ANCOVA

María del Pilar Alcaraz Albaladejo

María Isabel Fernández Baños

Lucía Martínez Andreu

Belén Sánchez Navarro

 c t i c o
a s o p rá
C

Comparar la e cacia de tres técnicas terapéuticas

distintas en el tratamiento del trastorno de pánico.

1. Creamos 3 subgrupos de población diagnosticada

repartida aleatoriamente.
2. Calculamos la media de ataques de pánico en
cada una, obteniendo 3 medias poblacionales.
3. Para poblaciones grandes es necesario elegir
aleatoriamente de cada subpoblación una
muestra, y a cada muestra aplicar los tratamientos,
obteniendo entonces 3 medias muestrales.
4. Haríamos ANOVA para poder hacer inferencias
acerca de las medias de las 3 subpoblaciones,
sometiendo a comprobación la Ho.
5. Rechazando la Ho, el investigador concluye que no
todos los tratamientos son igual de efectivos.
fi

 Problema

Descubrimos que el nivel de

Neuroticismo medio en la
primera muestra es mayor que
en la segunda, y a su vez, ésta
supera a la tercera.

Las diferencias en el número de

ataques de pánico por mes van a
estar relacionadas con el tipo de
técnica, pero también puede que
estén relacionadas con los
distintos niveles de Neuroticismo
presentes en las 3 muestras.

 Solución

Si la frecuencia de ataques y el
nivel de Neuroticismo
mantienen relación lineal:
restamos los datos que re ejan
la frecuencia de ataques a
aquella parte debida a la
relación lineal con
Neuroticismo.

Después, tras esta corrección,

realizaríamos un ANOVA.

fl
 ¿Q ué es el
El Análisis de Covarianza (ANCOVA) es un
ANCOVA?
a n á l i s i s A N O VA re al i z ad o s o b re unas
puntuaciones corregidas mediante una recta
de regresión.

Técnica de control estadístico que permite

eliminar la heterogeneidad causada en la
variable de interés (VD: nº ataques de
pánico) por la influencia de una o más
variables (Covariables: Neuroticismo).

 ¿Q ué es el
Se asocian con los Diseños para Reducir la
Varianza de Error:
ANCOVA?
-Diseños de Bloques Aleatorios (DBA)

-Diseños con Variables Concomitantes (DVC).

En estos modelos la Variable de Respuesta se

descompone en tres partes:

1. Parte A ajustada explicada por el factor

estudio.

2. Parte X ajustada por la covariante

3. Parte residual no explicada.

TIPOS DE VARIABLES:
¿Q ué es el
1. VI: cuyos efectos queremos estimar. ANCOVA?
2. VD: donde esperamos que se vean los
efectos de los tratamientos.

3. COVARIABLES: variables extrañas cuyos

posibles efectos en la VD se desean
controlar.

1. Medidas de línea base.

2. Medidas de características
organísmicas.

3. Medidas de características ambientales

físicas o sociales.

 i l i z a?
á n d o s e ut
¿C u

Fisher la desarrolló para reducir la varianza de

error en los experimentos, incrementando la
potencia estadística de los análisis y la precisión en
la estimación de los efectos.

Se utiliza para controlar estadísticamente parte

del error experimental cuando queremos aislar
estadísticamente el efecto de alguna variable
extraña en nuestro diseño (Neuroticismo).

 i s t e?
q u é ex
¿Po r
- Utilidad en la investigación cuasi-
experimental para controlar el sesgo
sistemático, el sesgo de selección.

- En casos en los que sospechamos o

sabemos que los sujetos asignados a los
diferentes niveles de tratamiento de un
factor no están igualados en la variable
dependiente.

- Lo que se pretende es conseguir que la

comparación en el postest de los grupos en
la variable dependiente sea equitativa.

 Ventajas Supuestos

Respecto a los modelos ANOVA: - ANOVA: Normalidad, Independencia y

-
Homocedasticidad
Mayor potencia estadística
- Linealidad de la regresión de Y sobre X.

- Potencial reducción del Sesgo - Homogeneidad de las pendientes de regresión

intragrupo.
de Selección
-
-
Escalas de medida de la VD y la covariable, al
Estimación ajustada del menos a nivel de intervalo.

efecto del factor una vez que
se ha controlado la in uencia
de la covariante.
- Supuesto de independencia entre covariante y
tratamientos.
- Supuesto de abilidad de la medida de la
covariante.

fi

fl

 SPSS

SPSS incorpora el ANCOVA tanto para los diseños completamente

aleatorizados como en los diseños de medidas repetidas y mixtos. En el
primer caso, la ruta a seguir es:

Analizar—>Modelo lineal general—>Univariante

Mientras que en el segundo y tercer casos, la ruta es:

Analizar—>Modelo lineal general—>Medidas repetidas

La lógica a seguir es, pues, la misma que para los diseños de ANOVA,
pero ahora introduciendo en la ventana ‘Covariables’ la(s) variable(s)
cuyo in ujo deseamos controlar.

El planteamiento de la(s) hipótesis nula(s) es el mismo que para los

modelos de ANOVA, con la salvedad de que, en este caso, las medias
que estamos comparando son medias ajustadas por la(s) covariable(s).
fl

GRACIAS POR VUESTRA ATENCION

32