Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
1 Introducción al SPSS
El programa SPSS está organizado en dos bloques: el editor de datos y el visor de
resultados. En la barra de menú (arriba de la pantalla) aparecen diversas opciones,
de las cuales algunas ( Archivo , Edición , Ver , Ventana y Ayuda ) son comunes
a muchos programas basados en Windows, y otras son especı́ficas del SPSS.
Datos Permite definir y manejar variables.
Transformar Permite realizar operaciones con los datos, generar números aleatorios,
etc.
Analizar Contiene el menú de las operaciones netamente estadı́sticas que se pueden
realizar con los datos. En particular, aquı́ se encuentran los procedimientos de análisis
que nosotros usaremos.
Gráficos Permite generar diversas representaciones gráficas de los datos (diagramas
de dispersión, de caja y bigotes, etc.).
1
También se pueden importar datos de otros formatos (Excel, ASCII, Lotus, DBase,
etc.). Para ello, ir a Archivo ,→ Abrir ,→ Datos y seguir con cuidado las instruc-
ciones del Asistente para la importación de texto.
2
estadı́sticos descriptivos nos va a mostrar, y en Gráficos, podemos solicitar los Di-
agramas de caja (con niveles de factores juntos), los Diagramas de Tallo y Hojas y
los Histogramas (que aparecerán por niveles del factor), y los Gráficos con prueba de
normalidad (gráficos Q-Q normales, etc.).
A menudo, en los cuadros de Opciones se nos preguntará qué queremos hacer
con los casos o valores perdidos o casillas no rellenas del visor de datos. En general,
dejaremos la opción que viene por defecto en el SPSS.
3
corresponden a análisis de covarianza y con factores pesados, respectivamente, que no
manejaremos. Veamos qué seleccionar en cada uno de los cuadros de los que dispone
SPSS.
Modelo : es donde podemos especificar qué tipo de estudio de los datos queremos. Por
defecto, el estudio se hace según un modelo Factorial completo, es decir, se incluyen
todos los factores y todas las posibles interacciones entre ellos. Si no queremos este
tipo de modelo, podemos marcar Personalizado, y pasar al lado de la derecha los
factores (marcando cada factor y pasándolo a la derecha con la flecha, por separado)
y las interacciones que queremos estudiar. Para especificar una interacción, debemos
marcar los factores involucrados (dos, tres, o los que sean) y pasarlos juntos a la
derecha (aparecerán con un asterisco entre ellos). En el cuadro debajo de la flecha
debe aparecer Interacción, en Suma de cuadrados Tipo III, y marcado el cuadro
Incluir intersección en el modelo.
Contrastes : con esta opción el SPSS nos permite hacer contrastes a priori, que no
vamos a manejar. Se deja en blanco y Continuar.
Gráficos : este cuadro nos permite generar gráficos de perfil, en los que se representan
las medias de la variable dependiente dividida según los niveles de uno de los factores
frente a los distintos de niveles de otro (cada punto del gráfico que aparece es la media
en el correspondiente cruce de niveles). En el Eje horizontal debemos poner el que
queremos que tenga este último papel, y en Lı́neas distintas el otro. Estos gráficos
son útiles para detectar interacción entre factores.
Post hoc : las pruebas Post hoc son lo mismo que los contrastes múltiples a posteriori
para la diferencia de los efectos αi , βj , etc.. Elegimos para qué factores queremos que
aparezcan los intervalos de confianza (pasándolos a la derecha) y Bonferroni como
método de control del error. SPSS no permite hacer pruebas post hoc para los efectos
de las interacciones (αβ)ij , etc..
Guardar : permite almacenar diversas variables generadas por SPSS. Este proced-
imiento resultará de mayor utilidad y más fácil explicación cuando se aplique a mod-
elos de regresión.
Opciones : resulta de interés el cálculo de las Medias marginales, GLOBAL y para
cada uno de los factores (en cada nivel, nos dará la media correspondiente). Si mar-
camos Comparar los efectos principales y en el cuadro inferior seleccionamos
Bonferoni, obtenemos los intervalos múltiples que en las pruebas post hoc para los
factores. También son de utilidad los Descriptivos (si antes no hemos realizado el
procedimiento Explorar, ya que nos proporciona lod estadı́sticos por cruce de niveles
y por nivel), la Prueba de homogeneidad de varianza (o prueba de Levene: según
el p-valor que nos proporcione el contraste aceptaremos o rechazaremos la hipótesis
nula de que las varianzas en todos los cruces de niveles del factor coincide; es útil
cuando tenemos replicación del experimento) y los Gráficos de dispersión por
nivel (también para datos con replicación). Por último, podemos elegir el nivel de
significación total que se usará en todos los intervalos de confianza.
4
5 Análisis de regresión lineal (simple y múltiple)
El procedimiento para realizar el análisis de regresión lineal se encuentra en
Analizar ,→ Regresión ,→ Lineal
En el cuadro de diálogo que aparece, llevar a la casilla Dependiente la variable
respuesta a estudiar, y a la casilla Independientes, las variables regresoras que quer-
amos incluir en el análisis. La casilla Método corresponde a elegir de qué manera
vamos incorporando las variables al análisis, y la dejamos en Introducir. El resto de
las casillas las dejamos vacı́as. Veamos qué seleccionar en cada uno de los cuadros de
los que dispone SPSS.
MCP>> : no ponemos nada, porque corresponde a un análisis en el que el efecto de
cada variable recibe un peso distinto; no manejaremos este tipo de análisis.
Estadı́sticos : aparecen diversos subcuadros:
5
del número de desviaciones tı́picas que le especifiquemos. Además, aparece una
tabla resumen con los estadı́sticos descriptivos de los residuos.
Gráficos : este cuadro nos permite generar gráficos de dispersión de residuos frente a
valores pronosticados o frente a la variable dependiente. DEPENDENT es la variable de-
pendiente, ZPRED son los pronósticos tipificados, ZRESID son los residuos tipificados,
DRESID son los residuos eliminados o corregidos (calculados haciendo el análisis de
regresión sin esa observación; útiles para detectar atı́picos influyentes), ADJPRED son
los pronósticos corregidos, SRESID son los residuos estudentizados y SDRESID son los
residuos corregidos. También podemos generar histogramas de residuos y gráficos de
probabilidad normal, para comprobar la normalidad de los datos. La opción Generar
todos los gráficos parciales da una serie de gráficos en los que, para cada vari-
able regresora Xi , se representan los residuos de la variable dependiente en un análisis
de regresión sin esa variable regresora frente a los residuos de la regresión en la que
la variable dependiente es Xi , y las independientes el resto de las variables regreso-
ras (sirven para comprobar linealidad: aı́slan la relación entre variable dependiente y
regresora).
Guardar : salvamos como nuevas variables los residuos, valores pronosticados, estima-
ciones de efecto palanca (distancias de Cook y Mahalanobis), etc. como variables (crea
nuevas columnas en el visor de datos). En particular, Intervalos de pronóstico
nos proporciona los extremos inferiores (lmci# y lici#) y superiores (umci# y uici#)
para los intervalos de confianza para el pronóstico medio y el pronóstico individual
(respectivamente). Nos da las bandas de confianza.
Opciones : dejamos todas las opciones por defecto, ya que se refieren al método de
incorporación de variables al análisis de regresión (sirve para detectar qué variables
influyen de manera significativa en el ajuste del modelo).