Talle de estadística

aplicada en SPSS
Dr. Miguel Fernández Sampedro
Organizar nuestros datos en SPSS
• Se organiza cada variable en
una columna
Organizar nuestros datos en SPSS
Organizar nuestros datos en SPSS
• Cuando tenemos datos Nominales (ej. Masculino y femenino) u
Ordinales (ej. bueno, regular, malo) podemos asignar nombres a cada
valor.
Ahora que tenemos los datos
introducidos en SPSS, ¿QUÉ HACEMOS?
Estadísticos descriptivos

Analizar  Estadisticos descriptivos

• Media
• Desviación estándar (o típica)
• Error estándar (o típica)

Ej: 25 ± 2,27 g

Se indica en la tesis (o el documento) si se va a utilizar la desviación o el

error. También se debería de indicar en la descripción de las tablas.
Test estadísticos para comparar medias
de distintos grupos independientes
(Cada grupo al menos 3 repeticiones)

• Paramétricos
• Cumplen Normalidad
• Cumplen homogeneidad
• Más robustos

• No paramétricos
• Tienen menos requisitos pero son menos robustos
1 Test de Normalidad
• Nos indica si la distribución de nuestras muestras sigue una
distribución cercana a la normalidad (Campana de Gauss)
Normalidad
Analizar  Estadísticos descriptivos  Explorar

• Indicar las variables a estudiar (peso,

concentración…) y los factores que los dividen
en grupos (especie, lugar, origen…)

En gráficos, activamos:
• Grafico de normalidad con pruebas
• Histograma
Normalidad
• Significancia (Sig. en SPSS) con un valor p>0,05 quiere decir que la
distribución es normal.
• Shapiro-Wilk cuando tenemos menos de 50 resultados (n<50).
Normalidad
• También
podemos
observar las
gráficas para
acabar de
confirmar si
nuestros datos
siguen una
distribución
normal.
2 Test de Homogeneidad
• Nos indica si los diferentes
grupos tienen una varianza
similar.
Homogeneidad
• Significancia (Sig. en SPSS) con un valor p>0,05 quiere decir que los
datos son homogéneas.
Si cumple la normalidad:
• ANOVA
• Tukey (Comparación múltiple post-hoc)

Si no se cumple la normalidad:

• Test no paramétricos: Kruskal Walis

• Comparación entre parejas
Si cumple la homogeneidad:
• ANOVA
• Tukey (Comparación múltiple post-hoc)

Si no se cumple la homogeneidad:

• Welch
• Games-Howell (Comparación múltiple post-hoc)

• O en su defecto Kruskal Walis (para versiones anteriores de SPSS)

ANOVA
Nos permite saber si entre
nuestros grupos al menos
uno tiene medias
significativamente distintas.

No nos indica cual, para ello

necesitamos realizar
pruebas post-hoc (Tukey
uno de los más habituales)
que comparen todos los
pares posibles.
ANOVA
• Medias con barras de error
ANOVA
• Significancia (Sig. en SPSS) con un valor p<0,05 quiere decir que hay
diferencia significativa entre alguno de los grupos.
• Tukey.
• Significancia (Sig. en SPSS) con un valor p<0,05 quiere decir que hay
diferencia significativa entre dos grupos.
Welch y Games-Howell

• Cuando no hay
homogenicidad
pero si
normalidad.
• Significancia (Sig. en SPSS) con un valor p<0,05 quiere decir que hay
diferencia significativa entre alguno de los grupos.

• Games-Howell compara los diferentes pares para conocer que grupos

son distintos.
No paramétricas: Kruskal wallis
Cuando las pruebas no cumplan normalidad (y en versiones antiguas de SPSS
también cuando no cumplan homogeneidad)

• Analizar Pruebas no paramétricas Muestras independientes

• En campos elegimos nuestras variables (campos de prueba) y los factores

que las agrupan (grupos).

• En configuración elegimos personalizar pruebas y marcamos ANOVA de un

factor de Kruskal wallis. Y en “comparaciones múltiples”, elegimos “todas
las parejas”.
No paramétricas: Kruskal wallis
No paramétricas: Kruskal wallis
• Haciendo doble clic sobre la tabla
nos aparece más información.

• A la derecha abajo podemos

elegir: Comparación entre parejas
No paramétricas: Kruskal wallis
• Comparación entre parejas
Comparación de la relación entre dos
variables: Correlaciones y regresiones lineales

• Correlaciones de Pearson

• Correlaciones de Spearman (una de las variables es ordinal)

• Analizar  Correlaciones Bivariadas

Se deben de cumplir las siguientes condiciones para que exista

corrlación:
• R (valor entre -1 y 1)
Se toma en cuenta cuando
Es >0,6 o <-0,6
• Sig.
Cuando es <0,05
Para realizar las correlaciones por grupos se pueden segmentar los
datos según alguna de las variables nominales u ordinales que
tengamos (ej. localización, especie, sexo…). Para ello:

Datos  segmentar archivo

Marcamos “comparar grupos” y elegimos la variable en la que

basaremos los grupos.
• Analizar  Regresiónlineales

Nos fijamos en R cuadrado (entre 0 y 1) y en la sig (p<0,05).

• Visualización gráfica (dispersión)
Tablas de contingencia
Al menos un dato nominal:
• Analizar estadísticos descriptivos Tablas cruzadas
Tablas de contingencia: Chi cuadrado
En la tabla se muestran el número de datos
que hay para cada valor nominal (2 datos
buenos en rio amazonas; otro ej. Numero de
fumadores mujeres)
Debe de cumplir que la frecuencia sea >5 en
al menos el 80% de las casillas (recuadro
rojo) y que ninguna casilla sea 0.

Una significación <0,05 nos indicaría que

existen diferencias significativas entre los
grupos comparados.
Analizar los resultados: Discusión
Una vez en la discusión se comparan los grupos indicando si existen
diferencias significativas entre ellos o si hay correlaciones. Siempre
indicando el p valor y en el caso de las correlaciones también el R.