AYUDA SPSS-CHI CUADRADO-CASO EMPLEADOS 1/16

AYUDA SPSS
CHI CUADRADO
Caso EMPLEADOS
Prof. Titular: Lic. Rubén José Rodríguez
1° noviembre de 2004
Publicado en:
http://www.rubenjoserodriguez.com.ar/wp-content/uploads/2011/07/Ayuda_SPSS_Chi_Cuadrado-
Caso_EMPLEADOS.pdf

Archivo SPSS 11.51: Fichero EMPLEADOS.sav_10 Variables X 474 casos

TABLA DE CONTINGENCIA Y CHI CUADRADO1

Planteamiento del problema: Un investigador social se encuentra analizando el comportamiento

de diversas variables en una empresa que posee una plantilla de empleados de 474 personas.
Basándose en una Teoría de Selección de Recursos Humanos considera que los Gerentes de
RR.HH. cuando necesitan seleccionar una persona para un cargo (directivo, administrativo, o segu-
ridad), analizan el perfil de competencias requerido para dicho cargo. Pero supone, que opera en el
selector un prejuicio o preconcepto respecto de la variable género en la definición de los perfiles de
ciertos cargos.
En síntesis, el investigador sostiene que para la definición de ciertos cargos la variable género no
interviene en la definición del perfil. Específicamente, el investigador supone que la proporción de
mujeres en cargos en seguridad, administrativas y directivas no es igual a la proporción de
hombres para esos mismos cargos.
El investigador se plantea demostrar:
a) Si existe o no relación entre las variables ´Sexo´ (sexo) y ´categoría laboral´ (catlab), es
decir, si son independientes o no independientes2, y
b) En caso de existir relación entre dichas variables, establecer si la misma es el resultado
del azar, o es el resultado de que está operando en el selector laboral la variable: prejuicio
de género.
Para poner a prueba su hipótesis el investigador social realiza los siguientes (12) pasos:

1. Diagnóstico de las variables:

1
Rodríguez, Rubén J. (1974): La Prueba de X2, Ficha de la cátedra, 2004, 6 pp.
2
Obsérvese que el investigador va a probar la Hipótesis de Independencia entre las varia-
bles, es decir, que la covariación entre X e Y es 0; esto es, que la variación X es independiente,
no influye sobre la variación de Y. En caso de que fracase en este intento, deberá afirmar que
ambas variables son no independientes. El investigador no va a probar la dependencia o asocia-
ción entre las variables, ni la fuerza o intensidad de la misma, ni la dirección o sentido, de la
covariación. Estas últimas informaciones las proveen los coeficientes de asociación y correla-
ción, y no los test de hipótesis, como lo es Chi-Cuadrado. [RJR]
 AYUDA SPSS-CHI CUADRADO-CASO EMPLEADOS 2/16

 ´sexo´: Variable cualitativa. Nivel de Medición Nominal. Variable dicotómica (2 categorías)

 ´catlab´: Variable cualitativa. Nivel de Medición Ordinal. Variable tricotómica (3 categorías)
2. Selección del procedimiento estadístico:
 Construcción de una tabla bivariada rectangular de tamaño 2 X 3 (2 categorías de la va-
riable Sexo X 3 categorías de la variable Categoría laboral)
 Procedimiento estadístico: Tabla de Contingencia (Crosstab)
 Ruta del procedimiento: Menú: Analizar>Estadísticos descriptivos>Tablas de contingen-
cia.
 Definición de variables según función en la hipótesis:
Sexo Catlab
Variable independiente (X) Variable dependiente (Y)
 Aplicación de la Regla de Hans Zeisel:
Calcular la base de los porcentajes en el sentido de la variable independiente (% Vertical) y
comparar los porcentajes en sentido opuesto (d%: Diferencia Porcentual) 3 4. Para ello se
asigna la variable “X” a la columna y la variable “Y” a la fila, y se indica al procedimiento
crosstab (Tabla de contingencia) que calcule los porcentajes de cada frecuencia absoluta
condicional, o frecuencia de celdas, tomando como base las frecuencias absolutas margi-
nales, o subtotales de columnas.
3. Formulación de hipótesis estadísticas: Estas son proposiciones que relacionan estadísticos
y/o parámetros, y que presuponen modelos de distribuciones teóricas (distribuciones muestra-
les). Las relaciones pueden ser de igualdad (=) o de desigualdad (╪) entre los estadísticos
y/parámetros pudiéndose especificar el sentido de la desigualdad (> o <) entre los mismos5. [En
éste último caso se utiliza un test de hipótesis bilateral o prueba estadística a dos colas, con ni-
vel de significación igual a P (/2) para ambas colas] dado que se espera que las diferencias o
los resultados de los estadísticos pueden ser mayores o menores que la media o que cero.)

3
“La regla general dicta que: siempre que en una tabulación comparativa (tabla cruzada o
de doble entrada) se considere que uno de los factores (variables) es causa de otro, los
porcentajes arrojarán más información si se calculan en dirección del factor causal (%
Vertical)”, Zeisel, Hans (1947): Dígalo con números, México: Fondo de Cultura Económica,
1990. Capítulo 2: ¿En qué dirección debe anotarse los porcentajes?, p. 52.
4
“Técnicamente (los porcentajes se pueden calcular) en ambas direcciones (%V o %H) siem-
pre que las comparaciones subsiguientes se hagan en sentido transversal a las direc-
ciones seguidas pero en la práctica, una dirección es más interesante que la otra. La regla
aquí es muy simple: sacar porcentajes tomando siempre como bases los valores de lo
que se considera variable independiente en el modelo subyacente, pues las variables
independientes generan los valores de la variable dependiente, no viceversa”, Galtung, Johan
(1966): Teoría y métodos de la investigación social, Tomo II, Buenos Aires: Eudeba, 1969,
p. 234.
5
Rodríguez, Rubén J. (1974): La prueba de hipótesis. Una aproximación estadística, Fi-
cha de la cátedra, 2004, p. 3.
 AYUDA SPSS-CHI CUADRADO-CASO EMPLEADOS 3/16

 Hipótesis alternativa o del investigador6: H1 = fo-fe ╪ 0

 Hipótesis Nula7 8 9 10: H0 = fo-fe = 0
Donde:
fo = frecuencias observadas o empíricas o recuentos, obtenidas en la tabulación cruzada o
bivariada mediante el procedimiento crosstab, y que se observa en el output, en las fre-
cuencias de celdas de la tabla de contingencia
fe = frecuencia esperadas o teóricas, bajo la Hipótesis nula de distribución al azar de las fre-
cuencias condicionales o frecuencias de celdas, y calculadas según la Segunda Ley de
Simón Laplace o Ley del Producto para sucesos conjuntos e independientes, dada por la
fórmula:

P  A y B  P  A  * P  B
fA fB
P  A y B  *
n n

6
“Hipótesis de investigación: La H1 es la hipótesis de origen y punto de partida de una investigación, o la
que suponen los datos, por ejemplo, una tabla de contingencia”. Sierra Bravo, Restituto (1991): Diccionario
Práctico de Estadística y Técnicas de Investigación Científica, Madrid: Editorial Paraninfo, 1991, p. 271.
7
“Hipótesis nula: La H0 afirma lo contrario sostenido en la H1. Es decir, niega o anula lo afirmado por el in-
vestigador, respecto a toda la población de la que procede la muestra. La H0 se contrasta en las pruebas de
hipótesis estadísticas”. Ibídem, p. 272. [La Hipótesis de investigación es como aquel principio jurídico que
afirma que todo hombre es inocente (Aceptar la H1 como Verdadera) hasta que se demuestre lo contrario, es
decir, su culpabilidad (Falsedad). La labor del abogado defensor será refutar la acusación (Rechazar la H0
como Falsa) que es lo que sostiene el abogado fiscal, para poder demostrar la inocencia de su defendido. La
H0 es la expresión estadístico operacional del Principio de Falsabilidad del epistemólogo Kart Popper. Para
probar la H0 se recurre a los test de hipótesis que son técnicas estadísticas que contrastan los resultados
obtenidos y los esperado bajo el supuesto de distribuciones teóricas que subyacen a las distribuciones empí-
ricas, dichos modelos probabilísticos fijan los valores críticos que determinan los límites críticos entre zonas
de aceptación o rechazo de la H0. Las alternativas del destino de esta quedan fijadas por las Reglas de deci-
sión estadística (Reglas de Pearson o Reglas de Fisher). Estas decisiones se toman bajo determinada pro-
babilidad de rechazo de H0 , y que conlleva un Error de tipo I: Rechazar la H0 como falsa cuando en realidad
es verdadera, y conlleva, al mismo tiempo, cometer un Error de tipo II: Aceptar la H0 como verdadera cuando
en realidad es falsa. La Probabilidad de cometer el Error de tipo I es igual a P (alpha), o Nivel de significa-
ción]. [Cf. “Error de Tipo I y II y el P-Value, Héctor Mueses, 2003]. [RJR].
8
“Así Popper no se interesa por la verificabilidad, sino por lo que llama ‘falsabilidad’…Una teoría es falsada
cuando se descubre un hecho que la desmiente o, más específicamente, cuando se puede deducir de la teo-
ría un enunciado singular predictivo que no la verifica. Así pues, en lugar de tratar de verificar una teoría hay
que hacer todo lo posible para falsarla; sólo cuando una teoría resiste los esfuerzos que se realizan para fal-
sarla queda corroborada”. Ferrater Mora, José (1994): Diccionario de Filosofía, Tomo II, Barcelona, Edito-
rial Ariel, ´Falsabilidad´, p. 1213
7
“En efecto, Popper demostró que la <verificación> no bastaba para asegurar la verdad de una teoría cientí-
fica. De hecho, las teorías verificadas se sucedían sin que ninguna pudiera adquirir la infalibilidad para siem-
pre. E, invirtiendo la aparente evidencia según la cual la teoría científica aportaba la certeza, Popper reveló
que, por el contrario, lo propio de la cientificidad de una teoría residía en el <falibilismo>[su Falsabilidad,
RJR]”. Morin, Edgar (1986): El Método. III. El conocimiento del conocimiento, 4ª ed., Madrid: Ediciones
Cátedra, 2002, p. 23.
 AYUDA SPSS-CHI CUADRADO-CASO EMPLEADOS 4/16

Esta fórmula, permite calcular la selección al azar de un (1) sujeto que tenga las características (A
y B), en nuestro caso, por ejemplo que al seleccionar al azar un (1) sujeto este sea (Directivo y Mu-
jer). (Ver Tabla de Contingencia en página 8).
Pero para calcular dicha probabilidad para los ‘n’ sujetos (474), debemos multiplicar dicha probabi-
lidad por ‘n’. Procedemos a la simplificación y obtenemos la fe:

fA fB
P  A y B  * * n
n n
f f
fe AyB  A* B
n
Utilizando otra simbología podemos definir la frecuencia esperada fe como:

ni. n. j ni. * n. j
f e  n 'i , j  n * p (i  j )  n * p (i ) * p( j )  n * 
n n n

Obsérvese que la fe ( n’i,j ) de una celda resulta del producto de las frecuencias marginales de co-
lumna y fila dividido ‘n’. (Véase que para esos dos atributos conjuntos (Directivo y Mujer) la fe (Direc-
tivo y Mujer) es igual al producto de los marginales de columna y fila de esa celda divido ‘n’, (en rojo
en la Tabla de Contingencia en pág. 8) es decir:
(216 * 84)/474 = 38,26 = fe (Directivo y Mujer)
Es decir, que si seleccionamos a azar de los 474 empleados, cuántos ‘Directivos y Mujeres’, ca-
bría esperar, que caigan en esa celda por mero azar? La respuesta es: 38,3 empleados. Observa-
mos que la frecuencia empírica no coincide con lo esperado bajo azar, está por debajo (10-38,3= -
28,3). Esta no coincidencia de lo observado con lo esperado nos indica que su diferencia es distin-
ta de 0, que es lo sostenido por la H1.
4. Distribución teórica: Distribución de X2
5. Estadístico de contraste: Chi Cuadrado de Pearson
6. Nivel de significación: P (alpha) = 0.05 (5%) (unilateral, prueba de una cola). La P (alfa) in-
dica la probabilidad de exceder el valor tabulado de X2 que aparece en la Tabla de Chi-
Cuadrado, para el número especificado de grados de libertad (gl). Dichos valores aparecen en
el cuerpo de la Tabla de Chi-Cuadrado y se las ubica en la intersección de la columna de la
Probabilidad del Nivel de Significación con la fila de los grados de libertad. 11
7. Grados de libertad (gl o df): Tabla 2 X 3 = (nº columnas-1)*(nº filas-1)= 2

:
8. Valor crítico: X2 Teórico o de Tabla : X2 (ά ; gl) X2 2; .05 = 5,991

11
Ver en p. 14 Tabla de Probabilidades de Chi-Cuadrado en la intersección columna P= 0,05 y fila df =
2, la celda X2 = 5,991.
 AYUDA SPSS-CHI CUADRADO-CASO EMPLEADOS 5/16

9. Regla de decisión de Fisher:

Si P-value < P  H0 y H1

10. Cálculo del test de hipótesis X2. Procedimiento SPSS: Menú Analizar>Estadísticos descrip-
tivos>Tablas de Contingencia>Botón: Estadísticos>Tildar casilla de verificación: Chi-Cuadrado>
Botón: Continuar>Botón: Casillas>Cuadro de diálogo: Mostrar en las casillas>Frecuencias: Ob-
servadas y Esperadas>Porcentajes: Columna>Residuos>No tipificados, Tipificados y Tipifica-
dos corregidos>Continuar>Pegar>Ventana de Sintaxis>Seleccionar Sintaxis Crosstab>Ejecutar
comando actual>Observar Visor de Resultados:
AYUDA SPSS-CHI CUADRADO-CASO EMPLEADOS 6/16
 AYUDA SPSS-CHI CUADRADO-CASO EMPLEADOS 7/16

Tablas de contingencia: Mostrar en las casillas12

Para ayudarle a descubrir las tramas en los datos que contribuyen a una prueba de Chi-cuadrado
significativa, el procedimiento Tablas de contingencia muestra las frecuencias esperadas y tres
tipos de residuos (desviaciones) que miden la diferencia entre las frecuencias observadas y las es-
peradas. Cada casilla de la tabla puede contener cualquier combinación de recuentos, porcentajes
y residuos seleccionados.

Recuentos. El número de casos realmente observados y el número de casos esperados si las va-
riables de fila y columna son independientes entre sí.

Porcentajes. Los porcentajes se pueden sumar a través de las filas o a lo largo de las columnas.
También se encuentran disponibles los porcentajes del número total de casos representados en la
tabla (una capa).

Residuos. Los residuos brutos no tipificados presentan la diferencia entre los valores observados y
los esperados. También se encuentran disponibles los residuos tipificados y tipificados corregidos.

Ejecutar comando actual

En el visor de Resultados de SPSS de la tabla de contingencia observamos que los residuos tipi-
ficados corregidos, o residuos corregidos13, exceden al valor teórico de un residuo corregido si
la distribución condicional se debiera al azar, esto es, los valores empíricos de los residuos corre-
gidos son mayores a ±1,96

12
Tutorial SPSS.
13
El residuo de una casilla (valor observado menos valor pronosticado) dividido por una estimación de su
error típico. El residuo tipificado resultante viene expresado en unidades de desviación típica, por encima o
por debajo de la media. (Menú contextual SPSS: Residuos corregidos).
 AYUDA SPSS-CHI CUADRADO-CASO EMPLEADOS 8/16

Efectivamente, las diferencias entre las fo-fe (residuos) dividido el Error Estándar, son mayores que
±1,96z, exactamente, 4,5 veces el Error Típico. Una desviación (residuo tipificado corregido) de tal
magnitud es poco probable que se deba al azar por lo que la frecuencia de “Mujeres y Administrati-
vas” no son independientes.

 Residuos standardizados (SRESID):

(SRESID) SR ij  (Oij  Eij ) / Eij

 Los residuos ajustados (ASRESID) (Residuos tipificados corregidos o Residuos corregi-

dos):
(SRESID) AR ij  SRij / Vij

donde Vij es la varianza estimada de SRij ,de valor igual a:

Vij  1  (Oi. / n)  1  (O. j / n) 

…siendo Oi. y O.j son las frecuencias observadas, respectivamente, en la fila i y la columna
j, y n el tamaño de la muestra…Cuanto mayor sea el valor absoluto del residuo ajus-
tado, mayor será la relación entre la pareja de categorías. (Sánchez Carrión (1995).
Manual de análisis estadístico de los datos. Madrid: Editorial Síntesis, pp. 341-344).
“El residuo de una casilla (valor observado menos valor pronosticado) dividido por una estimación
de su error típico. El residuo tipificado resultante viene expresado en unidades de desviación típica,
por encima o por debajo de la media”. (SPSS 15.0, Ayuda contextual, Tablas de Contingencia, Chi
Cuadrado, Mostrar en las celdas, Residuos tipificados corregidos).

La gran utilidad de los Residuos tipificados corregidos radica en que, puesto que se distri-
buye normalmente con media cero y desviación típica uno, N (0,1), son fácilmente interpreta-
bles: utilizando un nivel de confianza de 0,95, podemos afirmar que los residuos mayores de
1,96 delatan casillas con más casos de los que debería haber en esa casilla si las variables
estudiadas fueran independientes; mientras que los residuos menores de -1,96 delatan casi-
llas con menos casos de los que cabría esperar bajo la condición de independencia.
En tablas de contingencia con variables nominales, una vez que hemos establecido que entre
dos variables existe asociación significativa (mediante el estadístico Chi-cuadrado) y que
hemos cuantificado esa asociación con algún índice de asociación (Coeficiente de Contin-
gencia, CC), los residuos tipificados corregidos constituyen la mejor herramienta disponible
para poder interpretar con precisión el significado de la asociación detectada…Los distintos
porcentajes pueden ayudarnos a intuir posibles pautas de asociación, pero son los Residuos
tipificados corregidos los que nos permite interpretar de forma precisa la relación existente
entre las variables…Basta con fijarnos en aquellos (puntajes z) que son mayores que +1,96 o
menores que -1,96.”. [Ver ejemplo Tabla 5 y 6 en Nota IV d)]. Guía 10.0 SPSS para el Análi-
sis de Datos, capítulo 12: Análisis de variables categóricas, p. 39 y 41. (En línea):
http://www.uca.es/serv/sai/manuales/spss/Pantalla/12contin.pdf [Consulta: 10 de octubre de
2004]
 AYUDA SPSS-CHI CUADRADO-CASO EMPLEADOS 9/16

En el Visor de Resultados de SPSS observaremos los siguientes output (en la tabla de contingen-
cia que arroja SPSS se le han agregado dos columnas adicionales –recuadradas en azul- para re-
presentar la diferencia porcentual (d%) y el incremento porcentual (Δ%):

Tabla de contingencia Categoría laboral * Sexo

Sexo
Total d% Δ%
Hombre Mujer
Recuento 157 206 363
Frecuencia
197,6 165,4 363,0
esperada
% de Sexo 60,9% 95,4% 76,6% 34,5 56,7
Administrativo Residuo -40,6 40,6
Residuos tipi-
-2,9 3,2
ficados
Residuos
corregidos
-8,8 8,8
Recuento 27 0 27
Frecuencia
14,7 12,3 27,0
esperada
Categoría Seguridad % de Sexo 10,5% ,0% 5,7% +10,5
laboral Residuo 12,3 -12,3
Residuos tipi-
3,2 -3,5
ficados
Residuos
corregidos
4,9 -4,9
Recuento 74 10 84
Frecuencia
45,7 38,3 84,0
esperada
% de Sexo 28,7% 4,6% 17,7% +24,1 523,9
Residuo 28,3 -28,3
Directivo
Residuos tipi-
4,2 -4,6
ficados
Residuos
corregidos 6,8 -6,8
Recuento 258 216 474
Frecuencia
Total 258,0 216,0 474,0
esperada
% de Sexo 100,0% 100,0% 100,0%
 AYUDA SPSS-CHI CUADRADO-CASO EMPLEADOS 10/16

Diferencia porcentual14: Una manera de analizar los porcentajes de la tabla es por medio de la
Diferencia porcentual, que consisten en restar los porcentajes de celda en sentido opuesto en
que fueron calculados. En este caso la diferencia es entre los porcentajes de celdas en dirección a
las filas representada por la variable Categoría Laboral, dado que la base del porcentaje (n =
100%) es el marginal de la columna de la variable Sexo (%V: % Vertical). La Diferencia porcentual
es una medida de la intensidad de la asociación existente en las celdas. El resultado de la d% mide
el efecto que tiene una variable X sobre otra Y. De modo que si no existe asociación la diferencia
porcentual será 0 y si la asociación es máxima, la d% = 100.

14
“El mejor estadístico que hay para ver la relación entre variables nominales es la diferencia de porcen-
tajes”, Sánchez Carrión, Juan Javier (1995): Manual de análisis estadístico de los datos, 2ª ed., Madrid,
Editorial Síntesis, 1999, p. 344.
 AYUDA SPSS-CHI CUADRADO-CASO EMPLEADOS 11/16

50 50 100 0
50 50 0 100
100% 100% 100% 100%
d%=0 d%=100

En la práctica de análisis de datos se utiliza un criterio empírico de significación de los porcentajes

que consisten en que si la diferencia entre el porcentaje de celda más alto (frecuencia modal) de
cada categoría de la variable dependiente y el porcentaje de la frecuencia marginal correspondien-
te supera el 10% se considera que ambas variables están relacionadas. Por ejemplo:

% Administrativa y Mujer - % Administrativo = 95,4% – 76,6% = 18,8%

En este caso, podemos afirmar que existe relación entre las categoría Administrativa y Mujer, la
distribución bivariada relativa supera el 10% establecido como corte de no significatividad, a la dis-
tribución univariada relativa marginal. Por lo que cabe suponer que la variable Sexo afecta el com-
portamiento de la categoría Administrativo de la variable Categoría Laboral.
Pero, es la Diferencia porcentual la que nos da una medida de la fuerza de la variable indepen-
diente sobre la dependiente para cada celda (no para el total de la tabla). Para un sistema de dos
dicotomías 15 la fórmula de la d% es:

Atributo j
+ -

+ pi j pi j pi
Atributo i
- pi j pi j pi
pj pj 1

d%=pi j  pi j
En nuestro caso, la d% entre Categoría Laboral y Sexo para las categorías “Administrativo y Hom-
bre” y “Administrativa y Mujer”, es:

d%: Diferencia porcentual = % Administrativa y Mujer - % Administrativo y Hombre = 95,4 - 60,9 = 34,5

Y para las categorías “Directivo y Hombre” y “Directiva y Mujer”:

d%: Diferencia porcentual = % Directivo y Hombre - % Directiva y Mujer = 29,7 – 4,6 = 24,1

La diferencia porcentual mide la influencia de X sobre Y pero sobre una celda y no sobre toda la
tabla –en una tabla de 2 X 2 dicha conclusión se puede generalizar a una tabla bidimensional en
función de que los grados de libertad de la misma son 1, pues definida la d% para una fila las otras
d% quedan automáticamente determinada por el complemento de 1-:

15
Lazarsfeld, Paul y Boudon, Raymond (1966): Metodología de las ciencias sociales. Análisis empírico
de la causalidad, Tomo II, Barcelona, Editorial Laia, 1974, p. 328.
 AYUDA SPSS-CHI CUADRADO-CASO EMPLEADOS 12/16

X i j  Yi j
Pero, una de las limitaciones de la diferencia porcentual es comparar varias diferencias entre si:
“La dificultad en relación con las diferencias porcentuales como medidas de correlación no se ma-
nifiesta cuando solo se computa una diferencia, sino cuando se deben comparar diferencias por-
centuales”.
Tabla I Tabla II Tabla III

Alto Bajo d% Alto Bajo d% Alto Bajo d%

95 85 10 55 45 10 15 5 10
5 15 -10 45 55 -10 85 95 -10
100%100% 100% 100% 100% 100%

“En todos los casos las diferencias porcentuales muestran que en el grupo de los ‘Altos’ los por-
centajes son 10 puntos porcentuales más altos que en el grupo de los ´Bajos´; pero en la Tabla I
hay 95/85=1,12, en la II 55/45=1,22, y en la III 15/5= 3 veces más entre los ‘Altos’ que entre los
‘Bajos’”. 16
Por ello, una de las maneras de interpretar la diferencia porcentual es en el sentido del incremento
porcentual.

Incremento porcentual (Δ%): En una escala de 0 a 100 dichas d% son de tamaño mediano, no
obstante, observando la tabla vemos que si bien el tamaño de la diferencia porcentual de la cate-
goría administrativo entre hombres y mujeres es mayor (34,5%) que el que corresponde para la
categoría directivos (24,1%) con relación al porcentaje de arranque el aumento como proporción de
dicho porcentaje de base es distinto. El aumento porcentual que existe entre las mujeres con rela-
ción los hombres en la categoría directivos es proporcionalmente mayor que entre la categoría ad-
ministrativos. Es decir, para tener una evaluación relativa de la diferencia porcentual se debe com-
parar dicho aumento con relación al porcentaje del punto de´partida´. Si el porcentaje de ‘arranque’
es bajo el aumento hasta el porcentaje del punto de ´llegada´ será alto, y viceversa. El Incremento
porcentual (Δ%) expresa la diferencia porcentual en términos del porcentaje de arranque o por-
centaje de partida, que generalmente es el porcentaje menor. De este modo el Δ% expresa el au-
mento como proporción del porcentaje de base o arranque y lo expresa en términos porcentuales.
Su generalización se expresa en la siguiente fórmula:

%=  pi j  pi j  / pi j  *100

o dependiendo del porcentaje de ‘arranque’ del que se parta para medir el incremento:

 %=  pi j  pi j  / pi j  *100
En nuestro primer ejemplo, en porcentajes:

16
Galtung, 1969: II, 239-240.
 AYUDA SPSS-CHI CUADRADO-CASO EMPLEADOS 13/16

Δ%: Incremento porcentual = [(% Administrativa y Mujer - % Administrativo y Hombre) % Administrativo y Hombre] *
100=

= [(95,4 – 60,9 / 60,9)] * 100 = 56,7

Es decir, que el incremento del porcentaje de ‘mujeres’ con relación a los ‘hombres’ ´ en la catego-
ría ‘administrativos’ es del 56,7%. Efectivamente, si aplicamos dicho incremento del 56,7% al por-
centaje de base (60,9%) obtenemos el porcentaje final que lograron las ‘mujeres’ sobre los ‘hom-
bres’: 60,9+34,5 (56,7% de 60,9)= 95,4%.

En el segundo ejemplo, en porcentajes:

Δ%: Incremento porcentual = [(% Directivo y Hombre - % Directiva y Mujer) % Directiva y Mujer] * 100=

= [(28,7 – 4,6 / 4,6) ] * 100 = 523,9

Es decir, que el incremento del porcentaje de ‘hombres’ con relación a las ‘mujeres´ en la categoría
‘directivos’ es del 523,9%. Efectivamente, si aplicamos dicho incremento del 523,9% al porcentaje
de base (4,6%) obtenemos el porcentaje final que lograron las ‘hombres’ sobre los ‘mujeres’ en la
categoría de ´directivos´: 4,6+24,1% (523,9% de 4,6)= 28,7%
 AYUDA SPSS-CHI CUADRADO-CASO EMPLEADOS 14/16

11. Interpretación de los resultados: En el output del comando crosstab, para este cuadro de 2 X
3 (r X s), en la tabla Prueba de Chi-cuadrado, SPSS arroja el Chi-Value, es decir, el Chi-Cuadrado
empírico o calculado y la probabilidad asociada al mismo de que la diferencia entre la fo-fe aparez-
ca por azar: P (alfa) Nivel de Significación (Sig. Asintótica bilateral)17, representada por el área
a la izquierda y a la derecha de la curva de Chi- Cuadrado (prueba bilateral), o la cola del área de
la derecha (prueba unilateral). Además, muestra la Razón de Verosimilitud (Likelihood Ratio) 18
que no está calculado sobre la base del concepto de residuo (fo-fe) sino sobre el concepto de co-
ciente (fo/fe). Se interpreta igual que X2. La ventaja de la Razón de Verosimilitud es que no requie-
re que todas las frecuencias esperadas sean superiores que 5.

Pruebas de Chi-cuadrado

Sig. asintóti-
Valor gl ca (bilateral)
Chi-cuadrado de Pearson 79,277(a) 2 ,000
Razón de verosimilitud 13 95,463 2 ,000
N de casos válidos 474
a 0 casillas (,0%) tienen una frecuencia esperada inferior a 5. La frecuencia mínima esperada es 12,30.

En tablas de 2 X 2, SPSS arroja otros estadísticos. Para visualizar a estas pruebas, hemos dicoto-
mizado –del caso en estudio- la variable ‘categoría laboral´ fusionando las categorías
´Administrativos´ y ´Directivos´ y generando una nueva variable ´categoría laboral recodificada´. De
modo que se ha generado una tabla de 2 X 2 y se ha recalculado el Chi-Value.
Los resultado de la tabla se informan como p < .05. Es decir, que en términos de la Regla de Fis-
her el P-value (0,000) (Significación asintótica bilateral) es < que P-ά (P alfa: 0.05).

Tabla de contingencia Categoría Laboral dicotomizada * Sexo

Sexo
Hombre Mujer Total
Recuento 231 216 447
Frecuencia es-
Adm-Directivos 243,3 203,7 447,0
perada
Categoría Labo- % de Sexo 89,5% 100,0% 94,3%
ral dicotomizada Recuento 27 0 27
Frecuencia es-
Seguridad 14,7 12,3 27,0
perada
% de Sexo 10,5% ,0% 5,7%
Recuento 258 216 474
Frecuencia es-
Total 258,0 216,0 474,0
perada
% de Sexo 100,0% 100,0% 100,0%

17
El nivel de probabilidad indica los resultados de una prueba de significancia. Los asteriscos se usan para
indicar el nivel de probabilidad. (p.e. *p < .05; **p < .01; ***p < .001). Use un símbolo de cruz (†) para el p <
10
18
Ver Apéndice [RJR], Nota I: Razón de Verosimilitud, en Relación entre variables nominales-Chi Cuadrado,
Cap. 7, Vidal Díaz de Rada, p. 18.
 AYUDA SPSS-CHI CUADRADO-CASO EMPLEADOS 15/16

Pruebas de chi-cuadrado

Sig. asintótica Sig. exacta Sig. exacta

Valor gl
(bilateral) (bilateral) (unilateral)
Chi-cuadrado de Pearson 23,970(b) 1 ,000
Corrección por continuidad(a) 19 22,061 1 ,000
Razón de verosimilitud 34,207 1 ,000
Estadístico exacto de Fisher 20 ,000 ,000
N de casos válidos 474
a Calculado sólo para una tabla de 2x2.
b 0 casillas (,0%) tienen una frecuencia esperada inferior a 5. La frecuencia mínima espe-
rada es 12,30.

12. Decisión estadística: Aplicando la Regla de Decisión de Fisher se decide rechazar la Hipóte-
sis Nula, dado que –en ambos casos- el P-Value es menor que la P (alfa). En valores,

P 0,000 < P 0,05 H0 y H1

Se concluye que la relación entre Categoría Laboral y Sexo son no independientes, y la distribu-
ción bivariada empírica no se debe al azar, sino a los criterios de selección de RR.HH.

Prof. Rubén José Rodríguez

1º de noviembre de 2004

19 16
Ver Apéndice [RJR], Nota III, en Relación entre variables nominales-Chi Cuadrado, Cap. 7
Vidal Díaz de Rada, pp. 20-21.
 AYUDA SPSS-CHI CUADRADO-CASO EMPLEADOS 16/16

Table: Chi-Square Probabilities

The areas given across the top are the areas to the right of the critical value. To look up an area on the left, subtract it from one, and
then look it up (ie: 0.05 on the left is 0.95 on the right)
 AYUDA SPSS-CHI CUADRADO-CASO EMPLEADOS 17/16

df 0.995 0.99 0.975 0.95 0.90 0.10 0.05 0.025 0.01 0.005
1 --- --- 0.001 0.004 0.016 2.706 3.841 5.024 6.635 7.879
2 0.010 0.020 0.051 0.103 0.211 4.605 5.991 7.378 9.210 10.597
3 0.072 0.115 0.216 0.352 0.584 6.251 7.815 9.348 11.345 12.838
4 0.207 0.297 0.484 0.711 1.064 7.779 9.488 11.143 13.277 14.860
5 0.412 0.554 0.831 1.145 1.610 9.236 11.070 12.833 15.086 16.750
6 0.676 0.872 1.237 1.635 2.204 10.645 12.592 14.449 16.812 18.548
7 0.989 1.239 1.690 2.167 2.833 12.017 14.067 16.013 18.475 20.278
8 1.344 1.646 2.180 2.733 3.490 13.362 15.507 17.535 20.090 21.955
9 1.735 2.088 2.700 3.325 4.168 14.684 16.919 19.023 21.666 23.589
10 2.156 2.558 3.247 3.940 4.865 15.987 18.307 20.483 23.209 25.188
11 2.603 3.053 3.816 4.575 5.578 17.275 19.675 21.920 24.725 26.757
12 3.074 3.571 4.404 5.226 6.304 18.549 21.026 23.337 26.217 28.300
13 3.565 4.107 5.009 5.892 7.042 19.812 22.362 24.736 27.688 29.819
14 4.075 4.660 5.629 6.571 7.790 21.064 23.685 26.119 29.141 31.319
15 4.601 5.229 6.262 7.261 8.547 22.307 24.996 27.488 30.578 32.801
16 5.142 5.812 6.908 7.962 9.312 23.542 26.296 28.845 32.000 34.267
17 5.697 6.408 7.564 8.672 10.085 24.769 27.587 30.191 33.409 35.718
18 6.265 7.015 8.231 9.390 10.865 25.989 28.869 31.526 34.805 37.156
19 6.844 7.633 8.907 10.117 11.651 27.204 30.144 32.852 36.191 38.582
20 7.434 8.260 9.591 10.851 12.443 28.412 31.410 34.170 37.566 39.997
21 8.034 8.897 10.283 11.591 13.240 29.615 32.671 35.479 38.932 41.401
22 8.643 9.542 10.982 12.338 14.041 30.813 33.924 36.781 40.289 42.796
23 9.260 10.196 11.689 13.091 14.848 32.007 35.172 38.076 41.638 44.181
24 9.886 10.856 12.401 13.848 15.659 33.196 36.415 39.364 42.980 45.559
25 10.520 11.524 13.120 14.611 16.473 34.382 37.652 40.646 44.314 46.928
26 11.160 12.198 13.844 15.379 17.292 35.563 38.885 41.923 45.642 48.290
27 11.808 12.879 14.573 16.151 18.114 36.741 40.113 43.195 46.963 49.645
28 12.461 13.565 15.308 16.928 18.939 37.916 41.337 44.461 48.278 50.993
 AYUDA SPSS-CHI CUADRADO-CASO EMPLEADOS 18/16

29 13.121 14.256 16.047 17.708 19.768 39.087 42.557 45.722 49.588 52.336
30 13.787 14.953 16.791 18.493 20.599 40.256 43.773 46.979 50.892 53.672
40 20.707 22.164 24.433 26.509 29.051 51.805 55.758 59.342 63.691 66.766
50 27.991 29.707 32.357 34.764 37.689 63.167 67.505 71.420 76.154 79.490
60 35.534 37.485 40.482 43.188 46.459 74.397 79.082 83.298 88.379 91.952
70 43.275 45.442 48.758 51.739 55.329 85.527 90.531 95.023 100.425 104.215
80 51.172 53.540 57.153 60.391 64.278 96.578 101.879 106.629 112.329 116.321
90 59.196 61.754 65.647 69.126 73.291 107.565 113.145 118.136 124.116 128.299
100 67.328 70.065 74.222 77.929 82.358 118.498 124.342 129.5

