experimentación+en+spss_1
DESCRIPTION
Spss experimentacion avanzada, modelosTRANSCRIPT
![Page 1: Experimentación+en+SPSS_1](https://reader034.vdocuments.pub/reader034/viewer/2022051418/5695d02d1a28ab9b02915584/html5/thumbnails/1.jpg)
Experimentación en SPSS
Máster en Nuevas Tecnologías en Informática
Tecnología para la investigación en la ingeniería informática
José Luis Fernández Alemán [email protected]
http://www.um.es/giisw/ES/
![Page 2: Experimentación+en+SPSS_1](https://reader034.vdocuments.pub/reader034/viewer/2022051418/5695d02d1a28ab9b02915584/html5/thumbnails/2.jpg)
Índice
Tipos de estudios empíricos
Experimentos Conceptos generales
Introducir datos en SPSS
Pruebas estadísticas
![Page 3: Experimentación+en+SPSS_1](https://reader034.vdocuments.pub/reader034/viewer/2022051418/5695d02d1a28ab9b02915584/html5/thumbnails/3.jpg)
Dependiendo del propósito de la evaluación y las condiciones de la investigación empírica, podemos distinguir tres estrategias empíricas:
Encuestas: normalmente se hacen en retrospectiva, cuando por ejemplo, una técnica o herramienta se ha estado usando durante cierto tiempo o se va a empezar a utilizar. Tanto los datos cualitativos como cuantitativos se recogen a través de cuestionarios o entrevistas. Permiten obtener conclusiones descriptivas y explicativas, esto es, entender a la
población
No permite crear conocimiento pues se basa en opiniones
Aunque tienen la capacidad de evaluar un gran número de variables, es preferible disminuir este número para facilitar la tarea de análisis.
Casos de Estudio: son utilizados para monitorear proyectos o actividades. Normalmente su propósito es seguir un determinado atributo o establecer relaciones entre determinados atributos. El nivel de control es mucho menor que en un experimento. Es un estudio de tipo observacional. Se realizan on-line (en entornos industriales).
Experimentos: la característica más importante es que permiten gran nivel de control. El objetivo es variar una o más variables y controlar otras, para observar qué efecto tienen sobre otra determinada variable de salida. Se ejecutan off-line (en laboratorios).
Tipos de estudios empíricos
![Page 4: Experimentación+en+SPSS_1](https://reader034.vdocuments.pub/reader034/viewer/2022051418/5695d02d1a28ab9b02915584/html5/thumbnails/4.jpg)
Tipos de estudios empíricos
Factor Encuesta Caso de estudio Experimento
Control de la ejecución NO NO SI
Control de la medición NO SI SI
Coste de la investigación BAJO MEDIO ALTO
Facilidad de réplica ALTO BAJO ALTO
Control de la ejecución. Cantidad de control que el investigador tiene sobre el estudio
Control de la medición. Nivel en que el investigador puede decidir sobre qué medidas deben ser recogidas, incluidas o excluidas durante la ejecución del estudio (en una encuesta sólo tenemos opiniones no atributos medibles directamente). Ejemplo: ¿es accesible la herramienta A?
Coste de la investigación. Relativo a la necesidad de recursos.
Facilidad de réplica. Facilidad de volver a llevar a cabo el mismo estudio bajo las mismas condiciones pero con distinta población
![Page 5: Experimentación+en+SPSS_1](https://reader034.vdocuments.pub/reader034/viewer/2022051418/5695d02d1a28ab9b02915584/html5/thumbnails/5.jpg)
Experimentos
Conceptos generales
Varia
bles
ind
epen
dien
tes
Diseñ
o d
el
exp
erimen
to
.....
Proceso
Varia
ble
dep
end
iente
.....
Variables
controladas
Factores (tratamientos)
Experimento
![Page 6: Experimentación+en+SPSS_1](https://reader034.vdocuments.pub/reader034/viewer/2022051418/5695d02d1a28ab9b02915584/html5/thumbnails/6.jpg)
Variables dependientes (response, predictor)
variables que queremos estudiar para ver el efecto que tienen en ellas los cambios en las variables independientes
Variables independientes (factor, state, predictand)
variables cuyos valores son cambiados para estudiar su efecto en las variables dependientes
La selección de las variables dependientes e independientes no es fácil y requiere conocimiento del dominio del experimento.
Llevan implícitamente la escala de medida y el rango.
Van a determinar los tratamientos (un valor particular de la variable independiente)
Variables controladas (controlled)
variables independientes que son controladas en un nivel fijo
Ejemplo. Se eligen programadores que hayan trabajado con las herramientas a probar un tiempo determinado (experiencia)
Experimentos
Conceptos generales
![Page 7: Experimentación+en+SPSS_1](https://reader034.vdocuments.pub/reader034/viewer/2022051418/5695d02d1a28ab9b02915584/html5/thumbnails/7.jpg)
Variables enmascaradas (confounded)
variables no controladas que varían simultáneamente con las variables independientes. Esta circunstancia hace que rivalice con la variable independiente como posible causa.
Ejemplo Si la variable independiente es una herramienta nueva y junto con la herramienta novedosa se cambió el método de desarrollo, la variación de los resultados no sabremos a qué se debe.
Variables aleatorias (randomized)
Variables no controladas que se tratan como un error aleatorio.
Ejemplo. Se pueden clasificar por experiencia a los programadores y asignar al azar el mismo número de cada clase a cada tratamiento.
Experimentos
Conceptos generales
![Page 8: Experimentación+en+SPSS_1](https://reader034.vdocuments.pub/reader034/viewer/2022051418/5695d02d1a28ab9b02915584/html5/thumbnails/8.jpg)
Tratamientos Un determinado valor para un factor
Objetos Elementos sobre los que se aplican los tratamientos.
Sujetos Personas que aplican los tratamientos a los objetos
Experimento Consiste en una serie tests (llamados trials) donde cada test
(no confundir con los test estadísticos) es una combinación de tratamiento-objeto-sujeto
Experimentos
Conceptos generales
![Page 9: Experimentación+en+SPSS_1](https://reader034.vdocuments.pub/reader034/viewer/2022051418/5695d02d1a28ab9b02915584/html5/thumbnails/9.jpg)
Formulación de la hipótesis
La base de cualquier análisis estadístico es “corroborar la hipótesis (hypothesis testing)
Una hipótesis debe ser planteada formalmente y los datos recogidos durante el transcurso del experimento son utilizados para, si es posible, rechazar la hipótesis
Dos hipótesis deben ser planteadas:
Una hipótesis nula, H0: Esta es la hipótesis que el experimentador desea rechazar. Por ejemplo, que el nuevo método de inspección permite encontrar en promedio la misma cantidad de errores que el antiguo. H0: antiguo = nuevo
Una hipótesis alternativa, H1: Esta es la hipótesis a favor de la cual la hipótesis nula es rechazada. Por ejemplo, que el nuevo método de inspección en promedio permite encontrar más errores que el antiguo. H1: antiguo < nuevo
Experimentos
Conceptos generales
![Page 10: Experimentación+en+SPSS_1](https://reader034.vdocuments.pub/reader034/viewer/2022051418/5695d02d1a28ab9b02915584/html5/thumbnails/10.jpg)
Formulación de la hipótesis
El hecho de corroborar las hipótesis conlleva a
diferentes tipos de riesgos:
Error de tipo I: ocurre cuando un test estadístico rechaza H0 siendo
verdadera. Probabilidad de rechazar H0 aunque en promedio los dos
métodos tengan la misma productividad.
α = P(error de tipo I)=P(rechazar H0 | H0 cierta)
Error de tipo II: ocurre cuando un test estadístico no rechaza H0 siendo
falsa. Probabilidad de aceptar H0 aunque en promedio tienen
productividad diferentes.
β = P(error de tipo II)=P(aceptar H0 | H0 falsa)
Poder del test: probabilidad de que el testeo revele un hecho verdadero
si H0 es falsa
P= 1- β
Experimentos
Conceptos generales
![Page 11: Experimentación+en+SPSS_1](https://reader034.vdocuments.pub/reader034/viewer/2022051418/5695d02d1a28ab9b02915584/html5/thumbnails/11.jpg)
Variable dependiente: gravedad de las vulnerabilidades
Variable independiente: plataforma móvil utilizada
Otras variables independientes: experiencia de los desarrolladores, tipo de aplicación
Utilizamos dos tratamientos del factor: iOS y Android
Objetos: las aplicaciones desarrolladas
Sujetos: los programadores que las desarrollan (aplican el tratamiento)
Test: la persona N (sujeto) usa una plataforma P (tratamiento) para desarrollar una aplicación A (objeto)
Experimentos
Conceptos generales: ejemplo
Evaluar el efecto de desarrollar una nueva aplicación en una plataforma móvil u otra, en
la gravedad de las vulnerabilidades
![Page 12: Experimentación+en+SPSS_1](https://reader034.vdocuments.pub/reader034/viewer/2022051418/5695d02d1a28ab9b02915584/html5/thumbnails/12.jpg)
Tipos de escala Escala nominal: Se asocia a la entidad con un nombre o símbolo
Es la menos poderosa
Ejemplo: sexo: masculino, femenino
Escala ordinal: Clasifica las entidades según algún criterio de ordenación Ejemplo: complejidad del software: alta, media, baja
Escala intervalo: Permite clasificar a las entidades con la noción de “distancia relativa”, siendo relevante la diferencia entre las medidas. La distancia entre los números de una escala intervalo es la misma. Ejemplo: temperatura medida en Celsius o Fahrenheit
Escala ratio o razón: Como la escala intervalo, pero sí existe el valor cero y el ratio entre dos medidas es significativo. Ejemplo: número de errores detectados, duración de una fase de desarrollo.
La variables con escala nominal u ordinal se denominan variable categóricas Representan categorías o grupos de pertenencia
Análisis descriptivo con frecuencias (recuento), porcentajes, moda, mediana y gráficos de sectores y de barras
Experimentos
Conceptos generales
Continuas;
en SPSS
medida
escala
![Page 13: Experimentación+en+SPSS_1](https://reader034.vdocuments.pub/reader034/viewer/2022051418/5695d02d1a28ab9b02915584/html5/thumbnails/13.jpg)
Introducir los datos Manualmente
Importando desde un fichero externo
Vista de datos Se define el nombre de cada variable, y el tipo de datos que
contiene cada una de ellas
Las filas son variables y las columnas atributos
Experimentos
SPSS: datos
Archivo->Abrir->Datos
![Page 14: Experimentación+en+SPSS_1](https://reader034.vdocuments.pub/reader034/viewer/2022051418/5695d02d1a28ab9b02915584/html5/thumbnails/14.jpg)
Ejemplo de variables Plataforma móvil -> (Nombre: Plataforma_movil, Tipo de
variable: Cadena, Etiqueta: Plataforma móvil, Valores: iOS Android, Medida: nominal)
Gravedad de la vulnerabilidad Plataforma móvil -> (Nombre: Gravedad_vulnerabilidad, Tipo de variable: Numérico, Etiqueta: Gravedad de la vulnerabilidad, Medida: escala)
Experimentos
SPSS: datos
![Page 15: Experimentación+en+SPSS_1](https://reader034.vdocuments.pub/reader034/viewer/2022051418/5695d02d1a28ab9b02915584/html5/thumbnails/15.jpg)
Vista de datos Se introducen los datos de las distintas variables
Las filas son casos y las columnas representan variables o características que se miden
Experimentos
SPSS: datos
![Page 16: Experimentación+en+SPSS_1](https://reader034.vdocuments.pub/reader034/viewer/2022051418/5695d02d1a28ab9b02915584/html5/thumbnails/16.jpg)
Tests paramétricos vs. tests no paramétricos.
La forma de elegir entre uno u otro es:
Aplicabilidad. Escala y distribución
Poder. Es mayor en los paramétricos que en los no paramétricos. Los paramétricos requieren menor cantidad de puntos y, por tanto, experimentos menores
Experimentos
Pruebas estadísticas
Contraste de las hipótesis
![Page 17: Experimentación+en+SPSS_1](https://reader034.vdocuments.pub/reader034/viewer/2022051418/5695d02d1a28ab9b02915584/html5/thumbnails/17.jpg)
Tests paramétricos vs. tests no paramétricos.
Paramétricos No paramétricos
Se basan en modelos que envuelven una distribución normal
No ponen restricciones respecto a la distribución de los datos
Requieren que los parámetros pertenezcan, al menos, a una escala intervalo.
Son más generales que los paramétricos y pueden ser usados en lugar de aquellos.
Experimentos
Pruebas estadísticas
Contraste de las hipótesis
![Page 18: Experimentación+en+SPSS_1](https://reader034.vdocuments.pub/reader034/viewer/2022051418/5695d02d1a28ab9b02915584/html5/thumbnails/18.jpg)
Elección del test estadístico
Experimentos
Pruebas estadísticas
![Page 19: Experimentación+en+SPSS_1](https://reader034.vdocuments.pub/reader034/viewer/2022051418/5695d02d1a28ab9b02915584/html5/thumbnails/19.jpg)
Elección del test estadístico
Experimentos
Pruebas estadísticas
Categórica
Contínua
Categórica
Categórica
Contínua
![Page 20: Experimentación+en+SPSS_1](https://reader034.vdocuments.pub/reader034/viewer/2022051418/5695d02d1a28ab9b02915584/html5/thumbnails/20.jpg)
Normalidad de una distribución Característica importante, especialmente en muestras
pequeñas (n<30), ya que muchos de los test estadísticos asumen normalidad en los datos para su correcta aplicación e interpretación
Test de Shapiro-Wilk y Kolmogorov-Smirnov
Es recomendable elegir la prueba de Shapiro-Wilk si las muestras son pequeñas (n<30)
Experimentos
SPSS: normalidad
![Page 21: Experimentación+en+SPSS_1](https://reader034.vdocuments.pub/reader034/viewer/2022051418/5695d02d1a28ab9b02915584/html5/thumbnails/21.jpg)
Normalidad de una distribución Analizar/Estadísticos Descriptivos/Explorar
Seleccionamos en la “Lista de dependientes” la variable “Gravedad de la vulnerabilidad” y en “Lista de factores” la variable “Plataforma móvil”
Pulsar en el botón “Gráficos” y marcar “Gráficos con pruebas de normalidad” y pulsar el botón “Continuar” y el botón “Aceptar”
Si p (Sig) es mayor que 0.05 (en el ejemplo es 0.830 para las vulnerabilidades de Android para el test de Shapiro-Wilk), no podemos rechazar la hipótesis nula, por lo que asumimos que la variable sigue una distribución normal
Experimentos
SPSS: normalidad
![Page 22: Experimentación+en+SPSS_1](https://reader034.vdocuments.pub/reader034/viewer/2022051418/5695d02d1a28ab9b02915584/html5/thumbnails/22.jpg)
La prueba T de Student para muestras independientes Prueba paramétrica para comparar las medias de una
variable en dos grupos o poblaciones independientes (los individuos de una de las poblaciones son distintos a los individuos de la otra)
VI categórica con dos valores. VD de intervalo o razón (escala)
Supuestos: (1) La asignación de los sujetos a cada grupo debe ser aleatoria, de forma que cualquier diferencia en la respuesta sea debida a los tratamientos (variable independiente) y no a otros factores (2) las observaciones de cada par deben hacerse en las mismas condiciones, (3) las diferencias entre las medias deben estar normalmente distribuidas, (4) las varianzas de cada variable pueden ser iguales o distintas
Experimentos
SPSS: T de Student
![Page 23: Experimentación+en+SPSS_1](https://reader034.vdocuments.pub/reader034/viewer/2022051418/5695d02d1a28ab9b02915584/html5/thumbnails/23.jpg)
La prueba T de Student para muestras independientes “Analizar/ Comparar medias / Prueba T para muestras
independientes”
Seleccionamos en “Variable de agrupación” (la variable independiente que debe ser nominal) la variable “Plataforma móvil” y en “Variables para contrastar” la variable “Gravedad de la vulnerabilidad”
Experimentos
SPSS: T de Student
![Page 24: Experimentación+en+SPSS_1](https://reader034.vdocuments.pub/reader034/viewer/2022051418/5695d02d1a28ab9b02915584/html5/thumbnails/24.jpg)
La prueba T de Student para muestras independientes Pulsar en el botón “Definir grupos” e introducir en “Grupo 1”
iOS y en “Grupo 2” Android (se introducen los valores de la variable independiente) y pulsar el botón “Continuar” y el botón “Aceptar”
Experimentos
SPSS: T de Student
![Page 25: Experimentación+en+SPSS_1](https://reader034.vdocuments.pub/reader034/viewer/2022051418/5695d02d1a28ab9b02915584/html5/thumbnails/25.jpg)
La prueba T de Student para muestras independientes La “Prueba de Levene para la igualdad de varianzas” (homogeneidad
de varianzas) indica si podemos o no suponer varianzas iguales
Si p (Sig) es mayor que 0.05 (en el ejemplo es 0.745), no podemos rechazar la hipótesis nula, por lo que asumimos varianzas iguales
Se observa entonces el estadístico T con su nivel de significación bilateral. Si p (Sig) es menor o igual que 0.05 (en el ejemplo es 0.012), podemos rechazar la hipótesis nula de igualdad de medias. Las diferencias entre las medias de la gravedad de las vulnerabilidades en iOS y Android son significativas
Experimentos
SPSS: T de Student
t(9) = -3.160, p = 0.012
![Page 26: Experimentación+en+SPSS_1](https://reader034.vdocuments.pub/reader034/viewer/2022051418/5695d02d1a28ab9b02915584/html5/thumbnails/26.jpg)
Elección del test estadístico
Experimentos
SPSS: Mann-Whitney U
Categórica
Contínua
Categórica
Categórica
Contínua
![Page 27: Experimentación+en+SPSS_1](https://reader034.vdocuments.pub/reader034/viewer/2022051418/5695d02d1a28ab9b02915584/html5/thumbnails/27.jpg)
Mann-Whitney U Prueba no paramétrica para comprobar la igualdad de las
dos distribuciones, esto es si dos poblaciones muestreadas son equivalentes en su posición.
Se utiliza como alternativa a la prueba T de Student, cuando no se cumple el supuesto de normalidad en la distribución
VI categórica con dos valores. VD de intervalo o razón (escala)
Supuestos. Se debe asumir que las distribuciones tienen la misma forma.
Experimentos
SPSS: Mann-Whitney U
![Page 28: Experimentación+en+SPSS_1](https://reader034.vdocuments.pub/reader034/viewer/2022051418/5695d02d1a28ab9b02915584/html5/thumbnails/28.jpg)
Mann-Whitney U P (Sig) es menor que 0.05 (en
el ejemplo es 0.016 y 0.021 para las vulnerabilidades de Android e iOS con el test de Shapiro-Wilk)
Podemos rechazar la hipótesis nula, por lo que no podemos asumir que la variable sigue una distribución normal
Experimentos
SPSS: Mann-Whitney U
![Page 29: Experimentación+en+SPSS_1](https://reader034.vdocuments.pub/reader034/viewer/2022051418/5695d02d1a28ab9b02915584/html5/thumbnails/29.jpg)
Mann-Whitney U “Analizar/Pruebas no paramétricas/Muestras independientes”
Seleccionar la pestaña “Campos”. En el cuadro “Campos de prueba”, se añade la variable dependiente “Gravedad de la vulnerabilidad”, y en “Grupos”, la variable independiente “Plataforma móvil”. Finalmente pulsar el botón “Ejecutar”
Experimentos
SPSS: Mann-Whitney U
![Page 30: Experimentación+en+SPSS_1](https://reader034.vdocuments.pub/reader034/viewer/2022051418/5695d02d1a28ab9b02915584/html5/thumbnails/30.jpg)
Mann-Whitney U En el ejemplo se observa que el valor p es mayor que 0.05,
lo que indica que no existen diferencias significativas, tal como marca el campo Decisión “Retener la hipótesis nula”
Experimentos
SPSS: Mann-Whitney U
U = 110, p = .093)
![Page 31: Experimentación+en+SPSS_1](https://reader034.vdocuments.pub/reader034/viewer/2022051418/5695d02d1a28ab9b02915584/html5/thumbnails/31.jpg)
Elección del test estadístico
Experimentos
SPSS: T de Student (emparejadas)
Categórica
Contínua
Categórica
Categórica
Contínua
![Page 32: Experimentación+en+SPSS_1](https://reader034.vdocuments.pub/reader034/viewer/2022051418/5695d02d1a28ab9b02915584/html5/thumbnails/32.jpg)
Variable dependiente: rendimiento de los programadores
Variable independiente: herramienta de desarrollo
Otras variables independientes: experiencia de los desarrolladores, tipo de aplicación
Utilizamos un tratamiento del factor: herramienta de desarrollo H
Objetos: las aplicaciones desarrolladas
Sujetos: los programadores que las desarrollan (aplican el tratamiento)
Test: la persona N (sujeto) usa una plataforma (tratamiento) para desarrollar una aplicación A (objeto)
Experimentos
SPSS: T de Student (emparejadas)
Evaluar el efecto de utilizar una nueva herramienta de desarrollo de software H en el rendimiento de
los programadores (líneas por horas)
![Page 33: Experimentación+en+SPSS_1](https://reader034.vdocuments.pub/reader034/viewer/2022051418/5695d02d1a28ab9b02915584/html5/thumbnails/33.jpg)
La prueba T de Student para muestras relacionadas Prueba paramétrica para comparar las medias
de dos variables cuantitativas de un solo grupo. El procedimiento calcula las diferencias entre los valores de las dos variables de cada caso y contrasta si la media difiere de 0
Supuesto. Se cumple que las distribuciones de las variables son normales. En el ejemplo, el resultado del test de Shapiro-Wilk permite asumir que las variables siguen una distribución normal
Experimentos
SPSS: T de Student (emparejadas)
![Page 34: Experimentación+en+SPSS_1](https://reader034.vdocuments.pub/reader034/viewer/2022051418/5695d02d1a28ab9b02915584/html5/thumbnails/34.jpg)
La prueba T de Student para muestras relacionadas “Analizar/ Comparar medias / Prueba T para muestras relacionadas”
Añadimos las dos variables, Lineas_Hora_Antes y Lineas_hora_Despues, en “Variables emparejadas” y pulsar el botón “Aceptar”
Experimentos
SPSS: T de Student (emparejadas)
![Page 35: Experimentación+en+SPSS_1](https://reader034.vdocuments.pub/reader034/viewer/2022051418/5695d02d1a28ab9b02915584/html5/thumbnails/35.jpg)
La prueba T de Student para muestras relacionadas Se observa entonces el estadístico T con su nivel de
significación bilateral. Si p (Sig) es menor o igual que 0.05 (en el ejemplo es 0.009), podemos rechazar la hipótesis nula de igualdad de medias. Las diferencias entre las medias del número de líneas de código antes y el número de líneas de código después de utilizar la nueva herramienta H son significativas
Experimentos
SPSS: T de Student (emparejadas)
t(10) = -3.200, p = 0.009
![Page 36: Experimentación+en+SPSS_1](https://reader034.vdocuments.pub/reader034/viewer/2022051418/5695d02d1a28ab9b02915584/html5/thumbnails/36.jpg)
Elección del test estadístico
Experimentos
SPSS: Prueba de Wilcoxon
Categórica
Contínua
Categórica
Categórica
Contínua
![Page 37: Experimentación+en+SPSS_1](https://reader034.vdocuments.pub/reader034/viewer/2022051418/5695d02d1a28ab9b02915584/html5/thumbnails/37.jpg)
Prueba de Wilcoxon para muestras emparejadas La prueba de Wilcoxon para dos muestras relacionadas
compara las distribuciones de dos variables.
Se utiliza como alternativa a la prueba T de Student para muestras relacionadas , cuando no se cumple el supuesto de normalidad en la distribución
VI categórica con dos valores. VD de intervalo o razón (escala)
Supuestos. Se debe asumir que las distribuciones tienen la misma forma.
Experimentos
SPSS: Prueba de Wilcoxon
![Page 38: Experimentación+en+SPSS_1](https://reader034.vdocuments.pub/reader034/viewer/2022051418/5695d02d1a28ab9b02915584/html5/thumbnails/38.jpg)
Prueba de Wilcoxon para muestras emparejadas P (Sig) es menor que 0.05 (en
el ejemplo es 0.008 y 0.007 con el test de Shapiro-Wilk)
Podemos rechazar la hipótesis nula, por lo que no podemos asumir que las variables siguen una distribución normal
Experimentos
SPSS: Prueba de Wilcoxon
![Page 39: Experimentación+en+SPSS_1](https://reader034.vdocuments.pub/reader034/viewer/2022051418/5695d02d1a28ab9b02915584/html5/thumbnails/39.jpg)
Prueba de Wilcoxon para muestras emparejadas “Analizar / Pruebas no paramétricas / Cuadros de diálogo antiguos
/ 2 muestras relacionadas”
Añadimos las dos variables, Lineas_Hora_Antes y Lineas_hora_Despues, en “Contrastar Pares” y pulsar el botón “Aceptar”
Experimentos
SPSS: Prueba de Wilcoxon
![Page 40: Experimentación+en+SPSS_1](https://reader034.vdocuments.pub/reader034/viewer/2022051418/5695d02d1a28ab9b02915584/html5/thumbnails/40.jpg)
Prueba de Wilcoxon para muestras emparejadas Se observa entonces el estadístico Z con su nivel de
significación bilateral. Si p (Sig) es menor o igual que 0.05 (en el ejemplo es 0.002), rechazamos la hipótesis nula de igualdad de medias. Las diferencias entre las medias del número de líneas de código antes y el número de líneas de código después de utilizar la nueva herramienta H son significativas
Experimentos
SPSS: Prueba de Wilcoxon
Z = -3.066, p = 0.002
![Page 41: Experimentación+en+SPSS_1](https://reader034.vdocuments.pub/reader034/viewer/2022051418/5695d02d1a28ab9b02915584/html5/thumbnails/41.jpg)
Elección del test estadístico
Experimentos
SPSS: ANOVA de un factor
Categórica
Contínua
Categórica
Categórica
Contínua
![Page 42: Experimentación+en+SPSS_1](https://reader034.vdocuments.pub/reader034/viewer/2022051418/5695d02d1a28ab9b02915584/html5/thumbnails/42.jpg)
ANOVA de un factor El análisis de varianza de un factor es una prueba
paramétrica que se utiliza para contrastar la hipótesis de que varias medias son iguales. Se realiza un análisis de varianza de un factor para una variable dependiente cuantitativa respecto a una única variable de factor (la variable independiente). Es posible conocer qué medias difieren. Esta técnica es una extensión de la prueba t para dos muestras.
VI categórica con más de dos valores. VD de intervalo o razón (escala)
Supuestos: (1) Cada grupo es una muestra aleatoria independiente procedente de una población normal (2) Grupos proceden de poblaciones con varianzas iguales (homogeneidad de varianzas)
Experimentos
SPSS: ANOVA de un factor
![Page 43: Experimentación+en+SPSS_1](https://reader034.vdocuments.pub/reader034/viewer/2022051418/5695d02d1a28ab9b02915584/html5/thumbnails/43.jpg)
ANOVA de un factor Plataforma móvil -> (Nombre: Plataforma_movil, Tipo de
variable: Numérica, Etiqueta: Plataforma móvil, Valores: 1= “Android” 2=“iOS” 3=“Windows Phone”, Medida: nominal)
Experimentos
SPSS: ANOVA de un factor
![Page 44: Experimentación+en+SPSS_1](https://reader034.vdocuments.pub/reader034/viewer/2022051418/5695d02d1a28ab9b02915584/html5/thumbnails/44.jpg)
ANOVA de un factor Si p (Sig) es mayor que 0.05 (en el
ejemplo es 0.830, 0.421 y 0.144 para las vulnerabilidades de Android, iOS y Windows Phone utilizando el test de Shapiro-Wilk), no podemos rechazar la hipótesis nula, por lo que asumimos que la variable sigue una distribución normal en cada grupo.
Experimentos
SPSS: ANOVA de un factor
![Page 45: Experimentación+en+SPSS_1](https://reader034.vdocuments.pub/reader034/viewer/2022051418/5695d02d1a28ab9b02915584/html5/thumbnails/45.jpg)
ANOVA de un factor “Analizar/ Comparar medias / ANOVA de un factor”
Seleccionamos en “Factor” (la variable independiente que debe ser nominal) la variable “Plataforma móvil” y en “Lista de dependientes” la variable “Gravedad de la vulnerabilidad”
Experimentos
SPSS: ANOVA de un factor
![Page 46: Experimentación+en+SPSS_1](https://reader034.vdocuments.pub/reader034/viewer/2022051418/5695d02d1a28ab9b02915584/html5/thumbnails/46.jpg)
ANOVA de un factor Pulsar en el botón “Post hoc”, activar la casilla “Tukey” y
pulsar “Continuar” (contraste realizado después de haber llevado a cabo el experimento para comparar las medias de las variables dos a dos)
Pulsar en el botón “Opciones”, activar la casilla “Prueba de homogeneidad de las varianzas” y pulsar “Continuar”
Finalmente pulsar el botón “Aceptar”
Experimentos
SPSS: ANOVA de un factor
![Page 47: Experimentación+en+SPSS_1](https://reader034.vdocuments.pub/reader034/viewer/2022051418/5695d02d1a28ab9b02915584/html5/thumbnails/47.jpg)
ANOVA de un factor En la prueba de homogeneidad de varianzas si p (Sig)
es mayor que 0.05 (en el ejemplo es 0.321), no podemos rechazar la hipótesis nula, por lo que asumimos que provienen de poblaciones con varianzas iguales
Se recurre al estadístico F de Snedecor, que en el ejemplo es 25.27 y tiene un valor “p” asociado de 0.000 (es significativo). Por tanto, podemos decir que la plataforma muestra asociación con el nivel de gravedad de la vulnerabilidad
Experimentos
SPSS: ANOVA de un factor
F(2,15) = 25.270, p = .000
![Page 48: Experimentación+en+SPSS_1](https://reader034.vdocuments.pub/reader034/viewer/2022051418/5695d02d1a28ab9b02915584/html5/thumbnails/48.jpg)
ANOVA de un factor Al realizar las comparaciones entre pares, se observa que
existen diferencias significativas entre cualquier par de plataformas (por ejemplo, p=0.005 entre iOS y Android)
Experimentos
SPSS: ANOVA de un factor
![Page 49: Experimentación+en+SPSS_1](https://reader034.vdocuments.pub/reader034/viewer/2022051418/5695d02d1a28ab9b02915584/html5/thumbnails/49.jpg)
Elección del test estadístico
Experimentos
SPSS: H de Kruskal-Wallis
Categórica
Contínua
Categórica
Categórica
Contínua
![Page 50: Experimentación+en+SPSS_1](https://reader034.vdocuments.pub/reader034/viewer/2022051418/5695d02d1a28ab9b02915584/html5/thumbnails/50.jpg)
H de Kruskal-Wallis La prueba H de Kruskal-Wallis, una extensión de la prueba U
de Mann-Whitney. Es el análogo no paramétrico del análisis de varianza de un factor y detecta las diferencias en dos o más distribuciones, esto es, si tres o más poblaciones muestreadas son equivalentes en su posición.
VI categórica con tres o más valores. VD de intervalo o razón (escala)
Supuestos. Se debe asumir que las distribuciones tienen la misma forma.
Experimentos
SPSS: H de Kruskal-Wallis
![Page 51: Experimentación+en+SPSS_1](https://reader034.vdocuments.pub/reader034/viewer/2022051418/5695d02d1a28ab9b02915584/html5/thumbnails/51.jpg)
H de Kruskal-Wallis P (Sig) es menor que 0.05 (en el
ejemplo es 0.016, 0.021 y 0.001 para las vulnerabilidades de Android e iOS con el test de Shapiro-Wilk)
Podemos rechazar la hipótesis nula, por lo que no podemos asumir que la variable sigue una distribución normal
Experimentos
SPSS: H de Kruskal-Wallis
![Page 52: Experimentación+en+SPSS_1](https://reader034.vdocuments.pub/reader034/viewer/2022051418/5695d02d1a28ab9b02915584/html5/thumbnails/52.jpg)
H de Kruskal-Wallis “Analizar/pruebas no paramétricas/Muestras independientes”
Seleccionar la pestaña “Campos”. En el cuadro “Campos de prueba”, se añade la variable dependiente “Gravedad de la vulnerabilidad”, y en “Grupos”, la variable independiente “Plataforma móvil”. Finalmente pulsar el botón “Ejecutar”
En el ejemplo se observa que el valor p (0.027 bajo la columna Sig.) es menor que 0.05, lo que indica que existen diferencias significativas, tal como marca el campo Decisión “Rechazar la hipótesis nula”
Experimentos
SPSS: H de Kruskal-Wallis
χ2(2) = 8.520, p = 0.027
![Page 53: Experimentación+en+SPSS_1](https://reader034.vdocuments.pub/reader034/viewer/2022051418/5695d02d1a28ab9b02915584/html5/thumbnails/53.jpg)
H de Kruskal-Wallis Para ver entre qué grupos existen diferencias, hacer doble
clic sobre la tabla “Resumen de prueba de hipótesis” en el visor de SPSS
A continuación, se abre una nueva ventana donde debemos seleccionar en el desplegable de la parte inferior que se muestren los resultados de las parejas (elegir Comparaciones por parejas).
Experimentos
SPSS: H de Kruskal-Wallis
![Page 54: Experimentación+en+SPSS_1](https://reader034.vdocuments.pub/reader034/viewer/2022051418/5695d02d1a28ab9b02915584/html5/thumbnails/54.jpg)
H de Kruskal-Wallis Se observan diferencias significativas entre Windows Phone
y Android
Experimentos
SPSS: H de Kruskal-Wallis
![Page 55: Experimentación+en+SPSS_1](https://reader034.vdocuments.pub/reader034/viewer/2022051418/5695d02d1a28ab9b02915584/html5/thumbnails/55.jpg)
Elección del test estadístico
Experimentos
SPSS: ANOVA con medidas repetidas
Categórica
Contínua
Categórica
Categórica
Contínua
![Page 56: Experimentación+en+SPSS_1](https://reader034.vdocuments.pub/reader034/viewer/2022051418/5695d02d1a28ab9b02915584/html5/thumbnails/56.jpg)
ANOVA con medidas repetidas Una ANOVA con medidas repetidas es una prueba
paramétrica que se utiliza para comparar tres o más medias de grupos donde los participantes son los mismos en cada grupo. Esto ocurre en dos situaciones: (1) cuando se miden varias veces a los participantes con el fin de analizar los cambios producidos por una intervención; o (2) cuando los participantes se someten a más de una intervención y se quiere comparar la respuesta de cada una de estas condiciones
VI categórica con más de dos valores. VD de intervalo o razón (escala)
Supuestos: (1) Cada grupo es una muestra aleatoria independiente procedente de una población normal (2) las varianzas de las diferencias entre todas las combinaciones de los grupos relacionados deben ser iguales
Experimentos
SPSS: ANOVA con medidas repetidas
![Page 57: Experimentación+en+SPSS_1](https://reader034.vdocuments.pub/reader034/viewer/2022051418/5695d02d1a28ab9b02915584/html5/thumbnails/57.jpg)
ANOVA con medidas repetidas Si p (Sig) es mayor que 0.05 (en
el ejemplo es 0.844, 0.670 y 0.096 utilizando el test de Shapiro-Wilk), no podemos rechazar la hipótesis nula, por lo que asumimos que la variable sigue una distribución normal en cada grupo.
Experimentos
SPSS: ANOVA con medidas repetidas
![Page 58: Experimentación+en+SPSS_1](https://reader034.vdocuments.pub/reader034/viewer/2022051418/5695d02d1a28ab9b02915584/html5/thumbnails/58.jpg)
ANOVA con medidas repetidas “Analizar/Modelo Lineal General/
Medidas Repetidas”
En el campo “Nombre del factor intra sujetos” reemplazar "factor1" por el nombre de la variable independiente (tiempo en nuestro ejemplo)
Se introduce en “Número de niveles” el número de veces que se mide la variable dependiente (en el ejemplo 3 veces: antes de utilizar la herramienta H, justo después de utilizar la herramienta H y 6 meses después de utilizar la herramienta H). Pulsar el botón “Añadir”
Experimentos
SPSS: ANOVA con medidas repetidas
![Page 59: Experimentación+en+SPSS_1](https://reader034.vdocuments.pub/reader034/viewer/2022051418/5695d02d1a28ab9b02915584/html5/thumbnails/59.jpg)
ANOVA con medidas repetidas “Analizar/Modelo Lineal General/ Medidas Repetidas”
Introducir la variable dependiente en el campo “Nombre de la medida” (en el ejemplo LineasCodigo). Pulsar el botón “Añadir”. Pulsar el botón “Definir”
Transferir “Lineas_Hora_Antes", "Lineas_Hora_Despues" y "Lineas_Hora_Tras6meses" a la caja “Variables intra-sujetos(tiempo)
Experimentos
SPSS: ANOVA con medidas repetidas
![Page 60: Experimentación+en+SPSS_1](https://reader034.vdocuments.pub/reader034/viewer/2022051418/5695d02d1a28ab9b02915584/html5/thumbnails/60.jpg)
ANOVA con medidas repetidas Pulsar el botón “Gráficos”. Transferir el factor Tiempo desde
la caja “Factores” hasta la caja “Eje horizontal”. Pulsar el botón “Añadir”. Pulsar el botón “Continuar”
Experimentos
SPSS: ANOVA con medidas repetidas
![Page 61: Experimentación+en+SPSS_1](https://reader034.vdocuments.pub/reader034/viewer/2022051418/5695d02d1a28ab9b02915584/html5/thumbnails/61.jpg)
ANOVA con medidas repetidas Pulsar el botón “Opciones”. Transferir el factor “Tiempo”
desde “Factores e interacciones de los factores” hasta “Mostrar las medias para”
Marcar las casillas de verificación “Comparar los efectos principales”, “Estadísticos descriptivos” y “Estimaciones del tamaño del efecto”. Bajo el menú desplegable “Ajuste del intervalo de confianza”, seleccionar Bonferroni.
Pulsar el botón “Continuar”. Pulsar el botón “Aceptar”
Experimentos
SPSS: ANOVA con medidas repetidas
![Page 62: Experimentación+en+SPSS_1](https://reader034.vdocuments.pub/reader034/viewer/2022051418/5695d02d1a28ab9b02915584/html5/thumbnails/62.jpg)
ANOVA con medidas repetidas
Experimentos
SPSS: ANOVA con medidas repetidas
![Page 63: Experimentación+en+SPSS_1](https://reader034.vdocuments.pub/reader034/viewer/2022051418/5695d02d1a28ab9b02915584/html5/thumbnails/63.jpg)
ANOVA con medidas repetidas El test de Mauchly no permite rechazar la hipótesis nula de
que las varianzas de las diferencias son iguales, puesto que p (Sig) es mayor que 0.05 (en el ejemplo es 0.805)
Experimentos
SPSS: ANOVA con medidas repetidas
![Page 64: Experimentación+en+SPSS_1](https://reader034.vdocuments.pub/reader034/viewer/2022051418/5695d02d1a28ab9b02915584/html5/thumbnails/64.jpg)
ANOVA con medidas repetidas Se recurre al estadístico F de Snedecor, que en el ejemplo
es 14.113 y tiene un valor “p” asociado de 0.000 (es significativo). Por tanto, podemos decir que la herramienta H tiene efectos en la productividad (número de líneas de código) del desarrollo de software
Experimentos
SPSS: ANOVA con medidas repetidas
Correcciones en el
caso de violar la
esfericidad
F(2, 2) = 14.113, p < .000
![Page 65: Experimentación+en+SPSS_1](https://reader034.vdocuments.pub/reader034/viewer/2022051418/5695d02d1a28ab9b02915584/html5/thumbnails/65.jpg)
ANOVA con medidas repetidas Al realizar las comparaciones entre pares, se observa
que existen diferencias significativas entre “Lineas_Hora_Antes“ y "Lineas_Hora_Despues" (p=0.028) y entre “Lineas_Hora_Antes“ y "Lineas_Hora_Tras6meses" (p=0.002), pero no entre “Lineas_Hora_Despues” y "Lineas_Hora_Tras6meses" (p= 0.121)
Experimentos
SPSS: ANOVA con medidas repetidas
![Page 66: Experimentación+en+SPSS_1](https://reader034.vdocuments.pub/reader034/viewer/2022051418/5695d02d1a28ab9b02915584/html5/thumbnails/66.jpg)
Elección del test estadístico
Experimentos
SPSS: ANOVA de Friedman
Categórica
Contínua
Categórica
Categórica
Contínua
![Page 67: Experimentación+en+SPSS_1](https://reader034.vdocuments.pub/reader034/viewer/2022051418/5695d02d1a28ab9b02915584/html5/thumbnails/67.jpg)
ANOVA de Friedman La ANOVA de Friedman es la alternativa no paramétricas a la
ANOVA con medidas repetidas que se utiliza para comparar tres o más medias de grupos donde los participantes son los mismos en cada grupo
VI categórica con más de dos valores. VD de intervalo o razón (escala)
Supuestos: (1) El grupo es una muestra aleatoria de la población, (2) La variable dependiente debe ser ordinal o escala
Experimentos
SPSS: ANOVA de Friedman
![Page 68: Experimentación+en+SPSS_1](https://reader034.vdocuments.pub/reader034/viewer/2022051418/5695d02d1a28ab9b02915584/html5/thumbnails/68.jpg)
ANOVA de Friedman Si p (Sig) es menor que 0.05 (en el
ejemplo es 0.008, 0.007 y 0.015 utilizando el test de Shapiro-Wilk), podemos rechazar la hipótesis nula, por lo que asumimos que la variable no sigue una distribución normal en cada grupo.
Experimentos
SPSS: ANOVA de Friedman
![Page 69: Experimentación+en+SPSS_1](https://reader034.vdocuments.pub/reader034/viewer/2022051418/5695d02d1a28ab9b02915584/html5/thumbnails/69.jpg)
ANOVA de Friedman “Analizar / Pruebas no paramétricas / Cuadros de diálogo antiguos / k
muestras relacionadas”
En el cuadro de diálogo “Prueba para varias muestras relacionadas”, transferir las tres variables, “Lineas_Hora_Antes”, “Lineas_hora_Despues” y "Lineas_Hora_Tras6meses“ a “Variables de contraste”. Marcar la casilla de verificación “Friedman” en el área “Tipo de prueba”. Pulsar el botón “Aceptar”
En el ejemplo, el valor del estadístico Chi-Cuadrado es 18.488 y tiene un valor “p” asociado de 0.000 (es significativo). Por tanto, podemos decir que la herramienta H tiene efectos en la productividad (número de líneas de código) del desarrollo de software
Experimentos
SPSS: ANOVA de Friedman
χ2(2) = 18.488, p = 0.000
![Page 70: Experimentación+en+SPSS_1](https://reader034.vdocuments.pub/reader034/viewer/2022051418/5695d02d1a28ab9b02915584/html5/thumbnails/70.jpg)
ANOVA de Friedman Para conocer las diferencias entre pares, se utiliza la prueba de los
rangos con signo de Wilcoxon
Experimentos
SPSS: ANOVA de Friedman
![Page 71: Experimentación+en+SPSS_1](https://reader034.vdocuments.pub/reader034/viewer/2022051418/5695d02d1a28ab9b02915584/html5/thumbnails/71.jpg)
ANOVA de Friedman Se observa que existen diferencias significativas entre “Lineas_Hora_Antes“ y "Lineas_Hora_Despues" (p=0.002) y entre “Lineas_Hora_Antes“ y "Lineas_Hora_Tras6meses" (p=0.003), pero no entre “Lineas_Hora_Despues” y "Lineas_Hora_Tras6meses" (p= 0.132)
Experimentos
SPSS: ANOVA de Friedman
Z = -3.066, p = 0.002
Z = -2.965, p = 0.003
Z = -1.508, p = 0.132
![Page 72: Experimentación+en+SPSS_1](https://reader034.vdocuments.pub/reader034/viewer/2022051418/5695d02d1a28ab9b02915584/html5/thumbnails/72.jpg)
Elección del test estadístico
Experimentos
SPSS: Correlación de Pearson
Categórica
Contínua
Categórica
Categórica
Contínua
![Page 73: Experimentación+en+SPSS_1](https://reader034.vdocuments.pub/reader034/viewer/2022051418/5695d02d1a28ab9b02915584/html5/thumbnails/73.jpg)
Coeficiente de correlación de Pearson Es una medida de la magnitud y dirección de la asociación
entre dos variables mediante en una escala intervalo o razón
Supuestos: (1) Debe ser una relación lineal; (2) la muestra no deben incluir valores extraños (outliers) Cada grupo es una muestra aleatoria independiente procedente de una población normal (3) cada variable procede de una población normal
Experimentos
SPSS: Correlación de Pearson
![Page 74: Experimentación+en+SPSS_1](https://reader034.vdocuments.pub/reader034/viewer/2022051418/5695d02d1a28ab9b02915584/html5/thumbnails/74.jpg)
Coeficiente de correlación de Pearson Para determinar si existe
una relación lineal entre las variables, utilizamos un diagrama de dispersión.
“Gráficos/Generador de gráficos”. Pulsar el botón “Aceptar”
En la pestaña “Galería” seleccionar “Dispersión/Pu”.
Arrastrar el “Diagrama de dispersión simple” al área de previsualización de diagramas
Experimentos
SPSS: Correlación de Pearson
![Page 75: Experimentación+en+SPSS_1](https://reader034.vdocuments.pub/reader034/viewer/2022051418/5695d02d1a28ab9b02915584/html5/thumbnails/75.jpg)
Coeficiente de correlación de Pearson Transferir la variable independiente
(RendimientoAcademico) en el eje x, y la variable dependiente (SatisfaccionEmpresa) en el eje y, dentro del área de previsualización
Para cambiar las etiquetas de los ejes en el gráfico, seleccionar X eje1, Y eje2, en la ventana “Propiedades del elemento”. Cambiar el texto en “Etiqueta del eje” y pulsar el botón “Aplicar”
Experimentos
SPSS: Correlación de Pearson
![Page 76: Experimentación+en+SPSS_1](https://reader034.vdocuments.pub/reader034/viewer/2022051418/5695d02d1a28ab9b02915584/html5/thumbnails/76.jpg)
Coeficiente de correlación de Pearson Pulsar el botón “Aceptar”. Se puede observar una relación
lineal, si elementos extraños apreciables
En el ejemplo, obsérvese el cambio de escala
Experimentos
SPSS: Correlación de Pearson
![Page 77: Experimentación+en+SPSS_1](https://reader034.vdocuments.pub/reader034/viewer/2022051418/5695d02d1a28ab9b02915584/html5/thumbnails/77.jpg)
Coeficiente de correlación de Pearson Analizar/Estadísticos Descriptivos/Explorar
Seleccionamos en la “Lista de dependientes” las dos variables “RendimientoAcademico” y “SatisfaccionEmpresa”
Pulsar en el botón “Gráficos” y marcar “Gráficos con pruebas de normalidad” y pulsar el botón “Continuar” y el botón “Aceptar”
Si p (Sig) es mayor que 0.05 (en el ejemplo es 0.126, y 0.095 utilizando el test de Shapiro-Wilk), no podemos rechazar la hipótesis nula, por lo que asumimos que la variable sigue una distribución normal en cada grupo
Experimentos
SPSS: Correlación de Pearson
![Page 78: Experimentación+en+SPSS_1](https://reader034.vdocuments.pub/reader034/viewer/2022051418/5695d02d1a28ab9b02915584/html5/thumbnails/78.jpg)
Coeficiente de correlación de Pearson “Analizar/Correlaciones/Bivariadas”
Transferir las variables “SatisfaccionEmpresa” y “RendimientoAcademico” a la caja “Variables”. Marcar la casilla de verificación “Pearson”. Pulsar el botón “Aceptar”
Experimentos
SPSS: Correlación de Pearson
![Page 79: Experimentación+en+SPSS_1](https://reader034.vdocuments.pub/reader034/viewer/2022051418/5695d02d1a28ab9b02915584/html5/thumbnails/79.jpg)
Coeficiente de correlación de Pearson “Analizar/Correlaciones/Bivariadas”
Transferir las variables “SatisfaccionEmpresa” y “RendimientoAcademico” a la caja “Variables”. Marcar la casilla de verificación “Pearson”. Pulsar el botón “Aceptar”
En el ejemplo, la correlación media encontrada (0.476) no es significativa (p=0.139)
Experimentos
SPSS: Correlación de Pearson
(r = .476, n = 11, p = .139)
![Page 80: Experimentación+en+SPSS_1](https://reader034.vdocuments.pub/reader034/viewer/2022051418/5695d02d1a28ab9b02915584/html5/thumbnails/80.jpg)
Elección del test estadístico
Experimentos
SPSS: Correlación de Spearman
Categórica
Contínua
Categórica
Categórica
Contínua
![Page 81: Experimentación+en+SPSS_1](https://reader034.vdocuments.pub/reader034/viewer/2022051418/5695d02d1a28ab9b02915584/html5/thumbnails/81.jpg)
Coeficiente de correlación de Spearman Versión no paramétrica del coeficiente de correlación de
Pearson. Es una medida de la magnitud y dirección de la asociación entre dos variables mediante en una escala intervalo o razón
Supuestos: (1) Debe ser una relación monotónica entre las variables, esto es, cuando una variable se incrementa, la otra variable (1) se incrementa o (2) se decrementa. Una relación monotónica es menos restrictiva que la relación lineal; por ejemplo la segunda figura no es lineal
Experimentos
SPSS: Correlación de Spearman
![Page 82: Experimentación+en+SPSS_1](https://reader034.vdocuments.pub/reader034/viewer/2022051418/5695d02d1a28ab9b02915584/html5/thumbnails/82.jpg)
Coeficiente de correlación de Spearman Se puede observar una relación monotónica
Experimentos
SPSS: Correlación de Spearman
![Page 83: Experimentación+en+SPSS_1](https://reader034.vdocuments.pub/reader034/viewer/2022051418/5695d02d1a28ab9b02915584/html5/thumbnails/83.jpg)
Coeficiente de correlación de Spearman Analizar/Estadísticos Descriptivos/Explorar
Seleccionamos en la “Lista de dependientes” las dos variables “RendimientoAcademico” y “SatisfaccionEmpresa”
Si p (Sig) es mayor que 0.05 (en el ejemplo es 0.126, y 0.095 utilizando el test de Shapiro-Wilk), podemos rechazar la hipótesis nula, por lo que asumimos que la variable no sigue una distribución normal en cada grupo
Experimentos
SPSS: Correlación de Spearman
![Page 84: Experimentación+en+SPSS_1](https://reader034.vdocuments.pub/reader034/viewer/2022051418/5695d02d1a28ab9b02915584/html5/thumbnails/84.jpg)
Coeficiente de correlación de Spearman “Analizar/Correlaciones/Bivariadas”
Transferir las variables “SatisfaccionEmpresa” y “RendimientoAcademico” a la caja “Variables”. Marcar la casilla de verificación “Spearman”. Pulsar el botón “Aceptar”
Experimentos
SPSS: Correlación de Spearman
![Page 85: Experimentación+en+SPSS_1](https://reader034.vdocuments.pub/reader034/viewer/2022051418/5695d02d1a28ab9b02915584/html5/thumbnails/85.jpg)
Coeficiente de correlación de Spearman “Analizar/Correlaciones/Bivariadas”
Transferir las variables “SatisfaccionEmpresa” y “RendimientoAcademico” a la caja “Variables”. Marcar la casilla de verificación “Pearson”. Pulsar el botón “Aceptar”
En el ejemplo, se observa una fuera correlación positiva (0.936) significativa (p=0.000) entre la satisfación de la empresa y el redimiento académico del trabajador
Experimentos
SPSS: Correlación de Spearman
rs(9) = .936, p = .000
![Page 86: Experimentación+en+SPSS_1](https://reader034.vdocuments.pub/reader034/viewer/2022051418/5695d02d1a28ab9b02915584/html5/thumbnails/86.jpg)
Elección del test estadístico
Experimentos
SPSS: Chi cuadrado
Categórica
Contínua
Categórica
Categórica
Contínua
![Page 87: Experimentación+en+SPSS_1](https://reader034.vdocuments.pub/reader034/viewer/2022051418/5695d02d1a28ab9b02915584/html5/thumbnails/87.jpg)
Chi cuadrado de Pearson Permite predecir la probabilidad de que una observación
pertenezca una de las categorías de una variable dependiente, a partir de una variable independiente categórica.
Esta prueba de bondad de ajuste compara las frecuencias observadas y esperadas en cada categoría para contrastar que todas las categorías contengan la misma proporción de valores o que cada categoría contenga una proporción de valores especificada por el usuario
VI categórica. VD categórica
Supuestos: (1) se asume que los datos son una muestra aleatoria; (2) las frecuencias esperadas para cada categoría deberán ser 1 como mínimo; (3) no más de un 20% de las categorías deberán tener frecuencias esperadas menores que 5
Experimentos
SPSS: Chi cuadrado
![Page 88: Experimentación+en+SPSS_1](https://reader034.vdocuments.pub/reader034/viewer/2022051418/5695d02d1a28ab9b02915584/html5/thumbnails/88.jpg)
Variable dependiente: finalizar el proyecto en el plazo previsto (finalizar en el plazo previsto, finalizar con un retraso menor que un año, finalizar con un retraso mayor que un año)
Variables independiente: nivel de CMMI de la empresa (1, 2, 3, 4, 5)
Experimentos
SPSS: Chi cuadrado
Evaluar el nivel de CMMI en una empresa con finalizar el proyecto en el plazo previsto
![Page 89: Experimentación+en+SPSS_1](https://reader034.vdocuments.pub/reader034/viewer/2022051418/5695d02d1a28ab9b02915584/html5/thumbnails/89.jpg)
Chi cuadrado de Pearson Analizar/Estadísticos Descriptivos/Tablas de contingencia”
Analizar/Pruebas no paramétricas/Cuadros de diálogo antiguos/Chi-cuadrado
Transferir la variable independiente “NivelCMMI” dentro de la caja “Filas”, y la variable dependiente “PlazoCumplido” dentro de la caja “Columnas”
Experimentos
SPSS: Chi cuadrado
![Page 90: Experimentación+en+SPSS_1](https://reader034.vdocuments.pub/reader034/viewer/2022051418/5695d02d1a28ab9b02915584/html5/thumbnails/90.jpg)
Chi cuadrado de Pearson Marcar la casilla de verificación “Chi-cuadrado”. Pulsar el botón “Continuar. Pulsar el botón “Aceptar”
En el ejemplo se observa que todas los niveles de CMMI no tienen la misma proporción de proyectos terminados en plazo, antes de un año, y con retraso mayor que un año (p = 0.000)
Experimentos
SPSS: Chi cuadrado
χ2(8) = 39.067, p = 0.000