You are on page 1of 30

ANÁLISIS DE VARIANZA

Introducción
Es muy raro que los sucesos que ocurren en la vida social se agrupen en dos
condiciones. Es por esto que en ocasiones el investigador social y de la salud no se
conforma con plantear hipótesis que comprendan estas propiedades, sino que trata
de obtener un conocimiento más amplio del fenómeno planteándose preguntas en las
que, para su contestación se requiere hacer diversas comparaciones.

Es posible dar respuesta a nivel cuantitativo, a estas y otras muchas hipótesis


utilizando un análisis unifactorial de la varianza, integrado en el programa SPSS en el
procedimiento ANOVA de un factor o ONEWAY. De esta manera, el objetivo del
capítulo es presentar el comando ONEWAY que realiza un análisis de varianza de un
factor en una variable independiente con más de dos condiciones sobre una variable
dependiente medida cuando menos con una escala de intervalo.

1.1- ¿CUÁLES SON LAS BASES METODOLÓGICAS DEL ANÁLISIS


DE VARIANZA?
BASES METODOLÓGICAS DEL ANÁLISIS DE VARIANZA

La forma idónea de evaluar hipótesis en las que se considere la comparación de más


de dos condiciones o grupos es a través de la aplicación de un Análisis Unifactorial de
Varianza, puesto que esta es una técnica de análisis estadístico que permite superar
la ambigüedad que representa la estimación de diferencias significativas cuando se
hace más de una comparación.

El análisis de varianza unifactorial se sustenta en la premisa de que la variación total


observada en la variable dependiente es producto de cambios producidos por la
variable independiente (varianza sistemática) y de variaciones producidas tanto por
variables extrañas como por eventos fortuitos. Así pues conforme a esto, se
conceptualiza que la variación observada en la variable dependiente es el resultado
del efecto aditivo de sus componentes, esto es:

VT=VS+VE

Vt: representa la variación total observada en la variable dependiente.

Vs: corresponde a los cambios observados en la variable dependiente debidos al


efecto de la variable independiente (varianza sistemática).
Ve: representa a la varianza de error originada tanto por eventos fortuitos como por
variable aleatorias.

1.1.- ¿CUÁLES SON LAS BASES METODOLÓGICAS DEL


ANÁLISIS DE VARIANZA?
Con el propósito de ejemplificar lo anterior, supongamos que se desea determinar si
la puntuación obtenida en el Inventario de Rogers dependen en cierta medida de la
edad de los sujetos. En esta pregunta conforme a un análisis de la varianza, se
supone que las puntuaciones observadas en el inventario son productos de una
multiplicidad de causas, de tal forma, que cualquier puntuación es la suma del efecto
de la edad en los sujetos y de factores aleatorios. De acuerdo a la fórmula vista
anteriormente, la representación sería:

En donde, el primer término del segundo miembro de la igualdad es lo que


anteriormente se le llamó la varianza sistemática producto de la variable
independiente, y el segundo término comprende el efecto combinado de todas las
variables distintas a la variable independiente llamada variación de error.

Distinguir estas dos fuentes de variación para dar respuesta a la pregunta planteada
es de suma importancia, puesto que la magnitud en la cual contribuyen estas fuentes
de variación en la determinación de las puntuaciones en el inventario proporciona
indicios del grado de veracidad de la pregunta planteada. Por ejemplo, si la magnitud
de la variación observada en las puntuaciones debida a la edad de los sujetos no es
mayor que la variación debida a eventos fortuitos, el investigador tendrá evidencias
de que la contribución de la edad en la variación total es muy pequeña como para
afirmar que esta explica en gran medida la variación total observada en las
puntuaciones del Inventario de Rogers. Contrariamente, conforme aumente la
magnitud de la variación debida a la edad en relación a la variación de error, se
tendrán evidencias que fortalecerán la suposición de que la variación en las
puntuaciones en el inventario son producto de la edad de los sujetos.

lección

Reflejo de varianza observada entre los valores de la variable independiente (varianza


sistemática) y el segundo es la estimación de la variación encontrada en los sujetos de
cada grupo (variación de error).

= BETWEEN-GROUPS

Basado en la variación residual o de error.

= WITHIN-GROUPS
Esta es la respuesta correcta

EL MODELO DE ANÁLISIS DE VARIANZA UNIFACTORIAL


El modelo estadístico que permite evaluar la contribución relativa de los componentes
en la variación total, cuando se supone que solo una varianza influye en dicha
variación, es el Análisis de Varianza Unifactorial que parte del supuesto de que cada
grupo es una muestra aleatoria independiente procedente de una población normal.
Este análisis de varianza es robusto a las desviaciones de la normalidad, cuando los
datos son simétricos, su fortaleza aumenta en situaciones en la que los grupos
proceden de poblaciones con varianzas iguales. En el capítulo siguiente se revisará el
modelo estadístico utilizado para evaluar la influencia que tienen más de dos
variables independientes sobre una dependiente.

El modelo Unifactorial de la varianza proporciona dos estimadores independientes de


la variación total:

BETWEEN GROUPS: la variación entre los diferentes valores de la variable


independiente

WITHIN GROUPS: basado en la variación residual o de error conocida también como


variación intra grupo

El primero (between groups) es un reflejo de varianza observada entre los valores de


la variable independiente (varianza sistemática) y el segundo (within groups) es la
estimación de la variación encontrada en los sujetos de cada grupo (variación de
error). De esta forma, entre mayor sea la magnitud de la variación en los valores de la
variable independiente en relación con la variación dentro de cada valor mayores
evidencias empíricas se tendrán para suponer que la variable independiente tiene un
efecto significativo sobre la variable dependiente.

USO DE SPSS PARA REALIZAR


INVESTIGACIONES DE ANÁLISIS DE
EL COMANDO ONEWAY
El comando de procedimiento integrado al programa SPSS que realiza un análisis
unifactorial de la varianza es ONEWAY, que está disponible en el submenú de
ANOVA de un factor. Este comando realiza un análisis de varianza en una variable
dependiente medida mínimamente con una escala de intervalo, requiriendo
únicamente la especificación de una variable independiente numérica con el propósito
de definir los grupos en lo que se llevará a cabo dicho análisis.

El procedimiento ANOVA de un factor que se ejecuta con el SPSS a través del comando
ONEWAY elabora una tabla para cada variable dependiente especificada, la cual
contiene tanto la suma de cuadrados entre los grupos (variación sistemática) como
dentro de los grupos (variación de error), las medias de cuadrados, los grados de
libertad, la razón F y la probabilidad asociada al valor de F. Los casos que poseen
valores faltantes en cualquiera de las variables se eliminan del cálculo.

PARA REALIZAR UN ANÁLISIS UNIFACTORIAL:

https://youtu.be/RXasFr4RsqA

ONEWAY
Cuadro de diálogo ANOVA de un factor. Una vez en el cuadro de diálogo de
análisis de varianza de un factor tablas, se pueden seleccionar una o más
variables dependientes, es posible elegir el botón Contrastes... para dividir la
suma de cuadrados intergrupo en componentes de tendencia o especificar
contrastes a priori, o seleccionar el botón Post hoc... con la finalidad de
obtener las medias que difieren, una vez que se haya determinado que existen
diferencias estadísticamente significativas entre las medias de los grupos, o
bien pulsar en el botón de Opciones... para obtener una las estadísticas
descriptivas de los datos en los grupos, una prueba de homogeneidad de
varianza y para hacer un manejo especial de los valores perdidos.

La tabla 1.1 muestra los resultados de la ejecución de un análisis de varianza


unifactorial tomando como variable dependientes la puntuación total obtenida
por los sujetos en el inventario de Rogers (pt) y como factor la variable edad
de los niños de la muestra estudiada (edad)
El formato de salida que adquieren los cálculos resultantes de la ejecución del
procedimiento ANOVA de un factor, consiste en la presentación en la parte
superior de la tabla de las variables involucradas en el análisis, como se
observa en la tabla 1.1. La primer columna de resultado muestra las fuentes
de variación consideradas en el análisis (variación inter, intra y total).
Posteriormente, se presenta las sumas de cuadrados. En seguida, los grados
de libertad correspondientes a cada fuente de variación. En nuestro ejemplo,
los grados de libertad en la fuente de variación inter grupos son 7, ya que se
tienen 8 grupos de edad menos 1 que resulta en 7. En lo que respecta a la
fuente de variación intra grupos, los grados de libertad son 515, puesto que
se tienen 523 sujetos menos las 8 diferentes edades, dan como resultado 315.
A continuación de los grados de libertad aparecen las medias de cuadrados
que se obtienen al dividir la suma de cuadrados por sus correspondientes
grados de libertad. Los cuadrados medios reflejan la proporción de la
variación encontrada. En la siguiente columna aparece la Razón F, que es la
división de la media de cuadrados inter por la media de cuadrados dentro. El
último número que se presenta, es el valor de probabilidad asociado a la
Razón F.

El comando ONEWAY
Con toda la información presentada en la tabla de análisis de varianza es factible
tomar una decisión acerca de la pertinencia de mantener o rechazar la hipótesis de
investigación, que establece:

El valor fundamental para tomar una decisión es la probabilidad asociada a la Razón


F, puesto que si la magnitud de la probabilidad es menor que un nivel de significación
previamente establecido (generalmente, 0.05 ó 0.01) se concluye que existen
evidencias que fortalecen la hipótesis alterna, que como se recordará es la
operacionalización de la hipótesis de investigación. En los resultados mostrados en la
tabla 1.1, el objetivo que subyace a dicho análisis es determinar si existen diferencias
significativas en la puntuación total en el Inventario de Rogers en sujetos cuyas
edades fluctúan entre 6 y 13 años. A partir de los hallazgos encontrados es posible
afirmar que existen evidencias cuantitativas que apoyan la creencia de que las
puntuaciones totales en el Inventario de Rogers se ven influidas por la edad de los
sujetos. Esta afirmación se fundamenta en el hecho de que se encontró una razón F
de 2.385, con probabilidad asociada de .021, siendo este último valor menor que
0.05, es decir, p < 0.05.

Una de las suposiciones fundamentales en el análisis de varianza es que existe


igualdad en las varianzas de todos los grupos. Esto es, que todas las poblaciones de
las cuales se extrajeron las muestras, además de ser normales deben tener la misma
varianza. La forma que adquiere contraste de la homogeneidad de varianza es:
El procedimiento ANOVA de un factor realiza varias pruebas de homogeneidad de
varianza al pulsar en el cuadro de ANOVA de un factor el botón de Opciones, lo que
ocasiona que se despliegue otro cuadro que le permite al investigador calcular el
estadístico de Levene para contrastar la igualdad de varianza entre los grupos, dicho
cuadro se presenta en la figura 1.2.

Los resultados encontrados en las pruebas de homogeneidad de varianza se muestran


en la parte inferior de la tabla 1.1. Conforme a los datos de dicha tabla y debido a que
la probabilidad asociada al índice de Levene de homogeneidad de varianza es menor
que 0.05 (0.009), es posible afirmar que la varianza observada entre los grupos
difiere significativamente; es decir, los grupos no son homogéneos. Como resultado
de esto, el investigador debe tener mucho cuidado al interpretar los hallazgos del
estudio debido a que no se cumple el supuesto de homogeneidad de varianza en los
grupos de edad estudiados.
La forma de presentación de la tabla de estadísticos a través del procedimiento
ANOVA de un factor consiste en la frecuencia por grupo, la media, la desviación
estándar, el error, el intervalo de confianza del 95% y el valor mínimo y máximo
observado en cada grupo. El intervalo de confianza es un conjunto de valores en los
cuales es muy posible que caiga el valor de la media poblacional. Por ejemplo, en los
sujetos de 8 años de edad se tiene el 95% de confianza que el valor de la poblacional
esté comprendido entre 45.369 y 49.735. Esto significa que si se seleccionan
muestras de la población bajo condiciones similares, el 95% de los intervalos
comprenderán la media población de la puntuación total en el Inventario de Rogers de
los sujetos de 8 años.

Lección

¿El comando ONEWAY realiza un análisis de varianza en una variable dependiente


medida mínimamente con una escala de intervalo, requiriendo únicamente la
especificación de una variable independiente numérica con el propósito de definir los
grupos en lo que se llevará a cabo dicho análisis?

R: verdadero
De las siguientes acciones elige el orden correcto con el que se realiza un análisis
unifactorial de la varianza:

I. Elegir en la barra de menús Analizar,

II. Elegir ANOVA de un factor..., lo cual hace que se presente el cuadro de diálogo
ANOVA de un factor, Una vez en el cuadro de diálogo se marcan una o más variables
dependientes y se presiona el botón de cabeza de fecha derecha, para colocar el
nombre de la variable en la ventana Dependientes (ubicada en el lado derecho).

III. Seleccionar Comparar medias,

IV. Después, en el mismo cuadro de diálogo se marcan la variable del factor


independiente y se presiona el botón de cabeza de fecha derecha, para colocar el
nombre de la variable en la ventana Factor (ubicada en el lado derecho).

V. Finalmente, se pulsa el botón de Aceptar, para generar la tabla de contingencias de


las variables seleccionadas.

R: I, III, II, IV, V

CONTRASTES A PRIORI ENTRE LOS GRUPOS O CONDICIONES


DE UNA MISMA VARIABLE
En ocasiones, cuando el investigador desea hacer comparaciones entre grupos antes
de efectuar un análisis de varianza propiamente, el procedimiento ANOVA de un
factor trae integrado un cuadro de diálogo llamado Contrastes que permite dividir las
sumas de cuadrados inter-grupo en componentes de tendencia o especificar
contrastes a priori que permite realizar comparaciones planificadas de los grupos,
que obedecen a interés previo o a priori del propio investigador.

Supongamos que se desea evaluar, antes de realizar un análisis de varianza, si existen


diferencias en la puntuación total en el Inventario de Rogers, entre los niños de 8 y 10
años. En este caso el interés estaría centrado en la comparación entre las medias del
grupo 3 y del grupo 5, las cuales corresponden a los niños de 8 y 10 años, esto es,
entre:
CONTRASTES A PRIORI ENTRE LOS GRUPOS O CONDICIONES
DE UNA MISMA VARIABLE
Las anteriores comparaciones constituyen ejemplos de combinaciones que en esencia
son contrastes entre dos condiciones que pueden evaluarse por medio de una prueba
t de Student. Es posible realizar estas comparaciones utilizando el submenú
Contraste... del procedimiento ANOVA de un factor, que al seleccionarse hace que
aparezca el cuadrado de diálogo ANOVA de un factor: Contrastes, tal y como se
muestra en la figura 1.2.

En este momento lo que interesa de dicho cuadro es la sección inferior, en donde se


presenta una ventana llamada Coeficientes, con sus correspondientes botones Añadir,
Cambiar y Borrar. Lo que se requiere hacer en dicha ventana es la especificación de un
vector de coeficientes, donde cada coeficiente corresponda a una categoría de la
variable independiente y la suma de los coeficientes sea igual a cero.
1.3.1 Procedimiento adecuado para tomar decisiones acerca
de la significación de las diferencias.
Las anteriores acciones realizan una prueba t de Student para cada contraste con la
información que se muestra en la tabla 1.4. En la parte superior aparece la matriz de
contraste y posteriormente, los resultados de los contrastes, que como se puede
constatar es la misma información que la presenta en la prueba t de Student para
muestras independiente.
En base a los resultados presentados en la tabla 1.4, se puede concluir que el único
contraste estadísticamente significativo fue el número dos, ya que el valor de
probabilidad asociado a t, tanto en la estimación mancomunada de la varianza como
en la estimación separada de la varianza fue menor que 0.05. En otras palabras, solo
se encontraron evidencias de la existencia de diferencias significativas al combinar las
puntuaciones totales del Inventario de Rogers de los sujetos de 8 y 9 años, y
compararlas con las puntuaciones de los sujetos de 11 y 12 años.

Es importante tener presente al tomar una decisión en base a los resultados obtenidos
por las comparaciones a priori, que estas se hacen tomando en consideración el peso
que tiene el coeficiente elegido sobre las medias de los grupos incluidos en el
contraste. Por ejemplo, el valor de las diferencias en base a los coeficientes de los
contrastes de la tabla 1.4 son:

1a. Diferencia: (1)47.552 + (-1)46.347 = 1.205

2a. Diferencia: (1)47.552 + (1)48.338 + (-1)46.550 + (-1)42.742 = 6.599

3a. Diferencia: (1)47.552 + (-3)48.338 + (1)46.347 + (1)46.550 = -4.564


De esta manera, si el objetivo de una determinada comparación es evaluar si dos
grupos difieren independientemente de los coeficientes seleccionados para realizar
los contrastes, el método de comparación a priori no es un procedimiento adecuado
para tomar decisiones acerca de la significación de las diferencias.

1.4.-COMPARACIONES MÚLTIPLES ENTRE LOS GRUPOS O


CONDICIONES DE UNA MISMA VARIABLE

En este sentido, una vez que se ha determinado que existen diferencias entre las
medias, se deben utilizar las pruebas de rangos post hoc y las comparaciones
múltiples por parejas para encontrar las medias que difiere. Las primeras de este
conjunto de pruebas que corresponde a las pruebas de rangos, tienen como propósito
identificar subconjuntos homogéneos de medias que no difieren, mientras que las
segundas, contrastan la diferencia entre cada pareja de medias y elaboran una matriz
donde los asteriscos indican las medias de grupo significativamente diferentes. Estas
comparaciones múltiples se contrastan por omisión a un nivel alfa de 0.05.

1.4.1. Pruebas de comparaciones con las que cuenta el


programa SPSS
Las pruebas con las que cuenta el programa SPSS, que son pruebas de comparaciones
específicas y pruebas de rangos son la de diferencia honestamente significativas de
Tukey, la GT” de Hochberg, la prueba de Gabriel y la prueba de Scheffé. Entre las
pruebas que son exclusivamente de rangos se incluyen Tukey-b, S-N-k (Student-
Newman-Keuls), Duncan, R-E-G-W-F (prueba F de Ryan-Einot-Gabriel-Welsch), R-E-
G-W Q (prueba de rangos de Ryan-Einot-Gabriel-Welsch) y Waller-Duncan. Las
pruebas de comparaciones múltiples incluidas son Bonferroni, la diferencia
honestamente significativa de Tukey, Sidak, Gabriel, Hochberg, Dunnett, Scheffé y LSD
(DMS - diferencia menos signficativa. El último grupo comprende las pruebas de
comparaciones múltiples que no asumen varianzas iguales como T2 de Tamhane, T3
de Dunnett, Games-Howell y la C de Dunnett.

Como se puede constatar el programa SPSS tiene integrado una gran cantidad de
pruebas tanto de rangos como de comparaciones múltiples; sin embargo, sólo dos de
ellos son los que más frecuentemente se reportan en la literatura científica.

No obstante que el método de Tukey es mejor que el de Scheffé, en el sentido de que


detecta mejor diferencias significativas, su debilidad radica en que requiere un
tamaño de muestra idéntico en los pares de medias que se van a contrastar.
RESULTADOS

La tabla1.5 muestra el análisis de varianza unifactorial para la variable


inadaptación familiar del Inventario de Personalidad de Rogers, como se
puede constatar por los resultados se encontró que existe una diferencia
significativa entre la magnitud de la puntuación obtenida en inadaptación
familiar y la edad; esto es, la puntuación en inadaptación familiar está en
función de la edad de los sujetos, debido a que la probabilidad asociada a
una F(7, 515) = 6.171 es menor que el nivel de alfa de 0.05 [p(F(7, 515) =
6.171) < 0.05]. Con este análisis se llega a la conclusión de aceptar la
hipótesis de existente evidencia en el sentido que las medias de las
punutaciones en inadaptación familiar difieren en función de la edad de los
niños. Por tal razón, es evidente que existe al menos una diferencia
significativa entre algún par de medias, sin embargo, el análisis unifactorial
general de la varianza no proporciona información entre qué par o pares,
se encuentra dicha diferencia.

Lo anterior sólo se puede saber al realizar una prueba de comparaciones


específicas, para el caso concreto que se está desarrollándose genera una
tabla en donde los niños de 6 años se comparan con todos los otros
rangos de edad, después los de 7 años con todos los otros, en seguida los
de 8 años con todos los otros, y así sucesivamente hasta terminar con los
de 13 años. En todas las comparaciones el programa SPSS calcula la
diferencia de medía, el error típico, el valor de significación y el intervalo
de confianza del 95%, que es el rango en donde se esperaría con un 95% de
confianza que estaría colocada la verdadera diferencia entre el par de
medias que se está comparando.

El programa marca con asterisco (*) la diferencia entre medias que es


estadísticamente significativa, como se puede observar las diferencias
significativas fueron entre los niños de 8 años y los 12 años, los de 10
años con los de 12 años y los de 11 años con los de 12. A partir de estos
resultados es indiscutible que el grupo de niños que hace la diferencia
significativa en las puntuaciones obtenidas en el área de inadaptación
familiar son los de 12 años, ya que estos difieren con los de 8, 10 y 11
años.

A continuación se presenta la tabla 1.5 muestra el análisis de varianza


unifactorial para la variable inadaptación familiar del Inventario de
Personalidad de Rogers.

Tabla 1.5. Resultados de la aplicación de la prueba de comparaciones múltiples de


Scheffé.
1.5.- ¿CUÁNDO SE UTILIZA EL ANÁLISIS DE TENDENCIAS?
Tanto el cálculo de la razón F como el procedimiento de comparaciones múltiples se
basan en el contraste de las medias de cada grupo, ya que la única información que
proporciona es si los grupos difieren, y en caso de que así sea, informan además de
cuales son los grupos que difieren. Si bien estos son los únicos análisis adecuados
cuando la variable independiente es de tipo cualitativa, dado por su propia naturaleza
no es posible obtener otra clase de información.

En ocasiones, en las que se tiene una variable independiente cuantitativa, de manera


tal que sus diferentes valores se puedan ordenar de acuerdo a un cierto criterio, es
posible llevar el análisis de los resultados más allá del simple contraste de medias. En
caso de tener una variable independiente cuantitativa, como la variable EDAD de
nuestro ejemplo, es posible indagar cuál es la dirección o tendencia que guarda la
variable dependiente en función de la variable independiente.

1.5.- ¿CUÁNDO SE UTILIZA EL ANÁLISIS DE TENDENCIAS?


Es posible realizar un análisis de tendencia con el procedimiento ANOVA de un factor
a través del cuadro de diálogo que corresponde al submenú de Contrastes...,
mostrado en la figura 1.3. La forma se realizar el análisis de tendencias es seleccionar
en dicho cuadro de diálogo la ventana llamada Polinómico (Polynomial). Esta opción
divide la suma de cuadrados inter grupos (Between-Groups) en componentes de
tendencia lineal, cuadrática, cúbica y de orden más alto, con lo que hace posible
contrastar la tendencia de la variable dependiente en función de los niveles ordenados
de la variable factor. Para realizar una análisis de tendencias, para las relación entre
las edad y la puntuación total obtenida por los niños en el inventario de Rogers, sólo
es necesario realizar las siguientes acciones:
.5.1 ANÁLISIS DE TENDENCIAS
En la tabla 1.6, elaborada con las acciones anteriores, se puede observar que la
presentación de los resultados es en forma de una tabla de análisis de varianza como
las vistas anteriormente, puesto que aparecen los grados de libertad, las sumas de
cuadrados, las medias de cuadrados, las razones F y las probabilidades asociadas a
cada partición.
Tabla 1.6. Resultado del análisis de varianza polinomial de orden cúbico.

En la tabla 1.6 se puede observar que la variabilidad debida a la edad de los sujetos
(Between Groups) se separa en tres componentes de tendencia, el lineal (Linear), el
cuadrático (Quad.) y el cúbico (Cubic). Cada uno de estos componentes tiene tres
conjuntos de datos, un término no ponderado (Unweighted), uno ponderado
(Weighted) y un índice de desviación del modelo de tendencia. En la realización de los
cálculos, SPSS toma en consideración el tipo de diseño utilizado para crear los grupos.
De tal manera, si los grupos formados están balanceados, el procedimiento ANOVA de
un factor computa la suma de cuadrados para cada grado del polinomio tomando en
consideración contrastes polinomiales ponderados, usando la variable independiente
como patrón. Estos contrastes son ortogonales, lo que indica que las sumas de
cuadrados para cada orden del polinomio son estadísticamente independientes. Si los
grupos considerados en el análisis no están balanceados, pero existe igual
espaciamiento entre los valores de la variable independiente, como en nuestro
ejemplo, se computa también, la suma de cuadrados usando contrastes polinomiales
no ponderados; esto es, contrastes no ortogonales.
1.5.1 ANÁLISIS DE TENDENCIAS

En conclusión es posible mencionar, que si bien, sólo se encontró diferencias


significativas en la puntuación total del Inventario de Rogers entre dos grupos de
edad (9-10 años), como lo demuestra la comparación múltiple de Scheffe, la relación
que se observó entre la edad de los sujetos y la puntuación total obtenida en el
inventario es de tipo cuadrática, no obstante que la lineal es también significativa. Se
toma esta decisión debido a que la probabilidad asociada una F cuadrática ponderará
es menor que la probabilidad asociada una F lineal ponderada: p(lineal ponderada) =
0.015, mientras que p(cuadrática ponderada) = 0.011.

Por tal motivo, es más significativa la tendencia cuadrática. Lo único que quiere decir
lo anterior, es que los efectos de la edad en las puntuaciones totales obtenidas por
los niños en el inventario de Rogers no se incrementa de una manera constante al
aumentar la edad de los niños, sino que más bien que adquiere una forma que se
asemeja a una función con crestas y con valles. Es decir, es muy posible que en la
población, al incrementar la edad de los sujetos la puntuación total obtenida en el
inventario tienda a alcanzar un valor extremo máximo y después de ahí tienda a
decrementar hasta llegar también a un depresión máxima a partir de la cual la
tendencia vuelva hacia un repunte.

N
1.6.-FUNCIONES ADICIONALES INCLUIDAS EN EL
PROCEDIMIENTO ANOVA DE UN FACTOR A TRAVÉS DEL
COMANDO ONEWAY
ASPECTOS A RECORDAR

o La forma idónea de evaluar hipótesis en las que se considere la comparación


de más de dos condiciones o grupos es a través de la aplicación de un Análisis
Unifactorial de Varianza, puesto que esta es una técnica de análisis estadístico
que permite superar la ambigüedad que representa la estimación de
diferencias significativas cuando se hace más de una comparación.
o El análisis de varianza unifactorial se sustenta en la premisa de que la variación
total observada en la variable dependiente es producto de cambios producidos
por la variable independiente (varianza sistemática) y de variaciones
producidas tanto por variables extrañas como por eventos fortuitos.
o El análisis de varianza es una herramienta para dar respuesta a nivel cuantitativo
de sucesos que ocurren en la vida social, pues en ocasiones se plantean preguntas
que para su contestación se requiere la comparación de más de dos
condiciones utilizando un análisis unifactorial de la varianza, integrado en el
programa SPSS en el procedimiento ANOVA de un factor o ONEWAY.
o La función de los contrastes a priori es informar al investigador, antes de conocer
si todos los grupos difieren, la posible existencia de discrepancias entre dos
grupos o una combinación de grupos, por lo que la información obtenida por
medio de estos contrastes pierde su importancia cuando al realizar el análisis de
varianza se encuentra en éste, que los grupos incluidos en el análisis no difieren.
o Tanto el cálculo de la razón F como el procedimiento de comparaciones múltiples
se basan en el contraste de las medias de cada grupo, ya que la única información
que proporciona es si los grupos difieren, y en caso de que así sea, informan
además de cuales son los grupos que difieren.

EXAMEN MÓDULO

Elige la opción correcta que a complete adecuadamente la siguiente información:

las conclusiones acerca de la relación encontrada


entre las variables deberá limitarse única y
exclusivamente a los valores o niveles de la
variable independiente que se manejaron, y de
Respuesta 1
ninguna manera a otros no incluidos en el modelo fijo
estudio; es decir, no es posible generalizar a
valores intermedios no estudiados (interpolación)
ni a valores que estén fuera del rango de valores
incluidos (extrapolación).

I- permitirá hacer generalización de la


relación encontrada a todos los valores posibles
que abarca el rango de la variable independiente,
ya que teóricamente se supone que los valores
muestreados representan satisfactoriamente al MODELO
resto de valores contenidos en el rango. Sin ALEATORIO
embargo, aunque se haya utilizado un modelo
aleatorio, tampoco es recomendable hacer
generalizaciones a valores que estén fuera del
rango muestreado (extrapolación).
La forma de presentación de la tabla de estadísticos a través del procedimiento
ANOVA de un factor consiste en la frecuencia por grupo, la media, la desviación
estándar, el error, el intervalo de confianza del 95% y el valor mínimo y máximo
observado en cada grupo. El intervalo de confianza es un conjunto de valores en los
cuales es muy posible que caiga el valor de la media poblacional.

Responde si está afirmación es verdadero o falso:

¿El comando ONEWAY realiza un análisis de varianza en una variable dependiente


medida mínimamente con una escala de intervalo, requiriendo únicamente la
especificación de una variable independiente numérica con el propósito de definir los
grupos en lo que se llevará a cabo dicho análisis?

Verdadero

Es importante tener presente al tomar una decisión en base a los resultados obtenidos
por las comparaciones a priori, que estas se hacen tomando en consideración…

Elige la opción correcta que a complete adecuadamente el enunciado.

Seleccione una:

a. El peso que tiene el coeficiente elegido sobre las medias de los grupos incluidos en
el contraste.

En caso de que existan las condiciones para realizar un análisis de tendencias, ¿Qué
se necesita?

Seleccione una:

a. indagar, si el efecto de los valores o niveles de la variable independiente presentan


una tendencia lineal, cuadrática, cúbica, etc.,
Relaciona las pruebas de comparaciones múltiples y pruebas de rangos incluidas en el
SPSS según corresponda:

Tukey-b, S-N-k (Student-Newman-Keuls),


Duncan, R-E-G-W-F (prueba F de Ryan-
Respuesta 1
Einot-Gabriel-Welsch), R-E-G-W Q (prueba rangos
de rangos de Ryan-Einot-Gabriel-Welsch) y
Waller-Duncan.

Bonferroni, la diferencia honestamente Lineales


significativa de Tukey, Sidak, Gabriel,
Hochberg, Dunnett, Scheffé y LSD (DMS -
diferencia menos signficativa

Relaciona correctamente la siguiente información:

Se conceptualiza que la variación observada en la variable dependiente es el resultado


del efecto aditivo de sus componentes, esto es:

Vt = Vs + Ve

varianza de error originada tanto por eventos fortuitos Respuesta 1


como por variable aleatorias Ve

Respuesta 2
variación total observada en la variable dependiente Vt

cambios observados en la variable dependiente


debidos al efecto de la variable independiente
VS

(varianza sistemática)

Completa el siguiente texto:

La forma idónea de evaluar hipótesisen las que se considere la comparación de más


de dos condiciones o grupos es a través de la aplicación de un Análisis Unifactorial
de Varianza , puesto que esta es una técnica de análisis estadístico que permite
superar la ambigüedad que representa la estimación de diferencias
significativas cuando se hace más de una comparación .