Pruebas de Rango Mltiple

Una F significativa contesta en forma afirmativa que hay diferencias entre los tratamientos que se sometieron a prueba, pero no establece cuales de ellos son diferentes entre s. Para saber esto, se recurre a otras tcnicas conocidas como pruebas de rango mltiple. Aqu analizaremos las ms comnmente usadas, a saber:

Diferencia Mnima Significativa (DMS) para hacer comparaciones entre medias adyacentes. Comparador Duncan para hacer cualquier combinacin posible de comparaciones entre un grupo de medias. Comparador Tukey, para experimentos que implican un nmero elevado de comparaciones o que se desea una prueba ms rigurosa que la de Duncan. Comparador SNK (Studen Newman Keuls), similar en metodologa a Duncan pero con un nivel intermedio de rigurosidad. Comparador Dunnet, empleada para hacer comparaciones entre los tratamientos y el testigo.

.4 VERIFICACION DE LOS SUPUESTOS DE UN MODELO. La evaluacin de los supuestos de ese modelo se basa en la verificacin de las propiedades empricas que se derivan de ellos. Si se cumple la monotona podremos encontrar estas caractersticas en los datos: a) todos los pares de tems tendrn correlaciones no-negativas para todos los subgrupos de sujetos que difieren en el mismo rasgo (Mokken, 1971); b) todo par de tems tendr una asociacin condicional (CA) en cualquier grupo de personas con una particular puntuacin emprica (X+) (Rosenbaum, 1984); c) para cualquier tem i la proporcin de personas que lo respondan correctamente ser no-decreciente sobre los grupos de puntuacin creciente (X+), donde X+ se estima sobre el resto de n-1 tems; finalmente d) la puntuacin total (X+) tendr una regresin montona no-decreciente sobre la habilidad (Lord y Novick, 1968), lo que implica una correlacin positiva entre ambos. La doble monotona por su parte implicara que el orden de las dificultades de los pasos entre tems es independiente de la distribucin de habilidad; esta propiedad asegurara el ordenamiento invariante de las funciones de respuesta entre pasos. Este ordenamiento entre pasos slo podra generalizarse al ordenamiento entre tems si se cumple la doble monotona fuerte. .- Coeficiente de escalabilidad. La evaluacin emprica de M puede llevarse a cabo a travs de una adaptacin del coeficiente de escalabilidad de Loevinger (1947, 1948) que Mokken (1971) utiliz para las escalas dicotmicas. Este coeficiente se define en trminos de errores de una escala Guttman que compara un patrn de respuesta observado con el patrn terico que debiera seguir una escala acumulada. Para dos

tems i y k (i < k) se operacionaliza del siguiente modo: Hik=1-(eik/eik(0)) donde eik y eik(0) son las probabilidades de errores observados y esperados bajo el modelo de independencia marginal, en cuyo caso Hik sera 0. En la hipottica situacin en que los patrones tericos y observados coincidieran el coeficiente de escalabilidad sera 1. El coeficiente de escalabilidad para un tem (i) podra obtenerse con respecto al resto de n1 tems como una combinacin lineal del total de H obtenidos. La adaptacin de este coeficiente a una escala politmica fue propuesta por Molenaar (1991, 1997; Sijtsma y Molenaar, 2002). El nuevo coeficiente pondera los errores en los patrones de respuesta observados respecto a los patrones tericos. La ponderacin sobre un par de tems se lleva a cabo teniendo en cuenta el nmero de pasos entre opciones involucrados en la resolucin de esos tems. El valor de H ponderado iguala la razn entre la correlacin observada entre dos tems y la correlacin mxima obtenida a partir de sus frecuencias marginales, Para la evaluacin de su significatividad Molenaar y Sijstma (2000) utilizan un test estadstico contra la hiptesis nula de H=0. Sin embargo, dado que en condiciones empricas este test siempre resulta significativo, es habitual valorar la escalabilidad de un tem respecto al punto de corte de 0,30 (Mokken, 1971). .- Evaluacin de la homogeneidad montona: Puesto que la proporcin de personas que superan una opcin de respuesta de un tem es no-decreciente sobre los grupos de puntuacin creciente (X+) para comprobar esta propiedad bastara con formar grupos de sujetos por niveles de puntuacin manifiesta (X+), y comprobar que el porcentaje de personas que superan una opcin se incrementa a medida que se incrementa sta. .- Evaluacin de la doble monotona: La evaluacin de la doble monotona se lleva a cabo definiendo proporciones univariadas ( ) y bivariadas ( )de respuestas entre categoras. Con la informacin obtenida se forman matrices empricas (P(++)) de orden n(m-1)xn(m-1) con elementos . Las filas y las columnas se ordenan crecientemente en funcin de los marginales de las proporciones . Dado este ordenamiento, las celdas tanto de las filas como de las columnas deben ser montonamente no-decrecientes si las ISRF son invariantemente ordenadas en theta. .- Evaluacin de la doble monotona fuerte: Los anlisis llevados a cabo para estudiar la condicin de doble monotona fuerte son similares a los llevados a cabo en la evaluacin de la doble monotona pero en lugar de comparar las proporciones de respuestas referidas a los pasos entre tems las comparaciones se llevan a cabo sobre las medias aritmticas obtenidas en los tems.