Cómo interpretar SPSS, JASP, Jamovi o R en una PEC UOC
Cómo interpretar SPSS, JASP, Jamovi o R en una PEC UOC sin limitarte a pegar tablas
Abres la PEC.
Descargas:
la base de datos.
Lees el enunciado.
Y aparece algo como:
“Realiza el análisis estadístico correspondiente e interpreta los resultados.”
Abres:
SPSS.
JASP.
Jamovi.
R.
Obtienes:
seis tablas.
Tres gráficos.
Un p-valor.
Una correlación.
Una media.
Una desviación típica.
Y surge el verdadero problema:
¿Qué tengo que poner en la PEC?
Porque obtener:
una tabla
no significa necesariamente:
haber respondido la pregunta.
En las asignaturas estadísticas de la UOC, el objetivo no se limita a realizar cálculos. Entre las competencias de su actual asignatura de Estadística aparecen expresamente utilizar software estadístico, realizar contrastes de hipótesis y estudiar e interpretar los resultados obtenidos.
Por eso una buena PEC cuantitativa necesita normalmente tres niveles:
ANÁLISIS
↓
RESULTADO
↓
INTERPRETACIÓN.
Si tienes una PEC UOC con SPSS, JASP, Jamovi, R u otro software estadístico y no sabes qué análisis exige el enunciado o cómo interpretar los outputs, en AyudaPECs.com podemos ayudarte a comprender el procedimiento, revisar los resultados y estructurar correctamente la explicación académica.
AyudaPECs.com también puede ayudarte cuando tienes las tablas calculadas pero no sabes qué datos son realmente relevantes para responder a la pregunta.
El error más frecuente: pegar el output y terminar
Pregunta:
¿Existen diferencias significativas en ansiedad entre los grupos A y B?
Respuesta del estudiante:
pega:
tabla de descriptivos;
tabla de Levene;
tabla de t de Student.
Fin.
Pero falta:
la respuesta.
El profesor no debería tener que:
interpretar tus tablas por ti.
Necesitas explicar:
qué significan.
Por ejemplo:
Qué prueba utilizaste.
Qué grupos comparaste.
Cuáles son sus medias.
Si la diferencia es estadísticamente significativa.
En qué dirección aparece.
Qué conclusión se obtiene.
Una tabla no es una interpretación
TABLA:
Grupo A:
M = 18,4.
Grupo B:
M = 22,7.
p = 0,012.
INTERPRETACIÓN:
El grupo B presenta una puntuación media superior al grupo A. La diferencia observada es estadísticamente significativa, p = .012, por lo que los resultados aportan evidencia de diferencias entre ambos grupos en la variable analizada.
Eso sí responde:
a la pregunta.
El software calcula, tú interpretas
SPSS puede calcular:
una correlación.
JASP:
un ANOVA.
Jamovi:
una regresión.
R:
un intervalo de confianza.
Pero el programa no sabe:
qué pregunta te plantea la PEC.
Tú necesitas conectar:
RESULTADO ESTADÍSTICO
con:
PREGUNTA DE INVESTIGACIÓN.
Esta conexión suele marcar la diferencia entre:
mostrar números
y:
hacer análisis.
Antes de abrir SPSS, lee la pregunta
No empieces:
probando botones.
Primero identifica:
qué quieres saber.
Ejemplo:
“¿Existe relación entre edad y satisfacción?”
Tenemos:
dos variables.
Queremos:
relación.
Posiblemente:
correlación,
dependiendo del tipo de variables y de los supuestos.
Otra pregunta:
“¿Los hombres y las mujeres difieren en satisfacción?”
Tenemos:
dos grupos.
Una variable resultado.
Quizá:
comparación de medias.
Otro:
“¿La satisfacción difiere entre cuatro departamentos?”
Más de:
dos grupos.
Podría corresponder:
ANOVA
u otra alternativa,
según los datos y supuestos.
La prueba nace:
de la pregunta.
No del programa.
Método para elegir un análisis
Antes de calcular pregunta:
¿Cuál es la variable dependiente o resultado?
¿Qué tipo de variable es?
¿Cuántos grupos o variables estoy comparando?
¿Busco diferencia, relación o predicción?
¿Se cumplen los supuestos de la prueba?
¿Qué pide exactamente el enunciado?
Con estas preguntas puedes reducir:
muchísimo
las opciones.
Diferencia, relación y predicción
DIFERENCIA
“¿Obtienen diferentes puntuaciones?”
Posibles pruebas:
t de Student;
ANOVA;
Mann-Whitney;
Kruskal-Wallis;
otras.
RELACIÓN
“¿Están asociadas dos variables?”
Posibles:
correlación de Pearson;
Spearman;
chi-cuadrado;
otras.
PREDICCIÓN
“¿Puede X predecir Y?”
Posibles:
regresión lineal;
regresión logística;
otros modelos.
No son:
la misma pregunta.
Estadística descriptiva: no la ignores
Antes de realizar contrastes suele ser útil conocer:
media;
mediana;
desviación típica;
mínimo;
máximo;
frecuencias;
porcentajes.
La estadística descriptiva forma parte expresamente de los contenidos actuales de las asignaturas estadísticas de la UOC.
¿Por qué?
Porque necesitas saber:
cómo son los datos
antes de inferir:
algo sobre ellos.
¿Qué es la media?
La media resume:
el valor promedio.
Ejemplo:
M = 7,4.
No significa:
que todos tengan 7,4.
Significa:
promedio.
Siempre interpreta:
en relación con la escala.
Una media de:
7,4
puede ser alta si la escala va de:
0 a 10.
Pero baja si va de:
0 a 100.
¿Qué es la desviación típica?
Indica:
cuánto se dispersan aproximadamente las observaciones alrededor de la media.
Ejemplo:
Grupo A:
M = 7,5.
DT = 0,8.
Grupo B:
M = 7,5.
DT = 3,1.
Misma media.
Pero:
distribución muy distinta.
En B hay:
muchísima más variabilidad.
No digas simplemente “DT = 2,4”
Interpreta cuando:
sea relevante.
Por ejemplo:
Ambos grupos presentan medias similares, aunque las puntuaciones del grupo B muestran una mayor dispersión.
Eso convierte:
un número
en:
información.
Frecuencias y porcentajes
Pregunta:
¿Qué porcentaje de participantes pertenece al grupo X?
No necesitas:
una t de Student.
Necesitas:
frecuencias.
Ejemplo:
128 participantes.
72 mujeres.
56 hombres.
Puedes expresar:
n
y:
%.
No hagas análisis más complejo:
de lo necesario.
¿Qué significa p < .05?
Esta es probablemente una de las preguntas más comunes.
De forma simplificada, dentro de un contraste de hipótesis, el p-valor ayuda a evaluar hasta qué punto los resultados observados serían compatibles con la hipótesis nula bajo el modelo utilizado.
Convencionalmente, muchas actividades utilizan:
α = .05.
Si:
p < .05,
se considera que el resultado alcanza:
significación estadística
bajo ese umbral.
Si:
p ≥ .05,
no se rechaza:
la hipótesis nula
con ese criterio.
Pero evita:
interpretaciones incorrectas.
Error: “p < .05 significa que tengo un 95 % de razón”
No.
Otro error:
“p = .03 significa que existe un 3 % de probabilidad de que la hipótesis nula sea verdadera.”
Tampoco.
El p-valor no representa directamente:
la probabilidad de que tu hipótesis sea correcta.
Utiliza la definición trabajada:
en tus materiales.
Cómo redactar un p-valor
Por ejemplo:
p = .032.
Puedes escribir:
La diferencia fue estadísticamente significativa, p = .032.
Si el software muestra:
.000,
no deberías escribir normalmente:
p = .000.
Puedes expresar:
p < .001.
Porque la probabilidad no es:
literalmente cero.
Significativo no significa importante
Imagina:
Grupo A:
M = 6,01.
Grupo B:
M = 6,06.
p < .001.
Existe:
significación estadística.
Pero la diferencia puede ser:
muy pequeña.
Por eso puede ser necesario interpretar también:
el tamaño del efecto.
Especialmente si:
el enunciado;
la asignatura;
la rúbrica
lo solicitan.
¿Qué es el tamaño del efecto?
Indica la magnitud:
de una diferencia;
relación;
efecto.
Ejemplos:
Cohen's d.
η².
η² parcial.
r.
R².
Odds ratio.
El estadístico exacto depende:
del análisis.
No basta con preguntar:
“¿es significativo?”
También puede ser importante:
“¿cuánto?”
t de Student: qué mirar
Imagina que quieres comparar:
dos grupos independientes.
El output puede mostrar:
media de cada grupo;
desviación;
Levene;
t;
grados de libertad;
p;
intervalo de confianza;
tamaño del efecto.
No copies:
todo.
Selecciona:
lo que responde.
Ejemplo de interpretación t de Student
Grupo A:
M = 18,30.
DT = 4,20.
Grupo B:
M = 21,10.
DT = 4,90.
t(98) = -3,07.
p = .003.
Una redacción posible:
El grupo B obtuvo una puntuación media superior (M = 21,10; DT = 4,90) a la del grupo A (M = 18,30; DT = 4,20). La diferencia fue estadísticamente significativa, t(98) = -3,07, p = .003.
Después:
interpreta en términos:
de la pregunta.
¿Qué es Levene?
La prueba de Levene se utiliza para evaluar:
homogeneidad de varianzas.
En algunos outputs de SPSS determina:
qué fila de la t de Student debes consultar.
Puedes encontrar:
“Se asumen varianzas iguales”
y:
“No se asumen varianzas iguales.”
No elijas:
la primera fila
por costumbre.
Consulta:
el resultado de Levene
y las instrucciones de tu asignatura.
No conviertas Levene en la conclusión principal
La pregunta seguramente no es:
“¿las varianzas son iguales?”
Puede ser:
“¿difieren los grupos?”
Levene es:
un paso técnico.
No:
la respuesta principal.
Correlación: qué significa r
Una correlación mide:
asociación
entre variables.
Pearson puede proporcionar:
r.
El signo indica:
dirección.
Positivo:
si una aumenta, la otra tiende a aumentar.
Negativo:
si una aumenta, la otra tiende a disminuir.
La magnitud indica:
fuerza de la asociación,
aunque los criterios de interpretación dependen:
del contexto y disciplina.
Ejemplo
r = .62.
p < .001.
Podrías escribir:
Se observó una asociación positiva entre X e Y, r = .62, p < .001, de manera que valores superiores de X tendieron a asociarse con valores superiores de Y.
Pero cuidado:
correlación
no implica automáticamente:
causalidad.
Error muy frecuente: “X provoca Y porque correlacionan”
No.
Si X e Y están correlacionadas:
sabemos que existe asociación.
No podemos concluir únicamente por ello:
X causa Y.
Podría existir:
causalidad inversa;
tercera variable;
otro mecanismo.
Pearson o Spearman
No es:
“elijo Pearson porque lo conozco”.
Depende:
del tipo de datos;
supuestos;
objetivo.
Spearman puede ser apropiado en determinadas situaciones:
ordinales;
no lineales monotónicas;
cuando no se cumplen ciertas condiciones de Pearson.
Consulta:
los criterios de tu asignatura.
Chi-cuadrado
Se utiliza habitualmente para estudiar asociación entre:
variables categóricas.
Ejemplo:
tipo de contrato
y:
abandono.
El output puede ofrecer:
χ²;
grados de libertad;
p.
Pero también debes mirar:
las tablas de contingencia.
Porque necesitas saber:
dónde está la asociación.
No digas solamente “hay relación”
Explica:
el patrón.
Ejemplo:
Se observó asociación entre tipo de contrato y abandono, χ²(2) = 9,34, p = .009. El porcentaje de abandono fue superior en el grupo con contrato temporal.
Ahora sabemos:
qué ocurre.
ANOVA
Cuando comparas:
tres o más grupos,
puede aparecer:
ANOVA.
Output:
F.
df.
p.
Pero una ANOVA significativa únicamente te indica:
que no todas las medias son iguales.
No necesariamente:
qué grupos difieren.
Si ANOVA es significativo, revisa post hoc cuando corresponda
Ejemplo:
Grupo A.
Grupo B.
Grupo C.
F significativo.
Necesitas descubrir:
A vs B.
A vs C.
B vs C.
Para eso pueden utilizarse:
comparaciones post hoc,
según:
supuestos y diseño.
No escribas:
“los tres grupos son diferentes”
solo porque:
p < .05.
Ejemplo ANOVA
F(2,147) = 6,32.
p = .002.
Después:
post hoc.
A vs B → p = .004.
A vs C → p = .71.
B vs C → p = .01.
Interpretación:
B difiere:
de A y C.
A y C:
no muestran diferencia significativa.
Eso es mucho más preciso.
Regresión lineal
Una regresión permite analizar:
en qué medida determinadas variables predicen:
otra variable continua.
Output típico:
R².
F.
coeficientes B.
β.
t.
p.
intervalos.
No te limites a:
“el modelo es significativo.”
Pregunta:
¿cuánta varianza explica?
¿Qué predictores son significativos?
¿En qué dirección?
¿Qué significa R²?
Ejemplo:
R² = .36.
El modelo explica aproximadamente:
36 % de la variabilidad de la variable dependiente
dentro del marco del análisis realizado.
No significa:
“36 % de las personas.”
Ni:
“el modelo tiene un 36 % de probabilidad de ser correcto.”
Coeficiente B
Ejemplo:
B = 2,4.
Si X aumenta:
una unidad,
Y aumenta aproximadamente:
2,4 unidades,
manteniendo constantes los demás predictores del modelo,
cuando esa interpretación es adecuada al modelo.
La escala:
importa.
Regresión: ejemplo de redacción
El modelo de regresión fue estadísticamente significativo, F(2, 97) = 12,46, p < .001, y explicó el 20,4 % de la varianza en Y (R² = .204). X fue un predictor positivo y estadísticamente significativo de Y (B = 1,84, p = .002), mientras que Z no presentó una contribución estadísticamente significativa (p = .41).
Después:
conecta con:
la hipótesis.
No confundas B y β
B:
coeficiente no estandarizado.
β:
estandarizado.
No son:
intercambiables.
Si la PEC pide:
interpretar el impacto en las unidades originales,
B puede ser especialmente relevante.
Si quiere comparar:
predictores con escalas diferentes,
puede tener interés β.
Sigue:
los materiales.
Intervalo de confianza
El intervalo proporciona:
un rango de valores compatibles con la estimación bajo el procedimiento utilizado.
Ejemplo:
Diferencia:
2,8.
IC 95 % [1,1; 4,5].
Puede ayudar a comprender:
la precisión
y:
magnitud.
No lo ignores si:
el ejercicio lo pide.
Normalidad
Puedes encontrarte:
Shapiro-Wilk;
Kolmogorov-Smirnov;
histogramas;
Q-Q plots.
No conviertas el análisis de supuestos en:
una mecánica ciega.
El objetivo es determinar si:
la prueba seleccionada
es adecuada.
Los criterios pueden depender:
del tamaño muestral;
distribución;
robustez;
material de la asignatura.
No elijas automáticamente una prueba no paramétrica porque Shapiro da p < .05
Con muestras grandes los tests de normalidad pueden detectar:
pequeñas desviaciones.
La decisión puede requerir considerar:
gráficos;
asimetría;
tamaño muestral;
robustez;
otros supuestos.
Utiliza:
el procedimiento enseñado en tu asignatura.
Valores perdidos
Antes de analizar:
mira la N.
Pregunta:
¿cuántos casos tengo?
¿Hay missing?
¿Por qué SPSS dice:
N = 187
si mi base tiene:
200?
Quizá:
13 personas
no tienen dato en alguna variable.
Esto puede afectar:
la interpretación.
No ignores las discrepancias en N
Si una tabla tiene:
200 casos
y otra:
164,
pregunta:
por qué.
Puede existir:
filtrado;
dato perdido;
casos eliminados;
condición.
No continúes:
sin entenderlo.
Outliers
Los valores extremos pueden afectar:
media;
correlación;
regresión;
otros análisis.
Si el ejercicio pide:
evaluarlos,
no los borres automáticamente.
Necesitas:
un criterio.
Un valor extremo puede ser:
error de introducción
o:
un dato real.
Eliminar casos exige:
justificación.
Nunca borres datos únicamente porque “estropean” el resultado
Eso sería:
metodológicamente incorrecto.
Las decisiones sobre:
limpieza;
exclusión;
transformación
deben estar justificadas.
SPSS, JASP, Jamovi y R pueden dar el mismo análisis con aspecto diferente
SPSS:
tablas clásicas.
JASP:
formato más próximo a publicación.
Jamovi:
interfaz visual.
R:
outputs que dependen del paquete y código.
La lógica estadística sigue siendo:
la misma.
No aprendas:
a leer colores.
Aprende:
qué estadístico necesitas.
¿Qué software utiliza la UOC?
No existe:
un único software para toda la universidad.
La UOC utiliza distintos programas en función de:
asignatura;
grado;
competencias.
Actualmente ofrece incluso formación específica en análisis estadístico y programación con R/RStudio, mientras otras áreas pueden trabajar con otros programas.
Por tanto:
usa la herramienta exigida por:
tu PEC.
Si el profesor pide R, no sustituyas por SPSS automáticamente
Aunque ambos puedan realizar:
la prueba.
Quizá se está evaluando:
R.
Código.
Procedimiento.
Reproducibilidad.
Por tanto:
“el resultado es el mismo”
no significa:
“cumplo la actividad”.
Si la PEC pide sintaxis, entrégala
Puede solicitar:
código R;
sintaxis SPSS;
archivo;
capturas;
output.
No entregues únicamente:
la conclusión
si también evalúan:
procedimiento.
A la inversa:
no pegues 40 páginas de output
si solo piden:
interpretación.
Qué tablas incluir en una PEC
Incluye:
las necesarias para demostrar:
el análisis.
No:
todas las que genera el software.
SPSS puede producir:
12 tablas.
Quizá solo necesitas:
Pregunta:
¿esta tabla ayuda a responder el enunciado?
Si no:
puede sobrar.
No conviertas la PEC en un volcado de SPSS
20 páginas:
de output.
2 páginas:
de explicación.
Normalmente:
mala señal.
La PEC debería mostrar:
selección.
No:
todo lo que hizo el programa.
¿Captura de pantalla o tabla redactada?
Depende:
del enunciado.
Si la actividad pide:
capturas,
utilízalas.
Si pide:
informe académico,
puede ser preferible presentar resultados de forma:
limpia;
seleccionada;
adaptada al formato requerido.
No añadas capturas gigantes:
ilegibles.
Cuidado con la resolución
Captura:
8000 × 5000.
La reduces:
a 4 cm.
Resultado:
nadie lee:
los números.
Incluye:
solo la zona relevante
si las reglas lo permiten.
No marques la respuesta con diez círculos de colores
Una tabla puede ser:
limpia.
Puedes señalar:
una fila relevante
cuando esté permitido,
pero no necesitas convertir:
el output
en:
un mapa.
Mejor:
explicar debajo.
Cómo responder una pregunta estadística completa
Utiliza:
ANÁLISIS.
RESULTADO.
INTERPRETACIÓN.
CONCLUSIÓN.
Ejemplo:
Para analizar si existían diferencias entre los dos grupos se realizó una t de Student para muestras independientes. El grupo A presentó una media de 12,4 (DT = 2,8) y el grupo B de 14,7 (DT = 3,1). La diferencia fue estadísticamente significativa, t(98) = -3,89, p < .001. Por tanto, los resultados indican que el grupo B presenta puntuaciones superiores en la variable estudiada.
Claro.
Directo.
Completo.
Añade los supuestos solo cuando sean relevantes
No necesitas dedicar:
media página
a explicar qué es:
normalidad
si la pregunta no lo requiere.
Puedes indicar:
que se verificaron los supuestos
cuando corresponda.
Pero si un supuesto no se cumple:
sí puede ser necesario explicar:
qué decisión tomaste.
Diferencia entre estadística y redacción
Puedes hacer:
el análisis correcto
y:
explicarlo mal.
Ejemplo:
p = .20.
Escribes:
Se demuestra que ambos grupos son iguales.
Incorrecto.
No encontrar una diferencia estadísticamente significativa no demuestra necesariamente:
igualdad absoluta.
Una redacción más prudente:
No se observaron diferencias estadísticamente significativas entre los grupos con el análisis realizado.
No significativo no significa “no existe ningún efecto”
Puede existir:
efecto pequeño;
muestra insuficiente;
incertidumbre;
otras explicaciones.
Tu conclusión debe corresponder:
a lo que permiten los datos.
No más.
Evita “se acepta H0” si tus materiales utilizan otra formulación
En muchos contextos se prefiere:
“no se rechaza H0”
porque un resultado no significativo no demuestra:
la verdad de H0.
Sigue siempre:
la terminología del material UOC.
Hipótesis
Puedes estructurar:
H0:
no existen diferencias.
H1:
existen diferencias.
Después:
contraste.
Resultado.
Decisión.
Conclusión sustantiva.
Pero no olvides:
la última.
La persona quiere saber:
qué significa
en el problema.
Ejemplo
Hipótesis estadística:
se rechaza H0.
Conclusión académica:
los participantes sometidos a X presentaron niveles significativamente superiores de Y respecto al grupo control.
Eso conecta:
estadística
y:
fenómeno.
AyudaPECs.com puede ayudarte cuando tienes el output pero no sabes interpretarlo
Este es uno de los problemas más frecuentes.
El software ya ha calculado:
todo.
Pero tienes:
15 tablas.
En AyudaPECs.com podemos ayudarte a identificar qué resultado corresponde a la pregunta, qué estadísticos son relevantes y cómo expresar su interpretación académica correctamente.
El objetivo no es copiar:
el output.
Es:
comprenderlo.
AyudaPECs.com puede ayudarte a revisar una PEC de Estadística UOC
Podemos ayudarte a comprobar:
si la prueba elegida responde a la pregunta;
si las variables se han identificado correctamente;
si estás interpretando el p-valor;
si falta tamaño del efecto;
si has confundido correlación y causalidad;
si la conclusión realmente corresponde a:
los resultados.
PEC de Psicología UOC con SPSS o JASP
Estas actividades pueden combinar:
metodología;
estadística;
interpretación científica.
No basta con decir:
“p < .05”.
Necesitas explicar:
qué significa para:
la hipótesis;
la muestra;
las variables.
AyudaPECs.com ya trabaja contenidos de metodología y estadística dentro de su área de Psicología, pero esta guía específica permite profundizar en la interpretación del output.
PEC de ADE o Economía
Puede aparecer:
regresión;
correlación;
estadística descriptiva;
intervalos;
contrastes.
La UOC incluye actualmente estos contenidos en asignaturas como Fundamentos de Estadística y Estadística.
La interpretación debe relacionarse con:
decisión empresarial;
variable económica;
problema planteado.
PEC con R
No te centres exclusivamente:
en que el código ejecute.
Pregunta también:
¿el resultado tiene sentido?
¿he elegido las variables correctas?
¿sé interpretar la salida?
R puede producir:
un número correcto
a partir de:
una pregunta mal planteada.
El código no sustituye la explicación
cor.test(x,y)No es:
una respuesta académica completa.
Necesitas:
interpretar:
r;
p;
intervalo;
dirección;
magnitud,
según:
lo que pide la actividad.
PEC con Jamovi
Jamovi facilita mucho:
obtener tablas.
Eso puede generar una falsa sensación:
“ya está”.
La parte difícil empieza:
después.
Seleccionar.
Interpretar.
Redactar.
Concluir.
PEC con JASP
Lo mismo.
Aunque la tabla aparezca:
muy limpia,
necesitas saber:
qué modelo;
qué hipótesis;
qué resultado.
No confundas:
una buena presentación gráfica
con:
una interpretación correcta.
Errores frecuentes en PEC de estadística UOC
Elegir una prueba por costumbre.
No identificar el tipo de variable.
Pegar todo el output.
Confundir p con probabilidad de H0.
Interpretar p = .000.
Confundir correlación con causalidad.
No indicar dirección de la diferencia.
Ignorar medias y desviaciones.
Interpretar un ANOVA sin post hoc.
Decir que no significativo significa igualdad.
Ignorar tamaño del efecto.
No comprobar supuestos.
Borrar outliers sin justificación.
Utilizar el software equivocado.
Entregar capturas ilegibles.
No explicar la conclusión en palabras.
Checklist antes de entregar una PEC estadística
PREGUNTA
Sé qué pregunta estoy respondiendo.
He identificado las variables.
Sé qué tipo de variables son.
Sé si busco diferencia, asociación o predicción.
ANÁLISIS
La prueba es adecuada.
He comprobado los supuestos necesarios.
No he eliminado datos sin justificar.
He utilizado el software solicitado.
RESULTADOS
Indico N cuando corresponde.
Incluyo descriptivos relevantes.
Informo del estadístico.
Informo de grados de libertad cuando corresponde.
Informo correctamente de p.
Incluyo efecto o intervalo si se solicita.
INTERPRETACIÓN
Explico la dirección.
Explico el significado.
No confundo correlación con causalidad.
No hago afirmaciones que excedan los datos.
Respondo expresamente al enunciado.
PRESENTACIÓN
No pego output innecesario.
Las tablas se leen.
Las capturas son legibles.
La terminología es coherente.
He revisado decimales.
Las conclusiones coinciden con los números.
Preguntas frecuentes sobre SPSS, JASP, Jamovi y R en PEC UOC
¿Tengo que incluir todo el output de SPSS?
No necesariamente. Debes seguir el enunciado y seleccionar los resultados relevantes para justificar tu análisis.
¿Qué significa p < .05?
Bajo un contraste con nivel α = .05, indica que el resultado alcanza el criterio convencional de significación estadística utilizado en ese análisis.
¿Si p > .05 los grupos son iguales?
No necesariamente. Puedes afirmar que no se han observado diferencias estadísticamente significativas con el análisis realizado.
¿Puedo escribir p = .000?
Normalmente se informa como p < .001.
¿Qué es más importante, p o la media?
Cumplen funciones distintas. Los descriptivos muestran cómo son los datos y el contraste ayuda a evaluar la evidencia estadística.
¿Necesito tamaño del efecto?
Depende de la actividad y del análisis, aunque resulta muy útil para valorar la magnitud del resultado.
¿Puedo usar Jamovi en lugar de SPSS?
Solo si las condiciones de la actividad permiten utilizarlo. Si se evalúa una herramienta específica, debes seguir las instrucciones.
¿Puedo usar SPSS si la PEC pide R?
No deberías sustituir automáticamente el software exigido, porque el uso de R puede formar parte de las competencias evaluadas.
¿Tengo que pegar capturas?
Depende del enunciado. Algunas actividades piden evidencias del procedimiento y otras priorizan un informe de resultados.
¿Cómo sé qué prueba utilizar?
Empieza por identificar el objetivo, las variables, número de grupos y supuestos estadísticos.
¿Qué diferencia hay entre correlación y regresión?
La correlación analiza asociación entre variables; la regresión modela la relación y permite estudiar predicción o efectos condicionados al modelo empleado.
¿Una correlación significativa demuestra causalidad?
No.
¿Tengo que interpretar la desviación típica?
Cuando resulte relevante para describir la dispersión de los datos.
¿Tienes una PEC UOC y SPSS te ha generado veinte tablas?
No empieces:
copiándolas todas.
Empieza por:
la pregunta.
Después identifica:
qué tabla contiene:
la respuesta.
En AyudaPECs.com podemos ayudarte a revisar un output y diferenciar los resultados relevantes de los secundarios para que puedas entender qué debe aparecer en tu explicación.
¿Has conseguido calcularlo pero no sabes qué significa?
Este es exactamente el punto en el que muchos estudiantes se bloquean.
El programa dice:
p = .018.
Pero la PEC pregunta:
“interpreta.”
En AyudaPECs.com podemos ayudarte a comprender cómo conectar el estadístico con la hipótesis y con la pregunta planteada.
¿Tu PEC de Psicología utiliza JASP o SPSS?
No centres todo:
en el programa.
La parte importante es:
la lógica estadística.
¿Qué variable?
¿Qué hipótesis?
¿Qué contraste?
¿Qué resultado?
¿Qué conclusión?
AyudaPECs.com puede ayudarte a revisar esa cadena y detectar errores antes de entregar.
¿Tu PEC de ADE utiliza R o estadística?
El mismo principio:
los números necesitan contexto.
Una regresión puede ser técnicamente correcta.
Pero si no interpretas qué significa para:
la empresa;
el mercado;
la decisión analizada,
la respuesta queda:
incompleta.
La estadística no termina cuando aparece el p-valor
Este es el mensaje principal.
El proceso correcto es:
PREGUNTA
↓
VARIABLES
↓
PRUEBA
↓
SUPUESTOS
↓
ANÁLISIS
↓
RESULTADOS
↓
INTERPRETACIÓN
↓
CONCLUSIÓN.
No:
ABRIR SPSS
↓
PULSAR BOTONES
↓
PEGAR TABLA.
La UOC señala actualmente entre los objetivos de su enseñanza estadística no solo realizar cálculos mediante software, sino también interpretar resultados y utilizar los métodos estadísticos para resolver problemas y tomar decisiones.
Si necesitas ayuda para comprender una PEC UOC con SPSS, JASP, Jamovi o R, en AyudaPECs.com podemos ayudarte a identificar qué análisis exige el enunciado, comprender el output y revisar la interpretación académica de los resultados.
AyudaPECs.com también puede ayudarte cuando ya tienes las tablas y cálculos realizados pero necesitas comprobar si tu conclusión estadística responde realmente a la pregunta planteada.
Porque conseguir que el software genere:
una tabla
puede llevar:
un minuto.
Entender exactamente:
qué significa
es la parte que realmente demuestra que sabes estadística.
Comentarios