Prctica ANOVA 1 via (factor de variacin)

Generalizacin del tema de contrastes de medias para dos grupos manteniendo el riesgo tipo I al nivel deseado. Ejemplo:
En un experimento clnico e han ensayado 5 tratamientos diferentes correspondientes a 5 principios activos distintos para el tratamiento de una enfermedad, que tienen como efecto secundario el producir una cierta sensacin de fatiga. Para ello se dispone de 50 individuos sanos voluntarios, asignados en 5 grupos de igual tamao al azar, a los que se le administran los 5 principios activos. Como respuesta se utiliza un ndice de la disminucin en la actividad de los individuos basado en diversas medidas obtenidas sobre cada paciente. Se pretende comprobar si los 5 tratamientos son igualmente efectivos.

Los datos son los siguientes:

Tratamiento Actividad

T1 T2 T3 T4 T5 OBJETIVO:

10 11 7 12 7

12 18 14 9 6

8 12 10 11 10

10 15 11 10 7

6 13 9 7 7

13 8 10 8 5

9 15 9 13 6

10 16 11 14 7

9 9 7 10 9

9 13 9 11 6

Comprobar si la variabilidad de la actividad de los individuos se puede explicar por los distintos tratamientos suministrados (niveles del factor) a los individuos. Resultados:
A)-Una vez introducidos los datos de forma conveniente en el programa SPSS, procederemos a una inspeccin previa de los mismos con el fin de obtener una descripcin estadstica de la actividad de los individuos bajo cada tratamiento. De una exploracin de la situacin obtenemos:

Descriptivos
Tratamiento Estadstico Media Intervalo de confianza para la media al 95% Lmite inferior Lmite superior 9,6000 8,2014 10,9986 13,0000 Lmite inferior Lmite superior 10,7631 15,2369 8,7000 Lmite inferior Lmite superior 7,1528 10,2472 10,5000 Lmite inferior Lmite superior 8,9455 12,0545 7,0000 Lmite inferior Lmite superior 5,9336 8,0664

t1

t2
Intervalo de confianza para la media al 95%

Media

t3
Intervalo de confianza para la media al 95%

Media

t4
Intervalo de confianza para la media al 95%

Media

t5
Intervalo de confianza para la media al 95%

Media

Extracto de la tabla obtenida

Podemos adems dibujar los intervalos de confianza obtenidos en el apartado anterior con el fin de visualizar mejor los resultados: Para ello en la opcin de grficos seleccionamos barras de error:

A la vista de los resultados podemos hacernos una idea de las posibles diferencias entre los grupos en estudio aunque, eso s, con la problemtica de la t de Student , es decir sin control del riesgo de rechazo indebido de la hiptesis nula. Para solucionar estos problemas realizaremos un anlisis de la varianza. B) Requisitos previos a la realizacin del Anova NORMALIDAD (ver grficos box-plot) Parece ser que los grupos no se alejan demasiado de la normalidad

HOMOSCEDASTICIDAD : test de Levene: La prueba de homogeneidad de vaianzas tiene una significacin de p = 0,252 de lo que se desprende que podemos considerar
que los 5 grupos son homoscedsticos

:
Prueba de homogeneidad de la varianza Estadstico de Levene 1,392 .

gl1 4

gl2 45

Sig. ,252

Estamos pues en condiciones de aplicar la tcnica de ANOVA de 1 via: Para ello vamos al men Analizarcomparar medias---Anova un factor:

Seleccionamos la variable dependiente y el factor de variacin y el botn aceptar nos arroja los resultados del ANOVA:

Lo que nos indica que rechazamos la hiptesis nula de igualdad de medias con resultados altamente significativos. Por tanto nos gustara saber entre que grupos se ha producido la diferencia. Para ello, la opcin post hoc: nos permite seleccionar el tipo de contraste que deseamos realizar para poner de manifiesto las diferencias detectadas a nivel global con el ANOVA. Cuando no queremos hacer todas las comparaciones por pareja, o todas las combinaciones posibles sino que antes de realizar el Anova tuvisemos planeados aquellos contrastes que realmente nos interesan para el estudio el botn de contrastes nos permite disear nuestros propios contrastes de forma ms especfica asignando coeficientes positivos y negativos para diferenciar a los grupos que creemos que tienen comportamientos medios distintos. La suma de dichos coeficientes ha de ser igual a cero

contrastes

Post hoc

Prctica ANOVA 2 vias (factores de variacin)

Ejemplo:
Se est investigando cual es el efecto de tres tipos de abono sobre dos tipos de suelo. Se espera que el efecto de los distintos abonos se manifieste de forma diferente dependiendo del tipo de suelo. Para el presente estudio tomaremos dos tipos de suelo, cido y alcalino y tres tipo de abono que denotaremos con A B y C. Tenemos as dos factores (suelo y abono) con dos y tres niveles respectivamente, que resultan en 6 combinaciones. Tomaremos un diseo factorial con dos factores y tres replicas en cada una de las combinaciones de los niveles de los dos factores. La respuesta es un ndice de abundancia de una determinada especie tras la aplicacin de los distintos abonos. Los resultados se muestran en la tabla siguiente. A 8 4 0 14 10 6 B 10 8 6 4 2 0 C 8 6 4 15 12 9

cido Alcalino

OBJETIVO: Comprobar si la abundancia de la especie analizada se puede explicar por los distintos tratamientos suministrados (abonos y tipos de suelo) as como a la interaccin de ambos tratamientos. Resultados:
A)-Una vez introducidos los datos de forma conveniente en el programa SPSS, procederemos a una inspeccin previa de los mismos con el fin de obtener una descripcin estadstica de la abundancia de la especie bajo cada tratamiento y tipo de suelo.
Descriptivos Suelo acido Estadstico Media Intervalo de confianza para la media al 95% alcalino Media Intervalo de confianza para la media al 95% Lmite inferior Lmite superior Lmite inferior Lmite superior 6,0000 3,6940 8,3060 8,0000 3,9145 12,0855 1,77169 Error tp. 1,00000

VAR00001

Prueba de homogeneidad de la varianza Estadstico de Levene VAR00001 Basndose en la media 4,692

gl1 1

gl2 16

Sig. ,046

Descriptivos abono a Estadstico Media Intervalo de confianza para la media al 95% b Media Intervalo de confianza para la media al 95% c Media Intervalo de confianza para la media al 95% Lmite inferior Lmite superior Lmite inferior Lmite superior Lmite inferior Lmite superior 7,0000 1,9019 12,0981 5,0000 1,0734 8,9266 9,0000 4,8023 13,1977 1,63299 1,52753 Error tp. 1,98326

VAR00001

Prueba de homogeneidad de la varianza Estadstico de Levene VAR00001 Basndose en la media ,168

gl1 2

gl2 15

Sig. ,847

Una vez explorados los datos y analizados los requisitos previos para el anlisis (normalidad y homoscedasticidad) procedemos a la realizacin del anlisis de la varianza de dos vas con interaccin

Seleccionamos de entre las variables del listado nuestra variable dependiente y los factores que queremos analizar: El programa permite diferenciar si los factores son fijos o son aleatorios.

Si seleccionamos el botn aceptar obtenemos la siguiente informacin:

Factores inter-sujetos Etiqueta del valor suelo abono 1 2 1,00 2,00 3,00 acido alcalino a b c

N 9 9 6 6 6

Una primera tabla donde nos detalla para cada factor sus niveles y respectivos tamaos muestrales. A continuacin aparece, en el visor de resultados, una tabla resumen para el Anova donde se obtiene informacin para los contrastes de las distintas fuentes o factores de variacin y para la interaccin. Como ya sabemos el anlisis de esta tabla depende totalmente del resultado del contraste para la interaccin. Adems de los tres contrastes planteados en este anlisis podemos efectuar un contraste para ver si el modelo completo (modelo corregido) explica de forma significativa una parte de la variabilidad de la variable dependiente. El R cuadrado de la base de la tabla nos informa del porcentaje de la variabilidad de la variable dependiente explicada por el modelo completo. El trmino interseccin hace referencia a la constante del modelo.
Pruebas de los efectos inter-sujetos Variable dependiente: VAR00001 Suma de cuadrados tipo III 210,000(a) 882,000 18,000 48,000 144,000 106,000 1198,000 316,000 Media cuadrtica 42,000 882,000 18,000 24,000 72,000 8,833

Fuente Modelo corregido Interseccin suelo abono suelo * abono Error Total Total corregida

gl 5 1 1 2 2 12 18 17

F 4,755 99,849 2,038 2,717 8,151

Significacin ,013 ,000 ,179 ,106 ,006

a R cuadrado = ,665 (R cuadrado corregida = ,525)

Si la interaccin resulta significativa los grficos de medias pueden resultar valiosos. para analizar lo que est ocurriendo en la realidad. Para obtenerlos utilizamos el botn de grficos del men principal del anlisis:

As se observa cual es el significado del efecto interaccin, pero una interpretacin correcta del efecto requiere realizar comparaciones por separado para los niveles de un factor en cada uno de los niveles del otro factor, desafortunadamente el procedimiento univariante no permite de forma directa realizar estas comparaciones por lo que es necesario utilizar la sintaxis de spss: 1 En el botn opciones seleccionamos mostrar las medias para l interaccin y pusar el botn continuar:

2 En el botn pegar hay que modificar la sintaxis de la siguiente forma: Modificar en la lnea EMEANS=TABLES(SUELOS*FERTILIZANTES) aadiendo lo siguiente: COMPARE(fertilizante) ADJ (BONFERRONI)

Lo que nos muestra en primer lugar es la tabla de medias para cada celdilla de la tabla (combinacin de los niveles del los factores) Variable dependiente: VAR00001 Intervalo de confianza al 95%. suelo acido fertilizante a b c alcalino a b c Media 4,000 8,000 6,000 10,000 2,000 12,000 Error tp. 1,716 1,716 1,716 1,716 1,716 1,716 Lmite inferior ,261 4,261 2,261 6,261 -1,739 8,261 Lmite superior 7,739 11,739 9,739 13,739 5,739 15,739

A continuacin nos aparecen los contrastes (comparaciones por pares) entre fertilizantes para cada nivel por separado del factor suelo Es decir la tabla donde podemos analizar realmente la interaccin. Comparaciones por pares Diferencia entre medias (ISignificaci J) n(a) Error tp.

suelo

(I) fertilizant e

(J) fertilizante

acido

a b c

alcalino

a b c

b c a c a b b c a c a b

-4,000 -2,000 4,000 2,000 2,000 -2,000 8,000(*) -2,000 -8,000(*) -10,000(*) 2,000 10,000(*)

2,427 2,427 2,427 2,427 2,427 2,427 2,427 2,427 2,427 2,427 2,427 2,427

,376 1,000 ,376 1,000 1,000 1,000 ,019 1,000 ,019 ,004 1,000 ,004

Intervalo de confianza al 95 % para la diferencia(a) Lmite Lmite inferior superior -10,745 2,745 -8,745 4,745 -2,745 10,745 -4,745 8,745 -4,745 8,745 -8,745 4,745 1,255 14,745 -8,745 4,745 -14,745 -1,255 -16,745 -3,255 -4,745 8,745 3,255 16,745

El Botn modelo: permite definir o bien el modelo factorial completo o bien un modelo en el que slo se consideren los factores sin la interaccin o si tuvisemos ms factores las interacciones de orden que nos fueran de inters. Podra ser de utilidad para el caso en que la interaccin no hubiese resultado significativa y deseramos eliminarla del anlisis.

En la opcin contrastes es posible realizar contrastes planificados de antemano para los distintos factores del anlisis de inters cuando la interaccin no es significativa o cuando tenemos diseos sin interaccin. En la opcin post hoc igual que en el anlisis de la varianza de un factor es posible realizar contrastes no planificados de antemano para los distintos factores del anlisis de inters cuando la interaccin no es significativa o cuando tenemos diseos sin interaccin. Si en el botn modelo seleccionamos nicamente los dos factores de variacin sin la interaccin podemos luego seleccionar siempre que tenga sentido los contrastes post hoc para cada factor por separado. En nuestro caso como slo fertilizante tiene ms de dos niveles elegimos a este factor:

Pruebas post hoc fertilizante

Comparaciones mltiples Bonferroni Intervalo de confianza al 95%. (I) fertilizante a b c (J) fertilizante b c a c a b Diferencia entre medias (I-J) 2,0000 -2,0000 -2,0000 -4,0000 2,0000 4,0000 Error tp. 2,43975 2,43975 2,43975 2,43975 2,43975 2,43975 Significacin 1,000 1,000 1,000 ,370 1,000 ,370 Lmite superior 8,6306 4,6306 4,6306 2,6306 8,6306 10,6306

Lmite inferior -4,6306 -8,6306 -8,6306 -10,6306 -4,6306 -2,6306