Regresión múltiple con error estándar robusto en SPSS

En el modelo de regresión se asume el principio de homoscedasticidad (la varianza de los errores en el modelo de regresión es constante), si esto no es así (heteocedasticidad) se producen sesgos en la inferencia que deberíamos tener muy en cuenta. Es decir, la variabilidad de los errores varía incrementándose o disminuyendo en función de los predictores, por ejemplo. Con objeto de resolver este problema una de las soluciones es el uso de algoritmos OLS en regresión.

Índice de importancia relativa en ítems dentro de una escala Likert

En las escalas Likert usamos variables en escala ordinal, donde el uso de la media aritmética clásica  puede conducir a resultados distorsionados. 

Frente a esta solución clásica existen distintas alternativas que van desde la Mediana hasta el índice de importancia relativa (IIR). Este último es el que vamos a ver brevemente en este documento.

No obstante antes de proseguir conviene recordar que esta solución no deja de ser una puntuación promedio para un ítem, ajustado para tener un valor entre 1/w y 1, donde w es el número de categorías de respuesta. Dicho lo cual,  también puede calcular la puntuación media para cada elemento y una vez ordenadas de "más" a "menos" se obtendría una solución semejante a IIR (Gunduz et al., 2013; Hatkar & Hedaoo, 2016; Somiah et al., 2015).

Concordancia entre observadores: Kappa de Fleiss en SPSS 26

El estadístico kappa de Fleiss (Fleiss et al., 2003) indica el grado de acuerdo entre tres o más observadores/evaluadores,  sobre una variable en escala categórica, siendo una generalización de la prueba π de Scott (1955) y una de las alternativas más conveniente entre todas las pruebas del mismo tipo (Gwet, 2014). Por otra parte, indicar que es tan importante calcular el acuerdo global, como los acuerdos individuales en cada nivel de la variable estudiada. 

El estadístico puede variar de -1 a +1, donde el valor negativo (κ) indica que el acuerdo entre los  evaluadores fue menor que el acuerdo esperado por casualidad. Con -1 estamos indicando que no hubo acuerdo en nada de lo observado, mientras 0 indica que el acuerdo no es mejor que el azar, y los valores mayores que 0 representan un acuerdo cada vez mayor para los evaluadores, hasta un valor máximo de +1 , lo que indica un acuerdo perfecto.

Es importante señalar ahora, que el acuerdo no significa que su decisión sea correcta (por ejemplo, los psicólogos podrían estar diagnosticando erróneamente a los pacientes en problemas de aprendizaje,  quizás haciendo demasiada incidencia en pequeñas alteraciones en las tareas a que son sometidos los pacientes). 

Transformación entre percentiles y puntuaciones z en SPSS

Los estadísticos clásicos de posición en el campo de las Ciencias del Comportamiento, como es el percentil (Galton, 1885),  aún siguen siendo una herramienta que frecuente vemos en la literatura actual. Siendo útil tener siempre herramientas informáticas que nos apoyen en la labor de trabajo e investigación.

De todas ellas veremos en este breve ejemplo, la forma de obtener la puntuación Z o percentil a partir del otro valor. Es decir, cómo teniendo una Z podemos obtener la equivalente del percentil, o bien, dado un percentil averiguar el valor Z correspondiente. Y para ello usaremos el paquete estadístico SPSS.

Tamaño del efecto: F de Cohen

IBM SPSS no resuelve directamente la f o la d de Cohen, no obstante es posible deducir los estadísticos a partir de Eta^2.
Para ello deberemos tener en cuenta:
eta^2 = f^2 / ( 1 + f^2 )
f^2 = eta^2 / ( 1 - eta^2 )
...donde
f^2 es el cuadrado del tamaño del efecto, y eta^2 es eta^2 parcial obtenido por el SPSS.
(Cohen, 1988; pg. 281)

Procedimiento de correlaciones heterogéneas en SPSS 24

En ciertas situaciones la naturaleza de las variables no permite el uso de la correlación de Pearson, o sus algoritmos asociados. Para este tipo de situaciones el SPSS 24 (IBM Corp., 2016) contempla módulos integrados en R como el que vamos a describir en esta entrada brevemente.

Este procedimiento extendido de las correlaciones heterogéneas requiere, además del modulo IBM SPSS Statistics, los complementos de integración para R como para Python.

Procedimiento DETECTANOMALY en SPSS 24

El proceso de análisis de datos que describimos "Detectanomaly", se puede encontrar en distintas versiones del SPSS, en nuestro caso corresponde con la versión 24. Este procedimiento permite identificar los valores "anómalos", buscando para ellos los casos atípicos basados sobre las desviaciones de casos similares y de las razones para tales desviaciones. 

Este recurso, se puede verificar tanto sobre variables originales o mediante la creación de nuevas variables (transformación de las existentes en la base de datos). Y una vez que hayan identificado los casos inusuales, se puede examinar más a fondo estos casos y determinar si se deben incluir en nuestros análisis. Para este caso hemos usado la base de datos correspondiente a las elecciones al parlamento español, celebradas en junio de 2016, con objeto de averiguar si existen patrones anómalos interesantes en el comportamiento del voto (Parsons, 1998; Tung, 2016).

Modelado geoespacial en SPSS 23

Los sistemas de información geográfica (SIG), compuestos de una base de datos espacialmente referenciada y de un conjunto de instrucciones (procedimientos) que nos ayudan a manejarla (Burrough y McDonnell, 1998), son un elemento básico en la construcción de modelos psicosociales operados a la luz de la Metodología Mixta. Este modelado geoespacial puede utilizar datos de mapas que contienen información respecto a las áreas geográficas y datos demográficos u otros elementos descriptivos como, por ejemplo, informes de población relativos a las tasas de desempleo.

El programa SPSS 23, en su módulo base, incorpora ahora un asistente de modelado geoespacial, bastante sencillo de utilizar. Está incorporado en las opciones de análisis:

El estadístico Masa en Análisis de Correspondencias

El Análisis de Correspondencias(AC), es un procedimiento que permite describir de forma geométrica las relaciones entre variables de diversa naturaleza. Dentro de este procedimiento nos encontramos entre los primeros resultados el concepto estadístico de Masa, que simplemente es la frecuencia relativa de los totales filas y columnas en la tabla de datos analizada.
Se utiliza tanto para ponderar los perfiles de los puntos, como en la interpretación de la importancia de un punto (influencia) en el análisis desarrollado (los modelos deben seguir a los datos, y no al revés; Benzécri, 1976).  De esta forma, al considerar los puntos con una masa proporcional se evita privilegiar las categorías con frecuencias bajas o nulas.

PISA 2012

PISA es el nombre que recibe una evaluación de conocimientos y destrezas de alumnos de 15 años, en las áreas de Matemáticas, Lectura y Ciencias. Los países implicados pueden variar de un periodo a otro ya que es voluntario.

Los datos brutos así como los procedimientos de cálculo automático, correspondientes al año 2012, pueden ser consultados en el siguiente enlace:

Database - PISA 2012

SPSS (CrowdSourcing)

El trabajo en la red, de forma cooperativa, es algo bien conocido en estos tiempos. Desde hace años, el SPSS incorpora un elemento que encaja dentro de esta filosofía. Concretamente la posibilidad de acceder a bases de datos que no están almacenadas en nuestras máquinas, sino en lo que se conoce como la nube. Posibilitando de esta forma el acceso a distintos investigadores sin tener la necesidad de almacenarlos en sus dispositivos.

La instrucción implementada en concreto:

SPSSINC GETURI DATA

En el ejemplo mostrado en la imagen siguiente podemos ver la pantalla de acceso a una base de datos:

Encaja en la filosofía de hacer público los datos (poner en línea los datos), como una forma de que otros sean capaces de avanzar rápidamente en la línea de investigación. Si hay algunas restricciones de confidencialidad, se deben retirar los elementos que puedan ayudar a la identificación de los encuestados.

Python & SPSS

Python es un lenguaje integrado dentro del programa IBM SPSS. De naturaleza intérprete, multiparadigmático (soporta orientación a objetos, programación imperativa y funcional).

Es útil, junto al R, a la hora de utilizar  tareas repetitivas, o bien en operaciones avanzadas no disponibles a través de los cuadros de diálogo. Es un complemento básico si usamos la sintaxis de IBM SPSS, permitiendo el acceso a estructuras complejas de programación.

En SPSS se programa de forma general en el editor de sintaxis, permitiendo su cifrado. Se puede proteger con una contraseña. Estos archivos solo se pueden abrir proporcionando la contraseña (extensión spsx).

IBM SPSS 22.0

El IBM SPSS Web Report es un informe interactivo que se puede abrir en un navegador y contiene diagramas, tablas y otros resultados producidos por IBM SPSS Statistics. Puesto que este documento es un solo archivo, se puede colocar en cualquier sitio web sin necesidad de servidores o configuración adicionales, se puede publicar en un servidor de archivos compartidos, se puede copiar en un medio de archivo portátil o se puede distribuir a través del correo electrónico. 
Los informes web son archivos HTML5 que se pueden abrir en todas las versiones posteriores de los navegadores utilizados con más frecuencia.

Minería de Datos: IBM SPSS Modeler

IBM® SPSS® Modeler es una herramienta básica destinada a encontrar relaciones útiles entre grandes conjuntos de datos, encajando en la aproximación conocida como Minería de Datos.

Frente a los métodos estadísticos tradicionales, el nuevo paradigma imperante, basado en la Inteligencia Artificial, se caracteriza por no ser necesario saber lo que se está buscando al comenzar la investigación (serendipia). Se exploran los datos, mediante el ajuste de diferentes modelos y relaciones, hasta que la máquina encuentre la información que resulte útil en el campo tratado.

Integración de SPSS y R

Es de todos bien sabido la integración existente entre el programa comercial IBM SPSS, y las herramientas libres de la comunidad conocido como R.

En este enlace recogemos un ejemplo claro y sencillo de la filosofía que se va extendiendo poco a poco entre los investigadores. Muy recomendable para aquellos usuarios que se acercan por primera vez a la fusión de las herramientas informáticas en Proceso de Datos en la Nube.

http://datamininginsights.co.uk/2013/05/04/using-r-spss-statistics-to-add-custom-visualizations-to-modeler/

SPSS 21: Definir propiedades de las variables.

En el SPSS (en este caso usamos la versión 21) encontramos en el bloque genérico de datos la función de ayuda en la definición de las propiedades de las variables (escala de medida) desde un punto de vista empírico. Alejándose de las reglas clásicas de medición (modelo clásico de Stevens) al  utilizar como elemento esencial el número de casos distintos dentro de la propiedad medida y la existencia de los decimales.

Por ejemplo, si propiedad en la base de datos presenta sólo dos números distintos la sugerencia será nominal, como podemos ver en el caso siguiente:

En el caso de 3 números distintos sugiere una escala ordinal, mientras que si nos encontramos con un "alto" caso de valores numéricos distintos o con valores con decimales la sugerencia pasaría a ser escala métrica:

Por supuesto, el programa recuerda que no intenta sustituir a las valoraciones teóricas que pueda utilizar el investigador.

Es un procedimiento que en ciertas ocasiones puede ser útil en el campo de la Metodología.