Manual de investigación científica para estudiantes de educación física
Descripción
! " # " " "
$ % & $ '
! " # $ !% ! & $ ' ' ($ ' # % % ) %* %' $ ' + " % & ' ! # $, ( $ - . / - . . ! 0 1 . ( - % 1 / - % % % % % % - % 2 1 - - 1% % 2 3 $$$ 4 5 5 " 6 5 7 "4" )*83 +) * !9 !& :!;%::0,05) por lo cual se acepta la hipótesis nula que plantea la igualdad de varianzas. Entonces utilizaremos la fila superior de resultados. La Sig. para la comparación de medias de los grupos es igual a 0,287 (p>0,05). Razón por la cual se acepta la hipótesis nula. No existen diferencias significativas en la práctica de actividad física entre hombres y mujeres universitarios entre 18 y 25 años. En Mean Difference observamos la diferencia entre las medias de la muestra, en este caso de – 0,250 (media de hombres menos media de mujeres). En los dos últimos cuadros de la tabla aparecen los intervalos de confianza a un 95% (uno el menor y otro el mayor). Esto hace referencia a que la diferencia de medias de las poblaciones de donde obtuvimos nuestras muestras se encuentran entre -0.718 y + 0,218 con un 95% de probabilidades de no cometer error.
3.
Prueba T para muestras relacionadas
Es una prueba para determinar si existen diferencias significativas entre las media de dos muestras relacionadas. Por ejemplo: un investigador desea conocer si existen efectos de charlas deportivas motivacionales sobre la práctica de actividad física en población sedentaria. Para ello establece las hipótesis: H1= Las charlas deportivas motivacionales influyen en la práctica de la actividad física en un grupo de personas sedentaria. H0= Las charlas deportivas motivacionales no influyen en la práctica de la actividad física en un grupo de personas sedentaria. En el SPSS vamos a: Analyze (Analizar) Compare Means (comparación de medias) Paired-sample T test (prueba T para muestras relacionadas). 120
Luego se abrirá una pantalla como la figura 32. En el cuadro de la izquierda aparecen todas nuestras variables. Debemos pasar al cuadro derecho nuestra variable dependiente (medición) y la variable de asociación (grupos a comparar).
Figura 32.
La hoja de análisis entrega una tabla como la figura 33. Ahí se observa que el Sig. es de 0,000 (p0,05) por lo tanto se acepta la hipótesis nula.
b) Análisis no paramétricos Corresponde a los análisis estadísticos que se realizan cuando los datos poseen las siguientes características: Los datos de la muestra no necesitan tener una distribución normal. Los datos de la muestra deben ser medidas nominales u ordinales (categorías). 134
Los análisis no paramétricos más utilizados son:
1. Chi cuadrado ó X2 Es una prueba que permite conocer si existe relación entre variable categóricas. Por ejemplo, un investigador desea conocer si el sexo influye en la práctica de actividad física en estudiantes universitarios. Para ellos establece las hipótesis correspondientes: H1= Existe relación entre el sexo y la práctica de actividad física en estudiantes universitarios. H0= No existe relación entre el sexo y la práctica de actividad física en estudiantes universitarios.
En el SPSS vamos a: Analyze (Analizar) Descriptive Statistic (Estadísticos descriptivos) Crosstab (Tabla de contingencia).
En la pantalla de Crosstab (Fig. 45) encontramos en el cuadro izquierdo todas nuestras variables. La variable que usaremos en la columna debe ser llevado al cuadro superior derecho y la variable que usaremos en la fila al cuadro inferior derecho (recuerde que estas variable forman una tabla).
135
Figura 45.
Aquí presionamos Statistic y aparece una pantalla como la figura 46, donde marcamos los índices Chi-square y correlations. Luego presionamos Continue y al volver a Crosstab presionamos OK.
Figura 46.
136
La hoja de análisis nos entrega una tabla como la figura 47. En la Sig. de actividad física observamos un valor de 0,309 (p>0,05) por lo cual aceptamos la hipótesis nula, no existe diferencia en la práctica de actividad física por sexo en estudiantes universitarios. Chi-Square Tests Value
Asymp. Sig. (2-sided)
df
3,590a
3
,309
Likelihood Ratio
3,673
3
,299
Linear-by-Linear Association
,744
1
,388
N of Valid Cases
40
Pearson Chi-Square
a. 4 cells (50,0%) have expected count less than 5. The minimum expected count is 2,00.
Figura 47.
2. Correlación de Kendall y Spearman Son pruebas para evaluar la correlación de variables ordinales. Por ejemplo, un investigador desea conocer si existe relación entre el tipo de nutrición, el sexo y la práctica de actividad física en personas de entre 18 y 30 años. Entonces plantea las siguientes hipótesis: H1= Existe relación entre la nutrición y la práctica de actividad física en personas de entre 18 y 30 años. H01= No existe relación entre la nutrición y la práctica de actividad física en personas de entre 18 y 30 años. H2= Existe relación entre el sexo y la práctica de actividad física en personas de entre 18 y 30 años. H02= No existe relación entre el sexo y la práctica de actividad física en personas de entre 18 y 30 años. H3= Existe relación entre el sexo y la nutrición en personas de entre 18 y 30 años. 137
H03= No existe relación entre el sexo y la nutrición en personas de entre 18 y 30 años. En el SPSS vamos a: Analyze (Analizar) Correlate (Correlación) Bivariate (Bivariada). En la pantalla de Bivariate Correlations (Fig. 48) encontramos en el cuadro izquierdo todas nuestras variables. Debemos llevar nuestra variable ordinales que deseamos correlacionar al cuadro derecho. Luego marcamos en los índices inferiores Kendall tau-b y Spearman y presionamos OK.
Figura 48. La hoja de análisis nos entregara una tabla como la figura 49. En la parte superior encontramos la correlación de Kendall tau-b entre las tres variables, donde observamos que el sexo posee índices de Sig de 0,320 (p>0,05) y 0,459 (p>0,05) para correlación con actividad física y nutrición respectivamente. Por su parte la actividad física presenta un Sig de 0,001 (p0,05) y 0,466 (p>0,05) en relación a la actividad física y la nutrición respectivamente. La actividad física presenta un Sig de 0,001 (p0,05) por lo cual aceptamos la hipótesis nula. No existen diferencias significativas en el tiempo de velocidad en carrera de 30 metros en niños entre 7 y 9 años pos sexo. Ranks Sexo Velocidad
Mean Rank
N
Sum of Ranks
Masculino
20
22,22
444,50
Femenino
20
18,78
375,50
Total
40 Test Statisticsb Velocidad
Mann-Whitney U
165,500
Wilcoxon W
375,500
Z
-,938
Asymp. Sig. (2-tailed) Exact Sig. [2*(1-tailed Sig.)]
,348 ,355a
a. Not corrected for ties. b. Grouping Variable: Sexo
Figura 52.
4.
Prueba de Wilcoxon
Prueba para comparar las medias de dos muestra relacionadas cuando no poseen una distribución normal. Por ejemplo, un investigador desea conocer si existen efectos de un entrenamiento aeróbico sobre la composición corporal de un grupo de estudiantes de enseñanza básica. Para ello se formulan las hipótesis correspondientes:
142
H1= Existen efectos de un entrenamiento aeróbico sobre la composición corporal de un grupo de estudiantes de enseñanza básica. H0= No existen efectos de un entrenamiento aeróbico sobre la composición corporal de un grupo de estudiantes de enseñanza básica.
En el SPSS vamos a: Analyze (Analizar) Nonparametric Test (Test No paramétrico) 2-Related Samples (2 muestras relacionadas) Luego aparece una pantalla como la figura 53, donde debemos llevar del cuadro izquierdo al cuadro derecho la variable dependiente (mediciones) y la variable de asociación (los tiempos uno y dos de las mediciones). La prueba de Wilcoxon viene marcada automáticamente. Luego presionamos Ok.
Figura 53.
143
La hoja de análisis muestra una tabla como la figura 54. En la tabla superior se observan estadísticos descriptivos de las variables. En la tabla inferior el análisis de la prueba de Wilcoxon. La Sig. es de 0,000 (p Porcentaje grasa c. Medición = Porcentaje grasa
Test Statisticsb Medición Porcentaje grasa -3,931a
Z Asymp. Sig. (2tailed)
,000
a. Based on positive ranks. b. Wilcoxon Signed Ranks Test
Figura 54.
144
5.
Prueba de Kruskal-Wallis
Prueba para comparar las medias de tres o más muestra no relacionadas cuando no poseen una distribución normal. Por ejemplo, un investigador desea conocer si existen diferencias en los niveles de práctica de la actividad física por curso en estudiantes universitarios. Para ellos formula las hipótesis correspondientes: H1= Existen diferencias en los niveles de práctica de actividad física en estudiantes universitarios por curso. H0= No existen diferencias en los niveles de práctica de actividad física en estudiantes universitarios por curso. En el SPSS vamos a: Analyze (Analizar) Nonparametric Test (Test No paramétricos) K-Independent Samples. (K-muestras independientes) Luego aparece una pantalla como la figura 55, donde debemos llevar del cuadro izquierdo al cuadro superior derecho la variable a comparar y al cuadro inferior derecho la variable de agrupación (en el ejemplo, curso). La prueba de Kruskal Wallis viene seleccionada automáticamente.
Figura 55. 145
Tras ubicar nuestras variables presionamos Define Group y aparece una pantalla como la figura 56. Ahí definimos el valor mínimo y máximo de agrupación (en ejemplo, 1 y 4, ya que representan el 1º y 4º curso respectivamente). Luego presionamos Continue y al volver a la pantalla anterior presionamos OK.
Figura 56.
La hoja de análisis entrega una tabla como la figura 57. En la tabla superior se observan los estadísticos descriptivos para la variable por rango. En la tabla inferior, la prueba de Kruskal Wallis, que muestra un Sig. de 0,584 (p>0,05), por lo cual se acepta la hipótesis nula. No existen diferencias en los niveles de práctica de actividad física de estudiantes universitarios por curso.
146
Ranks Curso
Mean Rank
N
Actividad física Primer año
10
23,55
Segundo año
10
16,75
Tercer año
10
20,40
Cuarto año
10
21,30
Total
40
Test Statisticsa,b Actividad física Chi-Square
1,943
df
3
Asymp. Sig.
,584
a. Kruskal Wallis Test b. Grouping Variable: Curso Figura 57.
6.
Prueba de Friedman
Prueba para comparar las medias de tres o más muestra relacionadas cuando no poseen una distribución normal. Por ejemplo, un investigador desea conocer si existen diferencias en los porcentajes de grasa de un grupo de personas que asisten a clases de baile entretenido a través del tiempo. Para esto formula las hipótesis correspondientes: H1= Existen diferencias en los porcentajes de grasa de un grupo de personas que asisten a clases de baile entretenido en cuatro mediciones realizadas a través del tiempo. H0= No existen diferencias en los porcentajes de grasa de un grupo de personas que asisten a clases de baile entretenido en cuatro mediciones realizadas a través del tiempo. 147
En el SPSS vamos a: Analyze (Analizar) Nonparametric Test (Test No paramétricos) K-Related Samples. (K-muestras relacionadas) Luego aparece una pantalla como la figura 58, donde debemos llevar del cuadro izquierdo al cuadro derecho las variables a comparar. La prueba de Friedman viene seleccionada automáticamente. Luego presionamos OK.
Figura 58.
La hoja de análisis entrega una tabla como la figura 59. La tabla superior muestra análisis descriptivos. La tabla inferior la prueba de Friedman, con un Sig. de 0,000 (p
Lihat lebih banyak...
Comentarios
