Академический Документы
Профессиональный Документы
Культура Документы
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.
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
siguiente:
15
INDICE
RESULTADOS pasar por todos los dems.
La parte de la derecha, es la que muestra los
resultados de los anlisis efectuados.
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.
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 en tipo de archivo, seleccionamos Documento HTML o Todos los archivos,
buscamos el que queremos abrir y aparece un documento con el aspecto siguiente:
21
1.- ANLISIS DESCRIPTIVO
Para realizar un anlisis descriptivo de datos, una vez recuperados los datos en la
pantalla, acceder al men Analizar Estadsticos descriptivos Descriptivos. Aparece una
pantalla en la que se da la opcin de escoger una, varias o todas las variables de la base
de datos para hacer el anlisis.
En este caso seleccionamos las variables: Rendimiento en Historia, Rendimiento en
Filosofa, Rendimiento en Idioma, Rendimiento en Matemticas y Rendimiento en Dibujo.
Para seleccionar las variables, se pinchan con el ratn y se arrastran a la ventana
Variables.
Esta opcin nos permite obtener estadsticos de resumen univariados para varias
variables en una nica tabla y calcula valores tipificados (puntuaciones z), que pueden
guardarse, si as se especifica, en el fichero de datos como una variable nueva.
15
Estadsticos descriptivos
Se da la opcin de mostrar / no
mostrar la tabla de frecuencias.
Para obtenerlas, debe estar
marcado ()
16
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.
Porcentaje Porcentaje
Frecuencia Porcentaje vlido acumulado
Vlidos Sin estudios 7 7.0 7.0 7.0
Primarios 14 14.0 14.0 21.0
Secundarios 16 16.0 16.0 37.0
Bachiller 21 21.0 21.0 58.0
Univ. Medios 16 16.0 16.0 74.0
Univ. Superiores 18 18.0 18.0 92.0
Otros 8 8.0 8.0 100.0
Total 100 100.0 100.0
ESTADSTICA PARAMTRICA: 17
PRUEBA T DE STUDENT
Interpretacin de resultados
En el visor de resultados encontramos dos tablas (aqu se presenta la segunda
en dos partes). En la primera tabla, el programa calcula los ESTADISTICOS DEL
GRUPO, concretamente la media, la desviacin tpica y el error tpico de medida de
cada categora de la variable independiente, sexo en este caso.
Estadsticos de grupo
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).
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 22
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.
2.- PRUEBA T PARA MUESTRAS RELACIONADAS
Dentro del men Analizar, entramos en la opcin comparar medias y dentro de
esta opcin accedemos a Prueba T para muestras relacionadas. En este caso se trata
de comprobar si existen diferencias estadsticamente significativas entre la Capacidad
de Concentracin antes (de recibir un programa de entrenamiento de la concentracin
PEC), y la Capacidad de Concentracin despus (del PEC). Seleccionamos estas
variables porque estn medidas en nivel de razn.
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.
A continuacin aparece una tabla que nos proporciona la correlacin entre las 23
variables:
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:
Correlaciones de muestras
Diferencias relacionadas
relacionadas
95% Intervalo de
N Correlacin
confianza para la Sig.
Error tp.
Par 1 Capacidad Desviaci
de de la diferencia Sig.
concentracin
Media n antes
tp. y media Inferior Superior t gl (bilateral)
100 .744 .000
Par 1 Capacidad de Capacidad de
concentracin concetracin despues
antes - Capacidad -10.32 13.92 1.39 -13.08 -7.56 -7.415 99 .000
de concetracin
despues
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.
Es
Desviacin superior
Error tp. de la media en
Media N tp. la media
Capacidad de concentracin
Par 1 Capacidad de
61.29 100 20.25
despus de 2.03
recibir el PEC, por lo
concentracin antes
Capacidad de que puede 1.83
decirse que es un
71.61 100 18.35
concetracin despues
programa eficaz.
ESTADSTICA NO PARAMTRICA 24
Rangos
Rango Suma de
Sexo N promedio rangos
Interes profesional Mujer 53 52.39 2776.50
del alumno Hombre 47 48.37 2273.50
Total 100
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
significativas en los intereses profesionales de los alumnos en funcin del sexo,
ya que este valor (0,479) es mayor que (0,05)
a
Estadsticos de contraste
Interes
profesional
del alumno
U de Mann-Whitney 1145.500
W de Wilcoxon 2273.500
Z -.707
Sig. asintt. (bilateral) .479
a. Variable de agrupacin: Sexo
Interpretacin de resultados 28
En los resultados aparecen las siguientes tablas:
Interpretacin de resultados 30
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.
Sexo
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
Estadsticos de contraste
A partir de esta tabla se realiza el
Nivel social contraste de hiptesis,
Sexo Grupo familiar
Chi-cuadrado .360 .000 17.500 comparando la probabilidad
gl 1 3 4
asociada a Chi-Cuadrado con el
Sig. asintt. .549 1.000 .002
al que estemos trabajando.
Familiar
ANALISIS DE VARIANZA 31
1.- ANLISIS DE VARIANZA SIMPLE.
El Anlisis de Varianza simple (ANOVA) es una tcnica estadstica utilizada para
contrastar la existencia de diferencias estadsticamente significativas entre las medias de
las muestras sometidas a diferentes tratamientos.
La hiptesis nula (H0) general que se pretende contrastar es la siguiente: No
existen 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.
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
A la vista de los resultados presentados en la tabla, rechazamos las Ho 1 - 2- 4 y 5, y
afirmamos que:
Suma de Media
cuadrados gl cuadrtica F Sig.
Rendimiento en historia Inter-grupos 246.350 3 82.117 29.933 .000
Intra-grupos 263.360 96 2.743
Total 509.710 99
Rendimiento en filosofa Inter-grupos 298.440 3 99.480 39.372 .000
Intra-grupos 242.560 96 2.527
Total 541.000 99
Rendimiento en idioma Inter-grupos 22.320 3 7.440 1.762 .160
Intra-grupos 405.440 96 4.223
Total 427.760 99
Rendimiento en Inter-grupos 122.440 3 40.813 15.272 .000
matemticas Intra-grupos 256.560 96 2.673
Total 379.000 99
Rendimiento en dibujo Inter-grupos 221.640 3 73.880 28.216 .000
Intra-grupos 251.360 96 2.618
Total 473.000 99
34
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
Comparaciones
dependientes Rendimiento en Historia. mltiples
Scheff
Diferencia de
Diferencia
Variable dependiente (I) Grupo
(J) Grupo medias (I-J) Error tpico Sig.
Rendimiento en historia Grupo A Grupo B significativa
-2.64* .47 .000
Grupo C .28 .47 .949
Grupo D -3.28* .47 .000
Grupo B Grupo A 2.64* .47 .000
Grupo C 2.92* .47 .000
Diferencia no
Grupo D -.64 .47 .602
Grupo C Grupo A -.28 .47 .949 significativa
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...
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.
36
Interpretacin de resultados
La primera tabla que aparece en la salida nos muestra un resumen de los casos
incluidos en el estudio
Factores inter-sujetos
Etiqueta
del valor N
Grupo 1 Grupo A 25
2 Grupo B 25
3 Grupo C 25
4 Grupo D 25
Nivel 1 Bajo 14
social 2 Medio-Baj
familiar 33
o
3 Medio 26
4 Medio-Alt
17
o
5
Alto 10
La tabla proporciona tambin un ANOVA simple para cada una de las variables 37
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.
Por el contrario, el valor de la probabilidad asociada a F para la variable Nivel social es de
0,789 resultando no significativa para un valor de de 0,05.
Contrastes Posteriores
En las tablas siguientes pueden hacerse los contrastes posteriores, del mismo modo que
se hacan en el caso de ANOVA simple
Comparaciones mltiples
Intervalo de confianza al
Diferencia 95%.
entre Lmite
(I) Grupo (J) Grupo medias (I-J) Error tp. Significacin Lmite inferior superior
Grupo A Grupo B -.3200 .2651 .693 -1.0772 .4372
Grupo C 1.1080* .2651 .001 .3508 1.8652
Grupo D -1.3840* .2651 .000 -2.1412 -.6268
Grupo B Grupo A .3200 .2651 .693 -.4372 1.0772
Grupo C 1.4280* .2651 .000 .6708 2.1852
Grupo D -1.0640* .2651 .002 -1.8212 -.3068
Grupo C Grupo A -1.1080* .2651 .001 -1.8652 -.3508
Grupo B -1.4280* .2651 .000 -2.1852 -.6708
Grupo D -2.4920* .2651 .000 -3.2492 -1.7348
Grupo D Grupo A 1.3840* .2651 .000 .6268 2.1412
Grupo B 1.0640* .2651 .002 .3068 1.8212
Grupo C 2.4920* .2651 .000 1.7348 3.2492
Basado en las medias observadas.
*. La diferencia de medias es significativa al nivel .05.
Interpretacin de resultados
De la tabla podemos deducir una serie de conclusiones (tantas como pruebas de
significatividad realizadas) que se presentan a continuacin:
Intervalo de confianza al
Diferencia 95%.
entre Lmite
(I) Nivel social familiar (J) Nivel social familiar medias (I-J) Error tp. Significacin Lmite inferior superior
Bajo Medio-Bajo -.1058 .2990 .998 -1.0487 .8370
Medio -.1863 .3108 .985 -1.1662 .7936
Medio-Alto -.1433 .3383 .996 -1.2101 .9236
Alto -.1986 .3881 .992 -1.4225 1.0253
Medio-Bajo Bajo .1058 .2990 .998 -.8370 1.0487
Medio -8.0420E-02 .2458 .999 -.8556 .6947
Medio-Alto -3.7433E-02 .2799 1.000 -.9199 .8451
Alto -9.2727E-02 .3384 .999 -1.1598 .9743
Medio Bajo .1863 .3108 .985 -.7936 1.1662
Medio-Bajo 8.042E-02 .2458 .999 -.6947 .8556
Medio-Alto 4.299E-02 .2924 1.000 -.8790 .9650
Alto -1.2308E-02 .3488 1.000 -1.1122 1.0876
Medio-Alto Bajo .1433 .3383 .996 -.9236 1.2101
Medio-Bajo 3.743E-02 .2799 1.000 -.8451 .9199
Medio -4.2986E-02 .2924 1.000 -.9650 .8790
Alto -5.5294E-02 .3736 1.000 -1.2333 1.1227
Alto Bajo .1986 .3881 .992 -1.0253 1.4225
Medio-Bajo 9.273E-02 .3384 .999 -.9743 1.1598
Medio 1.231E-02 .3488 1.000 -1.0876 1.1122
Medio-Alto 5.529E-02 .3736 1.000 -1.1227 1.2333
Basado en las medias observadas.
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 40
COEFICIENTES DE CORRELACIN
- Pearson El coeficiente de correlacin de Pearson se utiliza cuando las
variables del anlisis estn medidas en nivel de intervalo o razn. En ambos
casos la interpretacin se hace igual.
- Spearman Utilizaremos el coeficiente de correlacin de Spearman cuando
las variables a relacionar estn medidas en nivel nominal u ordinal.
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.
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:
- Coeficiente de correlacin Valor del coeficiente, que se interpreta segn
la tabla que aparece al principio de la prctica.
- Significatividad (Sig.) Es lo primero que hay que mirar, indica si la
correlacin es significativa, si el valor es menor que nuestro , entonces la
correlacin es significativa (no se debe al azar). Mediante la opcin Marcar
las correlaciones significativas, el programa seala con un asterisco (*) o
dos (**) las correlaciones que son significativas al 0,05 o al 0,01, indicando
a pie de tabla la clave de interpretacin.
- N Nmero de sujetos que intervienen en el anlisis
Correlaciones
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:
NIVEL DE ESTUDIOS DEL PADRE/M ADRE NIVEL PROFESIONAL DEL PADRE/M ADRE
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:
Correlaciones
Rendimiento
Rendimiento Rendimiento Rendimient en Rendimiento Rendimiento
en historia en filosofa o en idioma matemticas en dibujo global
Rendimiento Correlacin
1.000 .576** .010 .239* .205* .714**
en historia de Pearson
Sig. (bilateral) . .000 .922 .017 .041 .000
N 100 100 100 100 100 100
Rendimiento Correlacin
.576** 1.000 .033 .267** .253* .752**
en filosofa de Pearson
Sig. (bilateral) .000 . .743 .007 .011 .000
N 100 100 100 100 100 100
Rendimiento Correlacin
.010 .033 1.000 -.225* .044 .288**
en idioma de Pearson
Sig. (bilateral) .922 .743 . .025 .660 .004
N
100 100 100 100 100 100
Rendimiento en Correlacin
.239* .267** -.225* 1.000 .328** .530**
matemticas de Pearson
Sig. (bilateral) .017 .007 .025 . .001 .000
N 100 100 100 100 100 100
Rendimiento Correlacin
.205* .253* .044 .328** 1.000 .623**
en dibujo de Pearson
Sig. (bilateral) .041 .011 .660 .001 . .000
N 100 100 100 100 100 100
Rendimiento Correlacin
.714** .752** .288** .530** .623** 1.000
global de Pearson
Sig. (bilateral) .000 .000 .004 .000 .000 .
N 100 100 100 100 100 100
**. La correlacin es significativa al nivel 0,01 (bilateral).
*. La correlacin es significante al nivel 0,05 (bilateral).
En esta tabla podemos ver que existe correlacin (y muy alta en algunos
varias asignaturas.
INTERPRETACIN DE RESULTADOS 43
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 Esta tabla nos presenta las
Variables introducidas/eliminadas
ANOVAb
Suma de Media
Modelo cuadrados gl cuadrtica F Sig.
1 Regresin 52,352 1 52,352 15,707 ,000a
Residual 326,648 98 3,333
Total 379,000 99
a. Variables predictoras: (Constante), Motivacin despus del programa
b. Variable dependiente: Rendimiento en matemticas
Coeficientesa
Coeficient
es
Coeficientes no estandari
estandarizados zados
Modelo B Error tp. Beta t Sig.
1 (Constante) 3,687 ,540 6,832 ,000
Motivacin despus
3,237E-02 ,008 ,372 3,963 ,000
del programa
a. Variable dependiente: Rendimiento en matemticas
Seleccionamos, como en el
caso de Regresin Simple, el
mtodo de Pasos Sucesivos
INTERPRETACIN DE RESULTADOS
ANOVAc
Suma de Media
Modelo cuadrados gl cuadrtica F Sig.
1 Regresin 78,405 1 78,405 93,130 ,000a
Residual 82,505 98 ,842
Total 160,910 99
2 Regresin 89,306 2 44,653 60,490 ,000b
Residual 71,604 97 ,738
Total 160,910 99
a. Variables predictoras: (Constante), Inteligencia general
b. Variables predictoras: (Constante), Inteligencia general, Motivacin despus del
programa
c. Variable dependiente: Rendimiento global
Coeficientesa
Coeficient
es
Coeficientes no estandari
estandarizados zados
Modelo B Error tp. Beta t Sig.
1 (Constante) -23,365 2,998 -7,795 ,000
Inteligencia general ,335 ,035 ,698 9,650 ,000
2 (Constante) -19,856 2,952 -6,727 ,000
Inteligencia general ,283 ,035 ,589 8,028 ,000
Motivacin despus
del programa 1,601E-02 ,004 ,282 3,843 ,000
Variables excluidasb
Estadstic
os de
colinealid
Correlacin ad
Modelo Beta dentro t Sig. parcial Tolerancia
1 Motivacin despus a
,282 3,843 ,000 ,363 ,851
del programa
a. Variables predictoras en el modelo: (Constante), Inteligencia general
b. Variable dependiente: Rendimiento global
ANLISIS FACTORIAL 49
El anlisis factorial es una tcnica estadstica multivariada cuya finalidad
consiste en obtener un nmero reducido de variables abstractas, que estn
compuestas por distintas cargas o saturaciones sobre variables empricas, en funcin
de la estructura de los datos obtenidos al realizar el proceso de medida de dichas
variables empricas. Como el nmero de factores que se obtienen al realizar un
anlisis factorial es menor que el nmero de variables de las que partimos y contienen
la misma informacin, cada factor explica una conducta ms compleja que la explicada
por las variables empricas.
Para realizar un Anlisis Factorial con SPSS, elegiremos en el men- analizar,
la opcin Reduccin de datos- Anlisis Factorial
En la opcin mtodo de
ROTACIN de los factores,
aparecen varios mtodos, de
entre los que elegiremos el
Varimax.
47
Respecto a la
EXTRACCIN de los
factores, el mtodo de
Componentes Principales
es el que vamos a utilizar.
Interpretacin de resultados
Comunalidades
Inicial Extraccin
Edad 1.000 .486
Sexo 1.000 .503
Grupo 1.000 .765
Rendimiento global 1.000 .961
Rendimiento en historia 1.000 .634
La tabla de comunalidades nos
Rendimiento en filosofa 1.000 .687
Rendimiento en idioma 1.000 .783 indica cmo est representada
Rendimiento en
matemticas
1.000 .582 cada una de las variables en la
Rendimiento en dibujo 1.000 .536 solucin factorial (utilizamos el
Estudios del padre 1.000 .646
Profesin del padre 1.000 .785 criterio > 0,60 para establecer
Estudios de la madre 1.000 .636 que las variables estn bien
Profesin de la madre 1.000 .607
Nivel social familiar 1.000 .728 representadas en la solucin
Situacin laboral del
1.000 .664 factorial)
alumno
Interes profesional del
1.000 .687
alumno
Capacidad de
1.000 .859
concentracin antes
Capacidad de
1.000 .881
concetracin despues
Motivacin antes del
1.000 .718
programa
Motivacin despus del
1.000 .805
programa
Mtodo de extraccin: Anlisis de Componentes principales.
La tabla de Varianza total explicada nos informa del nmero total de factores 48
(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
cules son los factores significativos, que sern aquellos cuya varianza explicada
sea mayor que 1.
Han salido siete factores significativos que explican el 69,745%
(19,632+11,371+9,691+7,608+7,335+7,7122+6,984) de la varianza total. La varianza
total de la solucin factorial es igual al nmero de variables incluidas en el anlisis; en
nuestro caso, la varianza total es 20.
a
Matriz de componentes rotados
Componente
1 2 3 4 5 6 7
Edad 3.784E-02 5.927E-02 -.241 .345 .376 -.391 9.626E-02
Sexo 4.277E-02 -4.54E-02 .232 .652 -8.01E-02 -7.49E-02 -8.94E-02
Grupo .343 -.127 .245 -.298 .680 -4.58E-02 .133
Rendimiento global .917 6.126E-02 -4.90E-02 -7.33E-03 -6.26E-02 .293 .158
Rendimiento en historia .727 -.173 .122 -.112 .176 9.478E-02 9.488E-02
Rendimiento en filosofa .816 -3.40E-02 -2.92E-02 -7.52E-02 9.493E-02 3.712E-02 -5.66E-02
Rendimiento en idioma 6.141E-02 4.061E-02 2.887E-02 3.964E-02 8.593E-02 .872 -8.57E-02
Rendimiento en
.500 .184 -7.57E-02 -5.88E-03 -.312 -.309 .315
matemticas
Rendimiento en dibujo .540 .188 -.197 .146 -.267 .165 .225
Estudios del padre -5.95E-02 .785 -2.94E-02 -7.47E-02 -6.74E-02 -2.92E-02 -.123
Profesin del padre 8.774E-02 -.868 -9.35E-02 -9.55E-03 2.598E-02 -1.79E-02 -.119
Estudios de la madre -2.09E-02 4.817E-02 1.552E-02 .105 .118 .119 -.771
Profesin de la madre 1.363E-02 -8.66E-04 -2.01E-02 .356 .223 3.830E-02 .654
Nivel social familiar 7.748E-03 .846 -4.69E-02 -8.57E-02 1.712E-03 4.983E-02 -1.73E-02
Situacin laboral del
alumno 2.918E-02 -.121 -.120 .774 -3.93E-02 7.180E-02 .170
Interes profesional del
-.371 -1.89E-02 -.128 1.848E-02 .697 .191 -9.38E-02
alumno
Capacidad de
-5.43E-02 4.100E-02 .898 9.690E-02 -.151 8.297E-02 -9.63E-02
concentracin antes
Capacidad de
concetracin despues -6.32E-03 -1.69E-02 .924 -1.98E-02 .157 3.656E-03 5.527E-02
Motivacin antes del
.698 -.164 -3.01E-02 .224 -.122 -.312 -.202
programa
Motivacin despus del
.765 -.129 3.363E-03 .197 -.133 -.347 -.158
programa
PUNTUACIONES FACTORIALES
En caso de haber solicitado al programa las puntuaciones de cada sujeto en
cada factor, al final del fichero de datos aparecern unas variables nuevas, con el
aspecto que se muestra a continuacin
ANLISIS DE COVARIANZA 50
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
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
aspecto similar al siguiente:
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.
La primera lnea est formada por 10 columnas que indican lo siguiente:
Columnas 1 a 3 Nmero de tems de que consta el test (mximo
250 tems). En el ejemplo anterior, el test consta de 80 tems, observar
que la primera columna queda en blanco, hubiera sido igual poner 035, 50
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 segunda lnea se especifica la clave de correccin, la alternativa correcta
de cada tem. Debe haber tantos dgitos como tems.
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
En la cuarta lnea se especifican los tems que entran en el anlisis. Y significa
que el tem se analizar; N significa que no se analizar. Debe haber tantos Y/N
cono tems en el test. En el fichero de ejemplo se pide el anlisis de los 80 tems.
A partir de la quinta lnea se empiezan a escribir los datos.
51
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
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 quieren, el programa pide que se le especifique el nombre (por ejemplo
a:estadis)
Al pulsar INTRO, sale una pantalla en la que hay que especificar las opciones de
configuracin del anlisis. En nuestro caso vienen sealadas por defecto, as que
simplemente pulsamos Continuar (INTRO)
Una vez terminado el anlisis, aparece una barra roja que dice ***ITEM
ANALYSIS COMPLETE***. Para ver los resultados, puede pulsarse directamente F2
para acceder al editor de ITEMAN o abrir el archivo desde el Word Pad
LOS RESULTADOS 52
EN la salida encontramos, en primer ligar, informacin referida al programa
(versin, ao, etc.). A continuacin los detalles especficos del anlisis:
******************** ANALYSIS SUMMARY INFORMATION ********************
Scale: 0
-------
Type of Scale DICHOT
N of Items 80
N of Examinees 50
Parte 1 Parte 2
A continuacin presentamos una tabla que puede resultar til para la interpretacin
de resultados: