CURSO DE SPSS PARA EMPRESAS
Índice del Artículo
OBJETIVOS
»Dotar al alumnado de las herramientas y habilidades para llevar a la práctica análisis estadísticos con el principal software estadístico del mercado (SPSS), en función de la naturaleza de las variables y del tipo de muestra a contrastar, para la posterior elaboración de publicaciones científicas, alrededor de los resultados que arrojan los contrastes de hipótesis estadísticos, haciendo inferencia de lo muestral a lo poblacional.»
CONTENIDOS
Introducción a SPSS
Definición de variables y tipos
El primer paso siempre es definir las variables si se parte totalmente de cero, o comprobar la correcta definición de las mismas si se trata de un archivo importado de Excel o cualquier plataforma similar, en la pestaña de ‘Vista de variables’, una de las 3 ventanas fundamentales, junto a ‘Vista de datos’ (estas 2 vistas, variables y conforman el archivo de SPSS .sav), y por otro lado el archivo aparte .spv de ‘Vista de resultados‘, que antiguamente se conocía como salidas de SPSS, donde además del código, aparecen Tablas de resultados de los análisis estadísticos y descriptivos, además de los Gráficos.
Importar archivos de bases de datos de Excel
Existe la posibilidad de exportar los casos de la base de datos de cualquier hoja (seleccionándola) de un libro de Microsoft Excel.
Estadísticos Descriptivos (Frecuencias y Explorar)
Comando FRECUENCIAS
El comando frecuencias de análisis descriptivo nos ofrece el Histograma con curva normal para aquellas variables continuas con frecuencias absolutas, además de poder personalizar los Percentiles.
Comando EXPLORAR
Con el comando Explorar podemos obtener, además de los estadísticos descriptivos y/o una segmentación de los mismos en función de la variable categórica que se considere como factor (variable independiente), una prueba de Normalidad de los datos (con p-valor asociado), y el gráfico de caja Box-Plot para detectar los valores atípicos.
Detección de Outliers
Los números con círculo se muestran como casos atípicos (outliers), puede ser conveniente su eliminación, pues pueden desvirtuar el resultado de los análisis estadísticos.
HIPÓTESIS ESTADÍSTICAS
Test Paramétricos:
Comparativa de Medias con T de Student (muestras independientes y relacionadas)
INDEPENDIENTES
Una vez se cumple el supuesto de normalidad, o el tamaño muestral es mayor de 30, Se comprueban que existen diferencias estadísticamente significativas en medias entre ambas muestras (independientes, ejemplo diferentes personas).
RELACIONADAS
Una vez se cumple el supuesto de normalidad, o el tamaño muestral es mayor de 30, Se comprueban que existen diferencias estadísticamente significativas en medias entre ambas muestras (relacionadas, ejemplo una medición antes del tratamiento y otra después del mismo).
Tabla ANOVA de 1 Factor de comparativa de medias de más de 2 muestras
ANOVA de 2 Factores e Interacción de los mismos
Comprobar la significatividad estadística de cada factor como componente principal, y por otro lado, la de la interacción de ambos factores.
Test No Paramétricos:
U de Mann-Whitney de comparativa de medianas o rangos promedio de 2 grupos
Comparación de medianas de 2 muestras a partir de la U de Mann-Whitney, una vez no se cumple el supuesto de normalidad o el tamaño muestral es menor de 30.
Kruskal-Wallis de comparativa de medianas de más de 2 grupos
Kruskal-Wallis de comparativa de medianas en la variable continua de interés de los 3 o más grupos, para detectar diferencias estadísticamente significativas entre las muestras.
Test de la Chi-cuadrado para variables categóricas y dicotómicas
Detectar correlaciones estadísticamente significativas entre las categorías de 2 variables del tipo nominal o dicotómico.
Contraste de Proporciones
Comparación de % poblacionales a partir de % muestrales (casos favorables/casos posibles).
Análisis de Cuestionarios de Opinión: Fiabilidad de batería de ítems
Cuestionarios de opinión (ejemplo Google Forms): Análisis de Fiabilidad de Batería de Ítems de una dimensión o componente psicológica, a partir de valores del alfa de Cronbach superiores a 0,7.
Regresión Múltiple: Modelos de predicción
Intentar establecer un modelo predictivo de regresión múltiple potable, a partir de la significatividad estadística de las variables explicativas o factores numéricos, dicotómicas, o categóricas recodificadas en ‘dummies’, y siempre bajo los supuestos de partida de independencia de los errores y no multicolinealidad entre las variables explicativas.
Regresión Logística Binaria
Probabilidad de ocurrencia (a partir de las odds ratio) de la variable de respuesta dicotómica, a partir de la significatividad estadística de las variables explicativas o factores numéricos, dicotómicas, o categóricas recodificadas en ‘dummies’.
Las variables independientes que tras su eliminación (método hacia atrás), conllevan una variación del 10% en el parámetro Beta respecto a la que se considera factor principal, pueden ser consideradas como confusoras y requieren de una interpretación aparte (Víctor Iriarte).
Intro al Meta-análisis
Se trata de comparar varias muestras del grupo de casos y del grupo de controles, a partir de los correspondientes tamaños de las muestras, sus medias y sus desviaciones típicas (varianzas).
Simulación de muestreo (BOOTSTRAPPING)
