¡Descarga Contraste de Medias: Análisis de Diferencias en Médias Independientes y Dependientes - Pro y más Apuntes en PDF de Estadística solo en Docsity!
Contraste de medias para muestras independientes.
Ejercicio; Quiero saber si en los hombres y mujeres la media en depresion es la misma.
Analizar-> Comparar medias-> muestras independientes
La variable que necesito comparar (sexo por ejemplo) en variable de agrupación y añadir en variables para contrastar lo que deseo comparar en ambos grupos si hay diferencias o no. (Por ejemplo depresion)
El siguiente grupo es asignar es asignar el valor que se especificó en la etiqueta (para ello seleccionar definir grupos-> 1 hombres y 2 mujeres)
Opciones- > seleccionar el intervalo de confianza (el que está establecido automáticamente es 0.95)
Ahora le damos a aceptar.
Si se aumenta el tamaño de la muestra, aumentan los grados de libertad.
Siempre que el intervalo de confianza tenga 0, aceptamos hipótesis nula.
Ejercicio para contrastar la media en muestras relacionadas.
Analizar-> comparar medias-> Prueba T para muestras dependientes o relacionadas.
Variable 1 (por ejemplo depresion o cansancio emocional en un año)
Variable 2 (por ejemplo cansancio emocional en los mismos sujetos o por ejemplo Ce tras dos años)
AL igual que el otro ejercicio en lo que me fijo es en el nivel de significación > beta (se acepta) si es más pequeño p < beta se rechaza hipótesis nula. (Las medias son diferentes). También se puede detectar en el intervalo de confianza.
1º Nos fijamos en la prueba de Levene en primer lugar y si es mayor que alfa aceptamos, de forma que se asume que las varianzas son iguales.
Ahora nos fijamos en esta columna y nos fijamos que si es p> aceptamos hipótesis nula, de forma que las medias son iguales
variable dividida, es decir sexo la añadimos) te sale en resultados una ventana con la media en hombres y mujeres)
Estadísticos Sexo
N
Válidos 501 Perdidos 0 Media 2, Desv. típ. , a. Sexo = MUJER
Ahora bien si lo que quiero saber en función de un contraste hipótesis si la diferencia de
media de depresion antes del tratamiento y después es la misma debo dejar la base de
datos sin dividir el archivo, para ello vuelve a darle a datos-> dividir el archivo ->
analizar todos los casos, no crear grupos.
Lo siguiente, será analizar-> comparar medias-> Prueba T para muestras independientes
(si lo que quiero saber si hay diferencias entre hombres y mujeres) -> variable de
agrupación (sexo) y variable para contrastar (pretrat y postrat)
Conclusión; rechazamos hipótesis nula por lo que existen diferencias significativas.
T 998 = 1.979, p= 0.
Estadísticosa Sexo
N
Válidos 499 Perdidos 0 Media 1, Desv. típ. , a. Sexo = HOMBRE
Fijarse en el pre tratamiento, al ser en la prueba de Levene > que beta aceptamos la hipótesis nula y ahora la Sig. (Bilateral) es menor por lo que concluimos que existen diferencias (recuerda siempre comprobar si hay igualdad de varianzas que se comprueba con la prueba de Levene)
Si lo que quiero es saber si el tratamiento es efectivo o no (miro en analizar, comparar medias, prueba t para muestras dependientes).
H 0 ; μpretatamiento = μpostratamiento
H 1 ; μpret ≠μpost
Le doy a aceptar y en los resultados:
ANOVA SIMPLE.
Debemos tener 3 o más grupos con un factor independiente (dificultad). Lo que quiero saber es si el rendimiento (VD) será mejor si la tarea es fácil o difícil.
Al ser 0.019 < beta se rechaza hipótesis nula por lo que concluimos que el tratamiento es efectivo.
Aquí no nos fijamos hasta que veamos en la prueba de Levene
Aquí la sig. es < que beta por lo que se rechaza hipótesis nula.
A partir de aquí necesito saber dónde se encuentran las diferencias, lo que se comprueba a través de las pruebas post hoc. (Scheffe) si las varianzas fuesen distintas utilizaría C de dimet.
La sig. es mayor por lo que se acepta que las varianzas son iguales por lo que proseguimos al paso siguiente.
Como se puede observar la sig. < Beta es en baja a alta y al estar la diferencia positiva con baja a alta concluimos que el rendimiento va a ser más efectivo cuando la dificultad es baja más que alta.
ANOVA DE MEDIDAS REPETIDAS.
En este caso se evalúan sujetos a los que se les aplica 3 o más medidas (por ejemplo un sujeto y tres momentos distintos de evaluación)
Y= Media+ Beta+ efecto de los sujetos +Error
Las hipótesis son;
H; μ1=μ^2 =μ^3
H1; Alguna media es diferente.
Para poder proceder hay que analizar la prueba de aditividad de Tukkey, no podemos
hacer el siguiente paso hasta comprobar su fiabilidad. (Lo analizamos en esta base de
datos ->)
Escala-> análisis de fiabilidad-> Opciones (prueba de aditividad de Tukkey) y añadimos
después las medidas (inicio, final, mitad) aceptar
Las dos variables en fijos y la vd de nuestro estudio (nmoc).
Graficos -> Eje horizontal (personas) y líneas separadas (momento) -> añadir -> continuar.
Le damos a pruebas pos hoc y pasamos a la derecha la variable independiente.
Aceptar todo-> resultados.
Para encontrar ahora donde están las diferencias se va al cuadro de pos hoc.
REGRESION MULTIPLE.
Sirve para saber que hay un problema al que hay que dar remedio, a partir de la información que yo tengo puedo estimar lo que deseo. Toda variable psicológica que es afectada por múltiples variables.
Coeficiente de correlacion múltiple (en este caso al ser múltiple ya no se llama de determinación) es Pearson al cuadrado. Lo que concluyo es el porcentaje de varianza que explico de Y con la VI. Entre 0 no explica nada hasta 1 que explica toda la predicción.
LO que existe de común de X1 y X2 e Y, nos gustaría que no hubiese relación para ello se haría la prueba de tolerancia y FIV (en este caso no la vamos a hacer).
Mirar en la variable independiente, en este caso momento y al ser 0.001 < beta, se rechaza hipótesis nula. Si se acepta se termina el ejercicio.
Nos fijamos en que sig. Sea menos que beta y que la diferencia de medias sea positiva, en este caso en el inicio hay más diferencias (n, movimientos oculares) que en la fase intermedia y final (provoca un mayor efecto).
En este caso la hipótesis es que H 0 ; R=0 y H1; R≠
Fijase en el último modelo (3 o 2) en este caso al ser menos que beta se rechaza hipótesis nula por lo que podemos seguir el ejercicio (si fuese mayor se acepta hipótesis y se termina el ejercicio).
Ahora nos fijamos en el cuadro de los coeficientes.
Por lo tanto la fórmula de Regresion final es;
Depresion = 17.123 + 0.917X+0.315x+0.403X (todo lo cogemos de la columna B en el último modelo)
Aunque 0.315 pueda ser menor no significa que dé como resultado un valor menor ya que depende de la escala de medida.
