Procedimientos Estadísticos y Gestión de Datos en SPSS

Gestión y Transformación de Variables

Crear una nueva variable agrupada en intervalos

Para realizar este proceso, siga la ruta: Transformar > Agrupación visual > Crear puntos de corte > Crear etiquetas > Variable agrupada (asignar nombre). Este procedimiento solo es de utilidad para la tabla de frecuencias.

Crear una nueva variable a partir de otras

Siga la ruta: Transformar > Calcular variable > asignar Nombre en variable de destino > añadir las variables deseadas. Un ejemplo común es el cálculo del IMC (Índice de Masa Corporal).

Relaciones entre Variables y Modelos Lineales

Comparar grupos con variable escala

Para este análisis, acceda a: Analizar > Estadísticos descriptivos > Tablas de contingencia.

Diagrama de dispersión

Ruta: Gráficos > Generador de gráficos > Galería (seleccionar Dispersión y puntos). Seleccionamos el primero y arrastramos. Por ejemplo, para representar la altura en función del peso, la altura se sitúa en el eje Y (variable dependiente). Cabe destacar que la relación lineal puede ser creciente o decreciente, y puede presentar mayor o menor intensidad.

Calcular coeficiente de correlación lineal (R de Pearson)

Ruta: Analizar > Correlaciones > Bivariadas > seleccionar variables > aceptar. Este coeficiente indica si existe mucha o poca relación lineal o dependencia lineal.

Recta de regresión, ajuste lineal o modelo lineal

Ruta: Analizar > Regresión > Estimación curvilínea (introducir la variable Y y la variable X) > aceptar. La fórmula resultante es Y = a + bx. El valor de R cuadrado indica el porcentaje de fiabilidad del modelo.

Funciones de Distribución

En este apartado se trabajan los siguientes conceptos:

• FDP (Función de Densidad de Probabilidad) y FDP no centrada: se asocia al símbolo =.
• FDA (Función de Distribución Acumulada) y FDA no centrada: se asocia a los símbolos > o <.
• Inverso: Si el valor es del 50%, se utiliza >.

Inferencia Estadística

1. Intervalos de Confianza y Contraste de Hipótesis

Para el Intervalo de Confianza (I.C.), se deja el valor de prueba en 0. Ejemplo de solución: El precio medio del artículo se encuentra en el intervalo X con un 95% de confianza.

Para un contraste de hipótesis, se introduce el valor solicitado y se observa el Sig. (p-valor). Si este fuera mayor que el nivel de significación (alfa), la conclusión sería: el peso medio de 200g es válido con un Nivel de Confianza (N.C.) del 95%.

2. Muestras Independientes

Se aplica cuando comparamos, por ejemplo, dos empresas independientes. Los datos se introducen en una sola variable de escala y se utiliza otra variable nominal para indicar a qué empresa pertenece cada dato.

3. Muestras Relacionadas

Se aplica cuando se analiza la misma empresa en dos momentos distintos (antes y después). En este caso, los datos se registran en dos variables diferentes.

Interpretación de Resultados

Cuando el Intervalo de Confianza contiene el valor 0, se concluye con un 95% de confianza que las medias pueden ser iguales. Si todos los valores del intervalo son positivos, las medias son distintas y la media del grupo A es mayor que la del B. Si los valores son negativos, la media del grupo B es mayor.