Your SlideShare is downloading. ×
0
Anova2
Anova2
Anova2
Anova2
Anova2
Anova2
Anova2
Anova2
Anova2
Anova2
Anova2
Anova2
Anova2
Anova2
Anova2
Anova2
Anova2
Anova2
Anova2
Anova2
Anova2
Anova2
Anova2
Anova2
Anova2
Anova2
Anova2
Anova2
Anova2
Anova2
Anova2
Anova2
Anova2
Anova2
Anova2
Anova2
Anova2
Upcoming SlideShare
Loading in...5
×

Thanks for flagging this SlideShare!

Oops! An error has occurred.

×
Saving this for later? Get the SlideShare app to save on your phone or tablet. Read anywhere, anytime – even offline.
Text the download link to your phone
Standard text messaging rates apply

Anova2

5,326

Published on

1 Comment
6 Likes
Statistics
Notes
No Downloads
Views
Total Views
5,326
On Slideshare
0
From Embeds
0
Number of Embeds
1
Actions
Shares
0
Downloads
0
Comments
1
Likes
6
Embeds 0
No embeds

Report content
Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
No notes for slide

Transcript

  • 1. Análisis de la varianza de dos factores ínter grupo
    Hasta el momento, nos hemos limitado al estudio de técnicas de contraste de medias con una sola variable independiente. Ahora ampliaremos los contenidos estudiados a los diseños factoriales con dos o más variables independientes. En concreto desarrollaremos los llamados diseños de clasificación cruzada que son aquellos en los que todos los niveles de uno de los factores se combinan con todos los niveles de otro.
  • 2. La interacción entre dos factores A x B
    En el tema anterior vimos que la variable dependiente podía expresarse como una combinación lineal de tres factores aditivos mediante la ecuación del modelo lineal general.
    Sin embargo ahora con dos factores, necesitamos incluir en el modelo un término nuevo que recoja precisamente la influencia de éste:
    Este nuevo término es equivalente a la explicación que para αj dijimos en su momento. Sin embargo, en este modelo no estamos considerando la influencia conjunta o efecto atribuible a la combinación de los diferentes niveles de ambos factores a la cual llamaremos componente de interacción
  • 3. Acerca del término interacción
    Tal y como podemos observar en esta tabla nos encontramos con dos factores A x B (2 x 3) con 6 condiciones experimentales.
    Medias marginales del factor A
    Medias de las J x K condiciones experimentales
    Medias marginales del factor B
  • 4. Ejemplo 1.
    Ahora vemos que el comportamiento de la variable en A es diferente según sea el nivel de B en que se encuentre.
  • 5. Ejemplo 2.
    Vemos que las medias de la vd son mayores en A2 que en A1 para el nivel B1. El patrón de medias se invierte en B2 y vuelve a ser el mismo en B3 pero con medias de menor tamaño que en B1
  • 6. El Modelo de ANOVA de dos factores de efectos fijos completamente aleatorizados.
  • 7. Grados de libertad
  • 8. Medias Cuadráticas
  • 9. La Tabla resumen del Anova de dos factores de efectos fijos completamente aleatorizados.
    Efecto principal A
    Efecto principal B
    Efecto Interacción A x B
  • 10. Continuando con nuestro ejemplo, del efecto de la práctica previa, sobre el rendimiento queremos incluir un nuevo factor denominado Motivación por la tarea con dos niveles alta y baja motivación. Tendremos por tanto 5 sujetos por condición experimental en un diseño factorial 3 x 2 (6 condiciones experimentales).
    Practica previa
    Sin práct. 5’ 10’
    Alta Mot. Baja Mot.
    Alta Mot. Baja Mot.
    Alta Mot. Baja Mot.
  • 11. Hipótesis nulas del efecto principal del factor A, B
  • 12. Hipótesis nulas del efecto de interacción del factor A y B
    Es decir la diferencia de al menos dos medias cualesquiera de la misma fila o de la misma columna es la misma que la diferencia entre los promedios marginales correspondientes a estas casillas.
  • 13. El análisis de la varianza de dos factores en el SPSS
  • 14. Análisis de varianza multifactorial de efecto fijo
    Modelo Corregido
    Contiene toda la variabilidad ínter grupo
  • 15. Podemos observar en la gráfica que el rendimiento aumenta a medida que se incrementa el tiempo de práctica de igual forma entre los sujetos motivados y menos motivados. No existe por tanto indicios gráficos que nos haga dudar de la decisión de no rechazo de la Ho de la interacción.
  • 16. Además del rendimiento, hemos medido en cado uno de los sujetos la variable Nº de errores cometidos en el experimento. La tabla adjunta presenta las medias marginales y por condición experimental.
  • 17.
  • 18. El intervalo de confianza (ic) en el anova multifactorial ínter sujeto
  • 19. Comparaciones de motivación por cada nivel de tiempo
    Comparaciones par a par de niveles de tiempo por cada nivel de motivación.
  • 20. Comparaciones Múltiples
    Comparaciones planeadas o a priori
    Podemos aplicar la misma prueba F planeada que describimos para el caso de un solo factor con la salvedad de que los grados del término de error son ahora N – JK.
    Comparaciones a posteriori post-hoc
    Sidak o Bonferroni tal y como en el anova de una via
    Contrastes de efectos simples
    En raras ocasiones, estamos en realidad interesados en el estudio de las JK(JK-1)/2 comparaciones de las condiciones experimentales, por razones ya sobradamente conocidas en relación a la necesidad de corregir el error Tipo I. En general el estudio de un efecto significativo de la interacción consiste en comparar las medias de un factor en cada uno de los niveles del otro. A este tipo de contraste se le denomina de Efecto simple.
  • 21. Contrastes de efectos simples
    Si consideramos nuestro diseño, habríamos de realizar 2x3(6-1)/2 = 15 comparaciones par a par.
    Sin embargo si nuestro interés se centra en comparar por pares los K=2 niveles del factor B en los J=3 niveles del factor A tendríamos en realidad que realizar JK(K-1)/2 = 3 comparaciones. Pero si quisiésemos los J=3 niveles de A en los K=2 niveles de B tendríamos sólo JK(J-1)/2 = 6 comparaciones.
    Así en nuestro ejemplo, tenemos efecto principal significativo del factor A con J=3 (Tiempo de prac.), del factor B con K= 2 (Motivación) y de la interacción AB (JK=6). Podríamos querer por tanto conocer las diferencias a posteriori para A para B y para la Interacción:
  • 22. Gráfica de medias de la interacción A x B (Tiempo de práctica previa x Motivación (3 x 2)
  • 23. J=3 niveles del factor A en los K=2 niveles del B
    Diferencias entre los grupos de práctica previa en cada nivel de motivación
    (JK(J-1)/2 = 6 comparaciones)
  • 24. K=2 niveles del factor B en los J=3 niveles del factor A
    Diferencias entre los grupos de motivación en cada nivel de práctica previa (JK(K-1)/2=3)
    Observa las coincidencias de los efectos simples significativos con la gráfica de intervalos de confianza calculados anteriormente
  • 25. Tamaño del efecto y potencia en el ANOVA de dos vías en SPSS
  • 26. Eta cuadrado
    Eta cuadrado Parcial
  • 27. ANOVA de medidas repetidas en los dos factores.
    Medias Cuadráticas de error del Diseño Intra
  • 28. La Tabla resumen del Anova de dos factores. Modelo No Aditivo
    Cada efecto tiene su propio error:
    Efecto x Sujeto
  • 29. Anova multifactorial medidas repetidos no aditivo en SPSS
    En un estudio sobre memoria se registró el número de errores de 6 sujetos bajo condiciones de Recuerdo (A1) y de Evocación (A2) y en distintos intervalos temporales (B1 después de una hora, B2 de un día y B3 1 semana). ¿Qué podemos concluir acerca de la influencia de las variables mencionadas sobre el número de errores que cometen los sujetos?.
  • 30.
  • 31. Estadisticos descriptivos
  • 32. Comprobación del supuesto de esfericidad
    Condi no tiene significación porque no se realiza la corrección para variables con dos niveles
    Asumimos la esfericidad de la matriz de varianzas y covarianzas.
    No hay que corregir los grados de libertad (p > 0,05)
  • 33. La Tabla resumen del Anova de dos factores. Modelo No Aditivo
    De haber necesitado la corrección por no esfericidad, el efecto de interacción condi x tiempo no habría sido significativo (p > 0.05). Pero dado que la matriz resultó ser esférica dicho efecto si es significativo (p < 0.05)
  • 34. Gráfica de Interacción condi x tiempo
  • 35. El intervalo de confianza (IC) en el ANOVA multifactorial de medidas
    Repetidas no aditivo
  • 36. Comparaciones post-hoc
    Sólo resultan significativas las diferencias entre Recuerdo y Evocación en el nivel 3 del tiempo transcurrido (1 semana)
  • 37. En la condición de Recuerdo sólo resulta significativa la diferencia de errores entre 1 hora y un día (p < .05). En la condición de Evocación resultan significativas las diferencias entre 1 hora y 1 día y 1 día frente a una semana.

×