Professional Documents
Culture Documents
Anàlisi de covariància
· Es pot realitzar si obtenim informació sobre els valors d’una variable de confusió quantitativa
· S’aplica després de la realització de l’experiment, ajustant els resultats de l’ANOVA
mitjançant la introducció de la covariant en el model de regressió lineal corresponent
· Es pot aplicar fins i tot si la informació sobre la variable de confusió s’obté simultàniament o
després de fer l’estudi experimental
· No implica un canvi del disseny experimental utilitzat
entre aprentesis esta el resultat de la prova de raonament arimtetic (que crec que pot donar
diferencies individuals)
suma de quadrats dels tractaments: mes imprevisible el qe pot passar. en quest cas passa de
115 aprox a 167. sha incrementat la suma de quadrats en tractaments.
com s’interpreta?
mitjana per cada grup del numero. miajaes dque serveixen per fer laanlisi de la variancia
original. resultats (per condicions ambientals diferents -tractament- pero NO es nomes aixo!
pode altres coses explicarho en part) lllavors localitze una covariant (variable de confusio que
pt ser immportant) (diferencies inviduals en quant a raonament matematic) (si aquesta
covariant hagues estat reaprtida equitativament entre els tres gruos no ens importaria perquè
no afectaria a les diferències entre les mitjanes, però el cas es que la covariant no esta
repartida de manera repartida (mitjant les mitajnes). hi ha una certa concentracio de
puntuacions mes altres en el G2 que no en el G1 o G3. pot influir en les mitjanes)
quan faig lanalisi de covariancies es com si les corretgissim: com si fessim que el repartiment
desigual de la covariancia la corretgeixo. si aixo hagues estat aixi les mitajens de resultat series
les de la tercera fila. per aixo dime que son mitjanes corretgides.
mitjana de la covairanciant (dle numeor entre parentesis). introduim la covairant. fem
registres dauqesta (entre parentessis) mitajand e al covariant per cada un dels tres grups. (ho
he fet perque es vegi que la covariant no ha quedat repartida de maner aigual ente els 3 grups.
hi ha gups millor i pitjor)
despres es fa l’analisi de covariancia amb la covariant.
en el proces es fa vd corretgida: fer com si la covaruat quedes totalemtne qitativa entre els 3
grups (sabem que no es veritat)
per aixo la suma de quadrats de tractaments sha modificat.les diferencies entre grups del
prinicpi no son les mateixes que del final perque hsa fet la correcio de la covariant
puc veure que la covariant es estadísticament significativa, per al qual cosa la variable agafa
afecta/influeix.
faltaria mirar la magnitud de l’efecte
El més simple és utilitzar el nom general de “disseny de grups homogenis” o el nom “disseny de
blocs a l’atzar” i especificar el criteri d’homogeneïtzació
Cas n=1
· Cas d’estratificació a partir d’una
variable individual estable (coeficient
intel·lectual)
· Cas n = 1
· Novament es pot veure que els
nivells no són exactes, sinó que
inclouen un cert grau d’imprecisió
Cas n=4
· Mateix exemple anterior, però amb major
número de subjects disponibles
· Cas n = 4
aparellats: en casos de dos grups
EXEMPLE
faig estudi
reparteixo persones
divideixo en 3 nivells d’intel·ligència
veiem que l’impacte de la variable dep no es el mateix
segons els nivell
podem calcular les mitjanes de les A y podem fer una valoració de les
mitjanes → es a dir, l’efecte dels tractaments
podriem calcular tambe els resultats de la variable dep obtinguts → les
mitjanes de les files
cas n>1
Total = Tractaments + Nivells + (Nivells x Tractaments) + Intra-caselles
ANOVA: (similar al d’un disseny factorial de grups a l’atzar) Correcte tant per a un model
additiu com per al no additiu.
està el tio parlant com de unes taules molt xules, no se que de si hi ha interaccio o no etc i diu
que podem fer un grafic i interpretarlo
en el grafic sembla que no hi ha relació entre les variables dep i indep
→ en aquest cas no ens hauria de preocupar gaire
Per tal que aquesta anàlisi sigui correcta s’ha de complir la condició d’esfericitat de la matriu de
variàncies-covariàncies Alternativa: MANOVA
Condició esfericitat
Matriu variancies i covariancies
cas matriu temperatures
T1 T2 T3 T4
S1
S2
S3
S4
…
(temperatura per subjectes. puc calcular primer la variancia que hi ha sota cada condicio:
Matriu de variancies i covariancies és ? no ho he entes
- Diagonal variancia de cada tractament (temperatura)
- Resta de la matriu: covariancies
Condició d’esfericitat és:
condicio matriucial a partir d ela matriu de variancies i covariacnies, fent loperacio ens dona
una altra matiu que hauria de tenir certes caracteristiques. Funciona a traves de
comprovacions a partir doperacions matricials
Porves d’esfericitat:
- Mauchley
- John
Alternatives d’anàlisi en funció de la condició d’esfericitat
1. Si es compleix la condició d’esfericitat:
- ANOVA
- Anàlisi multivariable de la variància
2. Si no es compleix la condició d’esfericitat:
- ANOVA amb correccions (proves de Huynh-Feldt, Greenhouse-Geisser, o
altres, fan correcció dels graus de llibertat) (correcions sobre els graus de
llibertat)
- Anàlisi multivariable de la variància
Forma habitual de procedir: Fer les dues proves (ANOVA i MANOVA). Si els resultats
coincideixen no hi ha problema. Si no coincideixen, escollir en funció de si es compleix o no la
condició d’esfericitat (ANOVA si es compleix, MANOVA si no es compleix)
ANÀLISI ANOVA:
Com es compleix la esfercitat, mira la de esfericitat asumida!
Per què pot ser útil l’anàlisi multivariable de la variància en un disseny de mesures repetides?
- El MANOVA està pensat inicialment per analitzar els resultats d’un disseny
experimental multivariable (amb més d’una variable dependent), partint de la base que
els resultats de les diferents VD poden covariar (o sigui, estar correlacionats)
- En un disseny de mesures repetides (encara que només hi hagi una variable dependent)
també tenim resultats possiblement correlacionats, els dels mateixos subjectes que
passen per les diferents condicions. Per tant, el MANOVA també ens serà útil, encara
que alguns aspectes del càlcul siguin diferents dels propis dels dissenys multivariables
- Si tenim el cas d’un disseny de mesures repetides que també sigui multivariable,
hauríem de fer un MANOVA “doblement multivariable”, més complicat
més correlacionat estan els registres, mes tendencia a que es compleixi la esfericitat
1-6 tipus 1
6-12 tipus 2
pero segona variable de mesures repetides (totes les persones faran en 3 moments idferents
les 3 modalitats) (variable de grups i variable de mesures repetides ALHORA!)