Introducción A SPSS (Estadística para Educación)
Introducción A SPSS (Estadística para Educación)
Introducción A SPSS (Estadística para Educación)
[email protected] (UCM)
Marcelo Rodrguez G.
10/12/2010
1 / 24
Introduccin
(Objetivos)
La siguiente presentacin tiene como objetivos 1 Presentar las tcnicas estadsticas ms populares, cuando se tiene una Investigacin en Didctica de la Ciencias Experimentales. 2 Comparar los distintos mtodos identicando su importancia y uso. 3 Mostrar las utilidades bsicas del Software estadstico SPSS.
Denicin (Estadstica)
Es la ciencia de recolectar, describir e interpretar datos, como un apoyo eciente para la toma de decisiones. En este sentido la estadstica es aplicable a cualquier campo de estudio. xxxxx xxxxx xxxxx xxxxx xxxxx xxxxx xxxxx xxxxx xxxxx Marcelo Rodrguez G. 10/12/2010 2 / 24 xxxxx
[email protected] (UCM)
Introduccin a SPSS
Statistical Package for the Social Sciences (SPSS) es un programa estadstico informtico muy usado en distintas disciplinas y empresas. Fue creado en 1968 por Norman H. Nie, C. Hadlai (Tex) Hull y Dale H. Bent. En la actualidad fue adquirido por IBM.
[email protected] (UCM)
Marcelo Rodrguez G.
10/12/2010
3 / 24
Introduccin a SPSS
Vista de datos
Es la primera ventana que se abre cuando se inicia SPSS. En esta ventana se deben ingresar los datos en forma de nmeros. En cada columna se debe ingresar una variable y cada la representa un individuo. Estos son los datos en SPSS y se guardaran con extensin *.sav
10/12/2010 4 / 24
[email protected] (UCM)
Marcelo Rodrguez G.
Introduccin a SPSS
Vista de variables
En esta ventana se deben denir las caractersticas de las variables: Nombre (Etiqueta), Decimales, Valores, Escala, etc. Cada la representa una variable y cada columna representa las caractersticas de la variable.
[email protected] (UCM)
Marcelo Rodrguez G.
10/12/2010
5 / 24
Introduccin a SPSS
Vista de resultados
Cuando se realice un grco o anlisis estadstico, en esta ventana aparecern los resultados. Estos son los resultados de SPSS y se guardaran con extensin *.spv
[email protected] (UCM)
Marcelo Rodrguez G.
10/12/2010
6 / 24
En un estudio se desea identicar cuales son los factores que inuyen en el rendimiento de ciertos alumnos, se considera una muestra aleatoria de 18 alumnos, los cuales sern tratados con tres mtodos de enseanza (1=Deductivo, 2=Inductivo y 3=Analgico). A cada alumnos se les toma un pretest y posttest. Los datos se presentan a continuacin.
Individuo Mtodo Pretest Posttest 1 1 48 60 2 1 70 50 3 1 35 41 4 1 41 62 5 1 43 32 6 1 39 44 7 2 53 71 8 2 67 85 9 2 84 82 10 2 56 55 11 2 44 62 12 2 74 77 13 3 80 84 14 3 72 80 15 3 54 79 16 3 66 84 17 3 69 66 18 3 67 65
En estadstica este tipo de estudio es conocido como una diseo experimental. El Factor (tratamiento) sera el Mtodo de enseanza. La variable dependiente es el puntaje en el posttest. El puntaje del pretest es llamado covariable.
[email protected] (UCM) Marcelo Rodrguez G. 10/12/2010 7 / 24
(Animacin Flash)
[email protected] (UCM)
Marcelo Rodrguez G.
10/12/2010
8 / 24
Prueba T para muestras independientes: Compara las medias de una variable (por ejemplo, el puntaje en el posttest) para dos grupos de casos (por ejemplo, los mtodos de enseanza). Las hiptesis son
H0 : 1 = 2
v/s H1 : 1 = 2 .
Prueba T para muestras relacionadas: Compara las medias de dos variables (por ejemplo, el puntaje del pretest y posttest) en un solo grupo. El mtodo consiste en analizar las diferencias entre ambas variables. H0 : d = 0 v/s H1 : d = 0. ANOVA de un factor: Es la generalizacin de la prueba T para muestras independientes. Compara las medias de una variable para k grupos de casos (por ejemplo, los mtodos de enseanza). Las hiptesis son
H0 : 1 = 2 = ... = k
[email protected] (UCM)
v/s H1 : i = j .
10/12/2010 9 / 24
Marcelo Rodrguez G.
(Animacin Flash)
[email protected] (UCM)
Marcelo Rodrguez G.
10/12/2010
10 / 24
Casos utilizados
Los estadsticos de cada anlisis se basan en los casos que no tienen datos perdidos ni quedan fuera de rango en cualquiera de las variables del anlisis. T-TEST GROUPS=Metodo(1 2) /MISSING=ANALYSIS /VARIABLES=Posttest /CRITERIA=CI(.95).
Sintaxis
00:00:00,046 00:00:00,047
Prueba de muestras independientes Prueba T para la igualdad de medias 95% Intervalo de confianza para la diferencia t Posttest Se han asumido varianzas iguales No se han asumido varianzas iguales -3,554 -3,554 gl 10 9,998 Sig. (bilateral) ,005 ,005 Inferior -38,774 -38,774 Superior -8,893 -8,893
Se rechaza H0 : 1 = 2 . Es decir, existe evidencia muestral para armar que los puntajes en el posttest dieren entre el grupo deductivo con el del inductivo (t = 3, 554 valorp = 0, 005).
Pgina 1
De manera anloga se realiz la prueba T para analizar los otros grupos, Existe evidencia muestral para armar que los puntajes en el posttest dieren entre el grupo deductivo con el del analgico (t = 4, 788 valorp = 0, 001). No existe evidencia muestral para armar que los puntajes en el posttest dieren entre el grupo inductivo con el del analgico (t = 0, 730 valorp = 0, 482).
[email protected] (UCM) Marcelo Rodrguez G. 10/12/2010 11 / 24
(Animacin Flash)
[email protected] (UCM)
Marcelo Rodrguez G.
10/12/2010
12 / 24
Prueba de muestras relacionadas Diferencias relacionadas Media Par 1 Posttest - Pretest 6,500 Desviacin tp. 11,967 t 2,304 gl 17 Sig. (bilateral) ,034
Existe evidencia muestral para armar que los puntajes en el posttest dieren del pretest (t = 2, 304 valorp = 0, 034).
El caso anterior no se considera el mtodo de enseanza. Si repetimos el procedimiento para cada grupo, tenemos: Deductivo: No existe evidencia de diferencias signicativas entre el posttes y pretest (t = 0, 352 valorp = 0, 739). Inductivo: Existe evidencia de diferencias (pero no altamente) signicativas entre el posttes y pretest (t = 2, 205 valorp = 0, 079). Analgico: No existe evidencia de diferencias signicativas entre el posttes y pretest (t = 1, 825 valorp = 0, 128).
[email protected] (UCM) Marcelo Rodrguez G. 10/12/2010 13 / 24
Regresin Lineal
[email protected] (UCM)
Marcelo Rodrguez G.
10/12/2010
14 / 24
(Animacin Flash)
[email protected] (UCM)
Marcelo Rodrguez G.
10/12/2010
15 / 24
[Conjunto_de_datos1] C:\Users\13865271\Desktop\datos.sav
R cuadrado ,503
a. Variables predictoras: (Constante), Pretest ANOVA Modelo 1 Regresin Residual Total Suma de cuadrados 2255,280 2227,220 4482,500 gl 1 16 17
b
F 16,202
Sig. ,001
a
a. Variables predictoras: (Constante), Pretest b. Variable dependiente: Posttest Coeficientes Modelo Coeficientes no estandarizados B 1 (Constante) Pretest 20,226 ,767 Error tp. 11,587 ,191 ,709
a
El porcentaje de la variabilidad total que explica el pretest al posttest es de un 50,3.% La relacin sera post = 20, 266 + 0, 767 pre. La relacin entre el posttest y pretest es signicativa (t = 4, 025, valorp = 0, 001).
Pgina 2
[email protected] (UCM)
Marcelo Rodrguez G.
10/12/2010
16 / 24
Denicin
CHAID es un tipo de rbol de la decisin tcnica. Fue publicado adentro 1980 por Gordon V. Kass. Puede ser utilizado para la prediccin (como anlisis de la regresin) o para la deteccin de la interaccin entre las variables. El mtodo no tiene restriccin con respecto a las escala de medicin de la variable dependiente (puede ser cualitativa o cuantitativa). La decisin se toma utilizando el test 2 y la prueba de comparacin de medias ANOVA. CHAID identica que factores estn relacionadas con la variable dependiente (por ejemplo, puede dar respuesta a la identicacin de los factores que inuyen en el puntaje en el posttest, si consideramos los factores: puntaje en el pretest y el mtodo de enseanza).
[email protected] (UCM) Marcelo Rodrguez G. 10/12/2010 17 / 24
(Animacin Flash)
[email protected] (UCM)
Marcelo Rodrguez G.
10/12/2010
18 / 24
Como la variable dependiente es cuantitativa (Posttest), CHAID ha utilizado el mtodo de ANOVA de comparacin de medias, para realizar las particiones. El factor que inuye en el puntaje de los alumnos es el Mtodo de enseanza. Se puede distinguir dos grupos (Grupo 1: Deductivo y Grupo 2: Inductivo y Analgico). Segn regresin lineal, existe una relacin entre el puntaje en el pre y posttest. Pero segn este mtodo no es tan fuerte.
Marcelo Rodrguez G. 10/12/2010 19 / 24
[email protected] (UCM)
R es un conjunto integrado de programas para manipulacin de datos, clculo y grcos. Entre otras caractersticas dispone de: un lenguaje de programacin bien desarrollado, simple y efectivo, que incluye condicionales, ciclos, funciones recursivas y posibilidad de entradas y salidas. almacenamiento y manipulacin efectiva de datos, operadores para clculo sobre variables indexadas (Arrays), en particular matrices, una amplia, coherente e integrada coleccin de herramientas para anlisis de datos, etc.
[email protected] (UCM) Marcelo Rodrguez G. 10/12/2010 20 / 24
(Descarga)
Para instalar la aplicacin de integracin con SPSS debe visitar la pgina, http://www.spss.com/devcentral/. Luego de registrarse, debe descargar el Plugin R Essentials. Se recomienda utilizar la versin 19 de SPSS.
(Primeros pasos)
Debe tener una base de datos en SPSS y abrir un editor de sintaxis (Archivo Nuevo Sintaxis) Los comandos bsicos en el editor de sintaxis son: DATASET ACTIVATE Conjunto_de_datos1. BEGIN PROGRAM R. datos < spssdata.GetDataFromSPSS() Aqu se escribe el algoritmo en R END PROGRAM.
[email protected] (UCM) Marcelo Rodrguez G. 10/12/2010 21 / 24
(Animacin Flash)
[email protected] (UCM)
Marcelo Rodrguez G.
10/12/2010
22 / 24
Bibliografa
Venables, W (1997). Modern Apllied Statistics wiht S-Plus. Springer. David J.Sheskin (2000) Handbook of PARAMETRIC and NONPARAMETRIC STATISTICAL PROCEDURES SECOND EDITION.(Test 8-16-32). http://www2.uca.es/serv/ai/formacion/spss/Pantalla/12contin.pdf http://cran.r-project.org/doc/contrib/R-intro-1.1.0-espanol.1.pdf
http://cehd.gmu.edu/assets/docs/faculty_publications/dimitrov/le5.pd
http://www.uhu.es/cine.educacion/didactica/0031clasicacionmetodos.h
[email protected] (UCM)
Marcelo Rodrguez G.
10/12/2010
23 / 24
Fin de la presentacin
[email protected] (UCM)
Marcelo Rodrguez G.
10/12/2010
24 / 24