Clase 7: ANOVA factorial y ANCOVA Flashcards

1
Q

¿Qué es el análisis de varianza factorial o de 2 factores?

A

PPT
1. Es usado en situaciones donde dos o más variables de agrupamiento (factores) son combinados y se obtienen puntajes de la variable dependiente.
2. Ejemplo:
- Ejercicio alto/bajo (factor 1) y adherencia a dieta mediterránea baja/alta (factor 2) en el CAMBIO DE PESO
CHATGPT
1. Es una técnica estadística utilizada para analizar el efecto de dos o más variables independientes (factores) en una variable dependiente continua.
2. Permite examinar cómo interactúan y se combinan estos factores para influir en la variable de interés

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
2
Q

¿Qué es un experimento factorial?

A
  1. Los efectos de dos o más factores son evaluados en un experimento.
  2. En un experimento factorial, los tratamientos usados son combinaciones de los niveles del factor.
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
3
Q

Son llamados efectos principales…

A

El efecto del factor A (a través de los niveles del factor B) y el efecto del factor B ( a través de los niveles del factor A)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
4
Q

El efecto del factor A (a través de los niveles del factor B) y el efecto del factor B ( a través de los niveles del factor A)

A

Son llamados los EFECTOS PRINCIPALES

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
5
Q

Cuando el efecto de un factor no es el mismo en los diferentes niveles del otro factor.
¿Se llama?

A

Efecto de interacción

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
6
Q

HIPÓTESIS QUE SE PRUEBAN

A
  1. Ho1: No hay diferencia de las medias entre los dos niveles del factor A
  2. Ho2: No hay diferencias entre las medias de los tres niveles del factor B.
  3. No hay interacción entre A y B.
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
7
Q

Supuestos de ANOVA factorial

A
  1. Los puntajes de la variable dependiente “Y” deben ser cuantitativos.
  2. Dentro de cada grupo (y cada celda), los puntajes de la variable Y deben estar distribuidos aproximadamente normal, sin valores extremos (outliers). Esto se puede apreciar haciendo histogramas y gráficos de cajas para cada celda.
  3. Las varianzas poblacionales son razonablemente iguales entre los grupos.
  4. Las observaciones son independientes dentro de los niveles de cada factor.
  5. Idealmente el número de observaciones en cada celda debe ser igual.
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
8
Q

Robustez de ANOVA factorial

A
  1. ANOVA factorial es robusta con respecto a la violación de la homogeneidad y la normalidad siempre que el número de observaciones dentro de cada celda sea exactamente la misma.
    - De otra forma, se deben cumplir con los supuestos
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
9
Q

nos informa el porcentaje aproximado de la varianza que es explicado por cada uno de los factores.

A

El tamaño del efecto (η2)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
10
Q

El tamaño del efecto (η2)

A

nos informa el porcentaje aproximado de la varianza que es explicado por cada uno de los factores.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
11
Q

¿Qué es el η2-parcial?

A
  1. El tamaño eta-parcial nos informa la proporción de varianza que cada factor explica en relación a la varianza de cada factor.
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
12
Q

ANCOVA o…

A

Análisis de covarianza

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
13
Q

Situaciones de investigación para el uso del ANCOVA

A
  1. ANCOVA combina uno o más predictores categóricos y uno o más predictores cuantitativos, llamados covariables, para predecir los puntajes de una variable “Y” cuantitativa.
  2. ANCOVA es, una combinación de ANOVA y regresión lineal.
  3. En resumen: se intenta comparar las medias de más de dos grupos, pero controlando el efecto de una o más variables cuantitativas.
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
14
Q

Es una combinación de ANOVA y regresión lineal.

A

ANCOVA

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
15
Q

¿Dónde tiene gran aplicación ANCOVA?

A
  1. EN CUASIEXPERIMENTOS
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
16
Q

Las covariables toman parte de la…

A

Varianza de la variable independiente y parte de la varianza del error

17
Q

ANCOVA en estudios observacionales

A
  1. Igualmente, en estudios observacionales no se puede aleatorizar los grupos de estudio.
  2. Además de los efectos de las variables independientes, pueden existir covariables que podrían alterar los resultados.
  3. El ANCOVA incorpora a estas covariables para controlar su efecto.
  4. Las covariables más frecuentes son la edad, el peso, los niveles previos de algún marcador metabólico, etc.
18
Q

Nomenclatura en ANCOVA

A
  1. Vamos a llamar “A” a la variable independiente.
    - Esta variable es categórica y tiene niveles.
  2. Llamaremos “Xc” a la(s) covariable(s).
  3. Además, “Y” será la variable dependiente, que es cuantitativa. Queremos comparar los promedios de la variable “Y” a través de los grupos de los niveles de “A”.
19
Q

Hipótesis nula en ANCOVA

A
  1. La hipótesis nula es la de la igualdad de la media de la variable dependiente “Y” en los grupos de estudio.
  2. 𝐻𝑜:𝜇1=𝜇2=…=𝜇𝑘
  3. La diferencia con ANOVA, es que aquí trataremos de controlar el efecto de algunas variables Xc, llamadas covariables.
  4. SI no controlamos ese efecto, nuestras conclusiones serán débiles y podrían ser erróneas.
20
Q

ANCOVA en experimentos aleatorizados

A
  1. A pesar de realizar bien la aleatorización, se puede tener mala suerte y terminar con alguna variable mal balancead entre los grupos.
  2. En este caso, es necesario realizar un ANCOVA y controlar el efecto de esa variable.
  3. Casi siempre, a pesar de estar bien aleatorizado, se incluyen algunas variables como covariables: la edad es una de ellas.
  4. Alguna covariable podría tener un efecto confusor con la variable dependiente.
  5. Si la diferencia entre grupos es significativa luego de controlar las covariables, entonces se ha eliminado ese efecto confusor.
21
Q

puede ser importante aún cuando la covariable no sea un factor confusor.

A

Incluir una covariable

22
Q

¿En qué situaciones preferimos ANCOVA en lugar de ANOVA?

A

EN 2 situaciones

  1. La covariable Xc es confusora con el grupo de tratamiento “A”, y solamente podremos evaluar el efecto único de A cuando controlemos el efecto de Xc.
  2. La covariable Xc es un fuerte predictor de Y, la variable respuesta, e incluir a Xc como predictor nos dará un término de error más pequeño y así un F más grande al evaluar el efecto de A.
23
Q

¿Cuáles son los supuestos de ANCOVA?

A
  1. La covariable Xc y la variable dependiente Y deben tener distribución cercana a la normal.
  2. La relación entre Xc y Y debe ser aproximadamente lineal.
  3. La varianza de “Y” es razonablemente homogénea a través de los grupos de la variable independiente A.
24
Q

Básicamente, el análisis de varianza bidireccional nos permite en un experimento…

A

Evaluar el efecto de dos variables independientes y la interacción entre ellas sobre una variable dependiente

25
Q

Dado que los niveles de cada factor fueron elegidos sistemáticamente por el experimentador en lugar de ser elegidos al azar, esto se llama

A

Diseño de efectos fijos

26
Q

En un ANOVA two-way, se analizan los efectos principales de cada factor independiente, así como la interacción entre los dos factores. Por lo tanto,

A

Por lo tanto se exploran simultáneamente los efectos de ambos factores en una variable dependiente

27
Q

La esencia de una interacción es que el

A
  1. Efecto de un factor no es el mismo en todos los niveles del otro factor
    - Esto significa que, cuando ocurre una interacción entre los factores A y B, las diferencias en la variable dependiente debido a cambios en un factor no son las mismas para cada nivel del otro factor
28
Q

Al analizar los datos de un análisis bidireccional del diseño de varianza, determinamos cuatro estimaciones de varianza:

A
  1. Estimación de la varianza dentro de las celdas (within)
    - corresponde a la estimación de la varianza dentro de los grupos utilizada en el ANOVA unidireccional
  2. Varianza estimada de la fila
    - Se basa en la variabilidad de las medias de las fila y, por lo tanto, es sensible a los efectos de la variable A
  3. Varianza estimada de columna
    - Se basa en la variabilidad de las medias de las columnas y, por lo tanto, es sensible a los efectos de la variable B.
  4. Estimación SRC2 es la fila X estimación de la varianza de columna
    - Se basa en la variabilidad de las medias de las celdas y, por tanto, es sensible a los efectos de interacción de las variables A y B
29
Q

Mayor diferencia entre ANOVA unidireccional y bidireccional

A

Con un diseño bidireccional, podemos realizar esencialmente dos experimentos unidireccionales y además podemos evaluar la interacción entre las dos variables independientes.

30
Q
A