Documente Academic
Documente Profesional
Documente Cultură
1. INTRODUCCIN
Presentamos en esta Unidad Didctica las pruebas estadsticas paramtricas de uso comn
cuando el objetivo es comparar las medias de ms de dos poblaciones o condiciones
experimentales o, dicho de otro modo, cuando pretendemos comprobar si una o varias
variables independientes influyen o afectan a una variable dependiente. En todos los casos, la
variable dependiente tiene que ser cuantitativa (medida en una escala de intervalo, al menos),
mientras que las variables independientes, o factores, son cualitativas.
Comenzaremos con el caso ms simple: el anlisis de varianza (ANOVA) de un factor,
donde un solo factor se pone en relacin con una variable dependiente, para seguir con los
modelos de ANOVA factorial, que implican ms de un factor. Finalizaremos con una
introduccin a los modelos de anlisis de covarianza (ANCOVA), en los que adems de uno o
varios factores y una variable dependiente, en el modelo se incorpora una o varias covariables
con objeto de controlar su posible efecto de confundido sobre la relacin entre los factores y la
variable dependiente.
el men Opciones podemos pedir al programa que, adems de la tabla-resumen del ANOVA,
nos d los estadsticos descriptivos para cada grupo (Estadsticos descriptivos), la prueba de
Levene de homogeneidad de varianzas (Pruebas de homogeneidad) y algn ndice del
tamao del efecto (Estimaciones del tamao del efecto). Adems, entrando en el men
Grficos, podemos pedirle un grfico que represente el perfil de las medias que estamos
comparando.
En ANOVA de un factor la hiptesis nula afirma que las medias de las diferentes
categoras del factor son iguales o, lo que es lo mismo, que dicho factor no afecta a la variable
dependiente; mientras que la hiptesis alternativa afirma lo contrario:
Ho: Las medias de los niveles del factor son similares; es decir, el factor no afecta
a la variable dependiente.
Ha: Las medias de los niveles del factor son diferentes; es decir, el factor afecta a
la variable dependiente.
La regla de decisin a aplicar es la habitual:
(1) Si el p-valor .05, se rechaza la Ho.
(2) Si el p-valor > .05, no se rechaza la Ho.
Antes de aplicar la prueba F del ANOVA es preciso comprobar si se cumple el
supuesto de homogeneidad de varianzas. Para ello, interpretamos la prueba de homogeneidad
de varianzas de Levene, que el programa SPSS calcula. Las hiptesis nula y alternativa que
plantea este contraste son:
Ho: Las varianzas de los niveles del factor son homogneas.
Ha: las varianzas de los niveles del factor son heterogneas.
La regla de decisin a aplicar es la habitual:
(1) Si el p-valor .05, se rechaza la Ho.
(2) Si el p-valor > .05, no se rechaza la Ho.
Como ejemplo vamos a utilizar el archivo HUMOR, que contiene los resultados de un
ensayo clnico en el que se puso a prueba la eficacia de tres frmacos (litio, carbamazepina y
divalproex sodio) en pacientes con trastorno bipolar. En concreto vamos a comparar los
resultados obtenidos en el postest en la variable Y-MRS que refleja las valoraciones de los
clnicos del estado manaco del paciente (YMRS2). Observe cmo en la ventana de dilogo
introducimos la variable dependiente YMRS2 en Dependiente y la variable independiente
Farmaco en Factores fijos. Adems, entrando en el men Opciones, pedimos los estadsticos
descriptivos bsicos, la prueba de homogeneidad de varianzas y una estimacin del tamao
del efecto. Por ltimo, entrando en el men Grficos Le pedimos un grfico de las tres medias.
Media
16,71
16,25
23,63
18,96
Desv. tp.
2,812
2,315
3,462
4,457
N
7
8
8
23
a
Contraste de Levene sobre la igualdad de las varianzas error
gl1
gl2
2
20
Significacin
,450
Fuente
Modelo corregido
Interseccin
Farmaco
Error
Total
Total corregida
Suma de
cuadrados
tipo III
268,153a
8151,429
268,153
168,804
8702,000
436,957
gl
2
1
2
20
23
22
Media
cuadrtica
134,076
8151,429
134,076
8,440
F
15,886
965,789
15,886
Significacin
,000
,000
,000
Eta al
cuadrado
parcial
,614
,980
,614
24
22
20
18
16
Litio
Carbazepina
Divalproex Sodio
Farmaco
En la primera tabla figuran las medias y desviaciones tpicas de los tres grupos en la
variable YMRS2. Esas tres medias son las que estamos contrastando mediante el ANOVA,
para comprobar si son significativamente diferentes entre si. Pero antes de interpretar el
ANOVA es preciso primero comprobar si se cumple el supuesto de homogeneidad de
varianzas, mediante la prueba de Levene que nos reporta la salida del programa. Vemos en la
tabla correspondiente que la prueba de Levene no alcanz la significacin estadstica,
llevndonos al no rechazo de la hiptesis nula y, en consecuencia, a la conclusin de que se
cumple el supuesto de homogeneidad de varianzas [F(2, 20) = 0.830, p = .450].
A continuacin, interpretamos el resultado de la prueba F del ANOVA, que en este caso
arroja un resultado estadsticamente significativo [F(2, 20) = 15.886, p < .001]. Por tanto,
podemos concluir que el nivel medio de sntomas manacos de los pacientes que recibieron los
tres frmacos no es el mismo en el postest, es decir, justo tras la finalizacin del tratamiento. El
grfico de las medias nos ayuda a interpretar este resultado significativo, observando cmo los
pacientes que se sometieron al litio y la Carbamazepina presentan medias (16.71 y 16.25,
respectivamente) inferiores a la media obtenida por los pacientes sometidos a Divalproex sodio
(media igual a 23.63), lo que indica que el litio y la carbamazepina parecen funcionar mejor que
el divalproex sodio en cuanto a la presencia de sntomas manacos. No obstante, el resultado
de la prueba F no nos permite ir ms all en la comparacin de las tres medias, ya que es una
prueba mnibus, es decir, evala la significacin global de las diferencias existentes entre el
conjunto de todas las medias. Para examinar ms en detalle las diferencias entre los frmacos
tendremos que aplicar pruebas de comparaciones a posteriori, como veremos ms adelante.
El resultado de la significacin estadstica del ANOVA debe complementarse con una
interpretacin de la significacin prctica o clnica. Cuando tenemos un diseo en el que
estamos comparando las medias de ms de dos grupos o niveles de tratamiento, el ndice del
tamao del efecto ms apropiado es alguno de la familia de ndices de la proporcin de
varianza explicada. Un ndice de proporcin de varianza explicada nos da un valor en tantos
por uno que se puede interpretar como la proporcin de la varianza de la variable dependiente
que es explicada por el factor o variable independiente. De todos los ndices de esta familia
2
existentes, SPSS nos ofrece el ndice Eta al cuadrado (Eta ). En nuestro ejemplo, hemos
2
obtenido un valor Eta = 0.614, lo que significa que el tipo de frmaco administrado a los
pacientes explica el 61.4% de la varianza de las puntuaciones en la escala de sntomas
manacos.
La interpretacin de los ndices de proporcin de varianza explicada puede hacerse
ayudndonos del criterio propuesto por Cohen (1988), segn el cual en modelos de ANOVA de
un factor sera preciso que dicho factor sea capaz de explicar al menos un 10% de la varianza
de la variable dependiente para poder considerar que el factor tiene relevancia prctica o
clnica. Por tanto, podemos tomar 0.10 como el valor mnimo que debera valer la proporcin de
varianza explicada, mientras que un valor en torno a 0.25 (25% de varianza explicada) ya sera
indicativo de una magnitud alta o clnicamente muy relevante. Por tanto, en nuestro ejemplo
podemos decir que el tipo de frmaco parece ejercer una muy alta relevancia clnica en la
explicacin de los sntomas manacos justo tras la finalizacin del tratamiento.
Qu hacer cuando no se cumple el supuesto de homogeneidad de las varianzas? En
ese caso podemos solicitar al programa que calcule alguna prueba robusta de ANOVA, que no
requiere del cumplimiento de este supuesto. ste es el caso de las pruebas de Brown-Forsythe
y de Welch. SPSS nos permite calcular estas pruebas siguiendo una ruta diferente a la que
hemos seguido en nuestro ejemplo. En lugar de entrar en el men Modelo Lineal General,
tenemos que acceder a travs del men ANOVA de un factor:
Analizar Comparar medias ANOVA de un factor
Dentro de la ventana Opciones, marcamos la opcin Brown-Forsythe y Welch.
Aunque el ejemplo que hemos desarrollado cumpla con el supuesto de homogeneidad
de varianzas, vamos a repetirlo para ilustrar cmo se obtienen las pruebas robustas de ANOVA
y su interpretacin. Partiendo del archivo HUMOR, seguimos la ruta Analizar, Comparar
medias, ANOVA de un factor, seleccionamos YMRS2 como variable dependiente y Farmaco
como factor. Entramos en el men Opciones y seleccionamos las pruebas de Brown-Forsythe
y de Welch. La lgica del contraste es idntica a la de la prueba F clsica del ANOVA. Observe
la tabla resultante:
Pruebas robustas de igualdad de las medias
YMRS2
a
Welch
Brown-Forsythe
Estadstico
12,910
15,955
gl1
2
2
gl2
12,815
18,216
Sig.
,001
,000
a. Distribuidos en F asintticamente.
Siguiendo con el ejemplo anterior, vamos a realizar las comparaciones a posteriori dos
1
a dos mediante el procedimiento de Tukey:
Comparaciones mltiples
Variable dependiente: YMRS2
DHS de Tukey
(I) Farmaco
Litio
Carbazepina
Divalproex Sodio
Diferencia
entre
medias (I-J)
,46
-6,91*
-,46
-7,38*
6,91*
7,38*
(J) Farmaco
Carbazepina
Divalproex Sodio
Litio
Divalproex Sodio
Litio
Carbazepina
Error tp.
1,504
1,504
1,504
1,453
1,504
1,453
Significacin
,949
,000
,949
,000
,000
,000
Intervalo de confianza al
95%.
Lmite
Lmite inferior
superior
-3,34
4,27
-10,71
-3,11
-4,27
3,34
-11,05
-3,70
3,11
10,71
3,70
11,05
Subconjuntos homogneos
YMRS2
a,b,c
DHS de Tukey
Farmaco
Carbazepina
Litio
Divalproex Sodio
Significacin
Subconjunto
1
2
16,25
16,71
23,63
,948
1,000
N
8
7
8
Tngase en cuenta que en este ejemplo sera ms apropiado aplicar la prueba de StudentNewman-Keuls, porque tenemos tres niveles de tratamiento. A efectos didcticos, hemos
preferido aplicar la prueba de Tukey, ya que es la que con ms frecuencia se aplica.
(a) Factor A:
Ho: El factor A no influye sobre la variable dependiente.
Ha: El factor A s influye sobre la variable dependiente.
(b) Factor B:
Ho: El factor B no influye sobre la variable dependiente.
Ha: El factor B s influye sobre la variable dependiente.
(a) Interaccin AxB:
Ho: No existe un efecto de interaccin AxB sobre la variable dependiente.
Ha: Existe un efecto de interaccin AxB sobre la variable dependiente.
Para los tres contrastes de hiptesis aplicamos la misma regla de decisin universal:
(1) Si el p-valor .05, se rechaza la Ho.
(2) Si el p-valor > .05, no se rechaza la Ho.
Como primer ejemplo (archivo HUMOR.SAV), vamos a programar un ANOVA de dos
factores completamente aleatorizado, tomando como factores el tipo de frmaco (FARMACO) y
el tipo de trastorno bipolar (BIPOLAR), y como variable dependiente las puntuaciones
obtenidas por los sujetos en el postest en la variable sntomas manacos (YMRS2). Incluimos
en la salida un grfico de lneas para observar el perfil de las medias, para lo cual, entramos en
la opcin Grficos y efectuamos la seleccin oportuna. Adems, entrando en Opciones,
vamos a completar la salida de los resultados pidindole al programa que reporte una tabla con
los estadsticos descriptivos bsicos para cada factor y la interaccin, as como la prueba de
homogeneidad de varianzas y la estimacin del tamao del efecto.
Estadsticos descriptivos
Variable dependiente: YMRS2
Farmaco
Litio
Carbazepina
Divalproex Sodio
Total
Bipolar
Trastorno Bipolar I
Trastorno Bipolar II
Total
Trastorno Bipolar I
Trastorno Bipolar II
Total
Trastorno Bipolar I
Trastorno Bipolar II
Total
Trastorno Bipolar I
Trastorno Bipolar II
Total
Media
15,67
17,50
16,71
15,50
17,00
16,25
22,00
24,60
23,63
17,50
20,08
18,96
Desv. tp.
3,512
2,380
2,812
2,082
2,582
2,315
1,000
4,159
3,462
3,749
4,769
4,457
N
3
4
7
4
4
8
3
5
8
10
13
23
gl1
gl2
5
Significacin
,213
17
Fuente
Modelo corregido
Interseccin
Farmaco
Bipolar
Farmaco * Bipolar
Error
Total
Total corregida
Suma de
cuadrados
tipo III
291,090a
7796,168
237,435
21,776
1,218
145,867
8702,000
436,957
gl
5
1
2
1
2
17
23
22
Media
cuadrtica
58,218
7796,168
118,718
21,776
,609
8,580
F
6,785
908,603
13,836
2,538
,071
Significacin
,001
,000
,000
,130
,932
Eta al
cuadrado
parcial
,666
,982
,619
,130
,008
Grficos de perfil
Medias marginales estimadas de YMRS2
Bipolar
Trastorno Bipolar I
Trastorno Bipolar II
25
22,5
20
17,5
15
Litio
Carbazepina
Divalproex Sodio
Farmaco
10
La tabla de estadsticos descriptivos presenta las medias y desviaciones tpicas para cada
nivel de cada factor, as como de la interaccin. Son esas medias las que estamos comparando
mediante la aplicacin de las pruebas F de ANOVA. Lo que dichas pruebas F evalan es si las
discrepancias que se aprecian entre esas medias son lo suficientemente grandes como para
poder rechazar la hiptesis nula de igualdad entre ellas (lo que implica ausencia de efecto del
factor sobre la variable dependiente). As mismo, el grfico de medias ayuda a interpretar el
resultado de las pruebas F del ANOVA. Pero los resultados fundamentales del ANOVA los
tenemos en la segunda tabla de la salida bajo el ttulo Prueba de los efectos inter-sujetos.
No obstante, antes de interpretar los resultados del ANOVA es preciso comprobar si se
cumple el supuesto de homogeneidad de varianzas mediante la interpretacin del resultado de
la prueba de Levene. En este caso, la prueba de Levene resulta no significativa: F(5, 17) =
1.602, p = .213; lo que nos lleva a aceptar la hiptesis nula de igualdad de varianzas. En
consecuencia, podemos interpretar los resultados del ANOVA. En concreto, vemos que:
(a) La prueba F para el factor A (frmaco) ha resultado estadsticamente significativa: F(2, 17)
= 13.836, p < .001. Por tanto, existen diferencias significativas entre el nivel medio de
mana en el postest entre los frmacos Litio (16.71), Carbamazepina (16.25) y Divalproex
(23.63).
(b) La prueba F para el factor B (tipo de trastorno bipolar), no alcanz la significacin
estadstica: F(1, 17) = 2.538, p = .130. Por tanto, no existen diferencias significativas en el
nivel de mana entre los pacientes con trastorno bipolar I (17.50) y trastorno bipolar II
(20.08).
(c) La prueba F para la interaccin AxB no result estadsticamente significativa: F(2, 17) =
0.071, p = .932. Por tanto, no existe un efecto de interaccin entre el tipo de frmaco y el
tipo de trastorno bipolar.
La significacin estadstica se complementa con alguna estimacin de la significacin
2
prctica. Para ello, hemos pedido al programa que calcule el coeficiente Eta , que es un ndice
de la proporcin de la varianza explicada por cada factor sobre la variable dependiente. As,
vemos que el factor tipo de frmaco explica el 61.9% de la varianza, una cantidad que puede
considerarse de muy alta magnitud. El factor tipo de trastorno explica el 13% de la varianza
que, siguiendo el criterio de Cohen, se sita por encima del 10% y, en consecuencia puede
valorarse como reflejando una magnitud clnica relevante, aunque baja. Observe que este
resultado es incongruente con la ausencia de significacin estadstica encontrada para este
factor en el ANOVA. Posiblemente, la razn de esta incongruencia est en el escaso tamao
muestral. Por ltimo, la interaccin entre los dos factores explic tan slo el 0.8% de la
varianza, un valor prcticamente irrelevante.
2.4 ANOVA de medidas repetidas
Otra modalidad dentro de los diseos de ANOVA es la que se da cuando son los mismos
sujetos los que pasan por las diferentes condiciones experimentales del factor o variable
independiente. En este caso, decimos que nos encontramos ante un diseo de medidas
repetidas. Dentro de esta seccin distinguiremos entre ANOVA de medidas totalmente
repetidas, cuando todos los factores son de medidas repetidas (o intra-sujeto), y ANOVA
factorial mixto, cuando al menos un factor es de medidas repetidas (intra-sujeto) y al menos un
factor es inter-sujeto.
2.4.1 ANOVA de medidas totalmente repetidas
Teniendo en cuenta que la variable dependiente tiene que ser cuantitativa, es posible comparar
las medias o, lo que es lo mismo, comprobar si el factor (esta vez intra-sujeto) influye sobre la
variable dependiente aplicando un ANOVA de un factor de medidas repetidas. Esta tcnica de
anlisis da una razn F que nos permite tomar una decisin sobre cul de las dos hiptesis
formuladas debemos aceptar:
Ho: No existen diferencias entre las medias del factor (el factor no influye sobre la
variable dependiente).
11
Ha: S existen diferencias entre las medias del factor (el factor s influye sobre la variable
dependiente).
La regla de decisin a aplicar es la universal:
(1) Si el p-valor .05, se rechaza la Ho.
(2) Si el p-valor > .05, no se rechaza la Ho.
Aparte de los supuestos de normalidad y homogeneidad de varianzas, el ANOVA de un
2
factor con medidas repetidas requiere que se cumpla el supuesto de esfericidad . SPSS
incorpora la prueba de Mauchly para comprobar este supuesto. Si no se cumple el supuesto,
debemos interpretar, en lugar de la prueba F clsica del ANOVA, alguna de las pruebas F
robustas univariantes que el programa incorpora (Greenhouse-Geisser, Huynh-Feldt o Lmite
inferior), o bien alguna de las pruebas multivariantes (Lambda de Wilks, Traza de Pillai-Bartlett,
Raz caracterstica mayor de Roy o Traza de Hotelling), que no requieren del cumplimiento de
este supuesto.
Para realizar este tipo de ANOVA con SPSS seguimos la ruta Analizar, Modelo lineal
general, Medidas repetidas:
Analizar Modelo lineal general Medidas repetidas
Accedemos de esta forma a un men en el que identificamos el factor o factores de
medidas repetidas en la ventana Nombre del factor intra-sujetos, especificando el nmero
de niveles de tratamiento en la ventana Nmero de niveles. Al marcar en Definir,
accedemos a un nuevo men en el que disponemos de los mismos submens que al
programar los anteriores diseos de ANOVA. En Modelo podemos modificar los parmetros
del modelo. En Contrastes y Post hoc podemos definir comparaciones entre medias a priori
y a posteriori. En Grficos podemos pedir un grfico de lneas para observar el perfil de las
medias. En Guardar podemos archivar residuales y valores pronosticados por el modelo. Y en
Opciones disponemos de las mismas posibilidades que en los diseos de ANOVA anteriores.
Como primer ejemplo, y continuando con los datos del archivo HUMOR.SAV, vamos a
realizar un ANOVA de un factor con medidas repetidas para comparar los niveles medios de
mana a lo largo de las tres valoraciones temporales realizadas: pretest, postest y seguimiento.
Con este propsito, no vamos a distinguir entre los tres tipos de frmaco, sino que vamos a
analizar los resultados de forma conjunta mediante un ANOVA de un factor de medidas
repetidas. En primer lugar, siguiendo la ruta Analizar Modelo lineal general Medidas
repetidas, se abre una ventana de dilogo en la que tenemos que indicar el nmero de niveles
de tratamiento del factor de medidas repetidas que, en nuestro caso es 3. Y picamos en
Aadir:
12
Variable
dependiente
YMRS1
YMRS2
YMRS3
Estadsticos descriptivos
YMRS1
YMRS2
YMRS3
Media
29,04
18,96
11,74
Desv. tp.
4,005
4,457
2,240
N
23
23
23
Contrastes multivariadosb
Efecto
factor1
Traza de Pillai
Lambda de Wilks
Traza de Hotelling
Raz mayor de Roy
Valor
,947
,053
17,755
17,755
F
186,428a
186,428a
186,428a
186,428a
a. Estadstico exacto
b.
Diseo: Interseccin
Diseo intra sujetos: factor1
13
Gl de la
hiptesis
2,000
2,000
2,000
2,000
Gl del error
21,000
21,000
21,000
21,000
Significacin
,000
,000
,000
,000
Eta al
cuadrado
parcial
,947
,947
,947
,947
Chi-cuadrado
aprox.
,074
W de Mauchly
,996
gl
Significacin
,964
Greenhous
e-Geisser
,996
Huynh-Feldt
1,000
Lmite-inferior
,500
Contrasta la hiptesis nula de que la matriz de covarianza error de las variables dependientes transformadas es proporcional a
una matriz identidad.
a. Puede usarse para corregir los grados de libertad en las pruebas de significacin promediadas. Las pruebas corregidas
se muestran en la tabla Pruebas de los efectos inter-sujetos.
b.
Diseo: Interseccin
Diseo intra sujetos: factor1
Fuente
factor1
Error(factor1)
Esfericidad asumida
Greenhouse-Geisser
Huynh-Feldt
Lmite-inferior
Esfericidad asumida
Greenhouse-Geisser
Huynh-Feldt
Lmite-inferior
Suma de
cuadrados
tipo III
3475,130
3475,130
3475,130
3475,130
376,203
376,203
376,203
376,203
Media
cuadrtica
1737,565
1743,703
1737,565
3475,130
8,550
8,580
8,550
17,100
gl
2
1,993
2,000
1,000
44
43,845
44,000
22,000
F
203,222
203,222
203,222
203,222
Significacin
,000
,000
,000
,000
Eta al
cuadrado
parcial
,902
,902
,902
,902
Fuente
factor1
Error(factor1)
factor1
Lineal
Cuadrtico
Lineal
Cuadrtico
Suma de
cuadrados
tipo III
3443,565
31,565
194,435
181,768
gl
1
1
22
22
Media
cuadrtica
3443,565
31,565
8,838
8,262
F
389,634
3,820
Significacin
,000
,063
Eta al
cuadrado
parcial
,947
,148
Fuente
Interseccin
Error
Suma de
cuadrados
tipo III
27360,522
524,145
gl
1
22
Media
cuadrtica
27360,522
23,825
F
1148,407
Significacin
,000
factor1
1
2
3
Media
29,043
18,957
11,739
Error tp.
,835
,929
,467
14
Intervalo de confianza al
95%.
Lmite
Lmite inferior
superior
27,311
30,776
17,029
20,884
10,770
12,708
Eta al
cuadrado
parcial
,981
Grficos de perfil
Medias marginales estimadas de MEASURE_1
30
25
20
15
10
1
factor1
15
(I) factor1
1
2
3
(J) factor1
2
3
1
3
1
2
Diferencia
entre
medias (I-J)
10,087*
17,304*
-10,087*
7,217*
-17,304*
-7,217*
Error tp.
,873
,877
,873
,836
,877
,836
Significacin
,000
,000
,000
,000
,000
,000
Intervalo de confianza al 95
a
% para la diferencia
Lmite
Lmite inferior
superior
7,824
12,350
15,033
19,576
-12,350
-7,824
5,050
9,384
-19,576
-15,033
-9,384
-5,050
16
Factores intra-sujetos
Medida: MEASURE_1
factor1
1
2
Variable
dependiente
YMRS1
YMRS2
Factores inter-sujetos
Farmaco
1
2
3
Etiqueta
del valor
Litio
Carbazepi
na
Divalproe
x Sodio
N
7
8
8
Estadsticos descriptivos
YMRS1
YMRS2
Farmaco
Litio
Carbazepina
Divalproex Sodio
Total
Litio
Carbazepina
Divalproex Sodio
Total
Media
28,00
29,50
29,50
29,04
16,71
16,25
23,63
18,96
17
Desv. tp.
4,933
2,000
4,899
4,005
2,812
2,315
3,462
4,457
N
7
8
8
23
7
8
8
23
Contrastes multivariadosb
Efecto
factor1
Traza de Pillai
Lambda de Wilks
Traza de Hotelling
Raz mayor de Roy
Traza de Pillai
Lambda de Wilks
Traza de Hotelling
Raz mayor de Roy
factor1 * Farmaco
Valor
,939
,061
15,306
15,306
,601
,399
1,509
1,509
Gl de la
hiptesis
1,000
1,000
1,000
1,000
2,000
2,000
2,000
2,000
F
306,113a
306,113a
306,113a
306,113a
15,086a
15,086a
15,086a
15,086a
Gl del error
20,000
20,000
20,000
20,000
20,000
20,000
20,000
20,000
Significacin
,000
,000
,000
,000
,000
,000
,000
,000
Eta al
cuadrado
parcial
,939
,939
,939
,939
,601
,601
,601
,601
a. Estadstico exacto
b.
Diseo: Interseccin+Farmaco
Diseo intra sujetos: factor1
Prueba de esfericidad de Mauchlyb
Medida: MEASURE_1
Epsilon
Efecto intra-sujetos
factor1
W de Mauchly
1,000
Chi-cuadrado
aprox.
,000
gl
0
Significacin
.
Greenhous
e-Geisser
1,000
Huynh-Feldt
1,000
Lmite-inferior
1,000
Contrasta la hiptesis nula de que la matriz de covarianza error de las variables dependientes transformadas es proporcional a
una matriz identidad.
a. Puede usarse para corregir los grados de libertad en las pruebas de significacin promediadas. Las pruebas corregidas
se muestran en la tabla Pruebas de los efectos inter-sujetos.
b.
Diseo: Interseccin+Farmaco
Diseo intra sujetos: factor1
Fuente
factor1
factor1 * Farmaco
Error(factor1)
Suma de
cuadrados
tipo III
1177,033
1177,033
1177,033
1177,033
116,011
116,011
116,011
116,011
76,902
76,902
76,902
76,902
Esfericidad asumida
Greenhouse-Geisser
Huynh-Feldt
Lmite-inferior
Esfericidad asumida
Greenhouse-Geisser
Huynh-Feldt
Lmite-inferior
Esfericidad asumida
Greenhouse-Geisser
Huynh-Feldt
Lmite-inferior
gl
1
1,000
1,000
1,000
2
2,000
2,000
2,000
20
20,000
20,000
20,000
Media
cuadrtica
1177,033
1177,033
1177,033
1177,033
58,006
58,006
58,006
58,006
3,845
3,845
3,845
3,845
F
306,113
306,113
306,113
306,113
15,086
15,086
15,086
15,086
Significacin
,000
,000
,000
,000
,000
,000
,000
,000
Eta al
cuadrado
parcial
,939
,939
,939
,939
,601
,601
,601
,601
Fuente
factor1
factor1 * Farmaco
Error(factor1)
factor1
Lineal
Lineal
Lineal
Suma de
cuadrados
tipo III
1177,033
116,011
76,902
gl
1
2
20
Media
cuadrtica
1177,033
58,006
3,845
F
306,113
15,086
Significacin
,000
,000
Eta al
cuadrado
parcial
,939
,601
Fuente
Interseccin
Farmaco
Error
Suma de
cuadrados
tipo III
26240,942
163,098
433,902
gl
1
2
20
Media
cuadrtica
26240,942
81,549
21,695
18
F
1209,534
3,759
Significacin
,000
,041
Eta al
cuadrado
parcial
,984
,273
Grficos de perfil
Medias marginales estimadas de MEASURE_1
Farmaco
30
Litio
Carbazepina
Divalproex Sodio
27,5
25
22,5
20
17,5
factor1
19
Farmaco
1
2
3
Etiqueta
del valor
Litio
Carbazepi
na
Divalproe
x Sodio
N
7
8
8
Obsrvese que en el ejemplo que nos ocupa, al tener slo dos niveles de tratamiento el factor
intra-sujeto (pretest versus postest), no tiene sentido preguntarse si se cumple o no el supuesto
de esfericidad, porque slo hay una posible puntuacin diferencial: la que compara el pretest
con el postest. En este caso, pues, no hay que preocuparse por este supuesto. Pero s habra
que hacerlo en el caso de que el factor intra-sujeto tenga ms de dos niveles de tratamiento
20
Estadsticos descriptivos
Variable dependiente: YMRS2
Farmaco
Litio
Carbazepina
Divalproex Sodio
Total
Media
16,71
16,25
23,63
18,96
Desv. tp.
2,812
2,315
3,462
4,457
N
7
8
8
23
gl1
gl2
2
20
Significacin
,262
Fuente
Modelo corregido
Interseccin
YMRS1
Farmaco
Error
Total
Total corregida
Suma de
cuadrados
tipo III
361,317a
5,551
93,164
245,661
75,639
8702,000
436,957
gl
3
1
1
2
19
23
22
Media
cuadrtica
120,439
5,551
93,164
122,831
3,981
F
30,253
1,394
23,402
30,854
Significacin
,000
,252
,000
,000
Farmaco
Litio
Carbazepina
Divalproex Sodio
Media
17,259a
16,012a
23,387a
Error tp.
,762
,707
,707
Intervalo de confianza al
95%.
Lmite
Lmite inferior
superior
15,663
18,855
14,532
17,492
21,907
24,867
21
Eta al
cuadrado
parcial
,827
,068
,552
,765
Grficos de perfil
Medias marginales estimadas de YMRS2
24
22
20
18
16
Litio
Carbazepina
Divalproex Sodio
Farmaco
Un primer dato que ayuda a entender lo que hace el ANCOVA se aprecia cuando
comparamos las medias reales obtenidas con los tres frmacos en el nivel de mana en el
postest (YMRS2) y las medias ajustadas por la covariable. Podemos ver estas dos parejas de
medias en la tabla etiquetada 'Estadsticos descriptivos' (medias reales: 16.71 para Litio, 16.25
para Carbamazepina y 23.63 para Divalproex Sodio) y en la tabla Medias marginales
estimadas (medias ajustadas por la covariable: 17.259 para Litio, 16.012 para Carbamazepina
y 23.387 para Divalproex Sodio). Estas ltimas ajustan las medias en el postest como si
hubieran tenido las mismas puntuaciones de partida en el pretest en la variable YMRS.
Antes de examinar si las tres medias ajustadas difieren significativamente entre s, es
preciso comprobar si se cumple el supuesto de homogeneidad de varianzas con la prueba de
Levene: F(2, 20) = 1.434, p = .262. Al cumplirse dicho supuesto es posible interpretar los
resultados del ANCOVA. La razn F que nos permite contrastar la hiptesis nula de que las
medias ajustadas de los tres frmacos son iguales la encontramos en la tabla etiquetada
Pruebas de los efectos inter-sujetos: F(2, 19) = 30.854, p < .001, con un 76.5% de varianza
explicada. Por tanto, rechazamos la hiptesis nula y concluimos que en el postest el nivel de
mana de los sujetos sometidos a los tres frmacos es significativamente diferente. Observe
que alcanzamos el mismo resultado si aplicamos un ANOVA de un factor tomando el tipo de
frmaco como factor inter-sujetos y las puntuaciones del YMRS en el postest como variable
dependiente (YMRS2): F(2, 20) = 15.886, p < .001, con un 61.4% de varianza explicada. Esta
similitud de resultados se debe al hecho de que en este ejemplo los tres grupos estn
igualados en el pretest en el YMRS y, en consecuencia, utilizar las puntuaciones del YMRS1
como covariable a penas afecta a los resultados. De hecho, observe cmo las medias reales y
las medias ajustadas antes comentadas para los tres grupos de sujetos en el postest son muy
similares. En la medida en que los grupos no estn igualados en la covariable, tanto mayores
discrepancias habr entre las medias reales y las ajustadas por la covariable y, en
consecuencia, mayores diferencias podrn darse entre el ANOVA (que no incorpora la
covariable) y el ANCOVA (que s la incorpora), hasta el punto de poderse alcanzar resultados
significativos en un caso y no significativos en el otro.
4. PRCTICAS
1. A partir de los datos del archivo HUMOR.SAV que hemos venido utilizando en esta Unidad
Didctica, compruebe si existen diferencias significativas entre los tres frmacos en el postest,
en cuanto a la escala de valoracin clnica general CGI. Obtenga los estadsticos descriptivos
22
2. Siguiendo con el archivo HUMOR.SAV, compruebe si los factores tipo de frmaco y tipo de
trastorno bipolar afectan a las puntuaciones obtenidas por los sujetos en la escala CGI en el
postest. Incluya en la salida la tabla de estadsticos descriptivos, la prueba de homogeneidad
de varianzas, las estimaciones del tamao del efecto y construya un grfico con el perfil de las
medias.
3. A partir de los datos del archivo HUMOR.SAV, compruebe si existen diferencias en la escala
CGI a lo largo de las tres medidas temporales registradas: pretest (CGI1), postest (CGI2) y
seguimiento (CGI3). Incluya los estadsticos descriptivos, la estimacin del tamao del efecto,
el grfico de medias y, si se alcanzan diferencias estadsticamente significativas entre las tres
medias, aplique comparaciones a posteriori por el procedimiento de Bonferroni.
Farmaco
Etiqueta
del valor
Litio
Carbazepi
na
Divalproe
x Sodio
1
2
3
N
7
8
8
Estadsticos descriptivos
Variable dependiente: CGI2
Farmaco
Litio
Carbazepina
Divalproex Sodio
Total
Media
4,71
4,75
4,75
4,74
Desv. tp.
1,113
1,282
1,753
1,356
N
7
8
8
23
gl1
,351
gl2
2
20
Significacin
,708
23
Fuente
Modelo corregido
Interseccin
Farmaco
Error
Total
Total corregida
Suma de
cuadrados
tipo III
,006a
514,299
,006
40,429
557,000
40,435
gl
2
1
2
20
23
22
Media
cuadrtica
,003
514,299
,003
2,021
F
,002
254,423
,002
Significacin
,998
,000
,998
Eta al
cuadrado
parcial
,000
,927
,000
Grficos de perfil
Medias marginales estimadas de CGI2
4,75
4,74
4,73
4,72
4,71
Litio
Carbazepina
Divalproex Sodio
Farmaco
Interpretacin:
En la tabla Estadsticos Descriptivos y en el grfico de medias podemos ver el perfil de las tres
medias en la escala CGI que pretendemos comparar mediante el ANOVA de un factor. En
concreto, las tres medias son muy similares: 4.71, 4.75 y 4.75 para los tres frmacos (Litio,
Carbamazepina y Divalproex Sodio). Con la prueba F de ANOVA podemos comprobar si esas
diferencias se deben a mero error de muestreo aleatorio o si son los suficientemente grandes
como para rechazar la hiptesis nula de igualdad de medias. Pero primero interpretamos el
resultado de la prueba de Levene para comprobar si se cumple el supuesto de homogeneidad
de varianzas: F(2, 20) 0.351, p = .708. Dado que se cumple el supuesto de homogeneidad de
varianzas, podemos interpretar el resultado de la prueba F convencional: F(2, 20) = 0.002, p =
.998, con un 0% de varianza explicada. Por tanto, mantenemos la hiptesis nula y concluimos
que los tres frmacos presentaron niveles prcticamente idnticos en la escala CGI en el
postest.
PRCTICA 2
Anlisis de varianza univariado
Factores inter-sujetos
Farmaco
1
2
3
Bipolar
1
2
Etiqueta
del valor
Litio
Carbazepi
na
Divalproe
x Sodio
Trastorno
Bipolar I
Trastorno
Bipolar II
24
N
7
8
8
10
13
Estadsticos descriptivos
Variable dependiente: CGI2
Farmaco
Litio
Carbazepina
Divalproex Sodio
Total
Bipolar
Trastorno Bipolar I
Trastorno Bipolar II
Total
Trastorno Bipolar I
Trastorno Bipolar II
Total
Trastorno Bipolar I
Trastorno Bipolar II
Total
Trastorno Bipolar I
Trastorno Bipolar II
Total
Media
5,00
4,50
4,71
5,00
4,50
4,75
3,67
5,40
4,75
4,60
4,85
4,74
Desv. tp.
1,000
1,291
1,113
1,414
1,291
1,282
1,528
1,673
1,753
1,350
1,405
1,356
N
3
4
7
4
4
8
3
5
8
10
13
23
gl1
,291
gl2
5
17
Significacin
,911
Fuente
Modelo corregido
Interseccin
Farmaco
Bipolar
Farmaco * Bipolar
Error
Total
Total corregida
Suma de
cuadrados
tipo III
6,568a
487,260
,234
,333
6,215
33,867
557,000
40,435
gl
5
1
2
1
2
17
23
22
Media
cuadrtica
1,314
487,260
,117
,333
3,107
1,992
F
,659
244,589
,059
,167
1,560
Significacin
,659
,000
,943
,688
,239
5,5
Trastorno Bipolar I
Trastorno Bipolar II
4,5
3,5
Litio
Carbazepina
Divalproex Sodio
Farmaco
25
Eta al
cuadrado
parcial
,162
,935
,007
,010
,155
Interpretacin:
La tabla de Estadsticos Descriptivos y el grfico de perfiles de las medias representa las
medias que pretendemos contrastar en este ANOVA de dos factores inter-sujeto. Antes de
comenzar con el ANOVA propiamente dicho, es preciso comprobar si se cumple el supuesto de
homogeneidad de varianzas interpretando el resultado de la prueba de Levene: F(5, 17) =
0.291, p = .911. Como se cumple el supuesto de homogeneidad de varianzas, podemos
interpretar a continuacin los resultados del ANOVA. Con respecto al factor Frmaco
obtenemos: F(2, 17) = 0.059, p = .943, con un 0.7% de varianza explicada. Por tanto, no
podemos rechazar la hiptesis nula y concluimos que no existen diferencias significativas entre
los tres frmacos en cuanto a las puntuaciones en la escala de valoracin clnica CGI en el
postest. En cuanto al factor tipo de trastorno bipolar obtenemos: F(1, 17) = 0.167, p = .688,
con un 1% de varianza explicada. Por tanto, tampoco podemos rechazar la hiptesis nula y
concluimos que no existen diferencias significativas entre los dos tipos de trastorno bipolar en
la escala CGI en el postest. Por ltimo, el resultado de la interaccin entre tipo de frmaco y
tipo de trastorno bipolar fue: F(2, 17) = 1.560, p = .239, con un 15.5% de varianza explicada.
Por tanto, tampoco podemos rechazar la hiptesis nula y concluimos que no existe un efecto
de interaccin estadsticamente significativo entre el tipo de frmaco y el tipo de trastorno
bipolar.
Sin embargo, el porcentaje de varianza explicada por la interaccin no es nada
despreciable, ya que fue superior al 15%, lo cual nos lleva a pensar que cierto efecto de
interaccin clnicamente significativo ocurri. De hecho, el perfil de las medias reflejado en el
grfico revela que el Litio y la Carbamazepina funcionaron mejor para los sujetos con trastorno
bipolar I, mientras que el Divalproex Sodio fue mejor con los sujetos con trastorno bipolar II.
Posiblemente, el escaso tamao muestral impidi que la prueba F de ANOVA fuera capaz de
detectar este efecto que parece importante.
PRCTICA 3
Modelo lineal general
Factores intra-sujetos
Medida: MEASURE_1
factor1
1
2
3
Variable
dependiente
CGI1
CGI2
CGI3
Estadsticos descriptivos
CGI1
CGI2
CGI3
Media
7,96
4,74
2,26
Desv. tp.
1,364
1,356
1,054
N
23
23
23
Contrastes multivariadosb
Efecto
factor1
Traza de Pillai
Lambda de Wilks
Traza de Hotelling
Raz mayor de Roy
Valor
,941
,059
15,987
15,987
F
167,866a
167,866a
167,866a
167,866a
a. Estadstico exacto
b.
Diseo: Interseccin
Diseo intra sujetos: factor1
26
Gl de la
hiptesis
2,000
2,000
2,000
2,000
Gl del error
21,000
21,000
21,000
21,000
Significacin
,000
,000
,000
,000
Eta al
cuadrado
parcial
,941
,941
,941
,941
W de Mauchly
,911
Chi-cuadrado
aprox.
1,949
gl
2
Greenhous
e-Geisser
,919
Significacin
,377
Huynh-Feldt
,998
Lmite-inferior
,500
Contrasta la hiptesis nula de que la matriz de covarianza error de las variables dependientes transformadas es proporcional a
una matriz identidad.
a. Puede usarse para corregir los grados de libertad en las pruebas de significacin promediadas. Las pruebas corregidas
se muestran en la tabla Pruebas de los efectos inter-sujetos.
b.
Diseo: Interseccin
Diseo intra sujetos: factor1
Fuente
factor1
Suma de
cuadrados
tipo III
375,159
375,159
375,159
375,159
36,174
36,174
36,174
36,174
Esfericidad asumida
Greenhouse-Geisser
Huynh-Feldt
Lmite-inferior
Esfericidad asumida
Greenhouse-Geisser
Huynh-Feldt
Lmite-inferior
Error(factor1)
Media
cuadrtica
187,580
204,204
187,909
375,159
,822
,895
,824
1,644
gl
2
1,837
1,997
1,000
44
40,418
43,923
22,000
F
228,162
228,162
228,162
228,162
Significacin
,000
,000
,000
,000
Eta al
cuadrado
parcial
,912
,912
,912
,912
Fuente
factor1
Error(factor1)
factor1
Lineal
Cuadrtico
Lineal
Cuadrtico
Suma de
cuadrados
tipo III
373,065
2,094
23,435
12,739
gl
1
1
22
22
Media
cuadrtica
373,065
2,094
1,065
,579
F
350,224
3,617
Significacin
,000
,070
Eta al
cuadrado
parcial
,941
,141
Fuente
Interseccin
Error
Suma de
cuadrados
tipo III
1715,014
69,652
gl
1
22
Media
cuadrtica
1715,014
3,166
F
541,696
Significacin
,000
Eta al
cuadrado
parcial
,961
(I) factor1
1
2
3
(J) factor1
2
3
1
3
1
2
Diferencia
entre
medias (I-J)
3,217*
5,696*
-3,217*
2,478*
-5,696*
-2,478*
Error tp.
,251
,304
,251
,242
,304
,242
27
Significacin
,000
,000
,000
,000
,000
,000
Intervalo de confianza al 95
a
% para la diferencia
Lmite
Lmite inferior
superior
2,567
3,868
4,907
6,484
-3,868
-2,567
1,850
3,106
-6,484
-4,907
-3,106
-1,850
Grficos de perfil
Medias marginales estimadas de MEASURE_1
2
1
factor1
Interpretacin:
La tabla de estadsticos descriptivos y el grfico de medias presenta las tres medias que
pretendemos comparar: 7.96, 4.74 y 2.26, para el pretest, postest y seguimiento,
respectivamente. Antes de interpretar el ANOVA, comprobamos si se cumple el supuesto de
2
esfericidad examinando el resultado de la prueba de Mauchly: (2) = 1.949, p = .377. Al
cumplirse el supuesto de esfericidad podemos interpretar la prueba F convencional del
ANOVA: F(2, 44) = 228.162, p < .001, con un 91.2% de varianza explicada. Por tanto, se
rechaza la hiptesis nula y concluimos que se ha producido una reduccin estadstica y
clnicamente significativa del pretest al postest y al seguimiento en el nivel de malestar clnico
de los sujetos, segn la escala CGI.
Por ltimo, el procedimiento de Bonferroni de comparaciones entre las tres medias
arroj resultados estadsticamente significativos en todos los casos: se observaron diferencias
significativas entre el pretest y el postest, entre el postest y el seguimiento y entre el pretest y el
seguimiento (p < .001).
PRCTICA 4
Modelo lineal general
Factores intra-sujetos
Medida: MEASURE_1
factor1
1
2
Variable
dependiente
CGI1
CGI2
Factores inter-sujetos
Farmaco
1
2
3
Etiqueta
del valor
Litio
Carbazepi
na
Divalproe
x Sodio
28
N
7
8
8
Estadsticos descriptivos
CGI1
CGI2
Farmaco
Litio
Carbazepina
Divalproex Sodio
Total
Litio
Carbazepina
Divalproex Sodio
Total
Media
8,00
7,63
8,25
7,96
4,71
4,75
4,75
4,74
Desv. tp.
1,291
1,598
1,282
1,364
1,113
1,282
1,753
1,356
N
7
8
8
23
7
8
8
23
Contrastes multivariadosb
Efecto
factor1
Traza de Pillai
Lambda de Wilks
Traza de Hotelling
Raz mayor de Roy
Traza de Pillai
Lambda de Wilks
Traza de Hotelling
Raz mayor de Roy
factor1 * Farmaco
Valor
,887
,113
7,840
7,840
,050
,950
,053
,053
F
156,791a
156,791a
156,791a
156,791a
,531a
,531a
,531a
,531a
Gl de la
hiptesis
1,000
1,000
1,000
1,000
2,000
2,000
2,000
2,000
Gl del error
20,000
20,000
20,000
20,000
20,000
20,000
20,000
20,000
Eta al
cuadrado
parcial
,887
,887
,887
,887
,050
,050
,050
,050
Significacin
,000
,000
,000
,000
,596
,596
,596
,596
a. Estadstico exacto
b.
Diseo: Interseccin+Farmaco
Diseo intra sujetos: factor1
Prueba de esfericidad de Mauchlyb
Medida: MEASURE_1
Epsilon
Efecto intra-sujetos
factor1
W de Mauchly
1,000
Chi-cuadrado
aprox.
,000
gl
0
Significacin
.
Greenhous
e-Geisser
1,000
Huynh-Feldt
1,000
Lmite-inferior
1,000
Contrasta la hiptesis nula de que la matriz de covarianza error de las variables dependientes transformadas es proporcional a
una matriz identidad.
a. Puede usarse para corregir los grados de libertad en las pruebas de significacin promediadas. Las pruebas corregidas
se muestran en la tabla Pruebas de los efectos inter-sujetos.
b.
Diseo: Interseccin+Farmaco
Diseo intra sujetos: factor1
Fuente
factor1
factor1 * Farmaco
Error(factor1)
Esfericidad asumida
Greenhouse-Geisser
Huynh-Feldt
Lmite-inferior
Esfericidad asumida
Greenhouse-Geisser
Huynh-Feldt
Lmite-inferior
Esfericidad asumida
Greenhouse-Geisser
Huynh-Feldt
Lmite-inferior
Suma de
cuadrados
tipo III
118,783
118,783
118,783
118,783
,805
,805
,805
,805
15,152
15,152
15,152
15,152
gl
1
1,000
1,000
1,000
2
2,000
2,000
2,000
20
20,000
20,000
20,000
29
Media
cuadrtica
118,783
118,783
118,783
118,783
,402
,402
,402
,402
,758
,758
,758
,758
F
156,791
156,791
156,791
156,791
,531
,531
,531
,531
Significacin
,000
,000
,000
,000
,596
,596
,596
,596
Eta al
cuadrado
parcial
,887
,887
,887
,887
,050
,050
,050
,050
Fuente
factor1
factor1 * Farmaco
Error(factor1)
factor1
Lineal
Lineal
Lineal
Suma de
cuadrados
tipo III
118,783
,805
15,152
gl
1
2
20
Media
cuadrtica
118,783
,402
,758
F
156,791
,531
Significacin
,000
,596
Eta al
cuadrado
parcial
,887
,050
Fuente
Interseccin
Farmaco
Error
Suma de
cuadrados
tipo III
1846,465
,783
64,652
gl
1
2
20
Media
cuadrtica
1846,465
,391
3,233
F
571,203
,121
Significacin
,000
,887
Eta al
cuadrado
parcial
,966
,012
Grficos de perfil
Medias marginales estimadas de MEASURE_1
Farmaco
Litio
Carbazepina
Divalproex Sodio
8
4
1
factor1
Interpretacin:
La tabla de estadsticos descriptivos y el grfico de medias presenta las medias que
pretendemos comparar con este ANOVA. Al tener slo dos niveles de tratamiento el factor
intra-sujetos (pretest y postest), no procede comprobar el supuesto de esfericidad, por lo que la
prueba de Mauchley no arroja ningn resultado. Pasamos, pues, a interpretar los resultados de
las tres pruebas F del ANOVA. Con respecto al efecto del tipo de frmaco sobre las
puntuaciones en el CGI, hemos obtenido: F(2, 20) = 0.121, p = .887, con un 1.2% de varianza
explicada. Por tanto, podemos concluir que no existen diferencias significativas entre las
puntuaciones (promediando el pretest y el postest) para los tres frmacos. Respecto del factor
intra-sujeto momento de la medida, hemos obtenido: F(1, 20) = 156.791, p < .001, con un
88.7% de varianza explicada. Por tanto, rechazamos la hiptesis nula y concluimos que existen
diferencias estadstica y clnicamente significativas entre las puntuaciones del pretest y el
postest, pero agrupando los tres tipos de frmaco. Sin duda, el principal resultado de este
anlisis nos lo ofrece la F para la interaccin, ya que es la que permite comprobar si el cambio
del pretest al postest ha sido similar para los tres frmacos. Hemos obtenido este resultado:
F(2, 20) = 0.531, p = .596, con un 0.5% de varianza explicada. Por tanto podemos afirmar que
los tres frmacos presentan un perfil de medias similar entre el pretest y el postest y, en
consecuencia, no se observa un comportamiento diferente entre los sujetos que han recibido
uno u otro tipo de frmaco.
30
padre o madre, durante su infancia. La variable grupo distingue entre tres grupos de
estudiantes: el grupo 1 lo formaban aquellos sujetos que haban perdido a alguno de sus
padres, el grupo 2 inclua a los estudiantes cuyos padres todava vivan y permanecan
casados, y el tercer grupo inclua a los estudiantes de padres divorciados. Compruebe si los
tres grupos de estudiantes difieren en su nivel de ansiedad, construya un grfico de las medias
y realice todas las comparaciones dos a dos por el procedimiento de Tukey.
Prctica 6. Con el mismo archivo MIREAULT.SAV, compruebe mediante la prueba estadstica
pertinente si el grado de hostilidad cambia significativamente en funcin de la titulacin
cursada. Acompae el resultado de un grfico sobre la relacin entre ambas variables.
Prctica 7. En el archivo TRATAMIENTO DEL SOBREPESO.SAV se recoge el peso de 10
pacientes sometidos a una intervencin para adelgazar, antes del tratamiento (pretest),
inmediatamente despus del mismo (postest) y tras un mes de seguimiento (seguimiento).
Evale la eficacia del tratamiento, de forma global y a partir de todas las comparaciones dos a
dos entre la medias. Elabore un grfico donde se muestre la evolucin del peso de los
pacientes en los tres registros temporales: pretest, postest y seguimiento.
Prctica 8. Con el archivo DROGAS.SAV, compruebe si los factores tipo de tratamiento y
sexo influyen en las puntuaciones obtenidas por los sujetos en la variable locus de control
medida en el postest (LOCUS2). Evale la significacin prctica y estadstica de los resultados.
Prctica 9. A partir de los datos del archivo DEPRES.SAV, compruebe si existen diferencias
entre hombres y mujeres (SEXO) en cuanto a sus niveles de ingresos (INGRESOS),
controlando el posible influjo de la edad (EDAD). Elabore un grfico con las medias ajustadas
por la covariable.
Prctica 10. A partir de los datos del archivo DROGAS.SAV, compruebe si el tipo de
tratamiento influye en el ajuste emocional, tomando en consideracin las medidas pretest y
postest de esta variable. Aplique para ello un diseo de ANOVA factorial mixto con un factor
inter-sujeto (TRATAM) y un factor intra-sujeto (medidas pretest y postest en ajuste emocional:
AJE1 y AJE2).
Prctica 11. El archivo ANSIEDAD.SAV contiene los resultados de un estudio realizado sobre
una muestra de 8 pacientes con un alto nivel de ansiedad, que se sometieron a un tratamiento
psicolgico durante cuatro meses. Cada mes se anot la ansiedad de cada paciente, en una
escala de 0 (ansiedad baja) a 100 (ansiedad elevada), disponindose de 4 registros en el
tiempo correspondientes a las variables mes1, mes2, mes3 y mes4. Compruebe los efectos del
tratamiento a lo largo de los cuatro meses, efecte todas las comparaciones dos a dos entre
las medias y elabore un grfico con las cuatro medias.
Prctica 12. A partir del archivo DROGAS.SAV, aplique un diseo de ANOVA factorial para
comprobar el efecto del gnero (SEXO) y del centro asistencial en que estaban ingresados los
pacientes (CENTRO) en el nivel de locus de control medido en el pretest (LOCUS1).
Prctica 13. El archivo ESTUDIANTES PREUNIVERSITARIOS.SAV incluye una muestra de
600 estudiantes norteamericanos cursando el ltimo ao previo a su entrada en la Universidad.
Entre otras variables, el archivo incluye la raza (1 = hispano; 2 = asitico; 3 = negro; 4 = blanco)
y la habilidad para escribir en ingls (escribir), esta ltima en una escala cuantitativa donde las
puntuaciones ms altas indican una elevada destreza escribiendo. Compruebe si la habilidad
para escribir de los estudiantes cambia significativamente en funcin de la raza y ponga a
prueba todas las comparaciones dos a dos a partir del mtodo de Tukey.
Prctica 14. El archivo MEMORIA.SAV muestra el nivel de recuerdo de una muestra de sujetos
con el paso del tiempo (una hora, un da, una semana y un mes despus de estudiar una
historia durante 20 minutos). Compruebe si hubieron cambios significativos en la capacidad de
recuerdo a lo largo del tiempo y efecte todas las comparaciones dos a dos entre las medias.
31