Escolar Documentos
Profissional Documentos
Cultura Documentos
1.
a. Analisar -> Estatística Descritiva -> Frequências
Passar a variável Sexo para a caixa do lado direito.
Clicar em “Estatísticas” e selecionar a moda.
Clicar em “Gráficos” e selecionar “Gráfico de barras”.
Manter selecionada a opção “Exibir tabelas de frequências”.
Clicar em “Colar” para criar a sintaxe (ver o ficheiro XYZ.sps).
Ao executar a sintaxe, surgirá no output:
Note-se que se pediu a moda, a tabela de frequências e um gráfico de barras. No entanto, como
o enunciado não indica de que forma deveremos chegar à resposta, bastaria apresentar um
deles (por exemplo, poderíamos apenas pedir a moda – neste caso, verificamos que a moda é a
categoria com o código 1 e, se formos à base de dados, facilmente verificamos que se trata da
categoria “Feminino”)
Resposta: a maior parte dos idosos deste estudo são do sexo feminino.
b. No SPSS, podemos resolver as alíneas b. e c. em simultâneo, pelo que iremos proceder dessa
forma. No entanto, as respostas serão dadas em separado.
Analisar -> Estatística Descritiva -> Tabela de referência cruzada
Transferir uma das variáveis para o campo “Linha(s)” (por exemplo, o Sexo) e a outra para
“Coluna(s)” (por exemplo, a Satisfação com a vida)
Para obter a medida de associação pedida na alínea b., clicar em “Estatísticas” e selecionar a
opção “V de Cramer e Fi”.
Na alínea c. teremos de ver a % de indivíduos com uma satisfação baixa nos 2 sexos. Se se
optar por colocar a variável Sexo por linhas, clica-se em “Células” e pede-se % por linhas. Caso
contrário, pede-se a % por colunas.
c. Resposta: nos indivíduos do sexo feminino, a percentagem daqueles cuja satisfação com a
vida é baixa é 25%. Nos indivíduos do sexo masculino, a percentagem daqueles cuja satisfação
com a vida é baixa é 8%.
d.
i. Clicar em
NOTA: na coluna do lado esquerdo do quadro que irá abrir, surgem os rótulos das
variáveis e não os nomes. Se quisermos que apareçam os nomes, clicar com o botão
direito do rato sobre uma das variáveis e selecionar a opção “Exibir nomes das
variáveis”.
No quadro que irá abrir, em “Nome” colocar o nome a dar à nova variável, isto é:
XYZ_4_i
Em “Rótulo” criar já o rótulo para a nova variável. Por exemplo: Item XYZ_4 invertido
No final, clicar em “Alterar” e só depois em “Valores antigos e novos”.
Irá abrir um novo quadro.
Do lado esquerdo, em “Valor antigo” -> “Valor”, indicar ao SPSS quais são os códigos
atribuídos às categorias da variável XYZ_4 (na base de dados, em “Visualização de
variável” é possível verificar que os códigos são 1, 2, 3, 4 e 5). Do lado direito, em “Novo
valor” -> “Valor” colocar os códigos que queremos atribuir à nova variável (XYZ_4_i).
Como XYZ_4_i é o item 4, mas invertido, os códigos são os mesmos, mas por ordem
inversa. Assim, o código 1 do XYZ_4 passa a ser o 5 do XYZ_4_i, o 2 passa a ser o 4, o 3
mantém-se igual, o 4 passa a ser o 2 e o 5 passa a ser o 1. Na imagem que se segue,
mostra-se como associar o 1 do XYZ_4 ao 5 do XYZ_4_i:
Deve-se, a seguir, clicar em “Incluir” e repetir o processo até terminar, ou seja, até que
se fique com algo semelhante ao que está na imagem que se segue (em “Antigo ->
Novo”, do lado esquerdo surgem os códigos da variável original (1 a 5) por ordem
crescente e, à direita, surgem os códigos da nova variável, ou seja, os mesmos da
variável original, mas por ordem decrescente):
iii. Para conseguirmos dizer se, na amostra, a intensidade com que se manifesta o traço de
personalidade A é baixo ou elevado, teremos de considerar a variável Traço_A e
apresentar os dados sumariados (uma vez que a ideia não é que digam o que se passa
com cada idoso, mas sim com a generalidade da amostra). Para tal, iremos apresentar
medidas estatísticas e a caixa de bigodes (que é adequada para dados quantitativos).
Para as medidas:
Analisar -> Estatística descritiva -> Frequência
Transferir a variável Traço A para o lado direito. Se não quisermos a tabela de
frequência, retirar o visto. Clicar em “Estatísticas “. Como a variável é quantitativa,
podemos calcular todas as 8 medidas que foram dadas. Aqui, pedimos 6 delas (os
quartis são 3). Depois, caso consideremos relevante para responder ao que se pede,
podemos ainda calcular o CV e a AIQ com a nossa calculadora, tendo por base os valores
que vão surgir no output. Também poderíamos pedir o “Mínimo” e o “Máximo”.
Clicar em “Continuar” e em “Colar”
Note-se que, de acordo com o enunciado, a intensidade com que se manifesta o traço
de personalidade A está a ser medida considerando, para cada idoso, a sua pontuação
média (alínea ii) e que a escala de Likert tem 5 pontos, pelo que 3 é o ponto intermédio
dessa escala. Como tal, pontuações médias superiores a 3 podem ser consideradas
indicadoras de intensidades altas e pontuações abaixo de 3 podem ser indicadoras de
intensidades baixas.
Devemos, agora, no output, dar um duplo clique sobre a caixa de bigodes, para que abra
o editor de gráficos. Adicionar um título clicando com o botão direito do rato sobre o
gráfico e selecionando a opção “Incluir título”. Apaga-se o que se encontra escrito e es-
creve-se o pretendido. Fechar o quadro que, entretanto, se abriu e o editor de gráficos.
Ficaria:
Resposta: no sexo masculino, a intensidade com que o traço de personalidade A se
manifesta atinge um valor mínimo mais baixo do que no sexo feminino.
Resposta:
Coeficiente de correlação de Pearson: 𝑟 = 0.057
Como 0 ≤ |𝑟| < 0.2, a correlação entre as duas variáveis é desprezável.
Clicar em “Colar” e, na sintaxe, executar os novos comandos. No output irá surgir uma
lista de medidas para o sexo feminino e a mesma lista para o sexo masculino. Basta ver
a que se pretende e dar a resposta à questão:
Devemos, agora, no output, dar um duplo clique sobre a caixa de bigodes, para que abra
o editor de gráficos. Adicionar um título e o nome ao eixo vertical. Para tal, basta clicar
com o botão direito do rato sobre o gráfico e selecionar a opção “Incluir título”. Apagar
o que se encontra e escrever o pretendido. Fechar o quadro que, entretanto, se abriu.
Para adicionar o nome do eixo vertical, clicar no botão “Y” e, no separador “Rótulos e
marcas”, colocar um visto na opção “Exibir título do eixo”. Clicar em “Aplicar” e, depois,
clicar sobre o nome que aparece no eixo até que seja possível apagar e escrever o pre-
tendido. Fechar o quadro e o editor de gráficos. Ficaria:
Ao executar a sintaxe, irá aparecer uma nova variável na base de dados, correspondente
à idade em classes.
Para averiguar a(s) classe(s) mais frequente(s) por sexo, podemos pedir uma tabela de
contingência, por exemplo:
Analisar -> Estatística Descritiva -> Tabela de referência cruzada
Como se está a trabalhar com as variáveis Idade_classes e Sexo, basta transferir uma
destas variáveis para o campo “Linha(s)” e a outra para “Coluna(s)”
Clicar em “Colar” e executar o que surge na sintaxe. No output, irá aparecer o seguinte
(caso se tenha colocado o sexo por linhas):
Sexo
Sexo
Resposta: A faixa etária mais frequente no sexo feminino é [72, 77[ anos (ou 72 – 76
anos) e, no masculino, é [67, 72[ anos (ou < 72 anos)
vi. Para obter as medidas, com os dados agrupados em classes, teremos de usar os pontos
médios das classes. Portanto, iremos criar uma nova variável com esses pontos médios,
para que a possamos usar a seguir.
Pontos médios das classes:
Os pontos médios das classes são os seguintes
Classe Ponto médio
[67; 72[ 69.5
[72; 77[ 74.5
[77; 82[ 79.5
[82; 87[ 84.5
[87; 92] 89.5
[92; 97[ 94.5
[97; 102] 99.5
No novo quadro que irá abrir colocar, em “Valor antigo” -> “Valor” o código 1,
correspondente à classe [67; 72[. Em “Novo valor” -> “Valor” colocar o ponto médio
desta classe, ou seja, 69,5.
Clicar em “Incluir” e proceder de forma semelhante para as restantes classes.
No final, clicar em “Continuar”, “Colar” e executar a sintaxe para que surja uma nova
variável no ficheiro de dados com os pontos médios das classes (no ficheiro de dados,
em “Visualização de dados”, verificar se é necessário alterar ou acrescentar alguma
informação. Neste caso, não será necessário).
Com base nos valores obtidos para a média e para o desvio-padrão, podemos calcular
8.68323
o CV: 𝐶𝑉 = 79.4603 × 100% ≈ 11%