Este documento presenta los conceptos básicos del análisis de varianza (ANOVA), incluyendo las variables dependientes e independientes, los tipos de factores (efectos fijos, aleatorios, intra e intersujetos), y los modelos de ANOVA (efectos fijos, aleatorios y mixtos). El ANOVA sirve para comparar varios grupos en una variable cuantitativa y generaliza la prueba t de dos muestras a diseños con más de dos muestras.
1. MAPA MENTAL DEL ANÁLISIS
DE VARIANZA Y LOS
CONCEPTOS BASICOS
POR: MARLENE HERNANDEZ
LIC.PSICOLOGÍA
4TO. CUATRIMESTRE
PARA: ESTADISTICA
2.
3. INTRO:
Para el análisis de varianza se consideran diferentes tipos de variables (Box, Hunter y Hunter, 2008):
Las variables dependientes o respuesta:
son aquellas en las que está interesado un investigador, quien desea evaluar su variación en distintos grupos o poblaciones y son cuantitativas. En
nuestro trabajo nos interesamos por el análisis de varianza con una sola variable dependiente, aunque pudiera haber más de una, si consideramos
el Análisis multivariante de varianza o MANOVA. En el campo de la Psicología algunos ejemplos de variables dependientes serían puntuaciones
en un test, tiempo necesario para realizar una tarea o resultados de mediciones de algún atributo psicológico.
Las variables independientes o factores:
4. que usualmente son cualitativas o bien tienen un conjunto finito de valores, que se denominan niveles del factor. Estas variables son las manipuladas
por el investigador o bien controladas por el investigador en su estudio. En el análisis de varianza, estamos interesados en determinar en qué
medida los factores, podrían producir cambios (que se denominan efectos) sobre la variable dependiente. Algunos ejemplos de variables
independientes en Psicología podrían ser sexo, edad o grupo (control-experimental).
FACTORES Y SUS TIPOS.(EN PSICOLOGIA)
Muestras independientes y relacionadas En cada estudio concreto se puede tener uno o varios factores, y además estos se pueden dividir en varios
tipos:
Factor de efectos fijos:
Cuando incluimos en el estudio todos los niveles posibles del factor (Dunn y Clark, 1987). Por ejemplo, al estudiar la diferencia de rendimiento
escolar dependiendo del tipo de establecimiento que provienen (como privado- publico-concertado), la variable dependiente es el rendimiento, el
factor es el tipo de establecimiento del cual proviene y todos los niveles posibles se incluyen en el estudio. Siempre que los experimentos de varios
factores de efectos fijos se realicen combinando todos los niveles posibles, se hablará de diseños completos.
Factor de efectos aleatorios:
En este caso el factor tiene un conjunto muy amplio de niveles que no se pueden incluir en su totalidad, de modo que se toma una muestra aleatoria
en el estudio (Molinero, 2003). En el ejemplo anterior podríamos incluir un segundo factor “barrio” y tomar una muestra aleatoria de barrios en
una ciudad. Otra división posible de los factores es intersujetos y factores intrasujeto (Batanero y Díaz, 2008):
Factor intrasujeto:
5. es aquél en que los varios niveles del factor se toman en la misma unidad estadística. Por ejemplo, podríamos tomar la tensión arterial (variable
Capítulo 1 30 respuesta) a un conjunto de personas antes y contemplando tres etapas de un tratamiento médico a lo largo de dos meses. El factor
intrasujeto sería el tiempo en que se toma la tensión con cuatro niveles a lo largo del tratamiento
Factor intersujeto, cuando los diversos niveles se contemplan en diferentes unidades estadísticas; en el ejemplo anterior sería el caso de diferenciar
el factor género (hombre/mujer).
ANALISIS DE VARIABLE Y SUS CONCEPTOS PRINCIPALES
6. REF:
Manzano, V. (1997). Inferencia estadística.
Aplicaciones con SPSS/PC+. Madrid: RA-MA.
Martínez Arias, R. (1995). Psicometría. Madrid: Síntesis. Meliá, J. L. (2001).
Teoría de la fiabilidad y la validez. Valencia: Cristóbal Serrano.
ANALISIS DE LA
VARIANZA
CONCEPTO: (ANOVA) de un factor sirve para comparar varios
grupos en una variable cuantitativa. Se trata, por tanto, de una
generalización de la Prueba T para dos muestras independientes al caso
de diseños con más de dos muestras
ANALISISDE VARIANZA: variable cuantitativa. Se trata, por tanto,
de una generalización de la Prueba T para dos muestras
independientes al caso de diseños con más de dos muestras.
Modelo de efectos fijos: Las
poblaciones son normales y solo se
diferencian en el valor de sus
respectivas medias.
.Modelo de efectos aleatorios: En este
caso, los datos tienen una jerarquía y
las diferencias poblacionales dependen
de esta.
Modelo de efectos mixtos:
Estaríamos ante un modelo que es
mezcla de los dos anteriores.