Documentos de Académico
Documentos de Profesional
Documentos de Cultura
org/0000-0002-3962-5433
1. INSTRUCCIONES
Utilizamos el archivo karo.xlsx obtenido de koro.sav que contiene El diseño es un ensayo clínico doble ciego
de estas tres terapias experimentales junto con un grupo de control cuyo propósito de este estudio fue
examinar la eficacia de tres terapias experimentales para mejorar los síntomas de koro. Para obtener la base
de datos se utilizaron tres instrumentos estándar para evaluar el resultado. Estos instrumentos son el Índice
de Síntomas para la Evaluación de Koro (SIKE), el Inventario de Funcionamiento Social para el Trastorno de
Koro (SFKDI) y la Escala de Ajuste Ocupacional (OAS). Las tres medidas se dieron en dos momentos. El primer
punto de tiempo, denominado prueba previa en este documento, fue cuando los pacientes ingresaron a la
clínica y antes de la asignación a uno de los cuatro tratamientos. El segundo punto de tiempo, la prueba
posterior, ocurrió exactamente dos semanas después del inicio del tratamiento.
La intención es aplicar MANOVA para ver resultados una vez aplicado el tratamiento. Para lo cual se creará
y1 y y2, y se considerá como factor a therapy, siendo:
Y1: sf_post-sf_pre sf_post = Inventario de funcionamiento social para el trastorno de Koro: prueba posterior
sf_pre = Inventario de funcionamiento social para el trastorno de Koro: prueba previa
Y2: oa_post-oa_pre oa_post= Escala de Ajuste Ocupacional: Postest oa_pre=Escala de Ajuste Ocupacional:
Pretest
Factor: therapy (terapia)
therapy = terapia
Por: Mario Orlando Suárez Ibujés Fecha: 31/01/2024 https://orcid.org/0000-0002-3962-5433
library(foreign)
library(cluster)
library(readxl)
library(ggplot2)
library(mvShapiroTest)
library(biotools)
library(outliers)
library(ICSNP)
library(tidyverse)
view(karo)
Por: Mario Orlando Suárez Ibujés Fecha: 31/01/2024 https://orcid.org/0000-0002-3962-5433
require(ggplot2)
ggplot(karo, aes(y1_sfpost_menos_sfpre, y2_oapost_menos_oapre, color=therapy)) +
geom_point() +
geom_smooth(method = "lm", se = FALSE)
4. MANOVA
# Se procede a realizar el análisis MANOVA y se presenta un resumen del mismo
#con la hipotesis con el test de Wilks
MN=manova(cbind(karo$y1_sfpost_menos_sfpre,karo$y2_oapost_menos_oapre) ~ karo$therapy)
MN
## Call:
## manova(cbind(karo$y1_sfpost_menos_sfpre, karo$y2_oapost_menos_oapre) ~
## karo$therapy)
##
## Terms:
## karo$therapy Residuals
## resp 1 1874.6 2983.0
## resp 2 293.6 1914.0
## Deg. of Freedom 3 36
##
## Residual standard errors: 9.102808 7.291548
## Estimated effects may be unbalanced
summary(MN,test="Wilks")
Por: Mario Orlando Suárez Ibujés Fecha: 31/01/2024 https://orcid.org/0000-0002-3962-5433
# En función del resultado del test, podemos asumir que el efecto de la terapia ha
# sido distinto tanto en y1 como en y2 con un p-value de 0,001797
# Se observea que se presentan diferencias significativas entre las dos terapias
5. ANOVA
AV1=aov(karo$y1_sfpost_menos_sfpre ~ karo$therapy)
summary(AV1)
AV2=aov(karo$y2_oapost_menos_oapre ~ karo$therapy)
summary(AV2)
6. CORRELACIÓN
# A continuaciÓn se realiza el test de correlación de Pearson
cor.test(karo$y1_sfpost_menos_sfpre,karo$y2_oapost_menos_oapre)
##
## Pearson's product-moment correlation
##
## data: karo$y1_sfpost_menos_sfpre and karo$y2_oapost_menos_oapre
## t = 2.7581, df = 38, p-value = 0.00889
## alternative hypothesis: true correlation is not equal to 0
## 95 percent confidence interval:
## 0.1110189 0.6386619
## sample estimates:
## cor
## 0.4084042
# Se observa que si existe relación lineal de 0,408 entre las dos variables, por lo ta
nto
# no se puede asumir que sea nula la correlación.
Por: Mario Orlando Suárez Ibujés Fecha: 31/01/2024 https://orcid.org/0000-0002-3962-5433
7. NORMALIDAD
# NORMALIDAD
# A continuación se realiza el test de Shapiro-Wilk para cada una de las respuestas
shapiro.test(karo$y1_sfpost_menos_sfpre)
##
## Shapiro-Wilk normality test
##
## data: karo$y1_sfpost_menos_sfpre
## W = 0.97582, p-value = 0.5378
shapiro.test(karo$y2_oapost_menos_oapre)
##
## Shapiro-Wilk normality test
##
## data: karo$y2_oapost_menos_oapre
## W = 0.98411, p-value = 0.836
# NORMALIDAD MULTIVARIADA
# A continuación se realiza el test multivariado de Shapiro-Wilk
mvShapiro.Test(as.matrix(karo[,10:11]))
##
## Generalized Shapiro-Wilk test for Multivariate Normality by
## Villasenor-Alva and Gonzalez-Estrada
##
## data: as.matrix(karo[, 10:11])
## MVW = 0.98284, p-value = 0.8995
bartlett.test(karo$y1_sfpost_menos_sfpre ~ karo$therapy)
##
## Bartlett test of homogeneity of variances
##
## data: karo$y1_sfpost_menos_sfpre by karo$therapy
## Bartlett's K-squared = 4.3844, df = 3, p-value = 0.2228
bartlett.test(karo$y2_oapost_menos_oapre ~ karo$therapy)
##
## Bartlett test of homogeneity of variances
##
## data: karo$y2_oapost_menos_oapre by karo$therapy
## Bartlett's K-squared = 0.46566, df = 3, p-value = 0.9264
9. PRUEBA DE DIXON
dixon.test(sample(karo$y1_sfpost_menos_sfpre, size=30))
##
## Dixon test for outliers
##
## data: sample(karo$y1_sfpost_menos_sfpre, size = 30)
## Q = 0.26531, p-value = 0.4593
## alternative hypothesis: lowest value -16 is an outlier
dixon.test(sample(karo$y2_oapost_menos_oapre, size=30))
##
## Dixon test for outliers
##
## data: sample(karo$y2_oapost_menos_oapre, size = 30)
## Q = 0.2, p-value = 0.8558
## alternative hypothesis: lowest value -13 is an outlier
vec.medias=apply(karo[,10:11],2,mean);vec.medias
## y1_sfpost_menos_sfpre y2_oapost_menos_oapre
## 12.1 5.9
T2=c()
for(j in 1:dim(karo)[1]){
T2[j]=c((t(t(karo[j,10:11])-(vec.medias)))%*%solve(var(karo[,10:11]))%*%as.matrix(t(
karo[j,10:11])-(vec.medias)))
}
T2
LS=qchisq(0.95,df=dim(karo)-1)
colores=ifelse(T2>LS,"darkred","darkgreen")
plot(T2,col=colores,pch=19,cex=0.85,xlab="Observación")
grid(20,20,col="lightblue")
abline(h=LS)
etiquetas=which(T2>LS)
text(etiquetas,c(LS)+0.4,"outlier")
Por: Mario Orlando Suárez Ibujés Fecha: 31/01/2024 https://orcid.org/0000-0002-3962-5433
plot(karo$y1_sfpost_menos_sfpre,karo$y2_oapost_menos_oapre,pch=19,col=colores)
grid(20,20,col="lightblue")
Por: Mario Orlando Suárez Ibujés Fecha: 31/01/2024 https://orcid.org/0000-0002-3962-5433
# Lo anterior arroja como resultado que los datos no poseen datos multivariados.
# VECTOR DE MEDIAS
vec.mediasControl=apply(data.Control[,10:11],2,mean);vec.mediasControl
## y1_sfpost_menos_sfpre y2_oapost_menos_oapre
## 1.0 4.3
vec.mediasCognitive=apply(data.Cognitive[,10:11],2,mean);vec.mediasCognitive
## y1_sfpost_menos_sfpre y2_oapost_menos_oapre
## 12.3 2.9
vec.mediasBehavioral=apply(data.Behavioral[,10:11],2,mean);vec.mediasBehavioral
## y1_sfpost_menos_sfpre y2_oapost_menos_oapre
## 16.0 6.3
vec.mediasAbreaction=apply(data.Abreaction[,10:11],2,mean);vec.mediasAbreaction
## y1_sfpost_menos_sfpre y2_oapost_menos_oapre
## 19.1 10.1
# MATRICES DE COVARIANZA
varControl=var(data.Control[,10:11]); varControl
## y1_sfpost_menos_sfpre y2_oapost_menos_oapre
## y1_sfpost_menos_sfpre 66.88889 18.33333
## y2_oapost_menos_oapre 18.33333 62.23333
varCognitive=var(data.Cognitive[,10:11]); varCognitive
## y1_sfpost_menos_sfpre y2_oapost_menos_oapre
## y1_sfpost_menos_sfpre 74.01111 17.58889
## y2_oapost_menos_oapre 17.58889 40.32222
varBehavioral=var(data.Behavioral[,10:11]); varBehavioral
## y1_sfpost_menos_sfpre y2_oapost_menos_oapre
## y1_sfpost_menos_sfpre 37.333333 7.222222
## y2_oapost_menos_oapre 7.222222 58.900000
varAbreaction=var(data.Abreaction[,10:11]); varAbreaction
## y1_sfpost_menos_sfpre y2_oapost_menos_oapre
## y1_sfpost_menos_sfpre 153.21111 51.98889
## y2_oapost_menos_oapre 51.98889 51.21111
Por: Mario Orlando Suárez Ibujés Fecha: 31/01/2024 https://orcid.org/0000-0002-3962-5433
## y1_sfpost_menos_sfpre y2_oapost_menos_oapre
## 12.1 5.9
t1=vec.mediasControl-vec.mediasTotal
t2=vec.mediasCognitive-vec.mediasTotal
t3=vec.mediasBehavioral-vec.mediasTotal
t4=vec.mediasAbreaction-vec.mediasTotal
W=(dim(data.Control)[1]-1)*varControl+(dim(data.Cognitive)[1]-1)*varCognitive
+(dim(data.Behavioral)[1]-1)*varBehavioral+(dim(data.Abreaction)[1]-1)*varAbreaction;
W
## y1_sfpost_menos_sfpre y2_oapost_menos_oapre
## y1_sfpost_menos_sfpre 1714.9 532.9
## y2_oapost_menos_oapre 532.9 991.0
## y1_sfpost_menos_sfpre y2_oapost_menos_oapre
## y1_sfpost_menos_sfpre 1268.1 323.3
## y2_oapost_menos_oapre 323.3 923.0
pt=qt((0.05/(2*3*(3-1))),df=(dim(karo)[1]-3)); pt
## [1] -2.787602
modM2=manova(Reflect_join~karo_loc$therapy+karo_loc$loc)
summary(modM2, test="Wilks")
# El modelo indica que hay diferencias entre los grupos, lo cual también se
# evidenció en los análisis previos, es decir que la inclusión de esta variable
# no cambia de forma significativa las conclusiones realizadas previamente.