Receba gratuitamente todos os nossos conteúdos.

Fique por dentro das novidades e oportunidades referentes à Psicometria e Análise Quantitativa de Dados.

Boxplot: Como criar no SPSS e como interpretar

Sabemos que o SPSS fornece vários tipos diferentes de gráficos:

• histogramas
• gráficos de barras
• gráficos de linha
• gráficos de dispersão
• boxplots.

Neste post vou mostrar como gerar e interpretar Boxplots no SPSS para ajuda-los na comparação de pontuações entre grupos.

Boxplots são úteis quando você deseja comparar a distribuição de pontuações em variáveis. Você pode usá-los para explorar a distribuição de uma variável contínua (por exemplo, afeto positivo) ou, alternativamente, pode pedir que as pontuações sejam divididas para diferentes grupos (por exemplo, faixas etárias). Você também pode adicionar uma variável categórica extra para comparar (por exemplo, machos e fêmeas). No exemplo abaixo, explorarei a distribuição de pontuações na escala de Afeto Positivo para homens e mulheres.

Procedimento para criar um Boxplot

  1. No menu na parte superior da tela, clique em Gráficos e selecione
    Diálogos Legados e, em seguida, Boxplot. Como exibido na Figura 1
Figura 1

Clique em Simples. Na seção Dados no gráfico são, clique em Resumos para grupos de casos. Clique no botão Definir. Como pode se ver logo abaixo, na Figura 2.

Figura 2

Na sequência, faça como descrito abaixo e ilustrado na Figura 3.

  1. Clique em sua variável contínua (por exemplo, Total Positive Affect: tposaff). Clique no botão de seta para movê-lo para a caixa Variável.
  2. Clique na sua variável categórica (por exemplo, sexo). Clique no botão de seta para movê-lo para a caixa Eixo da categoria.
  3. Clique em ID e mova-o para a caixa Rótulos casos por. Isso permitirá que você identifique os números de identificação de quaisquer casos com valores extremos.
  4. Clique em OK

Figura 3

A saída gerada a partir deste procedimento é mostrada a seguir:

Interpretação da saída do Boxplot
A saída do Boxplot fornece muitas informações sobre a distribuição de sua variável contínua e a possível influência de sua outra variável categórica (e variável de cluster, se usada).

Cada distribuição de pontuação é representada por uma caixa e linhas salientes (chamadas bigodes). O comprimento da caixa é o intervalo interquartil da variável e contém 50% dos casos. A linha na parte interna da caixa representa o valor mediano. Os bigodes saindo da caixa vão para os valores menores e maiores da variável.

Quaisquer pontuações que o SPSS considere como discrepantes aparecem como pequenos círculos com um número anexado (este é o número de identificação do caso). Outliers são casos com pontuações bastante diferentes do restante da amostra, muito mais altas ou muito mais baixas. O SPSS define pontos como outliers se eles se estenderem por mais de 1,5 comprimentos de caixa a partir da borda da caixa. Pontos extremos (indicados com um asterisco, *) são aqueles que se estendem por mais de três comprimentos de caixa a partir da borda da caixa.

Além de fornecer informações sobre valores discrepantes, um boxplot permite que você inspecione o padrão de pontuações para seus vários grupos. Ele fornece uma indicação da variabilidade nas pontuações dentro de cada grupo e permite uma inspeção visual das diferenças entre os grupos. No exemplo apresentado acima, a distribuição das pontuações em Afeto Positivo para homens e mulheres é muito semelhante.

Bem, era isso! Espero que esse post tenha sido útil!

Gostou desse conteúdo? Precisa aprender Análise de dados? Faça parte da Psicometria Online Academy: a maior formação de pesquisadores quantitativos da América Latina. Conheça toda nossa estrutura aqui e nunca mais passe trabalho sozinho(a).

Referência: Pallant, Julie. Spss Survival Manual: A Step by Step Guide to Data Analysis Using Spss. Maidenhead: Open University Press/McGraw-Hill, 2010. Print.

BRUNO FIGUEIREDO DAMÁSIO

Sou Psicólogo, mestre e doutor em Psicologia. Venho me dedicando à Psicometria desde 2007.

Fui professor e chefe do Departamento de Psicometria da UFRJ durante os anos de 2013 a 2020. Fui editor-chefe da revista Trends in Psychology, da Sociedade Brasileira de Psicologia (SBP) eEditor-Associado da Spanish Journal of Psychology, na sub-seção Psicometri e Métodos Quantitativos.

Tenho mais de 50 artigos publicados e mais de 3000 citações, nas melhores revistas nacionais e internacionais. Atualmente, me dedico a formação de novos pesquisadores, através da Psicometria Online Academy. Minha missão é ampliar a formação em Psicometria no Brasil e lhe auxiliar a conquistar os seus objetivos profissionais.

Deseja se tornar completamente autônomo e independente na análise dos seus dados?

Deixe um comentário

O seu endereço de e-mail não será publicado. Campos obrigatórios são marcados com *

Veja mais

Posts relacionados

Covariância e correlação

Covariância e correlação

Se você é estudante, professor ou pesquisador você está no lugar certo. Hoje, vamos mergulhar em um conceito fundamental: covariância e correlação. Na análise de dados, entender a relação entre

Diferenças entre Modelos Lineares e Modelos Lineares Generalizados (GLMs)

Diferenças entre Modelos Lineares e Modelos Lineares Generalizados (GLMs)

Em análise de dados, Modelos Lineares (LMs) e Modelos Lineares Generalizados (GLMs) são duas técnicas fundamentais que desempenham papéis cruciais na modelagem e interpretação de dados. Embora ambos compartilhem o

Explorando as etapas da análise de dados

Explorando as etapas da análise de dados

No vasto universo da análise de dados, encontramos duas vertentes cruciais: as estatísticas descritivas e as estatísticas inferenciais. Cada uma desempenha um papel distintivo na interpretação e compreensão de conjuntos

Breve check list para escrita de artigo acadêmico

Breve check list para escrita de artigo acadêmico

Você está pronto para embarcar em uma jornada de descoberta acadêmica? Seja você um pesquisado experiente ou iniciante, ter um guia para escrever um artigo de pesquisa é essencial para

O que são médias marginais?

O que são médias marginais?

Ao começar com estatísticas descritivas tradicionais, como as médias brutas, reconhecemos a necessidade de ir além, considerando possíveis viéses decorrentes de variações no número de observações e covariâncias. A pergunta-chave

Covariância e correlação

Covariância e correlação

Se você é estudante, professor ou pesquisador você está no lugar certo. Hoje, vamos mergulhar em um conceito fundamental: covariância e correlação. Na análise de dados, entender a relação entre

Diferenças entre Modelos Lineares e Modelos Lineares Generalizados (GLMs)

Diferenças entre Modelos Lineares e Modelos Lineares Generalizados (GLMs)

Em análise de dados, Modelos Lineares (LMs) e Modelos Lineares Generalizados (GLMs) são duas técnicas fundamentais que desempenham papéis cruciais na modelagem e interpretação de dados. Embora ambos compartilhem o

Explorando as etapas da análise de dados

Explorando as etapas da análise de dados

No vasto universo da análise de dados, encontramos duas vertentes cruciais: as estatísticas descritivas e as estatísticas inferenciais. Cada uma desempenha um papel distintivo na interpretação e compreensão de conjuntos

Breve check list para escrita de artigo acadêmico

Breve check list para escrita de artigo acadêmico

Você está pronto para embarcar em uma jornada de descoberta acadêmica? Seja você um pesquisado experiente ou iniciante, ter um guia para escrever um artigo de pesquisa é essencial para

O que são médias marginais?

O que são médias marginais?

Ao começar com estatísticas descritivas tradicionais, como as médias brutas, reconhecemos a necessidade de ir além, considerando possíveis viéses decorrentes de variações no número de observações e covariâncias. A pergunta-chave

Cadastre-se para ser notificado com o link das aulas ao vivo:

Módulo 4: Redes neurais artificiais

• Introdução a Deep Learning

• Avaliando sistemas de Deep Learning

• Redes Neurais feitas (sem programação) no SPSS

• Aula bônus: O futuro da IA na Sociedade

• Aula bônus: Dois Estudos de Caso 

Módulo 3: Interpretar e reportar resultados

• Gerar, interpretar e reportar resultados em Machine Learning

Módulo 2: Criando o seu sistema

• Selecionando algoritmos e métodos 
• Práticas de Machine Learning (Sem programação): Decision Tree (JASP), Linear Discriminant Classification (JASP) e Plataforma ORANGE
• Aula Bônus: Avaliação Psicológica e Machine Learning
• Aula Bônus: Livros e Cursos recomendados  
• Aula Bônus: Entrevista com Cientista de Dados focado na área da Saúde

Módulo 1: O que é Machine Learning

• O que é Machine Learning?
• Como a máquina aprende?
• Machine Learning para Psicometria e Pesquisa Quantitativa (pesquisas comentadas)
• Tipos de Machine Learning (Supervisionado e Não-supervisionado)
• Práticas de Machine Learning (Sem programação): JASP e SPSS
Aula Bônus: Filosofia da Inteligência Artificial
• Aula Bônus: Entrevista com Cientista de Dados graduado em Psicologia
• Aula bônus: Estudo de Caso sobre Redução Dimensional 

Preencha abaixo para
participar gratuitamente

Fique tranquilo, não utilizaremos suas informações de contato para enviar qualquer tipo de SPAM. Os dados coletados são tratados nos termos da Lei Geral de Proteção de Dados e você pode se descadastrar da nossa lista de contatos a qualquer momento.