Análisis de Covarianza

Diseño Experimental Clase 11

Análisis de Covarianza (ANCOVA)
• Extensión ANDEVA y regresión • Efecto de tratamientos (interacción) sobre variable respuesta, ajustado por efecto de covariable sobre variable respuesta • Controla efecto de covariable

Covariable
• Variable cuantitativa • Afecta todas UE • Relación lineal con variable respuesta • No puede ser manipulada
– Sí controlada

• No está correlacionada con variables independientes
– Tratamientos – Se mide antes de aplicar trat

Aplicaciones
1. Aumenta sensibilidad de prueba reduciendo el error que introduce la covariable 2. Ajustar valores esperados de variable respuesta si la covariable no existiera (o todos iguales) 3. Ajustar diferencias entre individuos asignados a unidades experimentales

ANCOVA
• Requiere:
– Variable respuesta (y) – Al menos un factor (a) – Al menos una covariable continua (x)

Supuestos
• No hay multi-colinearidad
– Covariables no están correlacionadas entre sí – r > 0.5, una de las covariables debe ser eliminada

• Covariable N~(0,σ) • Igualdad de varianzas
– Después de ajuste – Si existe antes, debe existir después

Error covarianza
• Se asume que covarianza no tiene error
– No es realista

• Error debe ser pequeño
– Mediciones simultáneas – No incluir bloque en medidas

Relación linear
• Relación entre variable respuesta y covariable
– Diferente para cada nivel de trat – Diferentes pendientes – Diferentes interceptos

Equal Slopes

1 0.0

2

3

4

5

0.2

0.4

0.6

0.8

1.0

Unequal Slopes

1 0.0

2

3

4

5

0.2

0.4

0.6

0.8

1.0

Equal Intercepts

0.5 0.0

1.0

1.5

2.0

2.5

3.0

0.2

0.4

0.6

0.8

1.0

Modelo Lineal
• Diferentes interceptos, misma pendiente yij

= µ + α i + β1 xij + ε ij

• Diferentes interceptos, diferentes pendientes

yij = µ + α i + β1 xij + β 2α xij + ε ij yij = µ + β1 xij + ε ij

• Interceptos y

Prueba Hipótesis
• Covariable usa 1 g.l. • Determina significancia
– Pendientes – Interceptos – Covariable

• Modelo permite predecirdescribir

Alternativas a ANCOVA
• Usar covariable define bloques • ANDEVA de bloques

Ejemplo
• Temperatura en tres zonas de la playa que difieren en cobertura boscosa • Se escogen cuatro puntos aleatorios por zona • Humedad (%) se mide en cuatro puntos
temp 40 52 41 30 34 48 46 39 36 36 35 31 humedad 85 95 69 58 41 74 71 52 41 34 50 40 zona 1 1 1 1 2 2 2 2 3 3 3 3

Df Sum Sq Mean Sq F value Pr(>F) humedad 1 313.910 313.910 29.196 0.001659 ** zona 2 100.270 50.135 4.663 0.060003 . humedad:zona 2 29.310 14.655 1.363 0.325083 Residuals 6 64.510 10.752 --Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

humedad zona Residuals --Signif. codes:

Df Sum Sq Mean Sq F value Pr(>F) 1 313.910 313.910 26.767 0.0008493 *** 2 100.270 50.135 4.275 0.0545976 . 8 93.820 11.728 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1