Análisis de Datos I                                                                                   Análisis bivariante ...
Análisis de Datos I                                                                                    Análisis bivariante...
Análisis de Datos I                                                                                            Análisis bi...
Análisis de Datos I                                                                                                     An...
Upcoming SlideShare
Loading in...5
×

SPSS

589

Published on

0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total Views
589
On Slideshare
0
From Embeds
0
Number of Embeds
0
Actions
Shares
0
Downloads
22
Comments
0
Likes
0
Embeds 0
No embeds

No notes for slide

SPSS

  1. 1. Análisis de Datos I Análisis bivariante en el SPSSEstadística descriptiva bivariada en el SPSS 1. ÍNDICES DE ASOCIACIÓN LINEAL 2. COMBINACIONES LINEALES 3. REGRESIÓN LINEAL SIMPLE 4. 2 VARIABLES CUALITATIVAS, 1 CUANTITATIVA y 1 ó 2 CUALTITATIVAS___________________________ Bibliografía: Tema 3 de los apuntes del cuadernillo de prácticas de SPSS (pág. 21-40) Ejercicios: Todos los de la página 40 del cuadernillo de prácticas (con el archivo practicas.sav)En este esquema resumiremos cómo llevar a cabo los análisis descriptivos con dos variables revisados en lasegunda parte de la asignatura con el SPSS. Para realizar análisis descriptivos bivariantes pueden usarse losprocedimientos ‘Correlaciones’, ‘Regresión lineal’ y ‘Tablas de contingencia’1. ÍNDICES DE ASOCIACIÓN LINEALPara obtener la covarianza y la correlación de Pearson se utiliza EL PROCEDIMIENTO CORRELACIONESdel SPSS: Analizar > Correlaciones > Bivariadas Lo primero es trasladar a este Seleccionar si se desea cuadro las variables obtener la matriz de para las que se varianzas-covarianzas desee obtener un coeficiente de correlación lineal. Por ejemplo, edad, peso y estatura Desde este menú se pueden obtener tres: el de Pearson (rxy), el de Kendall y el de Spearman. Los dos últimos sirven para variables ordinales.Con estas selecciones se obtiene el siguiente resultado: Correlaciones Edad Peso Estatura Edad Correlación de Pearson 1.000 -.050 -.018 En esta tabla aparecen resumidas las matrices de Sig. (bilateral) . .482 .803 varianzas-covarianzas (S) y de correlaciones (R). Suma de cuadrados y 2991.500 -399.650 -1.152 Cada casilla contiene la correlación (señalada en productos cruzados negrita) y la covarianza (señalada en cursiva) entre Covarianza 15.033 -2.008 -.006 el cruce de cada 2 variables (edad con edad, edad N 200 200 200 con peso, edad con estatura, etc.). Peso Correlación de Pearson -.050 1.000 .857** De esta tabla podemos deducir que: Sig. (bilateral) .482 . .000 Suma de cuadrados y redad, peso = -0,050; Sedad, peso = -2,008 -399.650 21325.595 148.490 redad, estatura = -0,018; Sedad, estatura = -0,006 productos cruzados rpeso, estatura = 0,857; S peso, estatura = 0,746 Covarianza -2.008 107.164 .746 N 200 200 200 S2edad = 15,033 S2 peso = 107,164 Estatura Correlación de Pearson -.018 .857** 1.000 S2 estatura = 0,007 Sig. (bilateral) .803 .000 . Suma de cuadrados y Es decir, a partir de esta tabla podemos conocer las -1.152 148.490 1.408 covarianzas, las correlaciones y las varianzas para productos cruzados todas las variables incluidas (en este caso tres Covarianza -.006 .746 .007 variables). N 200 200 200 **. La correlación es significativa al nivel 0,01 (bilateral). Carmen Ximénez 1
  2. 2. Análisis de Datos I Análisis bivariante en el SPSSLa representación gráfica de la relación lineal entre variables se hace desde el menú Gráficos -> Dispersión: Con estas selecciones el resultado es: 2.00 1.90 Pulsar para definir los ejes del diagrama Estatura 1.80 1.70 1.60 1.50 30 40 50 60 70 80 90 100 Peso 2. COMBINACIONES LINEALES Para obtener combinaciones lineales del tipo T = X + Y; T = AX + BY; puede usarse el menú Transformar -> Calcular (ya visto anteriormente). Veamos un ejemplo para la variable X = respon + emocio: Calculando los descriptivos para las tres variables se observa como se cumplen las propiedades T = X + Y ; ST = S2 + SY + 2 SXY : 2 X 2 Analizar -> Estadísticos descriptivos -> Descriptivos Media Desv. típ. Varianza Respon 46.1250 4.6882 21.979 Emocio 48.6250 4.9747 24.748 X 94.7500 8.1480 66.389 3. REGRESIÓN LINEAL SIMPLE Para obtener la regresión de Y sobre X, se utiliza EL PROCEDIMIENTO REGRESIÓN del SPSS: Analizar > Regresión > Lineal Primero se definen las variables que hacen de CRITERIO y de PREDICTORA: Desde aquí se pueden guardar los valores pronosticados por el modelo (las Y’i) y los residuos (las Yi -Y’i) para cada sujeto del fichero. Con estas selecciones el resultado que ofrece el Visor del SPSS es el siguiente: Carmen Ximénez 2
  3. 3. Análisis de Datos I Análisis bivariante en el SPSS Variables introducidas/eliminadas b Variables Variables Modelo introducidas eliminadas Método 1 Estatura a . Introducir a. Todas las variables solicitadas introducidas b. Variable dependiente: Peso Resumen del modelo b Esto es el coeficiente de determinación, r2XY o la R cuadrado Error típ. de la proporción de varianza en Modelo R R cuadrado corregida estimación común entre peso y estatura. 1 .857 a .734 .733 5.3510 a. Variables predictoras: (Constante), Estatura b. Variable dependiente: Peso ANOVAb Suma de Media Esto se verá en la asignatura Modelo cuadrados gl cuadrática F Sig. Análisis de Datos II 1 Regresión 15656.269 1 15656.269 546.792 .000a Residual 5669.326 198 28.633 Total 21325.595 199 a. Variables predictoras: (Constante), Estatura b. Variable dependiente: Peso Los coeficientes A y B del modelo pronosticado en directas se ven en esta columna: siendo A = -118,375 a Coeficientes y B = 105,437. Luego: Peso’i = -118,375 + 105,437 estaturai Coeficientes no Coeficientes estandarizados estandarizados Modelo B Error típ. Beta t Sig. 1 (Constante) -118.375 7.565 -15.648 .000 Estatura 105.437 4.509 .857 23.384 .000 En esta columna aparece el modelo a. Variable dependiente: Peso en típicas: z peso’ = 0,857 zestatura Estadísticos descriptivos N Media Varianza Estos son los descriptivos para el criterio, Y (peso), Unstandardized Predicted Value 200 58.295 78.675 los pronósticos (Y’) y los residuos (Y – Y’). 2 Unstandardized Residual 200 .000 28.489 Puede comprobarse que: S = S2Y’ + S2Y-Y’; es Y Peso 200 58.295 107.164 decir: 107,164 = 78,675 + 28,489Para obtener una representación gráfica del ajuste del modelo: Gráficos -> Interactivos -> Diagramas de dispersión: Con estas selecciones el resultado es: W 90 1Peso = -118.37 + 105.44 * estatura W W R-cuadrado = 0.73 W W W W W 80 W W W W W W W W W W W W W 70 W W W Peso WW W W W W W W W W W W W W W W W W W W W W W W W W W WW W W W W W W W W W W W W W W W W W 60 W W W W W W W W W W W W WW W W W W W W W W W W W WW W W W W W W W W W W W W W W W W W W W W W W W W W W 50 W W W W W W W W W WW W W W W W W WW W WW W WW WW 40 W W 1.60 1.70 1.80 1.90 Estatura Carmen Ximénez 3
  4. 4. Análisis de Datos I Análisis bivariante en el SPSSDos variables cualitativas: PROCEDIMIENTO TABLAS DE CONTINGENCIAPara elaborar una tabla de contingencia: Analizar -> Estadísticos descriptivos -> Tablas de contingencia: Desde aquí pueden obtenerse las frecuencias conjuntas relativas (en porcentajes) para las filas, las columnas y para el total: Seleccionar para obtener un diagrama de barras para las variables El resultado obtenido es el siguiente: INTERPRETACIÓN: Tabla de contingencia Sexo * Tabaquismo Globalmente, los resultados indican que la mayor parte de los sujetos Tabaquismo son varones y no fuman (el 50%). No fumador Fumador Total Las distribuciones condicionales indican que, hay un 27,5% de los no Sexo Mujer Recuento 38 43 81 fumadores que son mujeres (frente al 53,1% de las fumadoras); y de los % de Sexo varones el 84% son no fumadores. En cuanto a las mujeres, el 46,9% 46.9% 53.1% 100.0% son no fumadoras y dentro de los fumadores el 69,4% son mujeres. % de Tabaquismo 27.5% 69.4% 40.5% % del total 19.0% 21.5% 40.5% 100 Varón Recuento 100 19 119 80 % de Sexo 84.0% 16.0% 100.0% Recuento % de Tabaquismo 72.5% 30.6% 59.5% 60 % del total 50.0% 9.5% 59.5% 40 Tabaquismo Total Recuento 138 62 200 20 No fumador % de Sexo 69.0% 31.0% 100.0% 0 Fumador % de Tabaquismo 100.0% 100.0% 100.0% Mujer Varón % del total 69.0% 31.0% 100.0% Sexo Una variable cualitativa y otra cuantitativa Este gráfico representa la media de la variable Gráficos -> Líneas -> Simple (Resúmenes para grupos de casos): peso para fumadores y no fumadores. Se ve que los no fumadores tienen un peso medio mayor que los fumadores. 59 59 Media Peso 58 58 57 57 No fumador Fumador Tabaquismo Una variable cuantitativa y dos cualitativas Gráficos -> Líneas -> Múltiple (Resúmenes para grupos de casos): 80 Este gráfico es igual 70 al anterior pero para Media Peso varones y mujeres. 60 Sexo 50 Mujer 40 Varón No fumador Fumador Tabaquismo Carmen Ximénez 4

×