Documente Academic
Documente Profesional
Documente Cultură
PRUEBA DE MANCOVA
Al igual que con ANCOVA univariante, los investigadores a menudo desean controlar
los efectos de las variables concomitantes en un diseño multivariado. La técnica de
análisis apropiada para esta situación es un análisis multivariado de covarianza, o
MANCOVA. El análisis multivariado de covarianza es esencialmente una combinación
de MANOVA y ANCOVA. MANCOVA pregunta si existen diferencias de significancia
estadísticamente significativas entre los grupos después de ajustar el DV recientemente
creado (una combinación lineal de todos los DV originales) para las diferencias en una o
más covariables.
II. OBJETIVOS
2.1 OBJETIVO GENERAL
Conocer el comportamiento de la prueba de mancova
2.2 OBJETIVOS ESPECIFICOS
Realizar las hipótesis de normalidad e interpretar
Realizar la hipótesis general e interpretar
Figura 1:
Fuente:
JXK
Es una parte de la estadística que comprende los métodos y procedimientos que por
medio de la inducción determina propiedades de una población estadística, a partir de
una parte de esta. Su objetivo es obtener conclusiones útiles para hacer deducciones sobre
una totalidad, basándose en la información numérica de la muestra.
ESTADISTICA ESTADISTICA
PARAMETRICA NO
PARAMETRICA
La covarianza es una medida de cuánto varían juntas dos variables aleatorias . Es similar
a la varianza, pero donde la varianza se explica cómo una sola variable varía, co -variance
le indica cómo dos variables varían juntos. Una covariable puede ser una de estas dos
variables. Es cualquier variable que afecta la forma en que sus variables independientes
actúan sobre sus variables dependientes. Por ejemplo, las variables de confusión son
covariables.
MANCOVA, MANOVA, ANOVA, ANCOVA: todo puede ser un poco confuso recordar
cuál es cuál. Sin embargo, todas las pruebas se pueden considerar como variantes de
MANCOVA, si recuerda que la " M " en M ANCOVA significa Múltiple y la " C "
significa Covariantes.
ANOVA : un MANCOVA sin múltiples variables dependientes y covariables (de ahí
la M y C que faltan).
ANCOVA : un MANCOVA sin múltiples variables dependientes (de ahí la M que
falta).
MANOVA : MANCOVA sin covariables (de ahí la C que falta).
3.5.1 SUPOSICIONES
Las matrices de covarianza para variables dependientes son iguales. Esto reduce el error
de tipo I y aumenta el poder estadístico.
Debe haber una relación lineal entre la variable (s) dependiente y la covariable.
3.7.1 INTERPRETACIÓN
El valor del índice de correlación varía en el intervalo [-1,1], indicando el signo el sentido
de la relación:
Medidas repetidas MANCOVA se usa para examinar cómo varía una variable
dependiente (VD) a lo largo del tiempo, utilizando múltiples mediciones de esa
variable, con cada medición separada por un período de tiempo
determinado. Además de determinar si el DV varía, un MANCOVA también
puede determinar si otras variables predicen la variabilidad en el DV a lo largo
del tiempo.
NORMALIDAD
correlación de Pearson
análisis multivariante
dias de tratamiento que reciben los pacientes dependieno si han recibido un distinto
Matriz de datos
REALIZAR LA NORMALIDAD
Analizar-estadisticos descriptivos- explorar
HIPOTESIS DE NORMALIDAD
El ritual de la significancia estadística
Plantear Hipótesis
1 Ho: EL CONJUNTO DE DATOS SI CUENTA CON DISTRIBUSION NORMAL
H1: EL CONJUNTO DE DATOS NO CUENTA CON DISTRIBUSION NORMAL
3 b) Kolmogorov-Smirnov Lilliefors
c) Shapiro–Wilk
d) Anderson-Darling
e) T de Student para muestras Independientes
Correlaciones
Donde aquí nos sale por arriba de nuestra significancia y esto quiere decir que no
tiene relacion directamente.
Realizar el analisis multivariante
Analizar modelo - linial general- multivariante
Factores inter-sujetos
Etiqueta de
valor N
TRATAMIENTO 1 A 50
2 B 50
3 C 50
Estadísticos descriptivos
Desviación
TRATAMIENTO Media estándar N
PRECIO.TRATAMIENTO A 617,44 241,897 50
B 494,36 76,176 50
C 180,70 51,720 50
B 30,20 6,540 50
C 89,50 6,358 50
M de Box 151,580
F 24,767
df1 6
df2 538562,769
Sig. ,000
a. Diseño : Interceptación +
APOYO.FAMILIAR + TRATAMIENTO
Pruebas multivariantea
Tipo III de
suma de Cuadrático
Origen Variable dependiente cuadrados gl promedio F Sig.
TIEMPO.TRATAMIEND
147189,804b 3 49063,268 1536,915 ,000
O
Interceptación PRECIO.TRATAMIENT
2297216,055 1 2297216,055 103,040 ,000
O
TIEMPO.TRATAMIEND
31892,289 1 31892,289 999,031 ,000
O
APOYO.FAMILIA PRECIO.TRATAMIENT
27629,775 1 27629,775 1,239 ,267
R O
TIEMPO.TRATAMIEND
,591 1 ,591 ,019 ,892
O
TRATAMIENTO PRECIO.TRATAMIENT
5032237,668 2 2516118,834 112,859 ,000
O
TIEMPO.TRATAMIEND
146880,396 2 73440,198 2300,526 ,000
O
Error PRECIO.TRATAMIENT
3254970,565 146 22294,319
O
TIEMPO.TRATAMIEND
4660,789 146 31,923
O
Total PRECIO.TRATAMIENT
36196423,000 150
O
TIEMPO.TRATAMIEND
466405,000 150
O
Total corregido PRECIO.TRATAMIENT
8353818,833 149
O
TIEMPO.TRATAMIEND
151850,593 149
O
Estimaciones
Variable dependiente TRATAMIENTO Media Error estándar Límite inferior Límite superior
a. Las covariables que aparecen en el modelo se evalúan en los valores siguientes: APOYO.FAMILIAR = 1,49.
Pruebas multivariante
Suma de Cuadrático
Variable dependiente cuadrados gl promedio F Sig.
F prueba el efecto de TRATAMIENTO. Esta prueba se basa en las comparaciones por parejas linealmente
independientes entre las medias marginales estimadas.
GRAFICOS PERFIL
ORECIO.TRATAMIENTO
TIEMPO.TRATAMIENTO
V. CONCLUSIONES
VI. BIBLIOGRAFIA
Home | Academic Solutions | Directory of Statistical Analyses | (M)ANOVA
Analysis | Multivariate Analysis of Covariance (MANCOVA)
http://www.statsmakemecry.com/smmctheblog/stats-soup-anova-ancova-
manova-mancova