Professional Documents
Culture Documents
X-1
UNIVERSIDAD DE JAN
ndice
M
A
X
U
T
P
L
E
L
T
R
A
L
C
V
A
A
C
R
A
N
D
A
C
O
N
MA
AT
X E
EX
XP
MU
UL
MA
AN
NO
OV
VA
A
TE
PL
LT
ER
LIIIC
TIIIV
RIIIA
AL
LX
CA
VA
AC
AR
CIII
RIIIA
N
AD
NM
DA
AC
CO
ON
NM
X-2
Reducc .
Err. AMP
Error
AMP
Error
COM
FUENTE SC gl ( ) MC
Entre
(Trat.)
a-1
Intra
(Err.)
N-a
Total
Fk
MCEntre
MCIntra
SCEntre
SCTotal
p( Fk )
Fk
MCEntre
MC
RPE / gl
(1 RPE ) / gl
SCR
SCE (COM )
N-1
*p
Supuesto M3
Analizar Comparar medias ANOVA de un factor
Dependientes: Exam, Social, Estrs. Factor: Grupo;
Opciones Descriptivos, Prueba de Homogeneidad,
Brown-Forsythe, Welch, Grfico de las medias
Continuar Aceptar
StatisticsANOVA One-way ANOVAOK
Dependent: Exam, Social, Estrs, Categorical: Grupo OK
Pestaa More Results Pestaa Means Observed
unweighted Pestaa Assumptions Levenes test &
Normal p-p SummaryUnivariate results
Interpretacin Univariada:
X-3
Razn Efecto
Ef Contraste Ef residual
Variabilidad
2 F ; E
Ef residual
Variabilidad Error
E
E
20
CUADRTICA
20
-Orde n 1: 0 P I-
CBICA
20
-Orde n 2: 1 P I-
15
15
15
15
10
10
10
10
a1
a2
a3
a4
a5
a1
a2
a3
a4
a5
CURTICA
20
-Orde n 3: 2 P I-
-Orde n 4: 3 P I-
0
a1
a2
a3
a4
a5
a1
a2
a3
a4
a5
Lineal (orden 1). El parmetro 1 tiene por objeto representar cualquier lnea recta o
relacin lineal. La vi va elevada a la primera potencia y es por lo tanto de orden 1, sin
cambios en la direccin de la tendencia (0 PI).
Cuadrtico (orden 2). La inclusin de X en el modelo permite que Y aumente
sistemticamente conforme X se aleja de algn punto central del eje X ya sea en una
direccin o en la otra. La cual puede tener un signo. Al elevar X a la segunda potencia, hay
un cambio de direccin en la curva (1 PI).
Cbico (orden 3). La inclusin de la tercera potencia permite que Y primero disminuya,
despus aumente y de nuevo vuelva a disminuir conforme X va aumentando. Entonces hay
dos cambios de direccin (2 PI).
En general, a-1-rtico (orden a-1), este mismo patrn se puede generalizar para cualquier
valor de a. Si X es elevado a alguna potencia p, la curva asociada con XP tiene contenidos p1 puntos de inflexin.
X-4
Newman-Keuls:
Tukey:
Scheff:
. pc
1;
2
r
q
2
q a2
FT
2
FNK
FS (a 1) FOMNIBUS
La nica diferencia entre un diseo EG y uno IS reside en los grados de libertad del error,
que seran N-a en el primero de los dos diseos y n-1 en el segundo.
Supuesto M3 (A
Posteriori)
Analizar,
Comparar
medias Contrastes
Post hoc Bonferroni,
Tukey Continuar
Aceptar
StatisticsANOVA
More Results Pestaa
Post-hoc
Tukey
HSD Bonferroni.
Interpretacin:
POTENCIA
Supuesto M3
Statistics Power Analysis Power Calculation Several Means,
1-Way (Planned Contrast) OK ; N: 10; N Groups: 3; Alpha:
0,05 RMSSE: 4,35889 (Botn Calc. Effects, Sigma: Raiz(MCE)=
0,99) OK Calculate Power start N: 10; End N: 100 Power
vs. N; Power vs. RMSSE; Power vs. Alpha
Opciones del programa Statistica:
Power Calculation.
Sample Size Calculation.
Interval Estimation.
Probability Distributions.
X-5
FA
MCA
MC
RPE / gl
FUENTE
SC
MC F 2 p
(1
RPE ) / gl
TOTAL
abn-1
Entre
ab-1
j
A (Principal)
a-1
SCRA
A2
k
B (Principal)
b-1
(COM A )
SC
E
j(k) AxB (Interacc)
(a-1)(b-1)
ij
Intra(o S/AB)
ab(n-1)
*p < 0,05
**p < 0,01
Error
SAT
Supuesto M3.2
Analizar Modelo Lineal General Univariante Dependiente:
Exam, Factores fijos: Grupo, TiemSufr; Graficos, Opciones y Guardar
(seleccionar las ms bsicas y las asociadas a la Potencia)
Continuar Aceptar (repetir con las otras dos var. Dep.: Social, Estrs)
Statistics Advanced Linear/Non Linear GLMDependent: Exam;
Categorical pred: Grupo-TiemSufr OK More Results
Summary All Effects/GraphsDescriptive Cell StatisticsPestaa
Assumptions.
Para Potencia:
Statistics Power Analysis Several Means, ANOVA, 2-Way
Primero Calc.Effects (Sigma es la Raiz de la MCError) y entonces la
potencia.
Repetir con las otras dos var. Dep.: Social, Estrs
Interpretacin:
X-6
a2
a3
b1
b2
b3
X
X
B : b1 b 3
A : a1 a 2
Interpretacin:
(tener presente que es sobre el efecto
principal de una nica variable)
Interpretacin:
(tener presente que es sobre el efecto
principal de una nica variable y la
interpretacin a posteriori o exhaustiva).
X-7
MiniANOVA
Efectos simples
Anlisis detallado
Efectos simples
A : a1 a 2
A en b1
A en b1
X
a1
a2
a3
b1
b2
b3
A en b2
A en b2
B en a2
B en a1
X
X
X
X
X
X
B en a1
B en a2
A en b3
A en b3
B en a3
X
X
X
MiniANOVA
Efectos simples
B en a3
Anlisis detallado
Efectos simples
B : b1 b 3
Direccin B en aj
El problema es que SPSS est por completo orientado al anlisis de efectos principales y por
lo tanto hay que emplear una estrategia de seleccin para el anlisis de efectos simples.
En el caso de A en b1
Datos
Seleccionar Casos
Si se satisface la condicin:
Si
Grupo=1
Continuar
Para el MiniANOVA, igual que en el ANOVA global
pero sin la variable de agrupamiento
Para un Contraste, igual que en el MiniANOVA pero
restringiendo la variable agrupam nicamente a los
dos que estn implicados en el contraste.
Interpretacin:
Efectos simples de las dos capas implicadas.
Mes en Tipo1
Mes en Tipo2
X-8
Bases conceptuales
11 21 31
H 0 : 12 22 32
Que equivale a H 0 : ( 1 2 3 )
13
23
33
G1
G2
G3
Estadsticos Multivariantes
Lambda de Wilks y aproximacin
F de Rao ().
Traza de Pillai-Bartlett (T).
Raz caracterstica (mxima) de
Roy
con
estadstico
F
aproximado.
T2 de Hotelling-Lawly y Traza
Hotelling-Lawly
generalizada.
Aproximacin 2 de Tiku.
X-9
Una vez que el MANOVA global ha resultado significativo, se realizan los contrastes que
concreticen los niveles de la variable independiente que producen las diferencias.
Es una suma ponderada de centroides, especficamente: =CM= ci11+ ci22+...+ cikk,
El estadstico de contraste es el anlogo multivariado de la t de Student, la T2 de
Hotelling.
En los programas de anlisis:
o SPSS no proporciona una forma sencilla de realizar estos contrastes y se hara
seleccionando grupos selectivamente como vimos en el repaso de conceptos
bsicos [Datos -> Seleccionar casos -> Si se satisface la condicin -> Si:
Grupo<3 -> Continuar -> Aceptar]. Esta secuencia crea una nueva variable
Filter_$ que adjudica 1 a los casos que sern analizados y 0 a los que sern
excluidos del anlisis. A continuacin realizamos el anlisis multivariado como
hemos indicado ms arriba.
o Pero esta perspectiva no es adecuada ya que no permite manejar el Error Global.
Para ello sera preferible un programa alternativo como Statistica.
Son aplicables los conocimientos bsicos de contrastes (ver el repaso), se pueden hacer
a pariori, de tendencias o a posteriori. A posteriori lo ms conveniente es efectuar los
contrastes requeridos como a priori y corregir el nivel de significacin segn Bonferroni.
Supuesto M3
Datos -> Seleccionar casos -> Si se satisface la condicin -> Si:
Grupo<3 -> Continuar -> Aceptar
Analizar Modelo Lineal General Multivariante Dependientes:
Exam, Social, Estrs. Factores fijos: GRUPO; Opciones
Descriptivos, Grfico de las medias Continuar Aceptar
StatisticsAdvanced Linear/ General Linear ModelsOK General
Linear Models Variables Dependent: Exam, Social, Estrs,
Categorical: Grupo OK Pestaa More Results Pestaa Planned
comps Specify Contrasts for LS means 1; -1;0 OK Compute
Pestaa Planned comps Contrasts for LS means
Polynomial Linear OK Compute
Interpretacin:
10.2.3.
X-10
MC A
SC A /(a 1)
; F( a 1);( a 1)( n 1)
MC AxS SC AxS /(a 1)(n 1)
Que, dada la problemtica con el supuesto de esfericidad, se puede analizar segn una de dos
aproximaciones:
A) Aproximacin Geisser-Greenhouse para estimar la F terica. Se aplica una correccin a
los grados de libertad.
B) Basada en Estadsticos de anlisis Multivariante
EN EL ANLISIS DETALLADO
Hay que estimar un trmino error especfico para cada anlisis, que se entiende como la
interaccin de los tratamientos por el contraste ( A xS ).
Las pruebas a posteriori se generalizan perfectamente a partir del diseo bsico
Entregrupos:
Dunn-Bonferroni
Newman-Keuls
Tukey
pc
FNK
FT
Scheff
F1; ; Donde pc
q 2r ;
2
q 2a ;
EW
c
y c
a (a 1)
2
2
(n 1) si no hom ocedas.
(a 1)(n 1) si hom ocedas.
FS (a 1) F( a 1);( a 1)( n 1)
10
X-11
Interpretacin:
(Contemplar la problemtica supuesto esfericidad y
comparar estrategias correctoras con Multivariado):
11
10.2.4.
X-12
Habr que computar tres estadsticos de contraste, uno para cada efecto principal, cada
factor, y otro para su interaccin.
Supuesto M3.2
Analizar Modelo Lineal General Multivariante
Dependientes: Exam, Social, Estrs. Factores fijos: Grupo,
TiemSufr Aceptar
Aadir las consideraciones vistas ms atrs
StatisticsAdvanced Linear/ GLMOK GLM
Variables Dependent: Exam, Social, Estrs, Categorical:
Grupo - TiemSufr OK Pestaa More Results Pestaa
Means Observed unweighted Pestaa Assumptions
Levenes test & Normal p-p & Box M Summary: seleccionar
Multivariate Tests parte inferior: Pillais, Hotellings; Roys Test
All Effects
Interpretacin:
Realice el anlisis global Multivariado frente a
Univariado.
12
X-13
Interpretacin:
Realice el anlisis global Multivariado frente a
Univariado.
Interpretacin:
Realice el anlisis global Multivariado frente a
Univariado.
13
X-14
Entre
n-1
A
a-1
AxS
(A-1)(N-1)
B
b-1
AxB
(A-1)(B-1)
BxS
(b-1)(n-1)
jk
FAxB
AxBxS
(A-1)(B-1)(N-1)
Efectos principales:
FA
MC A
SC A /(a 1)
;
MC AxS SC AxS / a 1 n 1
FB
MCB
SCB /(b 1)
;
MCBxS SCBxS / b 1 n 1
La interaccin:
MC AxB
SC AxB /(a 1)(b 1)
;
MC AxBxS SC AxBxS /(a 1)(b 1)(n 1)
Entre
an-1
A
a-1
S/A
A(N-1)
BxS/A
b-1
a(b-1)(n-1)
AxB
(A-1)(B-1)
jk
Efectos principales:
MC A
SC A /(a 1)
; F( a 1);a ( n 1)
MC S / A SC S / A / a(n 1)
MCB
SCB /(b 1)
FB
; F( b 1); a (b 1)( n 1) o F1; a ( n 1)
La interaccin:
FAxB
MC AxB
SC AxB /(a 1)(b 1)
;
MCBxS / A SCBxS / A / a(b 1)(n 1)
14
10.2.6.
X-15
La pregunta clave es: Qu puede mejorarse ahora respecto del ANOVA, al incluir el
covariado? En primer lugar, decir que es importante determinar si se puede conseguir
una disminucin del error usando ANCOVA. Si la variable extraa no correlaciona con la
variable dependiente, la inclusin de aquella es innecesaria e inadecuada
Yij j ( Z ij Z ) i ( j )
j Y j Y Z j Z
SPYZ
SCZ
Z Yij Y n j Z j Z Y j Y Z ij Z j Yij Y j
j
j
i
ij
SPT ( ZY )
SPEntre ( ZY )
SPIntra ( ZY )
Fuente
SC(Adj)
Entre
(Trat.)
ij
Intra
(Err.)
SCIntra ( Adj )
Total
SCT ( Adj )
SPIntra (YZ )
SCIntra (Y )
SCIntra ( Z )
SPT (YZ )
SCT (Y )
SCT ( Z )
MC(Adj)
N-a-1
MCIntra
SCEntre
MC Entre
SCEntre
*
a 1
MC Intra
SCTotal
SCIntra
N a 1
MCEntre
a-1
Fk
p( Fk )
N-2
*p
15
X-16
Y j ( Adj ) Y j
Intra ( ZY ) Z j Z ; la pendiente SPIntra(YZ) / la SCIntra(Z).
o
el trmino error de los contrastes tambin debe ser ajustado en funcin del
covariado:
MCEntre ( Z )
MCErr ( Adj ) MCIntra ( Adj ) MCIntra ( Adj )
SCIntra ( Z )
Interpretacin:
Realice el anlisis global Multivariado frente a
Univariado.
16
10.2.7.
X-17
Cuadro 7.2. Adaptado a partir de Ramos, M.M.; Catena, A. y Trujillo, H. (2004). Manual de Mtodos y
Tcnicas de Investigacin en Ciencias Del Comportamiento. Madrid: Biblioteca Nueva.
A) SUPUESTOS DETALLADOS
Supuestos estadsticos:
1) Poblaciones distribuidas segn la Normal.
2) Las observaciones son muestras aleatorias.
3) Numerador y denominador de F son estimaciones de la misma varianza poblacional, 2.
4) Numerador y denominador de F son independientes.
Supuestos respecto al diseo:
1) La ecuacin estructural del modelo es aditiva.
2) El experimento contiene todos los niveles de tratamiento.
3) El error Eij es independiente.
4) El error Eij se distribuye segn una Normal.
5) Las varianzas Error son equivalentes.
B) SUPUESTOS GENERALES
Yi 0 1Z i 2 i1 3 i 2 4 Z i i1 5 Z i i 2 i
var.extraa
var.independiente
Interaccion
a 1 ; F
a 1; a ( n 2)
a(n 2)
17
X-18
Conclusiones
Para sistematizar este tipo de anlisis se recomienda tener presente el esquema que
aparece al final del captulo IX del manual de Catena, Ramos y Trujillo (2003).
Adems para detalles sobre los supuestos se recomienda el captulo VII del manual de
Ramos, Catena y Trujillo (2004).
18
X-19
19
X-20
20
10.4.1.
X-21
21
10.4.2. Ejemplificacin
SPSS/PASW
del
X-22
anlisis
tipo
MANOVA
mediante
Analizar -> Modelo Lineal General -> Multivariante -> Dependientes: Exam, Social, Estrs ->
Independiente: Grupo -> Aceptar (anlisis)
Fase de Resumen del Modelo
Analizar -> Modelo Lineal General -> Multivariante -> Dependientes: Exam, Social, Estrs ->
Independiente: Grupo -> Opciones -> Potencia Observada -> Continuar -> Aceptar (anlisis)
Analizar -> Modelo Lineal General -> Multivariante -> Dependientes: Exam, Social, Estrs ->
Independiente: Grupo -> Opciones -> Estimaciones del Tamao del Efecto -> Continuar ->
Aceptar (anlisis)
Anlisis detallado de contrastes para Hiptesis especficas
Datos -> Seleccionar casos -> Si se satisface la condicin -> Si: Grupo<3 -> Continuar ->
Aceptar
Y repetir secuencia de pasos del MANOVA
Supuesto M3.1.
Analizar -> Modelo Lineal General -> Medidas Repetidas -> factor: Ensayos -> niveles: 3 >Agregar -> Definir -> Variables intra-sujeto: e1, e2, e3 -> Aceptar (anlisis)
Supuesto M3.2.
Analizar -> Modelo Lineal General -> Multivariante -> Independientes: Grupo, Tiempo ->
Dependientes: Exam, Social, Estrs -> Aceptar (anlisis)
22
X-23
Efectos Simples:
Grupo en Tiempo=1
Datos -> Seleccionar casos -> Si se satisface la condicin -> Si: Tiempo=1 -> Continuar ->
Aceptar
Analizar -> Modelo Lineal General -> Multivariante -> Independientes: Grupo -> Dependientes:
Exam, Social, Estrs -> Aceptar (anlisis)
Grupo en Tiempo=2
Datos -> Seleccionar casos -> Si se satisface la condicin -> Si: Tiempo=2 -> Continuar ->
Aceptar
Analizar -> Modelo Lineal General -> Multivariante -> Independientes: Grupo -> Dependientes:
Exam, Social, Estrs -> Aceptar (anlisis)
Supuesto M3.3.
Analizar -> Modelo Lineal General -> Medidas Repetidas -> factor: Ensayos -> niveles: 3 >Agregar -> Factor: prctica -> Niveles: 2 -> Agregar -> Definir -> Variables intra-sujeto:
m1, m2, m3, d1, d2, d3 -> Aceptar (anlisis)
Supuesto M3.4.
Analizar -> Modelo Lineal General -> Medidas Repetidas -> factor: Ensayos -> niveles: 3 >Agregar -> Definir -> Variables intra-sujeto: e1, e2, e3 -> Factores Inter.-sujetos: prctica > Aceptar (anlisis)
Supuesto M3.5.
Analizar -> Modelo Lineal General -> Multivariante -> Independientes: Grupo -> Dependientes:
D_T, D_P -> Covariados: A_T, A_P -> Aceptar (anlisis)
Volver Principio
23