Clasificacion de Pruebas No Parametricas SPSS PDF

Universitat de de Barcelona. Barcelona.
Institut Institut de de Cincies Cincies de de lEducaci lEducaci Universitat
Vanesa Berlanga y Mara Jos Rubio. Clasificacin de pruebas no paramtricas. Cmo aplicarlas en SPSS
<Artculo metodolgico> Clasificacin de pruebas no paramtricas. Cmo aplicarlas en SPSS.

Vanesa Berlanga Silvente y Mara Jos Rubio Hurtado
Fecha de presentacin: 20/03/2012 Fecha de aceptacin: 19/04/2012 Fecha de publicacin: 04/07/2011
//Resumen Las pruebas no paramtricas engloban una serie de pruebas estadsticas que tienen como denominador comn la ausencia de asunciones acerca de la ley de probabilidad que sigue la poblacin de la que ha sido extrada la muestra. Por esta razn es comn referirse a ellas como pruebas de distribucin libre. En el artculo se describen y trabajan las pruebas no paramtricas, y se resaltan su fundamento y las indicaciones para su empleo cuando se trata de una sola muestra (Chi-cuadrado), de dos muestras con datos independientes (U de Mann-Whitney), de dos muestras con datos relacionados (T de Wilcoxon), de varias muestras con datos independientes (H de Kruskal-Wallis) y de varias muestras con datos relacionados (Friedman). //Palabras clave Estadstica no paramtrica, prueba no paramtrica, U de Mann-Whitney, T de Wilcoxon, H de Kruskal-Wallis, Friedman. // Referencia recomendada Berlanga Silvente, V. y Rubio Hurtado, M.J. (2012) Clasificacin de pruebas no paramtricas. Cmo aplicarlas en SPSS. [En lnea] REIRE, Revista dInnovaci i Recerca en Educaci, Vol. 5, nm. 2, 101-113. Accesible en: http://www.ub.edu/ice/reire.htm // Datos de las autoras Vanesa Berlanga Silvente. Profesora. Universidad de Barcelona. Departamento de Mtodos de Investigacin y Diagnstico en Educacin (MIDE). berlanga.silvente@ub.edu Mara Jos Rubio Hurtado. Profesora. Universidad de Barcelona. Departamento de Mtodos de Investigacin y Diagnstico en Educacin (MIDE). mjrubio@ub.edu
//REIRE, Vol. 5, nm. 2, julio 2012 //ISSN: 1886-1946 //Depsito legal: B.20973-2006 // DOI:10.1344/reire2012.5.2528
- 101 -
Universitat de Barcelona. Institut de Cincies de lEducaci
1. Introduccin
En el mbito de las Ciencias Sociales es habitual el uso de pruebas no paramtricas puesto que existen muchas variables que no siguen las condiciones de parametricidad. Dichas condiciones se refieren al uso de variables cuantitativas continuas, distribucin normal de las muestras, varianzas similares y tamao de las muestras, mayor a 30 casos. Estos criterios se recogen ampliamente en Rubio y Berlanga (2012). En caso de que no se cumplan estos requisitos, y sobre todo cuando la normalidad de las distribuciones de la variable en estudio est en duda y el tamao de la muestra sea menor a 30 casos, el empleo de las pruebas no paramtricas o de distribucin libre est indicado. Las pruebas no paramtricas renen las siguientes caractersticas: 1) son ms fciles de aplicar; 2) son aplicables a los datos jerarquizados; 3) se pueden usar cuando dos series de observaciones provienen de distintas poblaciones; 4) son la nica alternativa cuando el tamao de muestra es pequeo y 5) son tiles a un nivel de significancia previamente especificado.
2. Clasificacin de las pruebas no paramtricas

La revisin de los principales autores que, en nuestro contexto, tratan la clasificacin de las pruebas no paramtricas pone de manifiesto una falta de consenso a la hora de agrupar dichas pruebas. Ferrn (2002) las agrupa en contrastes para una muestra y el resto en no paramtricas. Visauta (2007) engloba todas las pruebas en no paramtricas, mientras que otros autores las clasifican por tipo de muestra. Tambin se aprecia como cada autor recoge un nmero diferente de pruebas no paramtricas, as como el uso de terminologa tambin diferente para nombrarlas. La intencin de este artculo ha sido recoger por primera vez las aportaciones de cada uno de estos autores para ofrecer una clasificacin completa de las pruebas no paramtricas (17 en total). En su clasificacin se han asumido dimensiones relacionadas con el nmero de muestras y la relacin o independencia entre esas muestras tal y como muestran las tablas 1 y 3. No se han incluido las correlaciones no paramtricas a pesar de que determinados autores las incluyen dentro de pruebas no paramtricas (Prez Juste et al., 2009), con el objetivo de recopilar solamente los contrastes no paramtricos.
Tabla 1. Resumen de las principales pruebas estadsticas no paramtricas
Muestras relacionadas 2 muestras McNemar >2 muestras Muestras independientes 2 muestras Rachas de Wald-Wolfowitz U de Mann-Whitney Moses Kolmogorov-Smirnov >2 muestras Mediana Kruskal-Wallis Jonckheere-Terpstra
Variable dependiente
Una muestra (bondad de ajuste) Binomial Chi-Cuadrado Rachas KolmogorovSmirnov
Nominal
Cochran
Ordinal/ Intervalo
Signos Wilcoxon
Friedman Kendall
- 102 -
Se dice que las pruebas no paramtricas son alternativas a las paramtricas, por ello consideramos apropiado establecer la equivalencia entre ambas tal y como se muestra en la tabla 2.
Tabla 2. Pruebas paramtricas y su alternativa no paramtrica
Muestra Prueba paramtrica Prueba no paramtrica
Muestras relacionadas
2 muestras > 2 muestras t-Student ANOVA Wilcoxon Friedman
Muestras independientes
2 muestras > 2 muestras t-Student ANOVA U de Mann-Whitney Kruskal-Wallis
En la tabla 3 se recogen las principales caractersticas de las 17 pruebas no paramtricas halladas.

PRUEBAS NO PARAMTRICAS Pruebas Prueba de Chicuadrado de Pearson Una muestra Es una prueba de bondad de ajuste, que permite averiguar si la distribucin emprica de una variable categrica se ajusta o no (se parece o no) a una determinada distribucin terica (uniforme, binomial, multinomial, etc.). Es una prueba de bondad de ajuste, que permite averiguar si una variable dicotmica sigue o no un determinado modelo de probabilidad. Permite contrastar la hiptesis de que la proporcin observada de aciertos se ajusta a la proporcin terica de una distribucin binomial (lo cual se traduce en la posibilidad de contrastar hiptesis sobre proporciones y sobre cuartiles). Es una prueba de independencia o de aleatoriedad que permite determinar si el nmero de rachas (R) observado en una determinada muestra de tamao n es lo suficientemente grande o lo suficientemente pequeo para poder rechazar la hiptesis de independencia (o aleatoriedad) entre las observaciones. Una racha es una secuencia de observaciones de un mismo atributo o cualidad. Una serie de datos en los que hay muchas o pocas rachas permite concluir que estas no han ocurrido por azar. Es una prueba de bondad de ajuste, que sirve para contrastar la hiptesis nula de que la distribucin de una variable se ajusta a una determinada distribucin terica de probabilidad que puede ser con tendencia a la normal, a la de Poisson o exponencial. Dos muestras relacionadas Sirve para contrastar hiptesis sobre igualdad de proporciones. Se usa cuando hay una situacin en la que las medidas de cada sujeto se repiten, por lo que la respuesta de cada uno de ellos se obtiene dos veces: una vez antes y otra despus de que ocurra un evento especfico. Variables VD: Nominal
Prueba Binomial
VD: Nominal
Prueba de Rachas
VD: Nominal
Prueba de KolmogorovSmirnov (KS) Pruebas
VD: Ordinal/Intervalo
Variables
Prueba de McNemar
VI: Dicotmica VD: Nominal
- 103 -
Prueba de los Signos
Permite contrastar la hiptesis de igualdad entre dos medianas poblacionales. Puede ser usada para saber si una variable tiende a ser mayor que otra. Tambin es til para probar la tendencia que sigue una serie de variables ordinales positivas, o para una valoracin rpida de un estudio exploratorio. Permite contrastar la hiptesis de igualdad entre dos medianas poblacionales. Paralela a la prueba paramtrica de contraste t para muestras relacionadas. K-muestras relacionadas Es una extensin de la prueba de Wilcoxon para incluir datos registrados en ms de dos periodos de tiempo o grupos de tres o ms sujetos pareados, con un sujeto de cada grupo que ha sido asignado aleatoriamente a una de las tres o ms condiciones. La prueba examina los rangos de los datos generados en cada periodo de tiempo para determinar si las variables comparten la misma distribucin continua de su origen. Esta prueba es idntica a la prueba de Friedman, pero se aplica cuando todas las respuestas son binarias. La Q de Cochran prueba la hiptesis de que varias variables dicotmicas que estn relacionadas entre s, tienen el mismo promedio. En observaciones mltiples las variables son medidas en el mismo individuo o en individuos pareados. Tiene la ventaja de examinar cambios en las variables categricas. Tiene las mismas indicaciones que la prueba de Friedman, aunque su uso en investigacin ha sido, principalmente, para conocer la concordancia entre rangos, ms que para probar que existe una diferencia entre las medianas. Dos muestras independientes Es equivalente a la prueba de suma de rangos de Wilcoxon y a la prueba de dos grupos de Kruskal-Wallis. Es la alternativa no paramtrica a la comparacin de dos promedios independientes a travs de la t de Student. Sirve para contrastar la hiptesis de que dos muestras proceden de la misma poblacin. Para ello, compara las funciones de distribucin (funciones de probabilidad acumuladas) de ambas muestras. Contrasta si dos muestras con datos independientes proceden de poblaciones con la misma distribucin. Sirve para estudiar si existe diferencia en el grado de dispersin o variabilidad de dos distribuciones. Esta prueba se centra en la distribucin del grupo de control y es una medida para saber cuntos valores extremos del grupo experimental influyen en la distribucin cuando se combinan con el grupo de control.
VI: Dicotmica VD: Ordinal/Intervalo
Prueba de Wilcoxon Pruebas
VI: Dicotmica VD: Ordinal/Intervalo Variables
Prueba de Friedman
VI: Politmica VD: Ordinal/Intervalo
Prueba de Cochran
VI: Dicotmica VD: Nominal
Coeficiente de concordancia de W de Kendall Pruebas Prueba U de MannWhitney Prueba de KolmogorovSmirnov Prueba de Rachas de WaldWolfowitz
VI: Politmica VD: Ordinal /Intervalo
Variables
Prueba de reacciones extremas de Moses
- 104 -
Pruebas
K-muestras independientes Contrasta diferencias entre dos o ms grupos en relacin con su mediana, bien porque no cumplen las condiciones de normalidad para usar el promedio como medida de tendencia central, bien porque la variable es cuantitativa discreta. Es similar a la prueba Chi-cuadrado. Es ms potente que sus homnimas, la prueba de Kruskal-Wallis y la de la mediana, cuando existe una ordenacin a priori (ascendente o descendente) de las K poblaciones de las que se extraen las muestras. Es una extensin de la de U de Mann-Whitney y representa una excelente alternativa al ANOVA de un factor completamente aleatorizado. Fuente: Elaboracin propia.
Variables
Prueba de la Mediana
Prueba de JonckheereTerpstra Prueba H de KruskalWallis
Tabla 3. Resumen de las principales caractersticas de las pruebas no paramtricas.
3. Ejemplificacin de las principales pruebas no paramtricas

Para mostrar las principales pruebas no paramtricas en SPSS tomamos como ejemplo un estudio orientado a conocer la actitud del profesorado universitario hacia las TIC en la docencia, a travs de una escala tipo Likert. Cada prueba ser ejemplificada con un objetivo de investigacin adecuado a la prueba, las hiptesis estadsticas correspondientes y la interpretacin de los resultados obtenidos en SPSS. a. Prueba de Chi-cuadrado (una muestra) Objetivo: Conocer si hay relacin entre el sexo y los aos de experiencia docente. Ho: el sexo es independiente de los aos de experiencia. H1: el sexo y los aos de experiencia estn relacionados.
Figura 1. Cuadro de dilogo de la prueba Chi-cuadrado
- 105 -
Resultados
Tabla 4. Output de la prueba Chi-cuadrado
No se rechaza la Ho, lo que significa que no hay relacin entre el sexo y los aos de experiencia docente (sig.0,361> 0,05).
b. Prueba U de Mann-Whitney (2 muestras independientes) Objetivo: conocer la influencia de la experiencia docente (<5 aos o >5 aos) en la utilidad que el profesorado atribuye a las TIC en la enseanza. Ho: la experiencia docente no influye en la utilidad que el profesorado atribuye a las TIC en la enseanza. H1: la experiencia docente influye en la utilidad que el profesorado atribuye a las TIC en la enseanza.
- 106 -
Figura 2. Cuadro de dilogo de la prueba U de Mann-Whitney
Resultados
Tabla 5. Output de la prueba U de Mann-Whitney
Se acepta la H1, que significa que la experiencia docente influye en la utilidad que el profesorado atribuye a las TIC en la enseanza (sig. 0,005<0,05). El profesorado que tiene menos de 5 aos de experiencia las considera ms tiles.
- 107 -
c. Prueba de Wilcoxon (2 muestras relacionadas) Objetivo: conocer si los docentes han variado su opinin sobre la utilidad de las TIC en la enseanza despus de la implantacin del EEES. Ho: no hay diferencias en la opinin de los docentes sobre la utilidad de las TIC en la enseanza entre antes y despus de la implantacin del EEES. H1: s hay diferencias en la opinin de los docentes sobre la utilidad de las TIC en la enseanza entre antes y despus de la implantacin del EEES.
Figura 3. Cuadro de dilogo de la prueba de Wilcoxon
- 108 -
Resultados Tabla 6. Output de la prueba de Wilcoxon
Se acepta la H1, por lo que concluimos que hay diferencias en la valoracin que los docentes hacen de la utilidad de las TIC en la enseanza entre antes y despus de la implantacin del EEES (sig.0,001<0,05). El profesorado consideraba ms tiles las TIC en la enseanza antes de la implantacin del EEES (23,91).
d. Prueba de Kruskal-Wallis (k muestras independientes) Objetivo: conocer si el rea de estudio (4 reas) a la que pertenece el profesorado influye en la utilidad que le atribuye a las TIC en la enseanza. Ho: el rea de estudio a la que pertenece el profesorado no influye en la utilidad que le atribuye a las TIC en la enseanza. H1: el rea de estudio a la que pertenece el profesorado influye en la utilidad que le atribuye a las TIC en la enseanza.
- 109 -
Figura 4. Cuadro de dilogo de la prueba Kruskal-Wallis
Resultados
Tabla 7. Output de la prueba Kruskal-Wallis
- 110 -
Se acepta la H1 y se concluye que el rea de estudio a la que pertenece el profesorado influye en la utilidad que le atribuya a las TIC en la enseanza (sig. 0,000<0,05). El profesorado de las reas de ciencias naturales (52,98) y de las reas tcnicas (56,50) considera que las TIC son ms tiles que el resto de profesorado.
e. Prueba de Friedman (k muestras relacionadas) Objetivo: conocer si hay diferencias en la valoracin que hace el profesorado sobre la utilidad de las TIC en la enseanza, en la gestin y en el aprendizaje del alumnado. Ho: no hay diferencias de valoracin entre la utilidad de las TIC en la enseanza, en la gestin y en el aprendizaje del alumnado. H1: s hay diferencias de valoracin entre la utilidad de las TIC en la enseanza, en la gestin y en el aprendizaje del alumnado.
Figura 5. Cuadro de dilogo de la prueba Friedman
- 111 -
Resultados
Tabla 8. Output de la prueba Friedman
No se rechaza la Ho y se concluye que el profesorado considera igual de tiles las TIC en la docencia, en el aprendizaje y en la gestin (sig.0,417>0,05).
- 112 -
<Referencias bibliogrficas>
Ferrn Aranaz, M. (2002) Curso de SPSS para Windows. Madrid: McGraw-Hill. Prez Juste, R., Garca Llamas, J.L., Gil Pascual, J.A. y Galn Gonzlez, A. (2009) Estadstica aplicada a la Educacin. Madrid: UNED - Pearson. Rubio Hurtado, M. J. y Berlanga Silvente, V. (2012) Cmo aplicar las pruebas paramtricas bivariadas t de Student y ANOVA en SPSS. Caso prctico. En lnea REIRE, Revista dInnovaci i Recerca en Educaci, Vol. 5, nm. 2, 83-100. Accesible en: http://www.ub.edu/ice/reire.htm Visauta Vinacua, B. (2007) Anlisis estadstico con SPSS 14: Estadstica bsica (3a ed.). Madrid: McGraw-Hilll Interamericana.
Copyright 2012. Esta obra est sujeta a una licencia de Creative Commons mediante la cual, cualquier explotacin de sta, deber reconocer a sus autores, citados en la referencia recomendada que aparece al inicio de este documento.
- 113 -

Clasificacion de Pruebas No Parametricas SPSS PDF

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Clasificacion de Pruebas No Parametricas SPSS PDF

Uploaded by

Copyright:

Available Formats

Universitat de de Barcelona. Barcelona.

Institut Institut de de Cincies Cincies de de lEducaci lEducaci Universitat

<Artculo metodolgico> Clasificacin de pruebas no paramtricas. Cmo aplicarlas en SPSS.

Universitat de Barcelona. Institut de Cincies de lEducaci

2. Clasificacin de las pruebas no paramtricas

Una muestra (bondad de ajuste) Binomial Chi-Cuadrado Rachas KolmogorovSmirnov

Universitat de Barcelona. Institut de Cincies de lEducaci

En la tabla 3 se recogen las principales caractersticas de las 17 pruebas no paramtricas halladas.

Prueba de KolmogorovSmirnov (KS) Pruebas

VI: Dicotmica VD: Nominal

Universitat de Barcelona. Institut de Cincies de lEducaci

Prueba de los Signos

VI: Dicotmica VD: Ordinal/Intervalo

Prueba de Wilcoxon Pruebas

VI: Dicotmica VD: Ordinal/Intervalo Variables

VI: Politmica VD: Ordinal/Intervalo

VI: Dicotmica VD: Nominal

VI: Politmica VD: Ordinal /Intervalo

VI: Dicotmica VD: Ordinal/Intervalo

VI: Dicotmica VD: Ordinal/Intervalo

VI: Dicotmica VD: Ordinal/Intervalo

Prueba de reacciones extremas de Moses

VI: Dicotmica VD: Ordinal/Intervalo

Universitat de Barcelona. Institut de Cincies de lEducaci

VI: Politmica VD: Ordinal/Intervalo

Prueba de JonckheereTerpstra Prueba H de KruskalWallis

VI: Politmica VD: Ordinal/Intervalo

VI: Politmica VD: Ordinal/Intervalo

Tabla 3. Resumen de las principales caractersticas de las pruebas no paramtricas.

3. Ejemplificacin de las principales pruebas no paramtricas

Figura 1. Cuadro de dilogo de la prueba Chi-cuadrado

Universitat de Barcelona. Institut de Cincies de lEducaci

Universitat de Barcelona. Institut de Cincies de lEducaci

Figura 2. Cuadro de dilogo de la prueba U de Mann-Whitney

Universitat de Barcelona. Institut de Cincies de lEducaci

Figura 3. Cuadro de dilogo de la prueba de Wilcoxon

Universitat de Barcelona. Institut de Cincies de lEducaci

Resultados Tabla 6. Output de la prueba de Wilcoxon

Universitat de Barcelona. Institut de Cincies de lEducaci

Figura 4. Cuadro de dilogo de la prueba Kruskal-Wallis

Universitat de Barcelona. Institut de Cincies de lEducaci

Figura 5. Cuadro de dilogo de la prueba Friedman

Universitat de Barcelona. Institut de Cincies de lEducaci

Tabla 8. Output de la prueba Friedman

Universitat de Barcelona. Institut de Cincies de lEducaci

You might also like