Índice

1. Classificação das Variáveis em SPSS. ....................................................................... 2

2. Análises em SPSS ..................................................................................................... 3

3. Análise de Variáveis de Escala .................................................................................. 4

4. Análise de Variáveis Ordinais/Nominais ................................................................... 5

5. Gráficos de Variáveis Ordinais/Nominais .................................................................. 6

6. Percentagens Específicas ........................................................................................... 7

7. Recodificar Variável ................................................................................................. 8

8. Divisão das Análises por Grupos ............................................................................... 9

9. Estatística Inferencial .............................................................................................. 10

10. Hipóteses .............................................................................................................. 11

11. O valor de P .......................................................................................................... 12

12. Testes Paramétricos e Não Paramétricos................................................................ 13

13. Teste de Normalidade............................................................................................ 14

14. Testes de Associação VERSUS Testes de Diferenças ............................................ 15

15. Teste T-Student – Diferenças ................................................................................ 16

16. Teste do Qui-Quadrado – Teste de Associação ...................................................... 18

17. Coeficiente de Correlação de Pearson .................................................................... 19

1
1. Classificação das Variáveis em SPSS.

• Nominal: Qualitativo. Não assume ordem, os números não são maiores nem menores
que os outros.
Exemplo: estado civil, sim/não…

• Ordinal: Qualitativo. 1 vale menos que 2, 4 vale mais que 2, ou seja, os números valem
mais uns que os outros e o SPSS assume uma ordem.
Exemplo: escolaridade…

• Escala: Quantitativo. Razão + Intervalar. Tudo o que é números.

Exemplo: Idade, número de filhos, número de doenças….

2
2. Análises em SPSS
• Escala: Análises Descritivas (univariadas).

• Ordinal/Nominal: Frequências.

3
3. Análise de Variáveis de Escala
1. Analisar.
2. Estatística Descritiva.
3. Descritivas.
4. Idade (dá para colocar mais que uma em simultâneo).
5. OK.

Resultado: Tabela com N, mínimo, máximo, média e desvio padrão.

Estatísticas Descritivas

N Mínimo Máximo Média Desvio padrão

Age of respondent at the time of 1662 50 93 67,20 8,979

interview

N válido (de lista) 1662

4
4. Análise de Variáveis Ordinais/Nominais
1. Analisar.
2. Estatística Descritiva.
3. Frequências.
4. Género (dá para colocar mais que uma em simultâneo).
8. OK.

Resultado: Tabela com frequência e percentagem.

Gender: female=1, male=0

Porcentagem Porcentagem
Frequência Porcentagem válida acumulativa
Válido male 749 45,1 45,1 45,1
female 913 54,9 54,9 100,0
Total 1662 100,0 100,0

5
5. Gráficos de Variáveis Ordinais/Nominais
1. Gráficos.
2. Caixas de diálogo legendadas.
3. Gráfico de linhas.
4. Simples.
5. Definir.
6. Eixo de categoria.
7. Idade.
8. OK.

Como remover os gráficos:

1. Analisar.
2. Frequências.
3. Gráficos.
4. Nenhum.

6
6. Percentagens Específicas
• Qual a percentagem de homens e mulheres de 65+ anos na base de dados?
1. Dados.
2. Selecionar casos.
3. Se a condição for cumprida.
4. Se.
5. Se a idade for igual ou superior a 65 (idade >= 65).
6. Analisar.
7. Estatística Descritiva.
8.Descritivas.
9. Média.
10. OK.
11. O N que me deu de pessoas com 65 ou + anos na base de dados foi X. Se quiser saber
a percentagem faço a conta: o número mais pequeno a dividir pelo número maior x100.
Neste caso seria 977 a dividir por 1662 x 100 = 58,7%.
12. Retirar o filtro no final.

NOTA: TAMBÉM DÁ PARA VER A PERCENTAGEM SE EU RECODIFICAR AS

VARIÁVEIS!! VER PÁGINA NA SEGUIR COMO FAZÊ-LO (TABELA).

IdadeGruposEtários
Porcentagem Porcentagem
Frequência Porcentagem válida acumulativa
114 6,9 6,9 6,9
Válido Grupo etário 50-55
360 21,7 21,7 28,5
Grupo etário 56-60
211 12,7 12,7 41,2
grupo etário 61-64
977 58,8 58,8 100,0
grupo etário + 65
1662 100,0 100,0
Total

7
7. Recodificar Variável
• Categorize a variável Idade nas seguintes categorias: 1: 50-55; 2: -56-60; 3: 61-64; 4:
65+.
1. Transformar.
2. Recodificar em variáveis diferentes.
3. Inserir variável.
4. Nome.
5. Rótulo (não me esquecer de clicar em alterar se não, não funciona!!!).
6. Valores antigos e novos.
7. Amplitude.
8. 50 – 55.
9. Valor 1.
10. Incluir.
11. Amplitude.
12. 56 – 60.
13. Valor 2.
14. Incluir.
15. Amplitude.
16. 61 – 64.
17. Valor 3.
18. Incluir.
19. Se souber o último dado de idade coloco 65 – 93 anos.
20. Se não, clico em amplitude valor até a mais alta e escrevo 64.
21. Se já tiver missing clico em omisso no sistema, senão tenho de inserir valor antigo -1
novo valor -1.
22. Continuar.
23. Não dá para fazer descritiva normal.
Como vemos na tabela não aparecem os nomes, mas sim as letras e, por isso, temos de
renomear:
1. Carrego na variável criada.
2. Valores.
3. Renomear.

8
8. Divisão das Análises por Grupos
1. Dados.
2. Dividir arquivos.
3. Comparar grupos.
4. Retirar o filtro no final.

Resultado: Exemplo de análise da idade comparada entre os grupos do género (homens

e mulheres).

Estatísticas Descritivas
Gender: female=1, male=0 N Mínimo Máximo Média Desvio padrão

male Age of respondent at the time of 749 51 93 67,70 8,431

interview

N válido (de lista) 749

female Age of respondent at the time of 913 50 93 66,79 9,389

interview

N válido (de lista) 913

9
9. Estatística Inferencial

• Em inferência estatística não existem certezas, isto é, garantia de total de que os

resultados que obtivemos na amostra são exatamente os mesmos que teríamos caso
tivéssemos tido acesso a toda a população.
• Quando realizamos um teste de inferência estatística (por exemplo de diferenças entre
grupos) temos informação relativa à probabilidade de o resultado ser encontrado ao acaso.
• Se a probabilidade do acaso for muito elevada então é muito possível que as associações
ou diferenças que encontramos na amostra não estejam presentes na população. Neste
caso, em estatística afirma-se que os resultados não são estatisticamente significativos.
• Porém… se a probabilidade do resultado se dever ao acaso for reduzida, então temos
robustez estatística e podemos afirmar que os resultados são estatisticamente
significativos.

10
10. Hipóteses
• Qualquer teste apresenta sempre duas hipóteses estatísticas:
H0: Hipótese Nula – subjacente o pressuposto que os resultados se devem ao acaso (por
exemplo, não se verifica a existência de diferenças entre grupos).
H1: Hipótese alternativa.

Com que base construímos as nossas hipóteses? Construímos hipóteses através da teoria.

11
11. O valor de P
• O valor de p ou sig, determina se devemos optar por H0 ou H1 uma vez que esse valor
nos fornece uma estimativa de quantas vezes o resultado obtido se deve ao acaso.
• O valor convencionado por nível de significância é de 0,05 (5 vezes em cada 100) ou
seja podemos afirmar com 95% de confiança que os resultados não se devem ao acaso.
• Se o teste for de diferenças de grupo, concluímos que não existem diferenças entre o
grupo X e Y no que confere à variável Z.
• Se o teste for de associação, concluímos que não existe associação entre a variável X e
Y na população-alvo
• Classificação do valor de p: <.05 = há associação/diferenças significativas; <.10 = há
associação/diferenças marginalmente significativas; >.10 = não há associação/diferenças.

12
12. Testes Paramétricos e Não Paramétricos
Testes Paramétricos
• Os dados seguem uma distribuição normal.
• Dimensão da amostra é grande (n > 30/50) – tende a aproximar-se à normalidade.
• Variâncias da população sejam homogéneas.
Exemplo: Teste t Independente; Correlação de Pearson; ANOVA a Um Factor.
Testes Não Paramétricos
• Os dados não seguem uma distribuição normal.
• Dimensão da amostra é pequena (n<30/50).
• Distribuição dos dados é assimétrica.
• Existência de “outliers” que não se podem eliminar.
Exemplo: Teste de Mann-Whitney; Teste de Wilcoxon; Correlação de Spearman.

13
13. Teste de Normalidade
• Verificar a distribuição normal de uma variável em N pequeno (entre 30 e 50 pessoas):
1. Analisar
2. Testes não paramétricos
3. Caixas de diálogos legadas
4. K-S de uma amostra
5. Passamos a idade
6. OK
7. Este teste é se for inferior a 0,05 não tem distribuição normal.

OU OUTRA FORMA DE FAZER MESMO

1. Analisar
2. Estatística descritiva
3. Explorar
4. Colocamos na variável dependente o que queremos analisar
5. Idade
6. Estatística não mexe
7. Gráficos colocamos histogramas e um gráfico de normalidade com testes

Resultado: No output vou encontrar o valor do teste e a significância. Se esta for superior
a 0,05 então as variáveis em estudo seguem uma distribuição normal.

NOTA: Se n 30 usar teste 30 usar teste de Kolmogorov Smirnov com a correção de
Lilliefors Se n < 30 usar teste de Shapiro Wilk.

14
14. Testes de Associação VERSUS Testes de Diferenças

Testes de Associação
Escala de Medidas das Variáveis Testes de Associação

2 variáveis intervalares (escala) Coeficiente da correlação de Pearson (r)

2 variáveis nominais ou 1 variável nominal e 1 Teste do qui-quadrado (x2)

variável ordinal

Testes de Diferenças
Nº de Grupos Definidos pela Escala de Medida da Variável Teste de Diferenças

Variável Independente Dependente

2 Intervalar (escala) Teste T para amostras

independentes (t)

15
 15. Teste T-Student – Diferenças
• O teste t testa se a média entre dois grupos é significativamente diferente:
• 1 variável qualitativa: Variável independente ou fator que define os grupos a comparar
(Ex. Género).
• 1 variável quantitativa: Variável dependente cuja média queremos comparar nos dois
grupos (Ex. Idade).
• Passos a seguir:
1. Analisar
2. Comparar médias
3. Teste t de amostras independentes (2 amostras)
4. Ali colocamos variável teste (é a nossa variável de razão: idade VD) e variável de
agrupamento (género).
5. Definir grupos
6. 1: 1 – era o número que já tínhamos definido como mulheres (Grupo de
referência/evidência que são as mulheres).
7. 2: 0 – era o número que já tínhamos definido como homens (Homens).
8. OK.

Estatísticas de grupo

Erro de média

Gender: female=1, male=0 N Média Desvio Padrão padrão

Age of respondent at the time of female 913 66,79 9,389 ,311

interview male 749 67,70 8,431 ,308

• Se sig menor que 0,05 então variâncias não são homogéneas. Assim a estatística do teste
a utilizar é a “ variâncias iguais não assumidas”. Depois verifica-se a significância.

16
Resposta [t (graus de liberdade) = valor estatístico do teste, p = valor de p]:
• Há diferenças estatisticamente significativas entre os homens e as mulheres
relativamente à idade, t (1660) = -2,084, p = .037. Assim, as mulheres declaram ter menos
idade do que os homens.

17
16. Teste do Qui-Quadrado – Teste de Associação
O teste do Qui-Quadrado χ2 serve para testar se duas ou mais grupos, independentes,
diferem entre si no que diz respeito a uma determinada característica/ variável.
• Variável nominal vs. variável nominal.
• Variável nominal vs. variável ordinal.

Passos a seguir:
1. Analisar
2. Estatística descritiva
3. Tabela de referência cruzada
4. Selecionar a opção estatística: só Qui-Quadrado
5. Selecionar a opção células: só coluna
6. Linha: Género
7. Coluna: Depressão
8. OK.

Resposta [X² (graus de liberdade) = valor estatístico do teste, p = valor de p]:

• Existe uma diferença estatisticamente significativa entre o género e experienciar, ou não
sintomas de depressão X² (1) = 95,793, p=>0.001. Assim, enquanto no grupo das pessoas
com depressão 70,5% são mulheres apenas 29,5% são homens.

18
17. Coeficiente de Correlação de Pearson
• Permite testar se duas ou mais variáveis intervalares/razão estão associadas.
• Este coeficiente permite também avaliar a direção ( positiva ou negativa) e magnitude
da relação ( variável entre +1 e -1).
• Se a variação for superior a 0, então as variáveis variam no mesmo sentido; se inferior
a 0 então as variáveis variam em sentido inverso. Quanto mais próxima de 1 mais forte é
a relação.
• Um valor de 0 indica que não há associação entre as duas variáveis. Um valor maior que
0 indica uma associação positiva. Isto é, à medida que o valor de uma variável aumenta,
o mesmo acontece com o valor da outra variável. Um valor menor que 0 indica uma
associação negativa. Isto é, à medida que o valor de uma variável aumenta, o valor da
outra diminui.

Passos a seguir:
1. Analisar
2. Correlacionar
3. Bivariada
4. Selecionar Pearson.
5. Idade e doenças crónicas (colocar 2)
6. Opções: média e desvio padrão
7. Continuar

• É positiva, porque se fosse negativa, atrás da vírgula teria um sinal de menos.

Resposta [r = correlação de Pearson, p = sig 2]

Há uma correlação positiva significativa o número de anos e o sintomatologia depressiva
r = .101, p = .001. Assim, Mais idade está associada a maior número de sintomas
depressivos.

19