Curso de SPSS en Perú: Especialización en Análisis Estadístico
Domina IBM SPSS Statistics, la herramienta líder en investigación científica, empresarial y social, para el procesamiento de encuestas, contraste de hipótesis y análisis multivariado.
Presentación del Programa
IBM SPSS Statistics es el software de análisis cuantitativo más utilizado en el ámbito académico, médico, de mercado y de ciencias sociales. El curso de Análisis Estadístico con SPSS de Datametrika ofrece una formación integral guiada paso a paso: desde la definición de variables y limpieza de matrices de datos hasta la validación de instrumentos (fiabilidad), pruebas de hipótesis paramétricas/no paramétricas y modelos predictivos multivariados.
Plan de Estudios Sesión por Sesión
- Estructura del entorno: Vista de datos, Vista de variables y Visor de resultados.
- Definición y propiedades de variables: Tipo, anchura, decimales, etiquetas, valores y escalas de medida.
- Importación de datos desde Excel (`.xlsx`), CSV y archivos de texto.
- Limpieza inicial: Identificación de valores perdidos, atípicos y duplicados.
- Creación de nuevas variables mediante la función Calcular variable.
- Recodificación de variables (en las mismas o distintas variables) y recodificación automática.
- Manejo de condicionales con el comando Si... (If).
- Segmentación de archivos, selección de casos y ponderación de muestras.
- Generación de frecuencias, porcentajes y porcentajes acumulados para variables cualitativas.
- Medidas de tendencia central, dispersión, asimetría y curtosis para variables cuantitativas.
- Construcción de Tablas cruzadas (Crosstabs) y cálculo de porcentajes por fila y columna.
- Visualización descriptiva: Bar plots, Diagramas de sectores, Histogramas y Boxplots.
- Análisis de Consistencia Interna: Coeficiente Alfa de Cronbach y Omega de McDonald.
- Evaluación del impacto de eliminación de ítems (*Alpha if item deleted*).
- Análisis Factorial Exploratorio (AFE) para validación de constructo.
- Pruebas de adecuación muestral: KMO y Prueba de Esfericidad de Bartlett.
- Evaluación de supuestos: Kolmogorov-Smirnov, Shapiro-Wilk y prueba de Levene (Homocedasticidad).
- Prueba t de Student para una muestra y para dos muestras independientes.
- Prueba t de Student para muestras relacionadas (Pre/Post test).
- ANOVA de un factor y comparaciones múltiples *Post-Hoc* (Tukey, Scheffé, Bonferroni).
- Prueba U de Mann-Whitney (alternativa a t de muestras independientes).
- Prueba de Wilcoxon (alternativa a t de muestras pareadas).
- Prueba de Kruskal-Wallis (alternativa no paramétrica a ANOVA).
- Asociación categórica: Chi-Cuadrado de Pearson, V de Cramer y Test Exacto de Fisher.
- Coeficiente de correlación de Pearson (paramétrico) y Rho de Spearman (no paramétrico).
- Regresión Lineal Simple: Interpretación de pendientes, constante y R cuadrado.
- Regresión Lineal Múltiple: Evaluación de predictores múltiples y colinealidad (VIF/Tolerancia).
- Análisis de residuos: Durbin-Watson y gráficos de dispersión de residuos.
- Regresión Logística Binaria: Estimación y lectura de Odds Ratios $\text{Exp}(B)$.
- Evaluación de ajuste: Prueba de Hosmer-Lemeshow y tabla de clasificación.
- Exportación directa de tablas y gráficos a Microsoft Word y PowerPoint.
- Edición de tablas dinámicas con formato bajo normas internacionales APA (7.ª edición).
Modalidad
Clases en Vivo + Grabaciones
Duración
24 Horas Académicas
Sesiones
8 Sesiones Prácticas
Certificado
Emitido por Datametrika