Análise estatística de dados educacionais com SPSS
1. MÉTODOS DE INVESTIGAÇÃO EM EDUCAÇÃO
CURSOS DE MESTRADO EM EDUCAÇÃO 2007/2008
EXERCÍCIO PRÁTICO Nº 7: SPSS (variáveis nominais, ordinais e intervalares)
Considere os seguintes dados:
SEXO ALTURA PÊSO NOTA TESTE COR PREFERIDA
ED.FISICA
Masculino 1,717 92,2 16,9 Azul
Masculino 1,574 75,5 13,4 Azul
Masculino 1,618 73,0 15,0 Azul
Feminino 1,402 41,1 13,5 Rosa
Feminino 1,427 53,9 12,5 Rosa
Masculino 1,558 67,7 16,5 Rosa
Feminino 1,462 42,3 11,4 Azul
Feminino 1,504 52,4 12,3 Azul
Masculino 1,754 102,1 18,1 Rosa
Masculino 1,626 65,0 15,5 Rosa
Feminino 1,529 46,4 16,9 Rosa
Feminino 1,521 53,0 11,4 Rosa
Masculino 1,699 76,6 17,5 Azul
Masculino 1,663 60,9 13,3 Azul
Feminino 1,552 47,2 10,0 Azul
Masculino 1,627 84,3 14,8 Rosa
Masculino 1,556 48,0 9,4 Azul
Masculino 1,728 68,1 17,4 Azul
Feminino 1,475 46,2 16,2 Rosa
Feminino 1,505 47,9 12,1 Rosa
Feminino 1,408 40,9 15,6 Azul
Masculino 1,572 78,4 16,2 Azul
Masculino 1,527 63,2 18,5 Rosa
Masculino 1,652 71,1 15,1 Rosa
Feminino 1,481 51,3 16,2 Azul
Masculino 1,694 98,2 17,8 Rosa
Feminino 1,449 57,6 15,8 Rosa
Feminino 1,595 51,4 14,1
Feminino 1,557 65,7 15,8 Azul
Feminino 1,535 49,4 14,9 Rosa
Feminino 1,565 47,7 9,2 Rosa
Masculino 1,520 65,8 14,5 Rosa
Feminino 1,577 68,4 13,3 Rosa
Masculino 1,544 79,3 15,6 Azul
Masculino 1,533 63,8 11,9 Azul
Masculino 1,562 67,6 17,1 Azul
Feminino 1,458 52,3 15,6 Azul
Masculino 1,648 58,5 17,0 Azul
Masculino 1,629 69,8 15,7 Azul
Masculino 1,533 67,2 14,5
Feminino 1,592 47,8 18,2 Rosa
Feminino 1,494 37,2 12,5 Rosa
Feminino 1,494 37,2 12,5 Rosa
Masculino 1,644 80,3 16,6 Azul
Feminino 1,434 37,2 13,5 Azul
Feminino 1,635 50,7 10,2 Rosa
Masculino 1,722 72,8 14,4 Azul
Feminino 1,635 52,4 14,3 Rosa
Feminino 1,535 47,7 9,2 Azul
Masculino 1,748 68,5 17,0 Azul
1
2. 1. Defina a variável sexo
Tipo: numérico 1.0
-
Codificação dos Value Labels: M:1; F:2
-
Missing: 9
-
2. Defina a variável altura:
Tipo: numérico 6.3
-
Missing: 99
-
3. Defina a variável cor preferida (corpref):
Tipo: numérico 1.0
-
Variable Labels: 1:Azul; 2: Rosa
-
Missing: 9
-
4. Defina a variável peso:
Tipo: numérico 6.1
-
Missing: 99
-
5. Defina a variável “Nota teste de Ed. Física” (tedufis):
Tipo: numérica 3.1
-
Missing: 99
-
6. Introduza os dados
7. Codificar os valores em falta (missing values)
8. Efectuar os seguintes cálculos (comando Analyse - Descriptive Statistics -
Frequencies…):
a. Tabelas de frequências para as variáveis sexo e cor
b. Gráficos de barras para as mesmas variáveis
c. Determine os quartis para a variável altura
d. Ainda para a variável altura, determine os percentis para as percentagens
de 10%, 25%, 50%, 75% e 90%.
e. Determine a média, o desvio padrão, o valor máximo e o valor mínimo da
variável altura.
9. Obtenha as medidas de localiza ção, dispersão e assimetria, a caixa de bigodes
(boxplots) e o diagrama “stem-and-leaf” para a variável altura. (utilização do comando
2
3. “Explore”: Analyse Descriptive Statistics Explore Dependent List altura Statistics
Descriptive Confidence Interval for Mean 95% Percentiles Outliers Continue Plots
Boxplots Factor Levels Together Stem-and-leaf Continue OK).
10. Cruzar as variáveis sexo e cor e apresentar tabela de contingências e gráfico de barras
cruzando estas duas variáveis (Analyse Descriptive Statistics Crosstabs Display
Clustered Charts…). Em seguida deverá determinar:
a. Qual o número de homens.
b. Qual o número de mulheres
c. Quantos homens e mulheres gostam de rosa e quantos homens gostam de
azul
d. Aferir de uma possível relação significativa entre as duas v riáveis
a
categóricas sexo e cor preferida (Analyse Descriptive Statistics Crosstabs
sexo e cor St tistics Chi-square Continue Cells Observed Expected
a
Continue OK).
11. Cruzar as variáveis altura e pêso (utilização do comando “correlate”: Analyse correlate
bivariate ….
a. Calcular o coeficiente de correlação entre as duas variáveis
b. Representar graficamente a relação (Graphs Scatter Simple…)
c. Aferir de uma possível correlação entre as duas variáveis.
12. Recodificar a variável cor, colocando o resultado na mesma variável e substituindo o
valor 2 (rosa) por 3 (vermelho) no caso do sujeito ser homem (comando Transform
Recode Into Same Variables….).
a. Cruzar de novo as variáveis Se e Cor (recodificada) e resp
xo onder ás
perguntas da questão 10.
13. Criar uma nova variável “Indíce de Massa Corporal”: IMC= peso : (altura x altura).
Comando Transform, Compute Target Variable IMC, Numeric Expression ….).
a. Faça o levantamento das estatí ticas descritivas relativas aos dois grupos
s
“Feminino” e “Masculino” relativamente à nova variável IMC (comando Analyse,
Descriptive Statistics, Explore, Dependent List “IMC”, Factor List “Género”,
Display: Both, Statistics: Descriptive + Outliers, Plots: Boxplots: Factor levels
together ; Descriptive: Stem-and-leaf + Histogram)
b. Interprete os vários quadros e gráficos
c. Afira da normalidade da distribuição da variável IMC (Analyse, Nonparametric
Tests, 1 Sample KS)
14. Recodificar a variável IMC criando uma nova variável obesidade (Transform Recode
Into Different Variables…), numérica 1.0, que enquadra o IMC em quatro categorias:
Abaixo de 18,5 (Abaixo do peso) codificado com 1
3
4. Entre 18,5 e 25 (Normal) codificado com 2
De 25 a 30 (Excesso peso) codificado com 3
Mais de 30 (Obesidade) codificado com 4
13.1 Definir nas Variable Labels as novas categorias para a variável obesidade
13.2 Apresentar as estatísticas descritivas para a variável ordinal obesidade (comando
Analyse - Descriptive Statistics - Frequencies…)
14.Criar uma nova variável que será designada por grupo: numérica, 1.0
Variable labels: 1= Turma A (casos de 1 a 25)
2= Turma B (casos de 26 a 50)
14.1 Fazer a representação gráfica (histograma) da distribuição da variável dependente
contínua tedufis com aferição à curva normal (Analyse Frequencies tedufis Charts Histograms
with normal curve Continue OK).
14.2 Aferir da normalidade da distribuição da VD com base nos testes de normalidade
(Analyse Descriptive Statistics Explore Dependent List tedufis Plots Normality plots with tests
OK).
14.3 Comparar os dois grupos ( urmas A e B): Comando Explore Dependent List
T
tedufis Factor List grupo, Statistics Descriptives, Outliers, Plots Factor Level together, Stem and
Leaf, Histogram, Normality Tests with Plots.
14.4 Aferir de diferenças significativas entre os dois grupos (Analyse Compare Means
Independent Samples T Test test variable tedufis Grouping Variable grupo Define Groups
Group 1: 1 Group 2: 2.
14.5 Idem para a variável atributiva sexo (comparar os dois grupos Feminino e
Masculino na variável dependente tedufis - e aferir de diferenças significativas entre os dois
rapazes e raparigas.
14.6 Idem para a variável independente grupo (Turmas A e B) na variável dependente
IMC – e aferir de diferenças significativas entre as duas turmas A e B.
4