Está en la página 1de 107

DISEOSFACTORIALESENSPSSCON

MODELOSGENERALESLINEALES
LuisM.Carrascal
(www.lmcarrascal.eu)

Depto.BiogeografayCambioGlobal
MuseoNacionaldeCienciasNaturales,CSIC
Cmorealizarlos,
buenapraxise
interpretacindelosresultados
archivoSPSSparaelejemplo:
nwayMANOVA.sav
nwayMIXED_ANOVA.sav
nwayBLOQUE_ANOVA_una.sav
nwayBLOQUE_ANOVA_varias.sav
nwayREPMEAS_ANOVA_2larga.savnwayREPMEAS_ANOVA_2corta.sav
cursodelaSociedaddeAmigosdelMuseoNacionaldeCienciasNaturales impartidoenOctubrede2015enel
IMIDRA (InstitutoMadrileodeInvestigacinyDesarrolloRural,AgrarioyAlimentario)
1

DISEOSnFACTORIALESDEEFECTOSENTRESUJETOS

nway ANOVAS

DISEOSnFACTORIALESDEEFECTOSENTRESUJETOS
nway ANOVASyMANOVAS
Enestosdiseoscadaunidadesunarplicaindependiente delasdems.
Sloseefectaunamedidaporsujetomuestral.
Podemoscombinarvariablespredictoras nominalesllamadasfactores y
variablescontinuas denominadascovariantes.
Noexistirncombinacionesdenivelesdediferentesfactoresquecarezcandedatos
(diseossinceldasvacas).
Vamosasumirqueexistenrelacioneslineales entrelospredictoresylarespuesta.
Asumimosquelavariablerespuesta ysusresiduosseajustaaunadistribucinnormal.
ParadiseosenlosqueladistribucindelarespuestaseadistintautilizaremosModelos
GeneralizadosLineales (http://www.lmcarrascal.eu/cursos/regravanz/GzLM_regression.pdf).
EnSPSSutilizaremos:Analyze

>GeneralLinearModel >Univariate

DISEOSnFACTORIALESDEEFECTOSENTRESUJETOS
nwayANOVASyMANOVAS
DefinimoslavariableDependiente(cuyosresiduosdelmodeloseajustarnalanormal)
LosFactoresFijos(predictoresnominales)ylasCovariantes (predictorescontinuos)
DamosalbotndeModelo ydefinimoslaestructuradeefectosprincipaleseinteracciones.

DISEOSnFACTORIALESDEEFECTOSENTRESUJETOS
nway ANOVASyMANOVAS
Enestaocasintenemoslosefectosprincipales(Main effects),
ylasinteracciones bifactoriales(All 2way)ytrifactoriales(All 3way)entrelosfactores.
Lascovariantes sloentranconefectosprincipalesporahora.

Tiposdesumasdecuadrados

DISEOSnFACTORIALESDEEFECTOSENTRESUJETOS
nway ANOVASyMANOVAS
*Siqueremostrabajarconefectosparciales(cadapredictora controladaporlasrestantes)
dejaremoseltipoIIIdeSumadeCuadrados(SS).Eselmsutilizado.
*Siqueremosefectuarunaestimasecuencialdeefectos(segnlaordenacinque
apareceenlaventanadelmodeloModel),utilizaremoseltipoI deSS.
Enesteesquemaelprimerefectonosecontrolaporningnotro
elsegundoefectoescontroladoporelprimero
eltercerefectoescontroladoporlosdosprevios
elcuatroefectoescontroladoporlostresprevios

Elordendeefectosafectaalosresultados,anoserquetodosellosseanperfectamente
independientes(i.e.,ortogonales).
*EltipoII deSSesaquelmixtoenelque:
PrimeroseaplicaeltipoIII atodoslosefectosprincipales(deorden1;nointeracciones)
LuegoseaplicaeltipoIII alasinteraccionesdeorden2 controlandolosefectosdeorden1
LuegoseaplicaeltipoIII alasinteraccionesdeorden3 controlandolosdeorden1 yorden2

DISEOSnFACTORIALESDEEFECTOSENTRESUJETOS
nway ANOVASyMANOVAS
Enelbotndeopciones(Options)delaventanaprincipalestablecemosquresultados
extraqueremosmostrar.
*Desearemosverlasestimasdelostamaosdeefecto(Estimates ofeffect size)ylas
potenciaaposteriori (Observed power).
*Tambinquerremoscomprobarsihayonohomocedasticidad entrelosnivelesdelos
factores considerados(Homogeneity tests).
(noconfundirestapruebaconladelahomocedasticidad delosresiduos)
*Yvisualizarciertosaspectosdelosresiduosdelmodelo(Residualplot).

DISEOSnFACTORIALESDEEFECTOSENTRESUJETOS
nwayANOVASyMANOVAS
Podremosdefinirqutiposdecontrastesaplicaremosalosdiferentesnivelesdelos
factores,yculessernlosnivelesdereferenciadentrodecadafactor.
Estopuedeserinteresanteenelcasodequelosfactorestengantresnivelesoms.
Podemoscontarconvariostiposdecontrastes:
Desvo:eselmsutilizadocuandoqueremos
comparartodoslosnivelesentres
Polinomiales:paratablasdecontrastes
lineal (ordenacinmonotnica)
polinomial (deorden2,3,)

DISEOSnFACTORIALESDEEFECTOSENTRESUJETOS
nway ANOVASyMANOVAS
Lastablasdecontrastesdefinidasporelinvestigador hayquedefinirlasmanualmente
utilizandoelcomando/CONTRAST yelargumentoSpecial()
EjemplodeunfactorDOMINANCIAconcuatronivelesqueordenamoslinealmente
/CONTRAST(DOMINANCIA)=Special(-3 -1 1 3)
Sihayvariascolumnasdecontrastesseseparanporcomas
(e.g.confactorDISEO:nivel1frentea234y5,niveles234y5linealmentesinelnivel1)
/CONTRAST(DISEO)=Special(-4 -1 -1 -1 -1, 0 -3 -1 1 3)
Paragenerarlaslneasdecdigoanterioresycorrerlas,primeroseleccionamoslasvariablesyotras
opcionesmediantecliks enlasventanasdeGENERALLINEARMODELS UNIVARIATE.
Luego,envezdedarclik enelbotn[OK] paracorrerelmodelo,damosclik a[PASTE].

DISEOSnFACTORIALESDEEFECTOSENTRESUJETOS
nway ANOVASyMANOVAS
Introducimosnuestraslneasde
cdigodecontrastesdeinters
dedesvo(Deviation)paraZONA
especial(Special)paraDOMINANCIA

Yacontinuacinseleccionamostodas
laslneasdecdigo(aparecerncon
fondoazul)ydamosclik altringulo
verde (Runselection)

10

DISEOSnFACTORIALESDEEFECTOSENTRESUJETOS
nwayANOVASyMANOVAS
Yporltimo,qutiposdedatosqueremosqueelmodelogeneraeintroduzcaen
nuestrahojadedatos.Serdegranutilidadpara:hacerexploracionesdepuntos
influyentes (Leverage)operdidos (CooksdistanceyDeletedResiduals),establecer
criteriosdedesvodedatosconcretosrespectoalmodeloglobal,yvalorarlaausencia
depatronesdedispersinenlarelacinentrelosresiduosdelmodelo(Unstandardized
Residuals)ysuspredicciones(Predicted Unstandardized).

11

DISEOSnFACTORIALESDEEFECTOSENTRESUJETOS
nway ANOVASyMANOVAS
Valoracindelmodeloexplorandosusresiduos.
Seleccionamoslosresiduosyexploramosen:
Analyze >Descriptive statistics >Explore>Plots
(marcamosHistogramayTestdenormalidad)

PreferimoseltestdeShapiroWilk altestde
KolmogorovSmirnov
portenerunamuestra
pornocoincidirmuestraypoblacin

12

DISEOSnFACTORIALESDEEFECTOSENTRESUJETOS
nway ANOVASyMANOVAS
Homocedasticidad delosresiduos.
Lavarianzadelosresiduosdebesersimilaralolargodelasprediccionesdelmodelo

13

DISEOSnFACTORIALESDEEFECTOSENTRESUJETOS
nway ANOVASyMANOVAS
Homocedasticidad delosresiduos.
Lavarianzadelosresiduosdebesersimilaralolargodelasprediccionesdelmodelo

Consecuencias de la violacin del supuesto de homocedasticidad.


Globalmente, los tests de la F en modelos Generales y Generalizados son bastante
robustos ante las desviaciones de la homocedasticidad.
Incluso bajo severas violaciones de este supuesto la alpha se modifica poco, tendiendo
a incrementarse la probabilidad de cometer el error de tipo I.
Si no se cumple el requisito de homocedasticidad podemos transformar la respuesta.
El caso ms problemtico es aquel en el que la varianza de los residuos (diferencia
entre valores observados y predichos) se asocia con la media de las predicciones.
* si la relacin es positiva, aumenta el error de tipo I
* si la relacin es negativa, aumenta el error de tipo II

14

DISEOSnFACTORIALESDEEFECTOSENTRESUJETOS
nway ANOVASyMANOVAS
Cmodeinfluyentes perdidassonlasunidadesmuestrales?.
LovaloramosconelLeverage (cmodeextremassonlasmuestrasensuspredictores)
ConlaDistanciadeCook (cmodedesviadoestcadamuestrarespectoalmodelo)
ConelResiduosfrenteaDeleted Residual (quresiduotendraundatosinoseincluye
enelmodeloysepredicesuvalor,restndolesuvalorrealmenteobservado)
enestaesquinacuidado!
peorcuantomayor
dispersindepuntos
existarespectoa
unalnea

15

DISEOSnFACTORIALESDEEFECTOSENTRESUJETOS
nway ANOVASyMANOVAS
Losresiduosstudentizados nospuedendarunaindicacindequdatosesprobable
quenopertenezcanalapoblacin.
ElvalorcrticolodefinelatdeStudent teniendoencuentalosg.l.(error)delmodelo.
Valoresmayoresomenoresde2.0(aprox.alfa=0.05)o2.7(aprox.alfa=0.01)sonpeligrosos

16

DISEOSnFACTORIALESDEEFECTOSENTRESUJETOS
nway ANOVASyMANOVAS
Testdehomogeneidaddevarianzasentrelosdiferentesnivelesdelosfactores.

Sonsietegradosdelibertadparadf1 porqueeltestsehaceconlasceldasdela
interaccindetresfactorescondosnivelescadauno(2*2*2enSEXO*ZONA*EDAD)

17

DISEOSnFACTORIALESDEEFECTOSENTRESUJETOS
nway ANOVASyMANOVAS
Resultados:significacin deefectosconuntrminoerrorcomn (MS ydf)

R2 delmodelo
Partial etasquared:magnitudrelativadelefecto:SSefecto /(SSefecto+ SSerror)
Potenciaaposteriori:potenciadecadaefecto(1 probabilidaddeErrordetipoII)
aceptarlahiptesisalternativacuandoescierta
18

DISEOSnFACTORIALESDEEFECTOSENTRESUJETOS
nway ANOVASyMANOVAS
Particindelavarianza

R2 delmodelo:
SSTOTAL SSERROR
SSTOTAL
Sumasdecuadrados(SS)delModelo:

SSMODELO =SSTOTAL SSERROR


Sumasdecuadrados(SS)delos
efectosincluidosenelmodelo
(noconsideramoselintercepto)

Sumasdecuadrados(SS)ERROR
Sumasdecuadrados(SS)respectoa"cero"
Sumasdecuadrados(SS)TOTAL respectoa
lamediadelavariablerespuesta
19

DISEOSnFACTORIALESDEEFECTOSENTRESUJETOS
nway ANOVASyMANOVAS
Particindelavarianza

Silosefectosnosonindependientes,susuma
(%varianza) noserigualalaR2 delmodelo.
Source
ZONA
SEXO
EDAD
TASAVER
SEXO*EDAD
ZONA*EDAD
ZONA*SEXO
ZONA*SEXO*EDAD
Error
MODELO
CorrectedTotal

TypeIIISumof
Squares
.625
.027
.006
.010
.140
.073
.039
.001
.410
1.515 .410
1.515

%varianza
41.2
1.8
0.4
0.7
9.2
4.8
2.6
0.0
27.1
72.9
100.0

Utilizamoscomodenominadorla
sumadecuadradostotal(SSCorrected Total)
20

DISEOSnFACTORIALESDEEFECTOSENTRESUJETOS
nway ANOVASyMANOVAS
Coeficientesdelmodelo.Sobretodorelevantesparalascovariantes.

21

DISEOSnFACTORIALESDEEFECTOSENTRESUJETOS
nway ANOVASyMANOVAS
Tests aposteriori.
Seutilizanparacompararentreslosdiferentesnivelesdelosfactores.
Estostests sonrealmente"excursionesdepesca"paraencontrarentrequnivelesde
losfactoreshaydiferencias.
Porello,tieneslosentidorealizarloss,yslos,hemosencontradoefectos
significativosenlosfactores.
Noesposibledesarrollarlossitenemospredictorescontinuos(covariantes)enel
modelo;siesas,habrquequitarlasantes.
Existenvariostiposdetests aposteriori,perodeelloselmsutilizadoeseltesthonesto
delasdiferenciasdeTukey.Haceunbalancebastanteequilibradoentresignificaciny
potencia,gestionandobastantebienel"inflado"delerrordetipoI.
EltestdeBonferroni esmuysevero,yaltratardeprotegerfrentealasmltiples
estimasdesignificacin(errordetipoI),acaba"inflando"laprobabilidaddecometerel
errordetipoII(aceptarlahiptesisnulacuandodehechoesfalsa).
22

DISEOSnFACTORIALESDEEFECTOSENTRESUJETOS
nway ANOVASyMANOVAS
Tests aposteriori.
https://en.wikipedia.org/wiki/Post_hoc_analysis

previamentehabremos
quitadolascovariantes
23

DISEOSnFACTORIALESDEEFECTOSENTRESUJETOS

nway ANCOVAS

24

DISEOSnFACTORIALESDEEFECTOSENTRESUJETOS
nway ANOVASyMANOVAS
Anlisisdecovarianza(ANCOVA).
Prestamosespecialnfasisenelefectoquela(s)covariante(s)(opredictoras continuas)
tiene(n)sobrelavariablerespuesta.
Paraquesepuedageneralizarelefectodela(s)covariante(s) sobrelarespuestanodebe
existirdiferenciaenlaspendientesdelaregresindecadacovariante sobrelarespuesta
atravsdelosdistintosnivelesdeel/losfactor(es).
Paraellotenemosquehaceruntestdeparalelismo.
Sevaloramediantela interaccinentre cadacovariante yel/losfactor(es)considerados.
Paraello,construimosotromodelo enelque,ademsdelosefectosdeinters,se
incluyeestainteraccin.Enelejemplosera:
EDAD*SEXO*ZONA*TASAVER
EstemodeloSLO loharemospara estimareltestdeparalelismo.
Sloconsideraremoslainteraccinentrefactoresycovariante.
Siesainteraccinresultasignificativa,
NOPODREMOSGENERALIZARELEFECTODELACOVARIANTE
25

DISEOSnFACTORIALESDEEFECTOSENTRESUJETOS
nway ANOVASyMANOVAS
Anlisisdecovarianza(ANCOVA).
Testdeparalelismo.
NOHAYPROBLEMA!
podemosgeneralizarelefecto
delacovariante

26

DISEOSnFACTORIALESDEEFECTOSENTRESUJETOS
nway ANOVASyMANOVAS
Anlisisdecovarianza(ANCOVA).
Testdeparalelismo
Sihubieseunainteraccinsignificativa entrefactoresycovariante,habraqueconstruir
unnuevomodelo denominado

"modelodediferentespendientes"
Lacovariante queviolaelsupuestodeparalelismoseanidadentrodelosfactores.
Paraello,apartirdenuestromodelooriginal,damosclik albotnPaste.

lovamosahacer
paraaprenderel"cmo"
aunqueestenoseaelcasodel
ejemplodemostrativo
27

DISEOSnFACTORIALESDEEFECTOSENTRESUJETOS
nway ANOVASyMANOVAS
Anlisisdecovarianza(ANCOVA).
"modelodediferentespendientes"
Introducimosmanualmenteen/DESIGN elefectoanidadodelacovariante enlos
factores:TASAVER(EDAD*SEXO*ZONA) (hayqueponer un"punto"alfinal)

28

DISEOSnFACTORIALESDEEFECTOSENTRESUJETOS
nway ANOVASyMANOVAS
Anlisisdecovarianza(ANCOVA).
"modelodediferentespendientes"
Acontinuacinseleccionamostodaslaslneasdecdigodelaventanaemergente(se
pondrnconfondoazul)ydamosclik aliconotriangularverde(RunSelection).

29

DISEOSnFACTORIALESDEEFECTOSENTRESUJETOS
nway ANOVASyMANOVAS
Anlisisdecovarianza(ANCOVA).
"modelodediferentespendientes"
Yvolvemosavalorarelmodelo(residuos,puntosinfluyentesyperdidos,etc)y
consideramoslosnuevosresultados.
Ahora,losgradosdelibertaddelefectodelacovariante (TASAVER)son8.
Secomputaelefectoconjuntode8rectasderegresin (unaporcadaceldaZONA*SEXO*EDAD)

30

DISEOSnFACTORIALESDEEFECTOSENTRESUJETOS
nway ANOVASyMANOVAS
Anlisisdecovarianza(ANCOVA).
Mediasmarginalescontrolandoporelefectodela(s)covariante(s)
Elobjetivoesestimarlasmediaseintervalosdeconfianzadelasdiferentesceldasdelos
factores "comositodaslasunidadesmuestrales"hubiesentenidoelmismovalor en
la(s)covariante(s);i.e.,avalorfijodela(s)media(s)dela(s)covariante(s).
EnOptions seleccionamoslosfactorese
interaccionesparalascualesqueramoslas
medias,erroresestndareintervalosal95%,
enelcuadrodeEstimated MarginalMeans

31

DISEOSnFACTORIALESDEEFECTOSENTRESUJETOS

nway ANOVAS
confactoresbloque
(diseosdeBLOQUE)
32

DISEOSnFACTORIALESDEEFECTOSENTRESUJETOS
nway ANOVASyMANOVAS
Diseosdebloques
Enestosdiseossedefinealmenosunfactor"bloque"enelqueseestablecenlas
muestras.Estefactor"bloque"noesunobjetodeinters paraelinvestigador.
Respectoaldiseo"completamentealeatorizado",enel"diseodebloques"las
unidadesmuestrales sereunen enbloquesquesonlosnivelesdeunfactorbloque.

33

DISEOSnFACTORIALESDEEFECTOSENTRESUJETOS
nway ANOVASyMANOVAS
Diseosdebloques
Paraqueestosdiseosdebloquesseancorrectos,losnivelesdeotrosfactoresde
interstienenqueestarperfectamenterepresentados,ydemodobalanceado,enlos
nivelesdelfactor"bloque" (consultadhttp://www.tfrec.wsu.edu/anova/RCB.html)
Losbloques sedefinenparaaleatorizar losefectosquenocontrolamosysonaleatorios.
Ejemplos deunfactorBLOQUEyotrodeintersFACTOR(con4nivelesA,B,C,D)
conunasolarplicaporcelda

INCORRECTO
BLOQUES
B1
B2
B3
B4
B5
B6
B7
B8

FACTOR(A,B,C,D)
A
A
A
A
B
B
B
B
C
C
C
C
D
D
D
D
B
B
B
B
A
A
A
A
D
D
D
D
C
C
C
C

MEJOR
(noaleatorizadoelorden)
BLOQUES
B1
B2
B3
B4
B5
B6
B7
B8

FACTOR(A,B,C,D)
A
B
C
D
A
B
C
D
A
B
C
D
A
B
C
D
A
B
C
D
A
B
C
D
A
B
C
D
A
B
C
D

CORRECTO
BLOQUES
B1
B2
B3
B4
B5
B6
B7
B8

FACTOR(A,B,C,D)
A
B
C
D
B
A
D
C
C
D
B
A
D
C
A
B
B
A
D
C
D
C
A
B
A
B
C
D
C
D
B
A

34

DISEOSnFACTORIALESDEEFECTOSENTRESUJETOS
nway ANOVASyMANOVAS
Diseosdebloques
Enestosdiseospodemosdistinguirdosgrandestiposdemodelos,quevanadeterminar
cmoseestablecenlostrminoserror (MS y g.l.)paraestimarlassignificaciones.
deunasolarplica porcadaniveldelfactordeinters,encadaniveldelfactorbloque
msdeunarplica porcadaniveldelfactordeinters,encadaniveldelfactorbloque
estosdiseossellaman"debloquesgeneralizados".
CLSICO
unarplicaporBLOQUE
BLOQUES
B1
B2
B3
B4
B5
B6
B7
B8

FACTOR(A,B,C,D)
A
B
C
D
B
A
D
C
C
D
B
A
D
C
A
B
B
A
D
C
D
C
A
B
A
B
C
D
C
D
B
A

GENERALIZADO
detresrplicasporBLOQUE*FACTOR
BLOQUES
B1
B2
B3
B4
B5
B6
B7
B8

AA A
BBB
CCC
DDD
BBB
DDD
AAA
CCC

FACTOR(A,B,C,D)
BBB
CC C
AAA
DD D
DDD
BBB
CCC
AAA
AAA
DDD
CCC
AAA
BBB
CCC
DDD
BBB

DDD
CC C
AA A
BB B
CC C
BB B
DD D
AA A

35

DISEOSnFACTORIALESDEEFECTOSENTRESUJETOS
nway ANOVASyMANOVAS
Diseosdebloques
Enlosdiseosdebloquesperfectamentealeatorizadosdeunasolarplica
no sepudeconstruirlainteraccinBLOQUE*FACTOR(es)deinters
alnoexistirvariabilidaddentrodecadaceldaBLOQUE*FACTOR (1muestrasolamente)

Elmodelo seconstruyeconlosefectosprincipalesBLOQUEyFACTOR(es),sininteraccin
ElMSyg.l.deltrminoerror es comn atodoslosefectos
ElMSyg.l.deltrminoerrorsonlosresidualesdelmodelo
tiposdefactorespara
los queseaplica

FACTOR

36

DISEOSnFACTORIALESDEEFECTOSENTRESUJETOS
nway ANOVASyMANOVAS
Diseosdebloques
EnelcasodedosFACTORESfijos deinters(AyC)yunfactorBLOQUE(B,aleatorio),
conunasolarplicaporceldaA*B*C,lostrminoserrordelasestimas sonlossiguientes:

sepuedenhacer,
peronosuelen
interesar

MSResidual
37

DISEOSnFACTORIALESDEEFECTOSENTRESUJETOS
nway ANOVASyMANOVAS
Diseosdebloques
EnelcasodedosFACTORESfijos deinters(AyC)yunfactorBLOQUE(B)conunasola
rplicaporceldaA*B*C,
siseconsideraquelavariacinentrefactoresatravsdebloquesesnegligible,
entoncessepuedesimplificar(yrobustecerelmodeloconmayoresg.l.paralosfactores)
yseutilizacomotrminoerrorcomneltrminoerrorresidualdelmodelo:

MSerror =MSresidual

38

DISEOSnFACTORIALESDEEFECTOSENTRESUJETOS
nway ANOVASyMANOVAS
Diseosdebloques
DiseoparticulardenominadodeCUADRADOSLATINOS.
Seestablecendosfactores BLOQUES quedefinenlosejesXeYdeuncuadrado,
queestablecenlasceldasenlasqueseaplicanlostratamientosdelFACTOR deinters.
Seasumequeelefectodelainteraccin delosdosfactoresBLOQUEesnulo.
EncadaceldadeinteraccinBLOQUEX*BLOQUEYseestableceunanicamuestra.
OtrosdiseosimplicandosBLOQUESnoespaciales (e.g.,operadorycultivar).
SedebencumplirloscriteriosdeperfectaaleatorizacindelosnivelesdelFACTOR.
EnestediseohayunMSyg.l.deltrminoerror comn atodoslosefectos.
Noestamosinteresadosenlasinteracciones nientreBLOQUESnienFACTOR*BLOQUE
ElMSyg.l.deltrminoerror sonlosresidualesdelmodelo
39

DISEOSnFACTORIALESDEEFECTOSENTRESUJETOS
nway ANOVASyMANOVAS
Diseosdebloques
DeCUADRADOSLATINOS.
Ejemplos

sinfragmentarmuyfragmentado

40

DISEOSnFACTORIALESDEEFECTOSENTRESUJETOS
nway ANOVASyMANOVAS
Diseosdebloques
EnlosdiseosdebloquesGENERALIZADOS perfectamentealeatorizados
condosrplicasoms porceldaBLOQUE*FACTOR
s sepudeconstruirlainteraccinBLOQUE*FACTOR(es)deinters
alexistirvariabilidaddentrodecadaceldaBLOQUE*FACTOR (2omsmuestras)

elBLOQUE sesueleconsiderarunfactoraleatorio
Elmodelo seconstruyecon:efectosprincipalesBLOQUEyFACTOR(es)yla(s)interaccin(es)
ElMSyg.l.deltrminoerror NO escomn atodoslosefectos
ParaelFACTOR,losMSyg.l.error sonlosdatosdelainteraccinBLOQUE*FACTOR
sean"r"rplicasporceldaBLOQUE*FACTOR
Efectog.l.efectoFg.l.error
BLOQUEb1MSBLOQUE/

MSFACTOR*BLOQUE(b1)*(f1)
FACTORf1MSFACTOR/ MSFACTOR*BLOQUE(b1)*(f1)
FACTOR*BLOQUE(b1)*(f1)MSFACTOR*BLOQUE/ MSRESIDUALf*b*(r1)
41

DISEOSnFACTORIALESDEEFECTOSENTRESUJETOS

nway MANOVAS

42

DISEOSnFACTORIALESDEEFECTOSENTRESUJETOS
nway ANOVASyMANOVAS
AnlisisMultivariantes delaVarianza MAN(c)OVA
Situacinparticularenlaquetenemosmsdeuna variablerespuesta"continua".

Sedefineelmodeloyseseleccionan
lasdiferentesopcionescomoenlos
modelosAN(c)OVAqueyavimos.

43

DISEOSnFACTORIALESDEEFECTOSENTRESUJETOS
nway ANOVASyMANOVAS
AnlisisMultivariantes delaVarianza MAN(c)OVA.Supuestosaadidos.
Requierenormalidadmultivariante.Seasumequese cumpleelsupuesto
sihaynormalidadunivariante.
*Esnecesarioqueexistahomogeneidaddevarianzas/covarianzasatravsdelos
nivelesdelosfactoresconsiderados(osusinteraccionessihayvariosfactores).
TestdelaMdeBox.Consultad:
http://www01.ibm.com/support/knowledgecenter/SSLVMB_20.0.0/com.ibm.spss.statistics.cs/glmm_patlos_homcov.htm

Estesupuestoasumequeelpatrndeasociacin
entrelasvariablesrespuestas nocambiaatravsde
losnivelesdelosfactores(predictoresnominales).
Violamoselsupuestodehomogeneidad
delascovarianzasentrevariablesrespuesta.
Esto,conlarelativamentebajamuestra,
alertadelavalidezdenuestromodelo.
Posiblesolucin:transformar lasrespuestas
44

DISEOSnFACTORIALESDEEFECTOSENTRESUJETOS
nway ANOVASyMANOVAS
AnlisisMultivariantes delaVarianza MAN(c)OVA
Testdehomogeneidaddelasvarianzasdelasvariablesrespuesta.
TestdeLevene.Secomparanlasvarianzasteniendoencuentalasceldasdefinidas
porlainteraccinentretodoslosfactoresnominalesconsiderados.
Conestosresultados,laviolacinprevia
delsupuestodehomogeneidaddecovarianzas,
definidoporeltestMdeBox,noesimportante.
Violamoselsupuestodehomogeneidad
Posiblesolucin:transformar estarespuesta

El caso ms problemtico es aquel en el que la varianza se asocia con la media de


cada una de las celdas de la interaccin entre los factores.
* si la relacin es positiva, aumenta el error de tipo I
* si la relacin es negativa, aumenta el error de tipo II
45

DISEOSnFACTORIALESDEEFECTOSENTRESUJETOS
nway ANOVASyMANOVAS
AnlisisMultivariantes delaVarianza MAN(c)OVA
Resultadosmultivariantes.Convariosestadsticosequivalentes:
Pillai,lambdadeWilks,Hotelling,Roy

LambdadeWilks
mayorvalorinterpretativo:
proporcindelavarianza
NOexplicada

46

DISEOSnFACTORIALESDEEFECTOSENTRESUJETOS
nway ANOVASyMANOVAS
AnlisisMultivariantes delaVarianza MAN(c)OVA
Resultadosunivariantes.Paracadavariablerespuesta.
SloseaceptarnSILOSRESULTADOSMULTIVARIANTESSONSIGNIFICATIVOS.

R2 paracadarespuesta

47

DISEOSnFACTORIALESDEEFECTOSENTRESUJETOS

nway ANOVAS
confactoresanidados
(modelosENCAJADOS)
48

DISEOSnFACTORIALESDEEFECTOSENTRESUJETOS
nway ANOVASyMANOVAS
AnlisisEncajadosdelaVarianza
EnestosdiseosseestablecequeelefectodeunfactorA noestcruzado enlosniveles
deotrofactorB.Estoes,nosedefineunainteraccinA*B.
Estopuedeseraspor:
elintersdelinvestigador
laimposibilidadderepresentacindelosnivelesdeunfactorenlosdeotrofactor
esteeselcasoenelqueunfactorFAMILIAnoestrepresentadoenotrofactorORDEN
enesteesquemadesistemticalineana,GENEROdentrodeFAMILIAdentrodeORDEN

Laclaveenestosdiseosencajados(anidados)estendefinireltrminoerror (MS yg.l.)


PodemosdefinirqueelMSdenominador(MSerror)delaFdeFisheres:
elMSerror detodoelmodelo
elMS delefectodeordenjerrquicoinmediatamenteinferior
ejemplo:
elMSerror paraESPECIEeselMS delefectoINDIVIDUOdentrodeESPECIE(MSerror delmodelo)
elMSerror paraGENEROeselMS delefectoESPECIE dentrodeGENERO
elMSerror paraFAMILIAeselMS delefectoGENERO dentrodeFAMILIA
elMSerror paraORDENeselMS delefectoFAMILIAdentrodeORDEN
49

DISEOSnFACTORIALESDEEFECTOSENTRESUJETOS
nway ANOVASyMANOVAS
AnlisisEncajadosdelaVarianza
Laopcin"MSerror detodoelmodelo"
seutilizaendiseosdeefectosFIJOS.
Laopcin"MS delefectodeordenjerrquicoinmediatamenteinferior"
seutilizaendiseosdefactor(es)anidado(s)ALEATORIOS.
Sinoqueremoscomplicarnosconladefinicindeefectosfijosyaleatoriosdandocliks
enlasventanasdeSPSS,podemoscalcularmanualmentelasF,pyg.l. utilizandolos
trminoscorrectosquepodemosobtenerenlastablasdeANOVA.
EnelmduloAnalyze >GeneralLinearModel >Univariate noexistelaposibilidad
deanidarefectosconcliks.
Introduciremoslosefectosanidadosmanualmenteenelcomando /DESIGN
elefectoanidadodeunfactorB dentrodeotrofactorA es:/DESIGN B(A)
ejemplopara:EDADdentrodeSEXOdentrodeZONA,SEXOdentrodeZONA,ZONA
/DESIGN= EDAD(SEXO(ZONA)) SEXO(ZONA) ZONA.

50

DISEOSnFACTORIALESDEEFECTOSENTRESUJETOS
nway ANOVASyMANOVAS
AnlisisEncajadosdelaVarianza

51

DISEOSnFACTORIALESDEEFECTOSENTRESUJETOS
nway ANOVASyMANOVAS
AnlisisEncajadosdelaVarianza
Cundoestablecerefectosanidadosdentrodeunfactor?
Siemprequequeramosvalorarelefectodeunpredictor,seacontinuo(covariante)o
nominal(factor),demaneranohomogeneadentrodenuestramuestra,sino
distinguiendoentrelassituacionesdefinidasporotrofactor.
Tambinserunanecesidadcuandocontemoscondiseosdeceldasvacas,porque
losnivelesdeunfactornoestnrepresentadosenotrofactor,yambosfactoresnose
puedancruzarestableciendolainteraccin.
ejemplo:casodefactoressistemticos(ORDEN,FAMILIA,GNERO,quenoestnrepresentados)

Estoesunanecesidadcuandoexisteninteraccionessignificativasentrecovariantesy
factores (testdeparalelismodelANCOVA;vedlapgina25).
Tambinpuedeserinteresantecuandohayainteraccionessignificativasentredoso
msfactores,demaneraquenosepuedageneralizarelefectodeunfactorentodala
muestra,yaqueesdependientedelosestadosdefinidosporotrofactor.
Enelcasodequeunacovariantemanifiestevaloresmuydiferentesenlosnivelesde
determinadosfactores ysesospechequenosepuedageneralizarsuefecto.
veamosesteaspectodemodogrficoenlasiguientepgina
52

DISEOSnFACTORIALESDEEFECTOSENTRESUJETOS
nway ANOVASyMANOVAS
AnlisisEncajadosdelaVarianza
Cundoestablecerefectosanidadosdentrodeunfactor?
Casodeunacovarianteconvaloresmuydiferentesenlosnivelesdeunfactor.
Nohayviolacindeparalelismo,peroelefectoglobalesmuydiferentedeloobservadoenlosnivelesdeunfactor.

losmodelosdelacovariante
explicandolarespuestason
paralelos!!
definenrelacionesnegativas
cuandoelfalsopatrnglobal
espositivo

53

DISEOSnFACTORIALESDEEFECTOSENTRESUJETOS

nway ANOVAS
confactoresALEATORIOS
(modelosMIXTOS)
54

DISEOSnFACTORIALESMIXTOSDEEFECTOSENTRESUJETOS
Lanovedadesintroducirfactoresdeefectosaleatorios.
Sonfactorescuyosnivelesrepresentanunamuestradelarealidad,obtenidapor
muestreoaleatoriodeella(familias,parcelas,individuosqueremuestreo,etc).
Laclavedeestosdiseosestendefinirlostrminoserror(MSydf).
PodemosdistinguirdosaproximacionesparaelclculodelosdenominadoresdelaFpara
estimarlasignificacindelosefectosaleatorios enmodelosmixtos:
laRestricted ylaUnrestricted.

Quinn,G.P.;Keough,M.J.(2002).Experimentaldesign anddataanalysis for biologists.CambridgeUniv.Press,Cambridge.

55

DISEOSnFACTORIALESMIXTOSDEEFECTOSENTRESUJETOS
Definicindetrminoserror(MSydf).

56

DISEOSnFACTORIALESMIXTOSDEEFECTOSENTRESUJETOS
Estructuradedatosy"tamaosmuestrales".

38individuos(nivelesdefactoraleatorio)
dossituacionesdemuestreo(factorfijo)
6rplicasenunniveldelfactor
4rplicasenelotroniveldelfactor

eltamaomuestral correcto
paraelefectodelfactorfijo
NOES 38*(4+6)=380
ES 38individuosmedidosen2situaciones
38individuos*2situaciones=76
lodefinela interaccin fijo *aleatorio

57

DISEOSnFACTORIALESMIXTOSDEEFECTOSENTRESUJETOS
Lashiptesisnulasenlosmodelosmixtossonlassiguientes:
FACTORESFIJOS:lasmedias()delosdiferentesnivelesdeunfactorFF soniguales.
factorfijoFF conn niveles:1 =2 =3 ==n
COVARIANTESFIJAS:elcoeficientederegresinescero.
respuesta=f(factores)+b*covarianteb=0
FACTORESALEATORIOS:lavarianza(2)asociadaalfactoraleatorioFR escero.
FR 2=0
Lecturasrecomendadas:
UsingMixedEffectsModelsforConfirmatoryHypothesisTesting
http://talklab.psy.gla.ac.uk/simgen/faq.html

AshortguidetorunningANOVAsinSPSS
http://wallace.teorekol.lu.se/statistics_for_biologists/SPSS_ANOVA_guide.pdf

58

DISEOSnFACTORIALESMIXTOSDEEFECTOSENTRESUJETOS
Tiposdediseosatendiendoasilosefectosaleatoriosafectan:
alinterceptoy/oalaspendientesdelosefectospredictores fijos.

conINTERCEPTO
sininteraccionesentre
efectosFIJOS*ALEATORIOS

sinINTERCEPTO
coninteraccionesentre
efectosFIJOS*ALEATORIOS

conINTERCEPTO
coninteraccionesentre
efectosFIJOS*ALEATORIOS
59

DISEOSnFACTORIALESMIXTOSDEEFECTOSENTRESUJETOS
Vamosamezclarefectos"fijos"(factoresycovariantes)conefectos"aleatorios"(Random).
ejemplo:

nosponemosaelloconSPSS:

F=0.060 /0.191 =0.31


d.f. =3, 3
NOUTILIZAMOSeltrmino
Residual

60

DISEOSnFACTORIALESMIXTOSDEEFECTOSENTRESUJETOS
Establecemoslasinteraccionesentrelosefectos"fijos"yelfactor"aleatorio".
Estasinteraccionesservirnparaestablecerlostrminoserrordelosefectosfijos.
interceptoaleatoriopendienteconstanteinterceptoypendiente aleatorios
randominterceptmodel
randominterceptandslopemodel

steeselqueveremosacontinuacin
61

DISEOSnFACTORIALESMIXTOSDEEFECTOSENTRESUJETOS
Yobtenemoslatabladeresultados conladefinicindetrminoserror(MSydf).

no
no
porquelerrorynolainteraccin?
porquetodaslas"temperaturas"sondistintas

Puedeserquenointerese,porirrelevantes,mostrarlasinteraccionesentrelos
efectosfijosyelaleatorio.EstasinteraccionesseestimanparacalcularFypcorrectas.
62

DISEOSnFACTORIALESMIXTOSDEEFECTOSENTRESUJETOS
Losresultados denuestromodeloparalosefectosfijos(seanfactoresocovariantes)
tambinpodemosobtenerlosconladefinicindetrminoserror(MSydf)medianteel
comando/test quepodemosaadiralaslneasdecdigo.Lanomenclaturaes:
/test = efectofijo VS interaccinfijo*aleatorio
EnvezdededarclikaOK paracorrerelmodelo,damosclickaPaste.

Vedenlasiguientepginalosresultados
63

DISEOSnFACTORIALESMIXTOSDEEFECTOSENTRESUJETOS
Resultadosdelostests(/test)estableciendoeltrminoerror(MSyg.l.)correctos:

distancia

MSdelefectodistancia*individuo
temperatura

MSdelefectotemperatura*individuo

64

DISEOSnFACTORIALESMIXTOSDEEFECTOSENTRESUJETOS
Comparacinconelmismomodelosinefectosaleatorios.
enestediseoSINefectosaleatorios
hayuntrminoerrorcomn
(MSerror ydferror)

comn

65

DISEOSnFACTORIALESMIXTOSDEEFECTOSENTRESUJETOS
Definicindetrminoserror(MSydf)conefectosaleatorios encajados.

66

DISEOSnFACTORIALESMIXTOSDEEFECTOSENTRESUJETOS
Conunfactorspp quenotiene representacinentodoslosnivelesdeindividuo (random).

yacontinuacinnospasamosalaedicinde
lneasdecomandosmuyfcil!!
67

DISEOSnFACTORIALESMIXTOSDEEFECTOSENTRESUJETOS
Conunfactorspp quenotiene representacinentodoslosnivelesdeindividuo (random).
Enlalnea/DESIGN escribimosspp,individuo(spp),ylasdiferentesinteracciones
delosefectosfijosconindividuo(spp)
conpunto alfinal!!
UNIANOVA ln_uso10h BY distancia spp individuo WITH temperatura
/RANDOM=individuo
/METHOD=SSTYPE(3)
/INTERCEPT=INCLUDE
/CRITERIA=ALPHA(0.05)
/DESIGN=spp distancia temperatura individuo(spp)
distancia*individuo(spp) temperatura*individuo(spp).

seleccionamoslaslneasdecomando
damosclik aRun
ydamosclik aSelection.
68

DISEOSnFACTORIALESMIXTOSDEEFECTOSENTRESUJETOS
Ylatabladeresultados,conladefinicindetrminoserror(MSydf).

69

DISEOSnFACTORIALESDEEFECTOSDENTROSUJETOS

nway ANOVAS
demedidasREPETIDAS
(within subjects designs)
70

DISEOSnFACTORIALESDEEFECTOSDENTROSUJETOS
nway ANOVASyMANOVAS
ANOVAs deMedidasRepetidas
Enestosdiseossetomandiferentesmedidassobrelasmismasunidadesmuestrales.
Estasdiferentesmedidasvienendefinidasporlosnivelesdelosfactores que
denominamos"dentro"desujetos
(e.g.,medicionesporlanocheyelda;medidasdelladoderechoyelizquierdo)

Enestosdiseospodemostenerunoomsfactores"dentro"desujetos quepueden
interaccionarentres.Enestacircunstancia,elnmerodepseudorrplicas porunidad
muestral vienedefinidaporelnmerodeceldasenlainteraccindelosfactores.
Realmenteesasdiferentesmedidasdelamismaunidadmuestral definen:
variasvariablesrespuesta,cadaunadelascualesdefineunniveldelfactor"dentro"
Ademspodemoscontarenestosdiseosconotrosfactores"entre"sujetos,queincluyen
ensusnivelesaunidadesmuestrales diferentes.
Tambinpodemosconsiderarcovariantes queafectanalvalordelarespuesta.Puedenser:
covariantes fijas:unsolovalordelacovariante porcadaunidadmuestral
covariantes cambiantes:unvalorporcadaunidadmuestral encadaniveldelfactor
"dentro"desujetos.
71

DISEOSnFACTORIALESDEEFECTOSDENTROSUJETOS
nway ANOVASyMANOVAS
ANOVAs deMedidasRepetidas
Lasverdaderasunidadesmuestrales,quedefinirnlostrminoserrorparalaestimadela
significacin (F,g.l.yp),nosonlasrplicas,sinolos"sujetos"enloscualessemide
repetidamentelamismavariablerespuesta,viniendodefinidoelnmerodevecespor
losnivelesdelfactorrepetidoo"dentro"desujetos.
Estosdiseosevitanlapseudorreplicacin,
yefectanuncontroldelavariabilidadaleatoriaentresujetos
degranutilidadparaestimarefectossutiles"dentro"desujetos

Alahoradeabordarelanlisisdedatospodemosestablecerdos"diseosdelamatriz".
Horizontal:unafilapor"sujeto" ounidadmuestral correcta
Vertical:lasrplicasdelmismosujetoseponenenfilasdistintas,yseaadeuna
columnaquedefinelaadscripcindelarplicafilaal"sujeto"
EsteFACTOR"sujeto"setratarcomounfactoraleatorio.
Vedlasdosestructurasdedatosenlosarchivos:
nwayREPMEAS_ANOVA_2larga.sav
nwayREPMEAS_ANOVA_2corta.sav
72

DISEOSnFACTORIALESDEEFECTOSDENTROSUJETOS
nway ANOVASyMANOVAS
ANOVAs deMedidasRepetidas
Vamosaprocedercomoloharamosenotrosdiseosfactorialesyapresentados,
considerandolosmismosrequisitosypruebascannicasdelbuenusodelosANOVA,
Estosdiseosrequieren:
Normalidadmultivariante (comoelMANOVA)
Homogeneidaddelasvarianzas enlosdiferentesnivelesdelosfactores(yavisto)
Homogeneidaddevarianzas/covarianzas atravsdelosnivelesdelosfactores
considerados(osusinteraccionessihayvariosfactores).TestdelaMdeBox.
Vamosaprestaratencinadosnuevosrequisitos:
EsfericidadySimetracompuesta.(sloaplicablesafactoresdentrocontresomsniveles)
ESFERICIDAD:Lasvarianzasdelasdiferenciasdentrode"sujetos" entrelosdiferentes
nivelesdelosfactoresrepetidossonhomogneas.TestdeMauchley.
https://en.wikipedia.org/wiki/Mauchly%27s_sphericity_test (verallFigure1)
SIMETRACOMPUESTA:Lasvarianzasdelostratamientosylascovarianzasentreellosno
difierenentres.Estoseaplicaalosfactores"dentro"desujetosorepetidos.
CompararemoslosresultadosdelANOVAdemedidasrepetidasconlospronosticados
porlosajustesefectuadosporlostests deGreenhouseGeisser yHuynhFeldt.
Comparamoslasp's ylosg.l.MsrecomendablelaaproximacindeHuynhFeldt.
73

DISEOSnFACTORIALESDEEFECTOSDENTROSUJETOS
nway ANOVASyMANOVAS
ANOVAs deMedidasRepetidas
siseviolanestosdossupuestos
pasaremosautilizarlosresultados
delMANOVA
(consultadlaspginas4647)

ademsvaloraremosotrossupuestos
delosmodelosgeneraleslineales
(previamentevistos)

74

DISEOSnFACTORIALESDEEFECTOSDENTROSUJETOS
nway ANOVASyMANOVAS
ANOVAs deMedidasRepetidas
Cmohacerlo?VersinconmatrizdedatosHORIZONTAL
Conestaformadeprocederpodremosabordardiseosconunoomsfactoresdentro.
Slo podremosconsiderarcovariantes deefectosfijos (unaovarias).
Lascovariantesdeefectosfijossonaquellasqueslotomanunvalorporcadafila.
Notienenvaloresdistintos enlosdiferentesnivelesrepetidosdefinidosporlosfactoresdentro.

Ejemplo:
26 escarabajos(filas) ensayadosencuatrosituacionesdiferentesquefueronaleatorizadas
Dosfactoresdentro:RADIACION(infrarroja,luz_visible)yPOSICION(invertido,normal)
losdosfactoresdefinen2*2=4columnasdedatosdelavariablerespuestaasntota
asintota:temperaturaquealcanzanlosescarabajos(individuos)tras8minutos

Doscovariantesdevaloresfijos:volumen_abdomen ytemperatura_mean delosensayos


Unfactorentresujetos quecodificasilosescarabajostienenonoloslitosfusionados
factorflightless condosniveles(syes,no)

Existirunavariablerespuestaconcuatrocolumnas(unaporsituacinexperimental)
Existirntantasfilascomounidadesmuestraleshaya
Cadacovariantetomaunvalornicoporfila.
75

DISEOSnFACTORIALESDEEFECTOSDENTROSUJETOS
nway ANOVASyMANOVAS
ANOVAs deMedidasRepetidas
Cmohacerlo?VersinconmatrizdedatosHORIZONTAL

2factoresdentro
desujetos
delarespuesta
asntota
organizadosas:

factorentre
sujetos

infrarrojoinvertido
infrarrojonormal
luzinvertido
luznormal

covariantes

76

DISEOSnFACTORIALESDEEFECTOSDENTROSUJETOS
nway ANOVASyMANOVAS
ANOVAs deMedidasRepetidas
Cmohacerlo?VersinconmatrizdedatosHORIZONTAL
SeleccionamosAnalizar>ModelosGeneralesLineales>MedidasRepetidas

Enlaventanaemergentedefinimoscmose
organizanlas4columnasdelavariablerespuesta:
primerosegnelfactorradiacin(con2 niveles)
yluego,dentrodestefactorradiacin,est
elfactorposicin(conotros2 niveles)
AmbosfactoressonWithinSubjectFactor
SeguimosdandoclikaDefine

77

DISEOSnFACTORIALESDEEFECTOSDENTROSUJETOS
nway ANOVASyMANOVAS
ANOVAs deMedidasRepetidas
Cmohacerlo?VersinconmatrizdedatosHORIZONTAL
Enlasiguienteventanaemergenteintroducimos,enlascuatrovariablescon_?_(,)
delcuadroderecho,losnombresdelasvariablesrespuesta(enelcuadroizquierdo)
EXACTAMENTE segnlasecuenciadeentradaquehemosdefinidoen(radiacin,posicin)

78

DISEOSnFACTORIALESDEEFECTOSDENTROSUJETOS
nway ANOVASyMANOVAS
ANOVAs deMedidasRepetidas
Cmohacerlo?VersinconmatrizdedatosHORIZONTAL
Acontinuacinintroducimoselfactorentresujetos
Ylasdoscovariantesdeefectosfijos(nicosvaloresporcadafila individuo)

ContinuamosconModel paradefinirlosefectosysusinteracciones.

79

DISEOSnFACTORIALESDEEFECTOSDENTROSUJETOS
nway ANOVASyMANOVAS
ANOVAs deMedidasRepetidas
Cmohacerlo?VersinconmatrizdedatosHORIZONTAL
SeleccionamoslaopcinCustom
Definimoslosefectosdemedidasrepetidas(WithinSubjects)estableciendo
efectosprincipalese
interaccinentreellos
Introducimoslosefectosentresujetos
(BetweenSubjects)quequeramos
Yestablecemosquequeremosuntipode
sumadecuadradosIII (efectosparciales)
Ycontinuamosconotrasopciones.
Seleccionamoslosresultadosamostraren
lasopciones(Options)
Seleccionaremoslosvalorespredichosy
residualesenSave
YfinalmentedamosclikaOK.
80

DISEOSnFACTORIALESDEEFECTOSDENTROSUJETOS
nway ANOVASyMANOVAS
ANOVAs deMedidasRepetidas
Cmohacerlo?VersinconmatrizdedatosHORIZONTAL
Veamoslosresultadosobtenidos.
Primeramenteexploraremoslosresiduosdelmodelo (consultadlaspginas1216).
Ahorahabrtantasvariablesresidualesaexplorarcomo variablesrespuestadefinan
losnivelesdelosfactoresrepetidos dentroconsiderados.
AcontinuacineltestdelaMdeBox (consultadlapgina44)yluegoeldeLevene
(pgina17),paraaspectosdehomogeneidaddelamatrizdelasvarianzas/covarianzas
(enlasvariablesrespuestadefinidasporlosdosfactoresrepetidosdentrodesujetos),y
delahomogeneidaddelasvarianzasdelasvariablesrespuestarepetidasatravsdelos
nivelesdelfactorentresujetos.
Luegopasaremosavalorarlaspruebasespecficasdelosanlisisdemedidasrepetidas:
lostestsdeEsfericidadySimetracompuesta.
Enestaocasinestostestsnosonnecesarios,porquelosfactoresrepetidosdentro
desujetostienenslodosniveles.

81

DISEOSnFACTORIALESDEEFECTOSDENTROSUJETOS
nway ANOVASyMANOVAS
ANOVAs deMedidasRepetidas
Cmohacerlo?VersinconmatrizdedatosHORIZONTAL
Dehecho,podemosverqueEpsilontomaelvalordeuno(1),indicativodequenovaa
hacerfaltacorregirlosgradosdelibertadparaestimarlostestsdesignificacin
miradlanotacina

Enelcasodefactoresdemedidasrepetidascontresnivelesoms,yvaloresdeEpsilon
menoresque1 paralosestimadoresdeGreenhouseGeisserysobretodoHuynhFeldt,
miraramoslatabladeresultadosdenominadaTestsofWithinSubjectsEffects.
82

DISEOSnFACTORIALESDEEFECTOSDENTROSUJETOS
nway ANOVASyMANOVAS
ANOVAs deMedidasRepetidas
Cmohacerlo?VersinconmatrizdedatosHORIZONTAL
Acontinuacinvemoscmoseralasalidadelosresultadosasumiendoque
nohubisemosvioladoelsupuestodeesfericidadysimetracompuesta.
Estatabla,aqurepresentadaparaelfactorrepetidodentrodesujetosradiacin,
continuaraparaelotrofactordentroposicin ylainteraccinradiacin*posicin.

83

DISEOSnFACTORIALESDEEFECTOSDENTROSUJETOS
nway ANOVASyMANOVAS
ANOVAs deMedidasRepetidas
Cmohacerlo?VersinconmatrizdedatosHORIZONTAL
Enelcasodequenohayahabidoviolacionesdelossupuestosdeesfericidadysimetra
compuesta,podemosvalorarlastablasclsicasdeANOVA.
Primeroparalosefectosdentrodesujetos conestatabla.Estosefectosincluyen:
losefectospropiamentedichosdentrode,ysusinteraccionesconlosefectosfijos

84

DISEOSnFACTORIALESDEEFECTOSDENTROSUJETOS
nway ANOVASyMANOVAS
ANOVAs deMedidasRepetidas
Cmohacerlo?VersinconmatrizdedatosHORIZONTAL
Luegoparalosefectosentredesujetos conestaotratabla.

85

DISEOSnFACTORIALESDEEFECTOSDENTROSUJETOS
nway ANOVASyMANOVAS
ANOVAs deMedidasRepetidas
Cmohacerlo?VersinconmatrizdedatosHORIZONTAL
Enelcasodequehubisemosvioladoseveramente elsupuestodehomogeneidaddelamatrizde
lasvarianzas/covarianzas (teniendoencuentalasalidadeltestdelaMdeBox)deberamospasara
valorarlasignificacindelosresultadosdenuestromodelousandolassalidasmultivariantesdel
MANOVA.(enestecasonoseranecesario:p=0.082eneltestdelaMdeBox)

latablaesenorme y
contina.

86

DISEOSnFACTORIALESDEEFECTOSDENTROSUJETOS
nway ANOVASyMANOVAS
ANOVAs deMedidasRepetidas
Cmohacerlo?VersinconmatrizdedatosVERTICAL
EnestaocasinvamosautilizarotromdulodeSPSS:
SeleccionamosAnalizar>ModelosMixtos>Lineales
Comolaestructuradelosdatosesvertical,slohayunacolumnaparalarespuesta.
Slopodremosutilizarunfactordentrodesujetos (i.e.,demedidasrepetidas).
Peropodremosemplearcovariantesdevalorescambiantes alolargodelosefectosde
medidasrepetidas.
Vamosatrabajarconunfactorrepetidoque
combinalosnivelesdefuenteyposicinen
unsolofactor trampilla

87

DISEOSnFACTORIALESDEEFECTOSDENTROSUJETOS
nway ANOVASyMANOVAS
ANOVAs deMedidasRepetidas
Cmohacerlo?VersinconmatrizdedatosVERTICAL
Enlaprimeraventanaemergentevamosadefinirculeselfactorquecontienela
asignacindelosdistintosensayosalos 26individuos quehansidoestudiados(id).
Estosindividuostenanantestodossusdatosenunanicafilaenlamatrizdedatos
HORIZONTAL.

Esefactorid loincluimosenelpanel
Sujetos(Subjects)
Elfactorquedefinelosnivelesdentrode
vaenelpanelRepetidos(Repeated).
ExistendiferentestiposdeCovarianza;eligiremos:
SimetraCompuesta (asumida)

consultad:
http://www.floppybunny.org/robin/web/virtualclassroom/stats/statistics2/repeated_measures2_twisk.pdf

88

DISEOSnFACTORIALESDEEFECTOSDENTROSUJETOS
nway ANOVASyMANOVAS
ANOVAs deMedidasRepetidas
Cmohacerlo?VersinconmatrizdedatosVERTICAL
ExistendiferentestiposdeCovarianza
SimetraCompuesta asumequehayunavarianzahomogneaparalosnivelesrepetidos
delarespuestayunacovarianzacomnentreellos
SimetraCompuestaheterognea paravarianzasheterogneasycovarianzashomogneas
HuynhFeldt paracorregirlosg.l.yestimasdepporlaviolacindelasimetracompuesta
Noestructurada(Unstructured) asumeheterogeneidadcompletaenlamatrizde
varianzas/covarianzas.El"coste"desuusoesque"consume"muchosg.l.
IdentidadEscalada asumevarianzashomogneasyausenciadecorrelaciones(=0)entrelas
variablesrespuestarepetidas(definidasporlosnivelesdeel/losfactor(es))

Podemosprobarlosanlisisconvariostiposdecovarianzas ycompararlosmodelos
atendiendoalvalordeAkaike corregidoporeltamaomuestral (AICc).
SeleccionaramoselmodeloconmenorvalordeAICc,sobretodosiestadiferenciaes
mayorque7unidades.
89

DISEOSnFACTORIALESDEEFECTOSDENTROSUJETOS
nway ANOVASyMANOVAS
ANOVAs deMedidasRepetidas
Cmohacerlo?VersinconmatrizdedatosVERTICAL
Seleccionamoslavariablerespuesta(asintota),quesehamedidorepetidamenteenlos
nivelesdelfactorrepetidodentrode(fuente_posicion),elfactorentresujetos
(flightless)ylasdoscovariantes.
Enestaocasinlascovariantespuedentenervaloresdiferentes encadasituacin
experimentaldefinidaporlosnivelesdelfactorrepetido.

90

DISEOSnFACTORIALESDEEFECTOSDENTROSUJETOS
nway ANOVASyMANOVAS
ANOVAs deMedidasRepetidas
Cmohacerlo?VersinconmatrizdedatosVERTICAL
Establecemoslosefectosfijosdandoclikalbotncorrespondiente(Fixed).
Definimoslosefectosprincipalesdeintersysusinteracciones.
Deberemosintroducirtodaslasinteraccionesentreelfactordentrodey
losotrosefectosentresujetos!!

91

DISEOSnFACTORIALESDEEFECTOSDENTROSUJETOS
nway ANOVASyMANOVAS
ANOVAs deMedidasRepetidas
Cmohacerlo?VersinconmatrizdedatosVERTICAL
Establecemoslosefectosaleatoriosdandoclikalbotncorrespondiente(Random).
EnlosdiseosdemedidasrepetidasconmatrizdedatosVERTICAL utilizaremosun
modelodeinterceptoaleatorio(randomintercept).
Denuevo,definimoseltipodecovarianza(asumimossimetracompuesta)

podemosdejar
ComponentesdelaVarianza

aqunada,porqueefectuamos
unmodelodeinterceptoaleatorio
sinpendientesaleatorias

92

DISEOSnFACTORIALESDEEFECTOSDENTROSUJETOS
nway ANOVASyMANOVAS
ANOVAs deMedidasRepetidas
Cmohacerlo?VersinconmatrizdedatosVERTICAL
EnlaopcindeEstimacin(Estimation)marcamoselmtodoML (Maximum Likelihood).
Corremoselmodelodandoclik aOK.Yvaloramoslosresultados enlasalida:
/METHOD=ML
/RANDOM=INTERCEPT | SUBJECT(id) COVTYPE(VC)
/REPEATED=fuente_posicion | SUBJECT(id) COVTYPE(CS).

93

DISEOSnFACTORIALESDEEFECTOSDENTROSUJETOS
nway ANOVASyMANOVAS
ANOVAs deMedidasRepetidas
Cmohacerlo?VersinconmatrizdedatosVERTICAL
AsumiendounaestructuradecovarianzasparalosefectosrepetidosdeHuynhFeldt:
/METHOD=ML
/RANDOM=INTERCEPT | SUBJECT(id) COVTYPE(VC)
/REPEATED=fuente_posicion | SUBJECT(id) COVTYPE(HF).

94

DISEOSnFACTORIALESDEEFECTOSDENTROSUJETOS
nway ANOVASyMANOVAS
ANOVAs deMedidasRepetidas
Cmohacerlo?VersinconmatrizdedatosVERTICAL
AsumiendounaestructuradecovarianzasparalosefectosrepetidosdeIdentidadEscalada:
/METHOD=ML
/RANDOM=INTERCEPT | SUBJECT(id) COVTYPE(VC)
/REPEATED=fuente_posicion | SUBJECT(id) COVTYPE(ID).

95

DISEOSnFACTORIALESDEEFECTOSDENTROSUJETOS
nway ANOVASyMANOVAS
ANOVAs deMedidasRepetidas
Cmohacerlo?VersinconmatrizdedatosVERTICAL
YasumiendounaestructuradecovarianzasparalosefectosrepetidosNoEstructurada:
/METHOD=ML
/RANDOM=INTERCEPT | SUBJECT(id) COVTYPE(VC)
/REPEATED=fuente_posicion | SUBJECT(id) COVTYPE(UN).

96

DISEOSnFACTORIALESDEEFECTOSDENTROSUJETOS
nway ANOVASyMANOVAS
ANOVAs deMedidasRepetidas
Cmohacerlo?VersinconmatrizdedatosVERTICAL
DeloscuatromodelossometidosaexamenelquepresentaelmenorvalordeAICc esel
deHuynhFeldt quecorrigelosg.l.ylasestimasdepteniendoencuentaeldesvodela
simetracompuesta.
Tiposdevarianza/covarianzaAICc
HuynhFeldt (HF) 589.08
IdentidadEscalada(ID)
596.09
SimetraCompuesta(CS)599.09
Noestructurada(UN)599.86
Claramenteelmodeloqueutilizaunaestructuradevarianzas/covarianzasparaelefecto
repetidodeHuynhFeldt,yportantodesvosdelsupuestodesimetracompuesta,es
mejorqueelmodeloqueasumequeexisteSimetraCompuesta.
diferencia=599.09 589.08=10.01
exp (10.01/2)=0.0067 1/0.0067=149.2
elmodeloHF es149vecesmejorqueelmodeloCS
consultad:http://theses.ulaval.ca/archimede/fichiers/21842/apa.html

97

DISEOSnFACTORIALESDEEFECTOSDENTROSUJETOS
nway ANOVASyMANOVAS
ANOVAs deMedidasRepetidas
Cmohacerlo?VersinconmatrizdedatosVERTICAL
Vamosahoraaresolverla"trampilla" hechadeestablecerunnicofactorrepetido
"dentrode"quecombinalosnivelesdedosfactoresrepetidos deinters.Estoviene
determinadoporelhechodequeSPSSnopuedeabordardiseoscondosomsfactores
"dentrode"enlosdiseosdematrizdedatosVERTICAL.
Paraellotenemosqueutilizarelmodocomandodandoclik en(Paste)envezdeen(OK)

98

DISEOSnFACTORIALESDEEFECTOSDENTROSUJETOS
nway ANOVASyMANOVAS
ANOVAs deMedidasRepetidas
Cmohacerlo?VersinconmatrizdedatosVERTICAL
Enlapantallaemergente,conlneasdecdigos,vamosahacerdoscosas:
*eliminarlasinteracciones entreelfactorrepetidoylosefectosfijos
sinolohacemosSPSSdaelerror:

Deestalnea:
/FIXED=flightless volabdomen temp_mean fuente_posicion flightless*fuente_posicion
fuente_posicion*volabdomen fuente_posicion*temp_mean | SSTYPE(3)

Pasamosaestaotra:
/FIXED=flightless volabdomen temp_mean fuente_posicion | SSTYPE(3)

*incluirunasnuevaslneasdecdigoestableciendoloscontrastes queaplicamosalos
nivelesdelfactorrepetido.Ennuestrocasoser:
Niveles:Luz_Normal,Luz_Invertido,Infra_Normal,Infra_Invertido
/TEST='FUENTE' fuente_posicion -1 -1 1 1
/TEST='POSICIN' fuente_posicion -1 1 -1 1
/TEST='FUENTE*POSICIN' fuente_posicion -1 1 -1 1.

noolvidemosel
puntoalfinal
99

DISEOSnFACTORIALESDEEFECTOSDENTROSUJETOS
nway ANOVASyMANOVAS
ANOVAs deMedidasRepetidas
Cmohacerlo?VersinconmatrizdedatosVERTICAL
Seleccionamostodaslaslneasdecdigoylascorremosdandoclik altringuloverde.

100

DISEOSnFACTORIALESDEEFECTOSDENTROSUJETOS
nway ANOVASyMANOVAS
ANOVAs deMedidasRepetidas
Cmohacerlo?VersinconmatrizdedatosVERTICAL
Alfinaldelosresultadosaparecernloscontrastesplanificados.

101

DISEOSnFACTORIALESDEEFECTOSDENTROSUJETOS

diseos
splitplot
splitsplitplot
102

DISEOSnFACTORIALESDEEFECTOSDENTROSUJETOS
nway ANOVASyMANOVAS
ANOVAs deMedidasRepetidas

SPLITPLOTDESIGNS
Sonuncasoparticulardemedidasrepetidas enelquesemezclanfactores:
dentrodesujetos establecidosdentrodelosmismosbloques
entresujetos
establecidossobrediferentesbloques
Estoes,sonunosdiseosmixtosquemezclanfactoresentrecondentrode.
Estosdiseossontambinuncasoparticulardelosdiseosdebloques,enlosquenoes
posiblealeatorizartodoslosefectos (factores)deintersdentrodelosdiferentesbloques
deestudio.
Laideadesplit serefiereaquehacemosunadivisindentrodelosbloquesatendiendoa
elnmerodenivelesestablecidosparalosfactoresdentrode.
Eldiseosplitplot tieneunsolofactordentrode.
Eldiseosplitsplitplot tienedosfactoresdentrode.
yassucesivamente.
Generalmente,enestosdiseosseestableceunanicarplicadentrodecadabloque
paracadaniveldelfactordentrodededefineelefectosplit.
103

DISEOSnFACTORIALESDEEFECTOSDENTROSUJETOS
nway ANOVASyMANOVAS
ANOVAs deMedidasRepetidas

SPLITPLOTDESIGNS
Vemoslogrficamente.
SeaunfactorF conseisniveles:
niveles1,2,3,4,5,6(encajitas).
Esteesunfactordentrodebloque.
TodoslosnivelesdelFactorF estn
representadosencadabloque
conunasolarplica (cajitasconnmeros)
Existen8bloques (elipses)
YdefinimosunnuevofactorB
condosniveles(grisyblanco)
establecidofueradelosbloques
queesunfactorentrebloques.
Eldiseosepodracomplicarusandomsbloques
utilizandootrofactorentrebloques.

104

DISEOSnFACTORIALESDEEFECTOSDENTROSUJETOS
nway ANOVASyMANOVAS
ANOVAs deMedidasRepetidas

SPLITPLOTDESIGNS
Enestediseo,aligualqueenelejemplodeANOVAdemedidasrepetidasconlosescarabajos,cada
bloqueesunafila enlamatrizhorizontaldedatos.
Lasdiferentescolumnas delamatrizhorizontalmidenlosvaloresquetomalarespuesta
encadaunodelosnivelesdentro(repetidos) deel/losfactor(es)considerado(s).
Deaququesueleserconveniente,parafacilitarlosanlisis,quehayaunasolarplica
delosnivelesdelosfactoressplit (dentrode)encadabloque.
Larazndeserdeestosdiseos estribaenqueesimposible,porcuestioneslogsticas,
quetodoslosfactoresdenuestrodiseoexperimentalestnreplicadosdentrodecada
bloque.
Porejemplo,esimposiblequeunescarabajopuedatenersimultneamenteloslitros
fusionadosynofusionados.
Hayparcelasbloquesdecultivoquenopuedenincluirtodoslostratamientos
Encadabloquesepuedensembrarvariasvariedadesysepuedenponerdiferentesdosisdeabono
peropuedequeseaimposibleaplicarpocoymuchoriegoporlossistemasmecnicosdeirrigacin
enelmismobloque.

105

DISEOSnFACTORIALESDEEFECTOSDENTROSUJETOS
nway ANOVASyMANOVAS
ANOVAs deMedidasRepetidas

SPLITPLOTDESIGNS
Realmente,elejemplopreviodelosescarabajoshasidounsplitsplitplotdesign.

Volvedarepasarloenlaspginas7586.
106

DISEOSnFACTORIALESDEEFECTOSDENTROSUJETOS
nway ANOVASyMANOVAS
ANOVAs deMedidasRepetidas

SPLITPLOTDESIGNS
Enpocaspalabras:

sondiseosdemedidasrepetidas
conunosfactoresdentrodesujetos
yotrosfactoresentresujetos
Podremosincluircovariantes (ANCOVAdemedidasrepetidas)
ycuantosmsfactoresrepetidosdentrodehayamssplitsplit esnuestrodiseo.
Ensituacionesenlasqueexistamsdeunarplicaporbloque,eldiseosecomplica.
PeroesabordableutilizandodiseosdeAN(c)OVAs ENCAJADOS.
Lasdistintasrplicasdelosefectossplit dentrodeseanidarndentrodelosbloques,
demaneraquelosbloquessonlasverdaderasunidadesmuestrales (quedefinenlos
MSyg.l.correctosparaeltrminoerror).Consultadloyavistoenlaspginas4853.
107