Análisis de la variancia y

covariancia simple y múltiple

Profesor:

Dr. Elías Alvarado Lagunas

www.eliasalvarado.com
ÍNDICE TEMAS

1. Introducción

2. Análisis de varianza simple (ANOVA)

3. Análisis de la covarianza simple (ANCOVA)

4. Análisis de la varianza múltiple (MANOVA)

5. Análisis de la covarianza múltiple (MANCOVA)

Dr. Alvarado Lagunas, E. Estadística [Material de clase].

 Introducción

INTRODUCCIÓN ANOVA ANCOVA MANOVA MANCOVA

Razón de ser de los modelos

Al enfrentarse a la realidad de un estudio, el investigador dispone habitualmente de
muchas variables medidas u observadas en una colección de individuos y pretende
estudiarlas conjuntamente, para lo cual suele acudir al análisis estadístico de datos
univariante y multivariante. Entonces se encuentra frente a una diversidad de técnicas y
debe seleccionar la más adecuada a sus datos pero, sobre todo, a su objetivo científico.

Dr. Alvarado Lagunas, E. Estadística [Material de clase].

 Introducción

INTRODUCCIÓN ANOVA ANCOVA MANOVA MANCOVA

Su división de acuerdo
a los métricos
existentes se puede
apreciar en el
siguiente diagrama:

Dr. Alvarado Lagunas, E. Estadística [Material de clase].

 Análisis de varianza simple (ANOVA)

INTRODUCCIÓN ANOVA ANCOVA MANOVA MANCOVA

Modelo ANOVA
Es una técnica estadística utilizada para analizar la
relación entre una variable dependiente (o
endógena) métrica y varias variables independientes
(o exógenas) no métricas. El objetivo esencial de los
modelos del análisis de la varianza es determinar si
diversas muestras proceden de poblaciones con igual
media.

Modelos ANOVA posibles

Con un solo factor Con dos factores Con tres factores Cuadro latino

Dr. Alvarado Lagunas, E. Estadística [Material de clase].

 Análisis de varianza simple (ANOVA)

INTRODUCCIÓN ANOVA ANCOVA MANOVA MANCOVA

Modelo ANOVA con un solo factor

Este se presenta cuando tenemos un solo factor (estudiado en sus distintos niveles) que
influye sobre una variable respuesta que mide el resultado del experimento, y el resto de
los factores forman el error experimental influyendo sobre la variable respuesta de forma
no controlable.

Dr. Alvarado Lagunas, E. Estadística [Material de clase].

 Análisis de varianza simple (ANOVA)

INTRODUCCIÓN ANOVA ANCOVA MANOVA MANCOVA

Representación de la varianza de un solo factor

Xij será el valor de la variable respuesta

correspondiente a la observación j-ésima del 𝑋𝑖𝐽 = 𝑈𝑖 + 𝑈𝑖𝑗
i-ésimo nivel de factor (con i variando desde 1
hasta I, y j variando desde 1 hasta ni). Los ui (y
los Ai) son constantes, y los uij son variables 𝑋𝑖𝐽 = u + 𝐴𝑖 + 𝑢𝑖𝑗
normales independientes de media 0 y
desviación típica σ (varianza constante para
todo i,j). Las Xij son independientes y
distribuidas N(ui, σ2). U= Constante
A= Factor

Dr. Alvarado Lagunas, E. Estadística [Material de clase].

 Análisis de varianza simple (ANOVA)

INTRODUCCIÓN ANOVA ANCOVA MANOVA MANCOVA

Representación de la varianza de un solo factor

Niveles Observaciones

𝑋11 𝑋12 … … … … … 𝑋1𝑗 … … … … . . 𝑋1𝑛1

1
. ………………………………………………………….

………………………………………………………….
.
𝑋i1 𝑋i2 … … … … … 𝑋i𝑗 … … … … . . 𝑋i𝑛𝐼
i
. …………………………………………………………….
.

. …………………………………………………………….
.
𝑋I1 𝑋I2 … … … … … 𝑋I𝑗 … … … … . . 𝑋I𝑛𝐼
I

Dr. Alvarado Lagunas, E. Estadística [Material de clase].

 Análisis de varianza simple (ANOVA)

INTRODUCCIÓN ANOVA ANCOVA MANOVA MANCOVA

Información ANOVA reflejada

Fuente de variación Suma de cuadrados Grados de libertad Cuadros medios F

Entre grupos (𝐼 − 1)𝑆𝐵2 =SC(A) I-1 S𝑏2 𝐶𝑀(𝐴) CM(A)

Intra-grupos (n-I)𝑆𝑤 2 = 𝑆𝐶(𝐸) n-I S𝑤 2 = 𝐶𝑀(𝐸) CM€

Total (corregida) (n-1)ST=SC(T) n-1 𝑆2

Dr. Alvarado Lagunas, E. Estadística [Material de clase].

 Análisis de varianza simple (ANOVA)

INTRODUCCIÓN ANOVA ANCOVA MANOVA MANCOVA

En general, cuando estudiamos mediante el análisis de la varianza el

comportamiento de los niveles de un factor fijo, no se persigue como
única finalidad del análisis saber si globalmente los distintos niveles
de factor son significativamente distintos entre sí en su efecto sobre
la variable respuesta (aspecto de un evidente interés), sino que,
lógicamente, estaremos interesados en conocer, una vez contrastado
que las diferencias son significativas, qué niveles producen un efecto
superior al de otros sobre la variable respuesta.

Dr. Alvarado Lagunas, E. Estadística [Material de clase].

 Análisis de varianza simple (ANOVA)

INTRODUCCIÓN ANOVA ANCOVA MANOVA MANCOVA

Modelo ANOVA con un dos factores

El análisis multifactorial de la varianza se presenta cuando dos o más factores (variables

independientes) afectan a la variable respuesta (variable dependiente). Para cada factor
tendremos varios niveles, que dividen la población total en grupos de tratamiento. En la
terminología del diseño de experimentos, suelen denominarse tratamientos los distintos
niveles de cada factor

En síntesis, se trata, por tanto, de analizar si las variables independientes (factores)

producen efectos distintos en función de los niveles de las otras variables independientes.

Dr. Alvarado Lagunas, E. Estadística [Material de clase].

 Análisis de varianza simple (ANOVA)

INTRODUCCIÓN ANOVA ANCOVA MANOVA MANCOVA

Para un modelo factorial de dos factores A y B de efectos fijos tendremos la

expresión general:

𝑋 = 𝑢 + 𝐴𝑖 + 𝐵𝑖 + 𝐴𝐵𝑖𝑗 + 𝐸𝑖𝑘
i=1..t, j=1..r, k=1...nij (u = constante)
Los términos Ai y Bj representan los efectos de los factores A y B (efectos principales),
y son constantes sujetas a las restricciones:
𝑡 𝑟

෍ 𝐴𝑖 = ෍ 𝐴𝑖 = 0
𝑖.1 𝑗.1
Los términos ABij representa el efecto de la interacción entre los factores A y B, y son
constantes sujetas a las restricciones:
𝑡 𝑟

෍(𝐴𝐵)𝑖𝑗 = ෍(𝐴𝐵)𝑖𝑗 = 0
𝑖.1 𝑗.1

Dr. Alvarado Lagunas, E. Estadística [Material de clase].

 Análisis de varianza simple (ANOVA)

INTRODUCCIÓN ANOVA ANCOVA MANOVA MANCOVA

Los datos podrían representarse en una tabla como la siguiente:

Factor B -> 1 2 … r
(Niveles)
Factor A
La descomposición de la suma de cuadrados 1 𝑋111 𝑋121 … 𝑋𝐼𝑟1
total para el caso en que nij es constante (nij=s 𝑋112 𝑋122 … 𝑋𝐼𝑟2
Ai,j), puede hacerse ahora de la forma: 𝑋11𝑛11 𝑋12𝑛12 𝑋𝐼𝑟𝑚𝐼𝑟

2 𝑋211 𝑋221 …. 𝑋2𝑟1

𝑋212 𝑋222 …. 𝑋2𝑟2
𝑆𝐶𝑇 = 𝑆𝐶𝐴 + 𝑆𝐶𝐵 + 𝑆𝐶𝐴𝐵 + 𝑆𝐶𝐸
𝑋2𝐼𝑛2𝐼 𝑋22𝑛22 𝑋2𝑚2𝑟

t 𝑋𝑑1 𝑋21 … 𝑋𝐼𝑟𝐼

𝑋𝑡12 𝑋22 … 𝑋𝑡𝑟2

𝑋𝑑𝑛𝑑 𝑋𝑡2𝑛𝑡2 …. 𝑋𝑡𝑚𝑡𝑟

Dr. Alvarado Lagunas, E. Estadística [Material de clase].

 Análisis de varianza simple (ANOVA)

INTRODUCCIÓN ANOVA ANCOVA MANOVA MANCOVA

Para el caso en que nij es constante (nij = s), la información del

modelo se resume en el siguiente cuadro del análisis de la varianza:

Fuente de variación Suma de Grados de libertad Cuadros medios F

cuadrados
Entre tratamientos 𝑆𝐶𝑇𝑟 𝑡𝑟 − 1 𝐶𝑀𝑇𝑟 = 𝑆𝐶𝑇𝑟/(𝑡𝑟 − 1)

Entre filas (factor A) 𝑆𝐶𝐴 𝑡−1 𝐶𝑀𝐴 = 𝑆𝐶𝐴/(t − I) 𝐶𝑀𝐴/𝐶𝑀𝐸

Entre columnas (factor 𝑆𝐶𝐵 𝑟−1 𝐶𝑀𝐵 = 𝑆𝐶𝐵/(r − I) 𝐶𝑀𝐵/𝐶𝑀𝐸
B)
Interacciones (AB) 𝑆𝐶𝐴𝐵 (𝑡 − 1)(𝑟 − 1) 𝐶𝑀𝐴𝐵 = 𝑆𝐶𝐴𝐵/(t − I)(r − 1) 𝐶𝑀𝐴𝐵/𝐶𝑀𝐸

Error 𝑆𝐶𝐸 𝑡𝑟(𝑠 − 1) 𝐶𝑀𝐸 = 𝑆𝐶𝐸/𝑡𝑟(𝑠 − 1)

Total 𝑆𝐶𝑇 𝑡𝑟𝑠 − 1

Dr. Alvarado Lagunas, E. Estadística [Material de clase].

 Análisis de varianza simple (ANOVA)

INTRODUCCIÓN ANOVA ANCOVA MANOVA MANCOVA

Modelo ANOVA con un tres factores

Para un modelo factorial de tres factores A, B y C, tendríamos la expresión general:

𝑋𝑖𝑗𝑘𝑙 = 𝑢 + 𝐴𝑖 + 𝐵𝑗 + 𝐶𝑘 + 𝐴𝐵𝑖𝑗 + 𝐵𝐶𝑗𝑘 ∗ 𝐴𝐵𝐶𝑖𝑗𝑘 + 𝐸𝑖𝑗𝑘𝑙

En un modelo factorial de tres factores, pueden ser los tres fijos, los tres aleatorios, uno
aleatorio y dos fijos, o dos aleatorios y el otro fijo. En un modelo multifactorial los
niveles de cada factor (tratamientos) suelen estar combinados con todos los niveles de
los restantes factores. En el caso de que ciertos niveles de determinados factores estén
ligados solamente a ciertos niveles de otros, estamos ante un diseño jerárquico.

Dr. Alvarado Lagunas, E. Estadística [Material de clase].

 Análisis de varianza simple (ANOVA)

INTRODUCCIÓN ANOVA ANCOVA MANOVA MANCOVA

Modelo ANOVA con un tres factores

En un diseño jerárquico, los niveles de cada factor

están incluidos en los niveles de otro factor,
estableciéndose así una jerarquía de dependencias
entre los distintos niveles de los diferentes
factores. Un modelo jerárquico es anidado cuando
cada nivel de un factor se corresponde sólo con un
nivel de otro factor

Un modelo jerárquico es cruzado cuando todos los

niveles de un factor aparecen en todos los niveles
de resto de los factores.

Dr. Alvarado Lagunas, E. Estadística [Material de clase].

 Análisis de varianza simple (ANOVA)

INTRODUCCIÓN ANOVA ANCOVA MANOVA MANCOVA

Modelo de cuadro latino

Aquél en el que se tienen en cuenta tres factores, con la particularidad de que los tres
factores tienen el mismo número de niveles. Dos de los factores operan como bloques con
el fin de reducir los errores experimentales.

El objetivo del análisis es determinar si el tercer

factor (factor de tratamiento) tiene o no una
influencia significativa sobre la variable
dependiente. En un diseño en cuadrado latino hay
una sola observación por casilla, por lo que en
ningún caso es posible tratar efectos de interacción.

Dr. Alvarado Lagunas, E. Estadística [Material de clase].

 Análisis de varianza simple (ANOVA)

INTRODUCCIÓN ANOVA ANCOVA MANOVA MANCOVA

El modelo que puede establecerse en este caso es el siguiente

Referenciando las variables i,j,k con el valor
𝑌𝑖𝑗 𝑘 = 𝜇 + 𝑎𝐼 + 𝐵𝐽 + 𝑌𝑘 + 𝑢𝑖𝑗(𝑘) “r” y se representa en la siguiente tabla:

Fuente de variación Suma de Grados de Cuadros medios F

cuadrado libertad
s
Entre filas (renglones) 𝑆𝐶𝐴 r−1 𝐶𝑀𝐴 = 𝑆𝐶𝐴/(r − I)
Entre columnas 𝑆𝐶𝐵 𝑟−1 𝐶𝑀𝐵 = 𝑆𝐶𝐵/(r − I)

Entre tratamientos SCTr r−1 𝐶𝑀𝑇𝑟 = 𝑆𝐶𝐵(𝑟 − 1) 𝐶𝑀𝑇𝑟/𝐶𝑀𝐸

Error 𝑆𝐶𝐸 (𝑡 − 1)(𝑟 − 1) 𝐶𝑀𝐸 = 𝑆𝐶𝐸/(r − 1)(r − 2)

Total 𝑆𝐶𝑇 𝑟2 − 1

Dr. Alvarado Lagunas, E. Estadística [Material de clase].

 Análisis de la covarianza (ANCOVA)

INTRODUCCIÓN ANOVA ANCOVA MANOVA MANCOVA

Modelo ANCOVA
El análisis de la covarianza múltiple es una técnica
estadística utilizada para analizar la relación entre
varias variables dependientes (o endógenas) métricas
y varias variables independientes (o exógenas) mezcla
de variables métricas y no métricas.

La expresión funcional del modelo del análisis de la covarianza múltiple MANCOVA es la

siguiente:

𝐺 𝑦1 , 𝑦2 , … , 𝑦𝑚 = 𝐹(𝑥1 , 𝑥2 , … , 𝑥𝑛 )

Dr. Alvarado Lagunas, E. Estadística [Material de clase].

 Análisis de la covarianza (ANCOVA)

INTRODUCCIÓN ANOVA ANCOVA MANOVA MANCOVA

Análisis simple como múltiple

Tienen como objetivo eliminar

determinados efectos que puedan sesgar
los resultados incrementando la varianza
dentro de los grupos. En el análisis de la
covarianza se suele comenzar eliminando,
mediante una regresión lineal, la variación
experimentada por las variables
dependientes producida por la covariable o
covariables de efectos indeseados, para
continuar con un análisis ANOVA o
MANOVA sobre las variables dependientes
ajustadas.

Dr. Alvarado Lagunas, E. Estadística [Material de clase].

 Análisis multivariante de la varianza (MANOVA)

INTRODUCCIÓN ANOVA ANCOVA MANOVA MANCOVA

Modelo MANOVA

El análisis de la covarianza simple es una técnica estadística utilizada para analizar la

relación entre varias variables dependientes (o endógenas) métricas y varias variables
independientes (o exógenas) no métricas.

Objetivo modelo MANOVA

Contrastar si los valores no métricos de las variables independientes

determinarán la igualdad de vectores de medias de una serie de grupos
determinados por ellos en las variables dependientes. De modo que el
modelo MANOVA mide la significación estadística de las diferencias
entre los vectores de medias de los grupos determinados en las
variables dependientes por los valores de las variables independientes.

Dr. Alvarado Lagunas, E. Estadística [Material de clase].

 Análisis multivariante de la covarianza (MANCOVA)

INTRODUCCIÓN ANOVA ANCOVA MANOVA MANCOVA

Modelo MANCOVA
El análisis de la covarianza múltiple es una técnica
estadística utilizada para analizar la relación entre
varias variables dependientes (o endógenas)
métricas y varias variables independientes (o
exógenas) mezcla de variables métricas y no
métricas.

Objetivo modelo MANOVA

𝐺 𝑦1 , 𝑦2 , … , 𝑦𝑚 = 𝐹(𝑥1 , 𝑥2 , … , 𝑥𝑛 )

Las variables dependientes son métricas y las variables independientes son

una parte métricas y otra parte no métricas.

Dr. Alvarado Lagunas, E. Estadística [Material de clase].

 Análisis multivariante de la covarianza (MANCOVA)

INTRODUCCIÓN ANOVA ANCOVA MANOVA MANCOVA

Análisis simple y variable en el modelo MANCOVA

Las variables métricas independientes (covariables)

tienen como objetivo eliminar determinados efectos que
puedan sesgar los resultados incrementando la varianza
dentro de los grupos. En el análisis de la covarianza se
suele comenzar eliminando, mediante una regresión
lineal, la variación experimentada por las variables
dependientes producida por la covariable o covariables
de efectos indeseados, para continuar con un análisis
ANOVA o MANOVA sobre las variables dependientes
ajustadas (residuos de la regresión anterior).

Dr. Alvarado Lagunas, E. Estadística [Material de clase].