Procesamiento estadístico para la investigación con SPSS

Muchos estudiantes se enfrentan a la complejidad del procesamiento de datos y la diversidad de software estadísticos disponibles. Sin embargo, dominar estas áreas es crucial para responder a problemas específicos de investigación. Este artículo busca ser una guía introductoria y práctica para el procesamiento y análisis de datos utilizando SPSS Statistics, una herramienta accesible tanto para usuarios principiantes como para programadores.  

Fundamentos estadísticos y procesamiento de datos con SPSS

La estadística, como disciplina, abarca la recolección, organización, procesamiento, análisis, presentación e interpretación de datos para la toma de decisiones. Dentro de ella, distinguimos la estadística descriptiva, que se ocupa de organizar y presentar datos mediante tablas y gráficos sin extraer inferencias sobre la población, y la estadística inferencial, que estima el comportamiento de una población a partir de una muestra y permite contrastar hipótesis.  

Para el análisis inferencial, es fundamental determinar el tipo de prueba estadística a aplicar, lo cual depende de la naturaleza de los datos y las variables. Las pruebas estadísticas se clasifican en paramétricas, utilizadas cuando los datos siguen una distribución normal y tienen homogeneidad de varianzas (como la prueba T, regresión lineal, coeficiente de Pearson, ANOVA), y no paramétricas, empleadas cuando los datos no cumplen estos supuestos (como la U de Mann-Whitney, chi-cuadrado, coeficiente de Spearman).  

El procesamiento de datos en SPSS inicia con la organización clara de la base de datos, usualmente en Excel. Posteriormente, se importan los datos a SPSS, donde se pueden visualizar y editar en la «Vista de datos» y definir las características de las variables en la «Vista de variables». Es crucial definir correctamente el nombre, tipo, etiqueta, valores (para variables cualitativas), valores perdidos y el nivel de medición (escala, nominal u ordinal) de cada variable.  

Tipos de variables estadísticas y su identificación

Comprender los tipos de variables es esencial para un correcto análisis estadístico. Una variable es una característica susceptible de medición. Se clasifican según su naturaleza en:  

Cuantitativas: Valores numéricos.

• Continuas: Admiten valores decimales (Ej: peso, talla).  
• Discretas: Solo admiten valores enteros (Ej: edad en años, número de hijos).  

Cualitativas: Responden a un atributo o cualidad.

• Nominales: No tienen un orden inherente (Ej: sexo, estado civil).  
• Ordinales: Presentan un orden o jerarquía (Ej: grado de instrucción, nivel socioeconómico).  

Según su posición en relación con otras variables, se pueden clasificar en dependientes e independientes, usualmente exploradas en modelos de regresión.  

Ejemplos prácticos de identificación de variables:

Para identificar el tipo de variable, pregúntese qué tipo de valores o atributos representa.

• La variable «Temperatura en grados Celsius» es cuantitativa continua, ya que puede tomar cualquier valor dentro de un rango, incluyendo decimales.
• La variable «Número de cursos aprobados» es cuantitativa discreta, pues solo se contabilizan números enteros.
• La variable «Color favorito» es cualitativa nominal, puesto que no existe un orden natural entre las categorías de colores.
• La variable «Nivel de satisfacción» con categorías como «Bajo», «Medio» y «Alto» es cualitativa ordinal, dado que hay una jerarquía clara entre los niveles.

Pruebas de hipótesis y análisis en SPSS

En el manual de la Universidad Privada Norbert Wiener detalla los procedimientos para realizar diversos análisis estadísticos en SPSS, incluyendo:

Análisis descriptivo: Cálculo de frecuencias, porcentajes, medidas de tendencia central y dispersión, así como la creación de tablas de frecuencia y gráficos (barras, circulares, histogramas). Se explica cómo recodificar variables para crear escalas valorativas y generar tablas de contingencia para visualizar la relación entre variables categóricas.  

Análisis de confiabilidad y normalidad: Evaluación de la consistencia interna de un instrumento (ej. Alfa de Cronbach) y determinación de si los datos siguen una distribución normal (ej. pruebas de Kolmogórov-Smirnov y Shapiro-Wilk), lo cual es crucial para seleccionar la prueba inferencial adecuada.  

Análisis inferencial: El manual presenta guías paso a paso para realizar pruebas como:

• Coeficientes de Correlación (Spearman y Pearson) para evaluar la relación entre variables.  
• Prueba de Chi-Cuadrado para asociación entre variables categóricas.  
• Prueba de Rangos de Wilcoxon y Prueba T para Muestras Relacionadas en estudios preexperimentales.  
• Prueba U de Mann-Whitney y Prueba T para Muestras Independientes en estudios cuasiexperimentales y comparativos de dos grupos.  
• Prueba H de Kruskal-Wallis y ANOVA de un Factor para estudios comparativos de más de dos grupos.  
• Modelos de Regresión (Logística Binaria, Logística Multinomial, Logística Ordinal, Lineal Simple, Lineal Múltiple, Multinivel) para analizar la incidencia o influencia de una o más variables independientes sobre una variable dependiente.  

Cada procedimiento incluye la formulación de hipótesis (nula y alternativa), la selección del nivel de significancia, la función de prueba, la regla de decisión y la interpretación de los resultados.  

Conclusión

A modo de cierre. El procesamiento estadístico en la investigación utilizando SPSS, desmitificando la complejidad y empoderando a los estudiantes para generar sus propios resultados de manera autónoma. Desde los conceptos básicos hasta las pruebas inferenciales avanzadas, contar con una guía práctica y ejemplos concretos es fundamental en el recorrido investigativo.  

Si buscas profundizar tus habilidades en análisis estadístico y metodología de investigación, explora recursos adicionales y considera la aplicación práctica de estos procedimientos con software especializado como SPSS.

Referencias

Universidad Privada Norbert Wiener S. A. (2023). Manual de procesamiento estadístico para la investigación con SPSS. https://www.google.com/search?q=https://doi.org/10.37768/unw.vri.0011

Ruiz-Bolívar, C. (2013). Instrumentos y técnicas de investigación educativa. DANAGA. https://www.academia.edu/37886948/Instrumentos_y_Tecnicas_de_Investigaci%C3%B3n_Educativa_Carlos_Ruiz_Bolivar_pdf

Arispe, C., Yangali, J., Guerrero, M., Lozada, O., Acuña, L. y Arellano, C. (2020). La investigación científica. Una aproximación para los estudios de posgrado. Universidad Internacional del Ecuador. https://repositorio.uide.edu.ec/bitstream/37000/4310/1/LA%20INVESTIGACI%C3%93N%20CIENT%C3%8DFICA.pdf