León Dario Bello Parias. Estadístico. Docente Facultad Nacional de Salud Pública. Universidad de Antioquia.

Transcripción

1 León Dario Bello Parias Estadístico Docente Facultad Nacional de Salud Pública Universidad de Antioquia XI Jornadas de Epidemiología en Neiva Huila Colombia Marzo de 2004

2 El SPSS Versión 11.0 (Statistical Package for the Social Sciences) SPSS es una marca registrada que tiene como software bandera el programa estadístico que lleva su nombre, es de uso general e integra procedimientos estadísticos y gráficos interactivos de alta resolución, de tal manera que sirve de apoyo al análisis de datos, así como a la preparación de los datos (transformaciones). Su modulo gráfico en ésta versión es lo menos potente, de ahí que en la nueva versión (12.0), se haya colocado el mayor énfasis a mejorar dichos gráficos. Permite la construcción de tablas de frecuencias univariadas y bivariadas, permitiendo agrupar los resultados por segmentos o estratos. Calcula estadísticas descriptivas, presentando sus resultados de tal manera que permite la comparabilidad. Tiene incorporados los procedimientos más usuales y/o actuales de la estadística paramétrica (intervalos de confianza y pruebas de hipótesis) y no paramétrica. Permite comparar dos o más poblaciones según sea el caso. Además, de procedimientos multivariados dependientes (regresión múltiple, análisis discriminante, ANOVA) o de interdependencia (análisis de Factor, de Conglomerados). Pasos básicos. Los pasos a seguir en el análisis de datos utilizando el S.P.S.S son los siguientes: Entrada de datos: Puede abrir un archivo de datos previamente guardado, leer una hoja de cálculo, un archivo de texto o una base de datos, o introducir los datos directamente en el Editor de datos. Explore los datos y realice las transformaciones necesarias para lograr los objetivos propuestos.

3 Seleccione un procedimiento en los menús para crear tablas, calcular estadísticos o generar gráficos. Seleccione las variables que desea utilizar en el análisis. Es vital tener presente la escala de medición de las variables. Ejecute el procedimiento y analice los resultados. COMO INICIAR UNA SESION: La instalación coloca el icono del paquete en el sub menú programas del botón Inicio. Luego de entrar al programa, se maximiza la ventana, en la cual se editan (digitan) los datos. La presentación en pantalla, luego de activar el menú de Archivo es: En dicho menú se activan las opciones correspondientes fundamentalmente al manejo de archivos, es decir, se llaman nuevos archivos, se crean, se guardan y se imprimen. El SPSS tiene una característica en cuanto a los archivos que crea, y es la de guardar los resultados en archivos distintos a los de resultados, así como otras posibilidades, tal como se aprecia en la pantalla mostrada previamente.

4 Los archivos de datos son grabados con extensión *.sav, sin embargo, los resultados se graban con extensión *.spo, permitiendo grabar diferentes resultados en diversos archivos. Además, permite grabar formatos de tablas, programas de sintaxis etc. Con diferentes extensiones. Creación o Modificación de la estructura de un archivo de datos: El siguiente pantallazo muestra las opciones a definir cuando se crea un archivo con formato.sav, o para modificar una estructura ya hecha. Para activar el pantallazo anterior, es necesario darle clic en la pestaña ubicada en la parte inferior de la ventana de edición de datos, para luego digitar los nombres de las variables con sus respectivas características, así: Ejemplo Nombre: Máximo 8 caracteres. clso Tipo: Tipo de dato. Cadena Anchura: Espacio disponible para entrar datos. 1 Decimales: Cantidad de decimales (datos numéricos) 0 Etiqueta: Describir la variable objeto de estudio, de tal manera que dicha etiqueta salga en los cuadros de salida. Sexo del Paciente

5 Valores: Cambia los datos de entrada por nuevos rótulos o códigos. Tal como se aprecia en la pantalla Etiquetas de Valor - Perdidos: Se utiliza en caso de definir de antemano algunos códigos que representaran valores no válidos para el análisis. 99 Columna: Permite observar un número determinado de columnas, por defecto es de ocho. 8 Alineación: Poco usada, hace referencia a la presentación de la entrada de valores. Derecha Medida: Punto clave y fundamental para el posterior análisis de resultados. Nominal Luego de construir la estructura y de digitar o importar los datos, se procede a realizar el control de calidad de los datos, situación independiente de la parte propiamente estadística. Por lo tanto, se presentarán primero lo que he llamado órdenes de manejo, para luego entrar con las órdenes de procedimiento. ORDENES DE MANEJO: Están concentradas básicamente en los menús de Opción de Datos y en Transformar. En Datos, se puede: Insertar variables y/o casos, ordenar variables ascendente o descendentemente, unir archivos, tanto de manera horizontal (variables) como vertical (casos), seleccionar de un número de registros, algunos con características especiales o con fines de auditoria y muestreo. Tiene además, la potente opción de segmentar archivos, con la cual se optimiza de manera importante la forma de presentar información según variables de identificación, como: Municipio, región, comuna, zona, tipo de institución, sexo, escolaridad etc. Dado la importancia de ésta última opción,

6 se muestra a continuación. La variable seleccionada es usualmente categórica y lo que se pretende es que los resultados posteriores se entreguen según dicha variable, es decir, para hombres y para mujeres de manera separada. Transformar, es vital en el procesamiento de datos, ya que permite transformar los datos realizando cálculos, cambiando escalas, aplicando funciones. Incluso a las variables nominales se les puede recodificar. Las posibilidades de Transformar se muestran en el siguiente pantallazo. De las anteriores, las más utilizadas son: Calcular, opción que permite transformar los datos en bruto y Recodificar, la cual permite cambiar no sólo códigos, si no cambiar el nivel de la escala de medición de una cuantitativa a una categórica. Las cajas de dialogo para dichas alternativas son:

7 En la caja de dialogo se plantea la necesidad de calcular la edad de los pacientes en meses, por lo tanto se multiplica la variable original en años por 12, tal como lo muestra el pantallazo anterior. En la de recodificación, se observa como se codifica la variable edad según dos categorías, Adultos (48 a 50) y Adultos Mayores (más de 50). Esta caja de dialogo es la utilizada cuando la recodificación es en otra variable. ORDENES DE PROCEDIMIENTO: Se encuentran ubicadas en el menú, ANALIZAR, cualquier orden que involucre un procedimiento estadístico, bien sea paramétrico o no, multivariante o no, dependiente o no, clásico o no, se encuentra ubicado en ésta opción del menú. Se mencionaran las dos opciones más usuales, ellas son: La parte de estadística descriptiva y la de comparación de medias. La primera entrada es la siguiente:

8 Como se observa, esta opción permite realizar todos los procedimientos estadísticos más usuales, bien sean univariados, bivariados y multivariados, además, de paramétricos o no paramétricos, tanto para datos numéricos como para datos categóricos. En el Sub menú Estadísticos Descriptivos se realizan los procedimientos de: Frecuencias, Medidas de Posición y de Variación, análisis exploratorio de datos y cruces de variables. La entrada inicial es la siguiente:. Las frecuencias simples (.Analizar + Estadísticos descriptivos + Frecuencias), ayudan a determinar la existencia de errores de digitación y/o de situaciones anormales o atípicas. La caja de dialogo y las opciones a seleccionar son:

9 Nótese la diferencia en los iconos que anteceden los nombres de las variables. Se seleccionan las medidas requeridas, de acuerdo a las necesidades de información. Los resultados entregados sin ningún formato adicional son: N na Moda Percentiles Válidos Perdidos 5 Estadísticos Talla en Categorías SEXO Clase Social metros Edad a a. Existen v arias modas. Se mostrará el menor de los valores. Es claro que estas medidas no son adecuadas para las variables sexo y clase social. Válidos Total Clase Social Porcentaje Porcentaje Frecuencia Porcentaje válido acumulado Se requiere de pulir las tablas, ya que en algunos casos no se requieren las frecuencias acumuladas y en otros el porcentaje valido es igual a la columna titulada porcentaje.

10 Otra posibilidad que brinda el SPSS y que es fundamental en el análisis previo de los datos, es el análisis exploratorio de datos (Analizar + Estadísticos descriptivos + Explorar), cuya caja de dialogo es: Lo que se pretende es identificar la existencia de valores atípicos y/o extremos en las variables cuantitativas, según una(s) variables categóricas. Entrega por defecto, las medidas descriptivas y los gráficos de tallo y hojas y de caja y sesgo. Tal como se observa a continuación: Descriptiv os Tensión arterial sistólica SEXO Hombre Intervalo de confianza para la media al 95% Límite inferior Límite superior Estadístico Error típ Mujer recortada al 5% na Varianza Mínimo Máximo Rango Amplitud intercuartil Asimetría Curtosis Intervalo de confianza para la media al 95% Límite inferior Límite superior recortada al 5% na Varianza Mínimo Máximo Rango Amplitud intercuartil Asimetría Curtosis

11 Tensión arterial sistólica Stem-and-Leaf Plot for SEXO= 1 Frequency Stem & Leaf Stem width: 10 Each leaf: 1 case(s) Tensión arterial sistólica Stem-and-Leaf Plot for SEXO= 2 Frequency Stem & Leaf Extremes (>=180) Stem width: 10 Each leaf: 1 case(s) N = SEXO Los resultados se entregan teniendo en cuanta las categorías de la variable cualitativa o factor. Es labor del investigador definir en que casos se deben eliminar casos o estimarlos.

12 El gráfico de caja y sesgo, así como el de tallo y hojas, muestra de manera más diciente los valores considerados como anormales. De ahí la importancia de realizar éste procedimiento antes de construir las tablas y gráficos y calcular indicadores. Tablas de Contingencia. (Analizar + Estadísticos descriptivos + Tablas de contingencia) El cruce de variables pretende identificar si existe relación entre dos o más de ellas, además, de posibilitar el análisis de estas variables en una sola tabla, en lugar de construir dos cuadros simples. Estas tablas aplican fundamentalmente para variables categóricas o incluso cuantitativa discreta si ésta no tiene muchas categorías de respuestas Es útil recalcular manualmente los porcentajes marginales donde da 100%, con el fin de determinar los porcentajes de las categorías pertenecientes a la variable independiente. Lo usual es redactar los datos encontrados en las márgenes del cuadro, para luego identificar posibles relaciones entre las variables redactando las celdas interiores de la tabla. La tabla como la entrega el programa se muestra a continuación.

13 Tabla de contingencia Clase Social * SEXO Clase Social Total Alta Baja Recuento % de SEXO Recuento % de SEXO Recuento % de SEXO Recuento % de SEXO SEXO Hombre Mujer Total % 14.3% 18.6% % 74.3% 71.4% % 11.4% 10.0% % 100.0% 100.0% Compara s (Analizar + Estadísticos descriptivos + Compara medias). El Sub menú Comparar s permite realizar procedimientos de Inferencia Estadística, tales como diferencia de medias para datos paramétricos, tanto para muestras relacionadas como no relacionadas, además, del procedimiento ANOVA de una vía. Las opciones son las siguientes:

14 Los resultados siguientes, muestran los resultados originados por la comparación de medias para las variables cuantitativas, Trigliceridemia y Colesterolemia Basal, según la variable cualitativa clase social. Es claro, que el programa permite realizar las operaciones y cálculos que el usuario le defina, la situación importante, es que se le den órdenes que relacionen variables con significado según la teoría estudiada. Trigliceridemia basal Colesterolemia basal * SEXO SEXO Hombre Mujer Total N N N Trigliceridemia Colesterolemia basal basal Trigliceridemia basal Colesterolemia basal * Clase Social Clase Social Alta Baja Total N N N N Trigliceridemia Colesterolemi basal a basal OPCION GRAFICA. Hace referencia a los diferentes gráficos, tales como la nube de puntos, utilizada fundamentalmente en regresión, gráficos de análisis exploratorio de datos y los conocidos para los negocios, como: Barras, pastel, lineas etc. No sobra, resaltar que todos los procedimientos tienen diferentes opciones de maquillaje. No obstante, los gráficos no son el punto fuerte de éste paquete, al menos hasta la versión 11.5, ya que la nueva versión del 2004, realiza cambios importantes en éste sentido, de ahí, que el énfasis de éste documento no es presentar opciones que ya están rediseñadas, no obstante, se muestran algunas generalidades de la versión Es importante anotar que cada uno de ellos permite diferentes opciones, por ejemplo el histograma se puede construir con diseños como los presentados posteriormente.

15 Algunos de los más utilizados son: Barras: Simple, Agrupada y Apilada Dispersión: Simple y Superpuesto. Líneas: Simple y múltiples. Sectores: Circular o pastel Area: Simples y apiladas. Autocorrelaciones: Series de Tiempo Control: Control de Calidad Diagramas de caja: Medidas de posición. Barras de Error: Intervalos de Confianza al 95%

16 Digite la siguiente información: El que aprende y aprende y no práctica lo que sabe, es como el que ara y ara y nunca siembra. Platón EDAD SEXO ESTADO CIV. PROFESIÓN SALARIO (miles ESTRATO semanal) 28 Hombre Soltero Estadístic@ Mujer U.libre Enfermer@ Mujer Soltero Médic@ Mujer Soltero Enfermer@ Hombre Soltero Médic@ Mujer U.libre Bacteriólog@ Mujer Soltero Médic@ Mujer Casado Otra Hombre Casado Enfermer@ Hombre U. libre Otra Mujer Soltero Médic@ 5 32 Mujer Soltero Enfermer@ Hombre Soltero Bacteriólog@ Hombre Soltero Otra Mujer U. libre Enfermer@ Hombre Casado Médic@ Mujer Soltero Bacteriólog@ Mujer Casado Enfermer@ Hombre Soltero Bacteriólog@ Mujer Casado Bacteriólog@ Realice el análisis exploratorio de datos (variables cualitativas y cuantitativas). 2. Realice los cambios que considere necesarios (justifique sí es del caso) 3. Calcule el salario con unidad de medida en mes y la edad en meses. 4. Recodifique la edad en tres categorías: Menos de 30, de 31 a 40 y más de 50. De los nombres que considere adecuados. 5. Cruce las variables sexo VS estado civil y sexo VS estrato. Diga si las variables están relacionadas. Justifique. 6. Calcule las medidas descriptivas para las variables cuantitativa y diga cual es más homogénea. 7. Utilizando el diagrama de caja y sesgo, diga si la profesión influye en el salario. 8. Con las medidas de posición diga que forma parecen tener los datos. 9. Construya el histograma para las variables cuantitativas. Interprételo. 10. Calcule los percentiles 20, 40, 60 y 80. Interprételos. 11. Calcule los cuartiles e interprételos. 12. Diga si es mayor el salario de mujeres que el de los hombres puede generalizar el resultado?