ANÁLISIS DE LOS DATOS

CUANTITATIVOS CON SPSS V24

Lic. Adm. Alfredo Huamán Cuya

 NIVELES DE INVESTIGACIÓN
ALCANCE PROPÓSITO DE LAS INVESTIGACIONES FORMULACIÓN DE
HIPÓTESIS
Se realiza cuando el objetivo es examinar un tema o
Exploratorio problema de investigación poco estudiado, del cual se No se formulan hipótesis
tienen muchas dudas o no se ha abordado antes
Busca especificar las propiedades, las características y los
Sólo se formulan hipótesis
perfiles de personas, grupos, comunidades, procesos,
Descriptivo cuando se pronostica un hecho
objetos o cualquier otro fenómeno que se someta a un
o dato.
análisis.
Su finalidad es conocer la relación o grado de asociación
Correlacion Se formulan hipótesis
que exista entre dos o más conceptos, categorías o
al correlaciones
variables en un contexto específico.
Está dirigido a responder por las causas de los eventos y
fenómenos físicos o sociales. Se enfoca en explicar por qué
Explicativa Se formulan hipótesis causales
ocurre un fenómeno y en qué condiciones se manifiesta, o
por qué se relacionan dos o más variables.
 TIPOS DE VARIABLES

“Es una característica o

cualidad; magnitud o cantidad, Cualitativas
que puede sufrir cambios, y (Categóricas)
que es objeto de análisis,
medición, manipulación o • Nominal
Tipos de Niveles de
control en una investigación” medición • Ordinal
(Arias, 2010, p. 57). variables • Intervalo
• De razón
Cuantitativas
(Numéricas)
 Tipos de Variables

Cualitativa Cuantitativa

Dicotómicas Politómicas Continuas Discretas

Tienen solamente Tienen mas de Provienen de medir. Se Provienen de contar.
dos categorías. dos categorías. pueden representar con Solamente pueden
Ejemplos. números enteros o ser representados
Nuevo – Continuador fraccionarios. Entre dos con números enteros.
Vivo – Fallecido valores siempre existe Ejemplos:
Sano – Enfermo un valor intermedio. Número de hijos
Ejemplos:
Peso: 75.5kg
Talla: 1.60 mt
 Tipos de Variables

Cualitativa. Agrupa a los individuos en categorías. Es Cuantitativa. Asigna un valor numérico que mide alguna
decir, que sus valores finales son categorías. característica del individuo. Es decir, que sus valores
Ejemplo: finales son números.
• Género Ejemplo:
• Raza • Edad
• Calidad de servicio • Estatura
• Nivel de satisfacción • Sueldo de docentes
• Número de hijos
• Volumen de ventas

Nominales Ordinales
(Sin ningún atributo) (Con el atributo Orden)
Intervalo Razón
Posee categorías a las que se Posee categorías ordenadas, pero (Con el atributo Orden y (Con el atributo Orden,
asigna un nombre sin que exista no permite cuantificar la distancia Distancia) Distancia y Origen)
ningún orden implícito entre entre una categoría y otra.
ellas. Tiene intervalos iguales y Tiene intervalos constantes
medibles. El cero no es real. entre valores; además de un
• Primaria Puede asumir valores origen real. El cero es real y
• Masculino Grado de • Secundaria negativos. absoluto que significa la
Género • Femenino instrucción • Superior ausencia del individuo.

Ejemplo:
• Casado Ejemplo: • Peso: 00.00Kg,
Estado • Soltero • Muy satisfecho • Temperatura: -10°C,
Nivel de Satisfecho 10.24Kg, 20.00Kg, etc.
civil • Conviviente • 0°C, 20°C, etc. • Número de Hijos: Uno,
Satisfacción • Insatisfecho • Hora del día: 00, 10, 20 Dos, Tres, etc.
Horas, etc.
 Tipo de Variable Escala de Medición
Cuantitativa Continua Intervalo – Razón
Variable Cuantitativa Discreta Intervalo – Razón
Cualitativa Dicotómica Nominal – Ordinal
Cualitativa Politómica Nominal – Ordinal

Variable Tipo de Variable Escala de Medición

V1 o VI

V2 o VD
 CONFIABILIDAD
Confiabilidad
• Grado en que un instrumento produce
resultados consistentes y congruentes.
• Es el grado en que la aplicación repetida
de un instrumento al mismo sujeto,
objeto u situación, produce iguales
resultados.
• Además, es la capacidad del instrumento
de producir resultados congruentes
(iguales), cuando se aplica por segunda
o tercera vez, en condiciones tan
parecidas como sea posible.
El alfa de Cronbach (α). Desarrollado por Lee Joseph
Cronbach. Es el método más usado y sencillo para saber si una
prueba de medición es fiable. Esta técnica se usa sólo cuando
tienes instrumentos que son escalas de constructos; es decir,
instrumentos que miden conceptos mediante varios ítems.
Pueden oscilar entre 0 y 1, donde 0 significa fiabilidad nula y 1
representa el máximo de fiabilidad. Entre más se acerque, el
coeficiente a 0 habrá mayor error en la medición.
Interpretación. Según (Hernández, Fernández & Baptista, 2014).
• 0.25 baja confiabilidad.
• 0.50 la fiabilidad es media o regular.
• 0.75 es aceptable.
• 0.90 es elevada para tomar muy en cuenta.

Validez
• Grado en que un instrumento en
verdad mide la variable que se
busca medir.
• Por ejemplo, un instrumento para
medir la inteligencia debe medir
la inteligencia y no la memoria.
• Un instrumento que mide la
actitud del cliente hacia el
servicio debe medir la actitud y
no el conocimiento, son dos cosas
distintas.
VALIDEZ
Validez de contenido. Grado en que un instrumento refleja un
dominio específico de contenido de lo que se mide. Por ejemplo,
una prueba de operaciones aritméticas no tendrá validez de
contenido si incluyera sólo problemas de resta y excluyera
problemas de suma, multiplicación o división.
Validez de criterio. Validez que se establece al correlacionar las
puntuaciones resultantes de aplicar el instrumento con las
puntuaciones obtenidas de otro criterio externo que pretende
medir lo mismo.
Validez de constructo. Debe explicar cómo las mediciones del
concepto o variable se vinculan de manera congruente con las
mediciones de otros conceptos correlacionados teóricamente.
 ANÁLISIS PARAMÉTRICO
Para realizar análisis paramétricos debe partirse de los
siguientes supuestos:
• La distribución poblacional de la variable
dependiente es normal: el universo tiene una
distribución normal (P o s > 0.05).
• El nivel de medición de las variables es por intervalos
o razón.
• Cuando dos o más poblaciones son estudiadas, tienen
una varianza homogénea: las poblaciones en
cuestión poseen una dispersión similar en sus
distribuciones.
Métodos o Pruebas Estadísticas Paramétricas:
• Coeficiente de correlación de Pearson y regresión lineal.
• Prueba t.
• Prueba de contraste de la diferencia de proporciones.
• Análisis de varianza unidireccional (ANOVA en un sentido).
• Análisis de varianza factorial (ANOVA).
• Análisis de covarianza (ANCOVA).
ANÁLISIS NO PARAMÉTRICO
Para realizar los análisis no paramétricos debe partirse
de las siguientes consideraciones:
• La mayoría de estos análisis no requieren de
presupuestos acerca de la forma de la distribución
poblacional. Aceptan distribuciones no normales (P
o s < 0.05) (distribuciones “libres”).
• Las variables no necesariamente tienen que estar
medidas en un nivel por intervalos o de razón;
pueden analizar datos nominales u ordinales. De
hecho, si se quieren aplicar análisis no paramétricos
a datos por intervalos o razón, éstos necesitan
resumirse a categorías discretas (a unas cuantas).
• Las variables deben ser categóricas.
Las pruebas no paramétricas más utilizadas son:
• La chi cuadrada o 𝑥 2
• Los coeficientes de correlación e independencia para
tabulaciones cruzadas.
• Los coeficientes de correlación por rangos ordenados
de Spearman y Kendall.
 CORRELACIÓN DE PEARSON
Es una prueba estadística para analizar la relación entre dos variables medidas en un nivel por
intervalos o de razón.
 COEFICIENTE RHO DE SPEARMAN Y TAU DE
KENDALL

Son medidas de correlación para variables en un nivel de medición ordinal; los individuos o
unidades de la muestra pueden ordenarse por rangos.

Son coeficientes utilizados para relacionar estadísticamente escalas tipo Likert por aquellos
investigadores que las consideran ordinales.

Ambos coeficientes varían de –1.0 (correlación negativa perfecta) a +1.0 (correlación positiva
perfecta), considerando el 0 como ausencia de correlación entre las variables jerarquizadas.

También se interpreta su significancia igual que Pearson y otros valores estadísticos.

 MUESTRO

Prueba piloto para poblaciones Existen básicamente dos (2) tipos de

infinitas y finitas fórmulas para determinar la muestra:
𝑃𝑄(𝑁 − (𝑛 ∗ 𝑃)) • Para poblaciones infinitas y mayores
𝐸=
𝑛𝑃(𝑁 − 1) de 100,000
Datos: 𝑍 2 (𝑃 ∗ 𝑄)
Z = (90%-99%) = 95% = 1.96 𝑛=
𝑒2
P = 60%
Q = 40% • Para poblaciones finitas y menores
e = (2% – 6%) = 5% de 100,000

𝑁 ∗ 𝑍2 ∗ 𝑃 ∗ 𝑄
𝑛= 2
𝑒 𝑁 − 1 + 𝑍2 ∗ 𝑃 ∗ 𝑄
 935 434750

ALFREDO HUAMÁN CUYA 935 434750

CONSULTOR Alfredo Huamán Cuya
alfredhc93@Gmail.com