¡Descarga Pruebas Estatísticas No Paramétricas: Wilcoxon, Kruskal-Wallis y Correlación - Prof. Valer y más Apuntes en PDF de Estadística solo en Docsity!
CONTRASTES NO PARÁMETRICOS
Las pruebas no paramétricas están basadas en el orden y no en valor propiamente, es decir, solo atienden a la información ordinal.
En las encuestas, se lleva a cabo este tipo de pruebas, donde las respuestas emitidas por los sujetos son valores de una variable ordinal.
CONTRASTES PARA DOS MUESTRAS INDEPENDIENTES (Prueba de Wilcoxon)
Grupos independientes: Los grupos independientes se tratan de grupos distintos, cuyas muestras han sido recogidas por separado.
En este caso, se trataría de dos muestras en la que hay dos grupos distintos de sujetos.
Este test, se llama U de Mann- Whitney o W de Wilcoxon. La parte esencial de este test, es que utiliza los valores de rango.
El spss, asigna el rango 1 al valor más bajo, el rango 2 al segundo, etc.
En el spss esta prueba se calcula: Analizar- Pruebas no paramétricas- Cuadros de dialogo antiguos- Dos muestras independientes.
Hay que dejar marcada la opción U de Mann-Whitney. Después hay que elegir la variable de agrupación, es decir los dos grupos, que van a ser utilizados, (definir los grupos) y las variables que interesan a la hora de realizar la prueba. Una vez se obtienes los resultados, es necesario mirar la significación para ver si las diferencias son significativas, si lo son, habrá que mirar los rangos promedio, para ver que significan esas diferencias.
CONTRASTE PARA VARIAS MUESTRAS INDEPENDIENTES (Prueba de Kruskal- Wallis)
En este caso, encontramos muestras de varios grupos distintos, no únicamente de dos, como en el anterior.
En spss se calcula: Analizar- Pruebas no paramétricas- Cuadros de dialogo antiguos- K. muestras independientes.
En el spss se calcula: Analizar- Pruebas no Paramétricas- Cuadros de Dialogo antiguos-2 muestras relacionadas.
Hay que dejar marcada la opción Wilcoxon e insertar las variables que nos interesan a la hora de realizar la prueba. Una vez se obtienen los resultados, es necesario mirar la significación para ver si las diferencias son significativas, si lo son, habrá que mirar los rangos promedio, para ver que significan esas diferencias.
CONTRASTE PARA VARIAS MUESTRAS DEPENDIENTES (Prueba de Friedman)
En este caso, se trataría de dos muestras, obtenidas con el mismo grupo de sujetos.
En el spss se calcula: Analizar- Pruebas no paramétricas-Cuadros de diálogo antiguos- K- muestras relacionadas.
Hay que dejar marcada la prueba Friedman y después elegir las variables que nos interesan a la hora de realizar la prueba. Una vez se obtienen los resultados, es necesario mirar la significación para ver si las diferencias son significativas, si lo son, habrá que mirar los rangos promedio, para ver que significan esas diferencias.
Cuando encontramos que al análisis global, nos muestra que existen diferencias significativas, podemos averiguar entre que grupos se encuentran las diferencias haciendo una prueba de Wilconxon. Es el mismo procedimiento que el anterior, ya que realizamos un contraste de hipótesis entre las dos muestras dependientes que nos interesa estudiar, y averiguar si entre estas existen diferencias significativas.
ASOCIACIÓN Y REGRESIÓN
Las técnicas basadas en correlación utilizan variables que son de tipo numérico u ordinal.
- Las técnicas de tipo numérico permiten ver si hay relaciones lineales, de modo que aumentos en una variable están asociados con aumentos en la otra variable.
- En las técnicas para variables ordinales lo que vemos es si un aumento en una variable está asociado con el aumento en la otra variable de una manera ordinal.
CORRELACIÓN LINEAL DE PEARSON
La correlación lineal de Pearson, es apropiada para relaciones lineales y con variables numéricas.
El resultado de la correlación de Pearson, está entre -1 y 1 y valores cercanos a 0 significan ausencia de correlación.
Las hipótesis a plantear en esta prueba, son:
Hipótesis nula: la correlación es igual 0.
Hipótesis alternativa: La correlación es distinta de 0.
En el spss se calcula: Analizar-Correlaciones- Correlaciones Bivariadas
Hay que marcar el coeficiente de correlación de Pearson, y la prueba de significación tiene que ser bivariada. Por último, se seleccionan las variables que se quieren correlacionar. Una vez realizado este procedimiento obtenemos una tabla, que se organiza en filas y columnas, con el valor correspondiente en el cruce de estas. Para cada cruce está la correlación, la significación y el número de casos. Cuando aparecen los resultados hay que fijarse en el nivel de significación, para ver si podemos decir que las correlaciones entre variables son distintas de 0, y por tanto hay correlación.
Para evaluar, si las relaciones entre las variables seleccionadas son lineales o no, se lleva a cabo el siguiente procedimiento, que nos permitirá evaluar la linealidad de la relaciones.
Calculo con el spss: Gráficos- Cuadros de Dialogo antiguos- Diagramas de dispersión/puntos- Dispersión Matricial.
CORRELACIÓN ORDINAL DE SPEARMAN
La correlación ordinal de Spearman, es apropiada para relaciones no lineales y con variables ordinales.
Resulta interesante calcular correlaciones ordinales por dos razones: cuando las variables no están relacionadas linealmente y cuando las variables son propiamente ordinales.
Calculo en el Spss : Analizar-Correlaciones- Correlaciones Bivariadas.
Hay que marcar el coeficiente de correlación de Spearman, y la prueba de significación tiene que ser bivariada. Por último, se seleccionan las variables que se quieren correlacionar. Una vez realizado este procedimiento obtenemos una tabla, que se organiza en filas y columnas, con el valor correspondiente en el cruce de estas. Para cada cruce está la correlación, la significación y el número de casos. Cuando aparecen los resultados hay que fijarse en el nivel de significación, para ver si podemos decir que las correlaciones entre variables son distintas de 0, y por tanto hay correlación.
REGRESIÓN
El análisis de regresión nos permite saber si dos variables están relacionadas, además de calcular que valor podemos esperar en una variable dado el valor que tenemos en otra variable.
Se verá:
- Pruebas de hipótesis para la pendiente de la Regresión
- Intervalos de confianza para las puntuaciones predichas.
PRUEBAS DE HIPÓTESIS PARA LA REGRESIÓN
El valor R2 es un indicador de ajuste de la recta. Valores cercanos a 1 indican buen ajuste, a 0 malo (los valores negativos no son posibles).
Calculo en spss : Analizar- Regresión- Lineales
Se coloca la variable independiente (predictora) en el eje X , y la variable dependiente (a predecir-predicha) en el eje Y.
Una vez realizado el siguiente procedimiento aparece un gráfico, en el cual hay que hacer doble click.
Una vez que se hace doble click , aparece el siguiente gráfico.
Hay que hacer click en el icono.
Una vez se hace click en el icono, aparece la siguiente ventana.
La línea central es el valor que predecimos para un sujeto con unas ciertas características.
Las líneas exteriores corresponden con el intervalo de confianza al 95% de las puntuaciones individuales.
Las líneas interiores son el intervalo al 95 % de la media de las puntuaciones individuales.
En cálculo de intervalos de confianza en el spss, se realiza de la siguiente manera.
Calculo spss: Analizar- Regresión- Lineales
La variable a predecir (variable predicha) hay que colocarla en dependientes. Después, la variable que predice se coloca en independientes (variable predictora). Después se le da al botón de guardar.
En el siguiente cuadro, se elige en valores no pronosticados- no tipificados (standarizados) y en intervalos de predicción (pronostico) media e individuos.
Una variable categoría tiene valores que simplemente son distintos unos de otros pero que no tienen un orden o magnitud mayor unos que otros.
El objetivo de estas técnicas es ver si existe una asociación entre las categorías de una variable y las categorías de otra variable.
Calculo en Spss: Analizar- Estadísticos Descriptivos- Tablas de Contingencia ( Tablas cruzadas)
Hay que colocar la variable independiente en filas y la variable dependiente en columnas. Después seleccionamos estadísticos. Y le damos a la opción Chi- Cuadrado ya que es el nombre de la prueba que nos interesa realizar.
Después seleccionamos, el comando casillas, y le damos en la opción de recuento a observado y esperado, después en porcentajes seleccionamos fila y por último seleccionamos residuos tipificados (estandarizados).
