DISEOS EXPERIMENTALES: ANLISIS DE COVARIANZA

1. INTRODUCCIN
Fue desarrollado por Fisher (1948), como un mtodo para reducir la varianza de error en los experimentos aleatorios, incrementando as, la potencia y precisin del anlisis. El anlisis de covarianza (ANCOVA) combina las ventajas e integra en uno solo, dos procedimientos: El anlisis de regresin. El anlisis de varianza. En el ANCOVA se incluyen tres tipos de variables: 1) La(s) variable(s) independiente(s), cuyos efectos se quiere estimar. 2) La(s) variable(s) dependiente(s), que representan los resultados obtenidos despus de aplicar el tratamiento. 3) La(s) variable(s) covariadas, incluidas en el diseo para controlar su relacin con la VD. Las covariantes representan variables extraas, no sometidas directamente a investigacin, pero cuyos efectos se desea controlar. En el ANCOVA, generamos hiptesis acerca de la relacin entre variables independientes y dependientes en tanto que mantenemos controladas las variables covariadas. El anlisis de la covarianza, como ha sealado Thompson (1989) es un anlisis de tres etapas: Derivacin de los pesos de regresin de la covariada ignorando completamente la pertenencia a un grupo determinado de tratamiento. 1) Computacin de las puntuaciones predichas (Y') utilizando los pesos obtenidos y estimacin de los errores de prediccin ( = Y - Y') para cada sujeto. 2) Aplicacin de un anlisis de varianza sobre las puntuaciones residuales en vez de aplicarlo sobre las puntuaciones Y. El anlisis de covarianza se utiliza para aislar estadsticamente el efecto de alguna variable extraa en un experimento. El principio bsico del ANCOVA en experimentacin se basa en medidas de una o ms variables antecedentes, es decir, medidas antes de asignar aleatoriamente las unidades experimentales (sujetos) a los tratamientos. Esto se hace con el objeto de comprobar si los datos resultantes correlacionan de forma significativa con los resultados finales de los sujetos en la VD despus de aplicarse el tratamiento. Con la mera presencia de una sola medida antecedente, el diseo se complica puesto que entonces se tienen dos niveles de factor de tratamiento (cuando se disponga de ms de dos medidas antecedentes, habr que recurrir a la regresin mltiple). 1

2. SUPUESTOS DEL ANCOVA

El anlisis de covarianza exige el cumplimiento de todos los supuestos propios del anlisis de varianza ms otros adicionales: 1. Relacin lineal entre covariante y variable dependiente. 2. Homogeneidad de las pendientes de regresin. 3. Independencia lineal entre covariante y efectos del tratamiento.

3. SELECCIN Y NMERO DE COVARIADAS

Resulta vlido el principio que cualquier variable que est correlacionada con la variable dependiente es un posible candidato para covariante. Ahora bien, el cumplimiento de ciertas condiciones aadidas es fundamental para que se consiga lo que se pretende. La situacin ideal se produce cuando la(s) covariante(s) estn altamente correlacionadas con la dependiente y son independientes (su correlacin es 0) entre s. Si dos covariantes mantienen una pequea correlacin entre s (p. ej., 0.20) "removern" partes relativamente distintas de la varianza del error (Stevens, 1992). En principio, como el ANCOVA reduce el error aumentando la potencia de la prueba, nada impide que en situaciones donde se trabaje con n pequeas, se aumente el nmero de covariantes. El mismo Stevens propone que cuando la variable dependiente es una variable de rendimiento acadmico se debern contemplar, al menos, tres covariantes: 1) Una medida especfica del rea de contenido. 2) Una medida de habilidad general (CI). 3) Una (o dos) variables de tipo no cognitivo (actitud, hbitos, etc.).

4. ALTERNATIVAS A LA COVARIANZA
El ANCOVA es un procedimiento estadstico general aplicable en principio a cualquier diseo experimental. El ejemplo que hemos analizado, es un diseo del tipo pretest-postest, que ha sido elegido por su sencillez, a pesar de que no es uno de los diseos ms habituales en psicologa experimental bsica. Pero el diseo con covariantes se puede aplicar a cualquier diseo entre-sujetos o intrasujetos, a condicin que la covariante sea una variable continua. Ahora queremos planteamos una cuestin distinta que es la de comparar el ANCOVA con otras estrategias metodolgicas, que persiguen la misma finalidad, a saber, el aumento de la sensibilidad (potencia) del diseo. La eficacia del ANCOVA ha sido comparada sobre todo con el anlisis de las puntuaciones de cambio (diferencias entre pretest-postest) y con el diseo de bloques, que se basa en la introduccin de otra variable en el anlisis para conseguir una reduccin de la varianza de error. La variable introducida en el ANCOVA de denomina covariante . La variable introducida en el diseo de bloques de denomina variable de bloqueo .