Beruflich Dokumente
Kultur Dokumente
San Luis
ANÁLISIS DE VARIANZA
1
Se trata, en último término, de un análisis de regresión múltiple con variables
DUMY.
que no queramos controlarlos (en aras a tener una mayor
generabilidad), por ejemplo, podemos no controlar la inteligencia para
poder llevar “más allá nuestras inferencias”. En otros términos,
podemos decir que hay factores dentro de lo que englobamos en los
“efectos del error” que pueden o no ser controlados.
Existen otros factores sobre los que es literalmente imposible ejercer
control, por ejemplo “la historia personal”, estos siempre estarán
incluidos con el modelo como términos de error, los otros, los factibles
de ser controlados estarán o no en le término de error, según los
hayamos controlado o no (es una decisión delimitada en todo caso por
lo intereses de la investigación que depende del investigador y que
determinará el tipo de diseño).
Lo anterior quiere decir que el modelo:
SUPUESTOS
2
Ver el apéndice donde se expresan algunos de estos modelos.
3
El ANOVA en general es bastante robusto respecto a violaciones de los supuestos de
Normalidad y Homocedasticidad..
prefijado (el Tets F es más liberal), mientras que si el grupo con menor
número de sujetos es le que presenta mayor varianza el error tipo I es
menor que el prefijado (el test F es más conservador).
4
Entre los que consideran que no es importantes Snedecor y entre los que lo consideran un
criterio determinante que impide el uso de técnicas paramétricas Ostle.
IDEAS BÁSICAS SOBRE LAS RESPUESTAS QUE OFRECEN
LOS DISEÑOS
5
Sobre estas cuestiones consultar “Diseños Experimentales en Psicología” Manuel Ato García
Y Guillermo Vallejo Seco (2007). Psicología Pirámide.
6
Este principio se puede y debe incluir en el estudio de la homocedasticidad. Supone
que las varianzas de las diferencias entre cada dos niveles del factor de medidas
repetidas son iguales (Pardo y Ruiz, 2005). Esto quiere decir que si tenemos un factor
de medidas repetidas con 3 niveles, podemos hacer 2(K-1) combinaciones (en este caso
2(3-1) = 4) combinaciones que son 1→2; 1→3; 2→3.
El supuesto de circularidad implica igualdad de varianzas también, luego ya no habrá
que ver específicamente el cumplimiento de las varianzas ya que va implícito.
1. Analizar los resultados a través de los contrastes multivariados
(no les afecta el incumplimiento del supuesto, pero es una
solución menos parsimoniosa).
2. Utilizar el Estadístico F Univariado aplicando el índice ε de Box 7
ε2 = SCI ( J 1) MCE
SCT
Finalmente ω2: Hays (1988). (Es el más aceptado y utilizado, de hecho es el que
aporta el SPSS. Hay dos variantes, uno para efectos fijos y otro para efectos
aleatorios).
7
Epsilón ε indica el grado en que la matriz de varianzas covarianzas se aleja de la
esfericidad (cuando se cumple este supuesto ε = 1). El SPSS ofrece en los resultados
el valor de la F corregida según tres criterios: Greenhause-Geisser, el más
conservador; Huynh-Feldt y el valor “límite inferior” que corresponde al valor de ε
para incumplimientos extremos. (Lo que ofrece el SPSS es el valor F corregida
calculada después de haber multiplicado los grados de libertad por el valor de ε).
Para efectos fijos: ω2 = SCI ( J 1) MCE
SCT MCE
Para efectos aleatorios: ω = MCI MCE
2 8
MCI (n 1) MCE
POTENCIA
n 2j
= j
2
donde j = µj - µ corresponde al j-esimo efecto del factor y en consecuencia
generalizando para todos los niveles y para todos los grupos tendremos el
numerador de la ecuación anterior que representa la varianza intergrupos.
J 2