Documente Academic
Documente Profesional
Documente Cultură
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
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
Edito
or de dato
os: Esta ven
ntana tiene dos pesta
as: Vista de
d datos y v
vista de varriables
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
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*
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
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
Perdidos
Porcentaje
Total
Porcentaje
Porcen
taje
100
72,5%
38
27,5%
138
100,0
%
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%
% 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%
Recuento
% dentro de Regicor final
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
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).
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
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
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
(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
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
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.
Regicor y Regicor_F
Correlacin
66
Sig.
,864
,000
Estadiferenciaes
estadsticamentesignificativa
(p<0.05)
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
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
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
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
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
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
Diseosdeeinvestigacinyanlisisdeedatos
curso20152016
rica
Hacemoscliicencateg
3vamosseeleccionando
olasvariablessycambiamos
elindicador.Haacerunaporruna.
S
Seleccionam
osprimeroyhacemosclicencamb
biar
Deestaman
neraestamossindicandoq
quelacatego
ora
conunvvalormsbajjoserladereferencia.
Diseosdeinvestigacinyanlisisdedatos
curso20152016
Regresin logstica
Notas
Resultados creados
24-NOV-2015 21:30:52
Comentarios
Entrada
Datos
K:\Disseny\Master\Base de
datos_Master NFN_231115.sav
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
Sintaxis
Recursos
Tiempo de procesador
00:00:00,00
Tiempo transcurrido
00:00:00,06
Diseosdeinvestigacinyanlisisdedatos
curso20152016
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
Codificacin de variable
dependiente
Valor original
Valor interno
,00
1,00
Sexe
(1)
NO
53
,000
Si
47
1,000
20
,000
80
1,000
Tabla de clasificacin
Pronosticado
Regicor final clasificacin RCV
bajoVsalto
Observado
Paso 0
,00
Porcentaje
1,00
correcto
,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
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
gl
Sig.
Paso
8,466
,076
Bloque
8,466
,076
Modelo
8,466
,076
Paso
Logaritmo de la
R cuadrado de
R cuadrado de
verosimilitud -2
Cox y Snell
Nagelkerke
127,593
,081
,109
Tabla de clasificacin
Pronosticado
Regicor final clasificacin RCV
bajoVsalto
Observado
,00
Porcentaje
1,00
correcto
Diseosdeinvestigacinyanlisisdedatos
curso20152016
Paso 1
,00
42
16
72,4
RCV bajoVsalto
1,00
21
21
50,0
Porcentaje global
63,0
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
Tabla de clasificacin
Observado
Pronosticado
Regicor final clasificacin RCV
Porcentaje
bajoVsalto
correcto
,00
Paso 1
1,00
,00
46
12
79,3
bajoVsalto
1,00
22
20
47,6
Porcentaje global
66,0
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
Enesteejemplo,vemosquetantolaintervencinindividualcomogrupaldisminuyenlaprobabilidadde
presentar alto riesgo cardiovascular. En cambio el hbito tabquico incrementa 2.9 veces la
probabilidaddepresentaraltoriesgocardiovascular.