PRÁCTICAS DE ANÁLISIS MULTIVARIANTE

Para cada una de las técnicas este material consta de varias partes:

1.- Ejercicios enunciados y resueltos (SPSS)

Se interpretarán en clase con ayuda de transparencias y se obtendrán los

resultados o salidas en cada práctica de ordenador.

2.- Rutas(órdenes) en SPSS

Las necesarias para obtener las salidas en la sesión de ordenador

3.- Otros ejercicios propuestos

Enunciados de otros ejercicios con soluciones o indicaciones, para trabajo
personal del estudiante.
PRÁCTICA 1 Análisis de la varianza

En esta primera sesión se realizarán los ejercicios introduciendo los datos.

Los ejercicios a realizar en primer lugar son: 1, 2 caso a), 3 caso a) y 4 caso
a).

En cada ejercicio, se darán las órdenes adecuadas según el modelo (un

factor, dos factores , ….) y se comprobará que la salida es la correcta (la
misma que se interpretó en clase). Se recordará la interpretación siguiendo
las pautas siguientes:

¿Qué hipótesis se van a contrastar, en el contexto del problema? ¿En qué

sumandos se descompone la variabilidad? ¿Cuáles son los grados de
libertad de las distribuciones asociadas?
¿Cuál es el resultado del estadístico (s) y su p-valor? ¿Se acepta al 5 %?
¿Se verifica el supuesto de homoscedasticidad? ¿Estadístico, p-valor?
¿Hay intervalos de confianza de Scheffé? ¿En qué pares de niveles se
detectan diferencia de medias? ¿Cómo son los subconjuntos homogéneos?
¿Se corresponden los gráficos con los resultados estadísticos del análisis?
1.- EJERCICIOS ENUNCIADOS Y RESUELTOS (SPSS)
EJEMPLO 1 (anova1.sav)
A fin de analizar el efecto del color del envase en un producto se
seleccionaron 15 establecimientos comerciales de similares
características (volumen de ventas, ubicación, ...). A cinco de ellos
tomados al azar se les envió una partida de producto con envases
rojos (1), a otros cinco, envase verde (2) y al resto azul (3). Al
cabo de un mes se recogieron los datos siguientes referidos a las
cantidades vendidas en cada establecimiento:

VENTAS COLOR

7 1
6 1
5 1
5 1
6 1
9 2
11 2
8 2
7 2
9 2
6 3
6 3
9 3
8 3
10 3

Descriptivos

VENTAS
Intervalo de confianza
para la media al 95%
Desviación Límite Límite
N Media típica Error típico inferior superior Mínimo Máximo
rojo 5 5,80 ,84 ,37 4,76 6,84 5 7
verde 5 8,80 1,48 ,66 6,96 10,64 7 11
azul 5 7,80 1,79 ,80 5,58 10,02 6 10
Total 15 7,47 1,85 ,48 6,44 8,49 5 11

Prueba de homogeneidad de varianzas

VENTAS
Estadístico
de Levene gl1 gl2 Sig.
1,460 2 12 ,271
 ANOVA

VENTAS
Suma de Media
cuadrados gl cuadrática F Sig.
Inter-grupos 23,333 2 11,667 5,738 ,018
Intra-grupos 24,400 12 2,033
Total 47,733 14

Comparaciones múltiples

Variable dependiente: VENTAS

Scheffé

Intervalo de confianza al
Diferencia 95%
de medias Límite Límite
(I) color del envase (J) color del envase (I-J) Error típico Sig. inferior superior
rojo verde -3,00* ,902 ,020 -5,51 -,49
azul -2,00 ,902 ,127 -4,51 ,51
verde rojo 3,00* ,902 ,020 ,49 5,51
azul 1,00 ,902 ,557 -1,51 3,51
azul rojo 2,00 ,902 ,127 -,51 4,51
verde -1,00 ,902 ,557 -3,51 1,51
*. La diferencia entre las medias es significativa al nivel .05.

Subconjuntos homogéneos
VENTAS
a
Scheffé
Subconjunto para alfa
= .05
color del envase N 1 2
rojo 5 5,80
azul 5 7,80 7,80
verde 5 8,80
Sig. ,127 ,557
Se muestran las medias para los grupos en los subconjuntos
homogéneos.
a. Usa tamaño de la muestra de la media armónica =
5,000.
 9,0

8,5

8,0

7,5

7,0
Media de VENTAS

6,5

6,0

5,5
rojo verde azul

color del envase

 EJEMPLO 2 (anova2a.sav, anova2b.sav, anova2c.sav)
Se desea comparar el efecto de que producen tres tipos de fertilizante
(factor A) sobre el crecimiento de una planta. Se introduce como
factor de control la humedad (factor B) con cuatro niveles. Se toman
12 plantas muy similares y se asignan aleatoriamente a cada
combinación de fertilizante y humedad. Al cabo de una semana el
crecimiento en milímetros (X) que han experimentado es el siguiente:

a) b) c)
X A1 A2 A3 X A1 A2 A3 X A1 A2 A3
B1 6 8 1 B1 6 8 5 B1 6 8 5
B2 5 4 3 B2 4 5 4 B2 4 5 4
B3 2 5 4 B3 2 3 4 B3 2 4 3
B4 3 6 7 B4 3 2 1 B4 2 3 1

Factores inter-sujetos

N
A 1 4
2 4
3 4
B 1 3
2 3
3 3
4 3

Caso a)
Estadísticos descriptivos

Variable dependiente: X
A B Media Desv. típ. N
1 1 6,00 , 1
2 5,00 , 1
3 2,00 , 1
4 3,00 , 1
Total 4,00 1,83 4
2 1 8,00 , 1
2 4,00 , 1
3 5,00 , 1
4 6,00 , 1
Total 5,75 1,71 4
3 1 1,00 , 1
2 3,00 , 1
3 4,00 , 1
4 7,00 , 1
Total 3,75 2,50 4
Total 1 5,00 3,61 3
2 4,00 1,00 3
3 3,67 1,53 3
4 5,33 2,08 3
Total 4,50 2,07 12
 a
Contraste de Levene sobre la igualdad de las varianzas error

Variable dependiente: X
F gl1 gl2 Sig.
, 11 0 ,
Contrasta la hipótesis nula de que la varianza error de la
variable dependiente es igual a lo largo de todos los grupos.
a. Diseño: Intercept+A+B

Pruebas de los efectos inter-sujetos

Variable dependiente: X
Suma de
cuadrados Media
Fuente tipo III gl cuadrática F Sig.
Modelo corregido 15,167a 5 3,033 ,572 ,722
Intercept 243,000 1 243,000 45,801 ,001
A 9,500 2 4,750 ,895 ,457
B 5,667 3 1,889 ,356 ,787
Error 31,833 6 5,306
Total 290,000 12
Total corregido 47,000 11
a. R cuadrado = ,323 (R cuadrado corregido = -,242)

7
Medias marginales estimadas de X

6
2
M
edi 5
as
m
ar
4
gin 3
A
ale
s
est 3 Linea
im centra
2
l 1
ad
as 2 3
1 2 3 4

línea superior A2 inferior A3 central A1

Caso b)
Estadísticos descriptivos

Variable dependiente: X
A B Media Desv. típ. N
1 1 6,00 , 1
2 4,00 , 1
3 2,00 , 1
4 3,00 , 1
Total 3,75 1,71 4
2 1 8,00 , 1
2 5,00 , 1
3 3,00 , 1
4 2,00 , 1
Total 4,50 2,65 4
3 1 5,00 , 1
2 4,00 , 1
3 4,00 , 1
4 1,00 , 1
Total 3,50 1,73 4
Total 1 6,33 1,53 3
2 4,33 ,58 3
3 3,00 1,00 3
4 2,00 1,00 3
Total 3,92 1,93 12

a
Contraste de Levene sobre la igualdad de las varianzas error

Variable dependiente: X
F gl1 gl2 Sig.
, 11 0 ,
Contrasta la hipótesis nula de que la varianza error de la
variable dependiente es igual a lo largo de todos los grupos.
a. Diseño: Intercept+A+B

Pruebas de los efectos inter-sujetos

Variable dependiente: X
Suma de
cuadrados Media
Fuente tipo III gl cuadrática F Sig.
Modelo corregido 33,750a 5 6,750 5,651 ,029
Intercept 184,083 1 184,083 154,116 ,000
A 2,167 2 1,083 ,907 ,453
B 31,583 3 10,528 8,814 ,013
Error 7,167 6 1,194
Total 225,000 12
Total corregido 40,917 11
a. R cuadrado = ,825 (R cuadrado corregido = ,679)
 Comparaciones múltiples

Variable dependiente: X
Scheffe

Diferencia Intervalo de confianza al

entre 95%.
medias Límite Límite
(I) B (J) B (I-J) Error típ. Sig. inferior superior
1 2 2,00 ,892 ,270 -1,37 5,37
3 3,33 ,892 ,052 -3,77E-02 6,70
4 4,33* ,892 ,017 ,96 7,70
2 1 -2,00 ,892 ,270 -5,37 1,37
3 1,33 ,892 ,564 -2,04 4,70
4 2,33 ,892 ,180 -1,04 5,70
3 1 -3,33 ,892 ,052 -6,70 3,77E-02
2 -1,33 ,892 ,564 -4,70 2,04
4 1,00 ,892 ,746 -2,37 4,37
4 1 -4,33* ,892 ,017 -7,70 -,96
2 -2,33 ,892 ,180 -5,70 1,04
3 -1,00 ,892 ,746 -4,37 2,37
Basado en las medias observadas.
*. La diferencia de medias es significativa al nivel ,05.

X
a,b
Scheffe
Subconjunto
B N 1 2
4 3 2,00
3 3 3,00 3,00
2 3 4,33 4,33
1 3 6,33
Sig. ,180 ,052
Se muestran las medias para los grupos en subconjuntos
homogéneos.
Basado en la suma de cuadrados tipo III
El término error es Media cuadrática (Error) = 1,194.
a. Usa el tamaño muestral de la media armónica = 3,000
b. Alfa = ,05.
 Medias marginales estimadas de X
8

6
Medias marginales estimadas

4
A
3
1

2 2

1 3
1 2 3 4

Caso c)
Estadísticos descriptivos

Variable dependiente: X
A B Media Desv. típ. N
1 1 6,00 , 1
2 4,00 , 1
3 2,00 , 1
4 2,00 , 1
Total 3,50 1,91 4
2 1 8,00 , 1
2 5,00 , 1
3 4,00 , 1
4 3,00 , 1
Total 5,00 2,16 4
3 1 5,00 , 1
2 4,00 , 1
3 3,00 , 1
4 1,00 , 1
Total 3,25 1,71 4
Total 1 6,33 1,53 3
2 4,33 ,58 3
3 3,00 1,00 3
4 2,00 1,00 3
Total 3,92 1,93 12

a
Contraste de Levene sobre la igualdad de las varianzas error

Variable dependiente: X
F gl1 gl2 Sig.
, 11 0 ,
Contrasta la hipótesis nula de que la varianza error de la
variable dependiente es igual a lo largo de todos los grupos.
a. Diseño: Intercept+A+B
 Pruebas de los efectos inter-sujetos

Variable dependiente: X
Suma de
cuadrados Media
Fuente tipo III gl cuadrática F Sig.
Modelo corregido 38,750a 5 7,750 21,462 ,001
Intercept 184,083 1 184,083 509,769 ,000
A 7,167 2 3,583 9,923 ,013
B 31,583 3 10,528 29,154 ,001
Error 2,167 6 ,361
Total 225,000 12
Total corregido 40,917 11
a. R cuadrado = ,947 (R cuadrado corregido = ,903)

Comparaciones múltiples

Variable dependiente: X
Scheffe

Diferencia Intervalo de confianza al

entre 95%.
medias Límite Límite
(I) A (J) A (I-J) Error típ. Sig. inferior superior
1 2 -1,50* ,425 ,034 -2,86 -,14
3 ,25 ,425 ,845 -1,11 1,61
2 1 1,50* ,425 ,034 ,14 2,86
3 1,75* ,425 ,018 ,39 3,11
3 1 -,25 ,425 ,845 -1,61 1,11
2 -1,75* ,425 ,018 -3,11 -,39
Basado en las medias observadas.
*. La diferencia de medias es significativa al nivel ,05.

X
a,b
Scheffe
Subconjunto
A N 1 2
3 4 3,25
1 4 3,50
2 4 5,00
Sig. ,845 1,000
Se muestran las medias para los grupos en subconjuntos
homogéneos.
Basado en la suma de cuadrados tipo III
El término error es Media cuadrática (Error) = ,361.
a. Usa el tamaño muestral de la media armónica = 4,000
b. Alfa = ,05.
 Comparaciones múltiples

Variable dependiente: X
Scheffe

Diferencia Intervalo de confianza al

entre 95%.
medias Límite Límite
(I) B (J) B (I-J) Error típ. Sig. inferior superior
1 2 2,00* ,491 ,037 ,15 3,85
3 3,33* ,491 ,003 1,48 5,19
4 4,33* ,491 ,001 2,48 6,19
2 1 -2,00* ,491 ,037 -3,85 -,15
3 1,33 ,491 ,160 -,52 3,19
4 2,33* ,491 ,019 ,48 4,19
3 1 -3,33* ,491 ,003 -5,19 -1,48
2 -1,33 ,491 ,160 -3,19 ,52
4 1,00 ,491 ,335 -,85 2,85
4 1 -4,33* ,491 ,001 -6,19 -2,48
2 -2,33* ,491 ,019 -4,19 -,48
3 -1,00 ,491 ,335 -2,85 ,85
Basado en las medias observadas.
*. La diferencia de medias es significativa al nivel ,05.

X
a,b
Scheffe
Subconjunto
B N 1 2 3
4 3 2,00
3 3 3,00 3,00
2 3 4,33
1 3 6,33
Sig. ,335 ,160 1,000
Se muestran las medias para los grupos en subconjuntos
homogéneos.
Basado en la suma de cuadrados tipo III
El término error es Media cuadrática (Error) = ,361.
a. Usa el tamaño muestral de la media armónica = 3,000
b. Alfa = ,05.
 Medias marginales estimadas de X
8

6
Medias marginales estimadas

3 A

2 1

1 2

0 3
1 2 3 4

EJEMPLO 3 (anova3a.sav, anova3b.sav)

Para valorar la influencia de los factores Zona geográfica (A) y
Sexo (B) sobre los salarios de los trabajadores de un sector con
puestos de trabajo similares, se tomaron muestras de 4
trabajadores seleccionados al azar (para cada combinación de sexo
y zona), obteniéndose los resultados siguientes:

a)

Salario Zona A1 Zona A2 Zona A3

B1 Mujer 15.2 16.8 14.9 16.2 16.2 15.9
15.5 14.9 15.6 15.3 16.8 15.8
B2 Hombre 18.1 16.3 17.8 18.2 18.4 16.8
17.2 17.9 18.1 17.6 17.5 18.7

b)

Salario Zona A1 Zona A2 Zona A3

B1 Mujer 15.2 16.8 14.9 16.2 18.2 17.9
15.5 14.9 15.6 15.3 18.8 17.8
B2 Hombre 18.1 16.3 17.8 18.2 18.4 16.8
17.2 17.9 18.1 17.6 17.5 18.7

Factores inter-sujetos

Etiqueta
del valor N
SEXO 1 mujer 12
2 hombre 12
ZONA 1 A1 8
2 A2 8
3 A3 8
Caso a)
Estadísticos descriptivos

Variable dependiente: SALARIO

SEXO ZONA Media Desv. típ. N
mujer A1 15,600 ,837 4
A2 15,500 ,548 4
A3 16,175 ,450 4
Total 15,758 ,652 12
hombre A1 17,375 ,814 4
A2 17,925 ,275 4
A3 17,850 ,866 4
Total 17,717 ,686 12
Total A1 16,487 1,218 8
A2 16,713 1,357 8
A3 17,013 1,100 8
Total 16,738 1,195 24

a
Contraste de Levene sobre la igualdad de las varianzas error

Variable dependiente: SALARIO

F gl1 gl2 Sig.
1,399 5 18 ,271
Contrasta la hipótesis nula de que la varianza error de la
variable dependiente es igual a lo largo de todos los grupos.
a. Diseño: Intercept+SEXO+ZONA+SEXO * ZONA

Pruebas de los efectos inter-sujetos

Variable dependiente: SALARIO

Suma de
cuadrados Media
Fuente tipo III gl cuadrática F Sig.
Modelo corregido 24,784a 5 4,957 11,053 ,000
Intercept 6723,454 1 6723,454 14991,907 ,000
SEXO 23,010 1 23,010 51,308 ,000
ZONA 1,110 2 ,555 1,238 ,314
SEXO * ZONA ,663 2 ,332 ,740 ,491
Error 8,072 18 ,448
Total 6756,310 24
Total corregido 32,856 23
a. R cuadrado = ,754 (R cuadrado corregido = ,686)
 Medias marginales estimadas de SALARIO
18,5

18,0

17,5
Medias marginales estimadas

17,0

16,5

16,0
SEXO

15,5 mujer

15,0 hombre
A1 A2 A3

ZONA

Caso b)
Estadísticos descriptivos

Variable dependiente: SALARIO

SEXO ZONA Media Desv. típ. N
mujer A1 15,600 ,837 4
A2 15,500 ,548 4
A3 18,175 ,450 4
Total 16,425 1,414 12
hombre A1 17,375 ,814 4
A2 17,925 ,275 4
A3 17,850 ,866 4
Total 17,717 ,686 12
Total A1 16,487 1,218 8
A2 16,713 1,357 8
A3 18,013 ,662 8
Total 17,071 1,272 24

a
Contraste de Levene sobre la igualdad de las varianzas error

Variable dependiente: SALARIO

F gl1 gl2 Sig.
1,399 5 18 ,271
Contrasta la hipótesis nula de que la varianza error de la
variable dependiente es igual a lo largo de todos los grupos.
a. Diseño: Intercept+SEXO+ZONA+SEXO * ZONA
 Pruebas de los efectos inter-sujetos

Variable dependiente: SALARIO

Suma de
cuadrados Media
Fuente tipo III gl cuadrática F Sig.
Modelo corregido 29,117a 5 5,823 12,985 ,000
Intercept 6993,920 1 6993,920 15594,991 ,000
SEXO 10,010 1 10,010 22,321 ,000
ZONA 10,843 2 5,422 12,089 ,000
SEXO * ZONA 8,263 2 4,132 9,213 ,002
Error 8,072 18 ,448
Total 7031,110 24
Total corregido 37,190 23
a. R cuadrado = ,783 (R cuadrado corregido = ,723)

Comparaciones múltiples

Variable dependiente: SALARIO

Scheffe

Diferencia Intervalo de confianza al

entre 95%.
medias Límite Límite
(I) ZONA (J) ZONA (I-J) Error típ. Sig. inferior superior
A1 A2 -,225 ,335 ,800 -1,118 ,668
A3 -1,525* ,335 ,001 -2,418 -,632
A2 A1 ,225 ,335 ,800 -,668 1,118
A3 -1,300* ,335 ,004 -2,193 -,407
A3 A1 1,525* ,335 ,001 ,632 2,418
A2 1,300* ,335 ,004 ,407 2,193
Basado en las medias observadas.
*. La diferencia de medias es significativa al nivel ,05.

SALARIO
a,b
Scheffe
Subconjunto
ZONA N 1 2
A1 8 16,487
A2 8 16,713
A3 8 18,013
Sig. ,800 1,000
Se muestran las medias para los grupos en subconjuntos
homogéneos.
Basado en la suma de cuadrados tipo III
El término error es Media cuadrática (Error) = ,448.
a. Usa el tamaño muestral de la media armónica = 8,000
b. Alfa = ,05.
 Medias marginales estimadas de SALARIO
18,5

18,0

17,5
Medias marginales estimadas

17,0

16,5

16,0
SEXO

15,5 mujer

15,0 hombre
A1 A2 A3

ZONA

EJEMPLO 4 (manovaa.sav, manovab.sav)

Una empresa que suministra comida a centros escolares está interesada
en comparar los gastos resultantes de elaborar un plato muy usual,
según el tipo de batería de cocina utilizado. Los gastos son de dos
tipos: de energía , X1 (ya que los materiales y el diseño de la batería
pueden hacer variar el tiempo necesario de cocción) y de condimentos,
X2 (algunas baterías aconsejan la utilización de cantidades más
pequeñas de aceite, sal, líquidos…). Se hicieron 5 pruebas con cada
tipo de batería, obteniéndose los resultados siguientes:

a) b)
Batería A Batería B Batería C Batería A Batería B Batería C
X1 X2 X1 X2 X1 X2 X1 X2 X1 X2 X1 X2
32 48 28 46 31 43 32 48 32 45 31 45
30 45 26 39 30 42 31 47 29 44 28 46
31 45 30 45 32 44 26 39 30 45 28 47
33 47 28 47 30 44 29 48 31 43 30 42
29 44 29 48 27 41 32 44 30 44 27 41

Factores inter-sujetos

Etiqueta
del valor N
BATERÍA 1 A 5
2 B 5
3 C 5

Caso a)
 Estadísticos descriptivos

BATERÍA Media Desv. típ. N

X1 A 31,00 1,58 5
B 28,20 1,48 5
C 30,00 1,87 5
Total 29,73 1,94 15
X2 A 45,80 1,64 5
B 45,00 3,54 5
C 42,80 1,30 5
Total 44,53 2,56 15

a
Prueba Box sobre la igualdad de las matrices de covarianza
M de Box 10,219
F 1,290
gl1 6
gl2 3589
Sig. ,258
Contrasta la hipótesis nula de que las matrices de covarianza
observadas de las variables dependientes son iguales en
todos los grupos.
a. Diseño: Intercept+BATERÍA

Contrastes multivariadosc

Gl de la Gl del error
Efecto Valor F hipótesis gl Sig.
Intercept Traza de Pillai ,998 2770,242a 2,000 11,000 ,000
Lambda de Wilks ,002 2770,242a 2,000 11,000 ,000
Traza de Hotelling 503,680 2770,242a 2,000 11,000 ,000
Raíz mayor de Roy 503,680 2770,242a 2,000 11,000 ,000
BATERÍA Traza de Pillai ,807 4,059 4,000 24,000 ,012
Lambda de Wilks ,323 4,173a 4,000 22,000 ,012
Traza de Hotelling 1,690 4,224 4,000 20,000 ,012
Raíz mayor de Roy 1,402 8,410b 2,000 12,000 ,005
a. Estadístico exacto
b. El estadístico es un límite superior para la F el cual ofrece un límite inferior para el nivel de
significación.
c. Diseño: Intercept+BATERÍA
 a
Contraste de Levene sobre la igualdad de las varianzas error

F gl1 gl2 Sig.

X1 ,039 2 12 ,961
X2 1,256 2 12 ,320
Contrasta la hipótesis nula de que la varianza error de la
variable dependiente es igual a lo largo de todos los grupos.
a. Diseño: Intercept+BATERÍA

Pruebas de los efectos inter-sujetos

Suma de
cuadrados Media
Fuente Variable dependiente tipo III gl cuadrática F Sig.
Modelo corregido X1 20,133a 2 10,067 3,683 ,057
X2 24,133b 2 12,067 2,142 ,160
Intercept X1 13261,067 1 13261,067 4851,610 ,000
X2 29748,267 1 29748,267 5280,757 ,000
BATERÍA X1 20,133 2 10,067 3,683 ,057
X2 24,133 2 12,067 2,142 ,160
Error X1 32,800 12 2,733
X2 67,600 12 5,633
Total X1 13314,000 15
X2 29840,000 15
Total corregido X1 52,933 14
X2 91,733 14
a. R cuadrado = ,380 (R cuadrado corregido = ,277)
b. R cuadrado = ,263 (R cuadrado corregido = ,140)

Medias marginales estimadas de X1 Medias marginales estimadas de X2

31,5 46,0

31,0 45,5

30,5 45,0
Medias marginales estimadas

Medias marginales estimadas

30,0 44,5

29,5 44,0

29,0 43,5

28,5 43,0

28,0 42,5
A B C A B C

BATERÍA BATERÍA

Caso b)
 Estadísticos descriptivos

BATERÍA Media Desv. típ. N

X1 A 30,00 2,55 5
B 30,40 1,14 5
C 28,80 1,64 5
Total 29,73 1,87 15
X2 A 45,20 3,83 5
B 44,20 ,84 5
C 44,20 2,59 5
Total 44,53 2,56 15

a
Prueba Box sobre la igualdad de las matrices de covarianza
M de Box 9,232
F 1,166
gl1 6
gl2 3589
Sig. ,321
Contrasta la hipótesis nula de que las matrices de covarianza
observadas de las variables dependientes son iguales en
todos los grupos.
a. Diseño: Intercept+BATERÍA

Contrastes multivariadosc

Gl de la Gl del error
Efecto Valor F hipótesis gl Sig.
Intercept Traza de Pillai ,998 2437,136a 2,000 11,000 ,000
Lambda de Wilks ,002 2437,136a 2,000 11,000 ,000
Traza de Hotelling 443,116 2437,136a 2,000 11,000 ,000
Raíz mayor de Roy 443,116 2437,136a 2,000 11,000 ,000
BATERÍA Traza de Pillai ,201 ,669 4,000 24,000 ,620
Lambda de Wilks ,805 ,629a 4,000 22,000 ,647
Traza de Hotelling ,234 ,586 4,000 20,000 ,676
Raíz mayor de Roy ,197 1,181b 2,000 12,000 ,340
a. Estadístico exacto
b. El estadístico es un límite superior para la F el cual ofrece un límite inferior para el nivel de
significación.
c. Diseño: Intercept+BATERÍA
 Pruebas de los efectos inter-sujetos

Suma de
cuadrados Media
Fuente Variable dependiente tipo III gl cuadrática F Sig.
Modelo corregido X1 6,933a 2 3,467 ,990 ,400
X2 3,333b 2 1,667 ,226 ,801
Intercept X1 13261,067 1 13261,067 3788,876 ,000
X2 29748,267 1 29748,267 4038,226 ,000
BATERÍA X1 6,933 2 3,467 ,990 ,400
X2 3,333 2 1,667 ,226 ,801
Error X1 42,000 12 3,500
X2 88,400 12 7,367
Total X1 13310,000 15
X2 29840,000 15
Total corregido X1 48,933 14
X2 91,733 14
a. R cuadrado = ,142 (R cuadrado corregido = -,001)
b. R cuadrado = ,036 (R cuadrado corregido = -,124)

Medias marginales estimadas de X1 Medias marginales estimadas de X2

30,5 45,4

45,2

30,0
45,0
Medias marginales estimadas

Medias marginales estimadas

44,8
29,5
44,6

44,4
29,0

44,2

28,5 44,0
A B C A B C

BATERÍA BATERÍA
2.- Rutas(órdenes) en SPSS

ANOVA de un factor
Analizar Comparar medias ANOVA de un factor

Introducir la variable dependiente y el factor

En POST-HOC Scheffe

En OPCIONES descriptivos, homogeneidad de varianzas, gráfico de

medias

ANOVA con dos factores (sin término de interacción)

Analizar Modelo lineal general Univariante

Introducir la variable dependiente y los factores

En MODELO: personalizado
En construir términos: efectos principales
Colocar los factores en su ventana
En GRÁFICOS:
Eje horizontal: el factor con más niveles
Líneas distintas según: el otro factor
Añadir
En POST-HOC Scheffe para los factores
En OPCIONES estadísticos descriptivos, prueba de homogeneidad de
varianzas

ANOVA con dos factores (con término de interacción)

Analizar Modelo lineal general Univariante

Introducir la variable dependiente y los factores

En MODELO: factorial completo

En GRÁFICOS:
Eje horizontal: el factor con más niveles
Líneas distintas según: el otro factor
Añadir
En POST-HOC Scheffe para los factores
En OPCIONES Estadísticos descriptivos, prueba de homogeneidad de
varianzas
MANOVA con un factor

Analizar Modelo lineal general Multivariante

Introducir las variables dependientes y el factor

En GRÁFICOS:
Eje horizontal: el factor

En POST-HOC Scheffe para el factor

En OPCIONES Estadísticos descriptivos, pruebas de homogeneidad (si

además se piden matrices SCPC nos aparecen E =T-D y D)
3.- Otros ejercicios propuestos

Propuesto 1
Se ha medido el consumo energético necesario para mantener a la misma temperatura
casas de características muy similares. Se diferencian unas casas de otras
en el nivel de aislamiento térmico que, medido en pulgadas, es de 4, 6, 8,
10 y 12. Los resultados obtenidos en 23 casas son:

Consumo energético según el espesor del aislamiento (aislam.sav)

4 6 8 10 12
14.4 14.5 13.8 13.0 13.1
14.8 14.1 14.1 13.4 12.8
15.2 14.6 13.7 13.2 12.9
14.3 14.2 13.6 13.2
14.6 14.0 13.3
12.7

Se pide a) ¿Se detectan diferencias, al 5 % de significación, en los consumos medios

dependiendo del espesor del aislamiento?

b) Mencionar los supuestos o requisitos que se deben cumplir en la técnica

aplicada

c) Hacer comparaciones por pares de niveles

d) Ver si son equivalentes la suma de consumos medios de los niveles de 8 y 12

pulgadas con relación al doble del consumo medio del nivel de 10.

Propuesto 2
Un taller desea adquirir un nuevo modelo de torno. Los fabricantes ofertan tres tipos de
máquinas. Para probarlas, el jefe del taller ha designado a tres operarios y ha
organizado turnos de modo que cada operario trabajará en cada máquina un total de
5 jornadas. Se recogerán , por tanto , un total de 45 datos de unidades producidas.
Interesa conocer si hay diferencias entre máquinas, entre operarios, así como la
posible interacción entre ambos factores.
Sumas de cuadrados: Total 1975.778 Máquina 1254.711 Operario 300.045
Residual 376.4

Propuesto 3
Se dispone de 24 observaciones de una variable de interés sometida a la influencia de
dos factores A (4 niveles) y B (2 niveles). Realizar todos los contrastes de hipótesis
adecuados al caso, sabiendo:
SCT= 86.958 SCEB= 5.042 MCEA= 4.375 F(A*B) = 0.01
Propuesto 4
Para aplicar a unos datos la técnica MANOVA con un factor se han calculado las
matrices siguientes:

129.7 117.3 89.6 96.2

T= D=
215.3 133.6

Realizar los contrastes correspondientes (multivariante y univariantes), indicando con

precisión las hipótesis en estos dos casos:
a) El factor posee 3 niveles y el número de observaciones en cada uno es 10
b) El factor posee 5 niveles y el número de observaciones en cada uno es 8

Solución propuesto 1
a) F=36.458 sig=0.000 Sí se detectan
b) Ver teoría
c) Scheffé. El I.C para 1-2 es [-0.286,0.906] se acepta la igualdad……
d) Scheffé. El I C para 3+5 –24 es [-0.719,1.599] se acepta que son equivalentes

Solución propuesto 2
F(máquina)=60.002>Fcrit F(operario)=14.348>Fcrit F(Ma*op)=1.067<Fcrit
Se detectan diferencias por máquina y también por operario. No se detecta efecto de
interacción.

Solución propuesto 3
SC gl MC F Fcrit
A 13,125 3 4.375 1,019 < 3.24
B 5.042 1 5.042 1,175 < 4.49
A*B 0.129 3 0.043 0.010 < 3.24
E 68.662 16 4.291
Total 86.958 23
No se detecta ninguna influencia

Solución propuesto 4
a) MANOVA 0.1917 en 2,27,2) equivale a 16.69 en F4,52 Rechazar igualdad
ANOVA X1: F=6.04 (gl 2,27) Rechazar igualdad
ANOVA X2: F=8.25 (gl 2,27) Rechazar igualdad

b) MANOVA 0.1917 en 2,35,4) equivale a 10.91 en F8,68 Rechazar igualdad

ANOVA X1: F=3.92 (gl 4,35) Rechazar igualdad
ANOVA X2: F=5.35 (gl 4,35) Rechazar igualdad