Como calcular os resultados de Z com a versão do aluno do SPSS
Um resultado Z é uma estatística descritiva usada para determinar quão comum ou extrema uma determinada classificação é ao determinar sua distância da média em unidades de desvio padrão. É calculado subtraindo a célula da média da célula dos resultados atuais e, em seguida, dividida pelo desvio padrão da célula. Ao converter as pontuações atuais em resultados padronizados de Z (média = 0, desvio padrão = 1), os pesquisadores podem comparar os resultados em escalas com diferentes unidades (por exemplo, peso em libras vs. altura em polegadas). Embora o SPSS não forneça resultados de Z em tabelas estatísticas descritivas, é fácil produzir uma análise de resultado Z convertendo variáveis em valores padronizados.
Convertendo variáveis em valores padronizados
No menu "Arquivo", selecione "Abrir", depois "Dados" (informações) e abra seu arquivo de informações. Depois de carregar, clique no menu "Analisar", selecione "Estatística descritiva" e, em seguida, "Descritivo" (descritivo).
Na janela "Descriptives" exibida, mova suas variáveis de interesse para a coluna "Variável (s)" (Variáveis-s). Você pode selecionar e analisar múltiplas variáveis ao mesmo tempo e estas podem ser movidas para a coluna "Variável (s)" clicando e arrastando ou destacando as variáveis de interesse e clicando no botão de seta.
Clique no botão "Opções" e verifique se as caixas "Média" e "Desvio padrão" estão selecionadas e clique em "Continuar". Uma vez fora da janela "Opções", clique na caixa "Salvar valores padronizados como variáveis" na parte inferior da janela "Descritiva" e, em seguida, clique no botão "Ok" "
Embora ele vá automaticamente para a janela "Saída", seus resultados Z não são encontrados aqui. Para encontrá-los, retorne à janela com o último grupo de dados. Agora você terá novas colunas (com "Z (nome da variável) até o topo) e os valores nessas colunas são resultados padronizados em Z.
Se você estiver interessado em encontrar resultados extremos ou comparar resultados em variáveis com diferentes escalas (entre outras coisas), analise suas novas variáveis padronizadas criadas exatamente como você faria com os originais.
