Upload
others
View
4
Download
0
Embed Size (px)
Citation preview
1
UNIVERSIDAD DE SEVILLA
FACULTAD DE PSICOLOGIA
FUNDAMENTOS METODOLÓGICOS EN
PSICOLOGÍA
PROFESORES:
Gutiérrez, Mayte
Martínez, Rafael J.
Moreno, Rafael
ANÁLISIS BÁSICOS CON SPSS
INDICE: Pág.
1. Estadísticos descriptivos y gráficos ................................................................ 2
1.1. Estudios Unitarios ............................................................................... 2
1.2. Estudios Relacionales ......................................................................... 4
1.2.1. VVDD Cualitativas ................................................................ 4
1.2.2. VVDD Ordinales ................................................................... 9
1.2.3. VVDD Cuantitativas ............................................................ 12
2. Introducción a la toma de decisiones: Pruebas de significación y Tamaño
de efecto ............................................................................................................. 15
3. Bibliografía ..................................................................................................... 17
2
En este segundo documento relacionado con el paquete estadístico SPSS (Statistical
Package for Social Sciences), enumeramos algunos análisis estadísticos básicos y
gráficos en función de la composición (unitaria o relacional) del objeto de estudio, y del
tipo de valores (cualitativo, ordinal y cuantitativo) de las variables a analizar.
1. ESTADÍSTICOS DESCRIPTIVOS Y GRÁFICOS.
1.1. Estudios Unitarios
En este tipo de estudios, las tabulaciones y los porcentajes proporcionan una descripción
útil para los datos de cualquier distribución, especialmente para las variables con
categorías ordenadas o desordenadas. Para un primer análisis descriptivo se debe utilizar
la siguiente secuencia de menú: spss
Analizar Estadísticos descriptivos Frecuencias
En la ventana emergente hay que seleccionar las variables que se desean analizar. Es
conveniente seleccionar la casilla que indica “Mostrar tablas de frecuencias” (por
defecto ya viene seleccionada). Una vez pulsado el botón que indica “Estadísticos”
seleccionar en la ventana siguiente los índices adecuados al nivel de medida. Por
ejemplo, para variables cualitativas (escala nominal) se debe marcar como índice de
tendencia central “Moda” (correspondiente al valor más frecuente), mientras que para
variables ordinales, además del anterior índice tiene sentido obtener la “Mediana” (el
valor que divide a la serie de casos ordenados en dos mitades; corresponde al percentil
50). En el botón de “Ayuda” del programa se pueden encontrar descripciones más
detalladas de los distintos estadísticos y su utilidad.
3
En el mismo menú es posible obtener algunos gráficos básicos. Para ello se debe
pulsar en el botón que indica “Gráficos”. En el caso de variables cualitativas es
recomendable utilizar “Gráfico de Barras”, aunque también es posible utilizar
“Gráficos de sectores”. Para variables ordinales es preferible utilizar un gráfico de
barras en el que los valores de la variable aparezcan ordenados en el eje horizontal de
manera ascendente. En la ventana de gráficos también es posible indicar si las etiquetas
de valores aparecen como frecuencias o como porcentajes, siendo esta última opción
preferible si se pretenden comparar los datos en términos relativos.
Para las variables cuantitativas (que en la definición de variables del programa SPSS se
señalan como escalas) también es posible utilizar el procedimiento de frecuencias,
siguiendo la misma secuencia de menú anterior. En este tipo de variables puede tener
sentido desmarcar la casilla “Mostrar tablas de frecuencias si la variable cuantitativa
presenta un número de valores muy alto. Además de los índices propios de variables
cualitativas y ordinales, se deben señalar los adecuados a este nivel de medida, como
por ejemplo la “Media” y la “Desviación Típica”. En cuanto a gráficos para variables
cuantitativas continuas es preferible utilizar la opción “Histograma”.
Tabla 1. Índices de tendencia central y gráficos a utilizar en función del tipo de
variables.
Índices/
Tipo de variables
Índices
de
tendencia central
Gráficos
V. Cualitativas
(Escala nominal) Moda
Gráfico de Barras
Gráfico de Sectores
V. Ordinales Moda
Mediana Gráfico de Barras
V. Cuantitativas
(Escala de intervalo y razón)
Moda
Mediana
Media Histogramas
4
1.2. Estudios Relacionales
(NOTA: Las explicaciones que se hacen en este apartado sirven para un análisis
exploratorio de la combinación de valores entre variables y su relación, ya sean entre
una VI y una VD, como entre dos VVII, o entre una Vi y una VE. En las explicaciones
se utiliza sólo el ejemplo de una relación entre VVII y VVDD, pero se puede aplicar al
análisis del control sustituyendo en estas explicaciones VD por VE).
***
Para realizar estudios relacionales es necesario considerar tanto el tipo de valores
de la VI como de la VD para seleccionar los análisis adecuados a cada tipo. En los
siguientes subapartados lo vamos a desarrollar en función del tipo de valores de las
VVDD, especificando cuando sea necesario lo relativo al tipo de valores de las VVII.
1.2.1 VVDD Cualitativas
Cuando se trata de analizar relaciones con VVDD cualitativas se pueden utilizar
tablas de contingencia con la siguiente secuencia del menú del programa SPSS: spss
Analizar Estadísticos descriptivos Tablas de Contingencia
Esta función permite calcular la frecuencia de casos de cada combinación de
valores de las variables a relacionar. Aunque en la ventana emergente que aparece el
programa no distingue la función de VI o VD, sin embargo es conveniente seleccionar a
las VVDD como columnas, ya que si se quieren utilizar los gráficos de esta función
aparecerán representadas las VVII en el eje horizontal y las frecuencias de casos por
cada valor de la VD aparecerán representadas como barras.
5
¿Qué hacer cuando la VVII tiene muchos valores?
Hay que tener en cuenta que en el caso de VVII con muchos valores –como
puede ocurrir con algunas variables cuantitativas y ordinales- las tablas y gráficos
resultan muy complejos por lo que es conveniente simplificar el rango de valores de
esas variables mediante alguna recodificación.
¿Cómo aplicar una tabla de contingencias a los distintos tipos de relaciones?
Se pueden seleccionar simultáneamente varias VVII y varias VVDD, y el
programa ofrecerá una tabla por cada variable que aparezca como fila con cada variable
que aparezca como columna, por lo que permite analizar relaciones simples y
múltiples. Si se quiere analizar una relación de interacción del tipo VI2 R (VI1 R VD)
se debe colocar la VD como columna y la VI1 como fila. La VI2 se debe colocar en el
cuadro donde indica “Capa 1 de 1”, lo que nos ofrecerá una tabla de contingencia de la
relación de primer orden por cada valor de la VI2.
¿Cómo hay que proceder cuando se dispone de igual (o diferente) número de casos
por condición?
En el botón “Casillas…” se ha de seleccionar la información que aparecerá en
las casillas de la tabla. Por defecto aparece Recuentos de casos observados, que nos
informa de la frecuencia de casos en cada celda de la tabla. Esta opción puede ser válida
si el número de casos de cada combinación de valores de las VVII es el mismo. Si no es
así, es preferible utilizar Porcentajes por filas, que permiten realizar comparaciones en
una escala porcentual común (situada en las columnas) por cada valor de la VI (situada
en las filas).
6
¿Cómo utilizar los gráficos para una interacción asociados a la tabla de
contingencia?
Se pueden utilizar los gráficos asociados a la función de tablas de contingencia
del programa SPSS es necesario marcar la casilla correspondiente, “Mostrar los
gráficos de barras agrupados”. Esta opción ofrecerá un gráfico de barras por cada
valor de la VI2 de la relación de segundo orden; en cada uno de esos gráficos aparecerán
los valores de la VI1 en el eje horizontal o de categorías, y las frecuencias de casos de
cada valor de la VD aparecerán representadas como barras.
¿Cómo realizar los gráficos si interesa utilizar porcentajes?
En caso de que sea preferible utilizar porcentajes en lugar de frecuencias o
recuentos, entonces se puede utilizar la función de gráficos del programa SPSS 17.0 con
la siguiente secuencia del menú (en versiones anteriores del programa puede no ser esta
secuencia): spss
Gráficos Cuadros de diálogo antiguos Barras
7
A continuación se debe seleccionar “Agrupado” para representar una relación.
Tras marcar la casilla “Resúmenes para grupos de casos” se ha de picar en el botón
“Definir”, tras el que aparecerá un cuadro de diálogo. En primer lugar se deben indicar
lo que representan las barras, siendo aconsejable utilizar porcentajes (% de casos) si se
quiere comparar condiciones con números de casos diferentes. En la casilla que señala
“Eje de categorías” se debe incluir la VI1 de la relación de primer orden, y en la casilla
“Definir grupos por:” se ha de incluir a la VD cualitativa.
En el caso de que se quiera representar una interacción, entonces la VI2 de la
relación de segundo orden se debe incluir en las casillas de Panel, bien mediante “Filas”
o bien mediante “Columnas”. En ambos casos ofrecerá un gráfico por cada valor de la
VI2, con la diferencia de que en el primer caso aparecerán unos arriba de otros mientras
que en el segundo caso aparecerán unos gráficos junto a otros.
8
¿Qué estadísticos se pueden calcular en la función de tablas de contingencia para
comprobar si existe o no relación entre variables y cómo interpretarlos?
Con la misma función de tablas de contingencia es posible calcular estadísticos
que midan la fuerza de la relación entre las variables (ver la nota posterior sobre el
tamaño de efecto). Para ello se debe picar en el botón “Estadísticos…” y señalar los
adecuados para variables cualitativas o de escala nominal. De los distintos índices
estadísticos que ofrece el programa uno de los más fáciles de interpretar es el
Coeficiente de contingencia. Ésta es una medida de asociación cuyo valor varía entre 0
y 1. El valor 0 indica que no hay asociación entre las variables de fila y de columna,
mientras que los valores cercanos a 1 indican que hay gran relación entre las variables.
El valor máximo posible depende del número de filas y columnas de la tabla.
9
¿Cómo calcular el coeficiente de contingencia para analizar una relación de
interacción?
Habrá que tener en cuenta que en el caso de analizar una interacción con al menos dos
VVII, el programa no ofrece un coeficiente de contingencia único sino uno por cada
valor de la VI2 de la relación simple entre la VI1 y la VD.
1.2.2. VVDD Ordinales
En caso de VVDD ordinales se pueden aplicar los mismos procedimientos
descritos anteriormente para generar estadísticos descriptivos y gráficos. Aunque en este
caso también se pueden utilizar otros procedimientos específicos como el de comparar
medidas de tendencia central. Para ello se puede utilizar la siguiente secuencia: spss
Analizar Comparar Medias Medias
¿Cómo proceder para analizar una interacción?
En la ventana que aparece a continuación se han de incluir las VVDD y las VVII
en sus cuadros correspondientes. En caso de estar interesado en el análisis de los datos
de una interacción se debe utilizar la función de “Capas” mediante los botones
“Anterior” y “Siguiente” ir incluyendo las sucesivas VVII cuyos valores se van a
combinar. Hay que tener en cuenta que la VI que se introduzca en la última capa es la
que tendrá una relación directa con la VD, y que por tanto debe corresponder a las de
una relación sencilla (VI1).
10
¿Qué índices descriptivos son adecuados utilizar en caso de utilizar variables
dependientes de tipo ordinal?
Una vez indicadas las variables se debe picar en el botón “Opciones” para
señalar los estadísticos adecuados a este nivel de medida. Por defecto el programa
incluye la media, la desviación típica y el número de casos, que son adecuados para
medidas cuantitativas. En el caso que estamos viendo de medidas ordinales se han de
quitar estos índices e incluir la mediana como medida de tendencia central y el rango,
así como el valor mínimo y máximo, como medidas de dispersión.
¿Cómo utilizar los gráficos asociados a la tabla de contingencia?
Como gráficos se pueden utilizar las mismas representaciones de barras
agrupadas descritas anteriormente para variables cualitativas. En el caso de VD
ordinales ésta se ha de incluir en el cuadro donde se indica lo que representan las barras,
en el que se ha de señalar “Otro estadístico”. El programa en su opción por defecto
señala la media aritmética. Para cambiar este estadístico por la mediana se debe picar el
botón “Cambiar estadístico” y señalar “Mediana de valores” en la ventana que
aparece a continuación. En el caso de dos VVII se debe incluir la que tiene una relación
sencilla con la VD (la VI1) en la casilla de “Definir grupos por:”, mientras que la VI2
de la relación de segundo orden se ha de poner en la casilla “Eje de categorías”. Este
procedimiento nos ofrecerá un solo gráfico de barras, en el que las medianas de la VD
11
aparecerán representadas como barras diferenciadas por colores según las condiciones
de la VI1, y separadas según las condiciones de la VI2.
¿Qué índices estadísticos se pueden utilizar (cuando la VI sea también ordinal o
cuantitativa) para medir si existe relación entre la VVII y VVDD?
En el caso de que la VI1 sea también ordinal (o cuantitativa) se puede optar por
calcular una correlación r (rho de Spearman), que es una medida de la fuerza de la
relación (ver el apartado posterior sobre el tamaño del efecto). Este índice estadístico
se puede obtener siguiendo el mismo procedimiento de tablas de contingencia ya
explicado. Para ello sólo hay que seleccionar en la ventana que aparece tras picar en el
botón “Estadísticos” la casilla que indica “Correlaciones”. El programa ofrecerá como
resultado una tabla titulada “Medidas simétricas”, que indica que el resultado no
diferencia entre el papel de VI o VD, sino que sólo cuantifica la magnitud de la relación
entre dos variables. Aparecen en la tabla el valor de dos correlaciones: la de Pearson,
que mide la asociación lineal entre variables cuantitativas al menos de intervalo; y la de
Spearman para variables ordinales que mide la asociación entre órdenes de rangos. Hay
otras medidas de asociación entre variables ordinales (Gamma, d de Somers, Tau-b y
Tau-c de Kendall) que se aplican en determinados supuestos.
12
¿Cómo hay que interpretar estos índices de asociación?
En general el valor de estos índices siempre está comprendido entre -1 y 1. Los
valores próximos a 1, en valor absoluto, indican una fuerte relación entre las dos
variables. Los valores próximos a cero indican que hay poca o ninguna relación entre
las dos variables. En estas tablas aparecerán también valores de las pruebas de
significación estadística, que permiten decidir si se considera una determinada
correlación como estadísticamente significativa (es decir, si se considera distinta de 0).
Si se quieren analizar estas medidas en una relación de interacción del tipo VI2
R (VI1 R VD) se deben seguir las mismas instrucciones descritas en el apartado de
tablas de contingencia para VVDD cualitativas. En este caso el programa ofrecerá
distintos índices de correlación para la relación (VI1 R VD) por cada valor de VI2.
1.2.3. VVDD Cuantitativas
En caso de VVDD cuantitativas el programa ofrece distintas alternativas de
análisis en función del nivel de medida de las VVII.
¿Cómo proceder si las VVII son cualitativas u ordinales?
Si las VVII son cualitativas u ordinales con pocos valores entonces se puede
utilizar la siguiente secuencia: spss
Analizar Comparar Medias Medias
En la ventana que aparece a continuación se han de incluir las VVDD y las
VVII en sus cuadros correspondientes. En caso de estar interesado en el análisis de los
datos de una interacción se debe utilizar la función de “Capas” mediante los botones
“Anterior” y “Siguiente” ir incluyendo las sucesivas VVII cuyos valores se van a
combinar. Hay que tener en cuenta que la VI que se introduzca en la última capa es la
13
que tendrá una relación directa con la VD, y que por tanto corresponde a las de una
relación sencilla (VI1).
¿Qué índices estadísticos son adecuados emplear?
Una vez indicadas las variables se debe picar en el botón “Opciones” para
señalar los estadísticos adecuados a este nivel de medida. Por defecto el programa
incluye la media, la desviación típica y el número de casos, que son adecuados para
medidas cuantitativas. Como resultado el programa ofrecerá tablas con las medias y
desviaciones típicas por cada valor de la VI1, diferenciando distintas tablas en función
de los valores de la VI2.
¿Qué gráficos utilizar?
En cuanto a gráficos, si las VVII son cualitativas u ordinales con pocos valores
se puede utilizar una representación de barras, similar a la que se explicó en ese caso
para VVDD ordinales. Para variables dependientes cuantitativas se puede utilizar la
media como representación de las barras en lugar de la mediana. Si se quiere representar
tanto medidas de tendencia central como de dispersión de los datos entonces se puede
utilizar un diagrama de cajas. Los diagramas de cajas muestran la mediana (mediante
una raya horizontal gruesa), el rango intercuartil (mediante una caja), los valores
atípicos (casos con valores entre 1,5 y 3 veces la amplitud intercuartil) y los casos
extremos (casos con valores superiores a 3 veces el rango intercuartil) de variables
individuales. spss
GráficosCuadros de diálogos antiguosDiagramas de cajas
14
En la ventana emergente las opciones son parecidas a las de un gráfico de barras. En
primer lugar hay que seleccionar si el gráfico es “Simple” (para una relación sencilla) o
“Agrupado” si tenemos más de una VI. Se debe marcar la opción “Resúmenes para
grupos de casos” para que ofrezca datos de la VD por cada combinación de valores de
las VVII. Una vez que se pulsa el botón “Definir” entonces se debe seleccionar a la VD
como “Variable”; la VI1 que se quiere plantear en una relación de primer orden con la
VD se debe incluir en el cuadro “Definir grupos por:”, mientras que la VI2 que
conforma la relación de segundo orden se debe colocar en el “Eje de categorías”.
¿Cómo y qué índices emplear para medir la relación entre las variables?
En cuanto a la medida de la magnitud de la relación con VVDD cuantitativas, el
cálculo para obtener índices de correlación se puede hacer con la función Tablas de
contingencia que ya hemos explicado anteriormente, colocando a la VD como
columna. Dependiendo del nivel de medida o tipo de valores de la VI se ha de
seleccionar en “Estadísticos” los índices adecuados. Si la VI es ordinal o cuantitativa se
debe marcar la casilla “Correlaciones” que nos ofrecerá tanto el índice de Spearman
(ordinales) como el de Pearson (cuantitativas). Como ya se comentó para las VVDD
ordinales sus valores oscilan entre -1 y 1. Cuando la VI es cualitativa (y tiene pocas
categorías) entonces se debe marcar el índice Eta, que es una medida de asociación
comprendida entre 0 y 1. El valor 0 indica que no hay asociación mientras que los
cercanos a 1 indican que hay gran relación entre las variables. Se calculan dos valores
de eta: uno trata la variable de las filas como una variable de intervalo; el otro trata la
variable de las columnas como una variable de intervalo.
15
2. INTRODUCCIÓN A LA TOMA DE DECISIONES:
PRUEBAS DE SIGNIFICACIÓN Y TAMAÑO DE EFECTO
Una vez que se han realizado los análisis descriptivos anteriores, en muchas ocasiones
es necesario tomar una decisión a partir de ellos. Aunque en la asignatura de
Fundamentos Metodológicos no abordaremos en profundidad esta cuestión sí queremos
presentar aquí una pequeña introducción que sirva de orientación intuitiva sobre este
tema.
En concreto nos centraremos en la toma de decisiones sobre la consideración de
una relación como nula o no. Como se ha podido comprobar a lo largo del desarrollo del
trabajo cooperativo, en muchas ocasiones se hace necesaria una valoración sobre la
existencia o no de covariación entre variables –por ejemplo entre VE y VI, o entre VI y
VD-. Cuando abordamos esta cuestión basándonos en datos empíricos la decisión no
siempre es clara -se habrá podido comprobar en el propio trabajo de investigación
realizado y en las presentaciones de otros equipos-. Exceptuando casos extremos de
covariación perfecta entre variables o de covariación completamente nula, en la mayoría
de los casos nos encontramos con situaciones intermedias en las que se necesita un
criterio para decidir si consideramos una relación como nula o no. La estadística nos
aporta estos criterios, que en el caso de las relaciones consisten en el análisis del tamaño
de efecto y las pruebas de significación estadística, las cuales se verán en mayor
profundidad en las asignaturas de Diseño y Análisis de Datos en Psicología.
Las pruebas de significación estadística, también llamadas de contraste de
hipótesis, son un procedimiento para dirimir entre dos hipótesis denominadas hipótesis
nula (H0) e hipótesis alternativa (H1). La hipótesis nula establece que una determinada
diferencia (p. ej. entre dos medias observadas, entre una media observada y una media
teórica, o entre una correlación observada y una de valor nulo) es explicable por azar
desde un determinado modelo de probabilidad. La hipótesis alternativa considera que la
diferencia encontrada no es explicable por azar, sino que es debida a diferencias
realmente existentes. Las pruebas de significación estadística, asumiendo que la
hipótesis nula es verdadera, calculan cuál es la probabilidad de que ocurra la diferencia
o contraste observados en los datos. El criterio de decisión establece que si la
probabilidad estimada es mayor que un nivel preestablecido (que se conoce como nivel
de significación α) entonces se acepta como verdadera la H0, y se consideran nulas las
diferencias, o explicables por azar. Si, por el contrario, la probabilidad estimada es
menor que el nivel de significación entonces se considera falsa la H0 y se acepta como
verdadera la hipótesis alternativa, H1, de que las diferencias encontradas no son
explicables por azar. Convencionalmente el nivel de significación se establece en un
valor de 0,05 o de 0,01. En algunos de los procedimientos de análisis del programa
SPSS se proporciona directamente el valor de la probabilidad asociada al contraste o al
índice estadístico estimado, indicado como “Sig.” o como “p” (p. ej. cuando se calculan
los índices de correlación), el cual se debe comparar con los valores preestablecidos de
α.
Por su parte, el tamaño de efecto es una medida de la fuerza de la relación entre
dos variables, mientras que las pruebas de significación estadísticas estiman la
probabilidad de que la relación pueda ser debida al azar. El cálculo del tamaño de efecto
sirve así para complementar la toma de decisiones basada en las pruebas de
significación. Nos podemos encontrar así que una relación significativa estadísticamente
16
–es decir con una probabilidad pequeña de ser explicada por azar-, puede ser
considerada nula a efectos prácticos por tener un tamaño de efecto muy pequeño.
También nos podemos encontrar una relación con un tamaño de efecto grande que sin
embargo no es significativa desde el punto de vista estadístico.
El tamaño de efecto se puede plantear desde una perspectiva previa o posterior a
la recogida de datos. Cuando se hace antes, se establece el tamaño de efecto mínimo que
se tomará en consideración, a partir de lo cual se estima el tamaño de la muestra
necesario para un determinado nivel de significación y potencia de la prueba. Cuando se
hace después de la recogida de datos, se limita al cálculo del tamaño de efecto a partir
de los datos obtenidos.
Las medidas del tamaño de efecto pueden ser estandarizadas (como la r de
Pearson o la d de Cohen), o no estandarizadas (como por ejemplo la diferencia entre dos
medias grupales). Cuando las unidades de medida de las variables tienen sentido y son
comprensibles es preferible usar medidas no estandarizadas, ya que permiten interpretar
adecuadamente la información que proporcionan (por ejemplo los Kg. perdidos tras
seguir una dieta, calculando la diferencia del peso antes y después de la dieta).
Cuando se utilizan medidas estandarizadas se suelen utilizar unas escalas
arbitrarias para interpretarlas. Para el coeficiente de correlación de Pearson Cohen
propuso las siguientes directrices: tamaño de efecto pequeño, r = 0.1-.23; medio, r =
0.24-.36; grande, r = 0.37 o mayor. Una medida relacionada del tamaño de efecto es el
coeficiente de determinación (el coeficiente de Pearson al cuadrado: r2). Este índice nos
ofrece una medida de la proporción de varianza compartida por las dos variables, cuyos
valores oscilan entre 0 y 1.
Otro índice estandarizado del tamaño de efecto es la d de Cohen, definida como
la diferencia entre dos medias divididas por una desviación típica:
Depende de cómo se calcule esa desviación típica dará lugar a distintos índices
(tomando la del conjunto de los dos grupos; la del grupo control,…), cuya explicación
excede los propósitos de este documento. En todo caso la interpretación que propone
Cohen de este índice es la siguiente: un tamaño de efecto de 0.2 a 0.3 se consideraría
pequeño; en torno a 0.5 se consideraría un tamaño de efecto medio; y de 0.8 o superior
se puede considerar un tamaño de efecto grande (teniendo en cuenta que d puede ser
mayor que 1).
El programa SPSS permite calcular muchos de los índices de correlación
comentados como medidas de tamaño de efecto.
17
Tabla 2.-Índices y gráficos para estudios relacionales expuestos en este documento en
función del tipo de valores de VI y VD.
Tipo de VD
Tipo de
VI
Indices
Descriptivos
por
condición Procedimientos
Gráficos
Índices
de la
magnitud
de la
relación
CUALITATIVA
Cualitativa
Ordinal
Cuantitativa
Moda
Nº de Casos
Tablas de
Contingencia
Gráfico de
Barras
(Frecuencia
o
porcentajes)
Coeficiente
de
contingencia
ORDINAL
Cualitativa
Moda
Mediana
Rango
Nº de Casos
Comparar
medianas
Tablas de
contingencia
Gráfico de
Barras
(Mediana)
Coeficiente
de
contingencia
Ordinal y
Cuantitativa
Correlación
r (rho de
Spearman),
CUANTITATIVA
Cualitativa
y Ordinal
Moda
Mediana
Media
Desviación
Tipo
Nº de Casos
Comparar medias
Tablas de
contingencia
Gráfico de
Barras
(Media)
Diagrama
de cajas
(Mediana)
Índice Eta
(VI
cualitativa)
Índice de
Spearman
(VI ordinal)
Cuantitativa
Moda
Mediana
Media
Desviación
Tipo
Nº de Casos
Comparar medias
Tablas de
contingencia
Diagrama
de
dispersión
Índice de
Pearson
3. Bibliografía
Lizasoain, L. y Joaristi, L. (2003). Gestión y análisis de datos con SPSS versión 11.
Madrid: Thomson.
Moreno, R., Martínez y Chacón, S. (2000). Fundamentos metodológicos en psicología y
ciencias afines. Madrid: Pirámide.
Wikipedia (12/2009). Effect size. http://en.wikipedia.org/wiki/Effect_size