Professional Documents
Culture Documents
Análisis Estadístico
SPSS es uno de los grandes programas, frecuentemente aludidos como paquetes
estadísticos, existentes en el mercado. Tiene implementados un elevadísimo número de
análisis estadísticos, la mayoría de ellos bajo el epígrafe “Analizar” del menú principal. Un
conocimiento profundo de los datos y una idea clara de las preguntas que se desean responder
facilitarán el correcto uso y el máximo aprovechamiento de los análisis estadísticos
disponibles. A continuación se describe brevemente una serie de análisis estadísticos básicos
de uso frecuente, utilizando la versión 19.
Análisis Descriptivo.
El primer paso, una vez introducidos los datos, es realizar un análisis descriptivo de la
muestra. Nos permitirá controlar la presencia de posibles errores en la fase de introducción de
los datos, es decir, detectaremos con él valores fuera de rango o ilógicos (p. ej. Una edad de
197 años es claramente un dato extraño, presencia de alguna patología 4, siendo que sólo es 1
ó 2 es decir presencia o no, etc), o la presencia de valores perdidos. Este análisis inicial
también nos proporcionará una idea de la forma que tienen los datos: su posible distribución
de probabilidad con sus parámetros de centralización; media, mediana y moda; así como sus
parámetros de dispersión; varianza, desviación típica, etc.
El SPSS proporciona varias herramientas para realizar esta descripción, todas ellas bajo
el menú “Analizar” y, dentro de él, la opción “Estadísticos descriptivos”. Estos métodos son:
Frecuencias, Descriptivos y Explorar. La opción frecuencia la observamos en tabla -33.
Frecuencias.
La ejecución de este subprograma, resultan un gran número de gráficos y de tablas con
información numérica. Una vez decidida/s la/s variable/s a analizar, se solicitan los
estadísticos y las gráficas que queremos obtener. Los estadísticos posibles se muestran en la
y la elección de uno u otro dependerá del tipo de variable a analizar. En el caso de variables
cuantitativas tiene sentido la solicitud de estadísticos de centralización, dispersión y forma de
la distribución, mientras en el caso de variables cualitativas esto no tiene sentido. En este
segundo caso, el interés se centrará en la obtención de la tabla de frecuencias, cuyo formato
podemos particularizar como, ordenar según el valor de la variable o según las frecuencias
observadas (tablas-34 y 35).
distintos de la variable. No cumpliría con la utilidad de dichas tablas, presentar de una forma
resumida los datos.
Tabla-33
Tabla-33
Estadísticos
Hemoglobina
Tiempo de Hemoglobina Hemoglobina a los dos Ferritina Ferritina Ferritina a los
Supervivencia inicial al mes meses inicial al mes dos meses
N Válidos 100 100 100 100 100 100 100
Perdidos 0 0 0 0 0 0 0
Media 19,65 12,2410 12,2604 12,2216 569,8200 590,7400 616,4600
Mediana 14,00 12,3000 12,3250 12,2500 639,5000 658,5000 663,0000
Desv. típ. 17,984 1,35297 1,36295 1,34851 234,63711 234,65589 240,46165
Mínimo 0 9,80 9,70 9,65 118,00 130,00 142,00
Máximo 72 14,80 14,80 14,85 880,00 906,00 983,00
Suma 1965 1224,10 1226,04 1222,16 56982,00 59074,00 61646,00
Percentiles 25 5,00 11,2000 11,1625 11,2500 399,0000 402,7500 415,2500
50 14,00 12,3000 12,3250 12,2500 639,5000 658,5000 663,0000
75 29,00 13,3000 13,3875 13,2500 784,0000 804,0000 835,2500
Tabla-33
En tabla-34 se presentan los resultados estadísticos solicitados de nuevo (tablas de
frecuencias) correspondientes a las distintas variables cualitativas del fichero y distintas
posibilidades de representaciones gráficas (gráficos de barras y gráficos de sectores).
sexo
Porcentaje Porcentaje
Frecuencia Porcentaje válido acumulado
Válidos hombre 48 48,0 48,0 48,0
mujer 52 52,0 52,0 100,0
Total 100 100,0 100,0
Clasificación histológica
Porcentaje Porcentaje
Frecuencia Porcentaje válido acumulado
Válidos Astrocitoma 51 51,0 51,0 51,0
Glioblastoma 23 23,0 23,0 74,0
Meningioma 26 26,0 26,0 100,0
Total 100 100,0 100,0
Localización
Porcentaje Porcentaje
Frecuencia Porcentaje válido acumulado
Válidos Supratentoriales 70 70,0 70,0 70,0
Infratentoriales 30 30,0 30,0 100,0
Total 100 100,0 100,0
Tabla - 34
ANALISIS ESTADISTICO PROGRAMA S.P.S.S. 4
Descriptivos.
De forma similar al anterior procedimiento de frecuencias, aunque algo más limitado
pues no cuenta con la posibilidad de generar gráficas, realiza descripciones numéricas de las
variables cuantitativas (media, desviación, varianza, etc.). Los pasos necesarios para ejecutar
este análisis, se muestran en la tabla-36, así como sus opciones en las que se pueden elegir
los distintos estadísticos que se desea incluir en la tabla de resultados como podemos observar
en la tabla-37. Como podemos observar no nos permite como en la opción “Frecuencias”,
obtener cuartiles ni percentiles, que en algún momento puede resultar de interés.
Tabla – 36
Estadísticos descriptivos
Tabla – 37
ANALISIS ESTADISTICO PROGRAMA S.P.S.S. 5
Explorar.
Tabla- 38
ANALISIS ESTADISTICO PROGRAMA S.P.S.S. 6
Descriptivos
Tabla-39
Realización de Gráficos.
Además de las gráficas producidas por los anteriores subprogramas descriptivos, SPSS
cuenta con un menú dedicado expresamente a la producción de resultados gráficos. Sirvan
estas notas como una breve exposición de las características generales en el manejo de los
ANALISIS ESTADISTICO PROGRAMA S.P.S.S. 7
gráficos. Una exposición más detallada de los mismos, requeriría una extensión que
sobrepasaría los objetivos de este documento.
Continuando con las generalidades de los procedimientos gráficos decir que, una vez
decidida la gráfica a realizar, se debe concretar en la definición de la misma. Para un gráfico
de barras, el cuadro de diálogo correspondiente solicitará información acerca de las variables
a representar así como otros tipos de información acerca de dicho gráfico. (tabla -40)
Tabla – 40
ANALISIS ESTADISTICO PROGRAMA S.P.S.S. 8
Mediante este editor se pueden modificar todas las propiedades del gráfico. Reseñar que
el gráfico está compuesto de distintos “objetos” (las barras, los ejes, la leyenda, el título, las
marcas de los ejes, etc.). Cada uno de estos objetos puede ser seleccionado se abrirá una
ventana donde se pueden modificar las propiedades del objeto seleccionado
.
Tabla – 41
Por último, destacar la posibilidad de guardar una plantilla con todas las modificaciones
realizadas para, posteriormente, poder aplicar dicha plantilla a un nuevo gráfico del mismo
tipo.Tras finalizar con la edición del gráfico, cerrando el editor gráfico se actualiza el
resultado en el visor de resultados.
Tabla – 42
Tabla – 43
De nuevo, la segmentación del archivo de datos de acuerdo a la variable que define los
grupos a comparar es una herramienta de gran utilidad, pues así, nos haría el análisis para
subgrupos que quisiéramos comparar.
Los resultados para la variable hemoglobina son los que podemos observar
respectivamente en las tablas 44 y 45, también las gráficas solicitadas de la opción gráficos
con pruebas de normalidad de “explorar” (tabla-46).
En adelante haremos constante referencia en todos los test a este término p (grado de
significación) y si no se indica lo contrario se comparará con el nivel de de significación =
0,05. Si el valor de Sig. que se obtiene es .000, “p” se debería expresar como p<0,0001
Pruebas de normalidad
a
Kolmogorov-Smirnov Shapiro-Wilk
sexo Estadístico gl Sig. Estadístico gl Sig.
Hemoglobina inicial hombre ,073 48 ,200* ,975 48 ,379
mujer ,107 52 ,200* ,948 52 ,024
*. Este es un límite inferior de la significación verdadera.
a. Corrección de la significación de Lilliefors
Tabla – 44
Hemoglobina
sexo inicial
hombre N 48
Parámetros normales a,b Media 12,5646
Desviación típica
1,26095
Tabla – 45
Tabla – 46
ANALISIS ESTADISTICO PROGRAMA S.P.S.S. 11
Análisis Comparativo.
Comparación de Medias
Dentro del menú “Analizar”, la opción “Comparar medias” permite realizar
comparaciones de medias en distintas situaciones, de una muestra con una poblacional, de dos
muestras independientes, de dos muestras relacionadas y el anova de un factor o lo que es lo
mismo comparar varias muestras.
Además de las anteriores pruebas estadísticas, dentro de este menú se permite realizar
una descripción de la muestra mediante la obtención de una tabla con distintos estadísticos
muestrales, si no lo hemos hecho anteriormente con la descriptiva. Esta descripción se realiza
mediante la primera de las opciones denominada “medias” (tabla - 47).
Tabla – 47
Tabla – 48
ANALISIS ESTADISTICO PROGRAMA S.P.S.S. 12
Tabla – 49
Tabla – 50
ANALISIS ESTADISTICO PROGRAMA S.P.S.S. 13
Valor de prueba = 13
95% Intervalo de
confianza para la
Diferencia diferencia
t gl Sig. (bilateral) de medias Inferior Superior
Hemoglobina inicial -5,610 99 ,000 -,75900 -1,0275 -,4905
Tabla – 51
La matriz de datos debe estar configurada como es habitual, es decir, existe una columna
para los datos de la variable de interés y una segunda columna con los códigos que definen las
poblaciones objeto de comparación.
Los resultados de las órdenes dadas en las ventanas de la tabla-52 y 53, en la que
queremos comparar la Hemoglobina entre sexos, los podemos observar en la tabla-54, ya que
previamente hemos comprobado que siguen distribución normal (tabla-44). En dicha tabla-54,
en un principio vemos la igualdad de varianzas con la prueba de Levene como no es
significativo p= 0,303 consideramos iguales las varianzas. Tomando la línea superior tal y
como observar en la tabla–54 (dado que se han asumido varianzas iguales), vemos es
significativo para una p = 0,021, si hemos tomado = 0,05. Se rechaza la hipótesis nula de
igualdad de medias, lo que nos indica que los niveles medios de hemoglobina inicial en los
hombres son significativamente distintos al de las mujeres.
ANALISIS ESTADISTICO PROGRAMA S.P.S.S. 14
Tabla – 52
Tabla – 53
Prueba de Levene
para la igualdad de
varianzas Prueba T para la igualdad de medias
95% Intervalo de
confianza para la
Diferencia Error típ. de diferencia
F Sig. t gl Sig. (bilateral) de medias la diferencia Inferior Superior
Hemoglobina inicial Se han asumido
1,071 ,303 2,350 98 ,021 ,62228 ,26483 ,09673 1,14782
varianzas iguales
No se han asumido
2,358 97,994 ,020 ,62228 ,26389 ,09860 1,14595
varianzas iguales
Tabla – 54
controles, el análisis de una variable antes o después, etc). Para la realización de este análisis,
las dos muestras deben estar en dos variables distintas de la matriz de datos y debe formarse
la pareja de muestras antes de poder ser añadida la comparación a la lista de variables
relacionadas del cuadro diálogo.
Así en un ejemplo con datos de este tipo sería el que podemos ver en la tabla – 55, en el
que las dos muestras están en dos variables distintas de la matriz de datos, hemoglobina en
diferentes momentos. El procedimiento a seguir sería con el cuadro de diálogo de la Tabla –
56, realizar los pares de datos que deseemos, que únicamente lo vamos a realizar con la
hemoglobina en dos instantes, para ver el procedimiento y que posteriormente en la tabla –
57, podremos observar los resultados del mismo.
Tabla – 55
Tabla – 56
En la tabla- 57, podemos ver que se ha comprobado normalidad, tal y como podemos
observar en el primer resultado, seguidamente lo obtenido en la prueba t, un cuadro con las
características de cada uno de los grupos de sus respectiva variable, el coeficiente de
correlación y en el ultima tabla la comparación entre los momentos analizados, hay
diferencias significativas p= 0,028.
ANALISIS ESTADISTICO PROGRAMA S.P.S.S. 16
Pruebas de normalidad
a
Kolmogorov-Smirnov Shapiro-Wilk
Estadístico gl Sig. Estadístico gl Sig.
Hemoglobina inicial ,067 100 ,200* ,967 100 ,013
Hemoglobina al mes ,075 100 ,179 ,969 100 ,019
*. Este es un límite inferior de la significación verdadera.
a. Corrección de la significación de Lilliefors
Prueba T
Estadísticos de muestras relacionadas
N Correlación Sig.
Par 1 Hemoglobina inicial y
100 ,998 ,000
Hemoglobina al mes
Diferencias relacionadas
95% Intervalo de
confianza para la
Desviación Error típ. de diferencia
Media típ. la media Inferior Superior t gl Sig. (bilateral)
Par 1 Hemoglobina inicial -
-,01940 ,08676 ,00868 -,03661 -,00219 -2,236 99 ,028
Hemoglobina al mes
Tabla – 57
Para la realización de este tipo de prueba estadística, se debe seleccionar del menú
“Analizar”, la opción “Comparación de medias” y dentro de ella el submenú “ANOVA de
un factor” (tabla – 58).
ANALISIS ESTADISTICO PROGRAMA S.P.S.S. 17
Tabla – 58
En este cuadro se debe introducir la variable a analizar (variable dependiente) en este
caso hemoglobina inicial, así como la variable que define los grupos a comparar (factor)
clasificación histológica (tabla – 59).
Tabla – 59
Tabla – 60
ANALISIS ESTADISTICO PROGRAMA S.P.S.S. 18
Tabla – 61
En las tablas 62, podemos ver los resultados referentes al análisis de la Hemoglobina
con respecto a la clasificación histológica, en primer lugar se han incluido los resultados que
prueban que cumplen la condición de normalidad (Astrocitoma, p=0,20; Glioblastoma,
p=0,20 y Meningioma, p=0,054) y en las siguientes tablas podemos ver el resultado de la
prueba de homogeneidad de varianzas p= 0,436 por tanto no rechazamos la hipótesis nula de
igualdad de varianzas y en la última tabla no rechazamos la hipótesis nula de igualdad de
medias p= 0,786, por tanto no hay diferencias significativas entre las medias de hemoglobina
para cada tipo .
Pruebas de normalidad
a
Kolmogorov-Smirnov Shapiro-Wilk
Clasificación histológica Estadístico gl Sig. Estadístico gl Sig.
Hemoglobina inicial Astrocitoma ,096 51 ,200* ,966 51 ,149
Glioblastoma ,131 23 ,200* ,936 23 ,147
Meningioma ,169 26 ,054 ,940 26 ,135
*. Este es un límite inferior de la significación verdadera.
a. Corrección de la significación de Lilliefors
Hemoglobina inicial
Estadístico
de Levene gl1 gl2 Sig.
,838 2 97 ,436
ANOVA
Hemoglobina inicial
Suma de Media
cuadrados gl cuadrática F Sig.
Inter-grupos ,895 2 ,448 ,241 ,786
Intra-grupos 180,327 97 1,859
Total 181,222 99
Tabla – 62
ANALISIS ESTADISTICO PROGRAMA S.P.S.S. 19
Comparaciones múltiples
Tabla – 63
Tabla – 64
En los modelos de medidas repetidas es necesario trabajar con el supuesto de que las
varianzas de las diferencias entre cada dos niveles del factor son iguales, asumir esto es
equivalente a afirmar que la matriz de varianzas covarianzas es circular o esférica, para
contrastarlo recurriremos a la prueba de esfericidad de Muchly, Tabla- 66
ANALISIS ESTADISTICO PROGRAMA S.P.S.S. 21
Pruebas de normalidad
a
Kolmogorov-Smirnov Shapiro-Wilk
Estadístico gl Sig. Estadístico gl Sig.
Hemoglobina inicial ,067 100 ,200* ,967 100 ,013
Hemoglobina al mes ,075 100 ,179 ,969 100 ,019
Hemoglobina a los
,074 100 ,197 ,970 100 ,024
dos meses
*. Este es un límite inferior de la significación verdadera.
a. Corrección de la significación de Lilliefors
Factores intra-sujetos
Medida: MEASURE_1
Variable
factor1 dependiente
1 hb1
2 hb2
3 hb3
Contrastes multivariados b
Gl de la
Efecto Valor F hipótesis Gl del error Significación
factor1 Traza de Pillai ,048 5,000a 1,000 99,000 ,028
Lambda de Wilks ,952 5,000a 1,000 99,000 ,028
Traza de Hotelling ,051 5,000a 1,000 99,000 ,028
Raíz mayor de Roy ,051 5,000a 1,000 99,000 ,028
a. Estadístico exacto
b.
Diseño: Intersección
Diseño intra sujetos: factor1
Tabla – 65
Medida: MEASURE_1
a
Epsilon
Chi-cuadrado Greenhous
Efecto intra-sujetos W de Mauchly aprox. gl Significación e-Geisser Huynh-Feldt Límite-inferior
factor1 ,000 . 2 . ,500 ,500 ,500
Contrasta la hipótesis nula de que la matriz de covarianza error de las variables dependientes transformadas es proporcional a
una matriz identidad.
a. Puede usarse para corregir los grados de libertad en las pruebas de significación promediadas. Las pruebas corregidas
se muestran en la tabla Pruebas de los efectos inter-sujetos.
b.
Diseño: Intersección
Diseño intra sujetos: factor1
Tabla – 66
multivariados Tabla-65, sobre todo con muestras pequeñas. Por tanto si se incumpliera la
esfericidad recurriríamos a los multivariados.
Medida: MEASURE_1
Suma de
cuadrados Media
Fuente tipo III gl cuadrática F Significación
factor1 Esfericidad asumida ,075 2 ,038 5,000 ,008
Greenhouse-Geisser ,075 1,000 ,075 5,000 ,028
Huynh-Feldt ,075 1,000 ,075 5,000 ,028
Límite-inferior ,075 1,000 ,075 5,000 ,028
Error(factor1) Esfericidad asumida 1,490 198 ,008
Greenhouse-Geisser 1,490 99,000 ,015
Huynh-Feldt 1,490 99,000 ,015
Límite-inferior 1,490 99,000 ,015
Tabla – 67
Rechazaremos también la hipótesis nula, como hay diferencia significativa habrá que
comprobar las comparaciones dos a dos. Para ello en opciones de tabla 64 aparece la siguiente
ventana Tabla-68 se procederá según se indica, es decir, el factor “momentos” lo pasamos al
cuadro de “mostrar las medias para”, al mismo tiempo marcamos “comparar los efectos
principales” y seleccionamos “Bonferroni”.
Tabla – 68
Estimaciones
Medida: MEASURE_1
Intervalo de confianza al
95%.
Límite
momentos Media Error típ. Límite inferior superior
1 12,241 ,135 11,973 12,509
2 12,260 ,136 11,990 12,531
3 12,222 ,135 11,954 12,489
Medida: MEASURE_1
Intervalo de confianza al 95
a
Diferencia % para la diferencia
entre Límite
a
(I) momentos (J) momentos medias (I-J) Error típ. Significación Límite inferior superior
1 2 -,019 ,009 ,083 -,041 ,002
3 ,019 ,009 ,083 -,002 ,041
2 1 ,019 ,009 ,083 -,002 ,041
3 ,039 ,017 ,083 -,003 ,081
3 1 -,019 ,009 ,083 -,041 ,002
2 -,039 ,017 ,083 -,081 ,003
Basadas en las medias marginales estimadas.
a. Ajuste para comparaciones múltiples: Bonferroni.
Tabla – 69
Pruebas no paramétricas
Dentro del menú “Analizar”, tenemos las “Pruebas no paramétricas” que engloban
una serie de pruebas estadísticas, más o menos heterogéneas en cuanto a las hipótesis que
contrastan, pero que tienen como denominador común la ausencia de asunciones acerca de la
ley de probabilidad que sigue la población de la que ha sido extraída la muestra. Por esta
razón es común referirse a ellas como pruebas de distribución libre. A continuación vamos a
ver brevemente algunas de las pruebas realizadas con el SPSS como: U de Mann-Whitney, T
de Wilcoxon, Kruskal-Wallis y Friedman.
Tabla – 70
Tabla –71
Tabla – 72
Pruebas de normalidad
a
Kolmogorov-Smirnov Shapiro-Wilk
sexo Estadístico gl Sig. Estadístico gl Sig.
Tiempo de Supervivencia hombre ,169 48 ,001 ,886 48 ,000
mujer ,145 52 ,008 ,880 52 ,000
a. Corrección de la significación de Lilliefors
Rangos
Rango Suma de
sexo N promedio rangos
Tiempo de Supervivencia hombre 48 43,38 2082,00
mujer 52 57,08 2968,00
Total 100
Estadísticos de contraste a
Tiempo de
Supervivencia
U de Mann-Whitney 906,000
W de Wilcoxon 2082,000
Z -2,362
Sig. asintót. (bilateral) ,018
a. Variable de agrupación: sexo
Tabla – 73
El valor de p =0,018, nos especifica que son diferentes significativamente, es decir, que
los tiempos de supervivencia en las mujeres, es significativamente distinto a la de los
hombres.
Tabla – 74
Tabla – 75
ANALISIS ESTADISTICO PROGRAMA S.P.S.S. 27
Pruebas de normalidad
a
Kolmogorov-Smirnov Shapiro-Wilk
Clasificación histológica Estadístico gl Sig. Estadístico gl Sig.
Ferritina inicial Astrocitoma ,176 51 ,000 ,895 51 ,000
Glioblastoma ,232 23 ,002 ,874 23 ,008
Meningioma ,209 26 ,005 ,834 26 ,001
a. Corrección de la significación de Lilliefors
Prueba de Kruskal-Wallis
Rangos
Rango
Clasificación histológica N promedio
Ferritina inicial Astrocitoma 51 49,19
Glioblastoma 23 49,93
Meningioma 26 53,58
Total 100
Ferritina
inicial
Chi-cuadrado ,406
gl 2
Sig. asintót. ,816
a. Prueba de Kruskal-Wallis
b. Variable de agrupación: Clasificación histológica
Tabla – 76
Por tanto, utilizaremos para comparar ambos grupos la T de Wilcoxon para datos
relacionados.
Tabla – 77
Tabla – 78
ANALISIS ESTADISTICO PROGRAMA S.P.S.S. 29
Pruebas de normalidad
a
Kolmogorov-Smirnov Shapiro-Wilk
Estadístico gl Sig. Estadístico gl Sig.
Ferritina inicial ,189 100 ,000 ,894 100 ,000
Ferritina al mes ,169 100 ,000 ,901 100 ,000
a. Corrección de la significación de Lilliefors
Rango Suma de
N promedio rangos
Ferritina al mes Rangos negativos 14a 39,79 557,00
- Ferritina inicial Rangos positivos 86b 52,24 4493,00
Empates 0c
Total 100
a. Ferritina al mes < Ferritina inicial
b. Ferritina al mes > Ferritina inicial
c. Ferritina al mes = Ferritina inicial
Estadísticos de contraste b
Ferritina
al mes -
Ferritina
inicial
Z -6,775a
Sig. asintót. (bilateral) ,000
a. Basado en los rangos negativos.
b. Prueba de los rangos con signo de Wilcoxon
Tabla – 79
En tabla-79 además aparece, los resultados de la prueba de los rangos con signo de
Wilcoxon para comparar los valores de Ferritina en los dos grupos, aparece información sobre
los rangos y sobre el estadístico de contraste, en este caso el valor de p<0,0001, nos especifica
que los niveles de ferritina inicial y al mes son significativamente diferentes.
Tabla – 80
Tabla – 81
ANALISIS ESTADISTICO PROGRAMA S.P.S.S. 31
Pruebas de normalidad
a
Kolmogorov-Smirnov Shapiro-Wilk
Estadístico gl Sig. Estadístico gl Sig.
Ferritina inicial ,189 100 ,000 ,894 100 ,000
Ferritina al mes ,169 100 ,000 ,901 100 ,000
Ferritina a los dos meses ,135 100 ,000 ,922 100 ,000
a. Corrección de la significación de Lilliefors
Prueba de Friedman
Rangos
Rango
promedio
Ferritina inicial 1,28
Ferritina al mes 2,00
Ferritina a los dos meses 2,72
Estadísticos de contraste a
N 100
Chi-cuadrado 103,680
gl 2
Sig. asintót. ,000
a. Prueba de Friedman
Tabla – 82
En tabla-82 además aparece, los resultados de la prueba de Friedman para comparar los
valores de Ferritina en los tres grupos, aparece información sobre los rangos y sobre el
estadístico de contraste, en este caso el valor de p<0,0001, nos especifica que hay diferencias
entre los valores de la ferritina en los tres momentos.
Ahora habría que hacer la T de Wilcoxon, dos a dos para ver entre cuales hay
diferencias:
Ferritina al mes - Ferritina a los dos meses - Ferritina a los dos meses -
Ferritina inicial Ferritina inicial Ferritina al mes
Z -6,775(a) -6,733(a) -6,695(a)
Sig. asintót.
,000 ,000 ,000
(bilateral)
a Basado en los rangos negativos.
b Prueba de los rangos con signo de Wilcoxon
Tabla – 83
Con estas tablas se puede obtener una descripción cuantitativa de las distintas cualidades
bivariantes de la muestra, en forma de frecuencias y porcentajes. Estos últimos pueden ser
relativos al total de la muestra, al total de una fila o al total de una columna. Además de lo
anterior, el SPSS realiza diversos contrastes acerca de la distribución de las frecuencias
observadas en dicha tabla, de acuerdo a distintas hipótesis. El más clásico de estos contrastes
es el “contraste de independencia” que propone, como hipótesis nula, que ambos criterios de
clasificación o ambas variables son independientes. Es decir, la pertenencia de un individuo a
una clase de una de las variables de clasificación no afecta a la probabilidad de pertenencia a
las distintas clases del otro criterio.
Para la realización de este tipo de prueba estadística, se debe seleccionar del menú
“Analizar”, la opción “Estadísticos Descriptivos” y dentro de ella el submenú “Tablas de
contingencia” (Tabla – 84).
Tabla - 84
pueden definir, mediante otras variables cualitativas, nuevas dimensiones a esta tabla, es
decir, estratificar la muestra de acuerdo a criterios adicionales.
Tabla - 85
Tabla – 86
ANALISIS ESTADISTICO PROGRAMA S.P.S.S. 34
Tabla – 87
Hay asociación entre sexo y localización Chi-cuadrado de Pearson 20,635 p< 0,0001
tabla-89. Si no se cumplieran las condiciones de aplicación del test de chi-cuadrado (en este
ejemplo si se cumplen tal y como nos informa al pie de tabla), se debería utilizar el estadístico
exacto de Fisher, p< 0,0001.
Los residuos corregidos nos informan, que están relacionados los hombres con la
localización Supratentorial y las mujeres con el infratentorial, tabla-88. En la tabla-90 Phi =
0,454, nos indica un grado de asociación medio y en la tabla-81, OR =11, RR=1,83
Tabla de contingencia sexo * Localización
Localización
Supratent Infratentor
oriales iales Total
sexo hombre Recuento 44 4 48
% de sexo 91,7% 8,3% 100,0%
Residuos corregidos 4,5 -4,5
mujer Recuento 26 26 52
% de sexo 50,0% 50,0% 100,0%
Residuos corregidos -4,5 4,5
Total Recuento 70 30 100
% de sexo 70,0% 30,0% 100,0%
Tabla -88
ANALISIS ESTADISTICO PROGRAMA S.P.S.S. 35
Pruebas de chi-cuadrado
Tabla -89
Medidas simétricas
Sig.
Valor aproximada
Nominal por Phi ,454 ,000
nominal V de Cramer ,454 ,000
N de casos válidos 100
a. Asumiendo la hipótesis alternativa.
b. Empleando el error típico asintótico basado en la hipótesis
nula.
Tabla –90
Estimación de riesgo
Intervalo de confianza
al 95%
Valor Inferior Superior
Razón de las
ventajas para sexo 11,000 3,452 35,052
(hombre / mujer)
Para la cohorte
Localización = 1,833 1,379 2,438
Supratentoriales
Para la cohorte
Localización = ,167 ,063 ,443
Infratentoriales
N de casos válidos 100
Tabla – 91
entre una variable dependiente y una única variable independiente. Éste será el caso que nos
ocupe en este documento.
Bajo la opción de “Regresión” del menú “Analizar” se engloban todas las técnicas de
modelización de entre las cuales seleccionaremos la opción Lineal (tabla – 92). Esta opción
agrupa tanto a la regresión Simple como a la Múltiple sólo diferenciándose ambas por el
número de variables independientes que se introduzcan en el cuadro de diálogo (tabla – 93).
Tabla – 92
Tabla – 93
Igualmente podemos decidir si deseamos que en los gráficos aparezca una identificación de
los puntos. Ésta se realizará de acuerdo a la variable introducida como etiquetas de casos.
Variables introducidas/eliminadasb
Variables Variables
Modelo introducidas eliminadas Método
1 Hemoglobina . Introducir
a inicial
a. Todas las variables solicitadas introducidas
b. Variable dependiente: Hemoglobina a los dos meses
ANOVAb
Suma de Media
Modelo cuadrados gl cuadrática F Sig.
1 Regresión 179,288 1 179,288 23744,280 ,000a
Residual ,740 98 ,008
Total 180,028 99
a. Variables predictoras: (Constante), Hemoglobina inicial
b. Variable dependiente: Hemoglobina a los dos meses
Coeficientesa
Coeficientes
Coeficientes no estandarizad
estandarizados os
Modelo B Error típ. Beta t Sig.
1 (Constante) ,046 ,079 ,580 ,563
Hemoglobina inicial ,995 ,006 ,998 154,092 ,000
a. Variable dependiente: Hemoglobina a los dos meses
Tabla – 94
Tabla – 95
Tabla – 96
ANALISIS ESTADISTICO PROGRAMA S.P.S.S. 39
Tabla – 97
Asumimos la homocedasticidad de los residuos si se están distribuidos por todo el
gráfico como vemos en la tabla – 97.
También podemos solicitar realizar el “diagrama de dispersión” en el menú gráficos.
Para la realización de este tipo de prueba estadística, se debe seleccionar del menú
“Gráficos, la opción “Cuadro de diálogos antiguos” y dentro de ella el submenú
“Dispersión/puntos” (tabla – 98).
Tabla-98
Se obtendrá el diagrama de dispersión
Tabla-99
Procedimiento Correlación
Aunque al pedir la recta de regresión, el paquete calcula el coeficiente de correlación de
Pearson, se ha comprobado en el apartado anterior que se cumple las condiciones para su
cálculo, pues es una medida que sigue una distribución normal.
Hemos de tener en cuenta que solo nos proporciona su valor, sin tener en cuenta el
signo. Para conocer el signo de este coeficiente, deberemos fijarnos en la pendiente de la nube
ANALISIS ESTADISTICO PROGRAMA S.P.S.S. 41
de puntos (si es positiva el signo será positivo y si es negativa, el signo será negativo) o bien
pedir el cálculo del mismo en correlación de la ventana analizar.
Para la realización de este tipo de prueba estadística, se debe seleccionar del menú
“Analizar”, la opción “correlaciones” y dentro de ella el submenú “Bivariadas” (tabla– 100).
Tabla – 100
Correlaciones
Hemoglobina
Hemoglobina a los dos
inicial meses
Hemoglobina inicial Correlación de Pearson 1 ,998**
Sig. (bilateral) ,000
N 100 100
Hemoglobina a los Correlación de Pearson ,998** 1
dos meses Sig. (bilateral) ,000
N 100 100
**. La correlación es significativa al nivel 0,01 (bilateral).
Tabla – 101
En este caso el signo sí es positivo,
ANALISIS ESTADISTICO PROGRAMA S.P.S.S. 42
R de Spearman
Es una medida de correlación no paramétrica
Primero verificamos si son normales las distribuciones de la ferritina inicial y a los dos
meses.
Pruebas de normalidad
a
Kolmogorov-Smirnov Shapiro-Wilk
Estadístico gl Sig. Estadístico gl Sig.
Ferritina inicial ,189 100 ,000 ,894 100 ,000
Ferritina a los dos meses ,135 100 ,000 ,922 100 ,000
a. Corrección de la significación de Lilliefors
Tabla – 102
Tabla – 103