Analisis Estadistico

Técnicas de
análisis estadístico
aplicadas a las
ciencias de la
actividad física y
la salud
Profesor: Manuel Pulido Martos
Alumno: Juan Carlos Blanca Torres
1-4-2016
0
ÍNDICE
PARTE 1 ........................................................................ página 2
PARTE 2 ........................................................................ página 17
PARTE 3 ........................................................................ página 25
1
Ejercicios para entregar por plataforma. PARTE 1
A continuación encontrarás una serie de ejercicios relacionados con las

técnicas estadísticas explicadas en clase. En todos los casos debes indicar el tipo de
análisis que llevas a cabo y justificar su empleo. Además, las respuestas deben estar
basadas en los resultados de los análisis realizados.
Cuando respondas, hazlo como si tu respuesta formase parte de un

informe científico. Si necesitas incluir tablas o gráficos, apóyate en algún manual de
estilo e indícalo (APA, Vancouver…)
Ingesta de nutrientes y fibra

Se realiza un estudio para determinar el aporte calórico y de nutrientes al
día en una muestra de 16 personas adultas. En el archivo nutrientes.sav encontrarás
los datos recogidos: sexo de los participantes, consumo medio de calorías (kilocalorías)
diario y consumo medio de proteínas (gramos) diario.
Con la información de la tabla que aparece más adelante y que se

corresponde con los consumos medios para población española durante diferentes
años, trata de determinar lo siguiente:
2
 Si la media del consumo calórico de la muestra de
estudio es diferente de los valores poblacionales del año
2003.
Estadísticas de muestra única
Desviación Media de error

N Media estándar estándar
Energía 16 2746,0000 13,02306 3,25576
Prueba de muestra única
Valor de prueba = 2767
95% de intervalo de confianza de

la diferencia
Diferencia de
t gl Sig. (bilateral) medias Inferior Superior
Energía -6,450 15 ,000 -21,00000 -27,9395 -14,0605
La media del consumo calórico es inferior este año (media = 2746.0) que
en el año 2003 (media = 2767.0). La diferencia entre los dos años fue de 21
kilocalorías (95% IC = -27.93-14.06). Una prueba t para muestras independientes
indicó que las diferencias entre el consumo calórico de este año y del 2003 eran
estadísticamente significativas (t = -6.450; gl = 15; p < .001).
3
 Si la media del consumo de proteínas de la muestra de
estudio es diferente de los valores poblacionales del año
2006.

N Media estándar estándar
Energía 16 2746,0000 13,02306 3,25576
95% de intervalo de confianza de

la diferencia
Diferencia de
t gl Sig. (bilateral) medias Inferior Superior
Energía -4,607 15 ,000 -15,00000 -21,9395 -8,0605
La media del consumo de proteínas es superior este año (media = 94,03)

que en el año 2006 (media =93,5). La diferencia entre los dos años fue de 0,53 g
(95% IC = -,4532+1,5032). Una prueba t para muestras independientes indicó que
las diferencias entre el consumo de proteínas de este año y del 2006 no eran
estadísticamente significativas (t = -1,144; gl = 15; p>0,05).
4
 Si las medias de los consumos calóricos y de proteínas de
hombres y mujeres (por separado) de la muestra de
estudio son diferentes de los valores poblacionales del
año 2000.
Desviación Media de e rror

Sexo N Media estándar estánda r
Hombre Energía 8 2752,5000 4,47214 1,58114
Mujer Energía 8 2739,5000 15,71169 5,55492
95% de intervalo de confianza

de la diferencia
Diferencia de
Sexo t gl Sig. (bilateral) medias Inferior Superior
Hombre Energía 14,230 7 ,000 22,50000 18,7612 26,2388
Mujer Energía 1,710 7 ,131 9,50000 -3,6353 22,6353
La media del consumo calórico en hombres es superior este año (media =

2752.0) que en el año 2000 (media = 2730.0). La diferencia entre los dos años fue de
22 kilocalorías (95% IC = 18.76+26.23). Una prueba t para muestras independientes
indicó que las diferencias entre el consumo calórico en los hombres de este año y del
2000 eran estadísticamente significativas (t = -14.230; gl = 7; p < .001).
La media del consumo calórico en mujeres es superior este año (media =

2739.0) que en el año 2000 (media = 2730.0). La diferencia entre los dos años fue de
9.5 kilocalorías (95% IC = -3.64+22.64). Una prueba t para muestras independientes
indicó que las diferencias entre el consumo calórico en las mujeres de este año y del
2000 no eran estadísticamente significativas (t = 1.710; gl = 7; p > .05).
5
Clientes de gimnasio
El dueño del gimnasio “Muscle” está convencido de que la situación
económica de los últimos años le está ocasionando un grave perjuicio. Ha visto como
su número de clientes ha disminuido considerablemente en los últimos 3 años.
Preocupado por la situación y esperando que si hay una recuperación económica eso
le llevará a un aumento de clientes, ha decidido contactar con otros gimnasios para
conocer el número de bajas de clientes desde el año 2006. Concretamente les ha
pedido que le envíen el número de bajas del período 2006-2011. Ha decidido
comparar el número de bajas de lo que el considera la época de bonanza económica
(2006-2008) con el número de bajas de la época de crisis (2009-2011). Con el
archivo gimnasio.sav debes ayudar al dueño del gimnasio “Muscle” para tomar una
decisión sobre si la situación económica realmente está afectando a la clientela de los
gimnasios. Construye un gráfico que ayude a visualizar los resultados encontrados.
Estadísticas de muestras emparejadas

Media N estándar estándar
Par 1 bajas_nocris 65,5000 18 23,05046 5,43304
bajas_cris 79,1667 18 8,67891 2,04564
Correlaciones de muestras emparejadas
N Correlación Sig.
Par 1 bajas_nocris & bajas_cris 18 ,141 ,576
6
Prueba de muestras emparejadas
Sig.
(bilateral
Diferencias emparejadas )
95% de intervalo de
confianza de la
Desviació Media de diferencia
n error
Media estándar estándar Inferior Superior t gl
Par bajas_nocris - -
- -
1 bajas_cris 13,666 23,45459 5,52830 -2,00297 17 ,024
25,33036 2,472
67
La media de bajas tramitadas en los gimnasios fue más alta durante el

periodo de crisis (2009-2011). La diferencia entre los dos periodos fue de 13.67 (95%
IC = 25.33 – 2.00). Una prueba t para muestras relacionadas indicó que las
diferencias entre los dos periodos eran estadísticamente significativas (t = 2.47; gl =
17; p < .05).
7
El gráfico de cajas y bigotes anterior muestra que existe cierto grado de
solapamiento (moderado) entre las dos barras de cada momento. Así pues, existen
diferencias en las medias del número de bajas en los años de crisis y la de los años de
no crisis.
Desarrollo de anorexia
La anorexia nerviosa es un trastorno alimentario que lleva a que las
personas pierdan más peso de lo que se considera saludable para su edad y estatura.
Las personas con este trastorno pueden tener un miedo intenso a aumentar de peso,
incluso cuando están con peso insuficiente. Es posible que hagan dietas o ejercicio en
forma excesiva o que utilicen otros métodos para bajar de peso.
No se conocen las causas exactas de la anorexia nerviosa. Entre los factores

de riesgo que predisponen a padecer el trastorno, encontramos una preocupación
excesiva con el peso y la figura, tener un trastorno de ansiedad en la niñez, tener
problemas alimentarios durante la lactancia o la primera infancia, tener ciertas ideas
culturales o sociales respecto de la salud y la belleza, tratar de ser perfeccionista o
demasiado centrado en reglas…
La anorexia generalmente comienza durante los años de adolescencia o a

principios de la edad adulta y es más común en mujeres, aunque también se puede ver
en hombres. El trastorno se observa principalmente en mujeres de raza blanca, de alto
rendimiento académico y que tienen familia o personalidad orientada hacia el logro
de metas.
En un estudio en el que se pretendía analizar los factores de riesgo para la

anorexia nerviosa se recogieron datos de una muestra de 80 mujeres jóvenes
procedentes de diversos países.
Se les pedía que completasen un cuestionario en el que se recogía

información sobre los siguientes aspectos: diagnóstico de anorexia nerviosa (debían
indicar si padecían anorexia o no), su origen (caucásico, asiático u otro), el tipo de
escuela en el que se habían formado (pública o privada) y tipo de trabajo (a tiempo
completo, a tiempo parcial o sin empleo).
8
En el archivo anorexia.sav se incluyen los datos de todas las variables.
Debes determinar si existen diferencias en lo que se refiere al desarrollo de la anorexia
teniendo en cuenta el origen de las participantes (caucásico vs. no caucásico) y el tipo
de trabajo (con empleo vs. sin empleo).
 Teniendo en cuenta el origen de las participantes (caucásico vs.

no caucásico).
Pruebas de chi-cuadrado
Significación
asintótica
Valor gl (bilateral)
Chi-cuadrado de Pearson 7,866a 2 ,020
Razón de verosimilitud 8,078 2 ,018
Asociación lineal por lineal 2,016 1 ,156
N de casos válidos 80
a. 2 casillas (33,3%) han esperado un recuento menor que 5. El

recuento mínimo esperado es 2,85.
Al haber dos casillas con un recuento menor que 5 tenemos que utilizar la
opción Exacta.
Resumen de procesamiento de casos
Casos
Válidos Perdidos Total
N Porcentaje N Porcentaje N Porcentaje
origen * anorexia 80 100,0% 0 0,0% 80 100,0%
9
Tabla cruzada origen*anorexia
anorexia
sí no Total
origen asiático Recuento 4 2 6
Recuento esperado 2,9 3,2 6,0
caucásico Recuento 22 36 58
otro Recuento 12 4 16
Total Recuento 38 42 80
Significación Significación Significación

asintótica exacta exa cta Proba bilidad
Valor gl (bilateral) (bilateral) (unila teral) en el pun to
Chi-cuadrado de Pearson 7,866a 2 ,020 ,015
Razón de verosimilitud 8,078 2 ,018 ,037
Prueba exacta de Fisher 7,765 ,017
Asociación lineal por

2,016b 1 ,156 ,191 ,114 ,065
lineal
a. 2 casillas (33,3%) han esperado un recuento menor que 5. El recuento mínimo esperado es 2,85.
b. El estadístico estandarizado es -1,420.
10
La relación entre el hecho de padecer anorexia y el origen resultó
estadísticamente significativa: χ2 (2, N = 80) = 7.87, p < .05.
11
 Teniendo en cuenta el tipo de trabajo.
Casos
Válidos Perdidos Total
N Porcentaje N Porcentaje N Porcentaje
empleo * anorexia 80 100,0% 0 0,0% 80 100,0%
Tabla cruzada empleo*anorexia
anorexia
sí no Total
empleo tiempo completo Recuento 14 17 31
sin empleo Recuento 13 12 25
tiempo parcial Recuento 11 13 24
Total Recuento 38 42 80
12
Significación
asintótica
Valor gl (bilateral)
Chi-cuadrado de Pearson ,298a 2 ,862
Razón de verosimilitud ,298 2 ,862
Asociación lineal por lineal ,008 1 ,930
a. 0 casillas (0,0%) han esperado un recuento menor que 5. El recuento

mínimo esperado es 11,40.
La relación entre el hecho de padecer anorexia y el tipo de empleo no

resultó estadísticamente significativa: χ2 (2, N = 80) = .298, p > .05.
13
Edad y actividad física
Siendo conscientes de los beneficios para la salud de la realización de
actividad física, se recogieron datos de una muestra de 20 personas adultas para
comprobar la posible relación entre la edad y los niveles de realización de actividad
física.
Además de la edad, se aplicaba una medida de auto-informe que permitía

conocer los niveles de realización de actividad en una escala de 0-100 (0 = ausencia
de realización de AF; 100 = elevadísima frecuencia de realización de AF). También se
les pedía que informasen sobre el número de horas diarias que empleaban en tareas
que requerían de su tiempo y dedicación (actividad laboral, quehaceres domésticos…)
El archivo con los resultados se denomina edad_af.sav. Tu tarea consiste en

obtener el diagrama de dispersión de las variables edad y actividad física y hacer una
breve descripción del gráfico.
Igualmente, debes obtener un diagrama de dispersión con las variables

actividad física y tiempo de ocupación y describir el resultado obtenido.
Cuantifica la relación entre edad y actividad física e indicar si la relación

es significativa.
Para terminar, indica si esa relación se mantiene cuando se tiene en cuenta

el tiempo de ocupación diaria de los participantes en el estudio. Tienes que justificar
tu respuesta.
14
El diagrama de dispersión anterior muestra que en edades tempranas se
realiza mayores niveles de actividad física que en edades más avanzadas.
El diagrama de dispersión anterior expresa que cuanto más tiempo libre

tienen los participantes también realizan más actividad física. Mientras que cuanto
más tiempo ocupacional tienen parecen realizar menos horas de actividad física.
15
Correlaciones
edad af
edad Correlación de Pearson 1 -,766**
Sig. (unilateral) ,000
N 20 20
af Correlación de Pearson -,766** 1
Sig. (unilateral) ,000
N 20 20
**. La correlación es significativa en el nivel 0,01

(unilateral).
Existe una correlación negativa entre la edad y los niveles de actividad

física (r = -.766, N = 20, p < .05). Es una correlación fuerte: 58.6% de la variación es
explicada.
Correlaciones
Variables de control edad af
tiempo_ocu edad Correlación 1,000 -,199
Significación (bilateral) . ,415
gl 0 17
af Correlación -,199 1,000
Significación (bilateral) ,415 .
gl 17 0
Cuando se controla el tiempo ocupacional la correlación entre la edad y el

nivel de actividad física no es significativa (r = -.199, gl=17, p > .05). En el caso de
no controlar esta variable el resultado sí sería significativo (r = -.766, N = 20, p <
.05).
16


Emociones, conflicto trabajo-familia y actividad

física durante el tiempo libre
Por organizaciones saludables entendemos que son aquellas caracterizadas
por invertir esfuerzos de colaboración, sistemáticos e intencionales para maximizar el
bienestar de los empleados y la productividad, mediante la generación de puestos bien
diseñados y significativos, de ambientes sociales de apoyo, y finalmente mediante las
oportunidades equitativas y accesibles para el desarrollo de la carrera y del balance
trabajo-vida privada. Aspectos como la promoción de conductas saludables, como la
realización de actividad física, o los niveles de conflicto trabajo-familia son por tanto
variables de interés en el seno de las organizaciones saludables.
Teniendo en cuenta, además, que la vida laboral no deja de ser una vida
emocional y que como sostienen muchos autores existe una influencia recíproca entre
trabajo y emociones, sería interesante conocer el papel que juega una habilidad como
la regulación de las emociones en la relación con variables dentro de las
organizaciones saludables.
Con esta intención, se recogieron datos en una muestra de 225

trabajadores de diferentes empresas, sobre su habilidad para la regulación emocional
percibida (reparación emocional), sobre la influencia negativa de los aspectos
laborales en el entorno familiar (conflicto trabajo-familia) y sobre los niveles de
realización de actividad física (andar, moderada y vigorosa) durante el tiempo libre.
Los datos recogidos se encuentran en el archivo ipaq.sav.
17
Lo que se te pide es que determines si, en el grupo de trabajadores
estudiado, los niveles de actividad física total (andar + moderada + vigorosa), el
conflicto trabajo-familia y la capacidad para reparar emociones, contribuyen a
explicar la variación en los síntomas físicos relacionados con la salud mental. Deberás
suponer que los niveles de actividad física total y el conflicto trabajo-familia ya
explican un porcentaje de la varianza de los síntomas físicos. Informarás sobre los
resultados encontrados, incluyendo el porcentaje de varianza adicional de los
síntomas físicos que llega a explicar la reparación emocional, más allá de lo explicado
por los niveles de AF total y el conflicto trabajo-familia. Informarás también sobre la
posible multicolinealidad entre las variables predictoras del modelo.
Estadísticos descriptivos
Desviación
Media estándar N
sintomas 3,97 1,910 225
reparacion 28,28 6,136 225
conftrabfam ,76 ,759 225
afvig 1116,16 2134,332 225
Correlaciones
sintomas reparacion conftrabfam afvig
Correlación de Pearson sintomas 1,000 -,187 ,297 -,278
reparacion -,187 1,000 ,003 ,119
conftrabfam ,297 ,003 1,000 -,180
afvig -,278 ,119 -,180 1,000
Sig. (unilateral) sintomas . ,002 ,000 ,000
reparacion ,002 . ,484 ,038
conftrabfam ,000 ,484 . ,003
afvig ,000 ,038 ,003 .
18
N sintomas 225 225 225 225
reparacion 225 225 225 225
conftrabfam 225 225 225 225
afvig 225 225 225 225
Variables entradas/eliminadasa
Variables Variables
Modelo entradas eliminadas Método
1 afvig,
reparacion, . Entrar
conftrabfamb
a. Variable dependiente: síntomas
b. Todas las variables solicitadas introducidas.
Resumen del modelo
R cuadrado Error estándar

Modelo R R cuadrado ajustado de la estimación
1 ,408a ,166 ,155 1,756
a. Predictores: (Constante), afvig, reparacion, conftrabfam
ANOVAa
Suma de Media
Modelo cuadrados gl cuadrática F Sig.
1 Regresión 135,697 3 45,232 14,677 ,000b
Residuo 681,085 221 3,082
Total 816,782 224
19
b. Predictores: (Constante), afvig, reparacion, conftrabfam
Coeficientesa
Coeficientes
Coeficientes no estandarizad Estadísticas de
estandarizados os colinealidad
Error
Modelo B estándar Beta T Sig. Tolerancia VIF
1 (Constante) 5,116 ,565 9,050 ,000
reparacion -,051 ,019 -,163 -2,628 ,009 ,985 1,015
conftrabfa
,652 ,157 ,259 4,148 ,000 ,967 1,034
m
afvig ,000 ,000 -,212 -3,368 ,001 ,953 1,049
Al usar el método simultáneo, resultó un modelo significativo: F (3,221) =

14.677, p< .001. Dicho modelo explicó el 15.5% de la varianza (R2 corregida =
.155). En la siguiente tabla se incluye la información sobre las variables predictoras
introducidas en el modelo. Coeficientes de regresión estandarizados y no
estandarizados para las variables introducidas en el modelo.
Tabla 1. Coeficientes de regresión estandarizados y no estandarizados para las variables introducidas en el modelo
Modelo B E.E. β
Reparación emocional -,051 ,019 -,163*
Conflicto trabajo-familia ,652 ,157 ,259**
Actividad física vigorosa ,000 ,000 -,212*
*p < .01, **p < .0005
20
Diagnósticos de colinealidada
Proporciones de varianza
Índice de
Modelo Dimensión Autovalor condición (Constante) reparacion conftrabfam afvig
1 1 2,845 1,000 ,00 ,01 ,04 ,03
2 ,808 1,876 ,00 ,00 ,13 ,71
3 ,325 2,959 ,02 ,02 ,82 ,25
4 ,022 11,281 ,97 ,97 ,01 ,00
Parece existir una colinealidad entre los síntomas y la reparación, debido a

que son las variables con proporciones de varianza por encima del 90%.
21
Recaída de lesiones por práctica de deporte
En el archivo recaida.sav encontrarás los datos recogidos en un estudio
que pretendía identificar algunas de las variables que predicen las recaídas de lesiones
en una muestra de 221 adultos lesionados por diferentes prácticas deportivas. En el
archivo, la variable “edad” registra la edad del lesionado en años y “prerecaidas” el
número de lesiones previas. La variable “recaida” es una variable categórica que
registra si el lesionado volvía a lesionarse después de recuperarse de su última lesión.
El valor 1 indica recaída, mientras que el 0 indica que el lesionado no volvía a recaer.
Además se aplicaba un cuestionario con dos escalas tipo Likert (0-12). La escala cuyos
datos se recogen en la variable “praclesivas” se refiere a la puesta en práctica, por
parte del deportista, de acciones que no son recomendadas cuando se práctica deporte
por el riesgo de causar lesión. Un valor de 0 indicaba que el deportista nunca llevaba
a cabo ese tipo de acciones y un valor de 12 indicaba que desarrollaba esas acciones
de forma habitual. La escala identificada con la variable “atencpreven” se refiere a la
atención que prestan los deportistas a la prevención de lesiones (importancia que dan
a los chequeos médicos, formación sobre prevención, consulta de documentación…).
Un valor de 0 indica una ausencia de atención y un valor de 12 implica una máxima
atención.
Indica si las variables “práctica de acciones lesivas” y “atención a la

prevención de lesiones” explican la recaída de lesiones. Incluye las tablas que sean
necesarias para entender los resultados.
Se llevó a cabo un análisis de regresión logística con la recaída de lesiones

como variable dependiente y la práctica de acciones lesivas y atención a la prevención
de lesiones como variables predictoras. Se analizaron un total de 221 casos y el
modelo completo predecía de forma significativa la recaída de lesiones (chicuadrado
omnibus = 19,88, gl = 2, p < .05). El modelo explicaba entre un 8,6% y un 12.3% de
la varianza de la recaída, con el 94.3% de los deportistas que no sufrían recaídas
exitosamente predicho. De otro lado, solo el 14.1% de las predicciones para la
condición de recaídas fueron acertadas. En general, el 71.0% de las predicciones
fueron correctas. La Tabla praclesivas-atencpreven muestra los coeficientes, el
estadístico de Wald, los grados de libertad asociados y los valores de probabilidad para
cada una de las variables predictoras. Se pudo comprobar que solo las acciones
relacionadas con las lesiones predecían de forma fiable las recaídas de lesiones. El
valor de los coeficientes revela que cada unidad incrementada en las acciones
22
relacionadas con lesiones está asociada con un incremento de las probabilidades de
recaída por un factor de 1.18 (95% IC 1.03-1.35).
Casos sin ponderara N Porcentaje
Casos seleccionados Incluido en el análisis 221 100,0
Casos perdidos 0 ,0
Total 221 100,0
Casos no seleccionados 0 ,0
Total 221 100,0
a. Si la ponderación está en vigor, consulte la tabla de clasificación para el

número total de casos.
Pruebas ómnibus de coeficientes de modelo
Chi-cuadrado gl Sig.
Paso 1 Paso 19,877 2 ,000
Bloque 19,877 2 ,000
Modelo 19,877 2 ,000
Resumen del modelo
Logaritmo de la R cuadrado de R cuadrado de

Paso verosimilitud -2 Cox y Snell Nagelkerke
1 246,113a ,086 ,123
a. La estimación ha terminado en el número de iteración 4

porque las estimaciones de parámetro han cambiado en
menos de ,001.
23
Tabla de clasificacióna
Pronosticado
recaída
Porcentaje
Observado no si correcto
Paso 1 recaída no 148 9 94,3
si 55 9 14,1
Porcentaje global 71,0
a. El valor de corte es ,500
Variables en la ecuación
95% C.I. para

EXP(B)
Error
B estándar Wald gl Sig. Exp(B) Inferior Superior
Paso 1a praclesivas ,159 ,060 7,032 1 ,008 1,173 1,042 1,319
atencpreve
,097 ,065 2,244 1 ,134 1,102 ,970 1,252
n
Constante -2,470 ,427 33,523 1 ,000 ,085
a. Variables especificadas en el paso 1: praclesivas, atencpreven.
24


La estructura multidimensional del auto-concepto

en adolescentes de 12-13 años, evaluado mediante
el Self-Description Questionnaire II (Marsh, 1992)
En un estudio realizado con 265 adolescentes de séptimo grado en EEUU,
se aplicó un instrumento para evaluar el auto-concepto. La estructura teórica del
auto-concepto arroja cuatro factores diferenciados: auto-concepto general (General
SC), auto-concepto académico (Academic SC), auto-concepto para el inglés (English
SC) y auto-concepto para las matemáticas (Math SC).
Los datos recogidos se encuentran en el archivo self_concept.ess.
Lo que se te pide es que analices con EQS la estructura factorial del auto-
concepto en adolescentes. En primer lugar comprueba la hipótesis de normalidad
multivariante y después comprueba el ajuste de un modelo con cuatro factores
oblicuos (relacionados) (General SC, Academic SC, English SC y Math SC).
Las variables observadas cargan sobre los factores con el siguiente patrón:
General SC: SDQ2N01, SDQ2N13, SDQ2N25, SDQ2N37
Academic SC: SDQ2N04, SDQ2N16, SDQ2N28, SDQ2N40
English SC: SDQ2N10, SDQ2N22, SDQ2N34, SDQ2N46
Math SC: SDQ2N07, SDQ2N19, SDQ2N31, SDQ2N43
25
SDQ2N01 E25
SDQ2N13 E26
General
SDQ2N25 E27
SDQ2N37 E28
SDQ2N04 E29
SDQ2N16 E30
Academico
SDQ2N28 E31
SDQ2N40 E32
SDQ2N10 E33
SDQ2N22 E34
Inglés
SDQ2N34 E35
SDQ2N46 E36
SDQ2N07 E37
SDQ2N19 E38
Mates E4309
SDQ2N31
SDQ2N43
El modelo no tiene ningún problema asociado a la identificación.
26
UNIVARIATE STATISTICS
---------------------
VARIABLE SDQ2N01 SDQ2N13 SDQ2N25 SDQ2N37

SDQ2N04
V25 V26 V27 V28 V29
MEAN 4.4075 5.0038 5.0981 4.8264

4.5208
SKEWNESS (G1) -.6669 -1.2792 -1.6174 -1.1139 -

.6969
KURTOSIS (G2) -.3399 .5618 2.2172 1.0580 -

.3831
STANDARD DEV. 1.3484 1.3582 1.2270 1.1448

1.4009

SDQ2N22
V30 V31 V32 V33 V34
MEAN 4.6491 4.6906 4.9774 4.6226

5.3774
27
SKEWNESS (G1) -.8857 -1.1636 -1.4999 -.8971 -
1.9811
KURTOSIS (G2) .2561 .8334 1.5299 .4605

3.6907
STANDARD DEV. 1.2407 1.3323 1.3594 1.1518

1.0911

SDQ2N31
V35 V36 V37 V38 V39
MEAN 3.8906 5.2679 4.3208 4.5434

4.7396
SKEWNESS (G1) -.2529 -1.9158 -.6471 -.9925 -

1.2169
KURTOSIS (G2) -1.2894 2.7409 -.9754 -.3680

.3823
STANDARD DEV. 1.7032 1.2968 1.7814 1.6942

1.5704
VARIABLE SDQ2N43
V40
MEAN 4.9774
SKEWNESS (G1) -1.4930
KURTOSIS (G2) 1.2910
STANDARD DEV. 1.4006
28
MULTIVARIATE KURTOSIS
---------------------
MARDIA'S COEFFICIENT (G2,P) = 104.7880
NORMALIZED ESTIMATE = 35.5380
GOODNESS OF FIT SUMMARY FOR METHOD = ROBUST
ROBUST INDEPENDENCE MODEL CHI-SQUARE = 1158.861 ON 120 DEGREES

OF FREEDOM
INDEPENDENCE AIC = 918.86114 INDEPENDENCE CAIC = 369.29356
MODEL AIC = -75.37003 MODEL CAIC = -524.18355
SATORRA-BENTLER SCALED CHI-SQUARE = 120.6300 ON 98 DEGREES

OF FREEDOM
PROBABILITY VALUE FOR THE CHI-SQUARE STATISTIC IS .06018
RESIDUAL-BASED TEST STATISTIC = 236.969
YUAN-BENTLER RESIDUAL-BASED TEST STATISTIC = 125.101
YUAN-BENTLER RESIDUAL-BASED F-STATISTIC = 1.530
DEGREES OF FREEDOM = 98, 167
PROBABILITY VALUE FOR THE F-STATISTIC IS .00801
FIT INDICES
-----------
BENTLER-BONETT NORMED FIT INDEX = .896
BENTLER-BONETT NON-NORMED FIT INDEX = .973
COMPARATIVE FIT INDEX (CFI) = .978
29
BOLLEN (IFI) FIT INDEX = .979
MCDONALD (MFI) FIT INDEX = .958
ROOT MEAN-SQUARE ERROR OF APPROXIMATION (RMSEA) = .030
90% CONFIDENCE INTERVAL OF RMSEA ( .000, .046)
MEASUREMENT EQUATIONS WITH STANDARD ERRORS AND TEST STATISTICS
STATISTICS SIGNIFICANT AT THE 5% LEVEL ARE MARKED WITH @.
(ROBUST STATISTICS IN PARENTHESES)
SDQ2N01 =V25 = 1.000 F1 + 1.000 E25
SDQ2N13 =V26 = 1.084*F1 + 1.000 E26
.154
7.027@
( .168)
( 6.460@
SDQ2N25 =V27 = .851*F1 + 1.000 E27
.132
6.437@
( .147)
( 5.789@
SDQ2N37 =V28 = .935*F1 + 1.000 E28
.131
7.117@
( .152)
( 6.136@
SDQ2N04 =V29 = 1.000 F2 + 1.000 E29
30
SDQ2N16 =V30 = 1.278*F2 + 1.000 E30
.150
8.507@
( .169)
( 7.564@
SDQ2N28 =V31 = 1.247*F2 + 1.000 E31
.154
8.083@
( .181)
( 6.885@
SDQ2N40 =V32 = 1.259*F2 + 1.000 E32
.157
8.037@
( .199)
( 6.313@
SDQ2N10 =V33 = 1.000 F3 + 1.000 E33
SDQ2N22 =V34 = .889*F3 + 1.000 E34
.103
8.643@
( .098)
( 9.067@
SDQ2N34 =V35 = .670*F3 + 1.000 E35
.148
4.528@
31
( .162)
( 4.131@
SDQ2N46 =V36 = .843*F3 + 1.000 E36
.117
7.212@
( .150)
( 5.626@
No se presenta ningún problema, ningún valor es negativo y todos son

significativos.
VARIANCES OF INDEPENDENT VARIABLES
----------------------------------
V F
--- ---
I F1 - F1 .615*I
I .138 I
I 4.452@I
I ( .144)I
I ( 4.274@I
I I
I F2 - F2 .563*I
I .127 I
I 4.446@I
I ( .140)I
I ( 4.028@I
I I
I F3 - F3 .671*I
I .117 I
32
I 5.739@I
I ( .123)I
I ( 5.457@I
I I
I F4 - F4 2.316*I
I .274 I
I 8.443@I
I ( .219)I
I ( 10.553@I
I I
No se presenta ningún problema, ningún valor es negativo.
----------------------------------
E D
--- ---
E25 -SDQ2N01 1.203*I I
.126 I I
9.524@I I
( .142)I I
( 8.479@I I
I I
E26 -SDQ2N13 1.123*I I
.125 I I
9.003@I I
( .161)I I
( 6.953@I I
I I
33
E27 -SDQ2N25 1.061*I I
.107 I I
9.882@I I
( .136)I I
( 7.825@I I
I I
E28 -SDQ2N37 .773*I I
.088 I I
8.797@I I
( .108)I I
( 7.142@I I
I I
E29 -SDQ2N04 1.399*I I
.129 I I
10.879@I I
( .144)I I
( 9.709@I I
I I
E30 -SDQ2N16 .618*I I
.069 I I
9.005@I I
( .076)I I
( 8.177@I I
I I
E31 -SDQ2N28 .900*I I
.090 I I
9.943@I I
( .142)I I
( 6.355@I I
I I
E32 -SDQ2N40 .955*I I
.095 I I
10.009@I I
34
( .165)I I
( 5.799@I I
I I
E33 -SDQ2N10 .656*I I
.083 I I
7.926@I I
( .108)I I
( 6.061@I I
I I
E34 -SDQ2N22 .660*I I
.076 I I
8.718@I I
( .121)I I
( 5.448@I I
I I
E35 -SDQ2N34 2.600*I I
.234 I I
11.108@I I
( .171)I I
( 15.181@I I
I I
E36 -SDQ2N46 1.205*I I
.119 I I
10.164@I I
( .173)I I
( 6.985@I I
I I
COVARIANCES AMONG INDEPENDENT VARIABLES
---------------------------------------
V F
35
--- ---
I F2 - F2 .416*I
I F1 - F1 .079 I
I 5.282@I
I ( .084)I
I ( 4.959@I
I I
I F3 - F3 .356*I
I F1 - F1 .072 I
I 4.937@I
I ( .070)I
I ( 5.083@I
I I
I F4 - F4 .637*I
I F1 - F1 .119 I
I 5.375@I
I ( .131)I
I ( 4.869@I
I I
I F3 - F3 .466*I
I F2 - F2 .079 I
I 5.911@I
I ( .094)I
I ( 4.970@I
I I
I F4 - F4 .876*I
I F2 - F2 .135 I
I 6.508@I
I ( .141)I
I ( 6.213@I
I I
I F4 - F4 .332*I
I F3 - F3 .101 I
36
I 3.302@I
I ( .121)I
I ( 2.749@I
I I
CORRELATIONS AMONG INDEPENDENT VARIABLES
---------------------------------------
V F
--- ---
I F2 - F2 .707*I
I F1 - F1 I
I I
I F3 - F3 .555*I
I F1 - F1 I
I I
I F4 - F4 .534*I
I F1 - F1 I
I I
I F3 - F3 .758*I
I F2 - F2 I
I I
I F4 - F4 .767*I
I F2 - F2 I
I I
I F4 - F4 .266*I
I F3 - F3 I
I I
STANDARDIZED SOLUTION: R-SQUARED
37
SDQ2N01 =V25 = .581 F1 + .814 E25 .338
SDQ2N13 =V26 = .626*F1 + .780 E26 .391
SDQ2N25 =V27 = .544*F1 + .839 E27 .296
SDQ2N37 =V28 = .640*F1 + .768 E28 .410
SDQ2N04 =V29 = .536 F2 + .844 E29 .287
SDQ2N16 =V30 = .774*F2 + .634 E30 .598
SDQ2N28 =V31 = .702*F2 + .712 E31 .493
SDQ2N40 =V32 = .695*F2 + .719 E32 .483
SDQ2N10 =V33 = .711 F3 + .703 E33 .506
SDQ2N22 =V34 = .668*F3 + .745 E34 .446
SDQ2N34 =V35 = .322*F3 + .947 E35 .104
SDQ2N46 =V36 = .532*F3 + .847 E36 .283
SDQ2N07 =V37 = .854 F4 + .520 E37 .730
SDQ2N19 =V38 = .756*F4 + .655 E38 .571
SDQ2N31 =V39 = .923*F4 + .385 E39 .851
SDQ2N43 =V40 = .712*F4 + .702 E40 .507
Aparecen las cargas factoriales (>.70). Nivel de significación extraído de

las ecuaciones de medida. También aparecen los valores de R2 que muestran la
fiabilidad individual de cada ítem (>.50).
38
Clima del aula y burnout
En un estudio realizado con 716 profesores de distintos niveles educativos,
se pretendía comprobar un modelo que explicase los efectos de una variable de tipo
psicosocial (como el clima del aula) sobre dos dimensiones del burnout (cansancio
emocional y realización personal). Concretamente, se planteaba que el clima del aula
contribuiría de forma positiva a mejorar los niveles de realización personal, pero a
través de su influencia sobre el cansancio emocional. El clima del aula favorable
ayudaría a disminuir los niveles de cansancio emocional.
Lo que se te pide es que analices con EQS el modelo teórico planteado y

compruebes su ajuste a los datos. Los datos los encontrarás en el archivo burnout.ess.
El modelo de medida que tendrás en cuenta para plantear las relaciones

entre variables será el siguiente:
Clima del aula: V7, V8, V9, V10
Cansancio emocional: V25, V26, V27
Realización personal: V30, V31, V32
39
D2
...
/G
E25
=8n ·G ... E26
G ... E27
c:J E7
... E8
... E9
G El ü
...
/G
E30
,B ·G ... E31
G ... E32
40
TOTAL NUMBER OF LINES PER SET IS: 26
(SUMMARY SECTION PLUS INFORMATION SECTION(S))
CODEBOOK FILE HAS BEEN WRITTEN ON FILE
EQSOUT.CBK
30-Mar-16 PAGE : 6 EQS Licensee:
TITLE: Model built by EQS 6 for Windows
MAXIMUM LIKELIHOOD SOLUTION (NORMAL DISTRIBUTION THEORY)
PARAMETER ESTIMATES APPEAR IN ORDER,
NO SPECIAL PROBLEMS WERE ENCOUNTERED DURING OPTIMIZATION.
UNIVARIATE STATISTICS
---------------------
VARIABLE V7 V8 V9 V10 V25
MEAN 2.9669 2.7088 2.8863 3.0256

3.8405
SKEWNESS (G1) -.3625 -.3965 -.1934 -.5057

.0570
KURTOSIS (G2) .2077 -.2753 .4423 -.2101 -

.6180
STANDARD DEV. .5303 .6363 .4932 .7125

1.3110
VARIABLE V26 V27 V30 V31 V32
41
MEAN 3.5354 3.1362 5.7729 5.8552
5.8227
SKEWNESS (G1) .3811 .6495 -.8599 -.8903 -

.7659
KURTOSIS (G2) -.3170 -.1712 .6924 .4864

.1308
STANDARD DEV. 1.2536 1.3205 .8983 .9451

.9559
MULTIVARIATE KURTOSIS
---------------------
MARDIA'S COEFFICIENT (G2,P) = 12.9699
NORMALIZED ESTIMATE = 11.2010
Los valores de kurtosis son normales ya que son todos inferiores a 1.96. En el
encabezado multivariante Kurtosis observamos dos variantes del coeficiente Mardia. De
mayor interés es la opción normalizada (<5).
GOODNESS OF FIT SUMMARY FOR METHOD = ROBUST
ROBUST INDEPENDENCE MODEL CHI-SQUARE = 2787.503 ON 45 DEGREES

OF FREEDOM
INDEPENDENCE AIC = 2697.50332 INDEPENDENCE CAIC = 2446.68771
MODEL AIC = 135.14818 MODEL CAIC = -48.78326
SATORRA-BENTLER SCALED CHI-SQUARE = 201.1482 ON 33 DEGREES

OF FREEDOM
RESIDUAL-BASED TEST STATISTIC = 177.239
42
YUAN-BENTLER RESIDUAL-BASED TEST STATISTIC = 142.070
YUAN-BENTLER RESIDUAL-BASED F-STATISTIC = 5.130
DEGREES OF FREEDOM = 33, 683
PROBABILITY VALUE FOR THE F-STATISTIC IS .00000
FIT INDICES
-----------
BENTLER-BONETT NORMED FIT INDEX = .928
BENTLER-BONETT NON-NORMED FIT INDEX = .916
COMPARATIVE FIT INDEX (CFI) = .939
BOLLEN (IFI) FIT INDEX = .939
MCDONALD (MFI) FIT INDEX = .889
ROOT MEAN-SQUARE ERROR OF APPROXIMATION (RMSEA) = .084
90% CONFIDENCE INTERVAL OF RMSEA ( .073, .096)
MEASUREMENT EQUATIONS WITH STANDARD ERRORS AND TEST STATISTICS
(ROBUST STATISTICS IN PARENTHESES)
V7 =V7 = 1.000 F1 + 1.000 E7
V8 =V8 = 1.588*F1 + 1.000 E8
.115
13.757@
( .123)
( 12.932@
V9 =V9 = .974*F1 + 1.000 E9
43
.078
12.466@
( .083)
( 11.706@
V10 =V10 = 1.367*F1 + 1.000 E10
.112
12.232@
( .119)
( 11.485@
V25 =V25 = 1.000 F2 + 1.000 E25
V26 =V26 = 1.051*F2 + 1.000 E26
.031
33.674@
( .028)
( 37.472@
V27 =V27 = .992*F2 + 1.000 E27
.034
29.583@
( .034)
( 29.577@
V30 =V30 = 1.000 F3 + 1.000 E30
V31 =V31 = 1.142*F3 + 1.000 E31
44
.063
18.156@
( .062)
( 18.317@
V32 =V32 = 1.063*F3 + 1.000 E32
.060
17.730@
( .068)
( 15.535@
No se presenta ningún problema, ningún valor es negativo y todos son

significativos.
----------------------------------
V F
--- ---
I F1 - F1 .101*I
I .013 I
I 7.816@I
I ( .014)I
I ( 7.292@I
I I
I F3 - F3 .456*I
I .043 I
I 10.598@I
I ( .044)I
I ( 10.298@I
I I
45
No se presenta ningún problema ya que ningún valor es negativo y todos son
significativos.
----------------------------------
E D
--- ---
E7 - V7 .180*I D2 - F2 1.121*I
.011 I .082 I
15.915@I 13.725@I
( .011)I ( .079)I
( 16.393@I ( 14.219@I
I I
E8 - V8 .150*I I
.015 I I
9.975@I I
( .015)I I
( 10.110@I I
I I
E9 - V9 .147*I I
.010 I I
15.402@I I
( .011)I I
( 13.990@I I
I I
E10 - V10 .318*I I
.020 I I
46
15.732@I I
( .021)I I
( 15.151@I I
I I
E25 - V25 .442*I I
.032 I I
13.781@I I
( .036)I I
( 12.431@I I
I I
E26 - V26 .162*I I
.026 I I
6.344@I I
( .026)I I
( 6.222@I I
I I
E27 - V27 .488*I I
.034 I I
14.489@I I
( .039)I I
( 12.527@I I
I I
E30 - V30 .351*I I
.027 I I
13.111@I I
( .039)I I
( 8.920@I I
I I
E31 - V31 .299*I I
.029 I I
47
10.129@I I
( .039)I I
( 7.692@I I
I I
E32 - V32 .398*I I
.030 I I
13.129@I I
( .036)I I
( 10.915@I I
I I
No se presenta ningún problema ya que ningún valor es negativo y todos son

significativos.
COVARIANCES AMONG INDEPENDENT VARIABLES
---------------------------------------
V F
--- ---
I F3 - F3 .079*I
I F1 - F1 .012 I
I 6.814@I
I ( .013)I
I ( 6.334@I
I I
CORRELATIONS AMONG INDEPENDENT VARIABLES
48
---------------------------------------
V F
--- ---
I F3 - F3 .370*I
I F1 - F1 I
I I
STANDARDIZED SOLUTION: R-
SQUARED
V7 =V7 = .600 F1 + .800 E7 .360
V8 =V8 = .794*F1 + .608 E8 .631
V9 =V9 = .628*F1 + .778 E9 .395
V10 =V10 = .611*F1 + .792 E10 .373
V25 =V25 = .862 F2 + .507 E25 .743
V26 =V26 = .947*F2 + .321 E26 .897
V27 =V27 = .849*F2 + .529 E27 .720
V30 =V30 = .751 F3 + .660 E30 .565
V31 =V31 = .816*F3 + .578 E31 .666
V32 =V32 = .751*F3 + .660 E32 .564
F2 =F2 = -.350*F1 + .937 D2 .122
Aparecen las cargas factoriales (>.70). Nivel de significación extraído de

las ecuaciones de medida. También aparecen los valores de R2 que muestran la
fiabilidad individual de cada ítem (>.50).
49

Analisis Estadistico

Загружено:

Сведения о документе

Оригинальное название

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Analisis Estadistico

Загружено:

Авторское право:

Доступные форматы

Técnicas de

Alumno: Juan Carlos Blanca Torres

PARTE 2 ........................................................................ página 17

PARTE 3 ........................................................................ página 25

A continuación encontrarás una serie de ejercicios relacionados con las

Cuando respondas, hazlo como si tu respuesta formase parte de un

Ingesta de nutrientes y fibra

Con la información de la tabla que aparece más adelante y que se

Estadísticas de muestra única

Desviación Media de error

Energía 16 2746,0000 13,02306 3,25576

Prueba de muestra única

Valor de prueba = 2767

95% de intervalo de confianza de

Energía -6,450 15 ,000 -21,00000 -27,9395 -14,0605

Estadísticas de muestra única

Desviación Media de error

Energía 16 2746,0000 13,02306 3,25576

Prueba de muestra única

Valor de prueba = 2761

95% de intervalo de confianza de

Energía -4,607 15 ,000 -15,00000 -21,9395 -8,0605

La media del consumo de proteínas es superior este año (media = 94,03)

Estadísticas de muestra única

Desviación Media de e rror

Hombre Energía 8 2752,5000 4,47214 1,58114

Mujer Energía 8 2739,5000 15,71169 5,55492

Prueba de muestra única

Valor de prueba = 2730

95% de intervalo de confianza

Hombre Energía 14,230 7 ,000 22,50000 18,7612 26,2388

Mujer Energía 1,710 7 ,131 9,50000 -3,6353 22,6353

La media del consumo calórico en hombres es superior este año (media =

La media del consumo calórico en mujeres es superior este año (media =

Estadísticas de muestras emparejadas

Desviación Media de error

Par 1 bajas_nocris 65,5000 18 23,05046 5,43304

bajas_cris 79,1667 18 8,67891 2,04564

Correlaciones de muestras emparejadas

Par 1 bajas_nocris & bajas_cris 18 ,141 ,576

La media de bajas tramitadas en los gimnasios fue más alta durante el

No se conocen las causas exactas de la anorexia nerviosa. Entre los factores

La anorexia generalmente comienza durante los años de adolescencia o a

En un estudio en el que se pretendía analizar los factores de riesgo para la

Se les pedía que completasen un cuestionario en el que se recogía

 Teniendo en cuenta el origen de las participantes (caucásico vs.

Chi-cuadrado de Pearson 7,866a 2 ,020

Razón de verosimilitud 8,078 2 ,018

Asociación lineal por lineal 2,016 1 ,156

a. 2 casillas (33,3%) han esperado un recuento menor que 5. El

Resumen de procesamiento de casos

Válidos Perdidos Total

N Porcentaje N Porcentaje N Porcentaje

origen * anorexia 80 100,0% 0 0,0% 80 100,0%

origen asiático Recuento 4 2 6

Recuento esperado 2,9 3,2 6,0

Recuento esperado 27,6 30,5 58,0

Recuento esperado 7,6 8,4 16,0

Recuento esperado 38,0 42,0 80,0

Significación Significación Significación

Chi-cuadrado de Pearson 7,866a 2 ,020 ,015

Razón de verosimilitud 8,078 2 ,018 ,037

Prueba exacta de Fisher 7,765 ,017