AD ASTRA

miércoles, 8 de julio de 2020

Falacias en la interpretación de resultados

Hay que tener mucho cuidado cuando se interpretan resultados cuantitativos que han sido analizados con procedimientos estadísticos. Por ejemplo, si un estudio científico dice que tres de cada diez personas desarrollarán un tipo de cáncer mortal en los próximos meses ¿significaría que en tu familia (que curiosamente sois diez personas) tres van a desarrollar ese cáncer?


1.- ¿Falacias en Estadística?

Como seguramente ya sabrás, la Estadística no da resultados exactos. De hecho, esta rama de conocimiento está sujeta a diversas interpretaciones que debemos tener en cuenta cuando "leemos" estadística. El científico Daniel Levitin en su libro de 2016 titutado A field guide to lies and Statistics menciona que se pueden cometer dos errores o falacias graves a la hora de obtener conclusiones de estudios estadísticos:

  • Falacia ecológica [Ecological fallacy]. Presente cuando tratamos de hacer inferencias de un solo objeto o individuo basándonos exclusivamente en resultados grupales generales.
    • Nuestro amigo se ha presentado a las pruebas de acceso a la universidad. Pasado unos días salen los resultados pero nuestro amigo no nos quiere decir su calificación. Al mirar las estadísticas generales, nos damos cuenta que la media de las calificaciones es de 4,3 sobre 10. Con este dato (y tal vez el hecho de que no nos quería decir la nota) inferimos que nuestro amigo ha suspendido. Sin lugar a dudas acabamos de caer en la falacia ecológica. En realidad él ha aprobado con un 7,9. Pero nos hemos dejado llevar por datos generales sin, tal vez, caer en la cuenta de que él nunca dice sus notas.

  • Falacia de excepción [exception fallacy]. Ocurre el efecto contrario que en la falacia anterior. Está presente cuándo tratamos de hacer inferencias (conclusiones) sobre un grupo numeroso basándonos en el conocimiento de pocos individuos.
    • Estamos realizando un estudio sobre el deporte favorito de la gente de una ciudad. En este caso, nos estamos centrando en un barrio. Después de contactar con 100 personas decidimos no seguir telefoneando y concluimos que el deporte favorito de la ciudad es la natación porque claramente las 100 personas que hemos consultado han respondido en primera posición con ese deporte. Como seguramente ya estarás pensando, acabamos de caer en la falacia de excepción. Bajo ningún concepto podemos generalizar resultados si la muestra no es lo suficientemente amplia, o como se dice en términos estadísticos, significativos.


Tal vez, un esquema vale más que mil palabras:




Fuente bibliográfica

  • Levitin, D. (2016). A field guide to lies and Statistics. Penguin Randon House. ISBN: 978-0-241-97487-2.

Sigma y Jacob Sierra Díaz

lunes, 6 de julio de 2020

Defiéndete en SPSS

¡Bienvenido al Cursillo de Estadística y SPSS (Nivel Básico)!



"La Estadística es la primera de las ciencias inexactas
(Edmond Gouncourt)


Haz clic en los siguientes títulos para acceder a la presentación o al índice:

    Presentación

    Índice de contenidos 

¿Quieres hacer el cursillo desde el principio sin saltarte nada? Haz clic en Siguiente para acceder a la siguiente entrada. No obstante, el orden de las entradas es descendiente, por lo que simplemente puedes bajar con el ratón (o las flechas) hasta el final.



Cursillo "Defiéndete en SPSS" - JSD20 - 1/25

Presentación: Defiéndete en SPSS

¿Buscas un lugar que te enseñe las funciones y análisis más importantes que puedes hacer con SPSS? ¿Te gustaría aprender de una vez por todas qué pruebas estadísticas debes aplicar en función de la naturaleza de los datos? ¿Eres un estudiante que está aprendiendo a familiarizarse con el programa... pero no sabe por dónde empezar? ¿Deseas tener un lugar que te resuelva tus dudas en lugar de más interrogantes? Si has contestado a alguna de estas preguntas con un rotundo Sí, estás en el sitio adecuado.

Bienvenido al primer cursillo de ENIGMÁTICAMENTE acerca de los procedimientos más importantes que cualquier investigador de Ciencias Aplicadas, Naturales o Sociales debe realizar con el software estadístico SPSS.

El cursillo está destinado a todos aquellos estudiantes universitarios que están dando sus primeros pasos en el mundo del análisis cuantitativo y que buscan un método relativamente rápido y sencillo para poder aprender y consolidar las ideas clave. Pero también está destinado a todos aquellos científicos expertos que deseen refrescar los contenidos más importantes que se deben recordar a la hora de hacer cualquier análisis estadístico. Además, esperamos que el cursillo sirva de inspiración a todos aquellos profesores o instructores que tienen la difícil tarea de enseñar a sus alumno el manejo del SPSS para la investigación cuantitativa, independientemente de la rama de conocimiento.

El paquete estadístico SPSS (Statistical Package for Social Science) es uno de los programas de análisis estadísticos más usados alrededor del mundo. Ofrece un análisis riguroso y exhaustivo sin necesidad de conocimientos avanzados en estadística ni programación. El programa requiere una licencia que se puede solicitar en la página de IBM. No obstante, la mayoría de universidades ofrecen a sus estudiantes y personal el programa. Por otro lado, puedes solicitar una prueba totalmente gratuita del mismo en la siguiente dirección:

IBM - SPSS España [Página web oficial]




Estructura del cursillo

Este cursillo consiste en un pequeño paseo práctico por todos los procedimientos  estadísticos más importantes de la investigación cuantitativa. Comenzaremos desde cero, desde cómo configurar y diseñar nuestra base de datos; hasta llegar a análisis complejos de covarianza. Todo ello de una manera práctica y amena.

Hemos tratado de sintetizar toda la información más importante que deber tener en cuenta en tus análisis. Ya que estamos ante un curso práctico y sencillo, no vamos a profundizar en términos estadísticos o fórmulas que, aunque son de gran ayuda para entender la naturaleza de los procedimientos, pueden llegar a ser muy tediosos y aburridos para personas no familiarizadas con las Matemáticas.

De esta forma, cada prueba estadística que vamos a ver en este curso se dividirá en tres aparados básicos:
  • Introducción y caso práctico. Aquí veremos algunos conceptos básicos necesarios para ejecutar el análisis. Además, explicaremos en qué casos se puede aplicar la prueba; ya que según la naturaleza de las variables deberemos ejecutar una prueba u otra. Para poder llegar a un entendimiento mayor, veremos un ejemplo real que contextualizará y te ayudará a comprender mejor todo el proceso. 

  • Procedimiento. En este apartado vamos a aprender de manera concisa los pasos que debemos seguir para solicitar al SPSS la prueba. Puesto que este curso está pensado para personas con un conocimiento básico tanto de estadística como programación, no profundizaremos en el procedimiento de sintaxis (línea de comandos).

  • Interpretación (de resultados). Finalmente, en el último aparado no solo veremos y analizaremos los resultados y las tablas del análisis; sino que también aprenderemos dónde debemos de fijarnos para hacer una interpretación correcta de la prueba y así tomar la mejor decisión posible. Por otro lado, aprenderemos ciertas expresiones útiles que podremos usar para informar de nuestros resultados en informes o manuscritos.


Requisitos previos

No necesitas tener una base relativamente sólida en Estadística para usar el SPSS. De hecho, el programa se creó para gente cono conocimientos básicos en Estadística y programación como alternativa a los complejos programas profesionales tales como MathLab o R. 

Lo cierto es que el curso puede entenderse como un recetario o guía acerca de los pasos que se deben seguir para obtener una conclusión de los datos. Tal vez, el único ingrediente que sí es esencial es las ganas de aprender y consolidar conocimiento.

Cabe destacar que en este cursillo no vamos a ver los pasos que deberemos seguir para instalar el programa. Por ese motivo, si no tienes instalado el programa o no has accedido con tu cuenta universitaria al mismo, te recomendamos que hagas este primer paso antes de seguir leyendo. Recuerda que puedes acceder a las guías de IBM - SPSS para conocer los métodos que deberás seguir para obtener el software.


Objetivos del cursillo

A continuación se enumeran los objetivos que pretendemos conseguir con este método:
  • Proporcionar un punto de partida sólido para el análisis cuantitativo con el programa SPSS.
  • Entender la naturaleza de las variables objeto de estudio para poder aplicar distintas pruebas estadísticas.
  • Conocer las pruebas más importantes que se pueden realizar según la naturaleza de las variables de la base de datos.
  • Analizar los resultados de las pruebas estadísticas para tomar la decisión más adecuada a la hora de obtener una conclusión final.


Contenidos

Haz clic en el siguiente enlace para acceder al índice de contenidos del cursillo. En el índice de contenidos podrás hacer clic en cada apartado para acceder directamente al material:






Versión del SPSS empleada

Vamos a usar la versión 25 del SPSS para sistema operativo MacOS Catalina mediante la Universidad de Castilla - La Mancha.

No te preocupes si tu sistema operativo es distinto, o tienes una versión anterior (o posterior) del programa. La interfaz básica y las funciones que veremos no cambian entre sistemas operativos ni entre versiones.


¡Ya estás listo para despegar! Haz clic en Siguiente para acceder al Índice:



Cursillo "Defiéndete en SPSS" - JSD20 - 2/25

Índice de contenidos

Haciendo clic cada uno de los títulos accederás directamente al lugar:


Primeros pasos en SPSS

0.1.- Introducción

0.2.- El concepto de variable



La base de datos con SPSS

1.0.- Preparación de la base de datos



Análisis previos

2.1.- Estudiando la normalidad de la muestra

2.2.- El Alfa de Cronbach: análisis de fiabilidad

2.3.- Kappa de Cohen: análisis de concordancia




Contraste de grupos

Pruebas paramétricas y familia ANOVA

3.1.- Contraste de grupos con las Pruebas Paramétricas

3.2.- Prueba T (de Student) para una muestra

3.3.- Prueba T para muestras independientes

3.4.- Prueba T para muestras relacionadas


4.1.- Presentando la famila ANOVA (Análisis de varianza)

4.2.- Análisis de varianza (ANOVA) de un factor

4.3.- Análisis de varianza (ANOVA) factorial


Pruebas no paramétricas


5.1.- Contraste de grupos con pruebas no paramétricas

5.2.- U de Mann-Whitney para dos muestras independientes

5.3.- Prueba de Wilcoxon para dos muestras relacionadas

5.4.- H de Kruskal-Wallis (K muestras independientes)

5.5.- Prueba de Friedman



MANOVAS, ANOVAS, MANCOVAS y ANCOVAS




Cursillo "Defiéndete en SPSS" - JSD20 - 3/25

0.1.- Introducción

El programa estadístico SPSS (Statistical Package for Social Science; marca registrada) es uno de los software más completos y utilizados para el análisis de datos cuantitativos. Lo usan mayoritariamente expertos de las ramas de Ciencias Sociales y de la Salud. Saber usar este programa (u otro similar) es una competencia esencial para este tipo de profesiones.



Básicamente, el software se compone de tres ventanas principales:
(1) Vista de variables
En cada una de las filas introduciremos todas las variables que necesitemos posteriormente para hacer el análisis. En esta ventana especificaremos las características de las variables (decimales, división por valores o tipo, entre otras cosas).


¡Recuerda! Una variable es cada uno de los atributos (o fenómenos) susceptibles de ser estudiados para cada uno de los individuos que componen una muestra (Salamanca Castro, 2013). Así, por ejemplo, en una muestra de 100 personas el género, la estatura, la edad y todos los atributos que pueden variar de sujeto a sujeto son variables. Ahora imagínate que somos investigadores de material deportivo. Estamos realizando un estudio con 100 bicicletas. ¿Puedes pensar al menos cinco variables que podríamos analizar de las bicicletas? Por ejemplo: color, durabilidad, radio de la rueda, tipo de bicicleta (montaña o carretera) o tipo de frenos. En el siguiente apartado, profundizaremos en este término tan importante.


(2) Vista de datos
En esta ventana es donde introduciremos los datos de cada sujeto (como si se tratase de un Excel o Numbers). Las filas representan a cada sujeto, y las columnas son cada una de las variables objeto de estudio (que previamente hemos introducido en la Vista de variables).




(3) Visor de resultados
Es en esta ventana donde encontraremos las tablas de resultados de las distintas pruebas que ejecutemos.




Por otro lado, en la parte superior de las ventanas de la Vista de datos o de Vista de variables nos encontramos el Menú principal. Uno de los lugares del menú que más "visitaremos" durante este curso será la opción de Analizar.


Debajo del menú principal nos encontramos un Menú específico con iconos y accesos rápidos de funciones para cada una de las ventanas detalladas anteriormente.


  Índice de contenidos                                                                                    Siguiente (0.2.- El concepto de variable)


  • SALAMANCA CASTRO, Ana Belén. El aeiou de la investigación en Enfermería. España: Fuden. 2013. pp. 495. ISBN: 978-84-15345-73-2.

Cursillo "Defiéndete en SPSS" - JSD20 - 4/25

0.2.- El concepto de variable

Piensa en un objeto, por ejemplo, un coche. A continuación, haz una lista de las características más importantes que puedas medir. ¿Todas las características que has escrito se pueden expresar con palabras o números? Si es así, acabas de crear tu primera lista de variables. ¿Podrías hacer lo mismo con una persona en particular?
Una variable es un atributo o característica medible que puede variar (de ahí el nombre de variable) de objeto a objeto o de sujeto a sujeto en función de la naturaleza de la investigación (Salamanca Castro, 2013).


Un investigador trabaja con una multitud de variables para obtener conclusiones de su muestra. En realidad, el trabajo de investigación consiste en trabajar con variables: observamos variables, medimos variables, introducimos variables en el SPSS, analizamos variables y obtenemos conclusiones de las variables. Si el trabajo se hace bien, las conclusiones pueden ser generalizadas al resto de objetos o personas que compartan esa misma variable.


Existen distintos tipos de variables en función de su naturaleza. ¿Cómo puedes describir la variable color en los coches? En efecto, con palabras: blanco, verde, azul.... ¿Cómo puedes describir la variable de los caballos que tiene? Correcto, con números60, 120, 200... Esta es la clasificación clásica de variables. Si la variable se define con palabras es una variable cualitativa. Si, por el contrario, se define con números es una variable cuantitativa.
  • Variables cualitativas. Son aquellas que se describen con palabras. Por ejemplo: el género (hombre o mujer), el color de los ojos (marrón, verde o azules), la clases de quinto curso de primaria (5ºA, 5ºB y 5ºC) o los hábitos de fumar (nada, poco o mucho).

  • Variables cuantitativa. Son aquellas que se emplean números. Por ejemplo: la nota de un examen final (4; 5; 6; 7,5...), la media de la frecuencia cardiaca después de una prueba física (120 pulsaciones por minuto, 133 ppm, 145 ppm...), el peso (77 kg, 87 kg, 99 kg...) o la motivación intrínseca ante una actividad medida con una escala tipo Likert (10, 12, 13, 16...-estos valores se obtienen de sumar las puntuaciones individuales de cada ítem-) o los hábitos de fumar (nada, poco o mucho).

Pero aún hay más en esta clasificación. Seguramente puedes pensar que en muchas ocasiones las variables cualitativas precisan de un orden (por ejemplo, la variable posición de una carrera: primero, segundo...). No obstante en otras ocasiones, no precisamos de tal orden porque cada valor que tenga la variable no implica un orden, sino una categoría por igual (por ejemplo, el género, ya que no van primero los hombres ni las mujeres. Son los dos igual de importantes). De esta forma, las variables cualitativas se subdividen a su vez en dos tipos distintos:
  • Variables cualitativas. Palabras.
    • Variables nominales. No establecen un orden. Por ejemplo: género, grupo de investigación (experimental o control) o color del pelo.

    • Variables ordinales. Implican orden en las categorías o valores. Por ejemplo: posición en una carrera, nivel de inglés (A1, A2, B1...) o nivel socioeconómico (bajo, medio, alto)...

Por otro lado, en las variables cuantitativas hay casos en los que debemos usar número enteros (por ejemplo, el número de hijos: 1, 2, 3... ¡pero nunca 2,5!) y en otras ocasiones se precisa el conjunto de números decimales (por ejemplo, la estatura: 1,750; 1,755; 1,786...). Por su parte, las variables cuantitativas también se dividen en dos tipos distintos:
  • Variable cuantitativa. Números.
    • Variable discreta. Implica que los números sean enteros (y no decimales). Por ejemplo: el número de hermanos (1, 2, 3, 4... pero nunca podrá existir un valor 3,5 -no se puede partir por la mitad a una persona) los números de dientes que tienen distintos engranajes de reloj (23, 27, 49...)

    • Variable continua. Implica que pueda ser cualquier número (incluso decimal) de la recta numérica. Por lo tanto, puede tener cualquier valor comprendido en un rango de la recta numérica. Por ejemplo: el tiempo que transcurre en completar un circuito de habilidad motora (6,78 seg.; 7,895 seg.; 5,000 seg ...).

En resumen:


-------------------------

Debemos conocer el tipo de variable objeto de estudio de nuestras investigaciones, ya que, como acabamos de ver, en función del tipo el análisis será distinto. El programa SPSS simplifica la clasificación anterior. En la ventana Vista de variables  hay una columna denominada Medida. Hace referencia al tipo de variable que estamos creando. Al hacer clic en las celdas de citada columna nos damos cuenta que tenemos únicamente tres tipos:



  • Variable nominal. Como hemos visto, corresponde a las variables cualitativas nominales (que no tienen ningún orden). Por ejemplo: el género, la fecha de nacimiento o el estado civil.

  • Variable ordinal. Marcaremos esta opción cuando estemos ante variables cualitativas ordinales (que establecen un orden). Por ejemplo: el número de hijos, la edad o el curso académico.

  • Variable escala. Aquí es donde tenemos la simplificación. El SPSS aglutina los dos tipos de variables cuantitativas en una sola sola. Por lo tanto, marcaremos esta opción cuando estemos ante variables cuantitativas de tipo discreto (como puede ser una escala de Likert) o continuo (como puede ser la velocidad de mecanografiar un párrafo de 100 palabras).
En muchas ocasiones, se suelen tipificar variables ordinales como variables escala. Este puede ser el caso de las variables que contienen una escala de medida de tipo Likert. En realidad es una variable ordinal, pero para los análisis estadísticos conviene tipificarla como escalar.

-------------------------

Hay otro concepto muy importante que debemos conocer. A parte de la clasificación que acabamos de ver, las variables pueden ser independientes o dependientes. Todas aquellas variables que no se alteren (cambien o varíen) a lo largo del tiempo [o de la investigación] son variables independientes o factores. A su vez, todas las variables que dependan de esas variables independientes son denominadas variables dependientes.
  • Variables independientes [También llamadas Factores]. Variables que le vienen dada al investigador que no podrá cambiar y/o será casi imposible que cambien a lo largo del tiempo. Por ejemplo, el género, el curso académico, la fecha de nacimiento o la edad. Todas estas variables (y muchas otras) ya vienen "de serie" en el individuo o en el objeto que deseemos investigar.

  • Variables dependientes. Como su propio nombre indica, son aquellas que dependen de algo (variables independientes) y que en función de eso, podrán tener distintos valores. Por ejemplo, la estatura depende, en términos generales, de la edad y el género (ambas variables que ya vienen "de serie", que son independientes). Además, estas variables pueden variar a lo largo del tiempo o gracias a una intervención (cosa que no hacen las variables independientes). Por ejemplo, si yo aplico un nuevo método para mejorar la lectura en escolares, lo más seguro es que tenga una muestra que haya mejorado la velocidad de lectura y que por lo tanto antes de la intervención (pre-test) tuviese peores resultados que después de la misma (post-test).

Para saber diferenciar estos tipos de variables hazte la siguiente pregunta: ¿la variable X DEPENDE del factor Y? Si la respuesta es , la variable X  es una variable dependiente. Por ejemplo, la tasa de mortalidad y los hábitos de fumar (si un sujeto es fumador o no). ¿Las muertes PUEDEN DEPENDER de que una persona fume o no? Sí, por lo tanto la tasa de mortalidad es la variable dependiente y los hábitos de fumar es la variable independiente (porque ya me viene dada, no he hecho nada con esa variable). Es normal que al principio te pueda costar identificar el tipo de variables... ¡La práctica hace al maestro!



Anterior (0.1.- Introducción)                       Índice                      Siguiente (1.0.- Preparación de la base de datos)
           
  • SALAMANCA CASTRO, Ana Belén. El aeiou de la investigación en Enfermería. España: Fuden. 2013. pp. 495. ISBN: 978-84-15345-73-2.

Cursillo "Defiéndete en SPSS" - JSD20 - 5/25

1.0.- Preparación de la base de datos

Un pequeño repaso

En el apartado anterior hemos visto qué es una variable. Además, hemos aprendido que las variables se dividen en dos grandes grupos [cualitativa y cuantitativa]. A su vez, cada grupo se subdivide en dos categorías más:
  • Las variables cualitativas pueden ser nominales (no orden) u ordinales (orden).
  • Las variables cuantitativas pueden ser discretas (números enteros) o continuas (cualquier valor).

Puedes volver a repasar el concepto de variable y sus clasificaciones haciendo clic en el siguiente enlace:



¿Por dónde c*** empiezo con el SPSS?

Abrir por primera vez el SPSS puede ser muy abrumador para las personas que no están familiarizadas con el tratamiento estadístico en software específicos. El SPSS es como una hoja de cálculo de Excel o Numbers, pero con diferencias muy importantes. Por lo tanto, no es de extrañar que la primera pregunta que se hagan los intrépidos usuarios noveles al ver las ventanas abiertas del programa sea: ¿por dónde empiezo?

La respuesta es asombrosamente sencilla: por la Vista de variables. ¿Por qué? Porque el primer paso que tenemos que dar incluso antes de comenzar a meter los datos que hayamos recogido en nuestras intervenciones es la de crear las variables objeto de estudio. Y eso se hace en esta ventana.



Indicaciones previas

Antes de comenzar a introducir variables a lo loco debes conocer una serie de normas y recomendaciones que serán importantes a la hora de crear nuestro listado de variables:
  • Cada fila (en la ventana Vista de variable) representa una variable. Así, por ejemplo, si tenemos 100 variables, deberemos rellenar las primeras 100 filas.
  • Las casillas más importantes que especificar a la hora de crear una nueva variable son: NombreTipoDecimalesEtiquetasValores y Medida. Las otras casillas tienen menos relevancia a la hora de especificar las variables.
  • En la primera casilla (Nombre) es recomendable que uses más de 8 caracteres para nombrar una variable. Así por ejemplo, en lugar de llamar a la variable Identificación_Sujeto, acórtalo poniendo simplemente ID

  • En la primera casilla (Nombre) no podrás separar el nombre de la variable por espacios.
    • En el caso de quieras usar un espacio en el nombre de una variable, debes usar la barra baja (_). Por ejemplo, para la variable número de hermanos deberás poner Num_Hermanos (o simplemente Hermanos).
    • Usa la casilla Etiqueta para detallar el nombre de las variable. En este apartado podrás usar espacios e incluso oraciones para describir la variable. Por ejemplo, si una variable se llama Preg_1 en la casilla Etiqueta podrás escribir toda la pregunta a la que hace referencia la variable.
  • En la primera casilla (Nombre) no podrás empezarla con un número. Así, por ejemplo, deberás poner Item_1 en lugar de 1_Item.
  • Es recomendable que para variables cualitativas o continuas discretas quites los decimales en la casilla Decimales, ya que puede ser molesto u resultar sobrecargado ver con posterioridad 1,00; 2,00; 4,00; 5,00.
  • Siempre y cuando tengas una variable [normalmente cualitativa] que esté compuesta por varios grupos (por ejemplo hombre o mujer), deberás codificar y especificar cada grupo en la casilla Valores.
  • Tipifica todas las variables cuantitativas como Escala (en la casilla de Medida).


Caso práctico: una base de datos para individuos

Con el objetivo de mejorar la comprensión de los pasos que debemos realizar a la hora de crear nuestra base de datos, vamos a contexualizar el procedimiento con un caso práctico. Nuestra base de datos está compuesta por personas, y más concretamente, por niños y niñas de un colegio público de una gran ciudad.

Ya que estamos ante personas, las primeras variables que crearemos (y que previamente hemos obtenido en la intervención) serán de tipo sociométrico: género, edad, curso, número de hermanos... A continuación, meteremos todas las variables que realmente sean objeto de estudio de nuestra investigación: resultados de un cuestionario, escalas de Likert... Date cuenta que se suelen poner en las variables de tipo cualitativas que "vienen dadas por cada sujeto" (variables independientes) en primer lugar. Después se suelen ubicar las variables dependientes que en su mayoría suelen ser de tipo cuantitativo (aunque también hay otras de tipo cualitativo que pueden ser dependientes como pueden ser "lector o no lector en tiempo libre"). 

No te preocupes si tus investigaciones no consisten en examinar personas. El procedimiento de creación de variables en el programa es similar independientemente de la naturaleza de la intervención y futuro análisis estadístico.


Creando nuestras primeras variables

1) ID como primera variable

La primera variable que debemos crear (independientemente de la naturaleza de nuestra muestra) es la de Identificación. Por un lado, nos permitirá identificar a cada uno de nuestros sujetos que forman parte de nuestra muestra. Para ello, debemos tener un documento a parte con la relación de los nombre y el número de identificación (que a la hora de ponerlo suele ir en orden). Por otro, nos permitirá ordenar la variable en el orden original en el que introducimos a cada sujeto. Esto es muy útil si previamente le hemos ordenado la base con otro criterios como puede ser, por ejemplo, según el curso académico.

¡Manos a la obra! A continuación, vamos a detallar lo que deberemos poner en cada una de las casillas de Vista de variables para crear nuestra primera variable de identificación.

  • Nombre: ID 
  • Tipo: Numérico - Por omisión
  • Anchura: 8 - Por omisión
  • Decimales: 0 - Se trata de una variable que usa números enteros (1,2,3...145...)
  • Etiqueta: Identificación del alumno - Podemos poner cualquier otra explicación
  • Valores: Ninguno
  • Columnas: 8 - Por omisión
  • Alineación: Derecha - Por omisión
  • Medida: Ordinal - Es cierto que es una variable cuantitativa discreta, pero también es cierto que se establece un orden.
  • Rol: Entrada - Por omisión

En definitiva, tenemos que tener algo parecido a esto:



2) Género: una variable con dos valores


Siempre y cuando tengamos una muestra compuesta por hombres y mujeres tenemos que crear una variable para el género. Esta variable cualitativa y nominal está compuesta, generalmente, dos valores o subgrupos: hombre y mujer. Los valores de una variable se indican precisamente en la casilla de Valores.

Llegados a este punto, es preciso advertir que nuestra base de datos estará compuesta mayoritariamente por números. Sin embargo, muchos de esos números no tendrán una función aritmética. Es preciso codificar cada valor de la variable con números. Así por ejemplo, para nuestra variable Género el valor 1 será para los hombres y el 2 para las mujeres.

Para poner valor a una variable, deberemos hacer clic en los tres puntos horizontales de la casilla de Valores. A continuación, en la ventana emergente, indicaremos el valor numérico y su correspondencia al grupo (1---hombre) y le daremos al botón Añadir. Cuando hayamos acabado e introducir todos los valores o subgrupos de la variable, le daremos al botón Aceptar.

Entonces esta variable quedaría tal que así [No se han indicado las casillas que no hay que alterar]:
  • Nombre: Género
  • Decimales: 0 - Se trata de una variable que usa el valor 1 o 2
  • Etiqueta: Género del alumno - Podemos poner cualquier otra explicación
  • Valores: 1 para Chico y 2 para Chica
  • Medida: Nominal - Aunque el 1 sea el código Chico y el 2 sea el código Chica, no hay ningún orden.


2.1.- Estudiando la normalidad de la muestra

2.2.- El Alfa de Cronbach: análisis de fiabilidad

2.3.- Kappa de Cohen: análisis de concordancia

3.1.- Contraste de grupos con las Pruebas Paramétricas

3.2.- Prueba T (de Student) para una muestra

3.3.- Pruebas T para muestras independientes

3.4.- Prueba T para muestras relacionadas

4.1.- Presentando la familia ANOVA

4.2.- Análisis de varianza (ANOVA) de un factor

4.3.- Análisis de varianza (ANOVA) factorial

5.1.- Contraste de grupos con pruebas no paramétricas

5.2.- U Mann-Whitney (dos muestras independientes)

5.3.- Prueba de Wilcoxon (dos muestras relacionadas)

5.4.- H de Kruskal-Wallis (K muestras independientes)

5.5.- Prueba de Friedman

6.0.- MANOVAS + ANOVA y MANCOVAS + ANCOVAS

7.1.- Chi-Cuadrado. Relación de variables cualitativas

7.2.- Coeficiente de correlación de Pearson o Spearman

7.3.- Las famosas regresiones

miércoles, 1 de julio de 2020

Julio (2020): el cielo del mes

 Comenzamos julio. ¿Qué eventos astronómicos nos esperan a lo largo de todo este mes?

Este mes destacamos el eclipse penumbral del día 5. Sin embargo, será muy complicarlo observarlo en la península Ibérica ya que sucederá al amanecer. La noche del 29 y 30 podremos observar la lluvia de estrellas Delta-Acuáridas. Tal y como su nombre indica, deberemos mirar hacia la constelación de Acuario (horizonte Sur - Suroeste) porque es ahí donde está el radiante, el punto por donde parecen surgir las estrellas.


Para más información descarga la guía del mes haciendo clic en el siguiente enlace. En este mes te invitamos a "visitar visualmente" el cráter Schickard de la Luna o a detenerte a contemplar la constelación de Sagitario. También puedes descargarte la guía en la página web de AstroCuenca.

Guía del cielo de Julio (2020) [Clic aquí para acceder]


¡Buenas noches y buenos cielos!


Jacob Sierra Díaz y AstroCuenca