Estatística no SPSS

Curadoria dos melhores tutoriais discorrendo sobre o conteúdo teórico e a prática no SPSS e em outros aplicativos.

Curadoria dos melhores tutoriais discorrendo sobre o conteúdo teórico e a prática no SPSS e em outros aplicativos.

1 Estatística Descritiva

Clique     Retroceder    Avançar   Espaço /    /   F

 [Média (x̄) & Dispersão], [Variância (S²)] e o [Desvio Padrão (S)].

[Aplicações do Desvio Padrão] e a [Regra Empírica].

2 Outliers, boxplot e padronização

Clique     Retroceder    Avançar   Espaço /    /   F

• [accordion]
• Outlier
• Os valores extremos são respondentes que têm opiniões muito distantes da média padrão. Neste caso, muitas vezes os valores extremos possuem respostas que ficam nos extremos das escalas e podem, por consequência, “inflar” ou enviesar os resultados da pesquisa.5

3 Testes de hipóteses

Clique     Retroceder    Avançar   Espaço /    /   F

[Qui Quadrado] [2 Variáveis] [2 Variáveis (correlação)] [Teste de Normalidade] [Gráfico da normal]

• [accordion]
• Valor-p
• Probabilidade de obter o padrão de resultados que encontramos no nosso estudo se não havia relacionamento entre as variáveis de interesse na população.6

4 Correlação

Clique     Retroceder    Avançar   Espaço /    /   F

[Correlação Bivariável][Gráfico da dispersão - Scatterplot]

• [accordion]
• Coeficiente de Correlação de Pearson (r)
• Uma medida grosseira do relacionamento entre variáveis é a covariância. Se padronizarmos esse valor (dividindo-o pelo desvio padrão) obtemos o coeficiente de correlação de Pearson, ou r de Pearson.2
• Análise do Coficiente
• • O coeficiente de correlação deve variar entre − 1 e + 1.
  ➫ + 1 indica um relacionamento positivo perfeito.
  ➫ − 1 indica um relacionamento negativo perfeito.
  ➫ 0 indica que não existe relacionamento linear.
  •O coeficiente de correlação é uma medida do tamanho de um efeito comumente utilizada:
  ± 0,1 representam um efeito pequeno,
  ± 0,3 representa um efeito médio e
  ± 0,5, um efeito grande.2
• Correlação
• Correlação é a relação entre duas variáveis.3 Significa que duas variáveis numéricas possuem algum tipo de relação linear.4

5 Regressão Linear Simples

Clique     Retroceder    Avançar   Espaço /    /   F

[Regressão Linear Simples]

6 Regressão Linear Múltipla

Clique     Retroceder    Avançar   Espaço /    /   F

[Regressão Linear Múltipla]

7 Análise Fatorial

Clique     Retroceder    Avançar   Espaço /    /   F

• [accordion]
• Alfa de Cronbach
• Medida de confiabilidade que varia de 0 a 1, sendo os valores de 0,60 a 0,70 considerados o limite inferior de aceitabilidade.¹
• Autovalor
• Soma em coluna de cargas fatoriais ao quadrado para um fator; também conhecido como raiz latente. Representa a quantia de variância explicada por um fator.
• Cargas fatoriais
• Correlação entre as variáveis originais e os fatores, bem como a chave para o entendimento da natureza de um fator em particular. As cargas fatoriais ao quadrado indicam qual percentual da variância em uma variável original é explicado por um fator.
• Comunalidade
• Quantia total de variância que uma variável original compartilha com todas as outras variáveis incluídas na análise.1
• Escore fatorial
• Medida composta criada para cada observação de cada fator extraído na análise fatorial. Os pesos fatoriais são usados em conjunção com os valores da variável original para calcular o escore de cada observação. O escore fatorial pode então ser usado para representar o(s) fator(es) em aná- lises subseqüentes. Os escores fatoriais são padronizados para que tenham uma média de 0 e um desvio-padrão de 1.
• Kaiser-Meyer-Olkim (KMO)
•  A medida de adequação da amostra KMO pode ser calculada para variáveis individuais e múltiplas e representa a razão da correlação ao quadrado para a correlação parcial ao quadrado entre as variáveis. A estatística KMO varia entre 0 e 1. Um valor de 0 indica que a soma de correlações parciais é grande relativa à soma das correlações, indicando difusão no padrão das correlações (portanto, a análise de fatores provavelmente é inadequada). Um valor próximo de 1 indica que padrões de correlações são relativamente compactos, assim, a análise de fatores deveria dar preferência a valores distintos e confiáveis. Kaiser (1974) recomenda valores maiores do que 0,5 como sendo apenas aceitáveis (valores abaixo disso deveriam levar você a coletar mais dados ou repensar quais variáveis incluir). Além disso, valores:
  ➫ entre 0,5 e 0,7 são medíocres,
  ➫ entre 0,7 e 0,8 são bons,
  ➫ entre 0,8 e 0,9 são ótimos e
  ➫ acima de 0,9 são excelentes.2 
• Rotação fatorial
• Processo de manipulação ou de ajuste dos eixos fatoriais para conseguir uma solução fatorial mais simples e pragmaticamente mais significativa.1
• Teste de esfericidade de Bartlett
• Teste estatístico da significância geral de todas as correlações em uma matriz de correlação.1

Fontes: Canais StatMeUp, Josimar Costa, Fernanda Peres, Rogerio de Melo Costa Pinto, Psicometristas (Brasil)

1 Hair, Joseph F.; Black, William C.; Babin, Barry J.; Anderson, Rolph E.; Tatham, Ronald L.. Análise Multivariada de Dados
2 Field, Andy. Descobrindo a Estatística Usando o SPSS
3 Fox, James Alan. Estatística para ciências humanas.
4 Rumsey, Deborah. Estatística Para Leigos. Editora Altabooks.
5 Vieira, Valter Afonso. Introdução à pesquisa experimental usando SPSS. 2018.
6 Dancey, Christine; Reidy, John. Estatística Sem Matemática para Psicologia (Métodos de Pesquisa)

[Visto no Brasil Acadêmico]