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