A.

Justel - 2007/08

1 DE EXPERIMENTOS MODELOS DE DISENO

Para realizar el an alisis completo de los modelos factoriales debemos obtener con el SPSS: (a) la tabla ANOVA, (b) los estimadores de los efectos y la varianza, (c) los gr acos de perl, (d) las comparaciones m ultiples de todos los niveles dos a dos para cada uno de los factores, (e) los gr acos para el diagn ostico de las hip otesis con los datos y/o los residuos. 1. Introducir los datos Por columnas en la ventana de Editor de datos SPSS. En una columna la variable respuesta y en las otras, para cada observaci on, su nivel en cada uno de los factores. Dar nombres apropiados a las variables. En Etiqueta explicar su contenido. En Valores describir los niveles de los factores. 2. Representar los datos Para representar los datos en los casos en los que se replica el experimento un n umero suciente de veces, se siguen los mismos pasos que en An alisis de varianza unifactorial. 3. Estimar las medias, obtener tabla ANOVA y comparaciones m ultiples Analizar Modelo lineal general Univariante Dependiente: respuesta. Factores jos: todas los posibles factores/bloques. 3.1. El modelo se elige en Modelo Factorial completo incluye todos los factores/bloques y todas las posibles interacciones. Personalizado permite omitir factores, bloques y/o interacciones. Para incluir los factores/bloques en el modelo: en Construir t erminos se selecciona Efectos princip. Se marcan en la columna de la izquierda y se pasan a la otra con . Para incluir una interacci on en el modelo: en Construir t erminos se selecciona Interacci on. Despu es se marcan en la columna de la izquierda los factores implicados (a la vez) y se pasan a la otra columna con identica por los factores unidos con un asterisco (factor1*factor2) . Nota: En la columna de la derecha debe aparecer la interacci on, que se

A. Justel - 2007/08

2 debe-

Si alg un factor/bloque o interacci on no inuye en la respuesta: y se pasa a la otra con

mos eliminarlo del modelo. Se selecciona en la columna de la derecha

Las opciones por defecto Suma de cuadrados: Tipo III e Incluir la intersecci on son las que utilizaremos siempre. 3.2 Los gr acos de perl para detectar posibles interacciones entre factores se obtienen en Gr aficos . En Eje horizontal situamos el factor con m as niveles, y el otro factor en L neas distintas. No olvidar activar Gr aficos: A~ nadir 3.3 La estimaci on de las respuestas medias (o los efectos) para cada nivel, se obtienen activando el bot on Opciones . Marcar [GLOBAL] y los factores/bloques y/o interacciones, que se trasladan con la echa .

3.4 Para realizar las comparaciones m ultiples de los niveles dos a dos, activar Post Hoc y seleccionar Bonferroni (se podr a elegir cualquier otro m etodo) El nivel de signicaci on (total) se ja en Opciones de la ventana anterior. Es el mismo para las comparaciones de todos los factores. Si en nuestro problema no coinciden para todos los factores/bloques, debemos repetir todo el proceso con los diferentes niveles de signicaci on (obtendremos mucha informaci on redundante) S olo se pueden seleccionar los factores con m as de dos niveles. 4. Obtener los residuos Se obtienen en Guardar . Escogemos Residuos - Tipificados. Aparece en la ventana Editor de datos una nueva variable: res 1. Para analizarlos se procede igual que en la pr actica An alisis de la varianza unifactorial. 5. Predecir nuevos valores En Guardar se seleccionan Valores pronosticados - No tipificados. Aparece en la ventana Editor de datos una nueva variable: pre 1, con las predicciones de respuestas futuras a las distintas combinaciones de los niveles de los factores.

A. Justel - 2007/08

Ejercicio 6: El abeto sitka es el arbol de bosque m as importante en Inglaterra. Sin embargo, posee una regeneraci on natural escasa y es necesario aumentar la producci on de semillas. Se proponen cuatro tratamientos hormonales que se aplican a ramas situadas en la parte m as baja de la copa y en la m as alta. Las ramas se seleccionan en ocho arboles diferentes elegidos al azar dentro del mismo bosque. Adem as el experimento se replica, obteni endose el siguiente n umero de semillas producidas por rama:
Exp. I Baja Alta A 89 87 B 59 56 C 20 15 D 51 47 Exp. II Baja Alta A 84 92 B 52 67 C 14 26 D 45 56

Qu e tratamiento hormonal es m as efectivo? Soluci on: Como no tenemos m as que dos r eplicas del experimento, no tiene sentido hacer los gr acos. Por tanto, asumimos que las hip otesis del modelo son ciertas. Para identicar el tratamiento hormonal m as efectivo, seleccionamos la opci on modelo lineal general univariante. Dado que tenemos una r eplica del experimento, y no podemos tener la seguridad de que alg un tratamiento no tenga alguna interacci on con la posici on de la rama, seleccionamos el modelo Factorial completo que incluye la interacci on. El resultado es:
Pruebas de los efectos inter-sujetos Variable dependiente: Nmero de semillas por rama Suma de cuadrados tipo III 9816,000a 46225,000 64,000 9746,500 5,500 247,000 56288,000 10063,000

Fuente Modelo corregido Interseccin ALTURA TRATAMIE ALTURA * TRATAMIE Error Total Total corregida

gl 7 1 1 3 3 8 16 15

Media cuadrtica 1402,286 46225,000 64,000 3248,833 1,833 30,875

F 45,418 1497,166 2,073 105,225 ,059

Significacin ,000 ,000 ,188 ,000 ,980

a. R cuadrado = ,975 (R cuadrado corregida = ,954)

La tabla Anova indica que hay evidencia de que el tratamiento inuye (rechazamos H0 : 1 = = 4 = 0). Como la tabla Anova nos indica que no hay evidencia de interacci on, eliminamos este t ermino del an alisis. El factor posici on tiene una signicatividad bastante baja (p-valor = 0,188), pero podemos mantenerlo. A continuaci on volvemos a ejecutar el procedimiento, seleccionando en modelo la opci on

A. Justel - 2007/08
Variable dependiente: Nmero de semillas por rama

Personalizado. Se incluyen como Efectos principales los dos factores, y no se incluye Intervalo de confianza al
95%. interacci on. En Post hoc, elegimos el factor tratamiento para obtener las comparaciones Lmite

m (con el2,396 m etodo 82,727 de Bonferroni). En opciones seleccionamos de nuevo el facAultiples 88,000 93,273 tor tratamiento para obtener los valores medios para cada tratamiento. En Guardar C 18,750 2,396 13,477 24,023 seleccionamos Residuos tipificados. Los resultados que se obtienen son:
Comparaciones mltiples Variable dependiente: Nmero de semillas por rama Bonferroni D 49,750 2,396 44,477 55,023 B 58,500 2,396 53,227 63,773

Trat.

Media

Error tp.

Lmite inferior

superior

(I) Trat. A

(J) Trat. B C D A C D A B D A B C

Diferencia entre medias (I-J) 29,5000* 69,2500* 38,2500* -29,5000* 39,7500* 8,7500 -69,2500* -39,7500* -31,0000* -38,2500* -8,7500 31,0000*

Error tp. 3,38781 3,38781 3,38781 3,38781 3,38781 3,38781 3,38781 3,38781 3,38781 3,38781 3,38781 3,38781

Significacin ,000 ,000 ,000 ,000 ,000 ,153 ,000 ,000 ,000 ,000 ,153 ,000

Intervalo de confianza al 95%. Lmite Lmite inferior superior 18,6315 40,3685 58,3815 80,1185 27,3815 49,1185 -40,3685 -18,6315 28,8815 -2,1185 -80,1185 -50,6185 Grfico -41,8685 -49,1185 6 -19,6185 20,1315 5
4

Variable dependiente: Nmero de semillas por rama Intervalo de confianza al 95%. Trat. A B C D Media 88,000 58,500 18,750 49,750 Error tp. 2,396 2,396 2,396 2,396 Lmite inferior 82,727 53,227 13,477 44,477 Lmite superior 93,273 63,773 24,023 55,023

50,6185 19,6185 -58,3815 -28,8815 -20,1315 -27,3815 2,1185 41,8685

La as alta corresponde al tratamiento A, y existe evidencia de que distinto del *. media m Variable dependiente: Nmero de semillas por rama
Bonferroni resto (haciendo las comparaciones dos a dos con el resto). Antes de dar por buena esta
3

Basado en las medias observadas. *. La diferencia de medias es significativa al nivel ,05.

Comparaciones mltiples

conclusi on miramos los residuos del modelo

tp. Significacin Los residuos indican que probablemente hay un tercer factor, que toma valores Error comunes 3,38781 ,000

en Baja-Experimento I y alta-Experimento II. Habr a que revisar la toma de datos3,38781 de este 3,38781 experimento.
Grfico
6

Diferencia entre medias 1 (I) Trat. (J) Trat. (I-J) A B 29,5000* 0 C 69,2500* -1,00 -,50 0,00 ,50 1,00 1,50 D 38,2500* Residuo estandarizado para B SEMILLAS A -29,5000* C 39,7500* Grfico D 8,7500 C A -69,2500* 1,5 B -39,7500*
1,0

3,38781 3,38781 3,38781 3,38781 3,38781 3,38781 3,38781 3,38781 3,38781

,000 ,000 ,000 ,000 ,153 ,000 ,000 ,000 ,000 ,153 ,000

Intervalo de confianz 95%. Lm Lmite inferior sup 18,6315 40 58,3815 80 27,3815 49 -40,3685 -18 28,8815 -2,1185 -80,1185 -50,6185 -41,8685 -49,1185 -19,6185 20,1315

Residuo estandarizado para SEMILLAS

,5

D A B C

-31,0000* -38,2500* -8,7500 31,0000*

50 19 -58 -28 -20

-27 2 41

0,0

Basado en las medias observadas. *. La diferencia de medias es significativa al nivel ,05. *.

-,5

Pgina 1

-1,0

0 -1,00 -,50 0,00 ,50 1,00 1,50

-1,5 0 20 40 60 80 100

Residuo estandarizado para SEMILLAS

Nmero de semillas por rama

Grfico
1,5

siduo estandarizado para SEMILLAS

1,0

Pgina 1
,5

0,0

-,5

-1,0