias y se acepta que hay diferencias entre al me-
nos un par de medias.
Las tablas siguientes nos ayudan a recordar las definiciones numéricas y las medias de cada dimensión:
Ahora se debe identificar entre qué medias se presentan las diferencias significativas; para ello anali-
zamos la tabla de Comparaciones por pares:
Módulo 4: Técnicas de investigación cuantitativa
Interpretación:
Los asteriscos indican entre qué pares hay diferencias significativas de medias, pues están asociados a
valores de significación bilateral 0,000 (p< 0.05).
• Se observa que hay diferencias significativas entre el autoconceptos laboral y social; también lo
hay entre el autoconcepto social y emocional; pero entre el laboral y el emocional no hay diferen-
cias significativas.
• Por lo tanto, los sujetos presentan mayor autoconcepto laboral y emocional que autoconcepto
social. Con ayudad de la teoría y los antecedentes se puede realizar un análisis más profundo de
las diferencias y no diferencias.
34
3.3 RELACIÓN ENTRE DOS VARIABLES CUANTITATIVAS
Cuando se desea estudiar la relación lineal entre dos variables cuantitativas (o al menos se cuasi-
cuantitativas con suficiente número de categorías), las pruebas estadísticas pueden ser la correlación
o la regresión.
3.3.1 Correlación. El estudio del grado de asociación entre dos variables cuantitati-
vas depende de los tipos de las variables cuantitativas:
• Coeficiente de correlación de Pearson (rxy), es el más común de las correlaciones, su valor varía de
–1 a 1, por lo que puede haber correlación negativa, nula o positiva. Un criterio para valorar si esta
capacidad explicativa es baja, media o alta es tomar los valores 0.1, 0.3 y 0.5 respectivamente, que
Cohen ofrece como referentes (Tomas, 2007).
Tomás (2007) describe otros coeficientes indicando que generalmente son utilizados para variables
ordinales, y que tienen en común el funcionar con datos de ordenaciones realizadas sobre las puntua-
ciones:
• Coeficiente rho de Spearman, es una aplicación (sobre las ordenaciones) de rxy y por tanto mantie-
ne, sus características y forma de interpretación.
• Coeficiente de Kendall, aunque se sigue interpretando dentro del mismo rango de valores, éste no
es aplicación de Pearson y puede diferir en el resultado. Habitualmente ofrece valores considera-
blemente menores que Pearson.
• Coeficiente de Goodman-Kruskal, es el indicado cuando existen muchos empates al hacer las orde-
naciones, al asignar los rangos.
• Coeficiente de correlación biserial-puntual: se utiliza cuando una variable es continua y la otra es
dicotómica, es aplicación de Pearson, y mantiene sus características
• Coeficiente de correlación biserial: con una variable continua y la otra dicotomizada. Se trata de un
coeficiente estimación de rxy y por ello parece más recomendable evitar la situación de tener que
usarlo, es decir, no dicotomizar en la medida de lo posible.
• Coeficiente de correlación tetracórica: se usa para dos variables dicotomizadas siendo estimación
de Pearson y por ello la recomendación vuelve a ser evitar la dicotomización.
Módulo 4: Técnicas de investigación cuantitativa
Ejemplo: En la base “BD Módulo 5.sav”, estudiaremos la correlación entre las variables cuantitativas
autoconcepto Laboral/Académico, Social, Emocional, Familiar y Físico, Veamos:
1. En el menú Analizar > Correlaciones > Bivariadas.
2. En la casilla “Variables” colocamos todas las variables cuantitativas a relacionar, en este caso los
autoconceptos laboral, social, emocional, familiar y físico; en “Coeficientes de correlación” selec-
cionamos “Pearson” y damos clic en “Aceptar”.
35
 Procedimiento: • Se observa también que hay correlaciones negativas significativas entre el autoconcepto laboral y
los autoconceptos social, emocional y familiar. Lo cual significa que si un sujeto tiene puntaje alto
en el autoconcepto laboral lo más probable es que tenga puntaje bajo en cualquiera de los otros
autoconceptos; o también, si tiene puntaje bajo en autoconcepto laboral es probable que tenga
puntaje alto cualquiera de los otros. Aquí también con la teoría y los antecedentes se puede rea-
lizar un análisis más profundo de las correlaciones o no correlaciones.

3.3.1 Regresión simple. Cuando se desea predecir el valor de una variable en función
de otra, se estudia la regresión simple. Consiste en formar una función lineal entre dos
variables, de manera que una funcione como variable dependiente y la otra como va-
riable independiente o predictora.

Ejemplo: En la base “BD Módulo 5.sav”, estudiemos la capacidad predictiva del Autoconcepto emo-
cional sobre el Autoconcepto social. Para ello asumimos al Autoconcepto emocional (x) como variable
predictora o independiente y al Autoconcepto social (y) como variable dependiente; de esta manera,
si la regresión simple (función lineal) es de forma: y = B0 + B1x, entonces, x = autoconcepto social, y y =
autoconcepto emocional, así:

Autoconcepto social = B0 + B1 (Autoconcepto emocional)

Para formar esta regresión sigamos los siguientes pasos en SPSS.

1. En el menú Analizar > Regresión > Lineal.

2. En la casilla “Dependientes” colocamos la variable Autoconcepto social, en la casilla “Independien-

tes” colocamos la variable Autoconcepto emocional y damos “Aceptar”.
Resultados:
Procedimiento:
Módulo 4: Técnicas de investigación cuantitativa

Módulo 4: Técnicas de investigación cuantitativa

Interpretación:
• Los asteriscos indican entre qué pares hay correlaciones significativas, positivas o negativas, pues
están asociados a valores de significación bilateral 0,000 (p< 0.05).

• Se observa que hay correlaciones positivas significativas entre los siguientes pares de autocon-
ceptos: social con emocional; social con familia; y emocional con familiar. Lo cual significa que si
un sujeto tiene puntaje alto en uno de los autoconceptos lo más probable es que también tenga
puntaje alto en el otro autoconcepto; o también, si tiene puntaje bajo en uno es probable que
tenga puntaje bajo en el otro.

36 37
 Interpretación:

Para nuestro caso, observamos la columna de Coeficientes no estandarizados, la cual indica que B0 =
7,701 y B1 = 0,305. Por lo tanto la regresión simple (función lineal) será:

Autoconcepto emocional = 7,701 + 0,305(Autoconcepto social)

Significa que el pronóstico del Autoconcepto emocional se basa en un incremento constante de 7,701
más 0,305 veces el valor del Autoconcepto social, así por ejemplo:

• Si un sujeto tiene 100 puntos en autoconcepto social, lo más probable es que tenga 7,701+0,305(100)
= 38,201 puntos en autoconcepto emocional
Resultados:
• Si un sujeto tiene 200 puntos en autoconcepto social, lo más probable es que tenga 7,701+0,305(100)
La primera tabla a observar es el resumen del modelo, que muestra el valor 0,668 de correlación R de = 68,701 puntos en autoconcepto emocional.
Pearson, el valor 0,446 de R cuadrado nos indica que el 44,6% de la variación del Autoconcepto social
está explicado por la variable Autoconcepto emocional:

ACTIVIDAD
DE REFORZAMIENTO

Usando la base de datos de las anteriores actividades de reforzamiento estudia:

a) La relación entre el “Sexo” y “Vives con”.
b) La relación entre el “Sexo” y el “Compañerismo global”.
c) La relación entre “Vives con” y el “Compañerismo global”.
La segunda tabla a observar es la ANOVA, que indica si la relación entre ambas variables es significati-
va. El valor de F=94,924, asociado al valor de significación 0,000 (p<0,05), indica ambas variables están d) La relación entre el “Compañerismo global” y la “Nota en matemática”.
linealmente relacionadas, si p>0,05, no habría correlación significativa y la prueba concluiría aquí.
Módulo 4: Técnicas de investigación cuantitativa

Módulo 4: Técnicas de investigación cuantitativa

e) La relación entre el “Compañerismo global” y la “Nota en comunicación”.

Actividad de retorno
Aplica un instrumento para tu investigación y elabora una base de datos. Luego:

a. Realiza un análisis descriptivo para las variables pertinentes.

La tercera y última tabla a observar es la de Coeficientes, esta proporciona los coeficientes B0 y B1 de
la regresión y = B0 + B1x: b. Estudia la relación entre al menos tres pares de variables (cualitativa-cualitativa, cualitativa-
cuantitativa y cuantitativa-cuantitativa), interpreta los resultados en cada caso.

38 39
 REFERENCIAS CITADAS
Rocha, I. y Tojeiro, C. (2005). Office 2000. España: MAD

Tomás, J. (2007). Introducción a la metodología cuantitativa con SPSS. Univ. de Valencia. Lima:
Solográfica SAC.

Marchant, J. y Pérez, A. “La Evaluación de actitudes y valores”. Recuperado 10 de mayo de 2012, del
sitio Web

REFERENCIAS CONSULTADAS
Moya, R. (1991). Estadística descriptiva. Lima: San Marcos.

Tomás, J. (Coord.) (2011). Guía de trabajos de investigación cuantitativos en psicología educativa y del
desarrollo. Univ. de Valencia - IESPP CReA. Lima: Arte Perú.

REFERENCIAS EN LA WEB
http://www.cneq.unam.mx/programas/actuales/taller/competencias/archivos/material_apoyo/
instrumentos_para_evaluar_actitudes_y_valores.pdf

UCM. Introducción al análisis de datos. Análisis multivariante. Departamento de Sociología.

http://www.ucm.es/info/socivmyt/paginas/D_departamento/materiales/datos_multivariante.htm
Módulo 4: Técnicas de investigación cuantitativa

40