Manuel Miguel Ramos lvarez

Curso de Anlisis de investigaciones con programas Informticos

V-1

UNIVERSIDAD DE JAN

Material del curso Anlisis de datos procedentes de investigaciones mediante programas informticos
Manuel Miguel Ramos lvarez

ndice

MATERIAL V EXPLICACIN ANOVA MATERIAL V EXPLICACIN ANOVA ATERIAL XPLICACIN

5. Acercamiento con el fin explicativo: anlisis inferencial orientado a Anlisis de diferencias ANOVA-....................................................................................................................... 2 5.1. Introduccin al ANOVA: Extensin de la lgica del contraste de hiptesis a la comparacin de ms de dos medias en el Diseo bsico Entregrupos ................................ 3 5.2. Anlisis detallado frente al anlisis Global ........................................................... 4 5.3. Clasificacin de las pruebas de Anlisis no paramtrico en el mbito Experimental.... 7 5.4. Generalizacin al Diseo Intrasujetos ................................................................. 8 5.5. Generalizacin al Diseo Factorial. El Diseo Bsico Entregrupos.......................... 10 5.6. Resumen del anlisis estadstico de Diseos experimentales con ms de una variable Independiente. Los diseos factoriales ........................................................................ 14 5.7. Generalizacin al Diseo Factorial Intrasujetos. ................................................. 16 5.8. Generalizacin al Diseo Factorial Mixto ........................................................... 18 5.9. Conclusin: los tipos de Hiptesis en el contexto del ANOVA................................ 19 5.10. Realizacin de los supuestos de prcticas....................................................... 21 5.10.1. Ejemplificacin del anlisis tipo ANOVA mediante el Supuesto 2................... 22

Manuel Miguel Ramos lvarez

Curso de Anlisis de investigaciones con programas Informticos

V-2

5. Acercamiento con el fin explicativo: anlisis inferencial orientado a Anlisis de diferencias ANOVA-.
Anlisis de Varianza (ANOVA) para investigaciones Experimentales y Cuasiexperimentales o Aproximacin basada en el contraste de Hiptesis Estadsticas. o Aproximacin basada en la potencia estadstica y en los intervalos confidenciales.

Manuel Miguel Ramos lvarez

Curso de Anlisis de investigaciones con programas Informticos

V-3

5.1. Introduccin al ANOVA: Extensin de la lgica del contraste de hiptesis a la comparacin de ms de dos medias en el Diseo bsico Entregrupos
En este contexto hay dos fuentes de variacin: La de Tratamiento es del tipo Entre, una fuente sistemtica primaria segn el esquema de Kish. A veces se representa simplemente con la letra que identifica a la variable independiente o tratamiento (A). El Error es del tipo Intra, una fuente de variacin Aleatoria en el esquema de Kish. Esta a veces se representa como las variaciones de los sujetos dentro de la variable independiente (S/A) y refleja diferencias entre los sujetos que no se deben a la manipulacin. Tambin se entiende como residual, lo que queda en el modelo tras haber especificado todas las fuentes sistemticas. En cuanto a los cmputos: 1. Se calculan las Sumas de Cuadrados (SC) asociadas a estas dos fuentes a partir de los trminos intermedios (tipo [AS], [A], GM). 2. Se concretaron los grados de libertad (gl o smbolo nu: ) asociados a cada una de las fuentes. 3. Se obtienen las Medias de Cuadrados (MC) al dividir las SSCC entre sus grados de libertad. Slo son relevantes la MC Entre y MC Intra, aunque en la tabla tambin se especifica la SC Total, que sera literalmente la suma de las dos anteriores. 4. A partir de la divisin entre las dos MMCC bsicas se obtiene el estadstico de contraste Fk. Dicho estadstico se distribuye segn el modelo de distribucin F-Snedecor segn los parmetros: alfa, grados libertad numerador y grados libertad denominador. 5. Tambin podramos incluir la medida de estimacin del efecto de tratamiento, que se obtendra como el cociente entre la SC de tratamiento y la Total. 6. En la parte inferior se especifica el nivel de significacin alfa con el que se adoptarn las correspondientes decisiones (los ms usuales son un 0,05 un 0,01).

Supuesto 2 Analizar Comparar medias ANOVA de un factor Dependientes: frecuenc, Factor: Mes; Estadsticos Descriptivos, Prueba de Homogeneidad, BrownForsythe, Welch, Grgico de las medias Continuar Aceptar Statistics ANOVA One-way ANOVA OK Dependent: frecuenc, Categorical: Mes OK Pestaa More Results Pestaa Means Observed unweighted Pestaa Assumptions Levenes test & Normal p-p

Tabla resumen del ANOVA para organizar dicha informacin:

FUENTE

SC

gl ( )

MC

j
i( j)

Entre (Trat.) Intra (Err.)

n (Y
j j

Fk

(Y
j i

= [A]-GM
ij

a-1
2

SCEntre a 1
SCIntra N a

MCEntre SCEntre * MCIntra SCTotal

p ( Fk )

Y j

)
2

Total

(Y
j i

= [AS]-[A]
ij

N-a = N-1

[AS]-GM

*p

Interpretacin: (Contemplar la problemtica supuestos):

Manuel Miguel Ramos lvarez

Curso de Anlisis de investigaciones con programas Informticos

V-4

5.2. Anlisis detallado frente al anlisis Global

Variantes del anlisis detallado El anlisis detallado en realidad se puede enfocar, a su vez, a travs de tres variantes; dependiendo de los objetivos tericos especficos: Anlisis de contrastes a priori -planeados-, guiado por hiptesis concretas. Anlisis de tendencias, segn hiptesis que especifican una relacin entre vi-vd. Anlisis de contrastes a posteriori no planeados-. Un enfoque de anlisis exhaustivo que pretende analizar toda la informacin contenida en los datos y que por tanto no viene guiado por hiptesis especficas. Todas las variantes se plantean a partir de la tcnica bsica de contrastes, la nica diferencia radica en los coeficientes que son asignados sobre los niveles de la variable objetivo. En el caso de las comparaciones planeadas, los coeficientes derivan de la H de investigacin mientras que en las tendencias stos son asignados para reflejar la relacin funcional correspondiente (i.e. lineal, curvilnea, etc.). Anlisis detallado mediante contrastes El planteamiento previo es de carcter general, nos permite responder a cuestiones del tipo los datos son consistentes con la hiptesis de que ha tenido lugar un efecto general de tratamiento, ... que la manipulacin ha tenido un efecto significativo sobre la variable dependiente. Le llamamos ENFOQUE GLOBAL. Pero este suele ser slo un primer paso, luego tenemos que adaptar la tcnica estadstica ANOVA para poder analizar hiptesis ms especficas. Esto pasa por una especificacin o concrecin en trminos de ponderaciones o pesos respecto al diseo completo, lo que se logra gracias a los contrastes (llamados ). Le llamamos ENFOQUE DETALLADO. El anlisis detallado de comparaciones viene dado por la descomposicin de la SC de tratamiento. El estadstico de contraste vuelve a ser un cociente entre el efecto de tratamiento y el error, slo que en este caso el efecto de tratamiento se concreta en algn contraste especfico. En definitiva, el estadstico de contraste adoptara la ecuacin:

Razn Efecto

Ef Contraste + Ef residual Variabilidad 2 F ; E Ef residual Variabilidad Error E E

Definicin: Un contraste es un conjunto de coeficientes ponderaciones- que permitan descomponer la variacin total en funcin de hiptesis especficas. Han de ajustarse a las propiedades: Al menos dos de los coeficientes sern no nulos, o sea, dichos coeficientes han de comparar dos conjuntos de informacin. Esto no implica que slo puedan aparecer dos medias en el contraste, sino que hay que reagruparlas para reducirlas a la comparacin de dos trminos. La suma de los coeficientes ha de ser cero a travs de todos los niveles de la variable independiente sobre la que se aplican. A priori (Supuesto 2): Analizar, Comparar medias Contrastes Coeficientes: 1, Aadir, -1, Aadir, 0, aadir, 0, Aadir; Continuar Aceptar Statistics ANOVA Pestaa Comps Contrasts for LS means 1; -1;0;0 OK Compute. Interpretacin:

Manuel Miguel Ramos lvarez

Curso de Anlisis de investigaciones con programas Informticos

V-5

ANLISIS DE TENDENCIAS

Adaptado a partir del Cuadro 9.10 de Ramos, M.M.; Catena, A. y Trujillo, H. (2004). Manual de Mtodos y Tcnicas de Investigacin en Ciencias Del Comportamiento. Madrid: Biblioteca Nueva.
20 15 10 5 0 a1 a2 a3 a4 a5

LINEAL
-Orde n 1: 0 P I-

20 15 10 5 0 a1

CUADRTICA
-Orde n 2: 1 P I-

20 15 10 5 0

CBICA
-Orde n 3: 2 P I-

20 15 10 5 0

CURTICA
-Orde n 4: 3 P I-

a2

a3

a4

a5

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.

Tendencias (Supuesto 3): Analizar Modelo lineal general medidas repetidas Nombre del factor: Demora, nmero de niveles: 3, Aadir; Nombre de la medida: Depend Definir Variables intra-sujetos: tiemp80, tiemp90, tiemp100; Contrastes Contraste: Polinmico, Cambiar, Continuar Statistics ANOVA Repeated measures ANOVA Variables: Dependent: Tiempo80, Tiempo90, Tiempo100 OK Within Effects: No. Of levels:3; Factor Name: Tiempo OK OK All Effect/Graphs Pestaa Comps Contrasts for LS means Polynomial Linear OK OK Compute Polynomial Quad ratic OK OK Compute.

Interpretacin:

Manuel Miguel Ramos lvarez

Curso de Anlisis de investigaciones con programas Informticos

V-6

Anlisis a Posteriori En el anlisis a posteriori, el objetivo es analizar de manera exhaustiva o pormenorizada toda la informacin. Para esto, se comparan todos los niveles por pares [c=a(a-1)/2 comparaciones simultneas en total]. En consecuencia, habr que realizar un elevado nmero de comparaciones simultneas y por lo tanto el nivel de significacin se ver alterado por este hecho. Luego, se plantea el contraste como si fuera planeado pero la F emprica obtenida no se contrasta con la F terica que le correspondera, F; 1; N-a sino con una F terica que tenga en cuenta el nmero de comparaciones simultneas que se realizan, o bien corrigiendo el nivel de significacin mediante un razonamiento probabilstico (la desigualdad de Bonferroni, pcew/c) o bien estimando la F terica con alguna de las pruebas especficas que se han construido a tal fin.

DunnBonferroni NewmanKeuls: Tukey: Scheff:

FDB = . pc F1; FNK = q r2 2

2 qa 2

FT =

FS = (a 1) FOMNIBUS

Donde pc de la desigualdad de Bonferroni se estima a partir del cociente entre el alfa general a lo largo del experimento y el nmero de comparaciones simultneas (ew/c). Por otro lado, q. se refiere a un estadstico especfico, -rangos estudentizados- que es comparable a una F: los parmetros del mismo son alfa, grados de libertad del contraste y grados de libertad del error. La diferencia entre la propuesta de Tukey y de Newman-Keuls estriba en que hay que especificar el rango separacin ordinal de la comparacin en el ltimo, mientras que basta con el rango mximo en el primero. En tercer lugar, la FOMNIBUS de la prueba de Scheff se refiere a la F terica que correspondera al ANOVA global. 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. A posteriori (Supuesto 2): Analizar, Comparar medias Contrastes Post hoc Bonferroni, Tukey Continuar Aceptar Statistics ANOVA More Results Pestaa Post-hoc Tukey HSD Bonferroni. Interpretacin: Desviacin. Todas las categoras se comparan con la media total. Simple: Cada categora excepto la ltima, se compara con la ltima categora. Diferencia: Cada categora excepto la primera, se compara con la media de las categoras anteriores. Helmert: Cada categora, excepto la ltima, se compara con la media de las categoras posteriores. Repetido: Cada categora excepto la primera, se compara con la categora anterior. Polinmico: Comparaciones de tendencia: lineal, cuadrtica Especial. Utilizar la instruccin CONTRAST seguida de la especificacin especial.

(Comparar las tres tcnicas):

Manuel Miguel Ramos lvarez

Curso de Anlisis de investigaciones con programas Informticos

V-7

5.3. Clasificacin de las pruebas de Anlisis no paramtrico en el mbito Experimental

DISEOS DE MEDIDA NICA (O ENTRE-GRUPOS O P-MUESTRAS INDEPENDIENTES) 1. Anlisis global (tipo ANOVA) Kruskal-Wallis ANOVA Median test 2. Anlisis detallado (tipo t-test) U de Mann-Whitney Kolmogorov-Smirnov Wald-Wolfowitz DISEOS DE MEDIDAS REPETIDAS (O INTRA-SUJETOS O P-MUESTRAS RELACIONADAS) 1. Anlisis global (tipo ANOVA). Friedman test 2. Anlisis detallado (tipo t-test). Sign test, Wilcoxon matched pairs test Para detalles ver el captulo 11 del manual de texto
Entre-Grupos Hacerlo para el supuesto 2. Analizar Pruebas No paramtricas k-muestras independientes Contrastar variables: frecuenc; Variable de agrupacin; tipo; Definir rango: tipo (1,2) Continuar Aceptar Statistics Nonparametrics com paring multiple indep. Samples (goups) OK Variables: Dpendent: Frecuenc; Indep.: TIPO OK Summary Multiple Intra-sujetos Hacerlo para el supuesto 3. Analizar Pruebas No paramtricas k-muestras relacionadas Contrastar variables: 80, 90, 100 Aceptar

Manuel Miguel Ramos lvarez

Curso de Anlisis de investigaciones con programas Informticos

V-8

5.4. Generalizacin al Diseo Intrasujetos

ANLISIS GLOBAL La tabla completa de ANOVA FUENTE SC Gl MC F TOTAL N-1 [AS] - GM ES n-1 [S] - GM IS n(a-1) [AS] - [S] A (a-1) SCA / (a-1) j [A] - GM AxS ij [AS]-[A] -[S]+GM (a-1)(n-1) SCAxS / (a-1)(n-1) MCA / MCAxS* *p < 0,05 **p < 0,01 El estadstico de contraste era:

FA =

MC A SC A /( a 1) = ; F( a 1);( a 1)( n 1) MC AxS SC AxS /( a 1)(n 1)

Que 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. Donde hay varias opciones y se requieren programas especializados de anlisis (i.e. SPSS): Lambda de Wilks y aproximacin F de Rao. Traza de Pillai-Bartlett. Raz caracterstica (mxima) de Roy. T2 de Hotelling-Lawly y Traza Hotelling-Lawly generalizada. Aproximacin 2 de Tiku.

Manuel Miguel Ramos lvarez

Curso de Anlisis de investigaciones con programas Informticos

V-9

ANLISIS DETALLADO Hay que estimar un trmino error especfico para cada anlisis. Por ejemplo para realizar el anlisis de contrastes ():

SC A

j Y j i ; glA = 1 = n j2
j

SC A xS

jY i j SC = A 2

FA =

MC A MC A xS

SC A /1 SC A xS /(n 1)

F1; ( n 1)

Respecto al Anlisis a posteriori Dunn-Bonferroni Newman-Keuls Tukey

pc

F1; ; Donde pc

EW
c

y c=

a (a 1) 2

FNK = FT =

q 2; r 2

; r es el rango, entre 2..a. ; para r mximo.

q 2; a

Scheff

2 (n 1) si no hom ocedas. (a 1)(n 1) si hom ocedas.

FS = (a 1) F( a 1);( a 1)( n 1)

Tendencias (Supuesto 3): Analizar Modelo lineal general medidas repetidas Nombre del factor: Demora, nmero de niveles: 3, Aadir; Nombre de la medida: Depend Definir Variables intra-sujetos: tiemp80, tiemp90, tiemp100. Statistics ANOVA Repeated measures ANOVA Variables: Dependent: Tiempo80, Tiempo90, Tiempo100 OK Within Effects: No. Of levels:3; Factor Name: Tiempo OK OK All Effect/Graphs .

Interpretacin: (Contemplar la problemtica supuesto esfericidad y comparar estrategias correctoras con Multivariante):

Manuel Miguel Ramos lvarez

Curso de Anlisis de investigaciones con programas Informticos

V-10

5.5. Generalizacin Entregrupos

ANLISIS GLOBAL A. Particin Variabilidad:

al

Diseo

Factorial.

El

Diseo

Bsico

TOTAL N-1 Entre n-1 Intra (S/AB) N-ab Tratam Interacc AxB (a-1)(b-1)

Aclaracin: Factores fijos. Aquel cuyos niveles los establece (fija) el investigador o vienen dados por la propia naturaleza del factor (por ejemplo, sexo, con niveles varones y mujeres). Factores aleatorios. Aquel cuyos niveles son seleccionados de forma aleatoria entre todos los posibles niveles del factor. Covariables. La variable a controlar estadsticamente en un anlisis de covarianza ANCOVA-.

i ( jk )

Tratam A a-1

Tratam B b-1

jk

SCT = SCEntre + SCIntra SCIntra = SCTotal SCEntre SCEntre = SC A + SCB + SC AxB SC AxB = SCEntre SC A SCB
C. Tabla resumen del ANOVA:

J K J(K) IJ

FUENTE SC MC F TOTAL ABN-1 [ABS]-GM ENTRE AB-1 [AB]-GM A-1 SCA / A MCA / MCS/AB* A [A]-GM B B-1 SCB / B MCB / MCS/AB* [B]-GM AXB [AB]-[A]-[B]+GM (A-1)(B-1) SCAXB / AXB MCAXB / MCS/AB* INTRA(O S/AB) AB(N-1) SCS/AB / S/AB [ABS]-[AB] *P < 0,05 **P < 0,01
Efectos principales:

SC A SCB MC A MCB a 1 ; F b 1 ; F FA = = = a 1; N ab ; FB = b 1; N ab MCS / AB SCS / AB MCS / AB SCS / AB N ab N ab

La interaccin:

Supuesto 2 Analizar Modelo Lineal General Univariante Dependiente: frecuenc, Factores fijos: Mes, tipo; Graficos, Opciones y Guardar (seleccionar las ms bsicas y las asociadas a la Potencia) Continuar Aceptar Statistics Advanced Linear/Non Linear GLM Dependent: FRECUENC; Categorical pred: Mes-Tipo OK More Results Summary All Effects/Graphs Descriptiv e Cell Statistics Pestaa 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.

FAxB

SC AxB MC AxB a 1 ; F = = ( a 1)( b 1); N ab MCS / AB SCS / AB N ab

Interpretacin: (Contemplar la problemtica supuestos y las estimaciones de potencia):

10

Manuel Miguel Ramos lvarez

Curso de Anlisis de investigaciones con programas Informticos

V-11

ANLISIS DETALLADO

Como en las situaciones unifactoriales, tambin aqu ser lo ms frecuente plantear hiptesis mucho ms concretas que las del ANOVA global. Se trata de adaptar las tcnicas de anlisis detallado (anlisis de comparaciones a priori, anlisis de tendencias o anlisis de comparaciones a posteriori) al diseo factorial. nicamente la interaccin impone nuevos conceptos pues los efectos principales nos remiten a diseos unifactoriales. Respecto al anlisis detallado de la interaccin existen dos posibilidades: o El anlisis de efectos simples, se van fijando los niveles de la vi supuestamente moduladora y analizando estadsticamente la relacin entre la vi focal para nuestra Hiptesis y la vd. Desde este prisma, la interaccin implicara que tal relacin va a ser diferente al variar los niveles de la vi secundaria. Es decir, se realiza un anlisis por capas o estratos de la variable moduladora y se recompone finalmente la interaccin comparando los diferentes efectos simples.

Enunciado: La frecuencia de procesamiento del material publicitario cambiar con el tiempo de demora de la informacin solicitada por la persona pero esto depende de la forma de presentacin de la publicidad. Con presentaciones fijas el tiempo de demora no tiene un efecto diferencial mientras que s lo tiene con presentaciones ya alternas o cambiantes. Para las condiciones en las que el tiempo de demora s debera de tener un efecto diferencial, alternas o cambiantes, en concreto el efecto se corresponde con tendencias de diferente tipo: o Para el formato alterno, la frecuencia aumenta con el tiempo de demora pero hasta un punto intermedio -en torno a los 2 minutos- en el que la relacin se invierte. Por encima de los 2 minutos la persona se cansa de esperar y vuelve hacia atrs en la secuencia de navegacin por internet, con lo cual la frecuencia disminuye conforme aumenta el tiempo de espera. o Para el formato cambiante, hipotetizamos que la frecuencia de procesamiento aumenta de manera paulatina y constante con el tiempo de demora.

Prediccin de interaccin

Efecto simple A en bk A en b1: Demora en Fija A en b2: Demora en Alterna A en b3: Demora en Cambiante Primer nivel: MINIANOVA de efectos simples

Contrastes en Efecto simple A en bk ACuadratico en b2: Demora Cuadrtico en Alterna ALineal en b3: Demora Lineal en Cambiante Segundo nivel: Anlisis de contrastes en efectos simples

11

Manuel Miguel Ramos lvarez

Curso de Anlisis de investigaciones con programas Informticos

V-12

A. PERSPECTIVA DE DE EFECTOS PRINCIPALES a1 B1 b2 b3 X X X a2 a3 X X X X B

B : b1 b 3

A : a1 a 2

Analizar, Modelo Lineal General, Univariante Contrastes sobre la variable Mes (que por defecto an no tiene definido ningn contraste) y seleccionar en la lista desplegable inferior el tipo deseado de contraste, en el ejemplo Helmert y Cambiar, entonces botn Continuar y Aceptar.

Interpretacin: (tener presente que es sobre el efecto principal de una nica variable)

Analizar, Modelo Lineal General, Univariante Post Hoc sobre la variable Mes, Marcar la opcin Bonferroni asumiendo varianzas iguales, entonces Continuar y Aceptar.

Interpretacin: (tener presente que es sobre el efecto principal de una nica variable y la interpretacin a posteriori o exhaustiva).

12

Manuel Miguel Ramos lvarez

Curso de Anlisis de investigaciones con programas Informticos

V-13

B. PERSPECTIVA DE DE EFECTOS SIMPLES Direccin A en bk

Anlisis detallado Efectos simples

MiniANOVA Efectos simples

A en b1 X X X X

A en b1 X

a1 b1 b2 b3 X X X

a2 X X X

a3 X X X X

A en b2

A en b2 X X

A en b3

A en b3

B en a1 X X X

B en a2 X X X

B en a3 X X X
MiniANOVA Efectos simples

B en a1 X X

B en a2 X X

B en a3 X X
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.
Interpretacin: Efectos simples de las dos capas implicadas. Mes en Tipo1

En el caso de A en b1 Datos Seleccionar Casos Si se satisface la condicin: Si Mes=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.

Mes en Tipo2

13

Manuel Miguel Ramos lvarez

Curso de Anlisis de investigaciones con programas Informticos

V-14

5.6. Resumen del anlisis estadstico de Diseos experimentales con ms de una variable Independiente. Los diseos factoriales
Anlisis global de varianza Perspectiva general de Modelizacin-. o Efectos principales, de A y de B. o Efecto de la interaccin, AxB Anlisis detallado Perspectiva condicional de Modelizacino De los efectos principales. Anlisis de contrastes: A priori, tendencias a posteriori. o De la interaccin. Efectos simples (redundante). Direccin A en bk MiniANOVA nivel 1 de detalle-. Anlisis de contrastes A en bknivel 2 de detalle-. Direccin B en aj MiniANOVA nivel 1 de detalle-. Anlisis de contrastes B en ajnivel 2 de detalle-. Interaccin de comparaciones (no redundante). Interacciones parciales (AxB AxB). Interaccin de contrastes (AxB) de 1 grado de libertad. Anlisis a posteriori tipo efectos simples.

1. Anlisis general -global- de varianza. Se pretende responder a la pregunta general Ha tenido un efecto nuestra manipulacin? De manera que podramos plantearnos si hay un efecto conjunto de las vvii manipuladas (cruzadas) factorialmente, lo que se conoce como efecto de la interaccin AxB. O bien, podramos preguntarnos por cada una de las variables por separado. Esto se conoce como anlisis de efectos principales de A y/o de B.

14

Manuel Miguel Ramos lvarez

Curso de Anlisis de investigaciones con programas Informticos

V-15

(Continuacin)
1. Anlisis detallado. Se pretende especificar el efecto general si lo hubiera. Es decir, ubicar las diferencias concretas entre los niveles. Este a su vez depende del anterior conceptualmente. 1.A. Podemos especificar o concretar los efectos sobre las variables por separado. Esto suele ser de inters cuando las variables no interactan. As nos haramos preguntas concretas de manera independiente para cada una de las vvii manipuladas. En este punto seran, pues, relevantes todas las variantes del anlisis detallado de los diseos unifactoriales, anlisis a priori, a posteriori y tendencias. Tendramos que centrarnos en las puntuaciones marginales. 1.B. Por otro lado, cuando las variables s interactan, entonces el anlisis detallado recaer sobre la conjuncin de las vvii. Este anlisis se puede enfocar de dos maneras. 1.B.1. Podramos analizar una variable (focal u objetivo) fijando a su vez la otra variable (moduladora) en sus diferentes valores posibles. Esto es lo que se conoce como un anlisis de efectos simples. Nuevamente son relevantes las 3 variantes del anlisis detallado ya que cada efecto simple se convierte en un genuino diseo unifactorial. Esta es una tcnica redundante ya que se duplica mucha informacin. Por ltimo, podramos realizar el anlisis segn una de dos direcciones, dependiendo de las Hiptesis de investigacin. A en bk. A es el objetivo y B la moduladora. B en aj. B es el objetivo y A la moduladora. 1.B.2. Tambin podramos enfocar el anlisis detallado de la conjuncin de variables de una manera ms econmica, es decir de manera ortogonal o no redundante. En este caso se define directamente algn contraste (ya de comparaciones ya de tendencias) sobre alguna de las vvii y se estudia la interaccin de dicho contraste con la otra variable. Esto en general se conoce como un anlisis de Interaccin de comparaciones. Dependiendo a su vez de la ubicacin del contraste en funcin de la hiptesis de investigacin, la especificacin podra ser parcial o completa. Cuando la especificacin se realiza selectivamente sobre alguna de las vvii tendramos un anlisis de Interacciones parciales, bien AxB o bien AxB. Si la especificacin se realiza simultneamente sobre las dos vvii del diseo factorial, entonces estaramos ante una Interaccin de contrastes (AxB). Anlisis a posteriori. Este depender del enfoque hacia efectos principales o hacia la interaccin. En el primer caso se analiza con la lgica bsica cada variable por separado. En el segundo caso se enfoca como en efectos simples.

SC
k

ECUACIONES GENERALES DEL ANLISIS DETALLADO:

A en bk

= SC A x B + SC A

SC
j j

B en a j

= SC A x B + SC B = SC A x B + SC B

SC
k

A en bk

= SC A x B + SC A

SC

B en a j

15

Manuel Miguel Ramos lvarez

Curso de Anlisis de investigaciones con programas Informticos

V-16

5.7. Generalizacin al Diseo Factorial Intrasujetos.

A. Particin Variabilidad:

Yijk = + j + k + S i + jk + S ij + S ik + S ijk + ijk

TOTAL N-1 Entre n-1 Intra N-n

a-1

AxS (a-1)(n-1)

b-1

(b-1)(n-1)

BxS

AxB (a-1)(b-1)

AxBxS (a-1)(b-1)(n-1)

jk

SCT = SCEntre + SCIntra SCIntra = SCTotal SCEntre SCIntra = SC A + SCB + SC AxB + SC AxS + SCBxS + SC AxBxS
C. Tabla resumen del ANOVA: FUENTE TOTAL Entre Intra A AxS B BxS AxB AxBxS SC [ABS]-GM [S]-GM [ABS]-[S] [A]-GM [AS]-[A]-[S]+GM [B] - GM [BS]-[B]-[S]+GM [AB] -[A]-[B]+GM [ABS]-[AS]-[BS][AB] +[S]+[A]+[B]-GM **p < 0,01 N-1 n-1 N-n a-1 (a-1)(n-1) b-1 (b-1)(n-1) (a-1)(b-1) (a-1)(b-1)(n1) MC F

SCA SCAxS SCB SCBxS SCAxB

/A /AxS /B /BxS /AxB

MCA / MCAxS* MCB / MCBxS* MCAxB / MCAxBxS*

SCAxBxS /AxBxS

*p < 0,05

16

Manuel Miguel Ramos lvarez

Curso de Anlisis de investigaciones con programas Informticos

V-17

Continuacin

Efectos principales:

FA = FB =

MC A SC A /(a 1) ; = MC AxS SC AxS / ( a 1)( n 1)

F( a 1);( a 1)( n 1) o F1;( n 1) F( b 1);(b 1)( n 1) o F1;( n 1)

MCB SCB /(b 1) = ; MCBxS SCBxS / ( b 1)( n 1)

La interaccin:

FAxB =

MC AxB SC AxB /(a 1)(b 1) = ; MC AxBxS SC AxBxS /(a 1)(b 1)(n 1)

F( a 1)(b 1); ( a 1)( b 1)( n 1) o F1;( n 1)

Seleccionar la opcin Modelo Lineal General Medidas repetidas Nombre del factor intra-sujetos: Intra1 Nmero de niveles: 3 Aadir Si hubiera otro factor Intra se aadira de la misma manera que el anterior (i.e. Intra2 con 2 niveles). Nombre para la medida: Depend Definir Variables intra-sujetos (se definen las condiciones experimentales): Intra1_1, Intra1_2, Aceptar Tener presente que en Statistica la primera variable intra que se define es la que cambia ms rpido y as sucesivamente con las restantes.

17

Manuel Miguel Ramos lvarez

Curso de Anlisis de investigaciones con programas Informticos

V-18

5.8. Generalizacin al Diseo Factorial Mixto

A. Particin Variabilidad:

Yijk = + j + k + jk + Si ( j ) k + i ( j )
TOTAL N-1 Entre an-1 Intra N-an

a-1

S/A a(n-1)

b-1

BxS/A a(b-1)(n-1)

AxB (a-1)(b-1)

jk

SCIntra

SCT = SCEntre + SCIntra SCIntra = SCTotal SCEntre SCEntre = SC A + SCS / A SCS / A = SCEntre SC A = SCB + SC AxB + SCBxS / A SCBxS / A = SCIntra SCB SC AxB

Modelo Lineal General Medidas repetidas Como anterior pero adems: Factores intersujetos: Reforzador

C. Tabla resumen del ANOVA: FUENTE TOTAL Entre A Err(S/A) Intra B AxB Err(BxS/A) *p < 0,05 SC [ABS]-GM [AS]-GM [A]-GM [AS]-[A] [ABS]-[AS] [B]-GM [AB]-[A]-[B]+GM [ABS]-[AB][AS]+[A] **p < 0,01 abn-1 an-1 a-1 a(n-1) abn-an b-1 (a-1)(b-1) a(b-1)(n1) MC F

SCA /A SCS/A /S/A SCB /B SCAxB /AxB SCBxS/A /BxS/A

MCA / MCS/A* MCB /MCBxS/A ** MCAxB /MCBxS/A**

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) = MCBxS / A SCBxS / A / a(b 1)(n 1) FA =

La interaccin:

FAxB =

MC AxB SC AxB /(a 1)(b 1) = ; MCBxS / A SCBxS / A / a(b 1)(n 1)

F( a 1)( b 1); a ( b 1)( n 1) o F( a 1); a ( n 1)

18

Manuel Miguel Ramos lvarez

Curso de Anlisis de investigaciones con programas Informticos

V-19

5.9. Conclusin: los tipos de Hiptesis en el contexto del ANOVA

PERSPECTIVA GLOBAL: Hiptesis general para un diseo Unifactorial:

0 : 1 = 2 = . = j 0 : j = j , j j / 1 : Al menos dos difieren 1 : j j , j j

Hiptesis general condicional de un diseo Bifactorial:

0 : jk j 'k = j j' ; j j jk jk ' = k k ' , k k ' / / 1 : jk j 'k j j' ; j j jk jk ' k k ' , k k '
PERSPECTIVA DETALLADA CON a=3: Hiptesis especfica de un diseo Unifactorial y su traduccin en un contraste segn la perspectiva a priori:

0 : 1 = 2 : (+1) 1 + (1) 2 + (0) 3 0 1 : 1 2

Hiptesis especfica compuesta direccional de un diseo Unifactorial y su traduccin en un contraste segn la perspectiva a priori:

1 + 2 0 : 2 = 3 : (+ 1 2) 1 + (+ 1 2) 2 + (1) 3 < 0 1 + 2 1 : < 3 2

Hiptesis especfica direccional de un diseo Unifactorial que especifica una tendencia lineal negativa y su traduccin en un contraste:

0 : 1 = 2 = 3 : (1) 1 + (+0) 2 + (+1) 3 < 0 1 : 1 > 2 > 3

Hiptesis especfica direccional de un diseo Unifactorial que especifica una tendencia curvilnea cuadrtica (1 Punto de Inflexin) positiva y su traduccin en un contraste:

0 : 1 = 2 = 3 : 1 + 3 < : (+1) 1 + (2) 2 + (+1) 3 > 0 2 1 2

19

Manuel Miguel Ramos lvarez

Curso de Anlisis de investigaciones con programas Informticos

V-20

Familia de Hiptesis propias de un diseo Unifactorial segn la perspectiva a priori que adems son de carcter ortogonal:

: = 2 1 : (+1) 1 + (1) 2 + (0) 3 0 1: 0 1 1 : 1 2 1 + 2 = 3 0 : 2 2 : 2 : (+ 1 ) 1 + (+ 1 ) 2 + (1) 3 0 2 2 + 2 1 : 1 < 3 2

Familia de Hiptesis propias de un diseo Unifactorial segn la perspectiva a posteriori (y su traduccin en contrastes) que tienen que ser de carcter pareado:

0 : 1 = 2 1 : (+1) 1 + (1) 2 + (0) 3 0 1 : 1 : 1 2 0 : 1 = 3 2 : (+1) 1 + (0) 2 + (1) 3 0 2 : 1 : 1 3 0 : 2 = 3 3 : (0) 1 + (+1) 2 + (1) 3 0 3 : 1 : 2 3

20

Manuel Miguel Ramos lvarez

Curso de Anlisis de investigaciones con programas Informticos

V-21

5.10. Realizacin de los supuestos de prcticas

Gua del anlisis en ANOVA Anlisis exploratorio de los diagramas de cajas Anlisis del modelo SATURADO de referencia (i.e. con interaccin) para guiar el resto de anlisis en funcin de que el enfoque sea efectos principales vs interaccin Anlisis de los supuestos: Normalidad, Homocedasticidad, Independiencia errores. Incluyendo pruebas estadsticas, diagramas de cajas y Anlisis de los residuales (estandarizados) Si grficos de residuales sugieren funciones curvilneas y las variables son cuantitativas en origen; entonces pasar al anlisis polinmico (regresin curvilnea). Incluir interacciones si estn justificadas desde el punto de vista terico. Pasar al anlisis detallado de contrastes/tendencias vs. a-posteriori

21

Manuel Miguel Ramos lvarez

Curso de Anlisis de investigaciones con programas Informticos

V-22

5.10.1. Ejemplificacin Supuesto 2

del

anlisis

tipo

ANOVA

mediante

el

Anlisis exploratorio de los diagramas de cajas [Grficos|Diagramas de cajas|Agrupado] Sugiere diferencias en dispersin al menos para Diciembre-Tipo2 con respecto a las dems y presencia de posibles puntos extremos. Anlisis del modelo SATURADO de referencia [Analizar|Modelo lineal general|Univariante] La interaccin es significativa, aunque por poco. Interpretar tambin la magnitud del efecto de tratamiento y la potencia Crear nueva variable de la interaccin: Nueva codificacin de 8 niveles al final del fichero, llamada Interacc. Anlisis de los supuestos: Normalidad, Homocedasticidad, Independiencia errores. [Analizar|Comparar medias|ANOVA de un factor] Nos permite definir prueba de Homocedasticidad as como ANOVA robusto Welch. Para un factorial habra que crear una nueva columna que sera la codificacin de la interaccin. Vemos en las desviaciones tpicas de las 8 condiciones que stas son diferentes y efectivamente las pruebas de homocedasticidad (Levene o Brown-Forsythe) as lo confirman. Luego en adelante mejor hacer anlisis tipo Welch, o de Varianzas Separadas. [Analizar|estadsticos descriptivos|Explorar] Y pedimos grficos con pruebas de normalidad Mejor para la variable Interaccin en este supuesto Slo en el grupo 7 se rechaza la Hiptesis de Normalidad, luego habra que tener presente este grupo. Se puede deber a la observacin O40 Los grficos de cajas tambin sugieren la presencia de puntos extremos, O40 y O45. Probar con la transformacin logartmica, pues la pendiente del diagnstico de Cox se estima en 1 aproximadamente (por ejemplo hacerlo en Excel) Puesto que las variables independientes no son cuantitativas (mes y tipo), no est justificado el anlisis de tendencias, y adems no hay hiptesis previas; entonces centramos el anlisis a posteriori. Adems se enfoca sobre la interaccin pues sta es significativa. [Analizar|Modelo lineal general|Univariante] incluyendo opcin a posteriori para Bonferroni y Tukey. Lo haremos por capas, tipo A en bk. Primero para Mes cuando Tipo=1 y despus para Mes cuando Tipo=2.

22

Manuel Miguel Ramos lvarez

Curso de Anlisis de investigaciones con programas Informticos

140

V-23

120

100

80

60

Media Frecuencia

40

TIPORO
20 0 Diciembre Marzo Junio Septiembre 1 2

MES
Medias Desviaciones logMed 7,03562364 33,259084 26,9122029 31,2372641 7,84856675 9,64710665 38,9379849 81,054714 1,06069784 1,72290801 1,92771246 1,8271538 1,23044892 1,46736142 1,70898713 2,06195484 LogDesv 0,8473026Pendiente 1,52191028 1,0 1,42994925 1,49467299 0,89479036 0,98439708 1,59037347 1,90877828 Volver Principio

11,5 52,8333333 84,6666667 67,1666667 17 29,3333333 51,1666667 115,333333

23