Diseosdeinvestigacinyanlisisdedatos

curso20152016

CASOPRCTICO:
Para realizar el autoaprendizaje de la utilizacin del SPSS se presenta un estudio de
investigacin que comprende diferentes apartados que nos permiten valorar anlisis
descriptivos, anlisis analticos en muestras independientes y apareadas, as como
anlisismultivariantes.
En primer lugarse presentan las caractersticasdel estudio camina y a continuacin de
forma dirigida la estructura del Programa Estadstico SPSS y las acciones del Programa
que permiten organizar y crear las variables, seguido de los anlisis estadsticos
bivariantes con variables cualitativas (chicuadrado) con variables cuantitativas segn
una variable cualitativa de 2 (ttest) o 3(ANOVA)valores y anlisis multivariantesen el
quelavariabledependienteescuantitativa(RegresinLinealMltiple)ocualitativade2
categoras(RegresinLogstica).

DescripcindelEstudioCAMINA

ANTECEDENTES
Las enfermedades cardiovasculares (ECV) son la primera causa de muerte en los
pases desarrollados, por lo que la prevencin de stas es uno de los principales
objetivos de las polticas de salud pblica.
Existe evidencia cientfica de que las intervenciones para promocionar la actividad
fsica ayudan a disminuir el riesgo de ECV. No obstante no hay un consenso sobre
cul es la metodologa ms efectiva: individual o grupal.
OBJECTIVO
Valorar la efectividad de un programa de promocin de actividad fsica tanto
individual como grupal respecto a un grupo control, en la reduccin del riesgo de
ECV
MTODOS
Estudio de intervencin de 2 meses de duracin en 100 voluntarios aleatorizados en
tres grupos: control, individual y colectivo.

Diseosdeinvestigacinyanlisisdedatos
curso20152016

Criterios de inclusin: personas de edad comprendida entre 35-90 aos, que

entiendan el cataln o el castellano i que firmen el consentimiento informado.
Criterios
de
exclusin:
personas
tratadas
hipercolesterolemia i/o hipertensin arterial (HTA).

farmacolgicamente

por

Intervencin: Todos los individuos fueron citados cada dos semanas durante dos
meses. La descripcin de la intervencin durante las visitas fue la siguiente:
Grupo control: no se le realizaba ninguna recomendacin de actividad fsica
Grupo individual: se realizada una sesin de recomendacin y promocin de la
actividad fsica individualizada.
Grupo grupal: en un grupo de 6 persones se les hacia una intervencin de
promocin de la actividad fsica de ir a caminar juntos.
Grupo individual: se les daban las pautas para que caminaran. Grupo colectivo: Se
les citaba para caminar en grupo
Variables del estudio
Se seleccionaron datos pre y post intervencin de todos los individuos
Variable independiente: horas de actividad fsica en la intervencin.
Variable dependiente: factores de riesgo cardiovascular: Hbitos tabquico,
Antropometra (peso y talla), niveles de colesterol total (mg/dL) y presin arterial
(mmHg).
Otras variables: sociodemogrficas, edad (aos), gnero, actividad fsica habitual.

Diseosdeeinvestigacinyanlisisdeedatos
curso20152016
Funcionam
miento del programa SPSS y o
operacione
es habitua
ales

1. Estrucctura del SPSS

El SPSS prresenta 3 ve
entanas: ed
ditor de dattos, base de
e datos, sin
ntaxis, visorr de resulta
ados
1.

Edito
or de dato
os: Esta ven
ntana tiene dos pesta
as: Vista de
d datos y v
vista de varriables

atos: presenta la base

e de datos s
segn el sig
guiente form
mato
Vista de da
Vertical: in
ndividuos
Horizontal: variables

1.1Vistad
dedatos

1
1.2Vistaded
datos
Haciendo c
clic en vista
a de variables, podris
s ver
el listado d
de las variables y la de
efinicin de la
variable co
omo est en
n el siguiente ejemplo:
Tipo: nos indica si es
s numrica o cadena. P
Para
er de ser tiipo numric
ca.
poder anallizarla debe
Etiqueta: El nombre que aparec
cer en las
es que haga
amos con el SPSS.
operacione
Valores: S
Si es una va
ariable cate
egrica que
valores puede tomar
Nos indica q
que la variable ser tra
atada
Medida: N
como numrica (cuan
ntitativa) o como nom
minal
a)
(cualitativa

Diseosdeeinvestigacinyanlisisdeedatos
curso20152016

axis: Donde aparecer

n las operraciones rea
alizadas en formato de
e rdenes. E
Este archivo
o
2.
Sinta
junto con lla base de d
datos siemp
pre deber guardarse para poderr ejecutar lo
os anlisis cuando
c
sea
a
necesaria y tantas veces como s
se necesite..

arecern las
s ordenes d
de las opera
aciones realizadas y lo
os resultado
os
3.
Visor de resulttados: Apa
sticos.
de los anlisis estads

2
2.Sintaxis

3.Visorderessultados

Diseosdeeinvestigacinyanlisisdeedatos
curso20152016

2. Eleme
entos com
munes e iinterrela
acin de las ventan
nas

Todaslasveentanasenellencabezado
otienenelM
MendespleggableylabarrreadeHerraamientas
Mendespleegable

Barra de herramientas

daoperacin,enelasisteente
Apartirdelmendespleegablesepueedenrealizarrvariasoperaciones.Trassrealizarcad
osopciones:aceptarypeegar
aparecendo
s rdenes d
del SPSS se generaran inmediatam
mente y ap
parecern en el
Si hacemos clic en aceptar, las
visor de re
esultados.
Si hacemos clic en pegar, las
rdenes dell SPSS se generaran
g
e
en la ventan
na de sintax
xis. Tendrem
mos
den y hacerr clic en eje
ecutar (smb
bolo color v
verde). Tal y como apa
arece en la
que seleccionar la ord
siguiente imagen.

Diseosdeeinvestigacinyanlisisdeedatos
curso20152016

2. TRANSFOR
RMAR VA
ARIABLES
S:

2.1. Crear Va
ariables:
Esta ope
eracin perrmite gene
erar nueva
as variable
es a partir de datos y
ya almacenados en el
e
archivo.
Ruta de
e la barra de
e Men: Tra
ansformar una
u
variable

Calcula
ar una varia
able

Diseosdeeinvestigacinyanlisisdeedatos
curso20152016
Intro
oducimos el nombre de
e la variable
e

Enexp
presinnumrica
introducimoslafrrmula
deelavariableyy
podem
mosseleccion
narlas
variab
blesdelabassede
datos,ihacerclicenla
flecha

Introducimoseelnombre
delanuevavariable

Ejemp
plo,crearelIM
MCmediantelafrmula

Hacerclicenpegar

IMC=peso(kkg)/talla(m2)

Diseosdeeinvestigacinyanlisisdeedatos
curso20152016
Tal y como
o se ha des
scrito anterriormente, a
al pegar las rdenes d
del SPSS se
e generaran
n en la venttana
de sintaxis
s. Tendremo
os que sele
eccionar la o
orden en la ventana de
e sintaxis y hacer clic
c en ejecuta
ar
(smbolo color verde).
ntaxis apare
ecer la sig
guiente orde
en
Hoja de sin
COM
MPUTE IMC
C=Pes / (Talla * Talla)..
EXE
ECUTE.
Visor de re
esultados: ttendremos que compro
obar si ha e
ejecutado c
correctamen
nte. En caso
o de produc
cirse
algn error ste aparecer en el visor de re
esultados.

2.2. Reco
odificar
Recodificarr una variab
ble significa
a cambiar total o parciialmente el conjunto d
de cdigos c
con que
representa
amos sus va
alores.
Ejemplo, c
clasificar el IMC de valo
ores cuantitativos a ca
ategricos, 2 (normopeso y sobre
epeso),
3(normope
eso, sobrep
peso, obesid
dad).
Ruta de la barra de M
Men: Trans
sformar una
a variable

Recodifica
ar una varia
able en disttintas varia
ables*

mportante rrecodificar en distinta

as variables
s para conse
ervar la varriable origin
nal.
*Es muy im

Ejemplo, re
ecodificarem
mos la variable IMC en
n categoras:
1 Seleccio
onamos la v
variable que
e queremos
s recodificar, en este c
caso el IMC
C.
2 En la seccin de
e variable resultado p
ponemos e
el nombre de la nuev
va variable
e (en este caso
IMC_cat)) y la etique
eta (clasificacin del IIMC) y ha
acemos clic en cambiar.

Diseosdeeinvestigacinyanlisisdeedatos
curso20152016

3
alores antiguos y nuevos
3 Hacemos clic en va
alores
4 En la seccin de valor antiguo introducimos los diversos rango de valores y en los va
oducimos ell valor que le daremos
s a cada cattegora, y h
haremos clic
c en anadir.
nuevos intro
Ejjemplo,
Valor antiguo
valor nuevo
In
nfrapeso:
< 18
8.5
0
1
N
Normo peso:
18.5--24.99
S
Sobrepeso:
25-29
9.99
2
3
O
Obesidad:
>30

In
ndicaremos
s que el nue
evo valor o abarca los valores infferiores a a 18.5:

A
Aadiremos el intervalo
o de valores
s.

Diseosdeeinvestigacinyanlisisdeedatos
curso20152016

ndicaremos
s que el nue
evo valor 3 abarca los valores superiores a 3
30:
In

5Despusd
deintroducirto
odoslosvalorreshacemoscclicencontinuar

Diseosdeeinvestigacinyanlisisdeedatos
curso20152016

6 y finalm
mente hacem
mos clic en pegar.

ana de sinta
axis nos ap
parecer la siguiente orden
o
y le daremos a e
ejecutar:
En la venta
R
RECODE IMC
C (Lowest tthru 18.5=0
0) (18.5 thrru 24.99=1
1) (25 thru 29.99=2) (30
(
thru
H
Highest=3) INTO IMC_
_cat.
V
VARIABLE LA
ABELS IMC
C_cat 'Clasificacin IMC
C'.
EXECUTE.
Visor de re
esultados: ttendremos que compro
obar si ha e
ejecutado c
correctamen
nte. En caso
o de produc
cirse
algn error ste aparecer en el visor de re
esultados.

Diseosdeeinvestigacinyanlisisdeedatos
curso20152016

3. ETIQU
UETAR VA
ARIABLES
S
Mediante este
e
procedimiento pod
demos darle o cambia
ar el nombre
e de la variable, definiir la etiquetta,
definir sus propiedade
es y dar no
ombre a los valores en una variab
ble cualitativ
va entre ottros.

Ruta de ba
arra de men
n: Datos

definir prropiedades de variable

es

clasificacin
n IMC y cliicar continu
uar
Seleccionar la variable. Ejemplo variable c

Introducim
mos el tipo d
de variable y el nombrre de cada c
categora. F
Finalmente clicamos pegar.
p

Diseosdeeinvestigacinyanlisisdeedatos
curso20152016

Seleccio
onamosel
tipodevvariable.En
estecassonominal
(cateegrica)

Nombram
moslas
categorasdelas
bles
variab

Diseosdeeinvestigacinyanlisisdeedatos
curso20152016
En la sintaxis aparecer
la siguien
nte orden y ejecutamos.
opiedades d
de variables
s.
* Definir pro
*IMC_cat.
V
VALUE LABE
ELS IMC_cat
1.00 'norm
mopeso'
2.00 'sobre
epeso'
3.00 'obesiidad'.
EXECUTE.

4. VALOR
RES PERD
DIDOS O M
MISSING
orque no ha
a sido posib
ble recoger los datos o se han perdido. A estos
Son aquellos valores perdidos po
n valor y ap
parecern con un puntto en la bas
se de datos (representtado
valores no se les asignan ningn
s perdidos o missing).
los valores
Por ejempllo observa la variable HbA1c en la base de d
datos (o ventana de ed
ditor de dattos)

5. SELEC
CIONAR V
VARIABLE
ES
Podemos s
seleccionar o filtrar la muestra en
n funcin de
e una o ms
s variables.. Por ejemp
plo, querem
mos
seleccionarr solo aquellos sujetos
s de los gru
upos de inte
ervencin.

Ruta barra
a de men: Datos

Seleccionar c
casos

Diseosdeeinvestigacinyanlisisdeedatos
curso20152016

S
Seleccionam
mos si satisfface la cond
dicin, i hac
cemos clic e
en Si la op
p.
En la siguie
ente venta
ana que ap
parecer in
ntroducimos la variable por la que querremos
eleccionar llos datos y el valor de la categora que querremos
se
Ejjemplo: inttervencin = 1
En este caso
o el nmero
o 1 son los que fueron aleatorizad
dos a los grrupos de inttervencin.

H
Hacemos clic
c en continuar, y posteriormente en pegar, y ejecutam
mos la orden
n de la sinta
axis.
U
USE ALL.
C
COMPUTE fillter_$=(Inttervenci = 1).
V
VARIABLE LA
ABELS filter_$ 'Interve
enci = 1 (FILTER)'.
V
VALUE LABE
ELS filter_$ 0 'Not Sele
ected' 1 'Se
elected'.
FORMATS filter_$ (f1.0
0).
FILTER BY filter_$.
EXECUTE.
esultados: ttendremos que compro
obar si ha e
ejecutado c
correctamen
nte.
Visor de re
Tambin p
podemos comprobarlo en la base de datos, a
aquellos ind
dividuos que
e estn tachados estn
uidos de los
s anlisis.
sern exclu

Diseosdeeinvestigacinyanlisisdeedatos
curso20152016

p
ap
plicar dos o ms criteriios para cla
asificar a los
s individuos
s. Para ello utilizaremo
os los
Tambin podemos
smbolos p
por ejemplo solo que
eremos sele
eccionar a las mujerres mayore
es de 65 a
aos que fu
ueron
aleatorizad
das en los g
grupos de in
ntervencin
n.
e=1 & interrvenci=1 & edad >= 65
Introduciramos: Sexe

c en contiinuar, y pos
steriormentte en pegarr, y ejecuta
amos la orden de la sin
ntaxis.
Hacemos clic
U
USE ALL.
C
COMPUTE fillter_$=(Sex
xe = 1 & In
ntervenci = 1 & Edad >= 65).
V
VARIABLE LA
ABELS filter_$ 'Sexe = 1 & Interv
venci = 1 & Edad >=
= 65 (FILTER)'.
V
VALUE LABE
ELS filter_$ 0 'Not Sele
ected' 1 'Se
elected'.
FORMATS filter_$ (f1.0
0).
FILTER BY filter_$.
EXECUTE.

Diseosdeinvestigacinyanlisisdedatos
curso20152016
Describir variables con el programa SPSS

Diseosdeeinvestigacinyanlisisdeedatos
curso20152016

Anlisis estadstico
e
os habitualles con el programa SPSS

1. ANLIISIS DE D
DOS VARIA
ABLES CU
UALITATIVAS
Para analiz
zar dos variiables cualittativas utiliizaremos la
a prueba esttadstica Kh
hi-Cuadrado
o.
Ejemple, c
comparar el tipo de inttervencin ((control, ind
dividual o g
grupal) con el riesgo cardiovascullar
(alta/bajo))

Ruta barra
a de men: Estadstico
os descriptiv
vos

Introducimos las va
ariables
Columna
a: tipus din
ntervenci
Fila: activitat fsica

tabla
as cruzadas
s

Diseosdeeinvestigacinyanlisisdeedatos
curso20152016

En
n el apartad
do de estad
dsticos
a
activar chi-q
quadrat
En
n el apartad
do de Casilllas
clicam
mos todos los porcenta
ajes (fila co
olumna, tod
dos)
Despus hacer clic en
n pegar y ejjecutar la orden
o
que aparecer en la sintaxis:
CROSSTA
ABS
/TABLE
ES=Regicor_
_cat_F BY T
Tipus_interv
venci
/FORMA
AT=AVALUE
E TABLES
/STATIS
STICS=CHIISQ
/CELLS=COUNT R
ROW COLUM
MN TOTAL
/COUNT
T ROUND C
CELL.

Diseosdeinvestigacinyanlisisdedatos
curso20152016
Visor de resultados: Resultados obtenidos

Indicaelnmeroyelporcentajede
casosvlidos,perdidos,totales

Tablas de contingencia

Resumen del procesamiento de los casos

Casos
Vlidos
N

Perdidos

Porcentaje

Total

Porcentaje

Porcen
taje

Regicor final clasificacin RCV bajoVsalto

* Tipus_intervenci

100

72,5%

38

27,5%

138

100,0
%

Tabla de contingencia Regicor final clasificacin RCV bajoVsalto * Tipus_intervenci

Tipus_intervenci
Cap
Recuento

Individual

Total
Grupal

13

23

22

58

22,4%

39,7%

37,9%

100,0%

% dentro de Tipus_intervenci

38,2%

69,7%

66,7%

58,0%

Regicor final clasificacin

% del total

13,0%

23,0%

22,0%

58,0%

RCV bajoVsalto

Recuento

21

10

11

42

50,0%

23,8%

26,2%

100,0%

% dentro de Tipus_intervenci

61,8%

30,3%

33,3%

42,0%

% del total

21,0%

10,0%

11,0%

42,0%

34

33

33

100

34,0%

33,0%

33,0%

100,0%

100,0%

100,0%

100,0%

100,0%

34,0%

33,0%

33,0%

100,0%

% dentro de Regicor final

,00

clasificacin RCV bajoVsalto

% dentro de Regicor final

1,00

clasificacin RCV bajoVsalto

Recuento
% dentro de Regicor final
Total

clasificacin RCV bajoVsalto

% dentro de Tipus_intervenci
% del total

Cmointerpretarlalatabla?
Ejemplo.Enelgruporiesgocardiovascularbajoalfinaldelestudio(0),un22.4%fueroncontroles,39.7%fuerondel
grupodeintervencinindividualy37.9pordelgrupodegrupodeintervencingrupal

Diseosdeeinvestigacinyanlisisdeedatos
curso20152016
Prruebas de chii-cuadrado
Valorr

Hayydiferenciassignificativas??

gl

Sig. a
asinttica
(bila
ateral)

Chi-cuadrado de Pearson

8,3
323a

,016

R
Razn de verossimilitudes

8,330

,016

Associacin linea
al por lineal

5,568

,018

N de casos vlidos

EleestadsticoCh
hicuadradod
de
Pearsonunpvalorinferiora0.0
05nos
indicaqueexisttendiferenciias
estaadsticamenttesignificativvas

100

a. 0 casillas (0,0
0%) tienen una
a frecuencia e
esperada inferiior a 5. La freccuencia
mnima esperad
da es 13,86.

2. ANLIISIS DE U
UNA VARIA
ABLE CUA
ANTITAT
TIVA Y UN
NA CUALIITATIVA

2.1 Ttesst
Para comp
parar una va
ariable cuallitativa inde
ependiente de dos cate
egoras y una variable
e cuantitativ
va
dependientte utilizarem
mos la prue
eba estadsttica t-test o T-studentt.
Ejemple, c
comparar el score de riesgo cardio
ovascular a
al final con e
el tipo de in
ntervencin
n
(control/intervencin)).

Ruta barra
a de men: Analizar

comparar m
medias

P
Prueba-T pa
ara muestra
as independ
dientes

Diseosdeeinvestigacinyanlisisdeedatos
curso20152016
Aad
dimos las va
ariables, las
s variables de prueba sern las variables de naturaleza
a cuantitativ
va
(pued
den aadirs
se tantas co
omo se quie
era) y la va
ariable de agregacin ser
s
la variable categ
rica
de do
os categora
as.
En es
ste caso:
Varia
ables de pru
ueba: Regic
cor_F
Varia
able de agre
egacin: inttervenci

definir grupos aadim

mos los valo
ores de la va
ariable y cliicamos continuar.
En d
En es
ste caso, Grupo 1: O (grupo
(
conttrol)
G
Grupo 2: 1 ((grupo interrvencin)

Hace
emos clic en
n pegar y ejjecutamos la orden de
e la sintaxis
s:

Diseosdeinvestigacinyanlisisdedatos
curso20152016

T-TEST GROUPS=Intervenci(0 1)
/MISSING=ANALYSIS
/VARIABLES=Regicor_cat_F
/CRITERIA=CI(.95).

Visor de resultados: Resultados obtenidos

Prueba T

Estadsticos de grupo
Intervenci

Media

Desviacin tp.

Error tp. de la
media

Regicor_F

No

34

12,9191

4,57996

,78546

Si

66

8,8883

3,51658

,43286

Cmointerpretarlalatabla?
Ejemplo.Lamediadelapuntuacinderiesgocardiovascularesmenorelgrupodenointervencin,porlo
tantoelgrupointervencinobtuvomenorespuntuacionesdelaescaladeriesgocardiovascularrespectoal
Prueba de muestras independientes
Prueba de

Prueba T para la igualdad de medias

Levene para
la igualdad
de varianzas
F

Sig.

gl

Sig.

Diferencia

Error tp.

95% Intervalo de

(bilateral)

de medias

de la

confianza para la

diferencia

diferencia
Inferior

Superior

Se han
Regicor_F

asumido
varianzas
iguales

4,309

,041

4,887

98

,000

4,03078

,82479

2,39401

5,66756

Diseosdeinvestigacinyanlisisdedatos
curso20152016
No se han
asumido
varianzas

4,494

53,579

,000

4,03078

,89683

2,23242

5,82915

iguales

Sonestadsticamentesignificativoslosresultados?
SilasignificacindelapruebadeLevedelaigualdaddevarianzases:
>0.05asumiremosquelasvarianzassoniguales
<0.05noasumiremosquelasvarianzassoniguales,

Escogeremoselcorrespondientevalordesignificancia.Enlapruebatunasignificancia<0.005indicaque
existediferenciasestadsticamentesignificativasenlasmediasdelosdosgrupo.

Enestecaso,unasignificanciade0.041enlapruebadeLeveneindicaquenoseasumenlasvariancias
igualesyporlotantoconsideraramosunasignificanciadep=0.000queseexpresap<0.001

Diseosdeeinvestigacinyanlisisdeedatos
curso20152016

2.2 Anlisis de la
a varianza
a (ANOVA
A)
parar una va
ariable cuallitativa inde
ependiente de tres o ms
m categorras y una variable
v
Para comp
cuantitativ
va dependie
ente utilizarremos la pru
ueba estadstica Anlis
sis de la va
arianza
Ejemplo, c
comparar el score de riesgo cardio
ovascular a
al final con el tipo de in
ntervencin
n
(control/intervencin individual/ intervenci
n grupal).

Ruta barra
a de men: Analizar

comparar m
medias

A
ANOVA de u
un factor

dimos las va
ariables, en
n Lista de de
ependientes aadimos
s las variables de natu
uraleza
Aad
cuantitativa (pu
ueden aadiirse tantas como se qu
uiera) y en Factor Facttor aadimo
os la variab
ble
grica de trres o ms categoras.
categ
Ejem
mplo:
Varia
ables de pru
ueba: Regic
cor_F
Varia
able de agre
egacin: tip
pus dinterv
venci
Post hoc: Bonfe
erroni
ones: Descrriptivos
Opcio

Diseosdeeinvestigacinyanlisisdeedatos
curso20152016

Hacemo
osclicenPossthocy
seleccio
onamosBonfferroni

H
Hacemoscliccen
opcionesyy
seleccionam
mos
Estadstico
o
descriptivo
os

Hace
emos clic en
n pegar y ejjecutamos la orden de
e la sintaxis
s:
WAY Regico
or_F BY Tipus_interven
nci
ONEW
/ST
TATISTICS D
DESCRIPTIV
VES
/MISSING ANA
ALYSIS
/PO
OSTHOC=BO
ONFERRONII ALPHA(0.05).

r
s: Resultad
dos obtenidos
Visor de resultados

Diseosdeinvestigacinyanlisisdedatos
curso20152016

ANOVA de un factor
Descriptivos
Regicor_F
N

Media

Desviacin

Error tpico

Intervalo de confianza para la

tpica

Mnimo

Mximo

media al 95%
Lmite inferior

Lmite superior

Cap

34

12,9191

4,57996

,78546

11,3211

14,5171

7,15

21,70

Individual

33

7,7064

3,05068

,53106

6,6246

8,7881

2,78

13,51

Grupal

33

10,0703

3,59597

,62598

8,7952

11,3454

3,54

19,69

100

10,2588

4,33521

,43352

9,3986

11,1190

2,78

21,70

Total

Observamoslosdatos
descriptivosylasmedias
depuntuacindecada
Sig.grupodeestuio)

ANOVA de un factor
Regicor_F
Suma de

gl

Media cuadrtica

cuadrados
Inter-grupos

456,793

228,397

Intra-grupos

1403,815

97

14,472

Total

1860,608

99

15,782

,000

Pruebas post hoc

Comparaciones mltiples
Variable dependiente: Regicor_F
Bonferroni
(I) Tipus_intervenci

(J) Tipus_intervenci

Diferencia de

Error tpico

Sig.

medias (I-J)
Cap

Individual
Grupal

Individual

Grupal

Cap
Grupal
Cap
Individual

Lmite inferior

Lmite superior

,000

2,9480

7,4775

,92963

,008

,5840

5,1136

,92963

,000

-7,4775

-2,9480

,93654

,040

-4,6455

-,0823

,92963

,008

-5,1136

-,5840

,93654

,040

,0823

4,6455

5,21275

,92963

2,84881

-5,21275

-2,36394

-2,84881

2,36394

*. La diferencia de medias es significativa al nivel 0.05.

Intervalo de confianza al 95%

Diseosdeeinvestigacinyanlisisdeedatos
curso20152016

Obsservamossieexistendifereenciassignificativasentreelostresgrupos(sig p<<0.05):
Vem
mosque:

ExisstendiferencciasenlmediadelapuntuacindelRegicoralfinaaldeestudioentreelgrupo
controlyinterveencinindividual(p<0.00
01),grupocontrolyeldeintervencin
ngrupal(p=0
0.008),
ntre el grupo
o de intervencin individu
ual y grupal (p
p=0.44).
y en

3. COMPARAR MU
UESTRA A
APAREAD
DAS
Para comp
prar las me
edias de do
os muestra
as relaciona
adas como por ejemp
plo al inicio
o o final de
e una
intervenci
n se utiliza
a la Prueba
a T para muestras relacionadas. La naturalleza de las variables ha
h de
ser cuantittativa.
Ejemplo co
omparar las
s puntuacio
ones de Reg
gicor al inicio y al final de la interrvencin. Pa
ara ello, primero
seleccionarremos la m
muestra (verr apartado s
seleccionarr), seleccion
naremos so
olo a aquello
os sujetos d
de los
grupo de in
ntervencin
n.
Una vez he
echo esto, p
pasaremos a realizar la prueba T para mues
stras relacio
onadas
Ruta barra
a de men: Analizar

comparar m
medias

Aadimos las variable

es que querremos analiizar:
Variable 1:: Regicor

P
Prueba T pa
ara muestra
as relaciona
adas

Diseosdeeinvestigacinyanlisisdeedatos
curso20152016
Variable 2:: Regicor_F
F

Hacemos clic
c en pega
ar y ejecuta
amos la sigu
uiente orden:
T-TEST P
PAIRS=Regicor WITH Regicor_F ((PAIRED)
/CRITERIA=CI(.95
500)
/MISSING=ANALY
YSIS.

Diseosdeinvestigacinyanlisisdedatos
curso20152016
Visor de resultados: Resultados obtenidos

Prueba T
Estadsticos de muestras relacionadas
Media

Desviacin tp.

Error tp. de la
media

Par 1

Regicor

10,6264

66

4,13630

8,8883

66

3,51658

Regicor_F

,50914
,43286

Observamosquelamediadela
puntuacindelRegicoralfinales
menorquelamediadela
puntuacinalinicio.

Correlaciones de muestras relacionadas

N
Par 1

Regicor y Regicor_F

Correlacin
66

Sig.

,864

,000

Estadiferenciaes
estadsticamentesignificativa
(p<0.05)

Prueba de muestras relacionadas

Diferencias relacionadas
Media

Desviacin

Error tp. de

95% Intervalo de

tp.

la media

confianza para la

gl

Sig.
(bilateral)

diferencia
Inferior
Par

Regicor -

Regicor_F

1,73803

2,08661

,25684

1,22508

Superior
2,25098

6,767

65

,000

Diseosdeeinvestigacinyanlisisdeedatos
curso20152016

4. ANALIISIS DE M
MUTIVARIIANTE

Analizar ell efecto de una variab

ble sobre otra
o
ajustan
ndo por otras variable
es confusoras. Existen dos
tipos en fu
uncin de la
a naturaleza
a de la varia
able de saliida, cuantittativa (por ejemplo
e
puntuaciones de la
escala de rriesgo cardiivascular) o cualitativa
a (por ejem
mplo riesgo cardiovascu
ular alto/ba
ajo).

4.1 Regrresin lin

neal mltiiple
Por ejempllo, analizar el efecto de
d la interve
encin (con
njuntamente
e grupal e individual) sobre el rie
esgo
cardiovasc
cular ajustado por sexo
o, nivel soc
cioeconmic
co, hbito ta
abquico e IMC.

Ruta barra
a de men: Analizar

Regresin

Introducim
mos las siguientes varia
ables:

Lineales
s

Diseosdeeinvestigacinyanlisisdeedatos
curso20152016
Dependien
ntes: Regico
or_F
Independie
entes: Interrvenci, sex
xe, NSE_sc
core, habit_
_tabaquic. IMC
I

c en pega
ar y ejecuta
amos la sigu
uiente orden:
Hacemos clic
R
REGRESSION
/MISSING LISTWISE
/STATISTIC
CS COEFF O
OUTS R ANO
OVA
/CRITERIA=PIN(.05) POUT(.10)
/NOORIGIN
N
/DEPENDEN
NT Regicor_
_F
/METHOD=
=ENTER Intervenci Se
exe NSE_sc
core Habit_
_tabaquic IM
MC.
Visor de resultados
r
s: Resultad
dos obtenidos

Regresin
a

Varia
ables introdu
ucidas/elimina
adas
Mode
elo

Va
ariables

Variabless

intrroducidas

eliminada
as

Mto
odo

IMC,
1

Habit_
_tabaquic,
NSE_sscore, Sexe,
Interve
enci

. Introdu
ucir

a. Variable dependiente: Regicorr_F

b. Tod
das las variables solicitadass introducidas.

Re
esumen del modelo
m

Diseosdeinvestigacinyanlisisdedatos
curso20152016
Modelo

R
a

1
a.

R cuadrado

,540

R cuadrado

Error tp. de la

corregida

estimacin

,291

,253

3,74594

Variables predictoras: (Constante), IMC, Habit_tabaquic, NSE_score, Sexe,

Intervenci

LaRcuadradocorregidasesueleexpresarmultiplicadapor100ynosindicaqueporcentajedelavariable
dependienteesexplicadoporlasvariablesindependientesintroducidasenelmodelo.Serepresenta:
R2c+100.EnestecasolaR2c+100=25.3,esdecirelmodeloglobal(conjuntodelasvariablesintroducidas)
explicanun25.3%delavariabledependiente(PuntuacindelRegicoralfinaldelestudio)

Indicasielmodelo
globalessignificativo
a

ANOVA
Modelo

Suma de

gl

Media cuadrtica

Sig.

cuadrados
Regresin
1

541,596

108,319

Residual

1319,012

94

14,032

Total

1860,608

99

7,719

a. Variable dependiente: Regicor_F

b. Variables predictoras: (Constante), IMC, Habit_tabaquic, NSE_score, Sexe, Intervenci

Coeficientes

,000

Diseosdeinvestigacinyanlisisdedatos
curso20152016
Modelo

Coeficientes no estandarizados

Coeficientes

Sig.

tipificados
B

Error tp.

Beta

(Constante)

9,475

2,595

Intervenci

-3,764

,832

-,165

Sexe
NSE_score
Habit_tabaquic
IMC

3,651

,000

-,413

-4,523

,000

,970

-,015

-,170

,865

,174

,198

,078

,879

,382

2,620

,764

,303

3,430

,001

,048

,083

,052

,583

,561

a. Variable dependiente: Regicor_F

Indicacmoafectacadavariablea
lavariabledesalida
Enesteejemplovemosqueaquellossujetosquefueron
aleatorizadosalosgruposintervencinpresentaron3.7
puntosmenoselriesgocardiovascularrespectoalgrupo
intervencin.Asmismoelhbitotabquicoincrementaen
2.6puntoselriesgocardiovascular

Indicalasvariablesqueson
significativasenelmodelo,aquellas
queelpvalorseamenora0.05

Diseosdeeinvestigacinyanlisisdeedatos
curso20152016

4.2 R
Regresi
n Logstiica
Por ejemplo,, analizar el
e efecto de los tres gru
upos sobre el riesgo ca
ardiovascullar ajustado
o por
se
exo, nivel socioeconm
s
mico, hbito
o tabquico
o e IMC.

Ruta barra
a de men: Analizar

Regresin

Logstica
a binaria

bles:
1Introduciimoslassiguientesvariab
Dependientes:Regicor_cat_F
Independien
ntes:Tipus_intervenci,ssexe,NSE,Haabittabaquicc,IMC

ormente vamos a opc

ciones y se
eleccionamo
os IC para exp(B) 95%
%
2 Posterio

Diseosdeeinvestigacinyanlisisdeedatos
curso20152016

rica
Hacemoscliicencateg

3vamosseeleccionando
olasvariablessycambiamos
elindicador.Haacerunaporruna.
S
Seleccionam
osprimeroyhacemosclicencamb
biar
Deestaman
neraestamossindicandoq
quelacatego
ora
conunvvalormsbajjoserladereferencia.

echo este hacemos

h
clic
c en contin
nuar.
Una vez he

Diseosdeinvestigacinyanlisisdedatos
curso20152016

Finalmente hacemos clic en continuar, seguidamente en pegar y ejecutamos la siguiente orden:

LOGISTIC REGRESSION VARIABLES Regicor_cat_F
/METHOD=ENTER Tipus_intervenci Sexe NSE_score IMC Habit_tabaquic
/CONTRAST (Tipus_intervenci)=Indicator(1)
/CONTRAST (Sexe)=Indicator(1)
/CONTRAST (Habit_tabaquic)=Indicator(1)
/PRINT=CI(95)
/CRITERIA=PIN(.05) POUT(.10) ITERATE(20) CUT(.5).
Visor de resultados: Resultados obtenidos

Regresin logstica

Notas
Resultados creados

24-NOV-2015 21:30:52

Comentarios
Entrada

Datos

K:\Disseny\Master\Base de
datos_Master NFN_231115.sav

Conjunto de datos activo

ConjuntoDatos1

Filtro

<ninguno>

Ponderacin

<ninguno>

Segmentar archivo

<ninguno>

N de filas en el archivo de

138

datos de trabajo
Manejo de valores perdidos

Definicin de perdidos

Los valores perdidos definidos por el

usuario se tratan como perdidos.

Sintaxis

LOGISTIC REGRESSION VARIABLES

Regicor_cat_F
/METHOD=ENTER Sexe NSE_score
IMC Habit_tabaquic
/CONTRAST (Sexe)=Indicator(1)
/CONTRAST
(Habit_tabaquic)=Indicator(1)
/CRITERIA=PIN(.05) POUT(.10)
ITERATE(20) CUT(.5).

Recursos

Tiempo de procesador

00:00:00,00

Tiempo transcurrido

00:00:00,06

Diseosdeinvestigacinyanlisisdedatos
curso20152016

Resumen de procesamiento de casos

a

Casos sin ponderar

Casos seleccionados

N
Incluido en el anlisis
Casos perdidos
Total

Porcentaje
100

72,5

38

27,5

138

100,0

,0

138

100,0

Casos no seleccionados
Total

a. Si la ponderacin est en vigor, consulte la tabla de clasificacin para el

nmero total de casos.

Codificacin de variable
dependiente
Valor original

Valor interno

,00

1,00

Codificaciones de variables categricas

Codificacin de
parmetro
Frecuencia
Habit_tabaquic

Sexe

(1)

NO

53

,000

Si

47

1,000

20

,000

80

1,000

Bloque 0: Bloque de inicio

a,b

Tabla de clasificacin

Pronosticado
Regicor final clasificacin RCV
bajoVsalto
Observado
Paso 0

,00

Porcentaje
1,00

correcto

Regicor final clasificacin

,00

58

100,0

RCV bajoVsalto

1,00

42

,0

Porcentaje global
a. La constante se incluye en el modelo.

58,0

Diseosdeinvestigacinyanlisisdedatos
curso20152016
b. El valor de corte es ,500

Variables en la ecuacin
B
Paso 0

Constante

Error estndar

-,323

Wald

,203

gl

2,538

Sig.
1

Exp(B)

,111

,724

Las variables no estn en la ecuacin

Puntuacin
Paso 0

Variables

Sexe(1)
NSE_score

Estadsticos globales

Sig.

,503

,478

1,018

,313

,393

,531

6,458

,011

8,272

,082

IMC
Habit_tabaquic(1)

gl

Bloque 1: Mtodo = Entrar

Pruebas mnibus de coeficientes de modelo
Chi-cuadrado
Paso 1

gl

Sig.

Paso

8,466

,076

Bloque

8,466

,076

Modelo

8,466

,076

Resumen del modelo

Paso

Logaritmo de la

R cuadrado de

R cuadrado de

verosimilitud -2

Cox y Snell

Nagelkerke

127,593

,081

,109

a. La estimacin ha terminado en el nmero de iteracin 4

porque las estimaciones de parmetro han cambiado en
menos de ,001.

Tabla de clasificacin

Pronosticado
Regicor final clasificacin RCV
bajoVsalto
Observado

,00

Porcentaje
1,00

correcto

Diseosdeinvestigacinyanlisisdedatos
curso20152016
Paso 1

Regicor final clasificacin

,00

42

16

72,4

RCV bajoVsalto

1,00

21

21

50,0

Porcentaje global

63,0

a. El valor de corte es ,500

Variables en la ecuacin
B
a

Paso 1

Error estndar

Wald

gl

Sig.

Exp(B)

Sexe(1)

,139

,550

,064

,801

1,149

NSE_score

,118

,109

1,173

,279

1,125

IMC

,032

,047

,474

,491

1,033

1,101

,431

6,518

,011

3,006

-2,432

1,513

2,585

,108

,088

Habit_tabaquic(1)
Constante

a. Variables especificadas en el paso 1: Sexe, NSE_score, IMC, Habit_tabaquic.

Tabla de clasificacin

Observado

Pronosticado
Regicor final clasificacin RCV

Porcentaje

bajoVsalto

correcto

,00

Paso 1

1,00

Regicor final clasificacin RCV

,00

46

12

79,3

bajoVsalto

1,00

22

20

47,6

Porcentaje global

66,0

a. El valor de corte es ,500

La columna Exp(B): vemos la direccin del efecto

delavariableindependienteodependiente.
Sies>1significariesgo
<1significaproteccinodisminucindelriesgo

Lacolumnasig:miramoslasvariablesson
significativas(sig)yporlotantotieneunefecto

Variables en la ecuacin
95% C.I. para
EXP(B)

Error
B
a

Paso 1

estndar

Tipus_intervenci

Wald

gl

Sig.

8,082

,018

Exp(B)

Inferior

Superior

Tipus_intervenci(1)

-1,501

,583

6,639

,010

,223

,071

,698

Tipus_intervenci(2)

-1,338

,566

5,581

,018

,262

,086

,796

Diseosdeinvestigacinyanlisisdedatos
curso20152016
Sexe(1)

,404

,592

,465

,495

1,497

,469

4,776

NSE_score

,067

,113

,353

,553

1,069

,857

1,334

IMC

,066

,051

1,640

,200

1,068

,966

1,181

1,067

,453

5,554

,018

2,905

1,197

7,054

-2,525

1,600

2,491

,115

,080

Habit_tabaquic(1)
Constante

a. Variables especificadas en el paso 1: Tipus_intervenci, Sexe, NSE_score, IMC, Habit_tabaquic.

Enesteejemplo,vemosquetantolaintervencinindividualcomogrupaldisminuyenlaprobabilidadde
presentar alto riesgo cardiovascular. En cambio el hbito tabquico incrementa 2.9 veces la
probabilidaddepresentaraltoriesgocardiovascular.