ANALISIS DE LA
VARIANZA
INDICE
2.- Supuestos:
- Independencia: las J muestras son aleatorias y las N observaciones
independientes entre si
- Normalidad: las J poblaciones son normales
- Homocedasticidad: esas J poblaciones tienen la misma varianza
Variabilidad de la VI: la que existe entre los distintas niveles del factor (F).
Variabilidad debida a los participantes: La variación de unos sujetos a otros (P)
Variabilidad error: sería la parte no explicada (FxP)
Supuestos de aplicación:
- Normalidad: las poblaciones de donde se extraen las muestras son
normales
- Homocedasticidad: estas poblaciones tienen la misma varianza
- Esfericidad: independencia entre los αj, los βi y los εij. Es decir, los
tratamientos difieren (o no) los unos de los otros independientemente de los
sujetos sobre los que se aplican. Los sujetos tampoco interactúan con los
errores, por tanto las covarianzas entre las puntuaciones de cada par de
tratamientos son iguales.
4.2. ANOVA DE 1 FACTOR DE MEDIDAS
REPETIDAS
1.- Hipótesis:
Ho: µ1 = µ2 = … = µn (las medias poblacionales son iguales)
H1: µj ≠ µj’ (alguna media es diferente)
Comando: anova
anova vd vi – anova completamente aleatorizado
anova vd variableid vmomento, repeated (vmomento)
MEDIDAS REPETIDAS CON
STATA
Number of obs = 32 R-squared = 0.8825
Root MSE = 1.16496 Adj R-squared = 0.8265
Prob > F
Source df F Regular H-F G-G Box
.
El ANOVA de medidas repetidas no presenta uno de los requisitos habituales en
las pruebas paramétricas: independencia, puesto que las mediciones que estamos
comparando son de las mismas personas.
De esta forma, al realizar el análisis se incluye una corrección del valor de la F (en
realidad tres posibles correcciones
En los tres casos son valores menores que uno que reducen el valor de la F evitando
la comisión de error tipo 1
1. LA INTERACCIÓN ENTRE FACTORES
Hasta ahora hemos visto las siguientes fuentes de variación:
- ANOVA entresujetos: factor ENTRE (VI) y ERROR
- ANOVA intrasujetos: factor INTRA (VI), factor SUJETOS (S) e
interacción VI*S (ERROR)
Ej. Nos fijamos en una de las variables (Rama), se pueden estimar dos efectos
simples:
Comparar los valores de Ciencias para chicos y chicas 6 – 7
Comparar los valores de Letras para la chicos y chicas: 8 – 5
Ej. Nos fijamos en una de las variables (Sexo), se pueden estimar dos efectos
simples:
Comparar los valores de Chicas para los alumnos de ciencias y letras 6 – 8
Comparar los valores de Chicos para los alumnos de ciencias y letras 7– 5
Ciencias Letras
Chicas 6 8
Chicos 7 5
1. LA INTERACCIÓN ENTRE FACTORES
Ciencias Letras
Chicas 6 8 7
Chicos 7 5 6
6,5 6,5
1. LA INTERACCIÓN ENTRE FACTORES
Resumiendo:
Cuando las líneas son paralelas: No hay interacción. Interpretamos
directamente cada VI en términos de su efecto principal
Cuando las líneas no son paralelas: Hay interacción.
2. ANOVA DE DOS FACTORES
1. Hipótesis:
- Ho(A): μ1+ = μ2+ = … = μJ+
Las J medias poblacionales correspondientes a los J niveles del factor
A son iguales
2. Supuestos de aplicación:
Independencia: Las muestras son aleatorias e independientes
Normalidad: Las poblaciones de donde se extraen las muestras son
normales
Homocedasticidad: Las poblaciones tienen, todas ellas, la misma
varianza
2. ANOVA DE DOS FACTORES
Con STATA el comando sería:
anova vd vi1 vi2 vi1*vi2
anova vd vi1 ## vi2
La tabla del análisis quedaría así.
Fuente de Suma de Grados de Cuadrados medios F
variación cuadrados libertad
Factor A SCA a-1 SCA CMA
CMA FA
a 1 CME
Factor B SCB b-1 SCB CMB
CMB FB
b 1 CME
Interacción SCI (a-1)(b-1) SCI CMI
CMI FI
(a 1)(b 1) CME
Error SCE N-ab SCE
CME
n ab
Total SCT N-1
2. ANOVA DE DOS FACTORES