Ejercicios y Explicación de MANOVA

Manuel Miguel Ramos lvarez
Curso de Recursos Metodolgicos y Estadsticos
X-1
UNIVERSIDAD DE JAN
Material del curso Recursos metodolgicos y estadsticos para la

docencia e investigacin
ndice
M
A
X
U
T
P
L
E
L
T
R
A
L
C
V
A
A
C
R
A
N
D
A
C
O
N
MA
AT
X E
EX
XP
MU
UL
MA
AN
NO
OV
VA
A
TE
PL
LT
ER
LIIIC
TIIIV
RIIIA
AL
LX
CA
VA
AC
AR
CIII
RIIIA
N
AD
NM
DA
AC
CO
ON
NM
10. Acercamiento con el fin explicativo: anlisis de diferencias ANOVA/MANOVA-. ............. 2

10.1.
Bases de ANOVA. Extensin de la lgica del contraste de hiptesis a la comparacin
de ms de dos medias................................................................................................ 2
10.2.
Anlisis Multivariado de Varianza (MANOVA) y de Covarianza (MANCOVA) para
investigaciones Experimentales y Cuasiexperimentales ................................................... 8
10.2.1.
Bases conceptuales ................................................................................ 8
10.2.2.
Anlisis detallado frente al anlisis Global mediante Contrastes Multivariados . 9
10.2.3.
Generalizacin al Diseo Intrasujetos o de medidas repetidas..................... 10
10.2.4.
Generalizacin al Diseo Factorial........................................................... 12
10.2.5.
Generalizacin a los diseos Factoriales que incluyen variables Intrasujetos. 13
10.2.6.
Diseos que incluyen Covariados: ANCOVA y MANCOVA. ........................... 15
10.2.7.
Supuestos del anlisis multivariado de varianza y covarianza ..................... 17
10.3.
Opciones de MANOVA en R .......................................................................... 19
10.4.
Realizacin de los supuestos de prcticas....................................................... 20
10.4.1.
Ejemplificacin del anlisis tipo MANOVA mediante Statistica...................... 21
10.4.2.
Ejemplificacin del anlisis tipo MANOVA mediante SPSS/PASW.................. 22
X-2
10. Acercamiento con el fin explicativo: anlisis de diferencias

ANOVA/MANOVA-.
10.1. Bases de ANOVA. Extensin de la lgica del contraste de
hiptesis a la comparacin de ms de dos medias
A) La lgica general del anlisis
Dos fuentes de variacin:

La de Tratamiento es del tipo Entre, una fuente sistemtica primaria
segn el esquema de Kish (A).
El Error es del tipo Intra, una fuente de variacin Aleatoria en el
esquema de Kish (variaciones de los sujetos dentro de la variable
independiente: S/A). Tambin se entiende como residual, lo que queda
en el modelo tras haber especificado todas las fuentes sistemticas.
En cuanto a los cmputos:
1. Calcular las Sumas de Cuadrados (SC) asociadas a estas dos fuentes.
2. Concretar los grados de libertad (gl o smbolo nu: ) asociados a cada
una de las fuentes.
3. Obteer las Medias de Cuadrados (MC) al dividir las SSCC entre sus
grados de libertad. Slo son relevantes la MC Entre y MC Intra.
4. A partir de la divisin entre las dos MMCC bsicas se obtiene el
estadstico de contraste Fk; que se distribuye segn el modelo de
distribucin F-Snedecor segn los parmetros: alfa, grados libertad
numerador y grados libertad denominador.
5. Incluir la medida de estimacin del efecto de tratamiento, cociente
entre la SC de tratamiento y la Total.
6. En la parte inferior se especifica el nivel de significacin alfa con el
que se adoptarn las correspondientes decisiones (los ms usuales
son un 0,05 un 0,01).
Tabla resumen del ANOVA para organizar dicha informacin:
Reducc .
Err. AMP
Error
AMP
Error
COM
FUENTE SC gl ( ) MC
Entre
(Trat.)
a-1
Intra
(Err.)
N-a
Total
Fk
MCEntre
MCIntra
SCEntre
SCTotal
p( Fk )
Fk
MCEntre
MC
RPE / gl
(1 RPE ) / gl
SCR
SCE (COM )
N-1
*p
Supuesto M3
Analizar Comparar medias ANOVA de un factor
Dependientes: Exam, Social, Estrs. Factor: Grupo;
Opciones Descriptivos, Prueba de Homogeneidad,
Brown-Forsythe, Welch, Grfico de las medias
Continuar Aceptar
StatisticsANOVA One-way ANOVAOK
Dependent: Exam, Social, Estrs, Categorical: Grupo OK
Pestaa More Results Pestaa Means Observed
unweighted Pestaa Assumptions Levenes test &
Normal p-p SummaryUnivariate results
Interpretacin Univariada:
X-3
B) Anlisis detallado frente al anlisis Global mediante Contrastes

El anlisis detallado de comparaciones viene dado por la descomposicin de la SC de
tratamiento. El estadstico de contraste vuelve a ser un cociente entre el efecto de tratamiento
y el error, slo que en este caso el efecto de tratamiento se concreta en algn contraste
especfico. En definitiva, el estadstico de contraste adoptara la ecuacin:
Razn Efecto
Ef Contraste Ef residual
Variabilidad
2 F ; E
Ef residual
Variabilidad Error
E
E
Definicin: Un contraste es un conjunto de coeficientes ponderaciones- que permitan

descomponer la variacin total en funcin de hiptesis especficas. Han de ajustarse a las
propiedades:
Al menos dos de los coeficientes sern no nulos, o sea, dichos coeficientes han de comparar
dos conjuntos de informacin. Esto no implica que slo puedan aparecer dos medias en el
contraste, sino que hay que reagruparlas para reducirlas a la comparacin de dos trminos.
La suma de los coeficientes ha de ser cero a travs de todos los niveles de la variable
independiente sobre la que se aplican.
Variantes del anlisis detallado
El anlisis detallado en realidad se puede enfocar, a su vez, a travs de tres variantes;
dependiendo de los objetivos tericos especficos:
Anlisis de contrastes a priori -planeados-, guiado por hiptesis concretas.
Anlisis de tendencias, segn hiptesis que especifican una relacin entre vi-vd.
Anlisis de contrastes a posteriori no planeados-. Un enfoque de anlisis exhaustivo que
pretende analizar toda la informacin contenida en los datos y que por tanto no viene
guiado por hiptesis especficas.
B.1 Anlisis de Tendencias
Adaptado a partir del Cuadro 9.10 de Ramos, M.M.; Catena, A. y Trujillo, H. (2004). Manual
de Mtodos y Tcnicas de Investigacin en Ciencias Del Comportamiento. Madrid: Biblioteca Nueva.
LINEAL
20
CUADRTICA
20
-Orde n 1: 0 P I-
CBICA
20
-Orde n 2: 1 P I-
15
15
15
15
10
10
10
10
a1
a2
a3
a4
a5
a1
a2
a3
a4
a5
CURTICA
20
-Orde n 3: 2 P I-
-Orde n 4: 3 P I-
0
a1
a2
a3
a4
a5
a1
a2
a3
a4
a5
Lineal (orden 1). El parmetro 1 tiene por objeto representar cualquier lnea recta o
relacin lineal. La vi va elevada a la primera potencia y es por lo tanto de orden 1, sin
cambios en la direccin de la tendencia (0 PI).
Cuadrtico (orden 2). La inclusin de X en el modelo permite que Y aumente
sistemticamente conforme X se aleja de algn punto central del eje X ya sea en una
direccin o en la otra. La cual puede tener un signo. Al elevar X a la segunda potencia, hay
un cambio de direccin en la curva (1 PI).
Cbico (orden 3). La inclusin de la tercera potencia permite que Y primero disminuya,
despus aumente y de nuevo vuelva a disminuir conforme X va aumentando. Entonces hay
dos cambios de direccin (2 PI).
En general, a-1-rtico (orden a-1), este mismo patrn se puede generalizar para cualquier
valor de a. Si X es elevado a alguna potencia p, la curva asociada con XP tiene contenidos p1 puntos de inflexin.
X-4
B.2. Anlisis a Posteriori

El objetivo es analizar de manera exhaustiva o pormenorizada toda la informacin. Para
esto, se comparan todos los niveles por pares [c=a(a-1)/2 comparaciones simultneas en
total].
Se plantea el contraste como si fuera planeado pero la F emprica obtenida no se contrasta
con la F terica que le correspondera, F; 1; N-a sino con una F terica que tenga en cuenta el
nmero de comparaciones simultneas que se realizan, o bien corrigiendo el nivel de
significacin mediante un razonamiento probabilstico (la desigualdad de Bonferroni,
pcew/c) o bien estimando la F terica con alguna de las pruebas especficas que se han
construido a tal fin.
Dunn-Bonferroni
F F
DB
Newman-Keuls:
Tukey:
Scheff:
. pc
1;
2
r
q
2
q a2
FT
2
FNK
FS (a 1) FOMNIBUS
La nica diferencia entre un diseo EG y uno IS reside en los grados de libertad del error,
que seran N-a en el primero de los dos diseos y n-1 en el segundo.
Supuesto M3 (A
Posteriori)
Analizar,
Comparar
medias Contrastes
Post hoc Bonferroni,
Tukey Continuar
Aceptar
StatisticsANOVA
More Results Pestaa
Post-hoc
Tukey
HSD Bonferroni.
Interpretacin:
(Comparar las tres tcnicas):
Desviacin. Todas las categoras se comparan

con la media total.
Simple: Cada categora excepto la ltima, se
compara con la ltima categora.
Diferencia: Cada categora excepto la primera,
se compara con la media de las categoras
anteriores.
Helmert: Cada categora, excepto la ltima, se
compara con la media de las categoras
posteriores.
Repetido: Cada categora excepto la primera,
se compara con la categora anterior.
Polinmico: Comparaciones de tendencia:
lineal, cuadrtica
Especial. Utilizar la instruccin CONTRAST
seguida de la especificacin especial.
C) Resumen del Modelo
Bien a travs de Intervalos Confidenciales, bien a travs de las estimaciones de la

potencia Estadstica.
Para estimar la potencia estadstica nos basaremos en RPE como medida del efecto de
tratamiento, o mejor la medida ajustada, y a partir del mismo buscaremos en las curvas
de potencia o mediante un programa especializado.
INTERVALOS CONFIDENCIALES
Supuesto M3
Se obtienen con la opcin de estadsticos
de los anlisis bsicos
Interpretacin:
POTENCIA
Supuesto M3
Statistics Power Analysis Power Calculation Several Means,
1-Way (Planned Contrast) OK ; N: 10; N Groups: 3; Alpha:
0,05 RMSSE: 4,35889 (Botn Calc. Effects, Sigma: Raiz(MCE)=
0,99) OK Calculate Power start N: 10; End N: 100 Power
vs. N; Power vs. RMSSE; Power vs. Alpha
Opciones del programa Statistica:
Power Calculation.
Sample Size Calculation.
Interval Estimation.
Probability Distributions.
X-5
D) Generalizacin al Diseo Factorial

D.1. ANLISIS GLOBAL
Tabla resumen del ANOVA:

Error
COM
Reducc
Err.SAT
Reducc
Err.
AMP1
FA
MCA
MC
RPE / gl
FUENTE
SC
MC F 2 p
(1
RPE ) / gl
TOTAL
abn-1
Entre
ab-1
j
A (Principal)
a-1
SCRA
A2
k
B (Principal)
b-1
(COM A )
SC
E
j(k) AxB (Interacc)
(a-1)(b-1)
ij
Intra(o S/AB)
ab(n-1)
*p < 0,05
**p < 0,01
Error
SAT
Supuesto M3.2
Analizar Modelo Lineal General Univariante Dependiente:
Exam, Factores fijos: Grupo, TiemSufr; Graficos, Opciones y Guardar
(seleccionar las ms bsicas y las asociadas a la Potencia)
Continuar Aceptar (repetir con las otras dos var. Dep.: Social, Estrs)
Statistics Advanced Linear/Non Linear GLMDependent: Exam;
Categorical pred: Grupo-TiemSufr OK More Results
Summary All Effects/GraphsDescriptive Cell StatisticsPestaa
Assumptions.
Para Potencia:
Statistics Power Analysis Several Means, ANOVA, 2-Way
Primero Calc.Effects (Sigma es la Raiz de la MCError) y entonces la
potencia.
Repetir con las otras dos var. Dep.: Social, Estrs
Interpretacin:
D.2. ANLISIS DETALLADO
Como en las situaciones unifactoriales, tambin aqu ser lo ms frecuente plantear

hiptesis mucho ms concretas que las del ANOVA global.
Se trata de adaptar las tcnicas de anlisis detallado (anlisis de comparaciones a priori,
anlisis de tendencias o anlisis de comparaciones a posteriori) al diseo factorial.
nicamente la interaccin impone nuevos conceptos pues los efectos principales nos
remiten a diseos unifactoriales.
X-6
A. PERSPECTIVA DE DE EFECTOS PRINCIPALES

a1
a2
a3
b1
b2
b3
X
X
B : b1 b 3
A : a1 a 2
Analizar, Modelo Lineal General,

Univariante Contrastes sobre la
variable Grupo (que por defecto
an no tiene definido ningn
contraste) y seleccionar en la lista
desplegable inferior el tipo deseado
de contraste, en el ejemplo Helmert
y
Cambiar,
entonces
botn
Continuar y Aceptar.
Interpretacin:
(tener presente que es sobre el efecto
principal de una nica variable)
Analizar, Modelo Lineal General,

Univariante Post Hoc sobre la
variable Grupo, Marcar la opcin
Bonferroni asumiendo varianzas
iguales,
entonces Continuar y
Aceptar.
Interpretacin:
(tener presente que es sobre el efecto
principal de una nica variable y la
interpretacin a posteriori o exhaustiva).
X-7
B. PERSPECTIVA DE DE EFECTOS SIMPLES

Direccin A en bk
MiniANOVA
Efectos simples
Anlisis detallado
Efectos simples
A : a1 a 2
A en b1
A en b1
X
a1
a2
a3
b1
b2
b3
A en b2
A en b2
B en a2
B en a1
X
X
X
X
X
X
B en a1
B en a2
A en b3
A en b3
B en a3
X
X
X
MiniANOVA
Efectos simples
B en a3
Anlisis detallado
Efectos simples
B : b1 b 3
Direccin B en aj
El problema es que SPSS est por completo orientado al anlisis de efectos principales y por
lo tanto hay que emplear una estrategia de seleccin para el anlisis de efectos simples.
En el caso de A en b1
Datos
Seleccionar Casos
Si se satisface la condicin:
Si
Grupo=1
Continuar
Para el MiniANOVA, igual que en el ANOVA global
pero sin la variable de agrupamiento
Para un Contraste, igual que en el MiniANOVA pero
restringiendo la variable agrupam nicamente a los
dos que estn implicados en el contraste.
Interpretacin:
Efectos simples de las dos capas implicadas.
Mes en Tipo1
Mes en Tipo2
X-8
10.2. Anlisis Multivariado de Varianza (MANOVA) y de Covarianza

(MANCOVA)
para
investigaciones
Experimentales
y
Cuasiexperimentales
10.2.1.
Bases conceptuales
MANOVA es la extensin del anlisis de varianza (ANOVA) cuando se mide en ms de

una variable dependiente y stas estn relacionadas entre s. La variable independiente
es no mtrica (variable nominal) y las dependientes son mtricas. Para analizar datos de
investigaciones experimentales en los que se manipula alguna variable independiente al
menos y se quiere constatar su efecto sobre las variables dependientes.
Por ejemplo, para examinar el efecto de un conjunto de programas teraputicos
de ansiedad, sera lgico aplicar cada programa a un grupo diferente de sujetos,
y adems medir mediante cuestionarios varios aspectos de la ansiedad: la
ansiedad ante los exmenes, en situaciones sociales y ante eventos estresantes.
El anlisis se realiza sobre variables creadas a partir las dependientes, sobre los
variados y as usar ms informacin para tomar decisiones que ANOVA y de forma ms
econmica o directa, con mayor sensibilidad y permitiendo seleccionar lo ms relevante
de las medidas (determinar la importancia de cada variable dependiente en el efecto
observado).
Luego sirve para analizar diseos estrictamente Multivariados pero tambin para diseos
con medidas repetidas (o variables intrasujetos).
Bases Conceptuales
Se contrasta una sola hiptesis: que las medias de los g grupos son iguales en las p
variables dependientes, que los g vectores de medias de grupo -llamados centroidesson iguales:
11 21 31
H 0 : 12 22 32
Que equivale a H 0 : ( 1 2 3 )
13
23
33
G1
G2
G3
H1 : Al menos dos difieren

donde las k son las medias de cada tratamiento en el variado.
Lgica general del anlisis:
La aproximacin univariada tratara los datos realizando un anlisis de cada variable
dependiente por separado. El estadstico de contraste es una razn F entre una
variabilidad Entre (el efecto del tratamiento) y una variabilidad Intra (el Error). Por
ejemplo para 3 var.dep. tenemos que adoptar tres decisiones.
La aproximacin multivariada contrasta simultneamente las diferencias sobre las tres
variables dependientes.
Supuesto M3
Analizar Modelo Lineal General Multivariante
Dependientes: Exam, Social, Estrs. Factores fijos: Grupo;
Opciones Descriptivos, Prueba de Homogeneidad, BrownForsythe, Welch, Grfico de las medias Continuar Aceptar
StatisticsAdvanced Linear/ General Linear ModelsOK
General Linear Models Variables Dependent: Exam,
Social, Estrs, Categorical: Grupo OK Pestaa More
Results Pestaa Means Observed unweighted Pestaa
Assumptions Levenes test & Normal p-p & Box M
Summary: seleccionar Multivariate Tests parte inferior: Pillais,
Hotellings; Roys Test All Effects
Estadsticos Multivariantes
Lambda de Wilks y aproximacin
F de Rao ().
Traza de Pillai-Bartlett (T).
Raz caracterstica (mxima) de
Roy
con
estadstico
F
aproximado.
T2 de Hotelling-Lawly y Traza
Hotelling-Lawly
generalizada.
Aproximacin 2 de Tiku.
X-9
Fase de Resumen del modelo

Obtencin de la potencia del efecto y de la magnitud del efecto (razn de correlacin
ajustada). Para los detalles ver el manual de Catena, Ramos y Trujillo (2003) y Ramos,
Catena y Trujillo (2004).
Conclusin: Decisiones sobre el estadstico ms adecuado.
A veces producen resultados diferentes y con un estadstico se rechace la hiptesis nula,
mientras que con otro no pueda rechazarse. Solamente coincidirn con 1 variable
dependiente o 2 grupos.
El ms adecuado depende de los intereses especficos del investigador, cul le sea ms
cmodo de interpretar y le proporcione resultados significativos.
En general, segn la investigacin Montecarlo la traza de Pillai-Bartlett, T y son los
estadsticos ms apropiados y la Raz de Roy el ms incompleto.
Cuando podemos rechazar la hiptesis nula con cualquiera, la eleccin es irrelevante en
la prctica y tcnicamente seleccionar el de mayor potencia o el de mayor magnitud
efecto.
10.2.2. Anlisis detallado frente al anlisis Global mediante Contrastes

Multivariados
Una vez que el MANOVA global ha resultado significativo, se realizan los contrastes que
concreticen los niveles de la variable independiente que producen las diferencias.
Es una suma ponderada de centroides, especficamente: =CM= ci11+ ci22+...+ cikk,
El estadstico de contraste es el anlogo multivariado de la t de Student, la T2 de
Hotelling.
En los programas de anlisis:
o SPSS no proporciona una forma sencilla de realizar estos contrastes y se hara
seleccionando grupos selectivamente como vimos en el repaso de conceptos
bsicos [Datos -> Seleccionar casos -> Si se satisface la condicin -> Si:
Grupo<3 -> Continuar -> Aceptar]. Esta secuencia crea una nueva variable
Filter_$ que adjudica 1 a los casos que sern analizados y 0 a los que sern
excluidos del anlisis. A continuacin realizamos el anlisis multivariado como
hemos indicado ms arriba.
o Pero esta perspectiva no es adecuada ya que no permite manejar el Error Global.
Para ello sera preferible un programa alternativo como Statistica.
Son aplicables los conocimientos bsicos de contrastes (ver el repaso), se pueden hacer
a pariori, de tendencias o a posteriori. A posteriori lo ms conveniente es efectuar los
contrastes requeridos como a priori y corregir el nivel de significacin segn Bonferroni.
Supuesto M3
Datos -> Seleccionar casos -> Si se satisface la condicin -> Si:
Grupo<3 -> Continuar -> Aceptar
Analizar Modelo Lineal General Multivariante Dependientes:
Exam, Social, Estrs. Factores fijos: GRUPO; Opciones
Descriptivos, Grfico de las medias Continuar Aceptar
StatisticsAdvanced Linear/ General Linear ModelsOK General
Linear Models Variables Dependent: Exam, Social, Estrs,
Categorical: Grupo OK Pestaa More Results Pestaa Planned
comps Specify Contrasts for LS means 1; -1;0 OK Compute
Pestaa Planned comps Contrasts for LS means
Polynomial Linear OK Compute
Interpretacin:
10.2.3.
X-10
Generalizacin al Diseo Intrasujetos o de medidas repetidas
El anlisis de medidas repetidas se basa en una descomposicin ortogonal de la variabilidad

y en la obtencin de puntuaciones de diferencias, que es la forma de neutralizar en ANOVA
la correlacin inherente a este tipo de diseos.
Por lo dems, hay que obtener el mismo tipo de trminos que vimos en las bases y
trabajando sobre contrastes.
La tabla completa de ANOVA

2 P
SC
Gl
MC
F
FUENTE
TOTAL
N-1
EnreSuj
n-1
IntraSuj
n(a-1)
A
(a-1)
j
AxS
(a-1)(n-1)
MCA / MCAxS*
ij
*p < 0,05 **p < 0,01
El estadstico de contraste era:
FA
MC A
SC A /(a 1)
; F( a 1);( a 1)( n 1)
MC AxS SC AxS /(a 1)(n 1)
Que, dada la problemtica con el supuesto de esfericidad, se puede analizar segn una de dos
aproximaciones:
A) Aproximacin Geisser-Greenhouse para estimar la F terica. Se aplica una correccin a
los grados de libertad.
B) Basada en Estadsticos de anlisis Multivariante
Es decir, la aproximacin multivariada de por s es la mejor a este tipo de diseos,

independientemente de que el investigador quisiera abordarlo desde esta perspectiva o
no.
EN EL ANLISIS DETALLADO
Hay que estimar un trmino error especfico para cada anlisis, que se entiende como la
interaccin de los tratamientos por el contraste ( A xS ).
Las pruebas a posteriori se generalizan perfectamente a partir del diseo bsico
Entregrupos:
Dunn-Bonferroni
Newman-Keuls
Tukey
pc
FNK
FT
Scheff
F1; ; Donde pc
q 2r ;
2
q 2a ;
EW
c
y c
a (a 1)
2
; r es el rango, entre 2..a.

; para r mximo.
2
(n 1) si no hom ocedas.
(a 1)(n 1) si hom ocedas.
FS (a 1) F( a 1);( a 1)( n 1)
10
Supuesto M3.1, Tendencias:

Analizar Modelo lineal general medidas repetidas
Nombre del factor: Ensayos, nmero de niveles: 3, Aadir;
Nombre de la medida: Depend Definir Variables intrasujetos: E10, E50, E500 Contrastes: Polinmico
Cambiar Aceptar
Statistics Advanced Linear/ GLM GLM Variables:
Dependent: E10, E50, E500 OK Within Effects: No. Of
levels: 3; Factor Name: Ensayos OKOK Pestaa
More Results Pestaa SummaryWithin effects: Multiv
tests, G-G and H-F, Sphericity Test.Pestaa Planned
comps Specify Contrasts for LS means Polynomial
Linear OK Compute
Post Hoc para el anlisis a posteriori
X-11
Interpretacin:
(Contemplar la problemtica supuesto esfericidad y
comparar estrategias correctoras con Multivariado):
Ejemplificacin de los cmputos para obtener de Wilks en un diseo de medidas repetidas de

un solo factor.
11
10.2.4.
X-12
Generalizacin al Diseo Factorial.
La generalizacin sigue la ecuacin general Univariada:

SCTOTAL=SCA+SCB+SCAxB+SCERROR INTRA
En Multivariado: la ecuacin queda como:
T=HA+HB+HAxB+W,
H matrices de sumas de cuadrados y productos cruzados de efecto
W la de sumas de cuadrados y productos cruzados error.
Habr que computar tres estadsticos de contraste, uno para cada efecto principal, cada
factor, y otro para su interaccin.
Supuesto M3.2
Analizar Modelo Lineal General Multivariante
Dependientes: Exam, Social, Estrs. Factores fijos: Grupo,
TiemSufr Aceptar
Aadir las consideraciones vistas ms atrs
StatisticsAdvanced Linear/ GLMOK GLM
Variables Dependent: Exam, Social, Estrs, Categorical:
Grupo - TiemSufr OK Pestaa More Results Pestaa
Means Observed unweighted Pestaa Assumptions
Levenes test & Normal p-p & Box M Summary: seleccionar
Multivariate Tests parte inferior: Pillais, Hotellings; Roys Test
All Effects
Interpretacin:
Realice el anlisis global Multivariado frente a
Univariado.
Realice el anlisis detallado de contrastes tanto

para efectos principales como para efectos
simples.
Realice un anlisis relacionado con la fase de

resumen del modelo.
12
X-13
10.2.5. Generalizacin a los diseos Factoriales que incluyen variables

Intrasujetos.
SPSS proporciona dos tipos de anlisis:

o uno multivariado para los factores repetidos (los ensayos de entrenamiento)
o Otro univariado para los factores entre grupos (la prctica).
Respecto al anlisis detallado de efectos simples:
o Cuando consideremos los efectos del factor entre grupos en cada nivel del factor
repetido debemos emplear ANOVA,
o Cuando analicemos los del factor intra sujeto en cada grupo debemos emplear
MANOVA.
Supuesto M3.3, Factorial Intrasujetos:

Analizar Modelo lineal general medidas repetidas Nombre
del factor: Ensayos, nmero de niveles: 3, Aadir; Nombre del factor:
Prctica, nmero de niveles: 2, Aadir; Nombre de la medida: Depend
Definir Variables intra-sujetos: E10_Mas, E10_Dis, E50_Mas,
E50_Dis, E500_Mas, E500_Dis Contrastes: Polinmico
Cambiar Aceptar
Dependent: E10_Mas, E50_Mas, E500_Mas, E10_Dis, E50_Dis,
E500_Dis, OK Within Effects: No. Of levels: 2; Factor Name:
Practica, No. Of levels: 3; Factor Name: Ensayos OKOK
Pestaa More Results Pestaa SummaryWithin effects: Multiv
tests, G-G and H-F, Sphericity Test.Pestaa Planned comps
Specify Contrasts for LS means Polynomial Linear OK
Compute
Tener presente que en Statistica la primera variable
Interpretacin:
Univariado.

simples.

resumen del modelo.
intra que se define es la que cambia ms rpido y

as sucesivamente con las restantes.
Supuesto M3.4, Factorial Mixto:

Analizar Modelo lineal general medidas repetidas Nombre
del factor: Ensayos, nmero de niveles: 3, Aadir; Nombre de la
medida: Depend Definir Variables intra-sujetos: E10_Mas,
E50_Mas, E500_Mas; Factores inter-sujetos: GrupoPrac
Contrastes: Polinmico Cambiar Aceptar
Dependent: E10_Mas, E50_Mas, E500_Mas; Categorical pred:
GrupoPracOK Within Effects: No. Of levels: 3; Factor Name:
Ensayos OKOK Pestaa More Results Pestaa
SummaryWithin effects: Multiv tests, G-G and H-F, Sphericity
Test.Pestaa Planned comps Specify Contrasts for LS
means Polynomial Linear OK Compute
Interpretacin:
Univariado.

simples.

resumen del modelo.
13
X-14
REPASO DE ANLISIS FACTORIAL EN DISEOS INTRASUJETOS

TOTAL
N-1
Intra
N-n
Entre
n-1
A
a-1
AxS
(A-1)(N-1)
B
b-1
AxB
(A-1)(B-1)
BxS
(b-1)(n-1)
jk
FAxB
AxBxS
(A-1)(B-1)(N-1)
Efectos principales:
FA
MC A
SC A /(a 1)
;
MC AxS SC AxS / a 1 n 1
F( a 1);( a 1)( n 1) o F1;( n 1)
FB
MCB
SCB /(b 1)
;
MCBxS SCBxS / b 1 n 1
F( b 1);(b 1)( n 1) o F1;( n 1)
La interaccin:
MC AxB
SC AxB /(a 1)(b 1)
;
MC AxBxS SC AxBxS /(a 1)(b 1)(n 1)
F( a 1)(b 1); ( a 1)( b 1)( n 1) o F1;( n 1)
REPASO DE ANLISIS FACTORIAL EN DISEOS MIXTOS

TOTAL
N-1
Intra
N-an
Entre
an-1
A
a-1
S/A
A(N-1)
BxS/A
b-1
a(b-1)(n-1)
AxB
(A-1)(B-1)
jk
Efectos principales:
MC A
SC A /(a 1)
; F( a 1);a ( n 1)
MC S / A SC S / A / a(n 1)
MCB
SCB /(b 1)
FB
; F( b 1); a (b 1)( n 1) o F1; a ( n 1)
MCBxS / A SCBxS / A / a(b 1)(n 1)

FA
La interaccin:
FAxB
MC AxB
SC AxB /(a 1)(b 1)
;
MCBxS / A SCBxS / A / a(b 1)(n 1)
F( a 1)( b 1); a ( b 1)( n 1) o F( a 1); a ( n 1)
14
10.2.6.
X-15
Diseos que incluyen Covariados: ANCOVA y MANCOVA.

A) BASES CONCEPTUALES: ANCOVA
La pregunta clave es: Qu puede mejorarse ahora respecto del ANOVA, al incluir el
covariado? En primer lugar, decir que es importante determinar si se puede conseguir
una disminucin del error usando ANCOVA. Si la variable extraa no correlaciona con la
variable dependiente, la inclusin de aquella es innecesaria e inadecuada
La ecuacin estructural como modelo de un ANCOVA bsico es:
Yij j ( Z ij Z ) i ( j )
Aadimos la variable extraa Z; pero entendindose que se trata de una variable

continua diferente de alfa, que corresponde al tratamiento. Se introduce con la intencin
de descontar su influencia sobre la variable dependiente.
El efecto del tratamiento (j) ser la diferencia entre las medias de tratamiento
corregidas en funcin de lo que de esa diferencia pueda predecirse desde la covariable;
o sea:
j Y j Y Z j Z
A su vez, la estimacin de la pendiente ya la conocemos sobradamente, que en este

contexto se obtiene a partir de:
SPYZ
SCZ
La ecuacin bsica es: SPTOTAL = SPENTRE + SPINTRA:
Z Yij Y n j Z j Z Y j Y Z ij Z j Yij Y j
j
j
i
ij
SPT ( ZY )
SPEntre ( ZY )
SPIntra ( ZY )
El paralelismo con ANOVA se mantiene tambin en las sumas de productos. La Tabla

resumen queda, pues:
gl ( )
Fuente
SC(Adj)
Entre
(Trat.)
SC Entre ( Adj ) SCT ( Adj ) SCIntra ( Adj )
ij
Intra
(Err.)
SCIntra ( Adj )
Total
SCT ( Adj )
SPIntra (YZ )
SCIntra (Y )
SCIntra ( Z )
SPT (YZ )
SCT (Y )
SCT ( Z )
MC(Adj)
N-a-1
MCIntra
SCEntre
MC Entre
SCEntre
*
a 1
MC Intra
SCTotal
SCIntra
N a 1
MCEntre
a-1
Fk
p( Fk )
N-2
*p
15
X-16
B) ANLISIS DETALLADO EN EL CONTEXTO ANCOVA
La obtencin de un efecto significativo en ANCOVA, como en ANOVA, debe concretarse

mediante anlisis de comparaciones, sean stas planeadas, de tendencias o mediante
pruebas a posteriori.
Hay dos cuestiones fundamentales que diferencian ANCOVA de ANOVA a este respecto.
o En ANCOVA las medias deben ser corregidas, teniendo en cuenta el covariado,
del siguiente modo:
Y j ( Adj ) Y j
Intra ( ZY ) Z j Z ; la pendiente SPIntra(YZ) / la SCIntra(Z).
o
el trmino error de los contrastes tambin debe ser ajustado en funcin del
covariado:
MCEntre ( Z )
MCErr ( Adj ) MCIntra ( Adj ) MCIntra ( Adj )
SCIntra ( Z )
C) EXTENSIN AL CONTEXTO MULTIVARIADO: MANCOVA
La lgica es calcular los parmetros de la regresin de las dependientes sobre los

covariados y eliminar de las dependientes lo que puede ser predicho por stos.
La variabilidad restante se debe a la intervencin y al error, que pueden separarse de la
misma manera que en el MANOVA ordinario.
La secuencia de comandos sera la siguiente:
Supuesto M3_5, Factorial Intrasujetos:
Analizar Modelo Lineal General Multivariante Dependientes:
Des_Teo, Des_Prac. Factores fijos: Grupo. Covariables: Ant_Teo,
Ant_Prac Aceptar
Aadir las consideraciones vistas ms atrs
StatisticsAdvanced Linear/ GLMOK GLM Variables
Dependent: Des_Teo, Des_Prac. Categorical: Grupo. Continous
pred: Ant_Teo, Ant_Prac OK Summary: seleccionar Multivariate
Tests parte inferior: Pillais, Hotellings; Roys Test All Effects
Interpretacin:
Univariado.

simples.

resumen del modelo.
16
10.2.7.
X-17
Supuestos del anlisis multivariado de varianza y covarianza
Cuadro 7.2. Adaptado a partir de Ramos, M.M.; Catena, A. y Trujillo, H. (2004). Manual de Mtodos y
Tcnicas de Investigacin en Ciencias Del Comportamiento. Madrid: Biblioteca Nueva.
A) SUPUESTOS DETALLADOS
Supuestos estadsticos:
1) Poblaciones distribuidas segn la Normal.
2) Las observaciones son muestras aleatorias.
3) Numerador y denominador de F son estimaciones de la misma varianza poblacional, 2.
4) Numerador y denominador de F son independientes.
Supuestos respecto al diseo:
1) La ecuacin estructural del modelo es aditiva.
2) El experimento contiene todos los niveles de tratamiento.
3) El error Eij es independiente.
4) El error Eij se distribuye segn una Normal.
5) Las varianzas Error son equivalentes.
B) SUPUESTOS GENERALES
1) Normalidad. Las observaciones se extraen de poblaciones distribuidas segn la

Normal.
Pruebas de Bondad de Ajuste.
2) Homocedasticidad. El numerador y denominador de la razn F son estimaciones de la
misma varianza poblacional, 2. De ah que las varianzas en los diferentes
tratamientos tienen que ser iguales.
Prueba de Hartley, Levene, Brown-Forsythe.
Supuesto de Esfericidad respecto a Homogeneidad de Varianzas-Covarianzas
segn la Prueba de Mauchley.
3) Respecto a cada nivel j, el error Eij ha de cumplir algunas condiciones:
Es independiente del resto de errores.
Se distribuye segn una Normal dentro de cada poblacin de tratamiento
N(0,2). Es decir con media cero y varianzas equivalentes.
Prueba Rachas, Corr. Intraclases, Durbin-Watson.
4) La ecuacin estructural del modelo refleja una composicin aditiva de las fuentes de
variacin.
5) Problema puntuaciones extremas. Todas las variantes del ANOVA son
muy sensibles a puntuaciones extremas ya que sus efectos sobre los
estadsticos de contraste pueden alterar drsticamente las conclusiones.
Programas o mdulos para estadsticos descriptivos y valores de
influencia indebida.
C) RESPECTO A ANCOVA/MANCOVA
1) Independencia de factor y covariado. La independencia implica que factor y covariado no

interactan. Por tanto, slo es necesario aadir el trmino de la interaccin a la ecuacin
estructural y evaluar su posible significacin estadstica, as:
Yi 0 1Z i 2 i1 3 i 2 4 Z i i1 5 Z i i 2 i

var.extraa
var.independiente
Interaccion
1 expresa la relacin entre la variable extraa y la dependiente,

2 y 3 la relacin entre factor y dependiente,
4 y 5, la interaccin.
La ecuacin contiene una solucin alternativa ante el incumplimiento (retener los trminos de
interaccin dentro del modelo e interpretar ANCOVA en funcin de la interaccin).
2) Homogeneidad de las pendientes.
Se puede evaluar dentro del marco ANOVA/ANCOVA, a partir del siguiente test estadstico:
MCEntre (Re gres )

MCIntra (Re gres )
SCEntre (Re gres )
SCIntra (Re gres )
a 1 ; F
a 1; a ( n 2)
a(n 2)
17
X-18
Conclusiones
Para sistematizar este tipo de anlisis se recomienda tener presente el esquema que
aparece al final del captulo IX del manual de Catena, Ramos y Trujillo (2003).
Adems para detalles sobre los supuestos se recomienda el captulo VII del manual de
Ramos, Catena y Trujillo (2004).
18
X-19
10.3. Opciones de MANOVA en R

R Commander no incluye opciones del tipo MANOVA, por ello la exposicin se centrar en R
#MANOVA
Datos$grupos <- as.factor(Datos$grupos)
Y1<- Datos$Exam; Y2<- Datos$Social;Y3<- Datos$Estr
DepVar <- cbind(Y1,Y2,Y3)
ModMANOVA <- manova(DepVar ~ grupos, Datos)
summary(ModMANOVA, test="Pillai")
summary.aov(ModMANOVA)
# Other test options "Wilks", "Hotelling-Lawley", and "Roy"
#Contrastes en MANOVA
install.packages("ICSNP", dependencies=TRUE)
library(ICSNP)
# por si acaso: factor(rep(c(1,2),c(20,30)))
#seleccionar los niveles a comparar
# (en el ejemplo los grupos 1 y 2).
DatosSel <- subset(Datos, subset=grupos < 3)
Y1<- DatosSel$Exam; Y2<- DatosSel$Social;Y3<- DatosSel$Estr
HotellingsT2(DepVar ~ DatosSel$grupos)
#se pueden especificar valores para las medias a contrastar
#i.e. HotellingsT2(DepVar ~ DatosSel$grupos, mu = rep(10,3))
#MANOVA Factorial
Datos3$Grupo <- as.factor(Datos3$Grupo)
Datos3$TiemSufr <- as.factor(Datos3$TiemSufr)
Y1<- Datos3$Exam; Y2<- Datos3$Social;Y3<- Datos3$Estr
ModMANOVA <- manova(DepVar ~ Grupo*TiemSufr, Datos3)
summary(ModMANOVA, test="Pillai")
summary.aov(ModMANOVA)
# Other test options "Wilks", "Hotelling-Lawley", and "Roy"
19
X-20
10.4. Realizacin de los supuestos de prcticas

Gua del anlisis en ANOVA
Anlisis exploratorio de los diagramas de cajas
Anlisis del modelo SATURADO de referencia (i.e. con interaccin) para guiar el resto de
anlisis en funcin de que el enfoque sea efectos principales vs interaccin
Anlisis de los supuestos: Normalidad, Homocedasticidad, Independiencia errores.
Incluyendo pruebas estadsticas, diagramas de cajas y Anlisis de los residuales
(estandarizados)
Si grficos de residuales sugieren funciones curvilneas y las variables son cuantitativas
en origen; entonces pasar al anlisis polinmico (regresin curvilnea).
Incluir interacciones si estn justificadas desde el punto de vista terico.
Pasar al anlisis detallado de contrastes/tendencias vs. a-posteriori
20
10.4.1.
X-21
Ejemplificacin del anlisis tipo MANOVA mediante Statistica
1) Preparar el fichero de datos (Supuesto M3.2)

2) Anlisis descriptivo-exploratorio
Grficos tradicionales
StatisticsAdvanced Linear/ GLMOK GLM Variables Dependent: Exam, Social, Estrs,
Categorical: Grupo - TiemSufr OK Pestaa More Results Means --> Plot (Observed, unweighted) -->
Dep. Vars: Exam & Social & Estrs --> x-axis, upper: Grupo; x-axis, lower: TiemSufr --> OK
Bien mediante grficos Box Plots
Graphs --> 2D Graphs > Box Plots > Multiple > Variables > Dependent: Exam - Estrs; Grouping: Grupo >
OK > Pesataa Categorized > X-categories: On; Cange variable > TiemSufr > OK > Pestaa Advanced >
Connect middle points > OK
1.1. Anlisis de los supuestos:
Categorical: Grupo - TiemSufr OK Pestaa More Results Pestaa Means Observed unweighted
Pestaa Assumptions Levenes test & Normal p-p & Box M Summary: seleccionar Multivariate Tests
parte inferior: Pillais, Hotellings; Roys Test All Effects
(Box M es para Homocedasticidad Multivariante).
3) Anlisis Multivariados
Comparar ANOVAs con MANOVA
Categorical: Grupo - TiemSufr OK Pestaa More Results All effects/Graphs (rastrear todos los
efectos de la tabla); Univariate results
4) Resumen del Modelo
StatisticsAdvanced Linear/ Pestaa More Results effect sizes
5) Anlisis detallado de contrastes
StatisticsAdvanced Linear Pestaa More Results Pestaa Planned comps Specify Contrasts for
LS means Botn Grupo 1, -1, 0 OK; Botn TiemSufr 1, 0 OK OK Compute
efectos simples: Botn TiemSufr > 1, 0 y despus Botn TiemSufr > 0, 1
efectos principales: Botn TiemSufr > 1, 1
Contrasts for LS means Polynomial Linear OK Compute
A Posteriori: Pestaa Post-hoc > dependent variables: Todas botn Tukey HSD (tambin se
puede plantear a partir del estadstico multivariante y aplicar Bonferroni).
Ponga a prueba la siguiente Hiptesis concreta: La eficacia diferencial de las terapias depende del
tiempo de padecimiento del trastorno. En concreto, cuando el tiempo es corto, entonces las tres
terapias llevan a los mismos resultados pero cuando el tiempo de padecimiento es ms dilatado
entonces la Terapia del tipo 3 es mejor que cualquiera de las otras dos. [1,1,1]&[1,0] y [-1,-1,2]&[0,1]
Intente inventar otra Hiptesis diferente y especificar los contrastes pertienentes.
21
10.4.2. Ejemplificacin
SPSS/PASW
del
X-22
anlisis
tipo
MANOVA
mediante
1) Anlisis preliminares de cada supuesto

Anlisis exploratorio de los diagramas de cajas
[Grficos|Diagramas de cajas|Agrupado]
Anlisis del modelo SATURADO de referencia
[Analizar|Modelo lineal general|Univariante]
Crear nueva variable de la interaccin para tener flexibilidad en los anlisis
Anlisis de los supuestos: Normalidad, Homocedasticidad, Independiencia errores.
[Analizar|Comparar medias|ANOVA de un factor]
Nos permite definir prueba de Homocedasticidad as como ANOVA robusto Welch. Para un
factorial habra que crear una nueva columna que sera la codificacin de la interaccin.
[Analizar|estadsticos descriptivos|Explorar] Y pedimos grficos con pruebas de
normalidad
2) Anlisis Multivariado
Comparar ANOVAs con MANOVA
Analizar -> Comparar Medias -> Anova de un Factor -> Independiente: Grupos ->
Dependientes: Exam, Social, Estrs -> Aceptar (anlisis)
Analizar -> Modelo Lineal General -> Multivariante -> Dependientes: Exam, Social, Estrs ->
Independiente: Grupo -> Aceptar (anlisis)
Fase de Resumen del Modelo
Independiente: Grupo -> Opciones -> Potencia Observada -> Continuar -> Aceptar (anlisis)
Independiente: Grupo -> Opciones -> Estimaciones del Tamao del Efecto -> Continuar ->
Aceptar (anlisis)
Anlisis detallado de contrastes para Hiptesis especficas
Datos -> Seleccionar casos -> Si se satisface la condicin -> Si: Grupo<3 -> Continuar ->
Aceptar
Y repetir secuencia de pasos del MANOVA
Supuesto M3.1.
Analizar -> Modelo Lineal General -> Medidas Repetidas -> factor: Ensayos -> niveles: 3 >Agregar -> Definir -> Variables intra-sujeto: e1, e2, e3 -> Aceptar (anlisis)
Supuesto M3.2.
Analizar -> Modelo Lineal General -> Multivariante -> Independientes: Grupo, Tiempo ->
Dependientes: Exam, Social, Estrs -> Aceptar (anlisis)
22
X-23
Efectos Simples:
Grupo en Tiempo=1
Datos -> Seleccionar casos -> Si se satisface la condicin -> Si: Tiempo=1 -> Continuar ->
Aceptar
Analizar -> Modelo Lineal General -> Multivariante -> Independientes: Grupo -> Dependientes:
Exam, Social, Estrs -> Aceptar (anlisis)
Grupo en Tiempo=2
Datos -> Seleccionar casos -> Si se satisface la condicin -> Si: Tiempo=2 -> Continuar ->
Aceptar
Exam, Social, Estrs -> Aceptar (anlisis)
Supuesto M3.3.
Analizar -> Modelo Lineal General -> Medidas Repetidas -> factor: Ensayos -> niveles: 3 >Agregar -> Factor: prctica -> Niveles: 2 -> Agregar -> Definir -> Variables intra-sujeto:
m1, m2, m3, d1, d2, d3 -> Aceptar (anlisis)
Supuesto M3.4.
Analizar -> Modelo Lineal General -> Medidas Repetidas -> factor: Ensayos -> niveles: 3 >Agregar -> Definir -> Variables intra-sujeto: e1, e2, e3 -> Factores Inter.-sujetos: prctica > Aceptar (anlisis)
Supuesto M3.5.
D_T, D_P -> Covariados: A_T, A_P -> Aceptar (anlisis)
Volver Principio
23

Ejercicios y Explicación de MANOVA

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Ejercicios y Explicación de MANOVA

Diunggah oleh

Hak Cipta:

Format Tersedia

Manuel Miguel Ramos lvarez

Curso de Recursos Metodolgicos y Estadsticos

Material del curso Recursos metodolgicos y estadsticos para la

10. Acercamiento con el fin explicativo: anlisis de diferencias ANOVA/MANOVA-. ............. 2

Manuel Miguel Ramos lvarez

Curso de Recursos Metodolgicos y Estadsticos

10. Acercamiento con el fin explicativo: anlisis de diferencias

Dos fuentes de variacin:

Tabla resumen del ANOVA para organizar dicha informacin:

Manuel Miguel Ramos lvarez

Curso de Recursos Metodolgicos y Estadsticos

B) Anlisis detallado frente al anlisis Global mediante Contrastes

Definicin: Un contraste es un conjunto de coeficientes ponderaciones- que permitan

Manuel Miguel Ramos lvarez

Curso de Recursos Metodolgicos y Estadsticos

B.2. Anlisis a Posteriori

(Comparar las tres tcnicas):

Desviacin. Todas las categoras se comparan

C) Resumen del Modelo

Bien a travs de Intervalos Confidenciales, bien a travs de las estimaciones de la

Manuel Miguel Ramos lvarez

Curso de Recursos Metodolgicos y Estadsticos

D) Generalizacin al Diseo Factorial

Tabla resumen del ANOVA:

D.2. ANLISIS DETALLADO

Como en las situaciones unifactoriales, tambin aqu ser lo ms frecuente plantear

Manuel Miguel Ramos lvarez

Curso de Recursos Metodolgicos y Estadsticos

A. PERSPECTIVA DE DE EFECTOS PRINCIPALES

Analizar, Modelo Lineal General,

Analizar, Modelo Lineal General,

Manuel Miguel Ramos lvarez

Curso de Recursos Metodolgicos y Estadsticos

B. PERSPECTIVA DE DE EFECTOS SIMPLES

Manuel Miguel Ramos lvarez

Curso de Recursos Metodolgicos y Estadsticos

10.2. Anlisis Multivariado de Varianza (MANOVA) y de Covarianza

MANOVA es la extensin del anlisis de varianza (ANOVA) cuando se mide en ms de

H1 : Al menos dos difieren

Manuel Miguel Ramos lvarez

Curso de Recursos Metodolgicos y Estadsticos

Fase de Resumen del modelo

10.2.2. Anlisis detallado frente al anlisis Global mediante Contrastes

Manuel Miguel Ramos lvarez

Curso de Recursos Metodolgicos y Estadsticos

Generalizacin al Diseo Intrasujetos o de medidas repetidas

El anlisis de medidas repetidas se basa en una descomposicin ortogonal de la variabilidad

La tabla completa de ANOVA

Es decir, la aproximacin multivariada de por s es la mejor a este tipo de diseos,

; r es el rango, entre 2..a.

Manuel Miguel Ramos lvarez

Curso de Recursos Metodolgicos y Estadsticos

Supuesto M3.1, Tendencias:

Ejemplificacin de los cmputos para obtener de Wilks en un diseo de medidas repetidas de

Manuel Miguel Ramos lvarez

Curso de Recursos Metodolgicos y Estadsticos

Generalizacin al Diseo Factorial.

La generalizacin sigue la ecuacin general Univariada:

Realice el anlisis detallado de contrastes tanto

Realice un anlisis relacionado con la fase de

Manuel Miguel Ramos lvarez

Curso de Recursos Metodolgicos y Estadsticos

10.2.5. Generalizacin a los diseos Factoriales que incluyen variables

SPSS proporciona dos tipos de anlisis: