Documente Academic
Documente Profesional
Documente Cultură
1. Introducción
Estos apuntes son un resumen de las clases prácticas de SPSS de la asignatura de TAIP.
En ellos hay algunas nociones de la teoría que he ido subiendo en este tiempo que será
necesaria saber para realizar los análisis e interpretarlos.
La técnica del contraste de hipótesis permite comparar las medias entre uno o dos
grupos, observando si son iguales o presentan diferencias estadísticamente
significativas, y eso es precisamente lo que se analiza en el SPSS.
Pinchando en “Analizar > Comparar medias > Prueba T para una muestra” nos saldrá
una ventana como la que se presenta a continuación.
Aceptando el análisis nos aparece esta ventana, donde debemos observar el cuadro
“Sig. (bilateral)”. En él se ve que p = 0,731 (≥ 0,05), lo que indica que el contraste es
significativo y rechazamos la hipótesis nula, pues hay evidencias estadísticamente
significativas de que la media del Cansancio Emocional no es igual a 24.
Pinchando en “Analizar > Comparar medias > Prueba T para muestras independientes”
nos saldrá una ventana como la que se presenta a continuación.
Al abrirse esta ventana hemos de introducir la variable que deseamos analizar (CE1) y
la variable cuyos grupos queremos comparar (Sexo). Antes de aceptar se debe pinchar
en “Definir grupos” y codificar cada grupo con un valor para analizarlos, en este caso
“Hombres = 1” y “Mujeres = 2”. Una vez hecho pulsamos aceptar.
En esta nueva ventana aparecen dos tablas, la que nos interesa es la de abajo. En
primer lugar se ha de averiguar si las varianzas entre los grupos son homogéneas, es
decir, iguales. El p valor asociado a las varianzas es = 0,03 es decir, significativo, con lo
que las varianzas no se asumen iguales.
Pinchando en “Analizar > Comparar medias > Prueba T para muestras relacionadas”
nos saldrá una ventana como la que se presenta a continuación.
Nos saldrá una ventana como esta en la que deberemos seleccionar las variables que
deseamos comparar. En este caso hemos arrastrado la variable “ansiedad 1” y la
variable “ansiedad 2”. Aceptemos y analicemos si existen diferencias entre estos
momentos temporales.
En la casilla “Sig. (bilateral)” observamos que p = 0,024 (< 0,05), es decir, significativo,
con lo que se rechaza la hipótesis nula y se concluye que hay diferencias
estadísticamente significativas entre la ansiedad de estos dos momentos temporales,
habiéndose producido una mejora de esta (dado que la ansiedad del momento 2 es
menor que la del momento 1).
3. El ANOVA en SPSS
El ANOVA es una técnica que nos permite comparar las medias de tres o más grupos
de sujetos. En función de las características de las muestras nos encontramos con
diferentes tipos de ANOVA, cada uno con su respectivo procedimiento.
Pinchando en “Analizar > Comparar medias > ANOVA de un factor” nos saldrá una
ventana como la que se muestra a continuación.
En esta ventana habremos de introducir la V.D. que queremos analizar (en este caso
Despersonalización “D1”) y la V.I. o el factor cuyos grupos queremos comparar (por
ejemplo Tipo de Servicio “Servicio2”).
Homocedasticidad varianzas
Este tipo de pruebas no son siempre necesarias, pues se puede prescindir de ellas en el
caso de que el contraste no sea significativo. Sin embargo en este caso lo es, y como no
se cumple el supuesto de homocedasticidad de varianzas hemos de observar la tabla
relativa a las pruebas de “Games-Howell”.
En este caso, los únicos grupos que tienen diferencias estadísticamente significativas
en la variable de “Despersonalización” (D1) son “Área Médica-Urgencias”.
En la ventana que se nos abre a continuación no hay que rellenar todos los apartados,
y hay que seguir los siguientes pasos:
3º paso) Pinchar “Opciones > Factor a mostrar medias > Comparar efectos
principales > Bonferroni”
Una vez realizados todos estos trámites volvemos a la ventana de “Medidas repetidas”
y le damos a aceptar. En la siguiente nos aparecerán bastantes tablas, y en primer
lugar tendremos que comprobar la homocedasticidad de las varianzas poblacionales
con la “Prueba de esfericidad de Mauchly”.
Si el contraste principal del ANOVA no sale significativo el análisis habría acabado. Sin
embargo, sale significativo, con lo que hay diferencias estadísticamente significativas
entre los grupos. Por tanto, habrá que observar la siguiente tabla, las “Comparaciones
por pares”.
Para proceder al análisis del ANOVA multifactorial habremos de pinchar en “Analizar >
Modelo general lineal > Univariado (1 sola V.D.)”
En la siguiente ventana seleccionaremos la V.D. que nos interesa analizar y los dos
factores cuyos efectos queremos comparar. No hay que olvidar que al tener varias V.I.
tendremos que observar los efectos de cada una de estas variables por separado y su
interacción.
Una vez realizado todo esto pulsamos aceptar, y nos saldrá el análisis global. La tabla
de factores inter-sujetos muestra los niveles de cada V.I. (modalidades de la variable).
El número de grupos que obtenemos será el producto de estos niveles (sus posibles
combinaciones entre ellos). Cada uno de estos grupos tiene un “p valor asociado” que
indica si hay efecto o no.
Si existiera interacción entre los factores, o si alguno de los factores resultara efectivo,
el modelo corregido saldría significativo (p < 0,05) mostrando que algo ha cambiado
después de aplicar alguno de los tratamientos o su interacción. Si no sale significativo,
los factores tampoco lo serán. En este caso el modelo corregido es significativo, ya el
factor Servicio también lo es, y habremos de mirar en las pruebas “post-hoc”.
4. La regresión en SPSS
La regresión es un procedimiento que se utiliza para predecir la V.D. de la población
mediante la manipulación de una o varias V.I. En SPSS vamos a analizar al mismo
tiempo la regresión simple y la múltiple, ya que en el análisis de una regresión múltiple
con dos variables independientes salen tres modelos.
En regresión múltiple existen varios caminos a seguir para comprobar si hay relación
lineal. En primer lugar se puede pedir la Correlación de Pearson, la cual si sale
significativa querrá decir que se cumple el principio de linealidad. Para verlo habrá que
pinchar en “Analizar > Correlacionar > Bivariada”, y allí poner las variables que nos
interesen.