You are on page 1of 6

Esquema (1)

1. Análisis de la Varianza de 1 Factor


Análisis de la Varianza (Muestras independientes)
y de la Covarianza 2. Análisis de la Varianza de 1 Factor
(Muestras relacionadas)
3. Análisis de la Varianza de 2 Factores
ANOVA y ANCOVA 4. Análisis de la Covarianza
5. Análisis con más de 2 Factores

J.F. Casanova ANOVA y ANCOVA 1 J.F. Casanova ANOVA y ANCOVA 2

Análisis de la Varianza de 1 Factor Análisis de la Varianza de 1 Factor


Pruebas utilizadas
Objetivos
A) Poblaciones Normales y Varianzas Homogéneas
 Comparar varios grupos respecto a una variable La más conveniente es el Análisis de la Varianza.
cuantitativa.
 B) No se cumple (A)
Tres opciones:
 Analizar la asociación entre una variable
cualitativa y una variable cuantitativa. 1) Transformar los datos para llegar a (A)
2) Si no se está lejos de (A), Análisis de la Varianza
(es una prueba muy robusta)
(Recordemos la equivalencia entre Comparación
y Asociación) 3) Prueba no paramétrica de Kruskal-Wallis
J.F. Casanova ANOVA y ANCOVA 3 J.F. Casanova ANOVA y ANCOVA 4

Análisis de la Varianza de 1 Factor Análisis de la Varianza de 1 Factor


Planteamiento
Comparación de más de 2 Varianzas
 Medir: el efecto estudiado (efecto factorial)
mediante las desviaciones de las medias de cada
muestra respecto a la media global.
Pruebas utilizadas:
 Medir: el efecto residual (resto de efectos)
 Prueba de Bartlett mediante las desviaciones de los datos de cada
(conveniente para distribuciones Normales) muestra respecto a la media de esa muestra.

 Prueba de Levene  Comparar: Efecto factorial demasiado


superior al residual como para explicarlo por el
(conveniente para distribuciones No Normales) “azar”  No todas las medias son iguales.

J.F. Casanova ANOVA y ANCOVA 5 J.F. Casanova ANOVA y ANCOVA 6

ANOVA y ANCOVA 1
Análisis de la Varianza de 1 Factor Análisis de la Varianza de 1 Factor
Efectos Procedimiento
x3 x1  Varianza Factorial:
 n x  x
2

x VF  i i

Residual k 1

•Numerador:
x2 “Dispersión Factorial”, DF
•Denominador:
“Grados de Libertad Factoriales”, F

J.F. Casanova ANOVA y ANCOVA 7 J.F. Casanova ANOVA y ANCOVA 8

Análisis de la Varianza de 1 Factor Análisis de la Varianza de 1 Factor


Procedimiento  Estadístico de Contraste:
 Varianza Residual: VF
FEXP 
 x  xi  VR
2

VR  i

nk  Distribución para H0


(todas las medias grupales iguales):
•Numerador:
“Dispersión Residual”, DR F de Snedecor con 1 = F y 2 = R
•Denominador:
“Grados de Libertad Residuales”, R • Si FEXP supera el valor teórico se
rechaza H0
J.F. Casanova ANOVA y ANCOVA 9 J.F. Casanova ANOVA y ANCOVA 10

Análisis de la Varianza: Terminología Comparaciones Múltiples


Situación
 “Análisis” = “Descomposición”  ANOVA estadísticamente significativo:
 Puede demostrarse que la “Dispersión Total” Alguna media grupal es diferente
 Para detectarla, se comparan las medias 2 a 2
D T   x i  x 
2
 No se usa directamente la t de Student:
La probabilidad de encontrar alguna diferencia
coincide con la suma de las Dispersiones significativa por error se iría acumulando
Factorial y Residual.  Varias Soluciones
 Una simple: Bonferroni
Acrónimo: ANOVA (ANalysis Of VAriance)  Una típica: Newman-Keuls

J.F. Casanova ANOVA y ANCOVA 11 J.F. Casanova ANOVA y ANCOVA 12

ANOVA y ANCOVA 2
Método de Newman-Keuls
Método de Bonferroni
 Como el error  iría aproximadamente A) ORDEN DE LAS COMPARACIONES
sumándose, se corrige este efecto 1) Se numeran todas las medias de menor a mayor:
 usando la t de Student x1 , ..., x k
2) Se comparan las dos extremas: x1 con x k
 pero a un nivel de error  / C, donde C es el
número de comparaciones 3) Si es significativa, se toman dos grupos de k-1
medias: x1 , ..., x k 1 y x 2 , ..., x k
4) Se comparan en cada grupo las dos extremas y, si
 INCONVENIENTE: Al aumentar el número de son significativas, nuevamente se forman dos grupos,
grupos, C crece mucho y baja la potencia. de k-2 medias

J.F. Casanova ANOVA y ANCOVA 13 J.F. Casanova ANOVA y ANCOVA 14

Método de Newman-Keuls Método de Newman-Keuls


A) ORDEN DE LAS COMPARACIONES NOTA:
5) Se continúa el proceso hasta que llegamos a 2
muestras o cuando alguna comparación resulta Pueden darse “PARADOJAS”, como:
no significativa. En este caso, se declaran
homogéneas todas las medias del grupo. x1 hom ogénea a x 2
x 2 hom ogénea a x 3 > x diferente a x
1 3

EXPLICACIÓN: “Homogénea” no quiere


decir “igual”, sino que “no se ha demostrado
con suficiente probabilidad la diferencia.
J.F. Casanova ANOVA y ANCOVA 15 J.F. Casanova ANOVA y ANCOVA 16

Método de Newman-Keuls Tamaño del Efecto


B) PROCEDIMIENTO DE CADA  No solo interesa saber si existe o no relación entre
COMPARACIÓN el factor y la respuesta, sino también cuál es su
El estadístico de contraste es: intensidad. Es decir, el “TAMAÑO DEL EFECTO”.
siendo:  Uno de los índices para evaluarlo en ANOVA es
xi  x j VR  1 1 
q ij  sij  
sij 2  n i n j  𝐷𝐹
𝜂2 = = 𝑅2
𝐷𝑇
* Bajo la H0 ( x i  x j ) sigue la distribución de Newman-
Keuls, que depende de R y de R, el “Rango” (número de  Representa la proporción de la variabilidad de la
medias que hay en el grupo que se compara).
respuesta atribuible a su relación con el factor.

J.F. Casanova ANOVA y ANCOVA 17 J.F. Casanova ANOVA y ANCOVA 18

ANOVA y ANCOVA 3
Análisis de la Varianza de 1 Factor.
Tamaño del Efecto
Muestras relacionadas
 Es equivalente al Coeficiente de Determinación, Pruebas utilizadas
R2, en los modelos de regresión.
A) Poblaciones Normales y Varianzas Homogéneas
 Este índice evalúa correctamente dicha proporción
La más conveniente es el Análisis de la Varianza.
de variabilidad en la muestra, pero resulta sesgado
para estimarla en la población. B) No se cumple (A)
Para corregir ese inconveniente, puede sustituirse Tres opciones:
por este otro: 1) Transformar los datos para llegar a (A)
𝐷𝐹 − (𝑘 − 1)𝑉𝑅 2) Si no se está lejos de (A), Análisis de la Varianza
𝜔2 =
𝐷𝑇 + 𝑉𝑅 (es una prueba muy robusta)
3) Prueba no paramétrica de Friedman
J.F. Casanova ANOVA y ANCOVA 19 J.F. Casanova ANOVA y ANCOVA 20

Análisis de la Varianza de 1 Factor. Análisis de la Varianza de 1 Factor.


Muestras relacionadas Muestras relacionadas
Ejemplo Planteamiento
 Tenemos el mismo grupo de individuos en k  Tenemos n individuos y k valores distintos del
situaciones distintas y queremos comparar factor cualitativo
los resultados en esas situaciones  Queremos estudiar la relación del factor cualitativo
F con una variable cuantitativa X.
 Al utilizar los mismos individuos en todas las
* También llamado mediciones, se elimina la influencia de la variable
ANOVA con MEDIDAS REPETIDAS individuo (I) en X.
 Suponemos que la influencia de F en X no depende
del individuo (No hay “interacción).

J.F. Casanova ANOVA y ANCOVA 21 J.F. Casanova ANOVA y ANCOVA 22

Análisis de la Varianza de 1 Factor. Análisis de la Varianza de 1 Factor.


Muestras relacionadas Muestras relacionadas
 Descomposición de la Varianza  Efecto de desglosar la dispersión entre individuos
(DI ):
 Se reduce la dispersión residual ( DR ),
 En el ANOVA simple se hacía la descomposición:
aumentando la potencia de la prueba.
Dispersión: DT = DF + DR
Grados de Libertad: T =  F +  R
 Procedimiento de Análisis:
 En el ANOVA de Muestras relacionadas:  Análogo al ANOVA simple.
Dispersión: DT = DF + DI + DR
Grados de Libertad: T =  F +  I +  R

J.F. Casanova ANOVA y ANCOVA 23 J.F. Casanova ANOVA y ANCOVA 24

ANOVA y ANCOVA 4
Análisis de la Varianza de 2 Factores Análisis de la Varianza de 2 Factores

Objetivos Condiciones de Aplicación


 Estudiar la relación de cada una de dos  Poblaciones normales y varianzas
variables cualitativas (factores) con una homogéneas
variable cuantitativa. (como todo ANOVA)
 Para fácil interpretación  número de
 Estudiar la interacción entre ellas. casos igual en cada combinación de factores
(o proporcional a los totales parciales)

J.F. Casanova ANOVA y ANCOVA 25 J.F. Casanova ANOVA y ANCOVA 26

Ejemplo Análisis de la Varianza de 2 Factores


valores medios de glucosa  Descomposición de la Varianza
n = 6 datos / casilla  Efectos: T: Total
K = KA KB N=Kn A: Factor Tiempo
MEDIOS DE CULTIVO B: Factor Medio
I: Interacción
MEDIO1 MEDIO2 MEDIO3 R: Residual
CORTO 34 38 36
DT = DA + DB + DI + DR
TIEMPO MEDIO 22 20 24

ALTO 14 8 12

J.F. Casanova ANOVA y ANCOVA 28

Análisis de la Varianza de 2 Factores


Análisis de la Varianza de 2 Factores
Procedimiento Comparaciones Múltiples
EN EL EJEMPLO  Sí interacción
V  ANOVA 1 factor dentro de cada una de las
FA  A ≶ F (K -1, N-K) ⇘ = F (2, 45)
VR A categorías del otro
[COMO ANOVA 1 FACTOR]  Comparar todas las combinaciones de factores
VB
FB  entre sí.
VR ≶ F (KB -1, N-K) ⇗ = F (2, 45)
 No interacción
V  Comparar por separado las categorías de cada
FI  I ≶ F ((KA -1)(KB -1), N-K) = F (4, 45)
VR factor significativamente relacionado con la
respuesta.
J.F. Casanova ANOVA y ANCOVA 29 J.F. Casanova ANOVA y ANCOVA 30

ANOVA y ANCOVA 5
Análisis de la Covarianza (ANCOVA) Análisis de la Covarianza (ANCOVA)

Objetivos Condiciones de Aplicación


 Estudiar la relación de una variable  Los habituales del ANOVA
cualitativa (factor) con una variable  Existe relación lineal entre la variable respuesta y
cuantitativa. la covariable
 Para fácil interpretación
 Eliminando la influencia de una tercera  La pendiente de la relación es similar para
variable (cuantitativa) los distintos valores del factor cualitativo
(llamada covariable) (No hay interacción entre factor y covariable)

J.F. Casanova ANOVA y ANCOVA 31 J.F. Casanova ANOVA y ANCOVA 32

Ejemplo
RC
Análisis de la Covarianza (ANCOVA)
Procedimiento
RCT2
dRC,AJ
 Análogo al ANOVA, sustituyendo las
RCT1 T2
dispersiones y grados de libertad directos
T1
por los ajustados.
EDAD  También en las comparaciones múltiples se
·Podemos estudiar la relación entre el Tratamiento y la Reducción de sustituye por los valores ajustados.
 Medias ajustadas: yi  bx i
Concentración sin que afecte la Edad
(Como si la edad fuera la misma para ambos grupos)
donde b es la pendiente de y = a + bx
·La diferencia ajustada dRC,AJ no coincide con la directa, R CT 2  R CT1
J.F. Casanova ANOVA y ANCOVA 34

Análisis con más de 2 Factores


 Es posible cualquier número de
factores y covariables
 Puede aparecer interacción de 2º orden:
 La interacción entre 2 factores depende
del valor de un tercer factor.
 Las interacciones de orden superior
suelen subsumirse en el efecto residual.

J.F. Casanova ANOVA y ANCOVA 35

ANOVA y ANCOVA 6