SPSS lleva a cabo las tres etapas claves para la realización del estudio estadístico: Implementa de forma organizada y o

1. Definición Statistical Package for the Social Sciences (SPSS) es un programa estadístico informático muy usado en las ciencias sociales y las empresas de investigación de mercado.

2. Fue creado en 1968 la Universidad de Chicago por medio estuvo a cargo del desarrollo, distribución y venta del programa. A partir de 1975 corresponde a SPSS Inc. • Como programa estadístico es muy popular su uso debido a la capacidad de trabajar con bases de datos de gran tamaño. En la versión 12 es de 2 millones de registros y 250.000 variables. Además, de permitir la recodificación de las variables y registros según las necesidades del usuario.

3. SPSS lleva a cabo las tres etapas claves para la realización del estudio estadístico: • Implementa de forma organizada y ordenada la base de datos, • Nos ayuda en la manipulación de los datos. • Implementa técnicas estadísticas para el análisis de los datos.

6. ANALISIS ESTADISTICO

7. ANÁLISIS DESCRIPTIVO de los datos se compone de dos pasos fundamentales: • Calculo de los estadísticos de centralización y dispersión (media, mediana, desviación típica...) • Representación gráfica de los datos.

8. Análisis descriptivo • Frecuencias. Una distribución de frecuencias informa sobre los valores concretos que adopta una variable y sobre el numero de veces que se repite cada uno de esos valores.

9. 2. Descriptivo. Esta diseñado únicamente para variables cuantitativas continuas (tendencia central, dispersión y forma de la distribución)

10. Análisis Exploratorio Permite identificar posibles errores, valores extremos, pautas extremas en los datos, variabilidad no esperada.

11. Análisis de variables categóricas • Tablas de Contingencia (Con estas tablas se puede obtener una descripción cuantitativa de las distintas cualidades bivariantes de la muestra, en forma de frecuencias y porcentajes) Para variables categóricas como sexo, raza, clase social.

12. Análisis de contrastes sobre medias • Medias • Prueba T para una muestra • Prueba t para dos muestras independientes • Prueba t para dos muestras relacionadas

14. Análisis de varianza de un factor • Anova de un factor (Permite comparar dos grupos, representados por una variable nominal u ordinal (VI) y una cuantitativa a la que llamamos dependiente (VD) Tomemos como ejemplo la comparación de 5 laboratorios que analizan nk veces con el mismo procedimiento la concentración de Pb en una misma muestra de agua de río. El objetivo del ANOVA aquí es comparar los errores sistemáticos con los aleatorios obtenidos al realizar diversos análisis en cada laboratorio.

16. Análisis de varianza factorial • Sirven para evaluar el efecto individual y conjunto de uno o más factores (VIC) sobre una variable dependiente cuantitativa. p.ej.Si el salario entre hombres y mujeres es diferente , y si varios grupos de edad tiene salario diferente. Y si las diferencias de h y m se repiten en cada grupo de edad es decir si tiene que ver con el salario.

17. Análisis de varianza con medidas repetidas. • Estudia el efecto de uno o más factores cuando al menos uno de ellos es un factor intrasujetos (todos los niveles de factor se aplican a los mimos sujetos) P ej. Opinión acerca de cinco productos alternativos o rivales entonces tomamos un único grupo de sujetos y pedirles que expresen su opinión a cerca de los cinco productos.

18. Medidas de correlación lineal A) Correlación lineal simple (variación entre dos o más variables) b) Correlación parcial (controla el posible efecto de una o dos variables extrañas)

19. Análisis de regresión lineal • Se utiliza para predecir un amplio rango de fenómenos desde medidas economías hasta aspectos del comportamiento humano. • Regresión simple • Regresión múltiple

20. Análisis no paramétrico • Contrastes que no plantean hipótesis sobre parámetros y que se limitan a analizar las propiedades nominales u ordinales de los datos, y añaden el termino de distribución libre para referirse a los contrastes que no necesitan establecer supuestos.

21. Análisis factorial • Sirve para encontrar grupos homogéneos (pero independientes) de variables a partir de un conjunto numeroso de ellas • P.ej. en un cuestionario de satisfacción laboral, podemos estar interesados si las preguntas se agrupan en alguna característica.

22. Análisis de conglomerados • Técnica multivariante para agrupar casos o variables. • Agrupación de variables. Es menos restrictiva en sus supuestos y admite varios métodos de estimación de la matriz de distancias. • Agrupación de casos. Detecta un numero óptimo de grupos y su composición es a partir de la similaridad existente entre los casos.

23. Análisis de conglomerados jerárquicos • Permite aglomerar tanto casos como variables y elegir el método de aglomeración y medidas de distancia.

24. Análisis Discriminante • Ayuda a identificar las características que diferencian a dos o más grupos y crear una función capaz de distinguir con la mayor precisión a los miembros de uno u otro grupo.