Este documento proporciona instrucciones paso a paso para utilizar el software SPSS para analizar datos. Explica cómo importar y depurar datos, realizar análisis descriptivos como tablas y diagramas de dispersión, y utilizar pruebas estadísticas como ANOVA, pruebas t de Student y chi cuadrado para determinar si hay diferencias significativas entre grupos de datos. El resumen también cubre cómo crear nuevas variables y recodificar datos, y proporciona guías sobre qué pruebas usar dependiendo del tipo de variable y diseño del estudio.

1. BY JAVIER SIERRAS
RESÚMEN CONTENIDOS SPSS
ASIGNATURA: ANÁLISIS DE DATOS
CONTENIDO: PEQUEÑO RESÚMEN FINAL POR ESCRITO DE CÓMO
UTILIZAR EL SPSS
EXPORTAR DATOS:
1. Abrir Excell y depurar.
1. Codificar todas las variables a números
2. En cada variable exponer todos los datos en la misma medida (kilos,
gramos, metros...).
3. Cambiar los espacios en blanco por ceros.
2. Guardar cambios y cerrar el excell
3. Abrir SPSS
1. Abrir datos / seleccionar archivo / elegir la página de excell que
queramos "cargar" a SPSS.
4. Depurar datos en SPSS
1. Nombre: Cambiar nombre completo de las variables por iniciales o
acortarlos.
2. Etiqueta: Poner aquí el nombre completo de cada variable.
3. Tipo: Todas las variables deben ser "numérico". De no ser así es que
no has depurado bien en excell.
4. Anchura, decimales, columnas y aleniación: Como te plazca o como te
indique el enunciado del ejercicio.
5. Valores: Añadir los datos originales que habías codificado en excell
(Ej: 1=A, 2=B, etc.).
6. Media: Ajustar según la variable sea nominal, ordinal o escalar.
7. Rol y perdidos: No tocar.
5. Guardar cambios realizados
ANÁLISIS DESCRIPTIVO:
1. SPSS / Analizar / Tablas / Tablas Personalizadar.
2. Insertar variables en "columnas" y "filas".
3. Si pinchamos sobre "fila" y luego en la casilla "Nº estadísticos de resúmen"
podemos quitar/añadir muchos datos (media, promedio, moda, suma,
percentiles, etc). Existen muchas posibilidades y es mil veces más rápido que
el excell. Aplicar Selección.
4. Aceptar / Se genera nuestra tabla con todos los datos que hayamos querido
analizar.

2. DIAGRAMA DE DISPERSIÓN:
1. SPSS / Gráficos / Generador de Gráficos / Seleccionar "Dispersión" / Colocar
variables en ejes "X" e "Y".
2. 3 Tipos de relaciones:
1. Relación Lineal + o - (cuando vemos que los puntos se encuentran
siguiendo un patron lineal)
2. Relación No Lineal (cuando vemos que los puntos generan un patrón,
pero que este no es linear, sino que tiene por ejemplo forma de "C" o
"V").
3. No existe relación (puntos al libre el bedrio).
RECTA DE REGRESIÓN/BONDAD DEL AJUSTE:
1. También es conocido como línea de regresión. La bondad del ajuste se
determina por el coeficiente de determinación (R).
2. Doble Click sobre la gráfica / Línea de Ajuste Total / Se genera una línea que
atraspasa los puntos por la mitad / En la esquina superior de recha de la
gráfica aparece R y su valor.
3. R + cercana a 0 = Peor ajuste (escasa bondad). El valor está representado en
%.
4. Ejemplo: R= ,71 -----------> La línea de regresión se ajusta un 71% al
diagrama de dispersión.
COEFICIENTE DE CORRELACIÓN (CORRELACIONES):
• Signo - o + representa si la correlación es negativa o positiva.
• Según su valor:
o 0: Relación Nula/Escaso Interés.
o 0-0,2: Relación Muy Baja/Escaso Interés.
o 0,2-0,4: Relación Baja/Interés Medio.
o 0,4-0,6: Relación Moderada/Interés Moderado.
o 0,6-0,8: Relación Alta/Alto Interés.
o 0,8-1: Relación Muy Alta/Alto Interés.
1. SPSS / Analizar / Correlaciones / Bivariadas / "Pearson" / Añadir Datos /
Aceptar.
2. Observamos donde pone "Correlación de Pearson" y catalogamos según su
valor.
3. Para poder generalizar los resultados en las CCAFD debe de haber un 95% de
seguridad para que los datos sean reales ¿Como comprobar la generalización
de los resultados?
1. Anaizar / Correlaciones / Bivariadas / "Pearson" / Aceptar.
2. En vez de mirar "Correlación de Pearson", observamos donde poner
"Sig. (Bilateral)".
3. Sig. Debe de ser MENOR de 0,05 (por aquello del 95% de fiabilidad
en las CCAFD)
4. Sig. MAYOR 0,05 = Resultados no fiables, se deben al azar.

3. NORMALIDAD:
- 3 Requisitos:
o Variables cuantitativas.
o Varianzas Homogéneas (homocedasticidad)
o Distribución normal bajo la campana de gauss.
- 3 métodos para comprobar la normalidad:
o Histogramas.
o Gráficos PP y QQ
o Prueba KS.
HISTOGRAMAS:
1. Analizar / Estadísticos No Descriptivos / Frecuencias / Gráficos / Histogramas /
“Mostrar curva Histograma” / Aceptar.
2. Comprobamos la gráfica (requisitos):
1. Un solo pico situado en el centro de los datos.
2. La media, mediana y moda deben encontrarse en dicho pico.
3. Las “alas” de la campana de gauss se extienden hasta el infinito
sin llegar a tocar el eje horizontal.
GRÁFICOS PP Y QQ:
1. Analizar / Estadísticos Descriptivos / Gráficos PP o QQ / Insertar Variables /
Aceptar.
2. Ver las gráficas (requisitos):
1. Los puntos deben estar distribuidos sobre la línea. Cuantos +
puntos sobre esta, mayor normalidad.
Los métodos gráficos pueden inducir a error.
TEST MATEMÁTICO KOLMOGOROV SMINROV:
1. Prueba Matemática Normalidad.
2. Analizar / Pruebas No Paramétricas / Cuadro de Diálogos Antiguos / KS de 1
Muestra / Insertar variables / Aceptar.
3. Ver Tabla.
4. SIG. MAYOR 0,05 = Si existe normalidad (encima es paramétrica). Cuanto más
mayor, más normalidad.
5. Para asegurarnos usamos la prueba de levene.

4. PRUEBA DE LEVENE:
1. Prueba de homocedasticidad (igualdad de varianzas).
2. Analizar / Comparar Medias / Anova de 1 Factor / Opciones / “Prueba de
homogeneidad de varianzas” / insertar variables / aceptar.
3. Objervar el decuadro de estadísticos de levene.
4. SIG. +0,05 = Varianza Homogénea.
5. SIG. Menor 0,05 = No homogenea.
6. En teoría, la variable con más valor en KS 1 Muestra coincidirá con la de más
valor en el test de Levene.
ESTADÍSTICA DIFERENCIA (TEORÍA):
1. Objetivo del estudio.
2. Identificar variable dependiente/independiente.
3. Identificar el tipo de diseño…
Se trata de una asociación de variables?
O serán más bien 2 o + grupos de muestras independientes?
O quizás 2 o + mediciones de muestras relacionadas?

6. CREAR UNA NUEVA VARIABLE:
1. SPSS / Transformar / Cálculo de Variable.
RECODIFICAR EN UNA NUEVA VARIABLE:
1. SPSS / Transformar / Recodificar en distinta variable / introducir variable /
valores / “Valor”, “Rango” o como deseemos ajustarlo / inventar “Valor Nuevo”
/ Continuar / Aceptar.
2. En la pestaña inferior “Vista de Variables poner en “Leyenda” las codificaciones
y cambiar “Valores” según sea nominal, ordinal o numérica”.
[MUESTRAS INDEPENDIENTES (+2GRUPOS). VARIABLE ESCALAR
PARAMÉTRICA] ANÁLISIS DE VARIANZA (ANOVA):
1. Ver si los datos son paramétricos o no paramétricos mediante KS y Levene
(debe dar +0,05 en ambos). Este paso se repite siempre que tengamos como
variable independiente una ESCALAR. No lo repetiré de ahora en adelante.
2. SPSS / Analizar / Comparar Medias / Anova de un Factor / Post Hoc. /
“Bonferroni” / Continuar / Aceptar.
3. Sig -0,05 = Existen diferencias significativas (los resultados no se deben al
azar).
4. Sig +0,05 Los resultados se deben al azar (- del 95% de probabilidad que se
busca en las CCAFD).
[MUESTRAS INDEPENDIENTES (2 GRUPOS). VARIABLE ESCALAR
PARA´METRICA] T. DE STUDENT
1. SPSS / Analizar / Comparar Medias / Prueba T para muestras Independientes /
Insertar Variable / Definir Grupos (los que nos pidan en el enunciado) / Aceptar.
2. Fijarse en la Sig. De Student:
a. -0,05 Existen diferencias significativas.
b. +0,05 Los resultados se deben al azar.
3. Sig. De Levene:
a. Nos marca la correlación existente entre ambos grupos.
Lo suyo sería Sig. Student -0,05 y Sig Levene 0,8-1.
[MUESTRAS RELACIONADAS (2 MEDICIONES). VARIABLE ESCALAR
PARAMÉTRICA] T DE STUDENT PARA MUESTRAS RELACIONADAS
1. SPSS / Analizar / Comparar medias / Prueba T para muestras Relacionadas /
Comparar las 2 mediciones que se nos pidan / Aceptar.
2. Vamos a la última tabla que se nos genera / Observamos lo que se nos pida (por
ejemplo, miramos en la “media” para ver si ha habido mejorías en el
entrenamiento entre dos temporadas).
3. Sig. -0,05 para que esos datos que se nos muestran no se deban al azar, sino que
sean reales.

7. [MUESTRAS INDEPENDIENTES (2+ GRUPOS). VARIABLE ESCALAR NO
PARAMÉTRICA U ORDINAL] KRUSKALL-WALLIS
1. SPSS / Analizar / Pruebas No Paramétricas / Cuadro de Diálogos Antiguos / K-
Muestras Independientes / “H Kruskall-Wallis” / Poner Grupos que nos pidan /
Continuar / Aceptar.
2. Ir al último cuadro / Mirar Sig.
a. -0,05 = Resultados Reales. Existen diferencias Significativas.
b. +0,05 = Los resultados obtenidos se deben al azar.
[MUESTRAS RELACIONADAS (+2 MEDICIONES). VARIABLE ESCALAR NO
PARAMÉTRICA U ORDINAL] FRIEDMAN
1. SPSS / Analizar / No Paramétricas / Cuadro de diálogos antiguos / K-Muestras
Relacionadas / “Friedman” / Insertar variables / Aceptar.
2. Ir al último cuadro / mirar Sig.
a. -0,05 = Existen diferencias significativas.
b. +0,05 = Resultados se deben al azar.
[MUESTRAS INDEPENDIENTES (2 GRUPOS). VARIABLE ESCALAR NO
PARAMÉTRICA U ORDINAL] U. DE MANN WHITNEY
1. SPSS / Analizar / Pruebas No Paramétricas / Cuadro de Diálogos Antiguos / 2
Muestras Independientes / “U de Manwhite” / Insertar Variables a medir /
Definir grupos que nos pida el enunciado / Continuar / Aceptar.
2. Ir al Último Cuadro / Mirar la Sig.
a. -0,05 = Si Existen Diferencias Significativas.
b. +0,05 = Los resultados se deben al Azar.
[MUESTRAS INDEPENDIENTES (+2 GRUPOS). VARIABLE NOMINAL]
X^2//CHI CUADRADO
1. SPSS / Análisis / Pruebas No Paramétricas / Cuadro de Diálogos Antiguos / Chi
Cuadrado / Insertar Variables / Aceptar.
2. Ir al último cuadro (estadísticos de contraste) y observar Sig.
a. -0,05 = Si Existen Diferencias Significativas.
b. +0,05 = No existen Diferencias Significativas.
ASOCIACIÓN DE VARIABLES:
ESCALAR CONTRA ESCALAR // ORDINAL CONTRA ORDINAL
PEARSON // SPEARMAN
1. SPSS / Analizar / Correlaciones / Bivariadas / “Pearson”//”Spearman” /
Introducir Variables / Aceptar.
2. Fijarse en Sig (% azar) y Correlación (Tipo de correlación 0-1).
FIN DE LOS APUNTES