Masterpsicologiadelaeducacinintropartespss 090907081253 Phpapp01

Introducción al
paquete de
análisis de datos
Spss
Índice
 El entorno de trabajo del SPSS

 Los Datos en el SPSS
 Estadística descriptiva con el SPSS
 Diferencia de medias
 Análisis de Varianza y covarianza
Entorno de trabajo en el SPSS
Editor de datos
nombre.SAV
Editor de sintaxis
nombre.SPS
Visor de resultados
nombre.SPO
Visor de resultados
en modo borrador
(ASCII)
nombre.RTF
 Editor de tablas pivote

 Editor de gráficos
 Editor de resultados de texto
 Editor de procesos
Barra de menús
Barra de herramientas
Barra de estado
SPSS: POP Psicología Educativa

Datos en SPSS
 Creación de datos en el editor
 Transformación y recodificación de
valores de datos
 Selección de datos mediante
procedimientos condicionales
 Ordenar casos
 Transponer y fusionar archivos
 Segmentar archivos
 Categorización de datos
 Operadores y funciones en SPSS
Creación de datos en el editor
Transformación de valores de datos
encuesta.sav
Transformación de valores de datos
Recodificación de valores de datos



Selección de datos…








Ordenar casos

Ordenar casos

Segmentar archivos

Segmentar archivos

Segmentar archivos

Categorizador visual

Categorizador visual

Operadores y funciones en SPSS

Operadores y funciones en SPSS

Estadística descriptiva con el SPSS
 Procedimiento frecuencias
 Procedimiento Descriptivos
 Procedimiento Explorar

Procedimiento frecuencias
Mundo.sav






cc
Habitantes en ciudades (%)
14
12
10
Desv. típ. = 24,20

2
Media = 56,5
0 N = 108,00
5, 10 15 20 25 30 35 40 45 50 55 60 65 70 75 80 85 90 95 100
0 ,0 ,0 ,0 ,0 ,0 ,0 ,0 ,0 ,0 ,0 ,0 ,0 ,0 ,0 ,0 ,0 ,0 ,0 ,0
Habitantes en ciudades (%)


Procedimiento Descriptivos






Procedimiento Explorar






Explorando Datos
Multivariados.

Diferencia de medias
 T-TEST
 Comprobar si n pertenece a N
 Comprobar si dos muestras independientes
se diferencian
 Comprobar si dos muestras relacionadas se
diferencian
 ONEWAY
 UNIANOVA
 ANCOVA

Diferencia de medias: T-Test
Método tradicional Método por descubrimiento
Momento Mecánica Calor Sonido Mecánica Calor Sonido
Mañana 32 135 32 51 137 35

Mañana 23 122 29 45 149 38
Mañana 34 134 35 53 139 32
Mañana 29 141 32 52 143 32
Tarde 41 107 35 59 121 31
Tarde 43 113 33 68 126 37
Tarde 43 95 32 56 131 32
Tarde 41 109 25 59 154 39
Noche 27 76 34 50 88 34
Noche 30 74 31 52 90 27
Noche 26 76 28 50 97 27
Noche 29 70 28 55 90 41

fisica.sav










Diferencia de medias: ONEWAY
fisica.sav











44
42
40
38
36
34
32
30
28
26
Mañana Tarde Noche
Momento

Diferencia de medias:UNIANOVA
Luz natural o artificial

Natural Artificial
Tratamiento o placebo Tratamiento o placebo
Tratamiento Placebo Tratamiento Placebo
Tipo de Heavy 3 3 3 3
música Ambiental 3 3 3 3
Mozart 3 3 3 3
rendi.sav










ANOVA DOS FACTORES
Análisis de varianza multifactorial de efecto fijo
Pruebas de los efectos inter-sujetos
Variable dependiente: rendimi

Suma de
cuadrados Media
Fuente tipo III gl cuadrática F Significación
Modelo Modelo corregido 92.967a 5 18.593 10.831 .000
Corregido Inters ección 520.833 1 520.833 303.398 .000
Contiene grupo 86.867 2 43.433 25.301 .000
toda la
variabilidad motiva 5.633 1 5.633 3.282 .083
ínter grupo grupo * motiva .467 2 .233 .136 .874
Error 41.200 24 1.717
Total 655.000 30
Total corregida 134.167 29
a. R cuadrado = .693 (R cuadrado corregida = .629) Factores inter-sujetos
Etiqueta del
valor N
grupo 1.00 (Sin práct.) 10
2.00 (5') 10
3.00 (10') 10
motiva 1.00 Alta Motiv. 15
2.00 Baja Motiv. 15
92.967  86.867  5.633  0.467
SCModelo Corregido = SCGrupo + SCMotiva + SCGrupo x motiva
Medias marginales estimadas de rendimi Medias marginales estimadas de rendimi
motiva 8,00
grupo
8,00
Alta Motiv. (Sin práct.)
Baja Motiv. (5')
(10')
Medias marginales estimadas

6,00 6,00
4,00 4,00
2,00 2,00
0,00
0,00
(Sin práct.) (5') (10')

Alta Motiv. Baja Motiv.
grupo
motiva
Podemos observar en la gráfica que el rendimiento aumenta a medida que se

incrementa el tiempo de práctica de igual forma entre los sujetos motivados y
menos motivados. No existe por tanto indicios gráficos que nos haga dudar de la
decisión de no rechazo de la Ho de la interacción.
Además del rendimiento, hemos medido en cado uno de los sujetos la variable Nº de errores
cometidos en el experimento. La tabla adjunta presenta las medias marginales y por condición
experimental.
Sin practica 5’ minutos 10’ minutos
Alta
Motivación
5.2 2.6 1.4 3.06
Baja
Motivación
5.8 5.8 5.4 5.66
5.5 4.2 3.4 4.36
Variable dependiente: errorres

Suma de
cuadrados Media
Fuente tipo II gl cuadrática F Significación
Modelo corregido 88.967a 5 17.793 16.425 .000
Inters ección 572.033 1 572.033 528.031 .000
grupo 22.467 2 11.233 10.369 .001
motiva 50.700 1 50.700 46.800 .000
grupo * motiva 15.800 2 7.900 7.292 .003
Error 26.000 24 1.083
Total 687.000 30
a. R cuadrado = .774 (R cuadrado corregida = .727)
Medias marginales estimadas de errores
Medias marginales estimadas de errores
6,00
grupo
6,00
motiva (Sin práct.)
Alta Motiv. (5')
Baja Motiv. (10')

5,00
5,00
4,00
4,00
3,00
3,00
2,00
2,00
1,00 1,00
(Sin práct.) (5') (10') Alta Motiv. Baja Motiv.
grupo motiva
El intervalo de confianza (ic) en el anova multifactorial ínter sujeto
IC  Y j 
MCintra
nj
 t critica , gl  N  JK   Y j 
1.083
5
 2.064   Y j  0.961
5
Alta Motivación
4
Baja Motivación
3
0
8
4
Alta Motivación Comparaciones de
Baja Motivación motivación por cada nivel
3
de tiempo
2
0
5
Sin practica
Comparaciones par a par
4 5’ minutos
10’ minutos
de niveles de tiempo por
3
cada nivel de motivación.
2
0
Alta Motivación Baja Motivación
ANOVA DOS FACTORES: COMPARACIONES
MULTIPLES
Medias marginales estimadas de errores Medias marginales estimadas de errores
6,00
motiva 6,00
grupo
Alta Motiv. (Sin práct.)
Baja Motiv. (5')
(10')

5,00 5,00
4,00 4,00
3,00 3,00
2,00 2,00
1,00 1,00
(Sin práct.) (5') (10') Alta Motiv. Baja Motiv.

grupo motiva
Gráfica de medias de la interacción A x B (Tiempo de práctica previa x

Motivación (3 x 2)
MULTIPLES
J=3 niveles del factor A en los K=2 niveles del B

Diferencias entre los grupos de práctica previa en cada nivel de motivación
(JK(J-1)/2 = 6 comparaciones)
Comparaciones por pares
Variable dependiente: errores
Intervalo de confianza al 95
a
Diferencia % para diferencia
entre Límite
a
motiva (I) grupo (J) grupo medias (I-J) Error típ. Significación Límite inferior s uperior
1.00 Alta Motiv. 1.00 (Sin práct.) 2.00 (5') 2.600* .658 .002 .911 4.289
3.00 (10') 3.800* .658 .000 2.111 5.489
2.00 (5') 1.00 (Sin práct.) -2.600* .658 .002 -4.289 -.911
3.00 (10') 1.200 .658 .223 -.489 2.889
3.00 (10') 1.00 (Sin práct.) -3.800* .658 .000 -5.489 -2.111
2.00 (5') -1.200 .658 .223 -2.889 .489
2.00 Baja Motiv. 1.00 (Sin práct.) 2.00 (5') 5.551E-17 .658 1.000 -1.689 1.689
3.00 (10') .400 .658 .908 -1.289 2.089
2.00 (5') 1.00 (Sin práct.) -5.551E-17 .658 1.000 -1.689 1.689
3.00 (10') .400 .658 .908 -1.289 2.089
3.00 (10') 1.00 (Sin práct.) -.400 .658 .908 -2.089 1.289
2.00 (5') -.400 .658 .908 -2.089 1.289
Bas adas en las medias marginales estimadas.
*. La diferencia de las medias es significativa al nivel .05.
a. Ajus te para comparaciones múltiples: Sidak.
MULTIPLES
K=2 niveles del factor B en los J=3 niveles del factor A

Diferencias entre los grupos de motivación en cada nivel de
práctica previa (JK(K-1)/2=3)
a
entre Límite
a
grupo (I) motiva (J) motiva medias (I-J) Error típ. Significación Límite inferior s uperior
1.00 (Sin práct.) 1.00 Alta Motiv. 2.00 Baja Motiv. -.600 .658 .371 -1.959 .759
2.00 Baja Motiv. 1.00 Alta Motiv. .600 .658 .371 -.759 1.959
2.00 (5') 1.00 Alta Motiv. 2.00 Baja Motiv. -3.200* .658 .000 -4.559 -1.841
2.00 Baja Motiv. 1.00 Alta Motiv. 3.200* .658 .000 1.841 4.559
3.00 (10') 1.00 Alta Motiv. 2.00 Baja Motiv. -4.000* .658 .000 -5.359 -2.641
2.00 Baja Motiv. 1.00 Alta Motiv. 4.000* .658 .000 2.641 5.359
Observa las coincidencias de los efectos simples significativos con la gráfica de

intervalos de confianza calculados anteriormente
TAMAÑO DE EFECTO Y POTENCIA
a
Contraste de Levene sobre la igualdad de las varianzas error

F gl1 gl2 Significación
1.113 5 24 .380
Contras ta la hipótesis nula de que la varianza error de la
variable dependiente es igual a lo largo de todos los grupos .
a. Dis eño: Intercept+grupo+motiva+grupo * motiva

Suma de Eta al
cuadrados Media cuadrado Parámetro de Potencia
a
Fuente tipo III gl cuadrática F Significación parcial no centralidad obs ervada
Modelo corregido 88.967b 5 17.793 16.425 .000 .774 82.123 1.000
Inters ección 572.033 1 572.033 528.031 .000 .957 528.031 1.000
grupo 22.467 2 11.233 10.369 .001 .464 20.738 .976
motiva 50.700 1 50.700 46.800 .000 .661 46.800 1.000
grupo * motiva 15.800 2 7.900 7.292 .003 .378 14.585 .904
Error 26.000 24 1.083
Total 687.000 30
a. Calculado con alfa = .05
b. R cuadrado = .774 (R cuadrado corregida = .727)
Eta cuadrado Parcial Eta cuadrado

22467
SCEfecto  Grupo 
2
 0.19
 2
 114967
SCEfecto  SCError
Parcial
50700
 Motiva 
2
 0.44
2 22467
114967
Parcial _ Grupo   0.464 15800
22467  2600  Grupo x Motiva 
2
 0.14
114967
ANOVA DOS FACTORES MEDIDAS REPETIDAS
FV SC gl MC F
Factor A J-1 MC A
SCA MCA
MC A S
Error: (J-1)(n-1) Cada
SCAxS MCAxS efecto
A x Sujetos tiene su
MC B propio
Factor B K-1
SCB MCB MC B S
error:
Efecto x
Sujeto
Error: (K-1)(n-1)
SCBxS MCBxS
B x Sujetos
Interacción AB (J-1)(K-1) MC AB
SCAB MCAB MC ABS
Error: (J-1)(K-1)(n-1)
SCABxS MCABxS
AB x Sujetos
ANOVA DOS FACTORES MEDIDAS REPETIDAS
En un estudio sobre memoria se registró el número de errores de 6 sujetos bajo

condiciones de Recuerdo (A1) y de Evocación (A2) y en distintos intervalos
temporales (B1 después de una hora, B2 de un día y B3 1 semana). ¿Qué podemos
concluir acerca de la influencia de las variables mencionadas sobre el número de
errores que cometen los sujetos?.
Estadisticos descriptivos
Factores intra-sujetos
Medida: MEASURE_1
1. condi
Variable
condi tiempo dependiente Medida: MEASURE_1
1 1 Rec_1hora Intervalo de confianza al
2 Rec_1dia 95%.
3 Rec_ Límite
1semana condi Media Error típ. Límite inferior superior
2 1 Evo_1hora 1 6.500 .749 4.574 8.426
2 Evo_1dia 2 4.389 .498 3.110 5.668
3 Evo_
1semana
2. tiempo
Estadísticos de scriptivos
Medida: MEASURE_1
Media Desv. típ. N
Intervalo de confianza al
Rec_1hora 3.17 2.137 6
95%.
Límite
Rec_1dia 7.67 2.066 6
tiempo Media Error típ. Límite inferior s uperior Rec_1semana 8.67 2.503 6
1 2.833 .628 1.219 4.448 Evo_1hora 2.50 1.517 6
2 6.583 .539 5.198 7.968 Evo_1dia 5.50 1.517 6
3 6.917 .821 4.807 9.026 Evo_1semana 5.17 1.941 6
Comprobación del supuesto de esfericidad
Prueba de esfericidad de Mauchlyb
Medida: MEASURE_1
a
Eps ilon
Chi-cuadrado Greenhous
Efecto intra-sujetos W de Mauchly aprox. gl Significación e-Geiss er Huynh-Feldt Límite-inferior
condi 1.000 .000 0 . 1.000 1.000 1.000
tiempo .437 3.313 2 .191 .640 .763 .500
condi * tiempo .281 5.073 2 .079 .582 .649 .500
Contras ta la hipótesis nula de que la matriz de covarianza error de las variables dependientes transformadas es proporcional a
una matriz identidad.
a. Puede usars e para corregir los grados de libertad en las pruebas de s ignificación promediadas . Las pruebas corregidas
s e muestran en la tabla Pruebas de los efectos inter-sujetos.
b.
Dis eño: Intercept Condi no tiene
Dis eño intra s ujetos: condi+tiempo+condi*tiempo
significación porque no
se realiza la corrección
para variables con dos
niveles
Asumimos la esfericidad de la matriz de
varianzas y covarianzas.
No hay que corregir los grados de
libertad (p > 0,05)
La Tabla resumen del Anova de dos factores. Modelo No Aditivo
Pruebas de efectos intra-sujetos.
Medida: MEASURE_1
Suma de Eta al
a
condi Esfericidad as umida 40.111 1 40.111 8.167 .035 .620 8.167 .631
Greenhouse-Geiss er 40.111 1.000 40.111 8.167 .035 .620 8.167 .631
Huynh-Feldt 40.111 1.000 40.111 8.167 .035 .620 8.167 .631
Límite-inferior 40.111 1.000 40.111 8.167 .035 .620 8.167 .631
Error(condi) Esfericidad as umida 24.556 5 4.911
Greenhouse-Geiss er 24.556 5.000 4.911
Huynh-Feldt 24.556 5.000 4.911
Límite-inferior 24.556 5.000 4.911
tiempo Esfericidad as umida 123.389 2 61.694 18.539 .000 .788 37.078 .998
Huynh-Feldt 123.389 1.526 80.868 18.539 .002 .788 28.287 .987
Límite-inferior 123.389 1.000 123.389 18.539 .008 .788 18.539 .926
Error(tiempo) Esfericidad as umida 33.278 10 3.328
Huynh-Feldt 33.278 7.629 4.362
condi * tiempo Esfericidad as umida 12.056 2 6.028 5.345 .026 .517 10.690 .707
Huynh-Feldt 12.056 1.299 9.283 5.345 .051 .517 6.941 .549
Límite-inferior 12.056 1.000 12.056 5.345 .069 .517 5.345 .464
Error(condi*tiempo) Esfericidad as umida 11.278 10 1.128
Huynh-Feldt 11.278 6.493 1.737
De haber necesitado la corrección por no esfericidad, el efecto de interacción condi x tiempo no habría
sido significativo (p > 0.05). Pero dado que la matriz resultó ser esférica dicho efecto si es significativo (p <
0.05)
Gráfica de Interacción condi x tiempo
ANOVA DOS FACTORES MEDIDAS REPETIDAS: IC
 critica ,5 
MCint ra 1.128
IC  Y j  t  Y j   2.228  Y j  0.966
nj 6
12.00
10.00
8.00
Recuerdo
6.00
Evocación
4.00
2.00
0.00
1 hora 1 dia 1 semana
Comparaciones post-hoc
Medida: MEASURE_1
a
entre Límite
a
tiempo (I) condi (J) condi medias (I-J) Error típ. Significación Límite inferior s uperior
1 1 2 -2.167 1.014 .086 -4.773 .439
2 1 2.167 1.014 .086 -.439 4.773
2 1 2 -.667 .843 .465 -2.834 1.501
2 1 .667 .843 .465 -1.501 2.834
3 1 2 -3.500* .806 .007 -5.572 -1.428
2 1 3.500* .806 .007 1.428 5.572
Bas adas en las medias marginales estimadas .
Sólo resultan significativas las

diferencias entre Recuerdo y
Evocación en el nivel 3 del tiempo
transcurrido (1 semana)
Medida: MEASURE_1
a
entre Límite
a
condi (I) tiempo (J) tiempo medias (I-J) Error típ. Significación Límite inferior s uperior
1 1 2 3.000* .683 .021 .597 5.403
3 .333 .715 .961 -2.182 2.849
2 1 -3.000* .683 .021 -5.403 -.597
3 -2.667 .989 .123 -6.146 .812
3 1 -.333 .715 .961 -2.849 2.182
2 2.667 .989 .123 -.812 6.146
2 1 2 4.500* 1.057 .024 .782 8.218
3 -1.000 .516 .296 -2.817 .817
2 1 -4.500* 1.057 .024 -8.218 -.782
3 -5.500* 1.057 .010 -9.218 -1.782
3 1 1.000 .516 .296 -.817 2.817
2 5.500* 1.057 .010 1.782 9.218
En la condición de Recuerdo sólo resulta significativa la diferencia de errores

entre 1 hora y un día (p < .05). En la condición de Evocación resultan significativas
las diferencias entre 1 hora y 1 día y 1 día frente a una semana.
ANOVA MIXTO O SPLIT-PLOT
FV SC gl MC F
Intersujetos
Factor A SCA J-1 SC A MC A
J 1 MCS
Sujetos SCS J(n-1) SCS
J  n  1
Intrasujetos
Factor B SCB K-1 SC B MCB
K 1 MC BS 
Interacción AxB SCAxB (J-1)(K-1) SCAB MC AB
 J 1 K 1 MC BS 
B x Sujetos SC(BxS) J(K-1)(n-1) SC BS 
J  K  1 n  1
ANOVA MIXTO O SPLIT-PLOT
Seleccionamos
Añadir
y posteriormente
Definir
Introducir las
medidas
repetidas
Al pulsar Post hoc, vemos que éste es

exclusivamente para los efectos de la
variable inter. Dado que ésta tiene sólo
dos niveles, no tiene sentido su solicitud
Factores intra-sujetos
Medida: MEASURE_1 Factores inter-sujetos

Variable
recuerdo dependiente Etiqueta
1 Rec_1dia del valor N
Condicion 1.00 Reconoci
2 Rec_1hora 4
miento
3 Rec_1mes
2.00
4 Rec_ Evocación 4
1semana
Prueba de esfericidad de Mauchlyb
Medida: MEASURE_1
a
Eps ilon
Chi-cuadrado Greenhous
Efecto intra-sujetos W de Mauchly aprox. gl Significación e-Geiss er Huynh-Feldt Límite-inferior
recuerdo .315 5.449 5 .372 .584 .943 .333
Contras ta la hipótesis nula de que la matriz de covarianza error de las variables dependientes transformadas es proporcional a
una matriz identidad.
a. Puede usars e para corregir los grados de libertad en las pruebas de s ignificación promediadas . Las pruebas corregidas
s e muestran en la tabla Pruebas de los efectos inter-sujetos.
No rechazamos Ho de
b.
esfericidad. Luego no
Dis eño: Intercept+Condicion
Dis eño intra s ujetos: recuerdo
corregimos los grados de
libertad en los efectos de la
parte intra del modelo
1. recuerdo 2. Condición
Estimaciones
Estimaciones
Medida: MEASURE_1
Intervalo de confianza al Medida: MEASURE_1
95%. Intervalo de confianza al
Límite 95%.
recuerdo Media Error típ. Límite inferior s uperior Límite
1 3.500 .289 2.794 4.206 Condicion Media Error típ. Límite inferior s uperior
2 2.750 .395 1.783 3.717 1.00 Reconocimiento 5.688 .313 4.923 6.452
3 9.000 .289 8.294 9.706 2.00 Evocación 5.063 .313 4.298 5.827
4 6.250 .250 5.638 6.862
3. Condición x Recuerdo
3. Condicion * recuerdo
Medida: MEASURE_1
95%.
Límite
Condicion recuerdo Media Error típ. Límite inferior s uperior
1.00 Reconocimiento 1 4.000 .408 3.001 4.999
2 3.750 .559 2.382 5.118
3 8.000 .408 7.001 8.999
4 7.000 .354 6.135 7.865
2.00 Evocación 1 3.000 .408 2.001 3.999
2 1.750 .559 .382 3.118
3 10.000 .408 9.001 10.999
4 5.500 .354 4.635 6.365
Medida: MEASURE_1
Variable transformada: Promedio
Suma de Eta al
a
Inters ección 924.500 1 924.500 591.680 .000 .990 591.680 1.000
Condicion 3.125 1 3.125 2.000 .207 .250 2.000 .223
Error 9.375 6 1.563
Factor completamente
aleatorio de efecto fijo
Pruebas de efectos intra-sujetos.
Medida: MEASURE_1
Suma de Eta al
a
recuerdo Esfericidad as umida 194.500 3 64.833 127.890 .000 .955 383.671 1.000
Greenhouse-Geiss er 194.500 1.752 110.992 127.890 .000 .955 224.113 1.000
Huynh-Feldt 194.500 2.830 68.738 127.890 .000 .955 361.879 1.000
Límite-inferior 194.500 1.000 194.500 127.890 .000 .955 127.890 1.000
recuerdo * Condicion Esfericidad as umida 19.375 3 6.458 12.740 .000 .680 38.219 .998
Huynh-Feldt 19.375 2.830 6.847 12.740 .000 .680 36.048 .998
Límite-inferior 19.375 1.000 19.375 12.740 .012 .680 12.740 .843
Error(recuerdo) Esfericidad as umida 9.125 18 .507
Greenhouse-Geiss er 9.125 10.514 .868
Huynh-Feldt 9.125 16.978 .537
ANOVA MIXTO O SPLIT-PLOT: IC
 critica ,18 
MCint ra 0.507
IC  Y j  t  Y j   2.101  Y j  0.748
nj 4
12
10
Rec
6
Evo
0
1 hora 1 dia 1 semana 1 mes
12
10
8 Comparaciones de
Rec condición por cada nivel
6
Evo de recuerdo
4
0
1 hora 1 dia 1 semana 1 mes
12
10
8 1 hora Comparaciones par a par

1 dia de niveles de recuerdo
6
1 semana por cada nivel de
4 1 mes condición.
0
Rec Evo
Efectos simples. Comparaciones par a par de los 4 niveles intra en cada nivel de la inter
Medida: MEASURE_1
a
entre Límite
a
Condicion (I) recuerdo (J) recuerdo medias (I-J) Error típ. Significación Límite inferior s uperior
1.00 Reconocimiento 1 2 .250 .382 .990 -1.218 1.718
3 -4.000* .645 .005 -6.482 -1.518
4 -3.000* .354 .001 -4.359 -1.641
2 1 -.250 .382 .990 -1.718 1.218
3 -4.250* .692 .005 -6.911 -1.589
4 -3.250* .382 .001 -4.718 -1.782
3 1 4.000* .645 .005 1.518 6.482
2 4.250* .692 .005 1.589 6.911
4 1.000 .456 .357 -.755 2.755
4 1 3.000* .354 .001 1.641 4.359
2 3.250* .382 .001 1.782 4.718
3 -1.000 .456 .357 -2.755 .755
2.00 Evocación 1 2 1.250 .382 .098 -.218 2.718
3 -7.000* .645 .000 -9.482 -4.518
4 -2.500* .354 .002 -3.859 -1.141
2 1 -1.250 .382 .098 -2.718 .218
3 -8.250* .692 .000 -10.911 -5.589
4 -3.750* .382 .000 -5.218 -2.282
3 1 7.000* .645 .000 4.518 9.482
2 8.250* .692 .000 5.589 10.911
4 4.500* .456 .000 2.745 6.255
4 1 2.500* .354 .002 1.141 3.859
2 3.750* .382 .000 2.282 5.218
3 -4.500* .456 .000 -6.255 -2.745
Bas adas en las medias marginales estimadas .
Comparaciones par a par de los dos niveles inter en cada nivel de la intra
(JK(K-1)/2)=4
Medida: MEASURE_1
a
entre Límite
a
recuerdo (I) Condicion (J) Condicion medias (I-J) Error típ. Significación Límite inferior s uperior
1 1.00 Reconocimiento 2.00 Evocación 1.000 .577 .134 -.413 2.413
2.00 Evocación 1.00 Reconocimiento -1.000 .577 .134 -2.413 .413
2 1.00 Reconocimiento 2.00 Evocación 2.000* .791 .045 .066 3.934
2.00 Evocación 1.00 Reconocimiento -2.000* .791 .045 -3.934 -.066
3 1.00 Reconocimiento 2.00 Evocación -2.000* .577 .013 -3.413 -.587
2.00 Evocación 1.00 Reconocimiento 2.000* .577 .013 .587 3.413
4 1.00 Reconocimiento 2.00 Evocación 1.500* .500 .024 .277 2.723
2.00 Evocación 1.00 Reconocimiento -1.500* .500 .024 -2.723 -.277
ANÁLISIS DE LA COVARIANZA
- El Modelo
El análisis de la covarianza es una técnica estadística que, utilizando un modelo de regresión
lineal múltiple, busca comparar los resultados obtenidos en diferentes grupos de una
variable cuantitativa (VD), pero "corrigiendo“ las posibles diferencias existentes entre los
grupos atribuibles a otras variables que puedieran afectar también al resultado
(covariantes).
Yijk     j  B  X ij  X    ij
Los valores de la variable dependiente Y, dependen no sólo de los componentes habituales

del modelo lineal general sino que incluimos una nueva componente relativa a la variable
covariante X también continua que presenta una relación lineal con Y y una pendiente de
regresión B común a los J grupos del factor A.
El modelo propuesto, supone que en la j poblaciones de Y existirá una recta de regresión de
Y sobre X con una pendiente Bj, común a los J grupos.
B1  B2  ...  B j
- Supuestos.
1.- Los mismos del AVAR clásico: independencia de las observaciones, normalidad
y homogeneidad de varianzas (homocedasticidad).
2.- Relación lineal entre la variable dependiente y la covariante.
3.- Igualdad de las J pendientes de regresión a una pendiente común b para
todas las subpoblaciones contrastadas. No exista por tanto interacción covariante
por variable independiente
Pasos a realizar en un análisis de la covarianza:
1.- Verificar la existencia de una pendiente de regresión diferente de 0: Ho: b(cov)=0.
2.- Verificar mediante el diagrama de dispersión el supuesto de linealidad de la relación
entre la vd y la variable covariante.
3.- Verificar el supuesto de igualdad de las J pendientes a través de la no significación del
efecto de la interacción cova x variable dependiente.
4.- Valorar los distintos efectos (principales y de la interacción) una vez ajustadas las
medias del diseño a partir de la pendiente de regresión y de las medias de la variable
covariante.
- El diagrama de dispersión Cavariante x Variable dependiente
VD A VD B
Cova
Cova
C
DIAGRAMAS DE DISPERSIÓN
A.- Pendiente de regresión diferente para
cada grupo. Interacción cova x vi
B.- Pendiente de regresión igual para cada
grupo.
C.- Pendiente de regresión igual para cada
grupo aunque a diferente altura.
Cova
En la figura A vemos que hay interacción entre la variable para la que ajustamos
(covariante), y el grupo, de tal manera que en uno de los grupos la relación entre la
VD y la covariante es más acusada, aumenta más rápidamente al aumentar ésta. Es
decir, dicha interacción es sinónimo de pendiente de regresión desigual para los dos
grupos que se contrastan. Cuando existe esta interacción la interpretación es
complicada ya que puede incluso ocurrir que en uno de los grupos esa relación se
invierta y que al aumentar el covariante X el valor de Y disminuya (pendiente
negativa).
En el análisis de la covarianza en primer lugar nos planteamos si es razonable creer

que la regresión tiene pendientes diferentes en cada grupo o si por el contrario es
verosímil pensar que la pendiente se mantiene constante entre los grupos, pudiendo
entonces considerar una pendiente común para todos. Solo en el caso de que
aceptemos esta última situación tiene sentido plantearnos si el modelo que subyace
a la modelización de la VD es el de AVAR con covariante:
Yijk     j  B  X ij  X    ij
Pendiente común a los J grupos
- La pendiente de regresión de Y sobre X
Una vez comprobado el supuesto de igualdad de pendientes entre los grupos,

debemos poner a prueba la Ho de que dicha pendiente es igual a cero en la
población B = 0. Si rechazamos esa hipótesis nula, es decir existe una recta de
regresión de Y sobre X, calculamos cuál sería el valor de la VD previsto por la
ecuación de regresión para la media global de la covariante (media calculada
combinando ambos grupos), y determinamos el valor de la VD estimado a partir de
la ecuación de regresión en cada grupo, este valor es lo que denominamos medias
ajustadas de la VD: aquellas que obtendríamos si ambos grupos hubiesen tenido la
misma media en la variable covariante.
Cálculo de la pendiente de regresión común mediante el sumatorio de productos

cruzados de Covariante X y V dependiente Y.
b
  X  X Y  Y 
ij j ij j
  X  X 
2
ij j
Cálculo de la media ajustada de Y a partir de la pendiente común y las

puntuaciones en la variable covariante.
Yj  Yj  b  X j  X 
ˆ
En esta ecuación podemos observar que tanto si las J medias de la covariante

son iguales como si la pendiente de regresión es cero o próxima a este valor
entonces la media ajustada y la observada de la VD serán la misma o muy
similares.
Anvar clasico (sin covariante)
Factores inter-sujetos Estadísticos descriptivos
Variable dependiente: vd
N grupo Media Des v. típ. N
grupo 1.00 25 1.00 10.1485 2.29749 25
2.00 25 2.00 13.3630 2.05274 25
Total 11.7557 2.69913 50
a
F gl1 gl2 Significación
.033 1 48 .856
Contras ta la hipótesis nula de que la varianza error de la
a. Dis eño: Intercept+grupo
Suma de Eta al
a
Modelo corregido 129.167 b 1 129.167 27.216 .000 .362 27.216 .999
Inters ección 6909.871 1 6909.871 1455.910 .000 .968 1455.910 1.000
grupo 129.167 1 129.167 27.216 .000 .362 27.216 .999
Error 227.812 48 4.746
Total 7266.851 50
La media de VD es diferente en
los dos grupos
Incluimos ahora la covariante de
nombre “cova” en el análisis
Suma de Eta al
a
Modelo corregido 222.089 b 2 111.045 38.691 .000 .622 77.383 1.000
Inters ección 22.350 1 22.350 7.787 .008 .142 7.787 .780
cova 92.922 1 92.922 32.377 .000 .408 32.377 1.000
grupo 9.221 1 9.221 3.213 .079 .064 3.213 .419
Error 134.890 47 2.870
Total 7266.851 50
a. Calculado con alfa = .05 Pendiente de regresión
Descontando
b. R el efecto
cuadrado = .622 (R cuadrado de =la.606)
corregida covariante no significativamente diferente de 0
existen diferencias en las J medias de VD
COVARIATE B Std t- Sig. t Low - Upper
Beta Err. Value 95%
Cova .438 .646 .0771 5.69006 .000 .283 0.5940
Pendiente de regresión
Suma de común
cuadrados Media
Modelo corregido 222.091 a 3 74.030 25.246 .000
Inters ección 21.965 1 21.965 7.490 .009
cova 92.903 1 92.903 31.682 .000
grupo .489 1 .489 .167 .685
grupo * cova .002 1 .002 .001 .978
Error 134.888 46 2.932 No se rechaza Ho: B1 = B2
Total 7266.851 50
(Interacción VI x Cova)
- Las medias ajustadas de Y por la covariante X
MEDIAS SIN AJUSTAR MEDIAS AJUSTADAS

grupo
Medias de Vd y Cova
Media Intervalo de confianza al
95%.
grupo vd cova Límite
1.00 10.1485 15.4616 grupo Media Error típ. Límite inferior s uperior
2.00 13.3630 20.3044 1.00 11.211a .387 10.433 11.990
2.00 12.300a .387 11.522 13.079
Total 11.7557 17.8830 a. Las covariables que aparecen en el modelo se
evalúan en los s iguiente valores : cova = 17.8830.
Una vez ajustadas, vemos
Yj  Yj  b  X j  X 
ˆ como se han acortado las
diferencias entre las dos
medias contrastadas.
11.21  10.15  0.438 15.46  17.88 

12.30  13.36  0.438  20.30  17.88 
Diagrama de dispersión Cova x VD
Pendiente de regresión igual para cada grupo
grupo
17,50
1.00
2.00
15,00
12,50
vd
10,00
7,50
R2 lineal = 0,596
5,00
10,00 15,00 20,00 25,00

cova
ANOVA OMNIBUS no significativo debido a la influencia de una covariante
que oculta las diferencias. Efecto supresor
Estadísticos descriptivos
Variable dependiente: vd a
grupo Media Des v. típ. N Variable dependiente: vd
1.00 10.5813 1.84517 25 F gl1 gl2 Significación
2.00 11.4631 2.01782 25 .015 1 48 .902
Total 11.0222 1.96474 50 Contras ta la hipótesis nula de que la varianza error de la
a. Dis eño: Intercept+grupo
Suma de Eta al
a
Modelo corregido 9.719 b 1 9.719 2.600 .113 .051 2.600 .352
Inters ección 6074.420 1 6074.420 1624.986 .000 .971 1624.986 1.000
grupo 9.719 1 9.719 2.600 .113 .051 2.600 .352
Error 179.431 48 3.738
Total 6263.570 50
Suma de Eta al
a
Modelo corregido 99.558b 2 49.779 26.114 .000 .526 52.229 1.000
Inters ección 26.274 1 26.274 13.784 .001 .227 13.784 .953
cova 89.839 1 89.839 47.130 .000 .501 47.130 1.000
grupo 20.977 1 20.977 11.005 .002 .190 11.005 .901
Error 89.591 47 1.906
Total 6263.570 50
Pendiente de regresión diferente de 0
y efecto del factor grupo (p<.01)
COVARIATE B Std t- Sig. t Low - Upper
Beta Err. Value 95%
Cova .701 .697 .102 6.86 .000 .496 0.907
Suma de
cuadrados Media
Modelo corregido 100.699 a 3 33.566 17.457 .000
Inters ección 25.549 1 25.549 13.287 .001
cova 90.934 1 90.934 47.292 .000
grupo .037 1 .037 .019 .891
grupo * cova 1.141 1 1.141 .593 .445
Error 88.450 46 1.923
Total 6263.570 50 Pendientes iguales
Estadísticos descriptivos
MEDIAS SIN AJUSTAR
grupo Media Des v. típ. N
1.00 10.5813 1.84517 25
2.00 11.4631 2.01782 25
Total 11.0222 1.96474 50
Yj  Yj  b  X j  X 
ˆ
MEDIAS AJUSTADAS
grupo
95%.
Límite
grupo Media Error típ. Límite inferior s uperior
1.00 10.388a .281 9.824 10.953
2.00 11.705a .281 11.139 12.271
a. Las covariables que aparecen en el modelo se
evalúan en los s iguiente valores : cova = 10.1308.
Diagrama de dispersión Cova x VD
Pendientes iguales aunque a diferente altura
18,00
grupo
1.00
2.00
16,00
14,00
vd
12,00
10,00
8,00
6,00 8,00 10,00 12,00 14,00

cova

Masterpsicologiadelaeducacinintropartespss 090907081253 Phpapp01

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Masterpsicologiadelaeducacinintropartespss 090907081253 Phpapp01

Uploaded by

Copyright:

Available Formats

Introducción al

 El entorno de trabajo del SPSS

 Editor de tablas pivote

SPSS: POP Psicología Educativa

SPSS: POP Psicología Educativa

SPSS: POP Psicología Educativa

SPSS: POP Psicología Educativa

SPSS: POP Psicología Educativa

SPSS: POP Psicología Educativa

SPSS: POP Psicología Educativa

SPSS: POP Psicología Educativa

SPSS: POP Psicología Educativa

SPSS: POP Psicología Educativa

SPSS: POP Psicología Educativa

SPSS: POP Psicología Educativa

SPSS: POP Psicología Educativa

SPSS: POP Psicología Educativa

SPSS: POP Psicología Educativa

SPSS: POP Psicología Educativa

SPSS: POP Psicología Educativa

SPSS: POP Psicología Educativa

SPSS: POP Psicología Educativa

SPSS: POP Psicología Educativa

SPSS: POP Psicología Educativa

SPSS: POP Psicología Educativa

SPSS: POP Psicología Educativa

SPSS: POP Psicología Educativa

SPSS: POP Psicología Educativa

SPSS: POP Psicología Educativa

SPSS: POP Psicología Educativa

SPSS: POP Psicología Educativa

Desv. típ. = 24,20

Habitantes en ciudades (%)

SPSS: POP Psicología Educativa

SPSS: POP Psicología Educativa

SPSS: POP Psicología Educativa

SPSS: POP Psicología Educativa

SPSS: POP Psicología Educativa

SPSS: POP Psicología Educativa

SPSS: POP Psicología Educativa

SPSS: POP Psicología Educativa

SPSS: POP Psicología Educativa

SPSS: POP Psicología Educativa

SPSS: POP Psicología Educativa

SPSS: POP Psicología Educativa

SPSS: POP Psicología Educativa

SPSS: POP Psicología Educativa

SPSS: POP Psicología Educativa

Momento Mecánica Calor Sonido Mecánica Calor Sonido

Mañana 32 135 32 51 137 35

SPSS: POP Psicología Educativa

SPSS: POP Psicología Educativa

SPSS: POP Psicología Educativa

SPSS: POP Psicología Educativa

SPSS: POP Psicología Educativa

SPSS: POP Psicología Educativa

SPSS: POP Psicología Educativa

SPSS: POP Psicología Educativa

SPSS: POP Psicología Educativa

SPSS: POP Psicología Educativa

SPSS: POP Psicología Educativa

SPSS: POP Psicología Educativa

SPSS: POP Psicología Educativa