Análisis e Interpretación de Datos

UNIVERSIDAD DE ANTIOQUIA
FACULTAD DE CIENCIAS SOCIALES Y HUMANAS

CENTRO DE ESTUDIOS DE OPININ
ANLISIS E INTERPRETACIN DE DATOS

Abstract
In social studies are frequently required to analyze the behavior of a data set to determine
facts or which are characteristic of interest. Much of the work is basically analyze
information before us, in the first instance, in a descriptive way.
Resumen
En los estudios sociales se necesita frecuentemente analizar el comportamiento de un
conjunto de datos con el objeto de determinar hechos o caracterstica que son de inters.
Gran parte del trabajo consiste bsicamente en analizar una informacin que se nos
presenta, en primera instancia, en forma descriptiva.
El trmino anlisis aqu lo vamos a entender, en una doble perspectiva, una como un
proceso de bsqueda de elementos aspectos o configuraciones que caractericen y
contextualicen los procesos o hechos estudiados. Y otra, como una simple lectura de unos
resultados obtenidos. Lo anterior est relacionado con el hecho que el anlisis de los datos
depende de una serie de elementos, entre los cuales, los ms importantes a considerar son:
a. Los objetivos del estudio
b. La hiptesis de investigacin
c. El nivel de medicin de las variables
ceo@catios.udea.edu.co
http://ceo.udea.edu.co
Ciudad Universitaria Bloque 9-252 Telefax: 2105775
Otra consideracin a tener en cuenta, cuando se trabaja con un cmulo de informacin

asociada a una poblacin, son los interrogantes que surgen con relacin al comportamiento
de los datos, especialmente en lo que respecta a la distribucin y asociacin de stos.
Briones1[1] seala al respecto:
De manera normal, la primera tarea del anlisis cuantitativo consiste en obtener una
informacin bsica sobre las variables contenidas en el estudio, como es el caso
cuando la informacin se ha recogido con un cuestionario estructurado con un
nmero ms bien elevado de preguntas.
Segn la naturaleza de las variables, en cuanto a su nivel de medicin, esta primera
informacin proporcionar distribuciones de frecuencia, medidas de tendencia
central (medias aritmticas, medianas), medidas de dispersin y otras. Todas ellas -o
las que el investigador considere ms importante- proporcionarn una descripcin
global del colectivo estudiado como tambin permitir orientar el anlisis
subsiguiente sobre la base de las situaciones ms relevantes que hayan podido
generar2[2].
En las lecciones anteriores se ha descrito en qu consiste la medicin y la recoleccin de
datos; los diversos tipos de instrumentos que se utilizan con este objetivo, y como se
codifica y sistematiza. En esta leccin y en las siguientes se presentan y ejemplifican los
mtodos estadsticos ms utilizados para su anlisis, tales como las tcnicas paramtricas y
las no-paramtricas, haciendo nfasis en la lgica y oportunidad de su uso. Implcitamente
lo que se pretende responder es la pregunta metodolgica bsica:
Cul estadstico se debe usar y qu significa su resultado?

Hoy en da, el clculo de los estadsticos es realizado por programas informticos
especializados de manejo y gestin de datos. Y, por ello, en este texto se da mayor
1[1]
Briones, Guillermo, Mtodos y tcnicas avanzadas de investigacin aplicadas a la educacin y a

las ciencias sociales, Mdulo 4, Anlisis e interpretacin, PIIE, Santiago de Chile, ICFES, Bogot,
1988, p. 15.
2[2]
Ibd., p. 23.
importancia a la lgica y oportunidad del uso de estos estadsticos en relacin con los
objetivos y con el tipo de informacin recolectado. Lo importante es saber qu tcnicas se
deben utilizar cuando se desea describir un colectivo o una situacin o, encontrar una
relacin entre unas variables o, hacer algunas inferencias estadsticas. Como hemos
adelantado, nuestras ejemplificaciones estarn referidas al programa SPSS.
Anlisis descriptivo de los datos
La primera tarea del analista es, a partir de una informacin confiable y vlida, hacer una
descripcin de las caractersticas de las unidades de anlisis, una segunda tarea, si es el
caso, hace referencia a la comparacin de sub-grupos en relacin con una o ms
caractersticas que son importantes en los objetivos formulados por el investigador. Esta
secuencia de tareas en el campo del anlisis de los datos tiene como objetivo encontrar:
1) Aspectos que caractericen, en trminos cuantitativos, a los colectivos o procesos, en los
cuales se han definido, problemas de investigacin descripcin de variables-.
2) Clasificaciones, tipologas, diferencias o comparaciones entre ellos.
3) Relaciones entre variables sociolgicas -asociaciones y correlaciones.
Descripcin de variables
La distribucin de frecuencias.
Un concepto bsico del anlisis descriptivo es la distribucin de frecuencias que consiste en
"el ordenamiento o clasificacin de los valores observados en una variable de acuerdo con
su magnitud numrica. Permite identificar al investigador la forma como ciertos puntos o
caractersticas estn distribuidos".
Elementos que conforman una distribucin de frecuencias.
La distribucin de frecuencias consiste en una tabla que organiza los datos en clases, es
decir, en grupos de valores que describen una caracterstica de los datos y tiene la siguiente
estructura:
Categoras de la variable
Frecuencias: nmero de casos en cada categora
Frecuencias relativas: porcentajes de casos en cada categora
Frecuencias acumuladas: porcentaje de casos que se van acumulando en cada

categora desde la ms baja hasta la ms alta.
Al analizar la distribucin de los valores de una variable, el investigador est interesado en:
-
Hacer una lectura global de los datos y analizar su distribucin: su frecuencia

absoluta o relativa; sus medidas de tendencia central, etc.
Cmo varan las categoras dentro de la variable?
Buscar una explicacin de la variabilidad de la caracterstica, propiedad o variable.

Qu factores estn asociados a esta variabilidad?
Procedimiento SPSS
El submen <Frecuencias> es uno de los ms utilizados del programa SPSS dado que no
slo sirve para el clculo de estadsticas, sino tambin para visualizar y depurar datos
(eliminacin de cdigos invlidos, modificacin de datos mal digitados).
El submen <Frecuencias> elabora una tabla de frecuencias en donde indica cada cdigo
que aparece como respuesta, el nmero de veces que aparece el porcentaje que presentan
esas apariciones con respecto al total de casos.
Uno de los productos en el visor de resultados de <Frecuencias> es una tabla distribucin
de frecuencias que muestra las frecuencias relativas que son los porcentajes de casos en
cada categora. Las distribuciones de frecuencias relativas pueden presentarse en forma de
histogramas o grficas de otro tipo, tales como polgonos de frecuencias3[3].
Ejercicio de autocomprobacin
La inseguridad es un miedo urbano que perme todas las esferas. La sospecha naci como
mecanismo de defensa y ya, muchos ni siquiera confan en el vecino. Los ms intrpidos
dicen no sentir ese temor. Para los expertos es claro que las polticas represivas solo
brindan sensacin de seguridad momentnea, que lo que hay que atacar es el fondo del
problema.
Un sondeo realizado recientemente, mostr que un 46.4 % de los habitantes de la capital
antioquea se sienten inseguros, mientras un 53.6 % afirm sentirse seguros. Entre los
delitos que ms desvelan a los medellinenses estn los robos, el terrorismo, el secuestro, las
3[3]
Los polgonos de frecuencias relacionan las puntuaciones con sus respectivas frecuencias, Se
utilizan con variables de tipo intervalos.
violaciones y los homicidios. El sondeo evidenci que un 35.7% de los interrogados, se

sienten inseguros por el fenmeno de la indigencia. Las personas encuestadas ven como
una solucin el aumento de pie de fuerza, pero tambin la del fomento de programas de
cultura ciudadana.
Ficha tcnica
El sondeo de opinin entrevist, va telefnica a 322 personas, mayores de 16 aos, de
diferentes estratos econmicos y sexo. Un 46.4% de los encuestados fueron hombres y un
53.6% mujeres. De estos un 32.1% pertenece a los estratos 1 y 2; el 35.7% al 3; el 21.4% al
4 y el 1.7% a los estratos 5 y 6. El sondeo tiene una margen de error de 4%.
Procedimiento SPSS
En la barra principal de Mens del SPSS, seleccione el men <Archivos>
Active la opcin <Abrir> y elija el submen <Datos >
Seleccionar archivo temor ciudadano.sav en el CD-ROM

En la barra principal de Mens, seleccione el men: < Analizar> -
<Estadsticos descriptivos> - <Frecuencias4[4]>
En el cuadro de dilogo Frecuencias, se selecciona la variable a describir y se

transfiere a la seccin Variables
Seleccione simultneamente las variables robos y secuestr
En el Visor de resultados aparece:

Tabla de frecuencia
4[4]
Con la opcin <Frecuencias> aparece como resultado en el Visor una Tabla de

4[4]
Frecuencias en donde se lista cada categora o cdigo que aparece como respuesta, el nmero
de veces que aparece y el porcentaje que representa esas apariciones con respecto al total de
casos.
Anlisis de los datos

De acuerdo a la informacin del sondeo de opinin sobre la Inseguridad, un miedo
urbano, se puede apreciar que los robos en cualquiera de sus manifestaciones- ocupan el
primer lugar (61%) en las percepciones de los medellinenses; el secuestro le sigue en orden
de importancia enstre estos habitantes (50.4%).
Anlisis estadstico de los datos
Una segunda aproximacin al anlisis de los datos, se centra en el uso de estadsticos
descriptivos. Cuando se describe un conjunto de variables se trata de sintetizar sus
caractersticas en unos ndices numricos que representen adecuadamente a ese conjunto de
caractersticas. En este texto, bsicamente las tcnicas que se expondrn sern las medidas
de tendencia central, valores percentiles5[5], dispersin y distribucin.
5[5]
Valores percentiles. Los valores de una variable cuantitativa que dividen los datos ordenados en
grupos, de forma que un porcentaje de los casos se encuentre por encima y otro porcentaje se
encuentre por debajo.
Para lograrlo el analista que ha sometido la informacin a un proceso de cuantificacin

debe hacerse tres preguntas bsicas:
1. Cmo se presentan los datos? Cul es la ubicacin o localizacin de los datos?

Lo que se pretende es describir ciertas caractersticas de un conjunto de datos. El
procedimiento ms utilizado, para dar respuesta a este interrogante, son las medidas de
tendencia central, que permiten resumir el comportamiento de un conjunto de datos
alrededor de un punto prefijado tal como:
La Moda; la Media; la Mediana
2. Los datos respecto a sus puntos de agrupacin y localizacin estn concentrados o

dispersos?
Para determinar la concentracin de los datos o su dispersin alrededor de la media, en una
distribucin, se usa frecuentemente los conceptos de:
Rango de variacin
Valores percentiles
Desviacin estndar o tpica
3. Existe relacin en el comportamiento de las variables?

Para establecer la relacin, es decir, cunto de una variable es explicada por las dems,
cuyas observaciones han sido registradas en una escala de intervalo o de razn continua-,
se utiliza:
Coeficientes de asociacin entre variables cualitativas
Coeficientes de correlacin entre variables cuantitativas
Los modelos de regresin

Nota metodolgica
Un criterio bsico que hay que tener en cuenta al seleccionar la prueba estadstica es el
nivel de medicin en que fueron medidos los datos6[6].
La direccin del anlisis o la bsqueda de contextualizantes se hace dentro de ciertas
orientaciones que son sealadas generalmente por los objetivos del estudio.
En el anlisis de los datos, estamos en el campo de las tcnicas, en cambio en la
interpretacin estamos en el campo de la conceptualizacin terica.
6[6]
El tipo de escala de medicin empleado para obtener los valores de una variable es
determinante en la seleccin de los estadsticos de anlisis de los datos.
Estadsticas para medir la localizacin de un conjunto de datos

Una tarea bsica del anlisis de los datos consiste en obtener una descripcin global de las
caractersticas de los sujetos o procesos objetos del estudio-. Esta primera informacin
mostrar cmo se distribuyen los valores de la variable. Frecuentemente se necesita resumir
descriptivamente un conjunto de valores numricos para lo cual es apropiado recurrir a
medidas de tendencia central. Todas estas estadsticas darn una descripcin global de la
poblacin estudiada y permitirn orientar el anlisis. Existen 3 medidas que pueden ser
asociadas a este concepto y ellas son: La Moda, la Mediana y la Media.
Moda. Se utiliza para medir la localizacin de los datos en una escala nominal. Es aquel
valor que se repite con ms frecuencia en un conjunto de datos.
Se esta interesado en estudiar los conocimientos y actitudes frente a la sexualidad en un
grupo de nias de un Colegio. Obviamente, es importante para efecto del anlisis, la edad
de los sujetos en estudio.
Tabla Distribucin segn grupos de edades.
Grupo A. alumnas mujeres
Edad (X)
Total
Frecuencia (f)
f(x)
16
21
12
58
10
La pregunta bsica que se hace en el intento de describir globalmente este grupo o colectivo
de estudio es cul es la edad ms representativa en el grupo? A simple vista se puede
afirmar que la edad representativa es 7 aos, ya que la mayora declar esa edad; luego la
Moda es igual a 7 ya que es el valor de la distribucin que aparece con mayor frecuencia.
Mediana. Es una medida de tendencia central que divide a cualquier distribucin o
colectivo en 2 partes iguales o por la mitad y sirve para medir el punto que est al centro de
la distribucin. Veamos con una ejemplificacin en que consiste esta medida.
Calcular la mediana en la informacin que representa el promedio de das de estada de los
pacientes en el hospital universitario:
Tabla. Nmero de das de hospitalizacin segn paciente.
Paciente
N das
Paciente
N das
Paciente
10
19
10
11
20
10
12
21
15
13
22
25
14
23
30
15
24
100
16
25
150
17
18
das
11
La mediana es igual a 4: valor que ocupa el lugar 13 en el listado. Este valor se puede
interpretar as: la mitad de los pacientes tienen una permanencia de menos de 4 das de
hospitalizacin y la otra mitad ms de cuatro das.
El nmero promedio de das de hospitalizacin de un paciente tpico (Media) es de 16.36
das. La Mediana es igual a 4, observe que son dos valores estadsticos muy diferentes.
La Media es mucho ms sensible a los valores extremos que la Mediana. En este caso, la
media est fuertemente influida por dos pacientes que han estado hospitalizados 100 o ms
das. La mediana, al contrario, est menos determinada por estos.
12
Nota metodolgica
Usar la Mediana conjuntamente con la Media es un buen recurso metodolgico para
analizar el comportamiento de un conjunto de datos, por ejemplo, las estadsticas
econmicas generalmente presentan la mediana de ingresos de un grupo de personas antes
que "la media de los ingreso", ya que el nivel de ingresos puede aparecer artificialmente
alto o bajo debido a la presencia de un pequeo segmento de estas personas que pueden ser
ubicadas o clasificadas en los extremos, por sus bajsimos o altsimos ingresos.
Para calcular la mediana se tienen que ordenar los datos y determinar el que est a la
mitad. Sirve para datos propios de los niveles de medicin ordinal, por intervalos y de
razn o proporcionales. No es lgico usar sta medida con variables nominales, porque en
este nivel no hay jerarquas, no existe la nocin de un escalafn superior o inferior.
La Media. Llamada tambin media aritmtica es la medida de localizacin o tendencia ms
utilizada. Con ella se calcula el promedio de los datos. En el lenguaje cotidiano, se le
conoce como promedio aritmtico.
Ejemplificacin: De acuerdo a las edades declaradas en la Tabla 6.1 podemos decir que el
promedio es de 7.25 aos.
La media aritmtica se calcula sumando los puntajes de una distribucin de valores y
dividindolos por el nmero de puntajes u observaciones. Este concepto se resume en la
siguiente formula:
f X
Clculo de la Media (X) = --------- =
n
n1 +n2+.n8
58
------------------ = ---------- = 7.25
13
Estadsticas para analizar la dispersin o variabilidad de un conjunto de datos.

En el anlisis de unas caractersticas, se necesita algo ms que la distribucin de los valores
de unas respuestas preestablecidas (frecuencias) o el clculo de unos promedios; tambin es
necesario determinar el grado de variabilidad - diseminacin dispersin- de los datos con
respecto a ese promedio. Para tales efectos las medidas de dispersin, tales como el rango,
la varianza y la desviacin estndar son de extrema utilidad. Estas medidas de variabilidad
indican la dispersin y distancias de los valores en la escala de medicin.
Rango. Se define como la "diferencia o distancia" entre los valores del dato mayor y el
dato menor. Este estadstico mide la dispersin de los valores en una serie. Cuando ms
amplio grande sea el rango, mayor ser la dispersin de los datos en una distribucin.
Supongamos que estamos analizando el nmero de consultas diarias atendidas por el
personal mdico de los consultorios del Servicio Mdico de la Universidad.
Tabla N de consultas diarias en los 2 consultorios.
Consultorio A
Consultorio B
Mdico N Consultas
Mdico
10
28
20
29
30
30
40
31
50
32
N Consultas
= 30
X = 30
14

En ambos consultorios el nmero promedio de consultas es de 30 pacientes por da. Pero
como se logra apreciar, el nmero de pacientes atendidos por cada mdico es diferente.
La distribucin de las consultas no es idntica en los dos consultorios: en el Consultorio A,
existe una distribucin desigual de las consultas, los mdicos D y E atienden de dos a cinco
veces ms pacientes de los que atienden sus colegas A y B.
El rango de consultas en el Consultorio A es de 40 (10 el mnimo y 50 el mximo). En el
Consultorio B el "rango" de consultas es de slo de 4 (32 consultas menos 28 consultas).
Desviacin estndar o tpica. Estadsticamente, cuando se mide la dispersin lo que se
est midiendo es el alejamiento de los valores en relacin con la Media. La desviacin
estndar es la medida de dispersin ms usada y se interpreta con relacin a la media.
Tiene la desventaja que los valores extremos en el conjunto de datos distorsionan su valor.
Manejo de estadsticos con el programa SPSS
En las unidades anteriores se han presentado algunas tcnicas de manejo estadstico
ejemplificaciones simplificadas y muestras de tamao menor. Pero en la vida real, como
analistas, nos enfrentamos a problemas mucho ms complejos que requieren de grandes
poblaciones muestrales y del anlisis de mltiples propiedades o variables. Los programas
de computacin especializados facilitan el manejo y anlisis de la informacin.
Todas las tcnicas de anlisis estadstico que se mencionan en sta unidad didctica se
encuentran en el programa SPSS. Por tal razn aqu slo se hacen referencias a lo que
Briones seala como la lgica y la oportunidad de su uso en relacin con los objetivos de
15
investigacin y con la naturaleza de la informacin recogida, y no, en el desarrollo de

frmulas estadsticas7[7].
A medida que se van desarrollando las tcnicas estadsticas, se muestra el procedimiento
correspondiente, en una seccin dentro de la Unidad, que se denomina Procedimiento
SPSS.
Procedimientos generales para la seleccin de las tcnicas estadsticas en el anlisis de
datos.
Las tcnicas de anlisis estadstico estn agrupadas en el SPSS, en la Barra Del Mens
Principal, bajo el men <Analizar>.
Al dar clic sobre este men aparecer el listado de tcnicas disponibles:
7[7]
Guillermo Briones, Loc. Cit., p. 21

16
ANALIZAR
Las opciones del men Analizar estn disponibles slo si hay un archivo de datos activo o
abierto. Estas opciones del men Analizar ejecutan los procesamientos estadsticos y estn
organizadas dentro de submen de acuerdo al tipo de anlisis a ejecutar.
17
El Men Analizar presenta las siguientes opciones de operaciones de la estadstica

descriptiva, relacional e inferencia8[8].
En esta primera fase, nos detendremos en la opcin Estadsticos descriptivos dando un

clic sobre la opcin. A continuacin, se desplegar una ventanilla que incluye:
8[8]
Las opciones o comandos del men Analizar estn disponibles slo si hay un archivo de datos
activo - abierto.
18
La opcin Frecuencias es la ms utilizada del programa SPSS, dado que no slo sirve para
el clculo de estadsticas, sino tambin para depurar datos. Bsicamente elabora una tabla
de frecuencias en donde indica cada categora que aparece como respuesta, el nmero de
veces que aparece y el porcentaje que representan esas apariciones son respecto al total de
casos. Adems, con est opcin de estadsticos de frecuencias, se examinan las variables
mediante cuatro aspectos descriptivos.
Para obtener estadsticos descriptivos y de resumen opcionales para las variables numricas
utilice el siguiente procedimiento SPSS:
Active la opcin <Abrir>
Seleccionar archivo profesional-2003.sav en el CD-ROM
En la barra de Mens, elegir el men < Analizar9[9]>
elija el submen <Datos >
<Estadsticos
descriptivos>
Seleccionar <Tablas de contingencia> Frecuencias...
Lo anterior abrir el cuadro de dilogo: Frecuencias, como se muestra en la siguiente

figura:
9[9]
Cada elemento de la barra de Men, tiene un men desplegable. Para acceder al men
respectivo use el puntero del ratn u oprima simultneamente la tecla ALT ms la letra subyacente
de la opcin.
19
20
Si usted quiere calcular algunos estadsticos, de un clic en el botn Estadsticos y aparecer

a continuacin, el cuadro de dilogos Frecuencias: Estadsticos: proceda a seleccionar los
estadsticos, por ejemplo, Cuartiles, Desviacin tpica, Mnimo, Mximo, Media
Al dar un clic en el botn continuar, se retorna al cuadro de dilogo Frecuencias. All

nuevamente se da un clic en el botn Aceptar.
A continuacin aparecer el siguiente visor de resultados:
21
22

A partir de la informacin obtenida de 1100 encuestados, se puede concluir que el
promedio de ingresos anuales declarados es de 26.064; igualmente se observa que existe
una gran dispersin en la distribucin de los ingresos - 7.200 como mnimo y 65.500
como mximo. Se puede afirmar, a partir de los datos que el 25 por ciento de los
encuestados tiene ingresos iguales o inferiores a 21.000 y que el 50 por ciento tiene
ingresos iguales o superiores a 26.000.
Nota metodolgica
El cuadro de dilogo Frecuencias: Estadsticos presenta cuatro opciones de manejo de
estadsticos de localizacin o distribucin:
1. Valores de percentiles. Puede elegir una o ms de las siguientes opciones:
Cuartiles. Muestra los perceptiles 25, 70 y 75.
Puntos de corte para n grupos iguales muestra los valores del percentil que divide la
muestra en grupos de casos de igual tamao. El nmero de grupos predeterminado es de 10.
De modo opcional, puede solicitar un nmero de grupos diferente. Introduzca un entero
positivo entre dos y cien por ejemplo, si introduce 4, se mostrarn los cuartiles.
Percentil: Valores en los percentiles especificados por el usuario. Introduzca un valor de
percentil entre cero (0) y cien (100) y d un clic en el botn Aadir.
2. Dispersin: Puede elegir una o ms de las siguientes opciones:
Desviacin estndar o tpica: Estimacin de la cuanta en que se diferencian las
observaciones respecto a la media, expresada en las mismas unidades que los datos.
Varianza: Estimacin de la cuanta en que se diferencian s las observaciones respecto a la
media, es igual al cuadrado de la desviacin tpica.
Amplitud: Diferencia entre los valores mayor (mximo) y los menor (mnimo).
23
Mnimo: El valor ms pequeo.

Mximo: El valor ms grande.
E.T. Media: Error tpico de la media. Una estimacin de la variabilidad muestral de la
media.
3. Tendencia central: Puede elegir una o ms de las siguientes opciones:
Media: La media aritmtica o promedio.
Mediana: La mediana est definida por el valor por debajo del cual se encuentran la mitad
los casos. Si hay un nmero de casos par, la mediana es la media de los dos casos centrales
ascendentes.
Moda: el valor que ocurre ms frecuentemente. Si diversos valores estn empatados en la
frecuencia ms alta slo aparecer el valor ms pequeo de la variable.
Suma: la suma de todos los valores.
4. Distribucin: puede elegir una o ms de las siguientes opciones:
Asimetra: ndice del grado en que la distribucin no es simtrica. Tambin se muestra el
error tpico del estadstico de asimetra.
Curtosis: estimacin del grado en que las observaciones se agrupan alrededor del punto
central, tambin se muestra el error tpico del estadstico de Curtosis.
Para datos agrupados, tambin se encuentra disponible la siguiente opcin:
24
Tcnicas de representaciones graficas de las distribuciones de frecuencias.

Los grficos o figuras constituyen uno de los medios ms usados y ms difundidos para la
presentacin y anlisis de la informacin estadstica. Esto se debe al hecho de que las ideas
presentadas grficamente son entendidas con mayor rapidez que las explicaciones textuales
o numricas.
Tipos de figuras o grficos
La mayora de las personas han visto, o analizado y hasta construido figuras o grficos y
posiblemente han notado que hay una gran variedad de ellos. Una presentacin detallada de
todos los tipos de figuras o grficos excede los propsitos de este texto, por ello slo se
har referencia a los de mayor uso.
Histogramas de frecuencia: son figuras que presentan la informacin de cada una

de las categoras de la variable la forma de rectngulos proporcionales. Se utilizan
generalmente para representar datos de una variable discreta.
Polgonos de frecuencias: son grficos en la forma de una serie de lneas rectas

conectadas entre s y que unen unos puntos medios de intervalo a lo largo del eje
horizontal. Se utilizan para representar distribuciones de frecuencias propias de un
nivel de medicin por intervalos.
Grficos de barras: Constituyen uno de los tipos ms simples y quizs de mayor

uso. Resultan de especial utilidad en la presentacin de datos cualitativos o
cuantitativos. Se emplean tipos muy variados de grficos de barras, sin embargo
todos renen ciertas caractersticas o requisitos esenciales.
Grficos o figura de crculos o de pastel: en este tipo de figuras o grficos de

crculos o de pastel el rea de cada una de los sectores refleja la importancia de la
categora que representa. Se trata de un grfico en dos dimensiones. El grfico de
pastel consiste en un crculo el cual se divide en tantos sectores como categoras se
25
tienen de manera que el rea que corresponde a cada categora sea proporcional a su
importancia relativa o porcentual.
26
Limitaciones en el uso de los grficos o figuras:

La utilizacin de figuras o grficos tiene ciertas limitaciones que es conveniente mencionar:
No pueden incluir tanta informacin como las tablas. Slo se puede presentar a la
vez una cantidad limitada de datos ya que demasiada informacin y/o variedad
atenta contra su utilidad, al dificultar su lectura.
En las figuras o grficos se representan valores aproximados mientras que las tablas
permiten incluir la informacin con toda exactitud.
La presentacin tabular y grfica es complementaria al texto pero no lo reemplaza.

Por ejemplo, para ilustrar el texto, igualmente para llamar la atencin y despertar el
inters por los datos que son presentados as como para reforzar las
argumentaciones y conclusiones a las cuales se ha llegado.
Procedimiento SPSS
En la barra de Mens del SPSS, seleccione el men Grficos10[10] Barras
Grficos de barras seleccione el tipo de grafico11[11]:
Tambin se pueden obtener grficas con algunas opciones del Men Analizar
Estadsticos descriptivos Frecuencias Botn Grficos
10[10]
Este men ofrece opciones de figuras tales como: barras, lneas, reas, sectores, histograma
con sus respectivos cuadros de dialogo: Grafico de....
11[11]
Por ejemplo, el SPSS puede disear 9 tipos de grficos de barra
27
La interrelacin entre variables

En ocasiones, un investigador requiere que su anlisis vaya ms all de la mera descripcin
de una variable; la misma complejidad de la realidad sociedad exige estudiar, por ejemplo,
cmo un proceso esta asociado a otros o cmo vara en funcin de otros.
Cada da, los administradores toman decisiones que estn basadas sobre predicciones de
eventos futuros. Para hacer estos pronsticos ellos se basan en la relacin -intuitiva y
calculada- entre lo que se conoce y lo que se va a estimar. Si los administradores pueden
determinar cmo est relacionado lo conocido con el evento futuro, pueden ayudar
considerablemente al proceso de toma de decisiones. Este es el tema de esta leccin: cmo
determinar la relacin entre variables.
En la unidad anterior, se expusieron diversos procedimientos que permiten la descripcin
de colectivos. En la presente Unidad y en la siguiente, usted, encontrar diversas tcnicas
que permiten analizar determinaciones y relaciones entre variables.
Supongamos que se estudian las diferencias de opinin que tienen personas de distinto sexo
acerca de cules seran las soluciones al problema de la inseguridad ciudadana.
Examinemos la relacin entre las variables gnero y posibles soluciones a la violencia. A
partir de sta se puede formular una hiptesis: con mayor frecuencia que los hombres, las
mujeres proponen que un aumento en la dotacin policial, es una solucin a la violencia
que vive la Ciudad.
28
De hecho, el enunciado anterior seala una relacin. El problema metodolgico surgir

entonces en el momento en que queramos confirmar nuestra afirmacin: Cmo comprobar
la relacin entre las dos variables -gnero y soluciones posibles a la inseguridad y
violencia-?. Es decir, cmo una explica, determina u afecta a la otra. O, cmo una vara en
funcin de la otra. Una posible solucin metodolgica es la de construir una tabla de
contingencia o de tabulacin cruzada.
Tablas de contingencia y medidas de asociacin.
Sigo pensando que este aparte se repite con los prrafos en rojo que estn inmediatamente
ms abajo. Aqu arriba estn los ejemplos y ms abajo las definiciones.
Una tabla de contingencia es la representacin conjunta de la distribucin de frecuencias de
dos o ms variables. A su vez cada una de ellas se subdivide en dos ms categoras.
Cuando se forman con dos variables reciben el nombre de tablas de 2 entradas. Y cada tabla
producto del cruce de ms de dos variables se les llama subtablas.
Una de las tcnicas ms frecuentemente utilizadas en la investigacin social es la
clasificacin de datos en tablas segn uno o ms criterios (variables). Veamos con un
ejemplo de una tabulacin cruzada como se clasifican los datos de dos variables: gnero y
preferencia por un tipo de solucin al problema de la inseguridad citadina.
Tabla: Alternativas desde la perspectiva de gnero para disminuir la delincuencia en la ciudad de
Medelln.
Hombres
Mujeres
Total
38%
17%
26%
32%
29%
31%
Aumentar dotacin
policial
Participacin
comunitaria
29
Otras soluciones
19%
46%
34%
N.S./ N. R.
11%
8%
9%
Total
100%
100%
100%
30
Anlisis de datos tabulados

La lectura de los datos de una tabla depende de la hiptesis de trabajo, lo cual determina el
tipo de clculo porcentual que se requiere. Los porcentajes en la Tabla son calculados
teniendo como base el total de la frecuencia en cada categora de la variable independiente
(gnero), as la suma de los porcentajes deber sumar 100 por ciento en la base de la
variable independiente. Sin embargo, uno se podr preguntar, porqu no hacer el clculo
en la direccin de las categoras de la variable dependiente (alternativas de soluciones a la
delincuencia)?.
La respuesta es muy sencilla y a la vez muy importante ya que la mayora de los programas
estadsticos de computador generan tablas de contingencia con porcentajes calculados en
ambas direcciones horizontales - verticales y es el Analista quin debe decidir cul es la
direccin correcta en la lectura de la Tabla.
La tabulacin cruzada es una tcnica estadstica tambin denominada Tabla de
Contingencia, en la que se presentan los valores de las frecuencias conjuntas de dos o ms
variables. Cuando se forman con dos variables reciben el nombre de tablas de dos
entradas; cuando son ms de dos las variables involucradas, son tablas de n entradas,
donde n es el nmero de variables involucradas. A cada tabla obtenida del cruce de dos o
ms variables se le conoce como subtabla, dado que en realidad es parte de la tabla
principal formada por las dos primeras variables. En ella se calcula la distribucin de
frecuencias de una variable para cada una de las categoras o clases en las que se divide la
otra variable con la cual se cruza. Los porcentajes en una tabla cruzada, que expresan
frecuencias relativas, pueden calcularse en direccin vertical u horizontal. Los porcentajes
verticales se calculan sobre el total de elementos de la muestra que pertenecen a la
categora indicada en cada columna. Los porcentajes horizontales se calculan sobre el total
de cada fila. La frecuencia de cada fila o columna se denomina frecuencia marginal.
31
Se supone que la variable independiente es el factor causal o determinante que tiene el

mayor peso en las posibles variaciones de la variable dependiente. La decisin acerca de
cul es la variable independiente o explicativa y cul es la dependiente o explicada parece
fcil, pero en ciertas ocasiones tiende a ser de tal complejidad que genera traumatismos,
especialmente cuando se esta trabajando con programas como el SPSS.
Por ejemplo, en la relacin entre "gnero" y "alternativas de solucin, suena sin sentido
considerar como variable independiente a las "alternativas de solucin" y parecera sin
sentido pensar que esta variable pueda influir al "gnero". Sin lugar a dudas aqu la variable
independiente es el gnero, del cual nosotros hemos hipotetizado que afecta o determina la
variable dependiente ("alternativas de solucin")
Si el sentido comn, a veces limitado, no nos ofrece una pista acerca de cul es cul, un
criterio metodolgico adoptable es el de establecer la secuencia temporal entre las dos
variables:
Cul de las dos variables precede en el tiempo a la otra?
Procedimiento SPSS
En el SPSS el submen <Tablas de contingencia> permite la tabulacin cruzada y calcula
sus estadsticas. En esta operacin, se puede utilizar cualquier tipo de variables:
cuantitativas discretas, cuantitativas continuas, cualitativas nominales, cualitativas
ordinales.
Todas las estadsticas que calcula <Tablas de contingencia> son medidas de asociacin o,
en su defecto, de independencia; pero la negacin de una lleva la afirmacin de la otra; si
32
dos variables no estn asociadas, son independientes, o si dos variables no son

independientes estn asociadas.
33
Sistematizar y analizar la informacin del estudio sobre la apreciacin de los colombianos
sobre la crisis poltica que vive el pas.
Seleccionar archivo situacin-2000.sav en el CD-ROM
En la barra de Mens, elegir el men <Analizar> <Estadsticos descriptivos>
Seleccionar <Tablas de contingencia>
Seleccione una variable independiente de la base de datos Situacin-2000.sav, por
ejemplo sexo- y crcela con la variables sensacin de inseguridad
Proceda a cruzar las variables con el siguiente procedimiento:
Transfiera la variable independiente sexo a Filas:
Transfiera la variable dependiente sensacin de inseguridad a Columnas
En el botn C sillas defina si el clculo de los datos se va a hacer por filas,

columnas o sobre el total de casos
34
A continuacin, en el visor de resultados aparecer la siguiente tabla:

35
Del total de personas entrevistadas de sexo femenino, una gran mayora manifiesta sentirse
insegura (91.7%); las personas de sexo masculino, en cambio, manifiestan en menor
medida dicha temor: slo un 30.8% de los entrevistados se siente inseguro.
Nota metodolgica
Con el procedimiento <Tablas de contingencia> se puede utilizar cualquier tipo de
variables: Cuantitativas o cualitativas, sean ordinales o nominales. Por supuesto, las
estadsticas que se calculan tienen validez slo para las variables adecuadas, por ejemplo, el
coeficiente de correlacin entre sexo y edad no tiene ningn sentido, ya que el sexo es una
variable cualitativa nominal y la edad es cuantitativa contina.
36
Control del efecto de las variables intervinientes en una relacin original.

Uno de los propsitos de los analistas sociales que utilizan los diseos cuantitativos es el de
tratar de aislar o circunscribir, en lo posible, aquellos elementos, hechos o factores sociales
que median un proceso social. En trminos de variables, lo que se trata es de intervenir o
aislar aquellas variables intervinientes12[12] que pueden ser consideradas causas de los
cambios de la variable dependiente.
Supongamos que queremos determinar si un programa de alcoholismo "cura" alcohlicos.
Para esto debemos estar seguros que "la curacin" es debida al Programa y no a otros
factores intervinientes o asociados.
En los diseos cuantitativos, se dice que existe una conexin causal entre dos variables
cuando:
Las dos varan o coovaran, esto es, que si una vara la otra tambin debe hacerlo;
Que una precede en el tiempo a la otra, es decir, que existe una secuencia temporal
entre ellas;
La relacin entre las dos no es el resultado de otra variable que est relacionada a
ellas;
Existe un slido argumento terico que permite asegurar que una de las variables es
la determinante de la otra.
Gracias al uso de controles estadsticos es posible acercarnos con cierto grado de

confiabilidad a cul es realmente la variable ms determinante o causal del proceso que se
est analizando y, de paso, eliminar la posibilidad que la relacin encontrada entre la
variable independiente y dependiente sea el resultado de otra variable asociada a ellas.
12[12]
"El concepto de variable interviniente o de control presupone que la relacin entre dos
variables esta mediada por otra (u otras) que transportan los posibles efectos de la primera."
Escalante, Carlos. "El Problema y la Hiptesis", Mdulo 2, ICFES, Bogot, 1987, p. 83.
37
Si la relacin se mantiene inmodificada o sostenida dentro de los subconjuntos, pese a la

existencia de la variable interviniente, se puede llegar a afirmar que se ha eliminado una
posible causa alternativa en la relacin original observada. Pero s la determinacin entre
las variables independiente y dependiente se mediatiza o desaparece, nosotros sabremos
que la relacin entre las variables originales no es tan determinante y lo que realmente
explica la situacin es la relacin secundaria.
Tabla A: Soluciones ante el aumento de la violencia segn gnero
Hombres
Mujeres
Total
38%
17%
26%
32%
29%
31%
Aumentar dotacin
policial
Participacin
comunitaria
Otras soluciones
N.S./ N. R.
19%
46%
34%
11%
8%
9%
100%
100%
100%
En la tabla Soluciones ante el aumento de la violencia segn gnero, se aprecia que "un 38
por ciento de las personas clasificadas como hombres se inclina por la solucin del aumento
de la dotacin policial, en cambio slo un 17 por ciento de las mujeres mostr igual
preferencia".
Si se analizan las opiniones de los encuestados, al introducir una nueva variable
interviniente: nivel de escolaridad encontramos que las apreciaciones por el tipo de
solucin de aumentar de la dotacin policial varan sustancialmente.
38
Veamos que nos muestra la siguiente tabla

Tabla B: Soluciones ante el aumento de la violencia segn gnero
Alto nivel de escolaridad
Bajo nivel de escolaridad
Hombres
Mujeres
Hombres
36%
31%
27%
32%
29%
30%
Mujeres
Aumentar dotacin
9%
policial
Participacin
comunitaria
40%
Otras soluciones 20%
N.S./ N. R.
32%
33%
36%
12%
8%
10%
100%
100%
100%
15%
100%
La lectura comparada de las tablas A y B muestra el efecto de la variable interviniente nivel de escolaridad-. Limitemos ahora nuestro anlisis a la primera categoras de la
variable soluciones a la violencia citadina: Una primera apreciacin sealara que es el
nivel de escolaridad quin muestra un mayor peso, que la variable gnero, en la
conformacin de un tipo de opinin sobre posibles soluciones a la violencia citadina.
Una segunda mirada, ms bien cualitativa, muestra que las tendencias originales tienden a
mantenerse iguales si bien la introduccin de la variable interviniente hace variar los
guarismos en las dos categoras de la variable nivel de escolaridad.
39
Especficamente en aquellas personas de sexo masculino que declaran un mayor nivel de

escolaridad, siguen mostrando una mayor inclinacin que las mujeres por la solucin del
aumento de la fuerza policial en la ciudad, al igual en las personas clasificadas con un bajo
nivel de escolaridad.
En sntesis, la introduccin de una variable de interviniente puede provocar que la relacin
original se sostenga, disminuya o aumente. En el primer caso, si la relacin original se
sostiene se puede concluir que la variable interviniente no tiene ningn efecto. En las otras
dos situaciones, se puede afirmar que la variable interviniente afecta la relacin original, y
la causa de esto puede ser que sta antecede tanto como factor causal y temporal a ambas
y/o, est relacionada tanto con la variable independiente como con la variable dependiente.
El proceso de agregar nuevas variables intervinientes puede llevar a producir una serie de
efectos o situaciones en la relacin original de las variables consideradas principales:
Replicacin: la relacin original permanece inalterada, as se repitan en diferentes

situaciones espacio-temporales;
Explicacin: la relacin original es eliminada en los subconjuntos de datos -relacin

espuria-
Interpretacin: ocurre cuando la relacin entre los subconjuntos es reducida o

eliminada sin embargo es posible pensar que la variable de control interviene entre
la variable independiente y la variable dependiente;
Especificacin: es el trmino usado para referirse a la situacin donde la relacin

entre los subconjuntos de variables difiere uno de otro; es decir, la relacin original
puede aumentar sustantivamente en un subconjunto, por ejemplo, entre los hombres
y desaparecer entre las mujeres.
40
Procedimiento SPSS
En la barra de Mens, elegir el men <Analizar>
<Estadsticos
descriptivos>
Seleccionar <Tablas de contingencia>
En el cuadro de dilogo Tablas de contingencia seleccionar la variable sexo y

transferirla a la ventanilla Filas y la variable dilogos en medio de la guerra a la
ventanilla Columnas
41
En el visor de resultados, se pueden observar lo siguientes datos:

42
Con respecto a la opinin de los hombres, se puede apreciar que muestran una mayor
predisposicin al dilogo en medio de la guerra, un 46.2% de los entrevistados estn de
acuerdo; en cambio, el 66,6% por ciento de las mujeres entrevistadas muestran un mayor
desacuerdo con esta posibilidad.
A la relacin original planteada se le introduce una tercera variable interviniente edad2003
para responder a la inquietud si es el gnero o la edad la que realmente explica la situacin.
Si la relacin se mantiene inmodificada o sostenida dentro de los subconjuntos, pese a la
existencia de esa la variable interviniente, se puede llegar a afirmar que se ha eliminado una
posible causa alternativa en la relacin original observada. Pero, s la determinacin entre
las variables independiente y dependiente desaparece, nosotros sabremos que las dos
variables no estn relacionadas y la que realmente explica la situacin es la nueva relacin.
En el cuadro de dilogo Tablas de frecuencia, seleccionar la variable recodificada Edad
200313[13] y transferirla a la 3 ventanilla debajo de Capa 1 de 1. A continuacin dar un
clic en el botn Aceptar.
13[13]
Categoras de la variable edad2003: jvenes = 1 y adultos = 2

43
44

Se puede apreciar que en los jvenes14[14] (cdigo1), la relacin original persiste, tanto los
hombres como las mujeres mantienen sus opiniones. En cambio, los adultos (cdigo 2)
manifiestan opiniones encontradas: Las mujeres adultas manifiestan un menor desacuerdo y
los hombres un menor acuerdo. Se puede concluir, en trminos generales, que el gnero es
la variable explicativa.
Reagrupamiento de los valores de una variable
En el supuesto que la informacin, tanto para la variable independiente como para la
variable dependiente, sea de tipo interval, se puede anticipar un gran nmero de valores
para cada variable. Una tabla de contingencia con muchas categoras o valores sera de
difcil manejo, por no decir de imposible lectura. Para evitar esto, generalmente se debe
14[14]
Cdigo 1= personas menores de 30 y menos aos y Cdigo 2 = personas de mas de 30 aos.

45
resumir o reagrupar15[15] la informacin, lo que se trata es transformar a un nmero limitado

de categoras (generalmente 8 o 10) lo que evidentemente puede implicar una prdida de
informacin. En sntesis, la recodificacin de valores significa cambiar su valor actual por
uno asignado por el analista.
Procedimiento SPSS
En la barra de Mens, elegir el men <Transformar> Recodificar
Elegir la opcin <En distintas variables>
Aparece el cuadro de dilogo Recodificar en distintas variables:
Se selecciona de la ventanilla con el listado de variables, la variable edad y se
transfiere a la ventanilla central
La variable aparecer as en la ventanilla central; edad ?
Escriba el nuevo nombre de la variable recodificada: edad2003 en la casilla Nombre

de la seccin Variable de resultado
15[15]
De un clic en el botn C
En la ventanilla central aparecer as: edad edad2003
Recodificacin de los valores en rangos iguales

46
Definido el nuevo nombre se hace clic en el botn Valores antiguos y nuevos
47
A continuacin se abrir el siguiente cuadro de dilogo:
En este cuadro de dilogo se sigue la siguiente secuencia de procedimientos:
En la seccin Rango situarse en la ventanilla izquierda y digitar el rango mnimo: 1
En la ventanilla derecha, digitar el rango mximo: 2
En la ventanilla Valor nuevo situarse en la casilla Valor y escribir el nuevo valor: 1
D un clic en el botn Aadir
Los nuevos valores recodificados aparecern en la seccin Antiguo Nuevo
Repita los cuatro (4) pasos anteriores con los valores originales y el nuevo.
D un clic en el botn continuar y luego en el botn Aceptar
En la matriz de datos aparecer la nueva variable edad2003
48
Inferencia estadstica.
El objetivo de una investigacin no se reduce al trabajo descriptivo solamente, en muchos
casos, lo que se pretende es generalizar los resultados obtenidos a partir de una muestra de
la poblacin.
"Los datos casi siempre son recolectados de una muestra y sus resultados
estadsticos se denominan estadgrafos, por ejemplo, la media o la desviacin
estndar de la distribucin de una muestra son estadgrafos. A las estadsticas de la
poblacin o universo se les conoce como parmetros. Los parmetros no son
calculados, por que no se recolectan datos de toda la poblacin, pero pueden ser
inferidos de los estadgrafos, de ah el nombre de estadstica inferencial. 16[16]
La estadstica inferencial sirve fundamentalmente para dos procesos: Pruebas de hiptesis y

estimativos de parmetros poblacionales.
En esta leccin, se indican algunas tcnicas estadsticas en la que se usan las caractersticas
de las muestras para probar una hiptesis que se ha formulado de un parmetro de
poblacin. Los procedimientos estadsticos a utilizar dependern, obviamente, del nivel de
medicin de las variables independiente y dependiente. Cuando las dos variables son
nominales u ordinales, generalmente se utilizan las llamadas tablas de contingencia. Si una
es nominal u ordinal y la otra de intervalos o proporcional, los test de diferencias de medias
o de anlisis de varianza son las tcnicas preferidas. Y cuando ambas variables son de
intervalo o proporcin, el anlisis de regresin o correlacin son los ms adecuados.
En los procesos de medicin de relaciones entre variables y prueba de hiptesis hay cinco
preguntas que deben ser tenidas en cuenta: Hay relacin entre las variables independiente
16[16]
Hernndez. Roberto et. al, Metodologa de la Investigacin. MacGraw-Hill. Mxico, 1991, p.
373.
49
y dependiente? Cul es la direccin o forma de la relacin? Cun fuerte es la relacin?

Es la relacin estadsticamente significativa? Es la relacin de tipo causal?
Supngase que se estn evaluando terapias de rehabilitacin en pacientes frmaco

dependientes. Antecedentes sobre esos procesos de rehabilitacin muestran que alrededor
del 42% por ciento de los drogadictos que han asumido individualmente su terapia
(tratamientos tradicionales) reinciden en estados de drogadiccin.
Se hipotetiza que slo el 28% por ciento de los drogadictos que participan en un programa
innovador de rehabilitacin reinciden en el consumo de alucingenos. Es posible, a partir
de estas diferencias, afirmar que la metodologa innovadora de dicho programa es la ms
adecuada para el tratamiento de la drogadiccin?
No se puede aceptar o rechazar una hiptesis acerca de un parmetro de una poblacin por
simple intuicin. En lugar de ello, se necesita aprender a decidir objetivamente, bajo las
bases de la informacin muestral, cuando aceptar o rechazar una intuicin.
Supngase que se asume un cierto valor para la media de la poblacin de reincidentes
(42%). Para probar su la validez de la suposicin, se obtienen datos muestrales y se
determina la diferencia entre el valor de la hiptesis y el valor real de la media muestral.
Luego se juzga si la diferencia es significante.
Mientras menor sea la diferencia, mayor ser la probabilidad de que el valor hipottico para
la media est correcto. Pero, en no todas las ocasiones, la diferencia entre el parmetro
hipottico de la poblacin y el estadstico muestral es tan grande que automticamente se
rechace la hiptesis, ni tan pequea que se acepte inmediatamente. Por tanto, en pruebas de
50
hiptesis como en la mayora de las decisiones significativas, las soluciones precisas son la
excepcin, no la regla.
La ejemplificacin anterior ilustra la necesidad de ir ms all de la sola descripcin de las
posibles diferencias cuantitativas entre dos resultados -terapias de rehabilitacin-. Cabe
preguntarse si las diferencias encontradas son un reflejo real o son simplemente unas
diferencias aritmticas no significativas. Son en casos como stos, donde las llamadas
pruebas de significacin estadstica pueden ayudar a responder a este tipo de interrogantes.
Estas herramientas estadsticas son tiles para aceptar o refutar las posibles diferencias o
variaciones que se puedan presentar en un conjunto de unidades de anlisis.17[17]
En sntesis, se trata de obtener conclusiones que sean generalizables a una poblacin a
partir de una informacin muestral resumida en un conjunto de estadsticos llamados
inferenciales. Frecuentemente, por razones de tiempo y costo u otras consideraciones, no es
posible examinar todas las unidades de anlisis que componen el universo del estudio por
eso se deben tomar las medidas del caso para que los resultados de la muestra que se
observa y se analiza reflejen realmente las caractersticas de la poblacin total.
Para lograr este objetivo es necesario conocer algunas caractersticas de la poblacin en
estudio para determinar el tipo de muestreo que requerimos. Luego, de obtenida de debe
efectuar una prueba de hiptesis sobre los estadsticos obtenidos con la muestra (media y
desviacin estndar), con respecto a los parmetros poblacionales, para determinar su
consistencia y estabilidad cuando el experimento se repita, con el fin de hacer algunas
generalizaciones.
17[17]
Individuos, grupos, instituciones, hechos, eventos, divisiones poltico-administrativas o

geogrficas, etc.
51
De otro lado, no olvidemos nuestra preocupacin en el ejemplo anterior- acerca de s la

tasa de reincidencia en el programa innovador es realmente concluyente y por lo tanto
diferente a las tasas del "programa tradicional". Para responder el interrogante planteado el
primer paso a desarrollar ser el de definir la poblacin muestral de ambos grupos de
rehabilitacin. Lamentablemente no hay tcnica que nos defina una muestra poblacional
ciento por ciento confiable; sin embargo, una prueba de significancia estadstica puede
permitirnos estimar la probabilidad de que el tamao de las diferencias encontradas entre
dos grupos se deba al azar. Con el fin de entender el concepto de significancia estadstica,
se hace necesario comprender la lgica del muestreo.
52
Prueba de hiptesis
Una vez recogida la muestra probabilstica, la importancia de ella radica en que permita
predecir el comportamiento de la poblacin. Recordemos que un buen modelo cuantitativo
es aquel que logra eliminar la necesidad de explicaciones alternativas para el efecto
causado, si es que lo hay, en la variable dependiente, ya que las muestras variarn desde su
poblacin por azar. Como en la mayora de los casos no se conoce la media poblacional
verdadera, podemos tener un valor aproximado como resultado del conocimiento o de la
experiencia acerca del objeto de estudio.
El procedimiento para la contrastacin de hiptesis comprende las siguientes etapas:
Planteamiento de una hiptesis nula (Ho) o hiptesis a contrastar.
Formulacin de una hiptesis alternativa de investigacin (Hi).
Eleccin del riesgo o nivel de significancia que prcticamente es el complemento de

lo que se llama nivel de confianza. Normalmente = 0.10 0.05.
Contraste de hiptesis. Comparar el valor encontrado del estadstico de prueba

obtenido con el valor crtico y se toma la decisin de aceptar o rechazar la
hiptesis nula.
La prueba de hiptesis comienza con una afirmacin o propuesta tentativa, que se hace
acerca de un parmetro de una poblacin, llamada hiptesis.18[18] Luego se recogen datos
muestrales, se producen estadsticos muestrales y se usa esta informacin para decidir qu
tan probable es, que la hiptesis del parmetro de poblacin est correcta.
Seleccin del test estadstico.
18[18]
En la estadstica inferencial hay dos tipos de hiptesis: Una. es la hiptesis de investigacin

que seala la posible existencia o relacin entre dos hechos. La otra, es la hiptesis nula, que se
define para que el analista evale su hiptesis de investigacin.
53
Tengamos en cuenta que la hiptesis estadstica es una conjetura o suposicin concerniente

a las caractersticas de la poblacin; antes de aceptarla o rechazarla el investigador debe
probar su validez. Ante la tarea de probar una hiptesis, se usa una muestra de acuerdo a la
teora de las probabilidades.
El resultado de la prueba conducir a unos estadsticos, tales como t de Student o el ChiCuadrado, con los cuales el investigador podr decidir sobre la validez de su propuesta.
Valores de los niveles de significancia
El objetivo de una prueba de hiptesis no es calcular el valor de la estadstica muestral pero
s hacer un juicio sobre la diferencia entre la estadstica muestral y el parmetro hipottico
de la poblacin. Como se ha adelantado, el siguiente paso despus de definir la hiptesis de
investigacin y la hiptesis nula es decidir qu criterio valor- usar para aceptar o rechazar
la hiptesis nula.
Supongamos que obtenemos un estadstico muestral (una media aritmtica), entonces
debemos decidir con qu porcentaje de confianza este estadstico se acerca al valor del
parmetro poblacional. Debe buscarse un porcentaje alto de confianza, es decir, una
probabilidad alta, ya que una aparente "cercana" entre el valor calculado en la muestra y el
parmetro puede ser ficticio (errores en la seleccin de la muestra).
En la investigacin social existe la convencin de aceptar como porcentaje de confianza
vlido el nivel de significancia del 0.05, el cual significa que el analista tiene el 95% de
seguridad para generalizar sin equivocarse.
La escogencia del nivel de significacin estadstica debe hacerse antes de calcular el
porcentaje de probabilidad. Si el resultado estadstico muestra una probabilidad ms baja,
entonces "la hiptesis nula" deber ser rechazada.
54
Frecuentemente, en los diseos cuantitativos, los niveles de significancia varan en un

rango de 0.10 a 0.001. Si seleccionamos el nivel de significancia de 0.05, slo aquellos
resultados que sean iguales o menores al valor escogido, permitirn rechazar la hiptesis
nula. nicamente reducindolo el nivel de significancia, se podr reducir la probabilidad de
rechazar la hiptesis nula cuando deberamos aceptarla.
55
Otros mtodos para prueba de hiptesis.

Todos los test estadsticos tienen bsicamente el mismo procedimiento para pruebas
concernientes a la diferencia entre una media muestral y una media poblacional; la
diferencia entre dos medias muestrales, la diferencia entre una proporcin poblacional y la
diferencia entre dos proporciones muestrales. Las variantes dependen del grado de
conocimiento que se tenga sobre los parmetros poblacionales, as:
Prueba t de Students.
Cuando en un estudio, de tipo experimental, se quiere comparar dos medias aritmticas, la
prueba que se utiliza es la llamada t de Student. La hiptesis en juego permite establecer si
existen diferencias significativas entre dos grupos respecto a sus medias19[19]. El nivel de
medicin de las variables debe ser de tipo intervalos, razn o proporcional. Para determinar
si el valor "t" es significativo, hay que utilizar la Tabla de Distribucin t de Student. Se
trata de comparar el valor calculado con el valor de la Tabla, basndonos en el nivel de
confianza elegido.
A un grupo de diez sujetos se les pidi que leyera un texto sencillo y a otro grupo de diez se
le pidi que leyera un texto complejo. Se predijo que se recordaran ms palabras del texto
sencillo que del texto complejo.
Tabla. N de palabras recordadas de un texto sencillo y de un texto complejo
Grupo 1 (texto sencillo)
Puntajes
Grupo 2 (texto complejo)

Puntajes
10
5
6
2
1
7
19[19]
La prueba "t" se puede utilizar para comparar resultados de un pretest con los resultados de
un post-test.
56
Media1:
3
9
8
7
5
6
5
6.4
Media2:
4
4
5
2
5
3
4
3.7
Hiptesis de trabajo: Existe diferencia significativa entre las medias obtenidas por ambos
grupos? el promedio de 6.4 palabras recordadas del Grupo 1 es estadsticamente diferente

al promedio de 3.7 palabras recordadas del Grupo 2. La pregunta de investigacin hacia
referencia a si era posible afirmar que las diferencias mostradas en la capacidad de
recordacin era significativamente validas.
Esquemticamente la contrastacin de hiptesis se presenta as:
Ho: No existen diferencias estadsticamente significativas de puntajes entre los sujetos del
grupo 1 (que leyeron un texto sencillo) y los del grupo 2 (texto complejo).
Ho: Puntaje Grupo 1 = Puntaje Grupo 2
Hi: existen diferencias estadsticamente significativas de puntaje entre los sujetos del grupo
1 (que leyeron un texto sencillo) y los del grupo 2 (texto complejo).
Hi: Puntaje Grupo 1 es diferente al Puntaje Grupo 2
57
Procedimiento SPSS
En la barra de Mens, elija el men Archivos Abrir Datos
Seleccionar el archivo de trabajo recuerdos.sav en el CD-ROM.
Crear una 1 variable de comparacin: puntajes compuesta por los valores

obtenidos en el grupo 1 (texto sencillo) y grupo 2 (texto complejo)
Crear una 2 variable de comparacin: cdigos con los siguientes valores

consecutivos: 1= sencillo; 2 = complejo
58
Seleccionar el men Analizar elegir la opcin Comparar Medias
Elegir la prueba t para muestras independientes
A continuacin, aparecer el cuadro de dilogo Prueba T para muestras

independientes
En primer lugar hay que seleccionar la variable dependiente: puntajes y

transferirla a la ventana Contrastar variables:
En segundo lugar, seleccionar la variable independiente: cdigos en donde

estn los grupos- y transferirla a la ventana Variable de agrupacin
Dar un clic en el botn Definir grupos
A continuacin aparecer el cuadro de dilogo Definir grupos
Contrastar variables:
Variable de agrupacin:
Definir grupos: Como se van a comparar los grupos 1 sencillo- y 2
Puntaje
Cdigo (??)
complejo- se escribe 1 en la Casilla al lado derecho del Grupo 1:
Igualmente se escribe 2 en la casilla al lado derecho del Grupo 2:

59
60
Para aceptar la Ho, el valor observado del nivel de significancia de t-Sig (bilateral) tiene
que ser mayor o igual que los valores escogidos - 10% (0.10) 5% (0.05)- Para rechazar
la Ho, el valor observado tiene que ser menor al valor crtico escogido -se acepta la Hi-.
Si se elige un nivel de significacin del 5% (0.05) y el nivel de significacin bilateral
obtenido es mayor, se debera aceptar la hiptesis nula segn la cual no existen
diferencias estadsticamente significativas entre el grupo 1 y el grupo 2 y si es menor al
valor crtico se rechaza la hiptesis de igualdad de puntajes -se acepta la Hi-
61

A dos grupos de personas se les pidi que leyeran, a los primeros, un texto sencillo y a los
segundos, un texto complejo. Se supona que recordaran ms palabras los lectores del texto
sencillo que del texto complejo. Los primeros resultados as lo confirman: el promedio de
palabras recordadas por los lectores del texto sencillo -grupo 1- fue de 6.4. El promedio de
palabras recordadas por los lectores del texto complejo - grupo 2, fue de apenas 3.7.
El valor de la prueba t se expresa as 3,095 p 0,006. Al analizar el valor del nivel de
significacin (p Valor) en la Prueba t para la igualdad de medias que es de 0.006, es decir,
es menor al valor critico elegido 0,05, luego hay que aceptar que las diferencias son
significativamente vlidas. Es decir, la diferencia encontrada en los puntajes de ambos
grupos de lectura es vlida.
62
Comparacin de medidas ordinales

Cuando los datos a comparar en dos sub-grupos corresponden a medidas de nivel ordinal,
como por ejemplo, puntajes en escalas de actitudes y se esta lejos de cumplir con las
exigencias de la prueba t de Student, se utiliza la prueba no-paramtrica de MannWhitney, llamada tambin de Wilcoxon, en la forma que se indica en el ejercicio siguiente.
Ejercicio de autocomprobacin:
Se ha aplicado una prueba de conformismo al aprendizaje a una muestra de adolescentes
de los cuales 15 pertenecen a una escuela urbana y 21 a una escuela rural.
Puntajes de aceptacin al aprendizaje
Estudiantes Urbanos
Estudiantes Rurales
Escolar
Puntaje20[20] Escolar
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
12
15
15
40
32
33
22
20
22
21
18
41
45
44
46
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
Puntaje
16
22
22
10
12
36
33
27
30
33
38
10
11
17
24
20[20]
El grado de conformismo y aceptacin a los modelos pedaggicos de aprendizaje se midi por

un puntaje ascendente de 1 a 50 (donde 1 es el mnimo y 50 es el mximo).
63
16
16
17
39
17
18
42
18
19
40
19
20
26
20
21
25
21
24
64
Hiptesis de trabajo
Ho: No existen diferencias estadsticamente significativas en el grupo de puntajes entre los
estudiantes de escuelas de nivel urbano- y los de nivel ruralHo: Puntajes de estudiantes urbanos = Puntaje de estudiantes rurales
Hi: Existen diferencias estadsticamente significativas en el grupo de puntajes entre los
estudiantes de escuelas de nivel urbano- y los de nivel ruralHi: Puntajes de estudiantes urbanos son diferentes a puntajes de estudiantes rurales
Procedimiento SPSS
Seleccionar el archivo de trabajo conformismo.sav.
En el Editor de datos: Crear una 1 variable de comparacin: puntajes

compuesta por los valores obtenidos en el grupo 1 (urbano) y grupo 2 (rural)
Crear una 2 variable de comparacin: cdigos con los siguientes valores

consecutivos: 1= urbano; 2 = rural
65
Seleccionar el men Analizar elegir la opcin Pruebas no-paramtricas
Seleccionar: 2 muestras independientes Mann-Whitney21[21]
A continuacin aparecer el cuadro de dilogo: Prueba para dos muestras

Independientes
En primer lugar hay que seleccionar la variable dependiente: puntajes y transferirla

a la ventana Contrastar variables:
En segundo lugar, seleccionar la variable independiente: cdigos en donde estn

los grupos- y transferirla a la ventana Variable de agrupacin
21[21]
Se utiliza para comparar dos muestras no relacionadas

66
En la seccin Tipo de prueba: Seleccionar U de Mann-Whitney
67
Dar un clic en el botn Definir grupos
A continuacin aparecer el cuadro de dilogo Definir grupos
Contrastar variables: Puntaje
Variable de agrupacin:
Definir grupos: Como se van a comparar los grupos 1 urbano- y 2 rural- se
Cdigo (??)
escribe 1 en la Casilla al lado derecho del Grupo 1:
Igualmente se escribe 2 en la casilla al lado derecho del Grupo 2:
Definir grupos: Grupo 1 = 1; Grupo 2 = 2
68
69

El valor de la prueba U de Mann-Whitney se expresa as: 140,000 0,574 es decir, es
mayor al valor crtico elegido de un 5%, luego hay que aceptar la Hi que las diferencias son
significativas entre los estudiantes urbanos y los rurales.
Nota metodolgica
En nuestro caso, se eligi un nivel de significacin de 5% (0.05) y el nivel de significacin
obtenido (Asinttica o exacta) es mayor, se debera aceptar la hiptesis alternativa segn
70
la cual existen diferencias estadsticamente significativas entre el grupo de puntaje entre

los estudiantes de escuelas de nivel urbano y los de nivel rural.
Ho = A no se diferencia significativamente de B
Hi = A se diferencia significativamente de B
71
Medidas de relaciones entre variables

En esta leccin examinaremos la relacin entre variables. De esta forma completaremos
todo el escenario que se refiere a la existencia o no de relaciones entre variables medidas en
cualquier nivel de medicin. De acuerdo a Briones22[22] Una de las principales funciones
de la investigacin social -cualquiera que sea el campo disciplinario particular en la cual se
efecta- consiste en buscar relaciones entre el objeto principal de estudio y otros objetos o,
si se quiere, entre caractersticas principales del objeto de estudio y otras caractersticas del
mismo o del contexto en el cual se encuentra.
Cuando se habla de posibles relaciones entre dos variables, lo que se esta haciendo es
analizar si: Existe o no relacin entre las variables, la forma o direccin de la relacin y la
fuerza de la relacin.
Tambin Briones seala que se acostumbra distinguir con el trmino "asociacin" la
relacin que se da entre caractersticas cualitativas o semi-cualitativas (variables
nominales y ordinales) y con el trmino "correlacin" la relacin entre caractersticas
cuantitativas.23[23]
Nota metodolgica
Cuando el tipo de medicin utilizado es cuantitativo, en el caso especfico de variables tipo
interval y razn o continuas, el rango de valores vara entre -1.00, lo que significa la
existencia de una asociacin perfecta de tipo negativa, hasta +1.00, que seala una
asociacin positiva perfecta. Tales mediciones se dicen ser "direccionales" y reflejan la
22[22]
23[23]
Guillermo Briones, Op. Cit., p. 76.

Briones. Op. Cit. p. 76
72
propiedad de direccionalidad. Con variables cualitativas, a partir del nivel de significancia,

se podr determinar la existencia o no de la asociacin entre las variables.
73
Cuadro sinptico de medidas de relaciones simples entre variables.

Principales medidas de relacin de variables nominales, ordinales, intervalo y proporcionales.
Datos
Datos
Datos
Nominales
Ordinales
Intervales
Datos
Proporcionales
Medidas de
comparacin de tau b
relacin
porcentajes
Coeficientes de
Coeficiente de Pearson
Tau c
Contingencia
Chi - Cuadrado
D de Somer
Coeficiente de
Gamma
Goodman-Kruskal
Lambda
Coeficiente Rho
de Spearman
Medidas de asociacin entre variables cualitativas.

Examinemos algunas estadsticas no-paramtricas que permiten medir asociaciones entre
variables medidas a nivel nominal y ordinal.
Coeficiente de contingencia Chi-cuadrado.
En este caso, el coeficiente Chi-cuadrado no es propiamente un medida de asociacin, sino
ms bien una prueba de independencia. Esta es una prueba de significancia estadstica noparamtrica, utilizada con variables medidas a nivel nominal u ordinal que permite
determinar si existe o no, una relacin-asociacin sistemtica entre dos variables.
74
Qu es la Prueba del Chi Cuadrado de Pearson? Es una prueba estadstica noparamtrica para evaluar hiptesis acerca de la relacin entre dos variables cualitativas. Es
una prueba que parte del supuesto de no relacin entre variables y el investigador
evala si en su caso esto es cierto o no y esto es a menudo de inters.
La modalidad de estudio es independiente al programa acadmico en cual esta vinculado el
estudiante. Operacionalmente hablando, esta afirmacin se puede plantear por ejemplo, en
la siguiente pregunta las variables Tipo de estudiante segn Programa (tipo) y
modalidad de estudio (estudio) son independientes entre s?
Para contestar esta pregunta se hace uso de la prueba de hiptesis basada en el Chi Cuadrado: La aceptacin de Ho (hiptesis nula) indica la independencia entre las
variables. S se rechaza Ho, se acepta la hiptesis alternativa Hi, o sea, la no
independencia (relacin) entre las variables.
La prueba de hiptesis se plantea como:
Ho: Independencia entre las variables - Tipo de estudiante y modalidad de estudioHi: No independencia entre las variables -Tipo de Estudiante y modalidad de estudioProcedimiento SPSS
Seleccionar el archivo de trabajo habitos2003.sav en el CD-ROM
Seleccionar el men Analizar Seleccionar la opcin <Estadsticos

descriptivos> Activar opcin <Tablas de contingencia>
75
A continuacin aparecer el cuadro de dilogo Tablas de contingencia:
Transferir a la ventanilla Filas, la variable independiente tipo
Transferir a la ventanilla Columnas, la variable dependiente estudio
Dar clic en el botn Estadsticos
A continuacin aparecer el cuadro de dilogo Tablas de contingencia: Estadsticos
Complete los campos requeridos: marcando el estadstico Chi-cuadrado
Dar clic en el botn Continuar
76
De un clic sobre el botn Continuar

A continuacin aparecer el cuadro de dilogo siguiente:
77
Al completar los campos de acuerdo al modelo anterior: Marcar la opcin Esperadas

A continuacin aparecer en el Visor de resultados la siguiente tabla:
Anlisis de los datos.

La pregunta que se planteo es existe relacin entre el tipo de estudiante segn programa
acadmico y la modalidad de estudio que utilizan? El contraste de Chi-cuadrado comprueba
que si existe independencia entre ambas variables. El valor del Chi cuadrado de Pearson de
3.107 p 0,212 indica que el tipo de estudiante y la modalidad de estudio son
independientes ya que la probabilidad de que una muestra aleatoria arroje un valor de Chi
cuadrado de al menos dicha magnitud es de 0.212. Esta probabilidad tambin se conoce
como nivel de significacin observado de la prueba.
78
Si la probabilidad es suficientemente pequea (habitualmente menor que 0.05 0.10), se

rechazar la hiptesis de que las dos variables son independientes. Pero, es mayor, de
acuerdo a los resultados es 0.212, se debe aceptar que no hay relacin o asociacin entre
las variables.
Por lo tanto, se puede aceptar la hiptesis nula, de la independencia24[24] entre la modalidad
de estudio y el tipo de estudiantes (de las facultades de Ciencias Sociales y de Medicina
Veterinaria).
Nota metodolgica
En sntesis, el Chi-cuadrado permite decidir si las variables, de tipo cualitativo, son
independientes o asociadas, pero no indica que tan fuerte es esa relacin.
Conjuntamente con Chi cuadrado existen otras medidas para evaluar si las variables
incluidas en una tabulacin estn asociadas, veamos algunas de ellas:
Comparacin de porcentajes: Es una medida de asociacin que consiste en

comparar los porcentajes en una tabla, en el cual una de las variables es considerada
como causal o independiente y sirve como base del clculo de los porcentajes.
Lambda: es una medida de asociacin para cruces de variables que se usa

comnmente con variables medidas a nivel nominal.
24[24]
No existe asociacin.
79
Asociacin entre variables nominales

En esta unidad se introduce la nocin de relacin entre variables en contraste con los
diseos experimentales que predicen diferencias entre las condiciones experimentales. Es
decir, un investigador podra estar interesado no tanto en el desempeo de los dos grupos
preseleccionados, sino ms bien en observar cmo todo el conjunto del rango de los
puntajes en una variable, por ejemplo los puntajes de capacidad lectora, se relaciona con
todo el conjunto del rango de puntajes en otra variable, por ejemplo los puntajes que se
representan puntajes en estadstica obtenidos por los estudiantes de la Facultad de
Administracin de Empresas.
En un caso como ste un investigador medira los puntajes de las dos variables en un solo
grupo de sujetos, con el fin de investigar hasta qu punto las caractersticas individuales de
cada uno sujeto en cada variable se correlacionan con su desempeo en la otra variable. La
pregunta por resolver es si la habilidad en lectura y la habilidad en estadsticas van juntas
(asociadas), o si no hay ninguna conexin entre los dos tipos de habilidades.
Supongamos que a un investigador le interesa saber si existe relacin entre la habilidad
lectora y la habilidad en estadstica. El objetivo sera ms bien estudiar si los estudiantes
que obtienen un puntaje alto o bajo en una variable, tambin obtienen puntajes altos o bajos
en la otra.
80
TABLA. Puntajes en estadstica y en lectura

Estudiante
1
2
3
4
5
6
7
8
9
10
11
12
Puntaje de
Puntaje
Estadstica
de lectura
9
10
12
6
11
9
12
16
13
10
13
14
2
3
1
1
4
1
5
8
5
3
6
7
Hiptesis de trabajo:
H0: No existe asociacin entre los puntajes obtenidos en estadstica y los puntajes
obtenidos en habilidad lectora -independencia entre las variablesHi: Existe asociacin entre los puntajes obtenidos en estadstica y los de habilidad en
lectura.
Nota metodolgica: Para datos nominales (clasificatorios) se utilizan los siguientes
coeficientes: coeficiente de contingencia, coeficiente Phi, coeficiente V. de Cramer,
coeficiente Lambda y coeficiente de incertidumbre. Finalmente, digamos aqu que cuando
se trata de muestras, la posible asociacin debe ser sometida a una prueba de significacin
estadstica.
81
Procedimiento SPSS
Seleccionar el archivo de trabajo nominal.sav en el CD-ROM
En la barra de Mens, seleccionar el men Analizar
Elija la opcin <Estadsticos descriptivos> <Tablas de contingencia>
En el cuadro de dilogo Tablas de contingencia Estadsticos:
Seleccionar los estadsticos para variables nominales:
Coeficiente de contingencia C; Phi y V. de Cramer.

En el cuadro de dilogo Tablas de contingencia: mostrar en las casillas:
Porcentajes: seleccionar filas

Como el nivel de significacin es mayor al 5% -valor crtico escogido- , se acepta la H0, es
decir, que no existe relacin entre la habilidad lectora y los puntajes obtenidos en habilidad
estadstica.
82
Nota metodolgica
H0 = no existe asociacin entre las variables
s es mayor al valor crtico
escogido
HI = existe asociacin entre las variables
s es menor al valor crtico escogido
83
Asociacin entre variables ordinales: Coeficiente de asociacin por rangos de

Spearman.
Determina la asociacin entre dos variables medidas en escalas ordinales. Una forma de
medir el grado de asociacin entre dos variables medidas a nivel ordinal la proporciona el
coeficiente de asociacin de Spearman o de rangos.
Suponga que nos interesa averiguar si hay alguna relacin entre la participacin de los
estudiantes en deportes al aire libre -medida sobre una escala desde 1 (nunca juega) hasta
10 (siempre juega) y la frecuencia con que los mismos estudiantes se ausentan medida en
una escala desde 1 (con frecuencia hasta 5 (rara vez).
Tabla: Puntajes de participacin de estudiantes en deportes y frecuencia de ausentismo.
Variable A
Puntaje en
escala de
participacin
deportiva
(1 10)
Variable B
Puntaje en
escala de
frecuencia de
ausentismo
(1 5)
Sujeto
1
2
3
4
5
6
7
8
9
10
5
2
3
10
9
9
2
6
3
4
2
3
7
5
4
5
4
3
1
1
84
11
12
4
10
85
Hiptesis de trabajo: La hiptesis de trabajo afirma que una alta participacin de los
estudiantes en los actividades deportivas esta relacionada con bajas tasas de ausentismo
acadmico.
Ho: No existe asociacin entre los puntajes obtenidos de participacin deportiva y
ausentismo acadmico (Independencia entre las variables).
Hi: existe asociacin entre los puntajes en participacin deportiva y ausentismo

acadmico.
Puntaje en
escala de
participacin
deportiva
(1 10)
Puntaje en
Rango A25[25] escala de
frecuencia de
ausentismo
(1 5)
5
3
7
10
9
9
2
6
3
4
8
5
2.5
7
12
9.5
9.5
1
6
2.5
4
8
Rango B
Sujeto
1
2
3
4
5
6
7
8
9
10
11
12
2
2
4
5
4
5
4
3
1
1
4
3.5
3.5
7.5
11
7.5
11
7.5
5
1.5
1.5
7.5
10
12
5
11
25[25]
Crear rangos para ambas variables

86
Procedimiento SPSS
seleccionar el archivo de trabajo deportes.sav en el CD-ROM
Elija la opcin <Correlaciones> Activar opcin <Bivariada>
Aparece el cuadro de dilogo Correlaciones bivariadas:
Seleccionar y transferir cada una de las variables rangoa y rangob a la

ventanilla Variables:
Seleccionar Spearman26[26] seleccionar Prueba de significacin:

Bilateral
26[26]
El estadstico Rho de Spearman es una prueba no paramtrica que mide el grado de

asociacin entre los puntajes obtenidos en dos variables e indica el nivel de significacin de la
87
asociacin observada. Debe usarse cuando los datos experimentales se miden en una escala
ordinal. Para que Rho pueda considerarse significativo, debe ser igual o mayor que los valores
crticos escogidos - 0.10 del 0.05 o, lo que es lo mismo adoptar el nivel de significacin del 10%
o del 5%.
88
Anlisis de los datos: el nivel de significacin estadstica encontrado es de 0.003, es decir,

menor al valor crtico escogido (.05), por lo tanto, no existe asociacin entre los puntajes
que miden la participacin deportiva y el ausentismo acadmico.
89
Anlisis de regresin.
El anlisis de regresin y correlacin permite mostrar cmo deberamos determinar tanto la
naturaleza como la fuerza de la relacin que se puede existir entre dos variables. Tambin
es posible predecir el valor de una variable desconocida basados en observaciones pasadas
de esa u otra variable.
Lo anterior exige, en muchos casos, el uso de una tcnica que permita usar toda la
informacin lograda referente a un juego de variables y al mismo tiempo, describir la
relacin entre dos o ms variables en una forma simple y precisa; ante tal requerimiento, el
anlisis de regresin es la tcnica ms apropiada.
Regresin lineal
Esta es una tcnica estadstica que permite analizar la relacin entre una variable
dependiente criterio- y un a o ms variables predictoras- El nivel de medicin de las
variables tiene que ser de intervalo o razn. A su vez, las variables del estudio deben ser,
una considerada como independiente y la otra como dependiente -decisin de tipo tericometodolgica-.
Permite resumir los datos y cuantificar la naturaleza y fuerza de la relacin entre variables.
Tambin se puede usar sta tcnica para predecir o estimar nuevos valores de la variable
dependiente de acuerdo a los valores observados en la variable independiente.
Supongamos que necesitamos analizar el impacto de un programa de capacitacin en
sistematizacin en el nivel de ingresos de un grupo de egresados del Servicio Nacional de
Aprendizaje; se cuenta con informacin acerca del nmero de horas de capacitacin
90
adquiridos en sistematizacin y el monto de los ingresos de los egresados (poblacin

muestral)
Procedimiento SPSS
Seleccionar el archivo de trabajo ingresos.sav en el CD-ROM
En el men Analizar seleccione la opcin Regresin elija Lineal
91
Seleccionar y transferir la variable ingresos mensuales a la ventanilla Dependiente.
Seleccionar la o las variables predictoras o independientes horas de capacitacina la ventanilla Independiente y dar clic en el botn Aceptar
Nota metodolgica
El primer valor es la variable dependiente ingresos mensuales percibidos y se trasfiere a la
casilla Dependiente: -el segundo, es la variable independiente horas - nmero de horas de
capacitacin en sistematizacin- y se transfiere a la csilla Independientes:
92

Lo primero que interesa conocer es la fuerza de la correlacin entre la variable predictora
horas (nmero de horas de capacitacin) y la variable criterio Ingresos (ingresos
percibidos). Esto se mide con el coeficiente de correlacin R cuadrado- R2 =.898, ello
indica que el 89,8 por ciento de la varianza de la variable ingresos est predicha por la
variable horas de capacitacin.
Nota metodolgica
El coeficiente R2 puede variar entre 0 y 1. Cuando R2 = 1 quiere decir que el 100% de la
variabilidad de la variable criterio es explicada por la variable predictora. Cuando R2 = 0
significa que no hay ninguna relacin lineal entre la variable predictora y las variables
criterios.
93
Coeficientes de correlacin.
A menudo, los analistas sociales estn interesados en descubrir cul o cules variables estn
ms estrechamente asociadas a una determinada variable dependiente, en este caso los
coeficientes de correlacin se convierten en la herramienta estadstica adecuada. En
sntesis, el anlisis de correlacin es una herramienta que se puede usar para describir el
grado en el que una variable est relacionada con otra.
Hasta ahora slo ha interesado saber si hay o no una relacin entre variables (si es
significativa o no) pero nada se sabe si la relacin obtenida es fuerte o dbil -fuerza de la
relacin-. Cuando existe la relacin, es conveniente preguntarse: Cul es su fuerza?
Analicemos las formas ms utilizadas para detectar la fuerza de la relacin entre variables
Correlacin de Pearson
El coeficiente de correlacin de Pearson -r- mide bsicamente la naturaleza de la relacin
entre dos variables cuantitativas. No solo sirve para indicar si hay o no relacin, sino
tambin para indicar la fuerza grado- y direccin de la misma. Consiste en una prueba
"paramtrica" que mide el grado de correlacin entre los puntajes obtenidos en dos
variables e indica el nivel de significacin de la correlacin observada. La prueba de
Pearson requiere de una medicin de los datos en una escala interval o de razn.
El coeficiente de correlacin lineal r refleja el grado de relacin entre dos variables y lo
expresa con un nmero que va desde "-1" (correlacin negativa perfecta) pasa por "0" (no
existe correlacin) hasta +1 (correlacin positiva perfecta). En sntesis, puede tomar valores
comprendidos entre -1 y 1. Si el coeficiente es positivo expresa una covariacin de las
variables en el mismo sentido, y un coeficiente negativo, lo contrario.
94
La fuerza o intensidad de la relacin puede ser dbil o fuerte o inclusive puede no existir.
Generalmente se acepta el criterio segn la cual, si la relacin entre las variables se acerca a
cero (0), indica debilidad y si se acerca a uno 1 sera indicativo de una alta asociacin o
correlacin.
Mediante una prueba se ha medido la habilidad27[27] en comprensin y lectura y el uso de
las herramientas estadsticas en un grupo de alumnos del curso de Introduccin a la
Investigacin social.
Se ha hipotetizado que existe una correlacin positiva entre la habilidad en comprensin y
lectura de textos y la habilidad en la utilizacin de la herramienta estadstica, es decir, que
los alumnos que tienen un buen desempeo en comprensin y lectura de textos lo tendrn
tambin en el uso de la estadstica, como herramienta de anlisis.
Tabla: Puntajes obtenidos en la prueba de lectura y comprensin y estadstica social.
Alumno Variable A28[28]
Variable B29[29]
30
20
50
10
60
20
73
12
87
16
24
44
35
18
27[27]
Instrumentos de medicin generan puntajes cuantitativos que miden las capacidades de uso
de las herramientas.
28[28]
Variable A: puntaje obtenido en prueba que miden el grado de utilizacin de la herramienta
estadstica como elemento de anlisis.
29[29]
Variable B: puntaje obtenido en prueba de comprensin y lectura de textos.
95
97
19
10
62
13
11
49
12
93
10
96
Procedimiento SPSS
Seleccionar el archivo de trabajo nominal.sav en el CD-ROM
En la barra de Mens, seleccionar el men Analizar Correlaciones
Seleccionar Bivariadas el cuadro de dilogo: Correlaciones

bivariadas.
Seleccionar y transferir las variables independiente y dependiente a la

ventanilla Variables
En la seccin Coeficientes de correlacin elegir Pearson
En la seccin Prueba de significacin elegir Bilateral
Al presionar el botn Aceptar aparecen los resultados en el Visor
Resultados en el Visor:
Anlisis de los datos.
97
Se puede concluir que existe una correlacin significativa entre las dos variables: Habilidad
en estadstica social y habilidad en comprensin y lectura, ya que el coeficiente de
correlacin entre ellas s es significativo r = 0,857 p 0,000
98
Nota metodolgica
En el grfico siguiente se observa una posicin relativa de un coeficiente r:
-1.00
-0.70
-0.50
-20
0.0
0.20
0.50
0.70
+1.00
Correlacin
Correlacin
negativa
negativa
positiva fuerte
moderada
dbil o baja
moderada
positiva
alta
alta
fuerte
Algunos comentarios sobre el uso de la regresin y correlacin.

Una pregunta bsica tiene que ver con la oportunidad del uso de las tcnicas de regresin.
Ms adelante, en esta leccin, cuando hablemos de regresin mltiple, volveremos sobre
este interrogante. Por lo pronto, digamos que raramente un analista social trabaja en el
estudio del impacto de una sola variable. El foco de atencin generalmente se centra en el
impacto o determinacin de dos o ms variables independientes sobre un hecho o proceso
social. En casos como estos, la tcnica ms adecuada es la de regresin mltiple.
Acerca de la conveniencia de usar las tcnicas de correlacin o las de anlisis de regresin,
es evidente que esta ltima tiene mucho ms que ofrecer para un analista social.
Fundamentalmente porque motiva al investigador a considerar ms cuidadosamente la
direccin causal entre las variables, por ejemplo, se deber tener claro cul es la variable
independiente y cul es la dependiente. Tambin, el resultado del clculo de una regresin:
99
el coeficiente de regresin tendr en trminos generales, un significado ms sustantivo que

un coeficiente de correlacin.
100
Anlisis multivariado.
Existen algunas tcnicas estadsticas que han sido desarrolladas para estudiar problemas
complejos desde una perspectiva multivariada, es decir, considerar en el anlisis, todas las
posibles interrelaciones entre las variables, para lograr un mayor entendimiento y
explicacin de un proceso. En sntesis, el anlisis multivariado es aquel que analiza la
relacin entre varias variables independientes y, al menos una variable dependiente.
Regresin mltiple.
En lecciones anteriores describimos las tcnicas de relacin entre variables. La discusin se
centr en el anlisis de dos variables, por ejemplo, el efecto de una variable independiente
en una dependiente. Sin embargo, la utilidad del modelo de regresin es mejor percibido a
travs del uso de la tcnica de regresin mltiple. Esta herramienta estadstica permite
analizar la naturaleza de una variable dependiente a partir de 2 o ms variables
independientes o descriptoras. Sirve para predecir el valor de una variable dependiente
conociendo el valor y la influencia de las variables independientes incluidas en el modelo.
Permite evaluar el valor individual de cada variable independiente en la variable
dependiente mientras se controla tal influencia por el impacto de otras variables al igual que
la influencia de todas las variables independientes combinadas.
Otra de las ventajas de la regresin mltiple sobre el anlisis de tablas de continencia se
basa en la cantidad de variables de control o intervinientes que se pueden utilizar; en las
tablas de continencia, se limita el uso a una o dos variables intervinientes; en cambio, con la
regresin mltiple no existe tal limitacin.
101
Se aplic una encuesta a los alumnos destinada a conocer la opinin sobre sus cursos y el
desempeo de los profesores que los dictan. Se les pidi que evaluasen tanto al profesor
como al curso de acuerdo a la siguiente escala de calificaciones:
Muy deficiente
deficiente
aceptable
bueno
excelente
Objetivo: Estudiar la relacin entre la evaluacin del profesor de un curso realizada por sus
alumnos y cinco caractersticas del profesor y del curso: Dominio de los temas del curso,
empleo de recursos didcticos, respeto en el trato con los alumnos, evaluacin de ejercicios
y exmenes, evaluacin del inters de los contenidos.
Procedimiento SPSS
Seleccionar el archivo de trabajo encuesta al estudiante sobre el curso y el

profesor.sav (el archivo de trabajo esta en el CD-ROM)
En la barra de Mens, seleccionar el men Analizar Regresin

Lineal
Seleccionar y transferir las variables predictoras o independientes: dominio de

los temas, empleo de recursos didcticos, respeto en el trato con estudiantes,
evaluacin de ejercicios y exmenes y evaluacin del inters de los contenidos a la
ventanilla Independientes: y dar un clic sobre el botn Aceptar
Dar un clic sobre el botn Estadsticos
A continuacin aparecer el cuadro de dilogo Regresin lineal: Estadsticos
Seleccionar y marcar las opciones: Estimaciones; Descriptivos y

Correlaciones parcial y semiparcial
Dar un clic sobre el botn Continuar

102
103
En la tabla Estadsticos descriptivos se muestran los promedios de la evaluacin estudiantil

y la desviacin estndar o tpica de cada una de las seis variables, lo que permite visualizar
los promedios de evaluaciones y los casos extremos.
104

El peso o influencia que tiene cada variable independiente sobre la variable dependiente se
muestra en la tabla correlaciones. En trminos generales, se puede afirmar que hay algunas
correlaciones significativas entre las variables predictoras o independientes dominio del
tema y evaluacin de ejercicios y exmenes con la evaluacin del profesor.
A continuacin en el Visor de resultados aparecen los coeficientes que miden la correlacin
de todas las variables independientes en la variable dependiente calificacin del profesor-
105
Un R2 = 763 indica que el 76 % de la variacin total de los promedios de evaluacin se

explica por estas 5 variables que se usaron. Se puede concluir que el R2 es significativo, ya
que F es igual a 12,249 p
0.000
Nota metodolgica
Para utilizar la tcnica de anlisis de regresin mltiple es necesario que las variables estn
medidas en escalas de intervalos o proporcionales.
106

Análisis e Interpretación de Datos

Uploaded by

Document Information

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

Análisis e Interpretación de Datos

Uploaded by

Copyright:

Available Formats

UNIVERSIDAD DE ANTIOQUIA

FACULTAD DE CIENCIAS SOCIALES Y HUMANAS

ANLISIS E INTERPRETACIN DE DATOS

Otra consideracin a tener en cuenta, cuando se trabaja con un cmulo de informacin

Cul estadstico se debe usar y qu significa su resultado?

Briones, Guillermo, Mtodos y tcnicas avanzadas de investigacin aplicadas a la educacin y a

Frecuencias: nmero de casos en cada categora

Frecuencias relativas: porcentajes de casos en cada categora

Frecuencias acumuladas: porcentaje de casos que se van acumulando en cada

Hacer una lectura global de los datos y analizar su distribucin: su frecuencia

Cmo varan las categoras dentro de la variable?

Buscar una explicacin de la variabilidad de la caracterstica, propiedad o variable.

violaciones y los homicidios. El sondeo evidenci que un 35.7% de los interrogados, se

En la barra principal de Mens del SPSS, seleccione el men <Archivos>

Active la opcin <Abrir> y elija el submen <Datos >

Seleccionar archivo temor ciudadano.sav en el CD-ROM

<Estadsticos descriptivos> - <Frecuencias4[4]>

En el cuadro de dilogo Frecuencias, se selecciona la variable a describir y se

Seleccione simultneamente las variables robos y secuestr

En el Visor de resultados aparece:

Con la opcin <Frecuencias> aparece como resultado en el Visor una Tabla de

Anlisis de los datos

Para lograrlo el analista que ha sometido la informacin a un proceso de cuantificacin

1. Cmo se presentan los datos? Cul es la ubicacin o localizacin de los datos?

2. Los datos respecto a sus puntos de agrupacin y localizacin estn concentrados o

Desviacin estndar o tpica

3. Existe relacin en el comportamiento de las variables?

Coeficientes de asociacin entre variables cualitativas

Coeficientes de correlacin entre variables cuantitativas

Los modelos de regresin

Estadsticas para medir la localizacin de un conjunto de datos

Anlisis de los datos

------------------ = ---------- = 7.25

Estadsticas para analizar la dispersin o variabilidad de un conjunto de datos.

Anlisis de los datos

investigacin y con la naturaleza de la informacin recogida, y no, en el desarrollo de

Guillermo Briones, Loc. Cit., p. 21

El Men Analizar presenta las siguientes opciones de operaciones de la estadstica

En esta primera fase, nos detendremos en la opcin Estadsticos descriptivos dando un

En la barra principal de Mens del SPSS, seleccione el men <Archivos>

Active la opcin <Abrir>

Seleccionar archivo profesional-2003.sav en el CD-ROM

En la barra de Mens, elegir el men < Analizar9[9]>

elija el submen <Datos >

Seleccionar <Tablas de contingencia> Frecuencias...

Lo anterior abrir el cuadro de dilogo: Frecuencias, como se muestra en la siguiente

Si usted quiere calcular algunos estadsticos, de un clic en el botn Estadsticos y aparecer

Al dar un clic en el botn continuar, se retorna al cuadro de dilogo Frecuencias. All

Anlisis de los datos

Mnimo: El valor ms pequeo.

Tcnicas de representaciones graficas de las distribuciones de frecuencias.

Histogramas de frecuencia: son figuras que presentan la informacin de cada una

Polgonos de frecuencias: son grficos en la forma de una serie de lneas rectas

Grficos de barras: Constituyen uno de los tipos ms simples y quizs de mayor

Grficos o figura de crculos o de pastel: en este tipo de figuras o grficos de

Limitaciones en el uso de los grficos o figuras:

La presentacin tabular y grfica es complementaria al texto pero no lo reemplaza.

La interrelacin entre variables

De hecho, el enunciado anterior seala una relacin. El problema metodolgico surgir

Anlisis de datos tabulados

Se supone que la variable independiente es el factor causal o determinante que tiene el

dos variables no estn asociadas, son independientes, o si dos variables no son

En la barra principal de Mens del SPSS, seleccione el men <Archivos>

Active la opcin <Abrir>