Professional Documents
Culture Documents
Estadísticas descriptivas
Utilice este módulo para calcular un conjunto de estadísticas descriptivas para una o varias
variables, cualitativas o cuantitativas, y producir representaciones gráficas o semigráficas
utilizadas en análisis exploratorio de datos.
sectores.
Aunque son muchos los módulos que posee los más importantes son:
BASE.
Forma el núcleo del sistema y como tal debe permanecer residente en memoria.
En él se encuentran los comandos necesarios para el acceso, la manipulación, el
análisis y la presentación de datos. Nos permite acceder a una gran variedad de
fuentes de datos, entre las que se encuentran dBase, Lotus, Excel, y a través de
ODBC, Access Paradox, SQL Server, Oracle, y muchos más. Los
procedimientos estadísticos básicos que incluye, son Análisis Exploratorio de
Datos, Tablas de Contingencia, Comparación de Medias, Análisis de la
Varianza, Pruebas no Paramétricas, Correlación y Regresión Lineal Múltiple.
Esta última versión del SPSS (v10.05) incluye además, Análisis Factorial,
Discriminante, de Conglomerados, y Cálculo de Proximidades.
ESTADÍSTICAS PROFESIONALES.
Este módulo contiene procedimientos estadísticos tales como Regresión
logística, Regresión no lineal restringida y no restringida, Cuadrados mínimos
ponderados, Cuadrados mínimos en dos fases, Escalado Multidimensional,
Modelos Logit y Probit y Análisis de Fiabilidad.
ESTADÍSTICAS AVANZADAS.
En este módulo se recogen aquellos análisis estadísticos avanzados como son el
Modelo Lineal General (MLG), el Análisis Loglineal, Hiloglineal, y Genlog, la
Estimación de componentes de la varianza, el Análisis de Supervivencia, la
Estimación Kaplan-Meier, la Regresión de Cox con covariables dependientes en
el tiempo, los Modelos Manova y la Biblioteca de Macros.
TENDENCIAS.
Este es el módulo dedicado al tratamiento y análisis de Series Temporales.
Podemos separar las series en sus componentes guardando los factores
estacionales, tendencias cíclicas, y componentes de error automáticamente.
Incluye las Técnicas de Box-Jenkins y Análisis Espectral.
CATEGORÍAS.
Aquí se incluyen programas relativos a los Procedimientos de Escalamiento,
Análisis de Correspondencias Simple y Múltiple.
ANÁLISIS CONJUNTO.
Permite trabajar con medidas del impacto de atributos individuales en productos
o preferencias de consumidores y genera tarjetas en las que los entrevistadores
pueden ordenar para indicar sus preferencias en función de los atributos.
TABLAS.
Este último módulo contiene los programas encaminados a la elaboración de
Tablas Pivote de alta calidad, con una gran cantidad de opciones de formato y
presentación.
iii) Una vez abierto el editor de datos del SPSS, procederemos a introducir las
características que describen las variables que se quieren crear. Cada celda de una fila
representa una característica de la variable y éstas son:
Nombre de variable. Se puede dar un nombre a la variable que tenga que ver con su
contenido, o simplemente un nombre como var1, o v1. De una forma u otra, el nombre
debe contener como máximo 8 caracteres que pueden ser alfabéticos, numéricos, o el
símbolo de subrayado (_). No puede contener espacios en blanco ni caracteres
especiales como !, ?, etc. El primer carácter debe ser alfabético, $, ó #. No pueden
existir dos variables con el mismo nombre, y se ha de tener en cuenta el hecho de que el
sistema no distingue entre mayúsculas y minúsculas (siendo la misma variable TIEMPO
que tiempo).
Tipo. Al seleccionar esta celda se abre un cuadro de diálogo con los siguientes tipos de
variable: Numérica, Coma, Punto, Notación Científica, Fecha, Dolar, Moneda
Personalizada y Cadena. Según el tipo elegido se solicitará el ancho y el número de
decimales, o el número de caracteres, etc.
Los tipos más utilizados son numérico y cadena. Generalmente las variables a escala se
definen como numéricas, mientras que las categóricas se pueden definir tanto como
numéricas como cadena. En el primer caso, los valores de la variable categórica son las
modalidades, y en el segundo se consideran unos valores numéricos arbitrarios (variable
nominal), o que indican un orden (variable ordinal), y posteriormente se les asocia a
cada uno de ellos una etiqueta de valor.
Etiqueta. Dichas etiquetas nos permiten describir las variables, sobre todo cuando el
nombre no es identificativo. El nombre de las etiquetas puede llevar cualquier tipo de
signo o símbolo, acentos, ?, !, etc, pero no puede exceder de 120 caracteres.
Para asignar una etiqueta a un valor se abre un cuadro de diálogo, donde se introduce el
valor en el campo Valor, y su correspondiente etiqueta en el campo Etiquetas de valor.
Se pulsa entonces en el botón AÑADIR y se repite para otros valores.
- Sistem missing: valores missing declarados por el SPSS, que es cualquier casilla en
blanco dentro de la matriz de datos.
- User missing: valores missing declarados por el usuario. Estos pueden ser:
Medida. Aquí se indica si los datos que se introducen son a escala, de forma ordinal o
de forma nominal.
iv) A continuación, para introducir los datos pasamos a otra ventana del editor de datos,
seleccionando las opciones del menú principal:
v) Una vez finalizada la entrada de datos podemos guardar el contenido del fichero.
Para ello vamos con el ratón a la opción:
o
Guardar en:
este campo se refiere a la unidad y carpeta en la que se quiere guardar el fichero
creado.
Nombre de Archivo:
aquí se especifica el nombre del fichero donde se van a almacenar los datos. Su
longitud no puede exceder de 30 caracteres. En cuanto a la extensión del fichero,
se suele utilizar la extensión .sav para los ficheros de datos creados con el SPSS.
Guardar Como Archivo Tipo:
se utiliza para especificar el tipo del fichero en el que se desea almacenar los
datos. Al pulsar sobre el símbolo de dicho campo aparece un menú con los tipos
de ficheros disponibles:
Fichero SPSS.
Es un fichero binario que olo puede crearse y leerse con el SPSS para Windows
o Unix. Estos ficheros tienen extensión *.sav.
Fichero SPSS/PC+.
Es un fichero binario que sólo puede crearse y leerse con el SPSS para Ms-Dos.
Estos ficheros tienen extensión *.sys.
Fichero SPSS transportable.
Son archivos creados con otros sistemas operativos como Macintosh, OS2. Estos
ficheros tienen extensión *.por.
Hojas de Cálculo.
Entre las que destaca:
Una vez finalizada la sesión de trabajo y guardado el contenido del fichero, se sale de la
aplicación del SPSS, eligiendo las opciones:
2.3 Obtención de Información de los Datos
Si se desea conocer las características que definen a una variable de un fichero cargado
en el editor de datos del SPSS, se elige de la barra del menú principal las opciones:
Entonces se abre una ventana con la lista de variables del fichero, y pulsando sobre la
variable elegida se obtendrá la información correspondiente a la misma. Por otra parte,
si lo que se desea es obtener información sobre todas las variables del fichero se elegiría
y en este caso, se mostraría la información en el visor.
3 Estadística Descriptiva
Siempre que se va a realizar un análisis estadístico de una serie de datos es aconsejable
previamente hacer una Estadística Descriptiva, para obtener información de las
variables a analizar o simplemente para chequear posibles errores en los datos. En los
siguientes apartados veremos como poder llevarla a cabo.
- Tablas de Frecuencias.
- Histogramas y Gráficos de Barras.
- Cálculo de percentiles, Medidas de Tendencia Central y Medidas de
Dispersión.
Para ejecutar tal procedimiento hemos de elegir una tras otra las siguientes opciones:
Variables: donde se introducen las variables que se van a analizar. Estas se seleccionan
de la lista que muestra el sistema, y después de marcarlas con el ratón se pulsa el botón
con una flecha hacia la derecha para llevarlas a este campo.
Mostrar tablas de frecuencias: esta opción está activada por defecto y hace que el
sistema construya las tablas de frecuencias de las variables seleccionadas, mostrándose
los valores de las variables, las frecuencias absolutas, los porcentajes sin incluir los
valores missing e incluyéndolos, y las frecuencias relativas acumuladas. En caso de que
no se quiera se deberá desactivar.
Los Cuartiles son cuatro valores que dividen el conjunto total de datos en cuatro partes
iguales.
Los puntos de corte para dividir el conjunto total de datos en un cierto número
específico de grupos iguales. Este número que se ha de introducir ha de estar entre 2 y
100. Por defecto es 10, luego se trata de los deciles.
Los Percentiles se pueden solicitar varios indicando el porcentaje que se desea, y luego
pulsando el botón AÑADIR.
- Tendencia Central. Entre las medidas de tendencia central que permite están la media,
la mediana, y la moda. También recoge la suma de los datos.
En el caso de variables continuas, se puede pedir que los cálculos de las medidas se
realicen con los puntos medios de los intervalos, activando tal campo.
GRÁFICOS. Al pulsar este botón se abre un cuadro con las siguientes alternativas:
- Gráficos de Barras. Propios de variables discretas o categóricas.
Por defecto está activado el campo Ninguno. El sistema permite elegir los valores con
que se representa el gráfico sea bien con frecuencias o porcentajes.
FORMATO. Con este botón se puede cambiar el formato que presenta la tabla de
frecuencias. Las alternativas que muestra al activarlo son:
- Valores Descendentes: en este caso, ordenaría la tabla de forma decreciente según los
valores de la variable.
- Organizar resultados según variables: muestra todos los análisis para la primera
variable, luego para la segunda y así, sucesivamente.
Después de esto se abre un cuadro de diálogo con los siguientes campos y botones:
Las medidas de dispersión recogen la variabilidad de los datos y entre ellas están: los
errores típicos, la varianza, la desviación típica, el mínimo, el máximo, el rango y el
rango intercuartílico.
Las medidas de la forma de la distribución son: la asimetría y la curtosis junto con sus
errores típicos.
Construye además, el intervalo de confianza para la media a un nivel del 95%, pudiendo
especificarse otro.
Valores Atípicos. Muestra los cinco valores mayores y los cinco menores, con las
etiquetas de cada caso.
Percentiles. Muestra los valores de los percentiles 5, 10, 25, 50, 75, 90, y 95.
3.3.1 Tablas Básicas
El procedimiento Tablas Básicas nos permite construir tablas que muestran estadísticos
de clasificación cruzados y de subgrupos. Al seleccionar
Resumir: las variables que se introducen en este campo son aquellas para las cuales se
calculan los estadísticos dentro de cada subgrupo, y se las denomina Variables
Resumen. Con todas las variables de la tabla se emplean los mismos estadísticos, que
por defecto es la media. La tabla muestra las etiquetas o los nombres de las variables
resumen a lo largo de la parte izquierda de la misma. En caso de no seleccionar
variables resumen se muestran las frecuencias.
Hacia abajo: es la primera dimensión de la tabla, y aquí se introducen las variables que
se quiere aparezcan por filas.
Todas las combinaciones (anidadas): esto significa que se muestran las categorías de
una variable bajo cada una de las categorías de la variable anterior.
Cada una por separado (apiladas): en este caso, se muestran las categorías de cada
variable como un bloque. La apilación se puede entender como la extracción de tablas
diferentes y su unión en la misma presentación.
También aparecen en la ventana una serie de botones, de entre los que destacaremos.
Estadísticos de casilla: ofrece una lista de los estadísticos que se mostrarán en la tabla
completa. Entre otros están frecuencias, % por filas, por columnas, estratos o global de
la tabla, estadísticos de tendencia central o variabilidad, etc.
Ordenación por el recuento en la casilla: reorganiza las casillas dentro de cada fila,
columna, o capa de la tabla en función de las frecuencias de las casillas.
DISEÑO. Este botón abre otro cuadro con las siguientes alternativas:
Grupos en la dimensión de la variable resumida: aquí puede optar por anidar las
variables resumen bajo cada categoría de la variable de agrupamiento o anidar la
variable de agrupamiento bajo cada variable resumen.
Etiquetar los grupos sólo con las etiquetas de valor: elimina las etiquetas de las
variables de agrupamiento de la tabla. Las categorías se siguen identificando por las
etiquetas de valor o por los propios valores.
FORMATO. Botón que sirve para indicar el aspecto de las casillas vacías y como
aparecen los estadísticos perdidos.
TÍTULOS. Con este otro se puede especificar un título para el procedimiento, un pie
de página o incluso la fecha.
3.3.2 Tablas de Frecuencias
Este procedimiento es acosejable para aquellos casos en los que queremos analizar los
resultados de una serie de variables, que tienen todas las mismas categorías de
respuesta. Por defecto, las variables forman las columnas y las categorías las filas. Cada
casilla muestra el número de casos de esa categoría. Si lo desea, puede seleccionar una o
más variables de agrupamiento. Para elegir el mismo seleccionamos:
entonces se abre un cuadro de diálogo similar al del procedimiento Tablas Básicas con
los campos:
Frecuencias para: este campo recoge aquellas variables con las mismas
categorías y de las cuales vamos a calcular las fecuencias.
En cada tabla: se introduce la variable de agrupamiento de las variables para las
que calculamos su frecuencia, y permite dividir cada tabla en columnas.
Tablas distintas: esta opción genera otra dimensión de agrupamiento de la tabla,
en capas. Si se divide en diferentes capas, sólo se mostrará una capa de la tabla
cada vez. Una vez que muestre la tabla en el Visor, podrá ver las otras capas
pulsando dos veces en la tabla y después con las flechas del icono de pivoteado
de capas. Si hay diversas variables de agrupamiento, puede elegir entre anidarlas
o apilarlas.
Al margen de estas opciones del cuadro de diálogo de entrada, tenemos los cuatro
botones que dan acceso a otros tantos subcuadros de diálogo. Sólo comentaremos el
referido a ESTADÍSTICOS. Dentro de éste, se incluyen frecuencias, porcetajes y totales.
Puede también especificar diferentes etiquetas, formatos de presentación, anchos y
números de decimales para cada estadístico que decide mostrar, y además, si está
activada la ponderación de los casos, puede solicitar recuentos no ponderados.
Una vez hecho esto, se abre un cuadro de diálogo con una serie de opciones y se elige el
análisis estadístico que se desea aplicar.
4.1 Medias
Dependientes: en este campo se introducen las variables de las que se quiere obtener la
media. Éstas se seleccionan de la lista que muestra la misma ventana.
Opciones: este botón abre otra ventana donde se pueden seleccionar una serie de
estadísticos como son la media, la mediana, la mediana agrupada, el error típico de la
media, el mínimo, el máximo, el rango, la desviación típica, la varianza, la curtosis, el
error típico de la curtosis, la asimetría, el error típico de la asimetría, la suma, etc.
También se muestran estadísticos de resumen para cada variable a través de todas las
categorías.
Para comparar las medias de dos muestras aleatorias procedentes de dos poblaciones
normales e independientes, se utiliza el procedimiento Prueba T para muestras
independientes, y para ello, se selecciona:
Ejemplo 4.3. Vamos a comprobar si existen diferencias significativas entre los tiempos
medios de dedicación a la docencia, para los profesores asociados y los titulares de
universidad de Profesores2.sav. Para ello, seleccionamos el procedimiento Prueba T
para muestras independientes, y elegimos la variable Tiemdoc para llevarla al campo
Contrastar Variables. Seguidamente seleccionamos como Variable Agrupación la
variable Categoría, presionamos el botón DEFINIR GRUPOS, y tecleamos un 1 en el
primer grupo y un 3 en el segundo. Por último pulsamos CONTINUAR y ACEPTAR para
ejecutar el procedimiento.
El resultado que muestra la Tabla 3 contiene dos tablas. La primera recoge para ambos
grupos, profesores asociados y titulares de universidad, el número de casos en cada
muestra, los tiempos medios dedicados a la docencia, las desviaciones típicas y los
errores típicos de la media. La segunda tabla muestra el valor del estadístico para la
prueba de Levene sobre la igualdad de varianzas, junto con su p-valor. Este se
distribuye como una F de Snedecor y vale 0.808, mientras que su p-valor 0.373, lo que
nos conduce a aceptar que las varianzas sean iguales, ya que el p-valor es mayor que
0.05. También aparece en la tabla el valor del estadístico para resolver el contraste de
igualdad de medias, supuesto varianzas iguales y distintas, (en ambos casos se
distribuye como una t de Student), junto con los correspondientes grados de libertad y
sus p-valores. Puesto que hemos concluido que las varianzas coinciden, fijémonos en el
que se han asumido varianzas iguales, el cual vale 8.661, y cuyo p-valor es 0, luego se
rechaza que las medias coincidan. Razonamiento que también se puede deducir del
intervalo de confianza, que no contiene el cero.
Levene para
Inferior Superior
Tiempo Asumiendo 0.808 0,373 8,661 50 0.000 64,2759 7,4209 49,3704 79,1813
varianzas
diario
iguales
No
para la 8,929 49,961 0.000 64,2759 7,1983 49,8173 78,7345
Asumiendo
varianzas
docencia
iguales
Una vez hecho esto, aparece una ventana con los siguientes campos:
Ejemplo 4.4. Veamos como comparar los tiempos diarios medios dedicados por los
profesores a la docencia y a la investigación. Para ello usamos el procedimiento Prueba
T para muestras relacionadas, igual que se ha comentado y una vez en el cuadro de
diálogo, seleccionamos las variables Tiemdoc y Tinvest. Después de trasladarlas al
campo Variables relacionadas, pulsamos ACEPTAR y podemos observar los resultados.
En este caso son tres las tablas que se obtienen:
Tiempo diario
para investigación
Esta es una prueba generalizada del contraste de medias para muestras con datos
independiente. Se comparan tres o más muestras independientes cuya clasificación
viene dada por la variable llamada Factor. La base de este procedimiento consiste en
estudiar si el Factor influye sobre la Variable Respuesta, y la forma de hacerlo es
analizando como varían los datos dentro de cada uno de los grupos en que clasifica el
Factor a la observaciones de la Variable Respuesta.
Además de los campos anteriores existen tres botones cuya utilidad es la siguiente:
Suma de Media
cuadrados gl cuadrática F Sig.
Inter-grupos 190239,152 5 38047,830 47,177 ,000
Intra-grupos 59680,480 74 806,493
Total 249919,632 79
Example 5.2. Puesto que el análisis ha dado significativo, veamos cuáles de los niveles
del factor difieren entre sí. Para ello, volvemos a entrar en el procedimiento Anova de
un factor, y con las mismas variables seleccionadas pulsamos en el botón POST HOC. Se
muestra a continuación otro cuadro donde aparece una serie de posibles constrastes a
posteriori. Supuestas las varianzas iguales, están el de Bonferroni, Scheffe, Tuckey,
Duncan, etc., y entre los que se asume varianzas distintas el T2 de Tamnhane, el T3 de
Dunnett, etc. Elegimos el test de Tuckey y pulsamos CONTINUAR y ACEPTAR.
Los resultados obtenidos indican que los tiempos medios dedicados a la investigación
para los catedráticos de escuela, los titulares de universidad y los titulares de escuela se
pueden considerar iguales, y por otro lado, también ocurre lo mismo con los de los
profesores asociados y los de los ayudantes
Se consideran tanto los modelos balanceados como los que no. Esto es, un diseño es
balanceado si cada casilla del modelo contiene el mismo número de casos. Además de
contrastar las hipótesis el procedimiento MLGU genera las estimaciones de los
parámetros.
También están disponibles en esta opción los contrastes a priori de uso más habitual.
Por otra parte, si en el análisis de la varianza global la F ha mostrado cierta
significación, se pueden emplear las pruebas Post Hoc para evaluar las diferencias entre
las medias especificadas. Las medias marginales estimadas ofrecen estimaciones de los
valores de las medias pronosticadas para las casillas del modelo; los Gráficos de Perfil
de estas medias (gráficos de interacciones) permiten observar fácilmente algunas de las
relaciones entre los factores.
Para seleccionar este procedimiento elegimos de forma seguida las siguientes opciones
desde el menú principal:
Entonces se abre un cuadro de diálogo con una serie de campos y botones. Entre los
campos nos encontramos con:
Especificar modelo. Por defecto está activa la opción Factorial Completo, la cual
considera los efectos principales de todos los factores, los efectos principales de todas
las covariables y todas las interacciones entre los factores. No contempla las
interacciones entre las covariables, ni de los factores con las covariables. Para
especificar un determinado conjunto de interacciones se ha de seleccionar el campo
Personalizado. En este caso se activan los campos:
Factores y Covariables: muestra una lista de los factores y las covariables, etiquetando
con F a los factores fijos, con C a las covariables y con R a los factores aleatorios.
Suma de Cuadrados. Aquí se indica el método para calcular las sumas de cuadrados,
que por defecto es el Tipo III. Los otros tipos de sumas de cuadrados se utilizan según
sea un modelo balanceado o no, anidado o no, con o sin categorías o combinación de
categorías vacías. Así por ejemplo, si para alguna combinación de niveles el grupo está
vacío se recomienda utilizar la suma de cuadrados Tipo IV.
b) CONTRASTES. Este botón se usa para contrastar las diferencias entre los niveles de un
factor. A los contrastes de este tipo se les denomina Contrastes Planificados o a Priori.
Se puede especificar un contraste para cada factor en el modelo. Los contrastes
representan las combinaciones lineales de los parámetros.
c) GRÁFICOS DE PERFIL. Son gráficos de líneas en el que cada punto indica la media
marginal estimada de una variable dependiente (corregida respecto a las covariables) en
un nivel de un factor. Los niveles de un segundo factor se pueden utilizar para generar
líneas diferentes, mientras que cada nivel de un tercer factor se utilizaría para crear
gráficos distintos. Permiten visualizar la posible interacción entre factores. Si las líneas
en el gráfico se cruzan existe interacción, si por el contrario, las líneas son paralelas no
la hay. También con ellos, se puede observar la tendencia de los valores promedios de la
variable dependiente para los distintos niveles de cada factor.
Una vez se ha elegido los factores a representar, se debe pulsar el botón AÑADIR para
incluirlos en la lista de gráficos. En caso contrario, el sistema muestra un aviso.
d) POST HOC. Tras saber que existen diferencias entre las medias, las pruebas de rango
Post Hoc y las comparaciones múltiples por parejas permiten determinar las medias que
difieren. Las comparaciones se realizan sobre valores sin corregir, y sólo se utilizan
tales pruebas para factores de efectos fijos.
e) GUARDAR. Este botón nos abre un cuadro que nos permite guardar los valores
pronosticados por el modelo, los residuos y las medidas relacionadas como variables
nuevas en el editor de datos. Muchas veces, estas variables se pueden utilizar para
examinar supuestos sobre los datos. Dentro de este cuadro se tiene:
Guardar en archivo nuevo: las estimaciones del modelo. Para cada variable dependiente
habrá una fila de las estimaciones de los parámetros, una fila de valores de significación
para los estadísticos t de Student correspondientes a las estimaciones de los parámetros,
y una fila de grados de libertad.
f) OPCIONES. El cuadro de diálogo que se abre al pulsar este botón contiene estadísticos
opcionales. Tales estadísticos se calculan utilizando un modelo de efectos fijos.
- Medias marginales estimadas. Se trata de las medias marginales para cada grupo.
Estas medias se corrigen respecto a las covariables, si las hay.
Estimaciones del tamaño del efecto: ofrece un valor parcial de eta-cuadrado para cada
efecto y cada estimación de los parámetros. El estadístico eta-cuadrado describe la
proporción de variabilidad total atribuible a un factor.
Potencia observada: produce la potencia de la prueba cuando la hipótesis alternativa se
ha establecido basándose en el valor observado.
Estimaciones de los parámetros: genera las estimaciones de los parámetros, los errores
típicos, las pruebas t de Student donde se contrastan los parámetros con el valor 0, los
intervalos de confianza y la potencia observada de la prueba.
Diagramas de dispersión por nivel y Gráfico de los residuos: son útiles para comprobar
los supuestos sobre los datos. Estos elementos no están activos si no hay factores.
Gráficos de los residuos: produce un gráfico de los residuos observados respecto a los
pronosticados, y respecto a los tipificados para cada variable dependiente. Estos
gráficos son útiles para investigar el supuesto de varianzas iguales.
- Nivel de significación. Para indicar el nivel de significación usado en las pruebas Post
Hoc y el nivel de confianza empleado para construir intervalos de confianza. El valor
especificado también se utiliza para calcular la potencia observada para la prueba. Si
especifica un nivel de significación, el cuadro de diálogo mostrará el nivel asociado de
los intervalos de confianza.
- La última tabla que muestra 7 recoge el Anova. En ella, los p-valores son todos
menores que 0.05, salvo el de la interacción que es de 0.685. Esto quiere decir, que
tanto la categoría del profesor como el número de asignaturas que imparte influyen en el
tiempo que dedica a la docencia, pero la interacción no. El sistema también muestra el R
cuadrado que vale en este caso, 0.789, lo que indica que el 78.9% del tiempo dedicado a
la docencia por los profesores es explicado por el modelo.
Suma de
cuadrados Media
Fuente tipo III gl cuadrática F Significación
En el Gráfico de Perfil, se puede apreciar que existe cierta interacción entre los factores,
ya que las rectas no son paralelas, y algunas se intersectan.
Ya que el Anova nos da que los tiempos medios difieren, podemos saber que grupos
tienen medias iguales o distintas. Para ello, entramos de nuevo en el procedimiento
MLGU y con las mismas variables seleccionadas, pulsamos el botón POST HOC.
Entonces elegimos la variable Categoría y el Test de Duncan. Tras esto, el sistema
mostrará dos tablas: en la primera de ellas se muestra las diferencias de medias, el error
típico de tal diferencia, el p-valor para el contraste de cada par de medias y el intervalo
de confianza. Mientras que en la segunda se recogen los subconjuntos homogéneos.
Las conclusiones que se obtienen es que hay dos grupos homogéneos, en cuanto al
tiempo medio dedicado a la docencia, el de profesores ayudante y asociados; y el de
titulares de universidad, de escuela y catedráticos de escuela
Figura 5: Histograma con Curva de Normal