MÉTODOS DE INVESTIGAÇÃO EM EDUCAÇÃO
                                     CURSOS DE MESTRADO EM EDUCAÇÃO 2007/2008
EXERCÍCI...
1. Defina a variável sexo
            Tipo: numérico 1.0
        -
            Codificação dos Value Labels: M:1; F:2
    ...
“Explore”: Analyse Descriptive Statistics Explore Dependent List altura Statistics
    Descriptive Confidence Interval for...
Entre 18,5 e 25 (Normal) codificado com 2
                De 25 a 30 (Excesso peso) codificado com 3
                Mais ...
Próximos SlideShares
Carregando em…5
×

spss

1.039 visualizações

Publicada em

ver

Publicada em: Tecnologia, Negócios
3 comentários
0 gostaram
Estatísticas
Notas
  • Seja a primeira pessoa a gostar disto

Sem downloads
Visualizações
Visualizações totais
1.039
No SlideShare
0
A partir de incorporações
0
Número de incorporações
22
Ações
Compartilhamentos
0
Downloads
24
Comentários
3
Gostaram
0
Incorporações 0
Nenhuma incorporação

Nenhuma nota no slide

spss

  1. 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. 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. 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. 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

×