Guia Prático do SPSS Outubro/2010 Utilização do SPSS (Statistical Package for the Social Sciences) – Guia Prático I – 2 Programa “Utilização do SPSS” 1. Introdução 2. Origem 3. Abordagem conceptual 4. Áreas de interesse 5. Ambiente de trabalho 6. Criação de ficheiro de dados 7. Importação de ficheiros 8. Análise estatística de dados 9. Análise de gráficos 10. Ajuda - Utilização do tutorial Bibliografia • • • PESTANA, M. H., GAGEIRO, J. N., Análise de Dados para Ciências Sociais – a complementaridade do SPSS, Ed. Sílabo, 1998 PEREIRA, Alexandre, SPSS – Guia prático de utilização – Análise de Dados para Ciências Sociais e Psicologia, Ed. Sílabo, Lisboa, 1999 HILL MAGALHÃES, Manuela, Hill, ANDREW, Investigação por Questionário, Ed. Sílabo, Lisboa, 2000. • Site: www.spss.com 3 1. Introdução O SPSS é um package estatístico que integra diversas funcionalidades que envolvem a recolha, validação e a análise de dados. A sua utilização deve ser sempre supervisionada por uma boa orientação em termos de conhecimento e domínio das técnicas estatísticas envolvidas. 1.1 Objectivo: Dotar os formandos de conhecimentos básicos para a utilização de determinadas técnicas para a obtenção e análise de resultados estatísticos. 1.2 Requisitos básicos: Estatística (ou que utilizem como apoio um livro de estatística). Informática (windows,..). 1.3 Resultados esperados: Introduzir dados num novo ficheiro; gravar ficheiros e abrir ficheiro criado anteriormente; definir e transformar variáveis; Importar dados do Excel e de outras aplicações; Analisar dados (estatística univariada e bivariada, tabelas e gráficos); Executar alguns procedimentos de estatística inferencial. 4 foram desenvolvidos na década de 60 vários softwares estatísticos. possui diversos módulos estatísticos. EPINFO: foi desenvolvido sob os auspícios da ONU. principalmente quanto aos seus recursos gráficos. Além do SPSS. é muito popular nos institutos de pesquisa. Tornou-se muito popular no meio académico a partir da década de 70. para ser utilizado e popularizado na área médica.2. contém vários módulos. "BMD" (Biomedical Computer Programs): desenvolvido na Universidade da Califórnia. é semelhante ao SPSS. De entre esses. Origem Universidade de Londres nos anos 60. 5 . todavia. podem ser citados: SAS (Statistic Analysis System): foi desenvolvido na Universidade da Carolina do Norte. tecnicamente constitui um software limitado. htm — é um site para seleccionar procedimentos estatísticos.com — é o site de um pacote menos conhecido.ucla.spss. chamado Statistica. ao contrário dos softwares tradicionais. ♦ www. Alguns endereços estatísticos: ♦ www.ats.statsoft.html ♦ trochim.statsoft. ♦ www.edu/selstat/ssstart. factoriais e de correspondências múltiplas. possui particularidades como a capacidade de realizar análises lexicais.edu/stat/ — é o site sobre recursos académicos da Univiversidade Califórnia Los Angeles (UCLA).cornell.com — é o site do SPSS com alguns links interessantes. possui uma visão dos dados que vai do particular ao geral.human. ♦ www. 6 .com/textbook/stathome.SPHINX: é originário da França. br) 7 . o SPSS é: uma poderosa ferramenta informática que permite realizar cálculos estatísticos complexos.com. (Pereira. e visualizar os seus resultados. Abordagem conceptual Segundo alguns especialistas. 2003). Um poderoso software estatístico especialmente desenvolvido para a utilização por profissionais de ciências humanas. Diferentemente de outros pacotes estatísticos existentes no mercado.3. em poucos segundos. 1999). Uma das muitas aplicações para o tratamento estatístico de dados disponíveis e das mais divulgadas no mundo inteiro (Fonseca & Silva. Processa em ambientes DOS e Windows e possui uma visão que vai do geral para o particular. Fernando. facilitando em muito suas análises estatísticas (Valentim. o SPSS apresenta uma interface bastante amigável ao usuário. 2001: fvalentin@ig. Um software útil para gerir e analisar estatisticamente uma matriz de dados. 8 . Áreas de interesse O SPSS pode ser utilizado nas mais diversas áreas do conhecimento e aplicações: Marketing Psicologia Administração Educação Ciências Sociais Serviço Social Economia Governamental Finanças Saúde Pública Pesquisa de Mercado Pesquisa Social Pesquisa Eleitoral Pesquisa de Opinião Pesquisa de Mídia Investigação cientifica.4. 5. 9 .1 Janelas Há oito tipos de janelas/windows no SPSS: Figura 1 – Lista de janelas do SPSS. Ambiente de trabalho 5. É a primeira janela que abre quando inicia o SPSS. 10 .Data Editor – A janela que apresenta o conteúdo do ficheiro de dados. Barra de menus Barra de ferramentas Barra de estado Figura 2 – Janela de edição de dados Folha de edição de dados Modo de visualização de dados Modo de visualização e definição das variáveis. Só é possível ter uma destas abertas num dado momento. Os dados podem ser criados ou modificados através desta janela. É composto por duas subjanelas: à esquerda está um organigrama do output: à direita estão os resultados propriamente ditos. 11 . Draft Viewer – Os resultados podem ser apresentados em forma de texto (instead of interactive pivot table) no Draft Viewer. Abre automaticamente. etc. adicionar cor. criar tabelas multidimensionais. sempre que um determinado procedimento gera resultados. etc.Viewer (Output) – Janela onde são apresentados todos os resultados estatísticos. tabelas. Pode editar-se o texto. gráficos. Figura 3 – Janela de visualização de resultados. trocar os dados de linhas com colunas. Pivot Table Editor – permite editar e modificar tabelas (editor da tabela dinâmica). tamanho. Podem alterarse as cores.Chart Editor – permite editar e modificar gráficos.Janela de edição de gráficos. trocar os eixos vertical com horizontal. Syntax Editor – Todos os comandos emitidos a partir dos menus do SPSS podem ser apresentados numa janela de sintaxe. Pode alterar-se com o tipo. etc. Figura 4 . fazer rotações. Script Editor – Janela de programação que permite personalizar e automatizar programas). cor e estilo das letras. Text Output Editor – permite alterar texto que não seja visível no Pivot Table Editor. utiliza-se o comando Paste das caixas de diálogo. seleccionar tipos e tamanhos de letras. tarefas do SPSS (pequenos 12 . Para isso. cruzamento de variáveis. pesquisa de dados e parametrização de opções diversas. excepto se for efectuada uma gravação com estas alterações. fontes. regressões. etc. Activar diversas barras de ferramentas/botões.2 Menus File Edit View Data Transform Analyze Graphs Utilities Windows Help Tabela 1 – Menu da Janela de dados M en u Funcionalidades Criar. Modificar. Obs: Estas alterações só serão efectivas se forem File Edit View Data Transform afectam o ficheiro. inserção de dados. Comutar entre as várias janelas do SPSS ou minimizá-las. séries. estatísticas não paramétricas. clusters. Ajudar o funcionamento do SPSS.5. gravadas. diagramas de dispersão. 13 . amostras. análise da variância. gravar ou imprimir ficheiros. abrir. de sectores. Obs: Estas alterações são temporárias e não Produzir alterações nas variáveis seleccionadas e. Analyze Graph Utilities Add-ons Windows Help Seleccionar vários procedimentos estatísticos como a análise descritiva. correlações. Ligar à Página do SPSS na Internet. Alterar globalmente os dados tais como: transpor variáveis e casos. grelhas. barra de status e mostrar os rótulos (labels) definidos. calcular novas variáveis a partir de valores de outras já existentes. ler. Criar gráficos de colunas. histogramas. criar subconjuntos de casos para análise. Obter informação acerca das variáveis. correr scripts e alterar menus. análise multivariada. controlar lista de variáveis que aparece nas caixas de diálogos. etc. copiar ou colar textos das janelas de output ou de sintaxe. LT. os restantes podem ser numéricos ou não numéricos. Deve indicar o tipo da variável: numérico. data (date). GE. tal como o Excel. As células podem apenas conter valor (numéricos e não numéricos). ou mesmo incluir certos símbolos (@. #. Criação de Ficheiro de dados 6. a variável sexo: digitar 1 para sexo feminino e 2 para sexo masculino e nos labels colocar a equivalência. descrever a variável e dos seus valores (rótulos/labels).1 Introdução de dados Aspectos a considerar: Muitas das características da Janela do Data Editor do SPSS são similares às de qualquer folha de calculo em ambiente Windows.6. e codificar os valores em falta/sem informação (missing values). Estão reservadas para a Syntax. definir fórmulas nas células. EQ. OR. ou $). NE. tal como se faz nas folhas de cálculos. GT. NOT. etc. Obs: É recomendável definir uma variável qualitativa como numérica e depois atribuir os rótulos ou labels. LE. Definição das variáveis (Data → Define Variable): O primeiro caracter deve ser uma letra. _. Não deve incluir espaços em branco ou conter os símbolos: &. E as linhas aos casos (ou registos). !. AND. textos/não numéricos (string). não é possível. 14 .? ou *. TO. Por exemplo. WITH não podem constituir nomes para as variáveis. As palavras ALL. As colunas correspondem às variáveis (ou campos). BY. . Feche todas as janelas do SPSS. 5.Considere um exemplo prático. find. Abra de novo o SPSS. Número de linha Nome da variável Editor de Célula Célula activa Figura 5 – Introdução de dados 1. Repita a alínea 2) para as outras variáveis. Utilize no menu Edit as opções (copiar. Abra o ficheiro de dados introduzido anteriormente: File → Open → nomeficheiro 6.. Analyze → Descriptive Statistics → Frequencies → variável 3.sav) 2. Produza: Tabela de frequências para a variável ano. apagar. Guarde o ficheiro: File → Save → nomeficheiro (osvaldo.) 7. 4. Insira 2 novas variáveis: Data → Insert variable 15 .. paste. Introduza/Insira 5 novos casos: Data → Insert Case 8.Exemplo 1 . faça o seguinte: 9. Analyze → Descriptive Statistics → Crosstabs ANO * SEXO Crosstabulation Count SEXO f 7 ANO 8 9 10 Total m Total 4 2 2 4 1 1 6 4 2 3 1 10 Obs: Este resultado foi obtido para 10 casos/indivíduos.Depois de efectuar o exemplo anterior. Cruze as variáveis ano e sexo. ano e turma e construa as frequências e os respectivos gráficos de barras. 16 . idade. Figura 6 – Selecção de variáveis 10. Seleccione as variáveis sexo. cruze as variáveis ano e sexo. separando os resultados por turma. Select Cases: Selecciona determinados casos. Para anular o Split File. Data → Select Cases → if condition. uma variável Data → Split File → Organize output by groups Figura 7 – Divisão de ficheiro A seguir. do not create groups 12. deve fazer: Data → Split File → Analyze all cases. Split File: permite dividir qualitativa/categórica por grupos. Seleccione apenas os alunos do sexo feminino. Repita o procedimento utilizado em 10).11. is satisfied 17 . Figura 8 18 . e a cada valor antigo colocar o valor novo e adicionar clicando add. Ainda. Series 19 . Seleccionar a variável e entrar em Old and new values. podendo usar todas as funções matemáticas e estatísticas Como accionar e os subcomandos Colocar o nome da nova variável em target variable. pode seleccionar casos utilizando a condição if .6. seguir o mesmo esquema do item anterior. Automatic recode Cria uma nova variável com o mesmo conteúdo da variável desejada Run Pending Roda as transformações pendentes transforms Create Time Cria séries temporais. • Into the diferent variable: cria uma nova variável em função de uma já existente. Rank cases Atribui postos na variável segundo uma outra. no fim dar continue. Por exemplo: soma=a1+a2+a3+a4.2 Transformação de variável (TRANSFORM) Transform Compute Função Calcula uma nova variável a partir de outras já existentes. Em numerical expression colocar as variáveis existentes e as operações entre elas. Random Number Serve para gerar um número aleatório Seed Recode Recodifica variáveis • Into the same variable: altera os valores da variável e guarda as alterações na mesma variável. Especificar Excel e seleccionar a opção (*. o SPSS cria um ficheiro com tantas variáveis quantas as colunas e tantos casos quantas as linhas do bloco especificado. Access).7. etc. vírgula. bases de dados (dBase. espaços). Por último. IMPORTAÇÃO DE FICHEIROS DE EXCEL File → Open → Figura 9 – Tipos de ficheiros Nesta janela deve: Procurar a pasta onde se encontra o ficheiro. Excel). onde se especifica se as primeiras células contêm os nomes das variáveis (se sim activar Read variable names) e o intervalo (rectangular) de células (no exemplo. 20 . Não se esqueça de guardá-lo na sua pasta (extensão . Importação de ficheiros O SPSS dispõe de procedimentos de importação de ficheiros criados noutras aplicações designadamente folhas de cálculo (Lotus 123.sav). ficheiros ASCII (separados por tabulações.xls). A1:B11). Aparece de seguida uma caixa de diálogo. 1 Tabelas de Frequência Antes de dar início à apresentação das diferentes funções estatísticas. .0 14..0 28.0 22..0 36.0 36.0 64. .0 100. 36% frequentam o 2º ciclo (9º e 10º anos de escolaridade). aconselha-se a interpretação das tabelas de frequência (frequency)..0 Interpretação: Dezoito (18) alunos frequentam o 7º ano de escolaridade.. os quais se encontram sob o comando Analyze (Análise de dados).0 100. 21 .8.. Por outro lado.. . Análise de estatística de dados (STATISTICS) O SPSS apresenta um conjunto de funções e procedimentos avançados para a análise estatística de dados.0 22.0 14. Ou seja. 36% dos alunos estão a frequentar o 7º ano.0 86. Considere o seguinte exemplo: Ano de Escolaridade Frequency 7 8 Valid 9 10 Total Percent Valid Percent Cumulative Percent 18 14 11 7 50 36. 8. Há 64% de inquiridos estudam o 1º ciclo do ensino secundário (7º e 8º anos de escolaridade). 28% o 8º ano de estudo.0 28.0 100. contendo medidas estatísticas. Figura 11 22 . Por exemplo.2 Análise de Relatórios (Reports) O SPSS produz pequenos relatórios.. Figura 10 • Ainda. para seleccionar uma ou mais variáveis (ou categorias de variáveis)..8. OLAP: Online Analytical Processing. pode-se seleccionar diferentes medidas estatísticas. utiliza-se o seguinte procedimento: Analyze → Reports → OLAP Cubes. clicando no Statistics. 1 Descritivas (Descriptives statistics) O SPSS apresenta as medidas: Localização (Tendência não Central) Localização/Posição (Tendência Central) Figura 12 – Estatísticas Descritiva Dispersão (ou variabilidade) Assimetria e Achatamento/Curtose Podem ser obtidas de 2 formas: Analyze → Descriptive Statistics → Frequencies → Statistics Ou Analyze → Descriptive Statistics → Descriptive → Options 23 .3.8.3 Medidas Estatísticas (Statistics) 8. . . D9). Percentis/centis (dividem em 100 partes iguais: P1. D2. 15º. coincide com a Mediana... o Q3 é antecedido de 75% dos valores e seguido por 25% dos mesmos.valor que ocorre com maior frequência numa distribuição. quando existe... 50% dos dados à sua direita como à sua esquerda.. 67º.. n Cut points for equal groups – definem outros separadores: Decis (dividem em 10 partes iguais: D1. (por exemplo. Ela pode não existir e. sendo definida como o resultado da divisão da soma de todos os valores observados pelo número total de observações. pode não ser única. tendo assim.. o Q2 tem abaixo de si 50% dos valores e acima de si também 50% e. divide a distribuição em 2 partes iguais.... Q2 e Q3) que dividem um conjunto de dados em 4 partes iguais: o Q1 (1º Quartil) é precedido de 25% dos valores e sucedido por 75%... por esta razão.Medidas de Tendência Central Mean (Media) – medida de tendência central mais utilizada. Medidas de Tendência não Central (ou de ordem) Quartiles (Quartis) – são 3 pontos (Q1.. Median (Mediana) – valor central (meio) de uma distribuição. .) Medidas de Dispersão (ou variabilidade) 24 ... Percentile(s): permitem especificar o percentil pretendido. P2 .P99). Mode (Moda) . uma 25 .E. Variance (Variância) – média dos quadrados dos desvios de cada valor em relação à sua média. Range (amplitude do intervalo de variação) – diferença entre os valores máximo e mínimo do conjunto de dados. Mínino (Minimum) – valor mínimo de uma distribuição. Indica a variabilidade da média aritmética entre amostras tiradas da mesma população. Esta medida permite a construção dos intervalos de confiança sobre o valor da média da população. O resultado desse quociente deve ser analisado da seguinte forma: Assimétrica negativa Não rejeitar a simetria Assimetria positiva < -2 -2 0 +2 > +2 Medidas de Achatamento (ou curtose) A divisão do Kurtosis pelo seu Std Error dá o coeficiente de achatamento (k). Mean (Estimativa do Erro amostral) – quociente entre o desvio padrão e a raiz quadrada da dimensão da amostra. Quanto à forma de achatamento. Intervalo Interquartil (Interquartile Range): Q3 . Medidas de Assimetria A medida de assimetria utilizada pelo SPSS é dada pelo quociente entre o Skewness e o seu Std Error. por definição.Q1. não possuindo a mesma unidade de medida dos dados originais. S.Std deviation (Desvio Padrão) – mais importante medida de dispersão. sendo definida como a raiz quadrada da variância. a sua utilização como medida descritiva ocasiona alguma dificuldade (sobretudo de interpretação) visto que se trata. Máximo (Maximum) – Valor máximo de uma distribuição. de uma média quadrática. Contudo. 0 26 .0 32.554 .00 14.0 24.78 .0 100. Statistics IDADE N Mean Std. Exemplo 4.25 13.093 .00 14 1.0 24.0 100.00 IDADE Frequency 10 11 12 Valid 13 14 15 Total Percent Valid Percent Cumulative Percent 12 1 3 12 14 8 50 24.0 2. Error of Mean Median Mode Std.0 100.0 28.662 5 10 15 639 10.0 16. Considere o seguinte output.24 -. Error of Kurtosis Range Minimum Maximum Sum 25 Percentiles 50 75 Valid Missing 50 0 12.distribuição pode ser Mesocúrtica (k igual a 0).0 84.0 2.0 6. Platicurtica (k menor que -2) e Leptocúrtica (k maior que +2).80 3.337 -1. Deviation Variance Skewness Std.0 28.0 26. Error of Skewness Kurtosis Std.75 13.0 56.0 16.0 24.0 6.0 24. faz-se a diferença da média e da moda e divide-se pelo desvio padrão. As idades variam entre os 10 (Mínimo) e os 15 (Máximo). Na tabela de frequência. a idade que corresponde ao Cumulative Percent imediatamente superior a 50 (13 ⇔ Cumulative Percent=56. A mediana ou precentil 50 indica que metade dos alunos tem até 13 anos. sendo a amplitude do intervalo de variação de 5 anos (Range). e vice versa (Variance e Std Deviation).78=14%). A variância é de 3.80/12.24.64.variação. esta diferença é negativa.0.80) e a raiz quadrada da dimensão da amostra (n=50) é 0. Kurtosis/Std Error Kurtosis=-1.25 anos (Std Error Mean). Neste caso. O desvio padrão igual a 1. 27 . O quociente entre o desvio padrão (1. A soma de todas idades é de 639 (Sum).25. Percentil 75: Significa que 75% dos inquiridos têm até 14 anos. A maioria dos alunos tem 14 anos (Mode). isto é. diz-se que a distribuição é Platicúrtica (mais achatada do que a normal).80 denota uma baixa dispersão (coef. Significa que a variação entre a média calculada (12. Como o resultado é negativo e menor que 2.78 anos (Mean).Interpretação: A idade média dos inquiridos é de 12. 1. O coeficiente de skewness é de –0. e a conclusão é a mesma.78) e a média de outras amostra aleatórias de igual dimensão é de 0. a mediana é a idade que acumula até si metade (50%) das observações. pode-se concluir que a distribuição é assimétrica negativa. Quanto menos dispersos estiverem os valores da variável idade relativamente à média.0). O quociente entre estes dois valores é igual a –1.337.65. (Median).554 e o seu Std Error (estimativa do erro) é de 0. . Na prática. Como é menor que –2.68. menor será o desvio padrão. O ponto máximo da distribuição é a média.0 13. simétrica e mesocúrtica.00 Frequency IDADE Figura 14 – Histograma com normal sobreposta O histograma acima com ajustamento à distribuição normal tem o aspecto onde sobressai o enviesamento da amostra para a direita em 28 .8 N = 50.0 Mean = 12.0 11.0 12. Dev = 1. Tem a forma de um sino e é definida com base em dois parâmetros: média e desvio padrão.0 15. Recorda-se que a distribuição normal é: Teórica.80 2 0 10.Distribuição normal O SPSS apresenta o histograma com a distribuição normal sobreposta. contínua.0 14. Analyze → Descriptive Statistics → Frequencies → Chart Figura 13 – Histograma com normal sobreposta Veja o Output: IDADE 16 14 12 10 8 6 4 Std. relação à distribuição teórica. isto é. de seguida a opção Plots. Figura 15 Faça Continue para voltar ao Explore. Opção Explore . Statistics. é uma boa ferramenta de verificar se há observações “outliers”. Escolha. muito útil para analisar a amostra em termos de concentração ou dispersão dos valores por intervalos quartílicos. bem como a sua simetria. tal como descrito atrás. De seguida. Figura 16 29 . Analyze → Descriptive Statistics → Explore Selecciona-se a variável a analisar (idade). além disso. Seleccione histograma. Faça Ok e analise o Output. bem como um achatamento um maior que o que seria de esperar.calcula as estatísticas. seleccionar o botão. e elabora o gráfico caule-e-folhas e o gráfico de extremos-e-quartis. observações extremas que se afastam muito da média dos valores da amostra. 229 50 . Tests of Normality Kolmogorov-Smirnov Statistic df Sig.824 50 . Se a amostra tiver menos de 50 casos o SPSS também calcula o teste de Shapiro-Wilk.000 .010** **.05) indica que a distribuição dos dados difere significativamente de uma distribuição normal. This is an upper bound of the true significance.Faça Explore. a. 30 . . . Teste de Normalidade Testa a hipótese de que os dados da amostra estão normalmente distribuídos. IDADE a Shapiro-Wilk Statistic df Sig. < 0. utilizando o Factor List para a variável Sexo. Analyze → Descriptives statistics → Explore → Plots Figura 17 A tabela Teste de Normalidade (Tests of Normality) mostra os resultados do Teste de Kolmogorov Smirnov (K-S). Lilliefors Significance Correction Um baixo valor de significância (é geralmente considerado baixo se Sig. 27 a 13.27 . Este intervalo de confiança só tem interesse se os valores em causa são de uma amostra seleccionada aleatoriamente de uma população mais vasta. com 95% de confiança.29. 13.27 .78 com o Std Error = 0. a verdadeira média da população deverá pertencer ao intervalo de 12. Ou seja. 29[ Significado: Existe uma probabilidade de 95% para que o valor desconhecido da média da população pertença ao intervalo ]12. Níveis: Confiança de 99% ⇒ Significância (risco) de 1% Figura 19 31 . 13.25 Níveis: Confiança de 95% ⇒ Significância (risco) de 5% Figura 18 Resultado: IC95% μ = ] 12.Intervalos de Confiança sobre a média (IC μ) Média: 12. 29[. – Prob.1 Análise Bivariada: Cruzamentos e Medidas de Associação (Crosstabs) "p" (nível de) significância estatística (Asymp. 13.10 . ou seja. em ciências sociais.). Ha (Hip.2 Análise Inferencial 8. 8.) são inferiores a 5%. Alternativa): As variáveis turma e sexo são dependentes (existe uma relação entre as 2 variáveis).Resultado: IC99% μ = ] 12.3. 46[ Conclusão: Diminuindo o nível de significância (risco) implica um aumento do intervalo de confiança. Nula): As variáveis turma e sexo são independentes. As hipóteses do Teste de Qui-Quadrado são: H0 (Hip.2. Analyze → Descriptive Statistics → Crosstabs → Statistics 32 . há menos de 5 possibilidades em 100 de suceder um determinado resultado. considera-se que são estatisticamente significativas. Geralmente. Variável Qualitativa – Nominal Independência Estatística – utiliza-se normalmente o Teste de Qui-Quadrado de Pearson. Sig. χ2. quando estas probabilidades (Asymp. Sig.3. Sig. há evidência/significância estatística para aceitar a hipótese alternativa de que são dependentes (existe relação entre 2 variáveis).000 . The minimum expected count is 3. ou seja.000.90. Conclusão: Como o nível de significância do teste de Qui-Quadrado é de 0. rejeita-se a hipótese de serem independentes (H0). 2 cells (33.Figura 20 Resultado: Chi-Square Tests Value Pearson Chi-Square Continuity Correction Likelihood Ratio Linear-by-Linear Association N of Valid Cases df Asymp.3%) have expected count less than 5. Portanto. valor inferior a 0.000 50 a.883a 40. (2-sided) 36.05 (5% de signficância fixada). pode-se inferir a relação de dependência observada na amostra para o universo/população em estudo.291 2 2 . 33 . 893 -.162 . Varia entre –1 (negativa) e 1 (positiva). Kendall's tau-c Gamma Kappa d Asymp.c 50 . . Error Approx. Variáveis Quantitativas Coeficiente de Correlação de Pearson – aplica-se às variáveis quantitativas.859 . Analyze → Correlate → Bivariate → variáveis 34 .000 .117 -.893 .372 . T b Approx.179 -. Associação ou Correlação Negativa: variação entre as variáveis for em sentido contrário (aumento de uma variável está associada à diminuição de outra).000 . Correlation statistics are available for numeric data only. c.000 .132 . a Std.893 -. Associação ou Correlação Positiva : variação entre as variáveis for no mesmo sentido. d. Using the asymptotic standard error assuming the null hypothesis.122 -. b. Kappa statistics cannot be computed. Not assuming the null hypothesis.859 . Sig.They require a symmetric 2-way table in which the values of the first variable match the values of the second variable. O teste Phi só se aplica para tabelas 2 x 2.372 .136 .Medidas de Associação – baseadas no Teste de Qui-Quadrado Symmetric Measures Value Phi Nominal by Nominal Cramer's V Contingency Coefficient Kendall's tau-b Ordinal by Ordinal Measure of Agreement N of Valid Cases a. Quanto mais próximo estiver dos valores extremos maior e a associação linear.372 Significado: Todos esses testes indicam que existe uma associação forte entre as duas variáveis devido aos seus altos valores.652 -. 2. Modelo de Regressão Linear Simples (MRLS): permite encontrar a recta que melhor representa a relação entre 2 variáveis (X e Y). 8. 35 . independentes ou X).2 Regressão (Regression) Modelo estatístico usado para prever o comportamento de uma variável contínua (variável dependente ou Y) a partir de uma ou mais variáveis (var.Figura 21 Variáveis Ordinais Coeficiente de Spearman – utiliza-se para as variáveis ordinais.3. Modelo de Regressão Linear Simples (MRLS): Quando existe apenas uma variável independente. Modelo de Regressão Linear Múltipla (MRLS): Quando existe mais do que uma variável independente. H0 é rejeitada para o nível de significância de 5% 36 .892 . Dependent Variable: ALTURAF Declive Ordenada na origem Figura 23 0.05 . Y: var... dependente/explicada X: var. em que.238 .413 . deve executar o seguinte procedimento: Analyze → Regression → Linear Figura 22 Resultado da regressão linear Coefficientsa Standardi zed Coefficient s Beta Model 1 (Constant) ALTURAP Unstandardized Coefficients B Std.276 . .574 . Error t Sig.154 . independente/explicativa a: declive ou inclinação b: ordenada na origem (CONSTANT) Para proceder ao cálculo da equação da recta de regressão linear.Y = aX + b.858 ..001 a.01<0.864 5. 238 Interpretação: a = 0.795 .Por cada aumento de uma unidade na altura dos País (X) implica um aumento de 0. Coeficiente de determinação (R2 e R2 Ajustado) – indica a qualidade do ajustamento da recta estimada aos dados. Se o declive fosse negativo.5%) da variação da variável dependente (ALTURAF) em torno da sua média é explicada pela regressão.Equação da recta ⇒ ALTURAF = 0.238.858ALTURAP + 0. b = 0. considerase um bom ajustamento. Model Summaryb Adjusted R Square Std.638E-02 a. ALTURAP b.858 . a altura do Filho será 1. ou seja. Exercício: Se um Pai tiver 1. o modelo explica 80%. a recta decresceria da esquerda para a direita.238 – Para ALTURAP=0 ⇒ ALTURAF=0.95 m de altura.91. Predictors: (Constant). Error of the Estimate Model 1 R R Square . Portanto. aproximadamente.892a . 37 .770 4.858 na altura dos Filhos (Y). Dependent Variable: ALTURAF Coeficiente de correlação Coeficiente de determinação Cerca de 80% (79. Método utilizado: Mínimos Quadrados (MMQ). O valor positivo indica de que a recta cresce da esquerda para a direita. 38 . individualmente.001a a. ALTURAP b. Entretanto. pode-se concluir que o modelo é adequado para descreve esta relação. Escolha as variáveis dependente e independentes III. valor inferior a 5%.404E-02 1 8 9 6. Graphs → Scatter → Simple → Define II. Predictors: (Constant). o modelo é estatisticamente significativo.01.05 (5%). isto é.721E-02 Total df Mean Square F Sig. serem nulos. Label Cases by → colocar o nome da variável que identifique os pontos nos gráficos. esta variável é estatisticamente significativa. ANOVAb Model 1 Sum of Squares Regression 6.683E-02 Residual 1.01. a conclusão não é a mesma para a CONSTANT.do Teste F é de 0. Dependent Variable: ALTURAF Como o Sig. valor inferior a 0.Teste T – testa a hipótese dos parâmetros.683E-02 2.072 . ou seja. Seleccione Options e active Display chart with case labels.do Teste T é de 0. 8.151E-03 31. em termos globais o modelo. Teste F – valida. Como o Sig. e não cada um dos parâmetros isoladamente. pode-se concluir que a variável ALTURAP é diferente de zero. Diagrama de Dispersão (ou de pontos) I. 6 1. Joao El ton.8 1.9 2.0 ALTURAP Figura 25 39 .7 ALT URAF Li to. Jorge Tavares.Figura 24 Resultado: Utilizando o ajustamento da recta.6 1. Silva Montei ro. Pedro 1. Melo Leao.9 Antonio. Elzo 1. Santos Pedr o.7 1. 2.0 Elmano.8 1. Silva 1. Elio Mapa. Pina Borges. Partial Calcula o coeficiente de correlação Distances Frequencies 40 . Lista casos escolhendo as List cases variáveis desejadas Report Summaries Organiza relatórios em linhas. Analyze Summarize Descriptives statistics Sub-comandos Função Compare means ANOVA models Correlate Calcula a tabela de distribuição de frequências. inferencial e multivariada disponíveis pelo SPSS. Calcula as principais estatísticas Descriptives descritivas. etc. das variáveis desejadas. Calcula a tabela de distribuição de Crosstabs frequências cruzadas. Means soma. Bivariate tomando as variáveis de duas em duas.Calcula o teste de diferença de duas médias de populações test emparelhadas. o desvio padrão. segundo uma variável in Rows Calcula a média.Tabela 2 . One-Way ANOVA Testa a diferença de médias de mais de duas amostras Testa a diferença de médias do Simple factorial modelo fatorial General factorial Testa a diferença de médias do modelo geral Calcula o teste de análise de Multivariate variância multivariada Calcula a matriz de correlação. podendo ainda repetir essas análises por outra variável. Faz uma análise completa das Explore variáveis.Procedimentos de estatística: descritiva. Calcula o teste de diferença de Independent– duas médias de populações sampled T-test independentes Paired-sampled T. calcula o teste Qui-quadrado e o Coeficiente de Pearson para associação de variáveis e outros testes. 41 .0) apresentam mais procedimentos estatísticos.Regression Linear Logistic Probit Nonlinear parcial. Ajusta o modelo de regressão linear Ajusta o modelo de regressão logística Ajusta o modelo Probit Ajusta um modelo não linear Loglinear Classify Data Reduction Scale General Hierarchical Logit K-means cluster Hierarchical clusters Discriminant Factor Análise de clusters Análise de clusters hierárquicos Análise discriminante Análise factorial Non Parametric Test Survival Multiple response Reliabity analysis Análise de confiabilidade Multidimensional Scaling Testes não paramétricos ou de Chi-square distribuição livre Binomial Runs 1-Sample K-S 2-Independent Samples k-Independent Samples 2-Related Samples K-Related Samples Análise de sobrevivência Análise de respostas múltiplas Obs: As versões mais recentes do SPSS (11. Calcula a distância euclidiana entre os casos. Análise de gráficos (GRAPHS) A representação gráfica é uma das possibilidades de análise de dados sob uma forma ilustrada. • SPSS oferece vários tipos de gráficos: Graphs Bar Line Area Pie Boxplot Scatter Função Gráfico de barra De linha De área Circular Da caixa De dispersão Tipo de variáveis Qualitativas. produzindo uma visão mais clara e imediata dos resultados. Tem a opção de desenhar a curva normal superposta ao histograma Histogram Histograma 42 .9. podendo colorir segundo outra variável Quantitativa (de preferência contínua). discretas de poucos valores Séries de tempo Série de tempo Qualitativas Quantitativas Relação entre duas variáveis quantitativas.