TEMA 8.

ANÀLISI DE DADES DE MESURES REPETIDES

INTRODUCCIÓ

Dissenys de dades independents:

- Permeten analitzar l’efecte d’una variable independent per mitjà de la comparació de les respostes
donades pels subjectes que han estat assignats a les diferents condicions experimentals.
- Per a cada participant es disposa d’una sola observació, o mesura de la VD, obtinguda sota una
condició experimental o valor de la VI.

Disseny intra-subjecte o de mesures repetides:

- Per a cada participant es disposa de 2 o + observacions o mesures de la VD obtingudes sota
cadascuna de les diferents condicions experimentals o valors de la VI.
- Increment del control experimental (eliminació de variables estranyes).
- Vulneració del supòsit d’independència de les observacions.

- Una sola mostra de participants dels quals s’han enregistrat dues o més mesures que poden ser

variables categòriques o quantitatives.

Comparació: independència correlació de pearson

EXEMPLE: Es memoritzen més fàcilment els adjectius referits a persones o els referits a objectes?
COMPARACIÓ VERSUS RELACIÓ

Dissenys de mesures repetides o intra-subjecte → es disposa d’una sola mostra de participants dels quals
s’han enregistrat dues o més mesures que poden ser variables categòriques o quantitatives.

Condicions dels dissenys de mesures repetides:

 Nombre de mostres: disposar d’una sola mostra esdevé una condició necessària però no suficient.
No tots els estudis en els quals es valoren les diferents variables en una sola mostra constitueixen
dissenys de mesures repetides.

 Presència d’asimetria: les mesures repetides, ja siguin categòriques o quantitatives, constitueixen els

valors de la variable dependent que s’explicaran en funció de la variable independent.

o Aquesta variable és categòrica i els seus valors venen definits per les condicions sota les quals

es realitzen les mesures i pel nombre de les mateixes.

 Aspectes avaluats: tots els valors observats esdevenen mesures d’una mateixa variable i com a tals

estan expressats en la mateixa escala i les mateixes unitats de mesura.

 Comparació. Com a conseqüència de l’acompliment dels punts anteriors prendrà sentit la comparació
de les mesures realitzades sota les dues o més condicions.
Disseny de mesures repetides?

 Nombre de mostres: una mostra de 210 persones de més de 60 anys.

 Presència d’asimetria (canvi): té sentit explicar la presència/absència de dèficit en funció del tipus

memòria/llenguatge. No tindria sentit explicar el tipus de dèficit en funció de si està present /absent.
 Aspectes avaluats: la variable dependent és presència de dèficit valorada SI/NO.

 Comparació: Fruit de la comparació de la presència/absència dels dos tipus de dèficit es podrà

concloure si la presència de trastorn orgànic afecta per un igual a la memòria i al llenguatge o bé si
predomina l’afectació d’un dels dos.

o Conclusió: disseny de mesures repetides.

La matriu de dades podrà ser objecte d’una doble anàlisi: aplicació de la prova

d’independència per estudiar l’associació entre dèficit de llenguatge i dèficit de memòria i

aplicació de la prova de comparació per analitzar si ambdós tipus de dèficit son igualment
presents.

Disseny de mesures repetides?

 Nombre de mostres: una mostra de 10 nens de 12 anys.

  Presència d’asimetria (canvi): no es pot establir la presència d’una variable independent que defineixi

les condicions sota les quals s’han realitzat les observacions.

 Aspectes avaluats: no es pot considerar que s’hagi avaluat un únic aspecte. Els resultats d’un test de
raonament abstracte i els d’un test de manipulació de símbols no constitueixen mesures d’una mateixa

variable.
 Comparació: dues variables que no mesuren el mateix aspecte no són comparables.

o Conclusió: aquest estudi no respon a un disseny de mesures repetides.

o La matriu de dades només podrà ser objecte d’una anàlisi: aplicació de la prova

d’independència per estudiar la correlació entre raonament abstracte i manipulació de

símbols.

Pot ser una mica complicat de vegades detectar les subtileses dels diferents dissenys, és per això que
la regla general per decidir si estem davant d'un disseny de mesures repetides és detectar si es fan
diferents mesuraments d'una mateixa VD als mateixos subjectes. En cas contrari, o estarem en dissenys de
grups independents, o mesurant variables diferents.

COMPARACIÓ DE MITJANES

Si treballo amb les diferències, m’informa del sentit (signe) i la magnitud (quantitat).

Prova T :
Aquesta prova es fonamenta en la informació que proporciona la variable diferència D, resultat de calcular

per a cada subjecte la diferència entre els dos valors observats y1 , y2 en la variable resposta Y:

di =y1i –y2i

Mitjana de les diferències, aquesta m’informa de per una part s’obté un major rendiment en AD que

en psicobio per exemple.

La hipòtesi nul·la que es sotmet a prova és que a la població la mitjana de la variable diferència és igual a 0:

H0 : δ = 0 ; HE: δ ≠ 0

Anàlisi: aplicació d’una prova de conformitat comparant la mitjana de les diferències obtinguda a la mostra

( 𝑑̅ ) amb el paràmetre poblacional δ, que d’acord amb la hipòtesi nul·la serà igual a 0.

 Condicions d’aplicació: Si es compleix la condició de normalitat de la distribució de la variable

diferència o la mostra és gran (n ≥ 30), les mitjanes de les diferències seguiran llei normal amb

esperança matemàtica δ i variància 𝜎2.

 L’estimació de l’error estàndard vindrà donada per:

Prova T
Mitjana de les diferències / error
estándar

Farem cas a la última igualtat

Grau de significació P = 2 x Pr (tgl ≥ t ) ; Graus de llibertat = n-1 (l’ordinador ens donarà el p valor)

Grandària de l’efecte

Plantejament d’hipòtesis:

- H0: 𝛿 = 0 ; 𝛿 ≠ 0 En la població, la mitjana de les diferències és = a 0 (es recorden igual els subjectes

que les persones)

Estadístic de contrast

- Mitjana de les diferències: faig la mitjana de la fila on posa diferència 𝑑̅=1.53; sd =1.92; n=15

- Prova T:

- Decisió:
o Graus de llibertat 15 – 1= 14

o Grau de significació: p=0.008 (el grau de significació ens el donaran)

 o Rebutgem la hipòtesi nul·la amb un grau de significació 0.008. La mitjana de les diferències no

és igual a 0, la qual cosa equival a dir que les mitjanes de memorització no són iguals.

Conclusió
- Els dos tipus d’adjectius no es memoritzen per igual. És més fàcil la memorització dels adjectius referits
als objectes.

- Complementàriament podem calcular la correlació entre les dues mesures. El seu valor r = 0.54

(p=0.0387) posa de manifest la presència d’associació lineal entre les dues mesures.

ttest = fes-me la prova t // Paired = dissenys aparellats

mean (diff) ens diu com s’ha fet la mitjana !!!!
la mitjana de les diferències en la població es troba entre 0,47 i 2.60

Davant de l’incompliment del supòsit de normalitat, o bé si les dades són de naturalesa ordinal, la prova

adequada per a la comparació de dues mesures repetides seria la prova no paramètrica de Wilcoxon (1945).
COMPARACIÓ DE PROPORCIONS

Dissenys intrasubjectes: tots els subjectes passen per totes les condicions experimentals.

Plantejament: considerem un disseny de mesures repetides en el qual la variable dependent mesurada en

dues ocasions, sigui dicotòmica Sí/No; Èxit/Fracàs.....

- La VI també serà dicotòmica i les seves categories vindran establertes per les característiques de les

dues ocasions avaluades.

- L’efecte que la VI pugui tenir sobre els resultats s’avalua comparant les respostes obtingudes en les
dues ocasions.

- L’anàlisi estadístic per a comparar respostes dicotòmiques es basa en la submostra de subjectes les

respostes dels quals expressen un canvi.

Hipòtesi nul·la: igualtat de respostes en les dues situacions (en b i c, ambdues proporcions són iguals)
- Els canvis s’haurien d’explicar per efectes de l’atzar i conseqüentment s’haurien de donar per un igual

en les dues direccions, és a dir les freqüències b i c haurien de seguir la distribució equiprobable amb
valor de π = 0.5.

Prova de McNemar

En disenys intrasubjectes, quan hem de contrastar un hipòtesi de comparació, hem d’aplicar chi2, que en

aquest cas rep el nom de prova de McNemar

Aplicar d’una prova de χ2 per a comparar la distribució de freqüències observades b i c amb la distribució

esperada 50%, 50% que equival a valors esperats iguals a: (b+c)/2.

o (observats)
e (esperats)

Aquesta prova és equivalent a la prova z de conformitat que compara una proporció observada amb una

teòrica, amb la particularitat que la proporció teòrica sempre pren el valor π = 0.5.

C.A. → la suma de b+c sigui superior o igual a 10

En cas de vulneració de C.A. aleshores aplicarem una prova exacta, que está basada/fonamentada en la llei

binomial.
El que volem avaluar és: La proporció de dèficit de llenguatge i memòria és igual o diferent

El que veiem descriptivament: un 71% dels canvis que s’han produït son en persones que tenen déficit de

memòria contra (..). la diferència entre les dues proporcions, és atribuible a l’atzar o és que hi ha ..?

 Plantejament d’hipòtesis
- H0: πDL = πDM
 En la mostra hi ha 126 pacients que presenten dèficit només en un dels aspectes avaluats.

 Conclusió: rebutgem que a la població els dos tipus de dèficit es presentin amb la mateixa freqüència

(p<0.0005). Atenent als valors observats podem concloure que el dèficit de memòria és més freqüent que

el de llenguatge.
- Dels 126 pacients que només presenten dèficit en un dels dos aspectes avaluats, el 71.43% (90/126)

presenten dèficit de Memòria i un 28.57% (36/126) presenten dèficit de Llenguatge.

La prova de McNemar aplicada és equivalent a realitzar una prova Z per a comparar una de les dues
proporcions observades al valor de π = 0.50, que es correspon al valor de π sota la hipòtesis nul·la. El resultat

es troba en la taula següent:

 Convé recordar l’equivalència entre la prova z i la provaχ2 quan gll=1:Z2 = 4.81072 = 23.14=χ2

RECORDA!!
Hipòtesi de Relació → Pearson (aquí vindira a ser el chi 2)
Hipòtesi de Comparació → t student

Prova Exacta. Llei Normal

(no entra a examen)

L’únic que hem de saber és que: en cas que es vulnerin les condicions d’aplicació en la prova de McNemar,

s’aplica una prova exacta, fonamentada en la llei normal

Situacions on s’observen pocs canvis: podria donar-se el cas que la submostra d’anàlisi no complís les
condicions de mostra gran.
Atesa la particularitat que π pren el valor 0.5, la condició de mostra gran es compleix si [n = (b+c)]≥ 10.
- En cas de no complir-se aquesta condició caldria recórrer a l’aplicació de la prova basada en la llei
binomial. A continuació es presenten els resultats emprant les mateixes dades de l’exemple anterior.

En aquest cas la prova binomial ens calcula directament el grau de significació, és a dir, la probabilitat de
trobar 90 o més casos que compleixen el criteri Sí/No en una mostra de 126 provinent d’una població amb
el 50% de respostes Sí/No i el 50% de respostes No/Sí. Aquesta probabilitat és igual a 0.000001. Atesa la
simetria de la distribució aquesta probabilitat és la mateixa que trobar 36 o menys casos que compleixin el
criteri No/Sí. D’aquí que el grau de significació bilateral sigui 0.000002
Examen:

Cauran preguntes de lectures (dossier que acompanya les diapos).