PRUEBA T DE STUDENT

Tcnica para deducir diferencias entre variables. Existen dos tipos de prueba T: a. Dependientes: Cuando a ambas muestras se les ha aplicado algo en comn. Ej. Comparar resultados de una muestra antes y despus de un tratamiento aplicado. b. Independientes: Cuando no se les ha aplicado nada en comn. Ej. Comparar niveles de la enfermedad en muestras en forma separadas.

Se deben plantear dos hiptesis que siempre sern de la siguiente manera: Ho: No existen diferencias entre H1: Existen diferencias entre

La decisin con respecto a las hiptesis se toma de la siguiente manera: a. Cuando el Sig. es menor a 0,05 se rechaza Ho y se acepta H1. b. Cuando el Sig. es mayor a 0,05 se rechaza H1 y se acepta Ho.

La prueba T debe cumplir ciertos supuestos, el ms importante es el supuesto de HOMOCEDASTICIDAD, el cual busca que las varianzas de los grupos sean homogneas (iguales). Para este supuesto se utiliza una de igualdad de varianzas llamada prueba de Levene. Para esta prueba se deben plantear dos nuevas hiptesis: Ho: las varianzas de los grupos son iguales H1: las varianzas de los grupos son distintas.

La decisin con respecto a estas nuevas hiptesis se toma de la siguiente manera: a. Cuando el Sig. es mayor a 0,05 se acepta Ho. b. Cuando el Sig. es menor a 0,05 se acepta H1.

Cmo se aplica la prueba T en una salida de SPSS?

Destacada slo la prueba de Levene, se explica la manera en que sta funciona. Dejando en claro que previo a analizar esta prueba en la salida de spss se deben plantear las hiptesis para la prueba T. ( Ho: No existen diferencia; H1: Existen diferencias ) En el costado izquierdo de la tabla aparecen ambas hiptesis OJO hiptesis para la prueba de Levene, luego en el recuadro que dice prueba

de Levene aparecen los valores. El valor Sig. es mayor a 0,05 por lo que aceptamos Ho (varianzas iguales) , debido a esto slo se deben trabajar con los valores de arriba de la tabla en general. As como lo indica la siguiente tabla. Recin ahora podemos trabajar con las hiptesis planteadas para la prueba T. De acuerdo a la tabla tomaremos los datos encerrados con rojo como lo muestra la siguiente tabla y segn los datos aceptaremos o rechazaremos Ho o H1. En un anlisis de prueba T es necesario el valor que tom t, gl y el Sig. SEGN EL SIG. SE ACEPTA O SE RECHAZA HO o H1.

PRUEBA ANOVA

Se utiliza cuando por ejemplo se tienen dos tipos de terapia y se quiere averiguar cul de las dos es ms efectiva y a la vez establecer si existen o no diferencias entre estas dos terapias.

Para esta prueba siempre debe haber una variable dependiente y una independiente.

Recordemos que

Las hiptesis para esta prueba siempre sern. Ho: No existen diferencias entre H1: Existen diferencias entre

La decisin con respecto a las hiptesis se toma de la siguiente manera: c. Cuando el Sig. es menor a 0,05 se rechaza Ho y se acepta H1. d. Cuando el Sig. es mayor a 0,05 se rechaza H1 y se acepta Ho.

Cmo se aplica la prueba ANOVA de un factor en una salida de

SPSS? La tabla de esta prueba es simple, para tomar la decisin estadstica con respecto a las dos hiptesis que se plantean previamente se toma en cuenta el valor Sig. , obviamente siempre siguiendo la regla de decisin. Esta decisin va a revelar si existen o no diferencias entre lo que se est analizando. Por ejemplo si se evaluaran dos modalidades de terapia, primeramente se debe establecer si existen o no diferencias entre ambas

modalidades

de

terapia.

(Esto

lo

sabremos,

como

mencion

anteriormente, si es que aceptamos o rechazamos alguna de las dos hiptesis planteadas) Ahora, se debe establecer cul de ambas modalidades es ms efectiva o produce mayor impacto positivo en el paciente (siguiendo el mismo ejemplo), esto lo sabremos si nos fijamos en el valor de la media. Teniendo dos modalidades de terapia, la ms efectiva ser la que presente la media ms alta.

PRUEBA DEL COEFICIENTE DE CORRELACIN DE PEARSON

Tcnica que permite determinar la forma y significacin de asociaciones entre dos variables y tambin permite saber la fuerza de la asociacin entre estas dos variables.

Se aplica solo cuando las dos variables se asociacin en forma lineal. El valor r (coeficiente de correlacin) siempre vara entre -1 y 1. Cuando el valor R es positivo, quiere decir que las variables cambian en conjunto (si una sube la otra tambin), el valor R negativo quiere decir que las variables cambian en forma inversa (si una sube la otra baja).

Las hiptesis para esta prueba siempre sern: Ho: No existe asociacin (positiva o negativa) entre H1: Existe asociacin (positiva o negativa) entre

La decisin con respecto a las hiptesis se toma de la siguiente manera: e. Cuando el Sig. es menor a 0,05 se rechaza Ho y se acepta H1. f. Cuando el Sig. es mayor a 0,05 se rechaza H1 y se acepta Ho.

Cmo se aplica una prueba de correlacin de Pearson en una

salida de SPSS?

En esta tabla de analiza la correlacin que existe entre la escala de lot-r (optimismo) y la escala de autoeficacia. La decisin estadstica se toma siempre siguiendo el sig. (encerrado en el recuadro verde) En este caso si se observa el coeficiente de correlacin (encerrado en el recuadro morado), es negativo. Esto quiere decir que cuando el optimismo aumenta, la autoeficacia disminuye y viceversa.

Cabe destacar que la fuerza de asociacin tambin debe ser analizada. Esto se hace ubicando el valor que tom el coeficiente de correlacin (recuadro morado) en la siguiente tabla. Ubicando el valor en la tabla podremos decir cul es la fuerza que tiene la asociacin entre las dos variables a analizar.

REGRESIN LINEAL

Es una tcnica diseada para explicar o predecir la variabilidad de una variable dependiente a partir de una variable independiente.

La hiptesis para esta prueba siempre sern: Ho: Las variables independientes no predicen la variabilidad de las variables dependientes. H1: Las variables independientes predicen la variabilidad de las variables dependientes.

La decisin con respecto a las hiptesis se toma de la siguiente manera: g. Cuando el Sig. es menor a 0,05 se rechaza Ho y se acepta H1.

h. Cuando el Sig. es mayor a 0,05 se rechaza H1 y se acepta Ho. Teniendo en cuenta que para la regresin lineal se deben realizar muchas pruebas, el sig. se debe ubicar en la siguiente tabla.

En un anlisis de regresin lineal se deben identificar las variables, mencionando cuales son dependientes y cuales son independientes.

La regresin primeramente debe cumplir ciertos supuestos 1. Supuesto de Normalidad: para este supuesto se deben desarrollar dos pruebas, la prueba KS (Kolmorogov-Smirnov) y la prueba ASQ. La primera busca aceptar que las variables distribuyan de forma normal. Cuando el sig. sea mayor a 0,05, las variables van a distribuir normal. Para esta prueba se deben guiar por la siguiente tabla y tomar en cuenta los valores encerrados en el recuadro naranjo.

Segn esta tabla las variables NO distribuyen de manera normal, por lo que se rechaza KS.

La segunda prueba (ASQ) , es mucho ms rgida mientras que la primera es ms sensible. Los valores de esta prueba deben encontrarse entre -3 y 3, si los valores se encuentran dentro de estos dos dgitos indicar que las variables distribuyen normal.

Para esta prueba se deben guiar por la siguiente tabla y tomar en cuenta los valores encerrados en el recuadro morado.

Segn esta tabla las variables SI distribuyen de manera normal, por lo que se cumple ASQ.

Si se dan cuenta el supuesto de normalidad, que es el que se est analizando ahora, tiene dos pruebas, una de acepta y la otra se rechaza. Qu se hace cuando sucede esto? Se cumple o no se cumple el supuesto de normalidad? , cuando sucede esto nos guiamos por la prueba ASQ, ya que como mencion anteriormente es mucho ms rgida y robusta. Siendo as, se cumple el supuesto de normalidad, ya que la prueba ASQ se cumple. 2. Supuesto de Independencia: para este supuesto se debe desarrollar la prueba de DURBIN- WATSON, con esta prueba se espera demostrar que cuando los valores se encuentren entre 1,5 y 2,5, sern independientes. Para esta prueba se deben guiar por la siguiente tabla y tomar en cuenta los valores encerrados en el recuadro de color verde.

Segn esta tabla el valor DW se encuentra entre 1,5 y 2,5, por lo que se cumple el supuesto de independencia. 3. Supuesto de Homocedasticidad: para este supuesto se debe desarrollar la prueba de Levene, la que busca aceptar que las varianzas son iguales, para comprobar esto el valor Sig. debe ser mayor a 0,05. Para esta prueba se deben guiar por la siguiente tabla y tomar en cuenta los valores encerrados en el recuadro de color rojo.

Segn la tabla no se cumple el supuesto de Homocedasticidad ya que los valores sig. para la prueba de Levene son menores a 0,05 y se concluye que las varianzas son distintas.

4. Supuesto de No colinealidad: en este supuesto se espera comprobar que las variables no presenten colinealidad, esto se entiende como que si una de las variables aumente, la otra no lo haga de la misma manera. Este supuesto consta con cuatro puntos. Punto 1, FIV: Cuando se presenten FIV con valores menores a 10 se podr concluir que existe no colinealidad entre las variables.

Para este punto se deben guiar por la siguiente tabla y tomar en cuenta los valores encerrados en el recuadro de color azul.

Segn la tabla todos los valores son menores a 10, esto quiere decir que existe no colinealidad en entre las variables por lo que SE CUMPLE FIV. Punto 2, Indicadores de condiciones: Cuando se presenten

indicadores de condicin con valores menores a 15 se cumplir el supuesto. Para este punto se deben guiar por la siguiente tabla y tomar en cuenta los valores encerrados en el recuadro de color naranjo.

Segn la tabla los valores de los ndices de condicin son menores a 15, esto indica que existe No colinealidad entre las variables. Si se dan cuenta entre estos valores hay 2 de ellos que son mayores a 15, pero como son minora se da por CUMPLIDO el punto de INDICADORES DE CONDICIONES.

Punto 3, Valores de tolerancia: Cuando se presenten valores de tolerancia con valor mayor a 0 se cumplir el supuesto. Para este punto se deben guiar por la siguiente y tabla y tomar en cuenta los valores encerrados en el recuadro de color amarillo.

Como se dan cuenta, segn la tabla los valores de tolerancia son todos mayores a 0, lo que indica que existe No colinealidad entre las variables y se CUMPLE el punto de valores de tolerancia. Punto 4, Autovalores: Cuando se presenten autovalores con valor mayor a 0 se cumplir el supuesto. Para este punto se deben guiar por la siguiente tabla y tomar en cuenta los valores encerrados en el recuadro de color verde.

Segn la tabla, los autovalores son todos mayores a 0 lo que indica que existe No colinealidad entre las variables y se CUMPLE el punto de autovalores.

Como se dan cuenta el supuesto NO COLINEALIDAD tiene cuatro puntos, ya analizados esos cuatro puntos, pueden ver que todos se cumplen as que el supuesto de NO COLINEALIDAD SE CUMPLE POR COMPLETO.

5. Supuesto de Linealidad: Este supuesto se analiza en grficos, que son arrojados por la prueba de correlacin de Pearson.