Documente Academic
Documente Profesional
Documente Cultură
Autores
Eduardo Escalante Gmez
Alberto Caro Martn
Colaborador
Luis Barahona Carvajal
2
Autores
Eduardo Escalante Gmez
Alberto Caro Martn
Colaborador
Luis Barahona Carvajal
Ediciones
Universidad de Playa Ancha
de Ciencias de la Educacin.
Casilla 34-V / Fax: 285041
Valparaso.
Colaborador
Luis Barahona Carvajal
Licenciado en Estadstica, Universidad de Valparaso.
4
5
NDICE
Introduccin ................................................................................. 7
INTRODUCCIN
Los autores
Diciembre 2.002
9
CAPTULO I
DEFINICIONES
Investigacin
Es una indagacin disciplinada. La investigacin
disciplinada que difiere de la opinin y creencia, se conduce y
maneja de manera tal que el argumento puede examinarse con
mucho cuidado. El informe no depende de la elocuencia del
escritor o de alguna justificacin superficial. (Cronbach y
Supples, 1969:15, como lo citaron McMillan y Schumacher1 ,
1989:9). Los principios pueden variar de una a otra disciplina.
Estudio
Es la bsqueda de conocimiento, empleando mtodos
reconocidos para la recopilacin, el anlisis e interpretacin de
observaciones. Como tal, Kerlinger (1973)2 sostiene que el estudio
es una de las numerosas formas de conocimiento. Otras formas de
ste incluyen la revelacin, la tradicin, la autoridad, la lgica,
la intuicin y el pacto social.
Estadstica
Cuerpo de conceptos y mtodos usados para recolectar e
interpretar datos referentes a un rea particular de investigacin
y extraer conclusiones en situaciones en que la incertidumbre y la
variacin estn presentes. Tambin se puede entender como la
ciencia que transforma datos en informacin.
Clasificacin de la Estadstica
Estadstica Descriptiva: Se encarga de recoger y resumir las
12
Ejemplo:
Correlacional
a) Se usa para investigar la naturaleza y la fuerza de las relaciones
entre dos o ms variables;
b) se emplea mtodos establecidos para seleccionar una o ms
muestras de individuos;
c) se aplican tcnicas estandarizadas para recopilar datos de cada
miembro de cada muestra (p.e. instrumento, lpiz y papel, en-
trevistas, protocolos, observaciones);
d) se emplean procedimientos para la traduccin de datos de for-
ma numrica cuando sea necesario; y
e) se aplican estadsticas correctivas, adecuadas para el tipo de
datos recopilado, para analizarlos y generar un coeficiente de
correlacin: es decir un ndice numrico de la relacin entre
cada par de variables investigadas.
Predictivo
a) Se emplean para investigar los alcances de una o ms variables
de prediccin tiles en la eleccin de un criterio variable espe-
cfico (es decir un comportamiento comn, serie de comporta-
mientos o calidad de grupo); o para construir teoras acerca de
las posibles determinantes de un criterio variable;
b) se usan mtodos establecidos para una o ms muestras de indivi-
duos;
c) se aplican tcnicas estandarizadas para recopilar datos de cada
miembro de cada muestra sobre prediccin y criterios variables
(por ejemplo, instrumentos, lpiz y papel, protocolo de entrevis-
tas;
d) se aplican procedimientos de traduccin de datos de forma nu-
mrica cuando sea necesario; y
e) se ejecutan procedimientos de correlacin, correlacin parcial
y/o estadstica de correlacin mltiple (p.e. regresin mltiple)
que aporte un ndice numrico de la capacidad de las variables
de prediccin a considerar por o para explicar la variabilidad en
el criterio.
16
El Libro de Cdigos
Una de las herramientas bsicas para una procesamiento
adecuado de los datos es disponer de lo que se denomina libro de
cdigos que es una matriz que incluye todas las definiciones
asociadas a los datos que se recopilarn o se recopilaron. Algunos
analistas emplean el libro de cdigos para la caracterizacin de
las variables (variable, categoras, subcategoras, cdigos). Esta
es una versin que apunta ms que nada a identificar la manera
como se recogen los datos. Otros analistas incluyen el plan de
anlisis estadstico asociado a las variables en estudio. Finalmente,
algunos optamos por la elaboracin de una matriz que incluya las
fases del proceso investigativo y el tratamiento de los datos. De
este modo, se obtiene una visin completa del proceso investigativo
y se puede controlar de manera ms consistente el tratamiento de
la informacin a procesar.
21
La Tabulacin
Una vez definidos los cdigos, y ya marcados los cuestionarios
o pautas con los mismos, se est en condiciones de proceder a la
subsiguiente etapa, la de tabulacin.
La palabra tabulacin deriva etimolgicamente del latn
tabula, y significa hacer tablas, listados de datos que los muestren
agrupados y contabilizados. Para ello es preciso contar cada una
de las respuestas que aparecen, distribuyndolas de acuerdo a las
categoras o cdigos previamente definidos. Cada una de las
preguntas de un cuestionario o de una hoja de observacin tendr
que ser tabulada independientemente, por lo que es preciso hacer
previamente un plan de tabulacin que prepare adecuadamente la
tarea por realizar.
Esta etapa del trabajo puede desarrollarse manualmente,
mediante el procedimiento que se esbozar a continuacin, cuando
se trate de un nmero relativamente pequeo de datos; cuando
esto no sea as, resultar mejor acudir al procesamiento electrnico
de datos, para lo cual existen ya adecuados paquetes de
computacin que facilitan grandemente esta tarea. Para ello, es
necesario preparar los instrumentos de recoleccin con casilleros
especiales de registro para que las mquinas los procesen.
Para realizar una tabulacin manual debern confeccionarse
25
Ejercicio
Elabore un libro de cdigos para un proyecto de estudio sobre
la Adaptacin a la Modernidad, que se realizar en Profesores , y
que considera 3 variables de clasificacin: sexo, edad, y origen
(urbano-rural) y una escala de actitudes de 15 tems con 5
alternativas de respuestas (muy en desacuerdo, en desacuerdo, no
opina, de acuerdo y muy de acuerdo) sobre el proceso de
adaptacin a la modernidad.
28
29
CAPTULO II
EL PROCESO DE MEDICIN Y
EL ANLISIS ESTADSTICO
LA MEDICIN
Campbell (1928)4 concibe la medicin como la asignacin
de nmeros para representar propiedades de sistemas materiales
no numricos, en virtud de leyes que gobiernan esas propiedades.
Este autor asigna a la medicin el papel de establecer el
isomorfismo entre la idea de cantidad y las magnitudes de las
propiedades a ser medidas: Para que la medida sea posible, es
necesario que haya una correspondencia unvoca (isomorfismo)
entre los nmeros y los objetos, de manera que se puedan realizar
las mismas operaciones con stos que con los nmeros. Campbell
reduce la medicin al uso de escalas cuantitativas de intervalo o
de razn, a la vez que considera que su sistema no es extensible a
la medicin de atributos psicolgicos. El argumento utilizado para
ello fue el de que tales atributos, al ser intrnsecos o no observables,
son incapaces de ser medidos.
Para este autor, las propiedades de los nmeros que son ms
importantes para la medicin son tres:
1) Identidad
- a es igual a b o diferente de b (no hay tercera alternativa)
- Si a=b, entonces b=a (simetra o reflexibilidad)
- Si a=b y b=c, entonces a=c (transitividad)
2) Orden jerrquico
- Si a>b entonces b<a (asimetra)
- Si a>b y b>c entonces a>c (transitividad)
3) Aditividad
- Si a=p y b>0 entonces a+b>p (aditividad)
- a+b=b+a (conmutatividad)
- Si a=p y b=q entonces a+b=p+q (objetos idnticos pueden
sustiturse)
- (a+b)+c=a+(b+c) (asociatividad)
El Procedimiento de Medicin
Los tericos coinciden en que la medida comienza con un
procedimiento para identificar los elementos del mundo real con
los elementos o constructos del sistema lgico, por medio de una
definicin semntica precisa; una vez hecho esto, puede procederse
a la medicin, para lo cual deben seguirse los siguientes pasos: 1)
identificar el objeto o sujeto a medir; 2) identificar la propiedad
o conducta que se quiere medir en el objeto o sujeto y el
instrumento; 3) aplicar una regla de asignacin numrica por la
que se asigna un nmero a la propiedad de la unidad experimental
(objeto o sujeto) que se est midiendo.
Entonces, en sentido amplio, la medicin es un procedimiento
por el cual asignamos una determinada categora o valor a una
variable, y para un determinado sujeto, muestra o poblacin.
Cuando a Juan (sujeto) le asignamos el valor 1,70 metros para la
variable estatura, hemos hecho una medicin. Tambin hacemos
una medicin cuando a Beatriz le asignamos la categora soltera
para la variable estado civil, lo cual muestra que estamos
tomando la idea de medicin en sentido amplio, ya que no slo
abarca mediciones cuantitativas (1,70 metros) sino tambin
cualitativas (soltera). Esta ampliacin del concepto se hace
Las Actitudes
Likert seala que las actitudes pueden medirse a travs de
manifestaciones verbales y asume la posibilidad de estudiar
dimensiones de actitud a partir de un conjunto de enunciados que
operen como reactivos para los sujetos. stos pueden situarse en
la variable de actitud desde el polo ms favorable al ms
desfavorable, de tal manera que la variacin de las respuestas
ser debida a diferencias individuales de los sujetos.
Allport (1935:81)14 concibe las actitudes como, un estado
mental y nervioso de disposicin, adquirido a travs de la
experiencia, que ejerce una influencia directiva o dinmica sobre
las respuestas del individuo. Esta definicin pone el acento en
que las actitudes son disposiciones de comportamiento, por tanto,
Escalas Sumativas
Este tipo de escala de puntuaciones sumadas est formada
por un conjunto de sentencias o proposiciones actitudinales de
idntico valor, a cada una de las cuales los sujetos deben responder,
matizando el grado de acuerdo o desacuerdo que personalmente
tienen con ellas. Al sumar todas las puntuaciones dadas de todas
las preguntas de la escala, se obtiene la puntuacin de la actitud
del sujeto concreto o de todos los sujetos frente a un determinado
tpico.
Estas escalas deben tener las propiedades de un instrumento
psicomtrico que se caracteriza porque intenta representar el
constructo por medio de un puntaje numrico derivado de la
aplicacin de un conjunto de reactivos o estmulos a los sujetos
de inters. En su forma ms usual, el instrumento est compuesto
por una serie de tems o preguntas, cada uno de los cuales es
calificado o respondido por el individuo de acuerdo con una cierta
escala de medicin. En muchas ocasiones, las opciones de
respuesta se pueden categorizar en dos tipos, correcto o incorrecto,
como en el caso de las pruebas de conocimientos y habilidades
intelectuales. En otras ocasiones interesa medir ms bien
sentimientos o dimensiones afectivas como motivacin o actitud.
En ese contexto generalmente se usan categoras ordinales para
las opciones de respuesta (una de las ms comunes es la escala
Likert de cinco puntos). El puntaje total en el instrumento se
genera, sumando las puntuaciones individuales para cada item y
46
4 3 2 1
47
Escala de 5 puntos
Tambin recibe altos puntajes en trminos de discriminacin
y confiabilidad, ejemplo, Califique el desempeo de su
organizacin
Totalmente de Acuerdo=TA
De Acuerdo=A
Indeciso=I
En Desacuerdo=D
Totalmente en Desacuerdo =TD
El Diferencial Semntico
El Diferencial Semntico es otro instrumento que se emplea
para medir actitudes. Se basa en adjetivos polares, que caracterizan
un objeto de actitud estudiado. El sujeto debe manifestar su
apreciacin marcando, en el espacio entre los extremos, el lugar
en que l se ubica. Hay diferentes formas de sealar las alternativas
entre los polos. Una de ellas se presenta en el ejemplo siguiente:
A continuacin, se presenta una relacin de adjetivos con los
que se puede calificar el curso en el que ha participado. Se
solicita que marque con una cruz (X) en el espacio que mejor
exprese su opinin global del curso:
Util Intil
Malo Bueno
Fcil Difcil
Se disfruta Detestable
Fragmentado Coherente
Satisfactorio Insatisfactorio
Confuso Claro
Sin valor Vlido
Muy importante Innecesario
Estrecho Amplio
Consistente Inconsistente
Optimista Pesimista
Falso Cierto
Relevante Irrelevante
Dbil Fuerte
Profundo Superficial
Pasivo Activo
Reducido Prolongado
Informativo Desinformativo
Prctico Terico
Aburrido Interesante
Rpido Lento
Formal Informal
Imaginativo Convencional
No estimula Estimulante
50
El Anlisis Cuantitativo
Este tipo de operacin se efecta, naturalmente, con toda la
informacin numrica resultante de la investigacin. Esta, luego
del procesamiento que ya se le habr hecho, se nos presentar
como un conjunto de cuadros, tablas y medidas, a las cuales se les
han calculado sus porcentajes y presentado convenientemente.
Para cada cuadro que se haya obtenido, ser preciso evaluar
el comportamiento de las variables que aparezcan en l, precisando
la forma en que actan individualmente. Luego se observarn las
relaciones que pueden percibirse entre una y otra variable, si el
cuadro es de doble entrada, tratando de precisar la forma en que
una afecta a la otra. Si se trata de un cuadro de tres variables, ser
conveniente examinar primero los valores totales, pues en ellos se
ve el funcionamiento global de cada variable operando de modo
independiente, para luego pasar a confrontar, por pares, las
variables, tratando de detectar las influencias que existan entre
ellas.
Siguiendo con el proceso analtico, diremos que es preciso
calcular, cuando se trata de datos obtenidos a partir de muestras,
los niveles de significacin de las diferencias que aparecen entre
53
1 00
80
60
40
A sim . A sim .
P o sitiv a N e ga tiv a
Me Me
Ejemplo
7
Se obtuvieron los
6
puntajes (1 a 10) de la
5 aplicacin de un test de
4 conocimientos de 28
3 estudiantes; se detect un
2 valor extremo y se
1 D e sv. tp . = 2 .7 0
M e d ia = 5 .5
consider eliminarlo ya
0
1 .0 3 .0 5 .0 7 .0 9 .0 11 .0 1 3 .0 1 5 .0
N = 28 . 00
que corresponda a un
2 .0 4 .0 6 .0 8 .0 1 0 .0 1 2 .0 1 4 .0
error en la determinacin
Pu n taje O rig in a l
del puntaje.
Se observa en el histograma un valor extremo que podra
provenir de un clculo errneo del puntaje total o un error
de digitacin.
produce un corrimiento
6
de la media de las
5
observaciones y una
4
disminucin en su
3
variabilidad.
2
La eliminacin de
D esv. tp. = 1.98
1
valores extremos no M ed ia = 5.1
0 N = 27.00
1.0 2.0 3.0 siempre es adecuada; en
4.0 5.0 6.0 7.0 8.0 9.0
El Anlisis Cualitativo
Se refiere al que procedemos a hacer con la informacin de
tipo verbal que se ha recogido mediante fichas de uno u otro tipo.
Una vez clasificadas stas, es preciso tomar cada uno de los grupos
que hemos as formado para proceder a analizarlos. El anlisis se
efecta cotejando los datos que se refieren a un mismo aspecto y
tratando de evaluar la fiabilidad de cada informacin.
Si los datos, al ser comparados, no arrojan ninguna
discrepancia seria, y si cubren todos los aspectos previamente
requeridos, habr que tratar de expresar lo que de ellos se infiere,
redactando una pequea nota donde se sinteticen los hallazgos.
Si, en cambio, las fichas aportan ideas o datos divergentes, ser
preciso primeramente determinar, mediante la revisin del
material, si se ha cometido algn error en la recoleccin. Si esto
no es as, ser necesario ver si la discrepancia se origina en un
problema de opiniones o posiciones contrapuestas o si, por el
contrario, obedece a alguna manera diferente de categorizar los
datos o a errores de las propias fuentes con que estamos trabajando.
En todo caso, ser conveniente evaluar el grado de confianza que
merece cada fuente, teniendo en cuanta su seriedad, sus
antecedentes y referencias y toda otra informacin que pueda
resultar de valor al respecto. Ya adoptada una posicin frente a
las discrepancias encontradas, ser el momento de pasar a registrar
los hallazgos, nuestras opiniones personales y conclusiones
parciales, con lo cual estaremos en con- diciones de pasar al
siguiente paso, el de la sntesis.
La Sntesis
Con la sntesis e interpretacin final de todos los datos ya
analizados, puede decirse que concluye la investigacin, aunque
teniendo en cuenta que la misma, considerada como intento de
obtencin de conocimientos, es siempre una tarea inacabada, que
debe continuar por fuerza en otras investigaciones concretas.
59
Ejercicios
Datos, variables y escalas de medicin
1. En los siguientes ejemplos, seleccione primeramente la opcin
que representa el tipo de dato empleado y luego la escala de
medicin ms apropiada para los datos de cada ejemplo:
Tipos de datos
a. categrico
b. numrico discreto
c. numrico continuo
Escalas de medicin
a. nominal
b. ordinal
c. intervalar
d. de razn
2. Qu variable es discreta?
a. sexo
b. ndice rendimiento acadmico
c. puntuacin en la prueba final
d. edad
5. Qu variable es dependiente?
a. sexo
b. ndice de rendimiento acadmico
c. puntuacin en la prueba final
d. libro utilizado en la clase
Prestigio
profesional
Grado de
satisfaccin
de una persona
Puntaje obtenido
en la pruebas de
habilidades
matemticas
Nivel
socioeconmico
Mximo de
instruccin
alcanzado
Puntaje obtenido
en una escala para
medir Liderazgo
El coeficiente de
inteligencia de
una persona(CI)
5. Use esos datos para construir una base de datos y ejecutar los
procedimientos estadsticos con SPSS (descripcin, resumen,
etc.)
64
65
CAPTULO III
EL CASO DE ESTUDIO
LA ESCALA DE AUTOESTIMA
En este captulo se presenta un caso de estudio basado en la
aplicacin de varias escalas (autoestima, sentimientos negativos,
sentimientos positivos, percepcin del estrs, nivel de satisfaccin
de vida, etc.), cuyos resultados se han procesado en SPSS y servirn
como base para los anlisis estadsticos que se abordan en este
libro. Una de las escalas es la Escala de Autoestima de Rosenberg.
La autoestima es la valoracin que tiene una persona acerca
de s msma y, en mayor o menor medida, esta valoracin estar
menos o ms ajustada a la realidad. De esta forma, la autoestima
puede implicar una valoracin aproximadamente realista, una
sobrevaloracin o una infravaloracin de s msmo.
Ms especficamente, se debe considerar a la autoestima como
una actitud de autovaloracin que la persona adopta hacia s
msma. Si se la considera como una actitud, la autoestima abarcar
tres manifestaciones o dimensiones distintas: cognitiva, afectiva
y conductual. Precisamente son estos tres aspectos los que debern
considerarse en el momento de evaluarla.
Existen diferentes pruebas para evaluar la autoestima, como
por ejemplo la Escala de Autoestima de Rosenberg (1965). sta
es una escala tipo Likert, compuesta por 10 temes, los que tienen
cuatro alternativas de respuesta, desde totalmente de acuerdo a
totalmente en desacuerdo.
66
VALIDACIN DE LA ESCALA
Confiabilidad de la Escala
El estudio psicomtrico de la escala de autoestima permite
estimar la confiabilidad del instrumento en 0,8541, mediante
Alfa de Cronbach. Es decir, el instrumento tienen consistencia
interna, es confiable. El coeficiente de discriminacin, esto es, el
grado en que un tem sirve para distinguir entre los individuos
que obtienen puntuaciones altas y los que las obtienen bajas, vara
entre 0,44 y 0,71 (ver detalles de los resultados del anlisis de
confiabilidad en el captulo VII). Lo anterior ratifica la idea de la
consistencia del instrumento.
El anlisis de la confiabilidad tambin informa sobre el efecto
de cada tem, sealando la confiabilidad si el tem es eliminado.
Se concluye que no hay temes que tengan un gran efecto sobre la
escala, pues la confiabilidad, eliminando un tem, vara entre
0,8280 (para el tem SEST6) y 0,8458 (para el tem SEST1).
Tampoco hay un gran efecto sobre la media y la varianza de la
escala si se elimina un tem. La media vara entre 29,83 (si se
elimina el tem SEST1) y 30,54 (si es eliminado el tem SEST7).
La varianza vara entre 23,09 (si se elimina el tem SEST9) y
26,83 (si se elimina el tem SEST2). En general, no se aprecia
75
EJEMPLO DE HIPTESIS
En relacin a este caso de estudio, se plantearon diversas
hiptesis y se aplicaron las pruebas estadsticas respectivas en
SPSS. A modo de ejemplo examinaremos la siguiente hiptesis
de investigacin: Existen diferencias de gnero estadsticamente
significativa en la percepcin de la autoestima? se traduce en las
siguientes hipotsis estadsticas.
Hiptesis Nula: mH = mM (Los promedios de puntajes en la
76
eba de Leve
a la igualdad
varianzas Prueba T para la igualdad de medias
% Intervalo d
nfianza para
iferenciror tp. ddiferencia
F Sig. t gl . (bilater
e mediadiferencnferioruperio
total autoSe han as
3.506 .062 1.622 434 .105 .85 .52 -.18 1.87
varianzas
No se han
1.661 2.349 .098 .85 .51 -.16 1.85
varianzas
CAPTULO IV
EL ANLISIS GRFICO
Grficos de Sectores y de Barras
Para variables categricas, como el sexo, profesin, etc., se
quiere conocer la frecuencia y el porcentaje del total de casos que
caen en cada categora. Una forma muy sencilla de representar
grficamente estos resultados, es mediante diagramas de barras o
diagramas de sectores (ms conocido como diagrama de torta).
En los grficos de sectores, se divide un crculo en tantas
porciones como clases tenga la variable, de modo que a cada clase
le corresponde un sector del crculo proporcional a su frecuencia
absoluta o relativa. Si el nmero de categoras es excesivamente
grande, la imagen proporcionada por el grfico de sectores no es
lo suficientemente clara y por lo tanto la situacin ideal es cuando
78
6 1 6 4
7 8 0 4 2 3 6 0 7
8 1 3 3 6 8
9 1 3 7
10 0
Histograma
Para variables numricas continuas, tales como la edad, el
puntaje en un pretest o en un postest, el tipo de grfico ms utilizado
es el histograma. Para construir un grfico de este tipo, se divide
el rango de valores de la variable en intervalos de igual amplitud,
81
0
Normal esperado
-1
-2
-3
0 10 20 30 40 50 60 70 80
Valor observado
EL ANLISIS DESCRIPTIVO
Analizar
Estadsticos descriptivos
Explorar
Edad (dependiente), Sexo (factor)
Grficos: Tallo y Hoja, Histograma y Grficos
con prueba de Normalidad.
C asos
V lidos P erdidos Total
sexo N P orce nta je N P orce nta je N P orce nta je
ED AD hom bre s 185 100.0% 0 .0% 185 100.0%
m ujeres 254 100.0% 0 .0% 254 100.0%
91
Descriptivos
Nmero
sexo del caso Valor
EDAD hombres Mayores 1 167 70
2 327 69
3 408 67
4 159 66
5 199 65
Menores 1 262 18
2 213 18
3 412 18
4 363 19
5 293 19
mujeres Mayores 1 295 82
2 221 78
3 298 75
4 198 74
5 104 74
Menores 1 196 18
2 55 18
3 407 18
4 49 19
5 57 .a
a. En la tabla de valores extremos menores slo se
muestra una lista parcial de los casos con el valor 19.
30
20
Frecuencia
10
Desv. tp. = 12.44
Media = 36.9
0 N = 185.00
20.0 30.0 40.0 50.0 60.0 70.0
25.0 35.0 45.0 55.0 65.0
EDAD
Histograma
Para SEXO= mujeres
50
40
30
20
Frecuencia
0 N = 254.00
20.0 30.0 40.0 50.0 60.0 70.0 80.0
25.0 35.0 45.0 55.0 65.0 75.0
EDAD
Stem width: 10
Each leaf: 2 case(s)
& denotes fractional leaves.
Cuadro 4.7. Grfico de Tallo y Hoja, variable edad para sexo
(mujeres)
95
Diagramas de Caja
Los diagramas de caja proporcionan para la variable edad
indican las mismas caracterstica ya sealadas. Se aprecia la
asimetra de las distribuciones, tanto para hombres como para
mujeres. Se aprecia, adems, que las distribuciones son muy
parecidas: coinciden sus medianas, as como sus recorridos
intercuartlicos (ancho de la caja)
100
295
80
60
40
20
EDAD
0
N= 185 254
hombres mujeres
sexo
2
2
1
1
0
0
Normal esperado
Normal esperado
-1
-1
-2
-2
-3
-3
0 20 40 60 80 100
0 10 20 30 40 50 60 70 80
Valor observado
Valor observado
.6
.4
.2
Desv. de normal
0.0
-.2
-.4
10 20 30 40 50 60 70 80
Valor observado
.8
.6
.4
Desv. de normal
.2
0.0
-.2
-.4
10 20 30 40 50 60 70 80 90
Valor observado
Analizar
Estadsticos descriptivos
Frecuencias
Estado civil [estciv]
estado civil
Porcentaje Porcentaje
Frecuencia Porcentaje vlido acumulado
Vlidos soltero 105 23.9 23.9 23.9
relacin espordica 37 8.4 8.4 32.3
vive con la pareja 37 8.4 8.4 40.8
casado por primera vez 189 43.1 43.1 83.8
casado por segunda ve 30 6.8 6.8 90.7
separado 10 2.3 2.3 92.9
divorciado 24 5.5 5.5 98.4
viudo 7 1.6 1.6 100.0
Total 439 100.0 100.0
relacin espordica
viudo
divorciado
separado
estado civil
estad o civ il
C hi-cuad rad o a 48 .077
gl 7
S ig. a sintt. .00 0
a. 0 cas illas (.0% ) tie ne n fr ec ue ncias
esp era da s m e nores que 5 . L a frecue ncia
de ca s illa e sp era da m n im a es 22 .0 .
Porcentaje Porcentaje
Frecuencia Porcentaje vlido acumulado
Vlidos bsica 2 .5 .5 .5
media incompleta 53 12.1 12.1 12.5
media completa 85 19.4 19.4 31.9
capacitacin tcnica 120 27.3 27.3 59.2
universitaria completa 123 28.0 28.0 87.2
posgrado 56 12.8 12.8 100.0
Total 439 100.0 100.0
120
100
80
60
Frecuencia
40
20
0
bsica media completa universitaria comple
media incompleta capacitacin tcnica posgrado
nivel educacional
Estadsticos de contraste
N ivel
ed u caciona l
C hi-c ua drad o a 14 4 .64 0
gl 5
S ig . asintt. .0 00
a. 0 casilla s (.0% ) tie nen frec ue ncias
esp e ra d a s m e no re s q ue 5. La frecu encia
de ca silla e spera da m nim a es 73.2 .
60
40
20
0 N = 439.00
20.0 30.0 40.0 50.0 60.0 70.0 80.0
25.0 35.0 45.0 55.0 65.0 75.0
EDAD
EDAD
N Vlidos 439
Perdidos 0
Mediana 36.00
Percentiles 25 26.00
50 36.00
75 47.00
Cuadro 4.12. Estadsticos variable Edad.
As, la mediana es 36,0 aos y la amplitud intercuartil
47 26 = 21 aos. La interpretacin es: el 50% o menos de los
casos tiene 36 aos o menos, y, por otra parte, entre 26 y 47 (es
decir, 21 aos) se encuentra comprendido el 50% central de los
sujetos de la muestra
Para examinar la normalidad de una variable, se puede usar
la prueba de Kolmogorov-Smirnov (K-S). La secuencia que se
activa es la siguiente:
Analizar
Prueba no paramtricas
K-S de 1-muestra
Edad
EDAD
N 439
Parmetros normales a,b Media 37.44
Desviacin tpica
13.20
EDAD
N 439
Parmetros normales a,b Media 37.44
Desviacin tpica
13.20
Ejercicios
CAPTULO V
COMPARACIN DE DOS O MS
POBLACIONES
Muestras Independientes
Para la comparacin de las medias de dos poblaciones
independientes respecto a una variable de inters empleando
muestras aleatorias de las mismas, por ejemplo, la comparacin
de hombres y mujeres respecto a los resultados en el test de
autoestima , una de las pruebas estadsticas ms populares es la
prueba T para muestras independientes, que est implementada
en SPSS.
La prueba T es una prueba paramtrica, o sea que slo sirve
para comparar variables numricas de distribucin normal.
Tambin, permite comparar las medias de dos categoras dentro
de una misma variable. En caso de tener que analizar variables
numricas de distribucin no normal, se debe utilizar otro tipo de
pruebas, del grupo de las no paramtricas, como la prueba U de
Mann Withney, la cual emplea rangos de las observaciones
muestrales.
La matriz de datos debe estar configurada como es habitual,
es decir, debe existir una columna para los datos de la variable de
inters y una segunda columna con los cdigos. Tambin, pueden
compararse dos variables ubicadas en diferentes columnas en la
matriz de datos.
Ejemplo
Asumamos que se est estudiando los efectos del
involucramiento de los padres (variable independiente) en los
puntajes de un test de los estudiantes (variable dependiente). La
mitad de los alumnos de octavo ao fueron asignados
aleatoriamente al grupo en que se involucr a los padres. El
profesor contact a los padres de estos estudiantes a travs del
117
El resultado es el siguiente:
Estadsticos de grupo
P rue b a d e L eve ne pa ra
la igu a lda d d e
v a ria nza s P rue b a T p ara la igu alda d d e m ed ias
9 5% Interv a lo d e
c o nfia n za pa ra la
D ife re nc ia E rro r tp. d e d iferen cia
F S ig . t gl S ig . (bila te ral) d e m e dias la dife re nc ia In fe rio r S up e rio r
P U N TA JE S e h an asu m id o
.3 37 .5 71 2 .35 6 14 .0 34 11.2 87 4 .79 1 1 .01 2 2 1.5 63
v a ria nza s ig ua les
N o s e h an a s u m id o
2 .35 6 1 3.0 65 .0 35 11.2 87 4 .79 1 .9 43 2 1.6 32
v a ria nza s ig ua les
Analizar
Compare Medias
Prueba T para muestras independientes
Total autoestima Sexo 1 2
E rro r tp . d e
se x o N M e d ia D e sv ia ci n tp. la m ed ia
tota l a u toe stim a h om bre s 1 84 3 4.0 2 4 .9 1 .36
m u jere s 2 52 3 3.1 7 5 .7 1 .36
Prueba1 Prueba2
4,50 4,90
4,70 5,20
4,30 6,20
4,60 5,00
5,60 7,30
6,00 8,30
El analista selecciona:
Analizar
Comparar medias
Prueba T para muestras relacionadas
pretest (prueba1) postest (prueba2)
E rro r tp . d e
M e d ia N D e sv ia ci n tp. la m ed ia
Par 1 PRUEBA1 4 .9 5 00 6 .68 3 4 .27 9 0
PRUEBA2 6 .1 5 00 6 1 .3 9 53 .56 9 6
N C o rre la ci n S ig.
Par 1 PRUEBA1 y PRU EBA2 6 .8 76 .0 22
ANOVA
Suma de los Media F Sig.
Cuadrados gl Cuadrtica
Entre Grupos 72.000 2 36.000 7.043 .014
Puntaje Intra Grupos 46.000 9 5.111
Total 118.000 11
Analizar
Comparar Medias
ANOVA de un factor
Factor: edad 3 grupos Dependientes:
Total autoestima
total autoestima
Estadstico
de Levene gl1 gl2 Sig.
1.303 2 433 .273
ANOVA
total autoestima
Suma de Media
cuadrados gl cuadrtica F Sig.
Inter-grupos 258.075 2 129.038 4.505 .012
Intra-grupos 12402.475 433 28.643
Total 12660.550 435
Comparaciones mltiples
total autoestima
a,b
HSD de Tukey
Subconjunto para alfa =
.05
edad 3 grupos N 1 2
18-29 149 32.60
30-44 152 33.59 33.59
45+ 135 34.50
Sig. .258 .310
Se muestran las medias para los grupos en los subconjuntos
homogneos.
a. Usa el tamao muestral de la media armnica =
144.943.
b. Los tamaos de los grupos no son iguales. Se utilizar
la media armnica de los tamaos de los grupos. Los
niveles de error de tipo I no estn garantizados.
Comparaciones mltiples
total autoestima
CAPTULO VI
ANLISIS BIVARIADO
Concepto de Asociacin
Se dice que existe asociacin entre dos variables cuando las
distribuciones de una variable no son iguales a lo largo de las
distribuciones de la otra variable.
Existen, por lo menos, tres formas de determinar si hay
asociacin en la tabla. Por supuesto, todas ellas estn relacionadas
entre si. Cuando se trabaja con dos variables a la vez, se dice que
134
Caractersticas de la Asociacin
Una asociacin puede tener las siguientes caractersticas:
existencia, intensidad, direccin y forma. Examinemos cada una
de stas.
1. Existencia Se dice que existe asociacin si las distri-
buciones de una variable son o no iguales a lo largo de
las distribuciones de la otra variable. Se utilizan para
establecer asociacin: el porcentual y el modelo de in-
dependencia o no asociacin.
2. Intensidad - Se dice que la asociacin en la tabla es
fuerte cuando la variable dependiente se distribuye de
manera diferente entre las distintas condiciones de la
variable independiente. Cuando esto no ocurre, esto es,
cuando los valores de la variable dependiente se distri-
buyen aproximadamente igual entre los valores de la
variable independiente, la asociacin es dbil. En el caso
de los datos que se examinan previamente, el gnero de
la persona no influye sobre la preferencia religiosa.
3. Direccin de la asociacin - Cuando las variables en la
tabla son por lo menos ordinales, podemos hablar de la
direccin de la asociacin. Cuando las frecuencias
de las categoras altas de la variable independiente se
asocian con las frecuencias altas (o las bajas con las ba-
jas) de la variable dependiente, se dice que la asocia-
cin es positiva. Cuando las frecuencias bajas se aso-
cian con las altas, se dice que la asociacin es negativa.
Por ejemplo, normalmente esperamos que a ms alto es
135
Ejemplo
Se desea estudiar si la preferencia religiosa de una persona
(variable dependiente) est afectada por su gnero. La teora que
se sustentara sera que los hombres tienen preferencias religiosas
distintas a las mujeres. Veamos los siguientes datos de prueba para
50 sujetos a los que se le ha preguntado su religin (c=catlico,
p=protestante) y su genro (m=mujer, h=hombre). La secuencia
que se activa es:
Analizar
Estadistica descriptiva
Tablas de contingencia
Sexo (columnas) Religiosidad (filas)
Casillas Columna
Estadstico Chi-cuadrado
S exo del su je to
h m Tota l
R eligiosidad c R ecue nto 9 13 22
% de S exo de l s ujeto 47.4 % 41.9 % 44.0 %
p R ecue nto 10 18 28
% de S exo de l s ujeto 52.6 % 58.1 % 56.0 %
Tota l R ecue nto 19 31 50
% de S exo de l s ujeto 100 .0% 100 .0% 100 .0%
137
R ecuento
fum ador(a)
s no Total
sexo hom bres 33 151 184
m ujeres 52 200 252
Total 85 351 436
S ig . a s in t tic a S ig . e x a c ta S ig . e x a c ta
Va lo r gl
(b ila te ra l) (b ila te ra l) (u n ila te r a l)
C h i-c u a d ra d o d e P e a rs o n .4 9 4 b 1 .4 8 2
C o rr e c c i n p o r c o n tin u id a da
.3 3 7 1 .5 6 2
R a z n d e v e r o s im ilitu d .4 9 7 1 .4 8 1
E s ta d s tic o e x a c to d e
.5 4 1 .2 8 2
F is h e r
A s o c ia c i n lin e a l p o r lin e a l .4 9 3 1 .4 8 3
N d e c a s o s v lid o s 4 36
a . C a lc u la d o s lo p a ra u n a ta b la d e 2 x 2 .
b . 0 c a s illa s (.0 % ) tie n e n u n a fre c u e n c ia e s p e ra d a in fe rio r a 5 . L a fr e c u e n c ia m n im a
e s p e r a d a e s 3 5 .8 7 .
a b S ig .
Va lo r E rror tp. a s in t. T a p roxim a d a a p ro xim ad a
N o m ina l p o r C o e ficien te de
.0 34 .4 82
n o m in a l co n tin g e n cia
N d e ca so s vlido s 436
a . A su m ie nd o la h ip tes is a lte rna tiva .
b . E m p le an d o e l e rro r tp ico a sint tico ba sa d o e n la h ip tesis n u la .
R e cu en to
fu en te de l e strs
sa lud /enfe vid a en
trab ajo e spo sa re lac ion es n io s fa m ilia rm e da d g ene ral 8 9 To ta l
se xo h om bres 110 3 5 5 6 6 13 24 7 1 79
m uje res 114 9 7 20 21 14 19 30 9 2 43
To ta l 2 24 12 12 25 27 20 32 54 16 4 22
Valor gl S ig . a s in t tic a
(b ilate ra l)
C h i-c ua d ra d o d e P e ar s o n 1 6.6 5 7 a 8 .0 3 4
C o rrec ci n p o r c o n tin u id ad
a b S ig.
Valor E rror tp. asint. T aproxim ada ap roxim ada
N om inal por C oeficiente de
.195 .034
no m inal contingencia
N de casos vlidos 42 2
a. A sum iendo la hiptesis alternativa.
b. E m pleando el error tpico asinttico basado en la hiptesis nula.
CORRELACIN LINEAL
Cuando se tienen observaciones formadas por una pareja de
valores a partir de dos variables, surge la pregunta o necesidad de
conocer acerca de si las variables estarn o no relacionadas y qu
tan fuerte es esa relacin. Para saber esto, generalmente se piensa
en obtener un coeficiente de correlacin que nos indique el grado
de relacin lineal entre las variables, pero debe tenerse cuidado
de no interpretarlo como una medida de la relacin causal entre
las variables y tambin tomar en cuenta que si la relacin no es
lineal, la correlacin no detecta la relacin existente entre las
variables.
En la estadstica paramtrica, se puede calcular el coeficiente
de correlacin de Pearson, que se puede aplicar a variables que se
miden en escala de intervalo o razn, pero bajo el supuesto de
que los datos se distribuyen en base a una distribucin normal
bivariada, pero cuando esto no se cumple, o cuando la escala de
medida solamente es ordinal, es preferible usar una medida de
asociacin de las que se tienen en la estadstica no paramtrica.
El coeficiente de correlacin lineal mide el grado de relacin
lineal que existe entre dos variables. Supongamos que queremos
141
120 100
100
80
80
60
60
40
40
20
20 Desv. tp. = 5.85 Desv. tp. = 7.07
Media = 26.7 Media = 19.4
0 N = 433.00 0 N = 435.00
12.5 17.5 22.5 27.5 32.5 37.5 42.5 10.0 15.0 20.0 25.0 30.0 35.0 40.0
15.0 20.0 25.0 30.0 35.0 40.0 45.0 12.5 17.5 22.5 27.5 32.5 37.5
Analizar,
Correlaciones
Bivariadas
Total afecto negativo. Total estrs percibido
Pearson
Diagrama de Dispersin
El analista tambin explora los datos a travs de un diagrama
de dispersin. Selecciona Grfico, Dispersin y aparecer la
siguiente pantalla:
145
Diagrama de Dispersin
Total Escala Autoestima - Total Escala Optimis
50
40
30
total autoestima
20 sexo
mujeres
10 hombres
0 10 20 30 40
total optimismo
Diagrama de Dispersin
Total Esc. Autoestima - Total Esc. Optimismo
50
40
30
total autoestima
20 sexo
mujeres
10 hombres
0 10 20 30 40
total optimismo
Analizar
Correlaciones
Bivariadas
Edad 3 grupos [edadgr3] Fumador(a) [fumador]
150
Recuento
fumador(a)
s no Total
edad 3 18-29 34 114 148
grupos 30-44 34 119 153
45+ 17 118 135
Total 85 351 436
Pruebas de chi-cuadrado
Sig. asinttica
Valor gl (bilateral)
Chi-cuadrado de Pearson 5.964a 2 .051
Correccin por continuidad
Medidas simtricas
Sig.
a b
Valor Error tp. asintT aproximadaaproximada
Ordinal por ordinGamma .213 .092 2.248 .025
N de casos vlidos 436
a. Asumiendo la hiptesis alternativa.
b. Empleando el error tpico asinttico basado en la hiptesis nula.
REGRESIN LINEAL
Muchas veces en un estudio no slo basta con conocer si existe
o no una relacin entre dos variables sino que tambin interesa
conocer el tipo de relacin existente y la prediccin de una con
respecto a la otra.
Representamos en un grfico los pares de valores de una
distribucin bidimensional: la variable x en el eje horizontal o
eje de abscisas, y la variable y en el eje vertical, o eje de
ordenadas. Vemos que la nube de puntos sigue una tendencia lineal:
Ejemplo
En el siguiente ejemplo se desea estudiar que influencia tiene
la edad en la resistencia al ejercicio fsico, tomada una muestra
de 20 sujetos a los cuales se les aplic un test de resistencia fsica,
midiendo el tiempo (segundos) que duraban sin fatigarse.
Sujeto 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Edad 19 21 21 22 22 22 23 23 24 24 24 25 26 27 27 31 32 34 35 35
Resistencia 41 43 42 45 42 40 43 44 41 42 45 50 55 47 49 49 51 60 53 56
55
50
45
40
20 25 30 35
Edad
R c u a d ra d o E rro r tp . d e la
M o d e lo R R c u a d ra d o c o rre g id a e s tim a c i n
1 .8 5 3 a .7 2 8 .7 1 3 3 .0 8
a . Va ria b le s p re d ic to ra s : (C o n s ta n te ), E d a d
b . Va ria b le d e p e n d ie n te : R e sis te n cia a l e s fu e rz o fs ic o
AN OVAb
Sum a de M e d ia
c ua d ra d o s gl c ua d r tic a F S ig .
M o d elo
1 R e g re si n 4 5 6.90 0 1 4 5 6.90 0 4 8 .1 23 .0 0 0 a
R e sid ua l 1 7 0.90 0 18 9 .4 9 4
Tota l 6 2 7.80 0 19
a . Va riab les p red ic to ras : (C o n s ta nte ), E d ad
b . Va riab le de p e n dien te: R e s is te nc ia al e sfu erz o fs ic o
C o e fic ie n te s
C o e fic ie n te s n o e s ta n da ri
e s ta n da riz a do s z a do s
M o d e lo B E rro r tp . B e ta t S ig .
1 (C o n s ta n te ) 2 1 .3 1 9 3 .7 5 1 5 .6 8 3 .0 0 0
Edad .9 9 0 .1 4 3 .8 5 3 6 .9 3 7 .0 0 0
a . Va ria ble d e pe n d ie n te : R e siste nc ia a l e s fu e rz o fs ic o
G rfico de dispersin
Variable depen diente: R esistencia al e sfu erzo fsico
3
2
R eg res in R e sid u o tipifica d o
-1
-2
-1.5 -1.0 -.5 0 .0 .5 1 .0 1 .5 2 .0
.7 5
Prob a cum e sp era da
.5 0
.2 5
0 .0 0
0 .0 0 .2 5 .5 0 .7 5 1 .0 0
R cu a d ra d o E rro r tp . d e la
R R cu a d ra d o c o rre g id a e s tim a ci n
M o d e lo
1 .2 0 1 a .0 4 0 .0 3 8 4 .3 4
a . Va ria ble s pre d ic to ra s : (C o n sta nte ), E D A D
b . Va ria ble d e pe n d ie n te : to ta l o p tim is m o
Cuadro 6.13. Resumen del modelo.
A NOVA b
S um a de gl M edia F S ig.
M ode lo cua drados cua drtica
1 R egresin 342.8 62 1 342.8 62 18.17 1 .000 a
R esidua l 8170 .159 433 18.86 9
Tota l 8513 .021 434
a. Variables predictoras: (Constante), E D AD
b. Variable de pendien te: total optim ism o
C oeficie ntes a
C oe ficie n te s
C oe ficie n te s n o e sta nd ari
e sta nd ariz ad os z ad os t S ig .
M o de lo B E rro r tp . B e ta
1 (C o ns tan te) 1 9.59 3 .62 8 3 1.21 6 .00 0
ED AD 6 .7 47 E -0 2 .01 6 .20 1 4 .2 63 .00 0
a . Variab le d ep en die n te : to ta l op tim ism o
.7 5
Pro b a c u m e spe r ad a
.5 0
.2 5
0 .0 0
0 .0 0 .2 5 .5 0 .7 5 1 .0 0
3
Re g res in Re sid u o tip ificad o
-1
-2
-4 -3 -2 -1 0 1 2
Ejercicios
En la pgina Web http://members.tripod.com/experimentum/
spssds.html#6 aparecen los siguientes datos y las pruebas
estadsticas que se aplicaron. Examine la propiedad de los
procedimientos aplicados y las interpretaciones que se hace de
ellos.
ETIQUETAS:
edocivil (Estado civil): 1= casado , 0= soltero.
Antigued (Antiguedad en el puesto, en aos)
antig2 (Antiguedad en el puesto ): 1= 5 aos o menos ,
2= 6- 11 aos , 3= 11-15 aos, 4= 16-20 aos.
satlab1 (Satisfaccin laboral en el puesto 1) 1= nada satisfecho,
2= algo satisfecho , 3= bastante satisfecho ,
4= totalmente satisfecho.
satlab1b (Satisfaccin laboral en el puesto 1): 1= alta,
0= baja.
satlab2 (Satisfaccin laboral en el puesto 2): 1= nada satisfecho,
2= algo
satisfecho , 3= bastante satisfecho ,
4= totalmente satisfecho.
163
DATOS:
sujeto edocivil antigued antig2 satlab1 satlab1b satlab2
1 1 10 2 4 1 3
2 1 7 2 3 1 2
3 1 15 3 4 1 3
4 0 2 1 1 0 2
5 1 5 1 3 1 4
6 1 10 2 2 0 3
7 0 1 1 1 0 1
8 0 2 1 2 0 3
9 0 5 1 1 0 2
10 1 6 2 3 1 1
11 0 2 1 2 1 3
12 1 20 4 4 1 3
13 0 3 1 2 0 4
14 0 2 1 2 1 4
15 0 3 1 1 0 2
16 0 4 1 2 0 3
17 1 8 2 3 1 4
18 1 15 3 3 0 2
19 0 1 1 1 0 2
20 0 9 2 3 0 1
21 1 4 1 1 1 2
22 0 20 4 4 1 3
23 0 3 1 1 0 2
24 1 8 2 3 1 3
25 1 5 1 4 1 4
26 0 2 1 1 0 1
27 0 2 1 2 1 3
28 0 6 2 4 0 2
29 1 6 2 3 1 3
30 1 4 1 2 0 1
164
Resultados:
Nro. Variables
usadas. Coeficiente Valor Probabilidad H.nula
1.a satlab1, Chi-cuadrado 11,58 0,009* rechazo
edocivil
satlab1b, Coeficiente Phi 0,535 0,003* rechazo
edocivil
satlab1, Coef. de 0,528 0,009* rechazo
edocivil contingencia
satlab1, V de Cramer 0,621 0,009* rechazo
edocivil
satlab1, Lambda Simet. 0,389 0,01* rechazo
edocivil satlab (VD) 0,273 0,021* rechazo
edocivil (VD) 0,x71 0,02* rechazo
1.b antig2, Gamma 0,144 0,516 acepto
satlab2
antig2, Tau-b de 0,096 0,516 acepto
satlab2 Kendall
antig2, Eta antig2 (VD) 0,467
satlab2 satlab2 (VD) 0,146
Correlacin 0,108 0,57 acepto
de Spearman
1.c satlab1, Kappa -0,03 0,777 acepto
satlab2
165
CAPTULO VII
Ejemplo
En la evaluacin que hemos realizado de un instrumento para
medir los roles de los directivos, apoyados en la teora de H.
Mintzberg, aplicamos el anlisis de temes desde el punto de vista
de su confiabilidad, correlacin entre los temes y los ndices de
homogeneidad (estos ltimos corresponden a lo que en la teora
clsica se denominan ndice de discriminacin). El resultado
fue el siguiente cuando analizamos el rol del directivo como
cabeza visible.
tem 1 2 3 4 5 6 7
1 1.00
2 .18 1.00
3 .11 -.01 1.00
4 .16 .21 -.06 1.00
5 .13 .47 .17 .12 1.00
6 .05 -.07 .20 .18 .03 1.00
7 .26* .10 -.06 .17 .19 -.12 1.00
*correlaciones significativas.
Resumen de la escala:
Mean=29.9351 Std.Dv.=2.60737 Valid N:77
Cronbach alpha: .469787
Standardized alpha: .474733
Average inter-tem corr.: .116831
tem-total Statistics
Scale Scale Corrected
Mean Varianc tem- Alpha
if tem if tem Total if tem
Deleted Deleted Correlation Deleted
Reliability Coefficients
N of Cases = 436.0 N of temes = 10
Alpha = .8541
D e sv ia c i n
M e d ia tpica N d el an lis is
SEST1 3 .6 7 .59 4 36
SEST2 3 .7 5 .52 4 36
SEST3 3 .6 2 .68 4 36
SEST4 3 .4 1 .74 4 36
SEST5 3 .4 0 .93 4 36
SEST6 3 .2 8 .79 4 36
SEST7 2 .9 6 1 .0 8 4 36
SEST8 3 .1 7 .83 4 36
SEST9 2 .9 6 1 .0 2 4 36
S E S T 10 3 .2 9 .97 4 36
Estos datos son interesantes puesto que nos dan cierta idea
de la calidad de nuestros temes, sobre todo aqullos, cuyos valores
de la media y la desviacin tpica son muy altos o muy bajos.
El paso siguiente es calcular la matriz de correlaciones entre
las variables y el determinante de dicha matriz. Si las relaciones
entre los temes son pequeas, es poco probable que se encuentren
factores comunes o dimensiones. En la tabla 2, se ha calculado la
correlacin de cada tem consigo mismo y con el resto de los
temes que forman parte de la escala. Si se estudia detenidamente
esta matriz, se observa que los temes estn correlacionados a un
nivel de significancia del 5%, aunque esta corrrelacin es, en
general, baja. Por lo tanto, tendra sentido realizar el anlisis
factorial.
M atriz de correlacionesa
S E S T1 S E S T2 S E S T3 S E S T4 S E S T5 S E S T6 S E S T7 S E S T8 S E S T9 S E S T1 0
C orrelac i n S E S T1 1 .00 0 .6 24 .3 68 .3 59 .2 46 .4 43 .3 08 .4 32 .2 71 .2 50
S E S T2 .6 24 1 .00 0 .4 57 .4 19 .2 75 .4 91 .3 26 .4 28 .2 61 .2 55
S E S T3 .3 68 .4 57 1 .00 0 .3 57 .4 77 .4 15 .3 81 .4 64 .3 97 .3 82
S E S T4 .3 59 .4 19 .3 57 1 .00 0 .2 48 .4 07 .3 03 .3 91 .2 89 .2 39
S E S T5 .2 46 .2 75 .4 77 .2 48 1 .00 0 .2 96 .2 76 .3 79 .3 25 .2 60
S E S T6 .4 43 .4 91 .4 15 .4 07 .2 96 1 .00 0 .5 87 .6 43 .4 90 .4 25
S E S T7 .3 08 .3 26 .3 81 .3 03 .2 76 .5 87 1 .00 0 .5 06 .4 71 .4 18
S E S T8 .4 32 .4 28 .4 64 .3 91 .3 79 .6 43 .5 06 1 .00 0 .4 24 .3 92
S E S T9 .2 71 .2 61 .3 97 .2 89 .3 25 .4 90 .4 71 .4 24 1 .00 0 .6 07
S E S T1 0 .2 50 .2 55 .3 82 .2 39 .2 60 .4 25 .4 18 .3 92 .6 07 1 .00 0
S ig . (U nilateral) S E S T1 .0 00 .0 00 .0 00 .0 00 .0 00 .0 00 .0 00 .0 00 .0 00
S E S T2 .0 00 .0 00 .0 00 .0 00 .0 00 .0 00 .0 00 .0 00 .0 00
S E S T3 .0 00 .0 00 .0 00 .0 00 .0 00 .0 00 .0 00 .0 00 .0 00
S E S T4 .0 00 .0 00 .0 00 .0 00 .0 00 .0 00 .0 00 .0 00 .0 00
S E S T5 .0 00 .0 00 .0 00 .0 00 .0 00 .0 00 .0 00 .0 00 .0 00
S E S T6 .0 00 .0 00 .0 00 .0 00 .0 00 .0 00 .0 00 .0 00 .0 00
S E S T7 .0 00 .0 00 .0 00 .0 00 .0 00 .0 00 .0 00 .0 00 .0 00
S E S T8 .0 00 .0 00 .0 00 .0 00 .0 00 .0 00 .0 00 .0 00 .0 00
S E S T9 .0 00 .0 00 .0 00 .0 00 .0 00 .0 00 .0 00 .0 00 .0 00
S E S T1 0 .0 00 .0 00 .0 00 .0 00 .0 00 .0 00 .0 00 .0 00 .0 00
a . D eterm in an te = 2.25 7E-0 2
KM O y prueba de Bartlett
Analizar
Reduccin de datos
Anlisis factorial
Descriptivos
Descriptivos univariados Coeficientes KMO
y prueba de esferecidad de Bartlett
Extraccin
Extraer Nmero de factores: 2
186
SES T1 SES T2 SES T3 SES T4 SES T5 SES T6 SES T7 SES T8 SES T9 SES T10
C ovarianza a nti-imagen SES T1 .569 -.248 -1.039E-02 -4.205E-02 -6.765E-03 -2.989E-02 -3.620E-04 -6.388E-02 -1.217E-02 -4.188E-03
SES T2 -.248 .504 -.112 -9.721E-02 -5.818E-03 -8.655E-02 5.849E-03 -3.609E-04 3.649E-02 8.085E-04
SES T3 -1.039E-02 -.112 .581 -5.772E-02 -.202 1.188E-02 -3.970E-02 -6.437E-02 -4.141E-02 -6.761E-02
SES T4 -4.205E-02 -9.721E-02 -5.772E-02 .736 -2.218E-02 -5.304E-02 -1.214E-02 -5.375E-02 -3.327E-02 1.011E-02
SES T5 -6.765E-03 -5.818E-03 -.202 -2.218E-02 .729 1.867E-02 -8.448E-03 -8.370E-02 -6.539E-02 8.412E-03
SES T6 -2.989E-02 -8.655E-02 1.188E-02 -5.304E-02 1.867E-02 .428 -.149 -.164 -7.375E-02 -2.595E-02
SES T7 -3.620E-04 5.849E-03 -3.970E-02 -1.214E-02 -8.448E-03 -.149 .583 -7.105E-02 -7.964E-02 -5.451E-02
SES T8 -6.388E-02 -3.609E-04 -6.437E-02 -5.375E-02 -8.370E-02 -.164 -7.105E-02 .493 -7.861E-03 -3.009E-02
SES T9 -1.217E-02 3.649E-02 -4.141E-02 -3.327E-02 -6.539E-02 -7.375E-02 -7.964E-02 -7.861E-03 .531 -.248
SES T10 -4.188E-03 8.085E-04 -6.761E-02 1.011E-02 8.412E-03 -2.595E-02 -5.451E-02 -3.009E-02 -.248 .588
C orrelacin anti-im agen SES T1 .848 a -.463 -1.807E-02 -6.497E-02 -1.051E-02 -6.056E-02 -6.287E-04 -.121 -2.213E-02 -7.240E-03
SES T2 -.463 .824 a -.207 -.160 -9.596E-03 -.186 1.079E-02 -7.235E-04 7.050E-02 1.485E-03
SES T3 -1.807E-02 -.207 .892 a -8.823E-02 -.310 2.381E-02 -6.820E-02 -.120 -7.453E-02 -.116
SES T4 -6.497E-02 -.160 -8.823E-02 .947 a -3.027E-02 -9.446E-02 -1.853E-02 -8.918E-02 -5.320E-02 1.536E-02
SES T5 -1.051E-02 -9.596E-03 -.310 -3.027E-02 .875 a 3.341E-02 -1.296E-02 -.140 -.105 1.285E-02
SES T6 -6.056E-02 -.186 2.381E-02 -9.446E-02 3.341E-02 .875 a -.298 -.357 -.155 -5.171E-02
SES T7 -6.287E-04 1.079E-02 -6.820E-02 -1.853E-02 -1.296E-02 -.298 .915 a -.132 -.143 -9.309E-02
SES T8 -.121 -7.235E-04 -.120 -8.918E-02 -.140 -.357 -.132 .902a -1.536E-02 -5.585E-02
SES T9 -2.213E-02 7.050E-02 -7.453E-02 -5.320E-02 -.105 -.155 -.143 -1.536E-02 .849 a -.444
SES T10 -7.240E-03 1.485E-03 -.116 1.536E-02 1.285E-02 -5.171E-02 -9.309E-02 -5.585E-02 -.444 .850 a
a. M edida de adecuacin m uestral
Com unalidades
E x tra c cin
SEST1 .6 5 6
SEST2 .7 2 7
SEST3 .4 8 9
SEST4 .4 3 1
SEST5 .2 9 8
SEST6 .6 2 8
SEST7 .5 4 2
SEST8 .5 9 0
SEST9 .6 9 8
SEST10 .6 4 7
M to do d e e xtra cc i n : A n lis is d e C o m po n en te s p rin c ip a le s.
Tabla 7.5 Comunalidades.
La tabla 7.6 nos entrega los autovalores y el total de varianza
explicada por las componentes cuyos autovalores son mayores que
1. Se observa que la primera componente explica el 45,4%
aproximadamente de la varianza y la segunda componente el
11,7%, explicando ambas el 57,1% de la varianza, siendo este
porcentaje considerado razonable.
C o m p o ne n te
1 2
SEST3 .6 9 8 4 .1 5 2 E -0 2
SEST4 .5 8 6 .2 9 5
SEST5 .5 4 3 -5 .28 E -0 2
SEST6 .7 9 2 -2 .75 E -0 2
SEST7 .6 9 1 -.2 55
SEST8 .7 6 8 3 .0 7 5 E -0 3
SEST9 .6 7 6 -.4 90
SE ST10 .6 2 7 -.5 03
SEST1 .6 3 9 .4 9 8
SEST2 .6 7 6 .5 1 9
M to d o d e e x trac c i n : A n lis is d e c o m p on e n te s p rin cipa les .
a . 2 c o m p o ne n te s e x tra d o s
C o m po nen te
1 2
S E ST3 .4 7 7 .5 11
S E ST4 .2 2 2 .6 1 8
S E ST5 .4 3 0 .3 3 6
S E ST6 .5 9 3 .5 2 6
S E ST7 .6 7 6 .2 9 1
S E ST8 .5 5 4 .5 3 2
S E ST9 .8 2 8 .111
S E ST1 0 .8 0 1 6 .7 73E -0 2
S E ST1 .11 9 .8 0 1
S E ST2 .1 3 2 .8 4 2
M tod o d e extra cc i n: An lisis de c om p o ne ntes p rinc ipa le s.
Ejercicios
1. Un equipo de psiclogos disea una prueba para medir
inteligencia espacial. Para ello seleccionan una muestra de
siete personas y les aplican la prueba. Transcurridos dos meses,
vuelve a aplicar el mismo test a los mismos sujetos. Las
puntuaciones de las dos aplicaciones fueron las siguientes:
PRUEBA FI F II F III
E1 0,877 0,068 0,090
E2 0,849 0,055 0,201
E3 0,791 0,003 0,076
E4 0,514 0,061 0,257
N1 0,014 0,853 0,090
N2 0,106 0,765 0,012
N3 0,082 0,643 0,114
P1 0,360 0,028 0,720
P2 0,243 0,066 0,687
ANEXO I
Hiptesis de Investigacin
Las hiptesis de investigacin son las hiptesis sustantivas
que guan la investigacin, por estar fundamentadas tericamente.
Deben estar siempre expresadas como posibles contestaciones a
una o varias preguntas de investigacin. Adems, se formulan en
trminos de las relaciones que existen entre las variables del
estudio.
Por ejemplo, en un estudio sobre las edades de los estudiantes
de Educacin General Bsica (EGB), podramos preguntarnos (esta
sera nuestra pregunta de investigacin): Cmo es el nivel de
edades de los estudiantes de EGB respecto al resto de estudiantes
de la universidad?
199
Hiptesis Estadsticas
Las Hiptesis Estadsticas corresponden a la traduccin de
la Hiptesis de Investigacin en trminos de aseveraciones o
conjeturas acerca de la distribucin de una o ms variables.
Especficamente, las hiptesis estadsticas pueden referirse a
parmetros poblacionales (Medias, Proporciones, Varianzas etc.)
o a la forma de la distribucin (Normal, Uniforme etc.).
Operativamente se consideran la Hiptesis Nula (H0) y la
Hiptesis Alternativa (H1). La primera, generalmente, establece
lo conocido o lo conservador, mientras que la segunda, que es
complementaria a la anterior, refleja lo novedoso o lo que
usualmente interesa al investigador. Ambas hiptesis agotan las
posibles alternativas, en cuanto a valores de parmetros o formas
de distribucin.
Siguiendo con el ejemplo, supongamos que se conoce la edad
media de los estudiantes de la universidad, y es igual a 22,8 aos.
Ese valor es una caracterstica de la poblacin lo que se denota
como m=22,8 aos. Entonces, las hiptesis sobre la edad media
de los estudiantes de EGB se formularn respecto a este valor.
200
Prueba de Hiptesis
La Prueba de Hiptesis es el procedimiento o la regla de
decisin que se emplea para decidir sobre la aceptacin o no de
la Hiptesis Nula. Se denomina genricamente prueba en SPSS.
La Prueba de Hiptesis consiste en suponer verdadera la
Hiptesis Nula y derivar las consecuencias que ello implica.
Finalmente, se contrastan las consecuencias mencionadas con la
informacin que aporta la muestra de la poblacin, resumida en
los estimadores respectivos que se denominan estadsticos de
prueba. Si los resultados muestrales son coherentes con las
consecuencias, ello se interpreta como que la Hiptesis Nula
efectivamente es verdadera y se decidir aceptarla. Por el
contrario, si los resultados muestrales no son coherentes con las
consecuencias, ello se interpreta como que la Hiptesis Nula no
es verdadera y se decidir no aceptarla (y se aceptar su
complemento, la Hiptesis Alternativa). La decisin, en cualquier
caso, involucra riesgos de equivocarse.
201
ANEXO II
1. ALFA DE CRONBACH (a
a)
Se pueden emplear los resultados entregados por SPSS para
complementar el estudio de la confiabilidad mediante la
aplicacin de pruebas o clculo de intervalos de confianza
respectivos. Para esto se emplea el estadstico de prueba
F=(1-a)/(1-a0) el cual tiene una Distribucin F con (N-1) y
(N-1)(n-1) grados de libertad, siendo N el nmero de sujetos
en la muestra, n el nmero de temes del test, a el valor
poblacional postulado y a0 el valor obtenido en la muestra .
(No confundir la notacin de este alfa de Cronbach con el
empleado para el nivel de significacin).
206
Hip. Nula: a = 0
Se pueden plantear pruebas unilaterales o bilaterales
Decisin: Si F observado es mayor al F de tabla con (N-1) y
(N-1)(n-1) grados de libertad, se rechaza la Hiptesis Nula.
Ejemplo:
Para un test de inteligencia espacial, con 50 temes, se plantea
la Hiptesis que el Coeficiente Alfa de Cronbach es mayor
que cero.
H0 : a 0 versus H1 : a > 0
Los resultados de la aplicacin a una muestra de 40 personas
presentan un valor de Alfa de Cronbach a0 =0,75. Por lo
tanto:
F0=(1-0)/(1-0,75)=4
Si se emplea un nivel de significacin del 5%, se compara el
valor antes calculado con el entregado por la tabla F con
(40-1) y (10-1)(40-1) grados de libertad, esto es 39 y 351
grados de libertad. El valor ms cercano en la tabla F para
F(0,95; 39; 351) es 1,39 (para 40 e infinitos grados de
libertad).
Luego, dado que el valor calculado para F0=4 es mayor que
1,39 se concluye que la Hiptesis Nula es rechazada y por lo
tanto, se acepta que a>0 esto es, la confiabilidad de la escala
es significativa.
3. ASIMETRIA
Indica el grado de simetra o asimetra de la distribucin
Interpretacin del Coeficiente (Estadstico):
<1: Distribucin asimtrica negativa (cola ms larga hacia
la izquierda)
=0: Distribucin simtrica
>1: Distribucin asimtrica positiva (cola ms larga hacia
la derecha)
Error Tipico: Indica la estimacin de la variabilidad del
coeficiente
208
7. CURTOSIS
Indica el grado de apuntamiento de la distribucin en
comparacin con la distribucin Normal (con su misma Media
y Desv. Tpica)
Interpretacin del Coeficiente (Estadstico):
<1 : Distribucin ms aplastada que la Normal
(platicrtica).
=0 : Distribucin igualmente apuntada que la Normal
(mesocrtica).
>1 : Distribucin ms apuntada que la Normal
(leptocrtica).
Error Tipico:
Indica la estimacin de la variabilidad del coeficiente
Coeficiente estandarizado= Coeficiente/Error Tpico (no lo
entrega SPSS)
Para n>150 se distribuye aproximadamente como normal.
211
8. KAPPA
Se emplea para medir acuerdo entre jueces que califican los
mismos objetos o sujetos. Toma el valor 1 para el acuerdo
perfecto y 0 para desacuerdo completo. Para valores
intermedios se proponen los siguientes conceptos:
Menos de 0,40 Acuerdo pobre.
0,40 a 0,75 Buen nivel de acuerdo.
Mayor de 0,75Excelente nivel de acuerdo.
Hip. Nula: k=0
Decisin: Si p observado es menor que nivel fijado (p.ej 0,05 o
5%) se rechaza la Hip. Nula
212
Ejemplo:
En la evaluacin de candidatos a un cargo realizadas por 2
jueces, se obtienen los siguientes resultados:
Medida de acuerdo Kappa=0,4728 p=0,000.
Decisin: Se rechaza Hip. Nula. Existe acuerdo (moderado) entre
jueces.
9. KOLMOGOROV-SMIRNOV
Esta prueba se emplea para comparar distribuciones:
- Como (K-S Lilliefors) en Procedimiento Explorar/Grficos
se emplea para determinar si una distribucin emprica tiene
una distribucin Normal.
- Como (K-S Z) en Procedimiento Estadstica No
Paramtrica se emplea para comparar una distribucin
emprica con otras distribucines (Normal, Uniforme, Poisson)
o para comparar si dos muestras tienen una misma distribucin.
Hip. Nula: Distribucin emprica se ajusta a distribucin Normal
(con media y desv. estndar estimadas desde la muestra).
Decisin: Si p observado es menor que nivel fijado (p.ej 0,05 o
5%) se rechaza Hip. Nula.
Ejemplo:
Se prueba si una distribucin emprica se ajusta a la Normal:
K-S (Lilliefors)=0,1343 con 118 g.l p=0,0000.
Decisin: Se rechaza Hip. Nula, distribucin que se prueba no se
ajusta a la Normal.
10. LEVENE
Esta prueba tiene por objetivo analizar si las varianzas de
213
Ejemplo:
Se estudi de la relacin entre Resistencia al esfuerzo (var.
Dependiente) y Edad (var. Independiente).
a) En tabla de COEFICIENTES respectiva en Lnea indicada
como (Constante):
t=5,683 Sig.=0,000.
Decisin: Se rechaza Hip. Nula. El intercepto es diferente a 0.
b) En la misma tabla de COEFICIENTES en Lnea indicada
como Edad:
t=6,937 Sig.=0,000.
Decisin: Se rechaza Hip. Nula. La pendiente es diferente a 0.
Observacin: Notar que t2 =6,9372 =48,123 =F.
17. SHAPIRO-WILKS
Es similar a Kolmogorov-Smirnov para probar normalidad.
218
I.S.B.N. 956-291-627-8
Registro de Propiedad Intelectual N 130.367
219