Análisis de varianza unidireccional - ANOVA

Comando:

Estadística ANOVA Análisis de varianza de un factor

Descripción

El análisis de varianza de un factor (unidireccional) se utiliza para probar la diferencia entre las medias de varios subgrupos de una variable (prueba múltiple).

Cómo introducir datos

La siguiente figura ilustra cómo ingresar los datos. Para el ANOVA, se necesita una variable continua (concentración) y una variable cualitativa (calidad). Los datos de cada caso se ingresan en una fila de la hoja de cálculo.

El factor cualitativo puede ser un código de caracteres o numérico. Estos códigos se utilizan para dividir los datos en varios subgrupos para el procedimiento ANOVA y calcular la variación intergrupal e intragrupal.

Entrada requerida

Para Datos, seleccione una variable continua y para Códigos de factor, el factor cualitativo.

Opciones

• Transformación logarítmica : si los datos requieren una transformación logarítmica (por ejemplo, cuando los datos están sesgados positivamente), seleccione la opción Transformación logarítmica.
• Prueba post-hoc : esta prueba se utiliza para la comparación de subgrupos por pares cuando el ANOVA es positivo (es decir, p es menor que el nivel de significancia seleccionado; véase más adelante). MedCalc ofrece tres pruebas post-hoc (en orden decreciente de potencia): la prueba de Student-Newman-Keuls, la prueba de Tukey-Kramer y la prueba de Scheffé.
• Nivel de significancia : el nivel de significancia deseado para la prueba post-hoc. Si la prueba ANOVA arroja un valor p inferior a este nivel de significancia, MedCalc realiza la prueba post-hoc seleccionada.
• Residuos : puede seleccionar una prueba para la distribución normal de los residuos.

Resultados

Prueba de Levene para la igualdad de varianzas

Antes de la prueba ANOVA, se realiza la prueba de Levene para la igualdad de varianzas. Si la prueba de Levene es positiva (P<0,05), las varianzas en los diferentes grupos son diferentes (los grupos no son homogéneos) y podría ser necesario aplicar una transformación logarítmica a los datos o utilizar un estadístico no paramétrico.

Análisis de varianza

Los resultados del ANOVA se presentan en una tabla ANOVA, seguidos del estadístico F y el valor P asociado. Si el valor P es inferior a 0,05 (u otro nivel de significancia preseleccionado), se puede aceptar la hipótesis de que las medias de al menos dos subgrupos difieren significativamente.

Prueba post-hoc

Si la prueba ANOVA es positiva (P menor que el nivel de significancia seleccionado), entonces MedCalc realiza una prueba post hoc (utilizando el método de Student-Newman-Keuls, Tukey-Kramer o Scheffé) para la comparación por pares de subgrupos.

Transformación logarítmica

Si seleccionó la opción Transformación logarítmica, el programa realiza los cálculos sobre los logaritmos de la variable dependiente, pero las diferentes medias se transforman nuevamente y se informan como medias geométricas.

Análisis de residuos

El análisis ANOVA asume que los residuos (las diferencias entre las observaciones y los valores estimados) siguen una distribución normal. Esta suposición puede evaluarse mediante una prueba formal o métodos gráficos.

Las diferentes pruebas formales para la distribución normal podrían no tener la potencia suficiente para detectar desviaciones de la distribución normal cuando el tamaño de la muestra es pequeño. Por otro lado, cuando el tamaño de la muestra es grande, el requisito de una distribución normal es menos estricto debido al teorema del límite central.

Por lo tanto, a menudo se prefiere evaluar visualmente la simetría y la agudeza de la distribución de los residuos utilizando el histograma, el diagrama de caja y bigotes o el diagrama normal.

Para ello, haga clic en el hipervínculo 'Guardar residuos' en la ventana de resultados. Esto guardará los valores residuales como una nueva variable en la hoja de cálculo. Posteriormente, podrá usar esta nueva variable en los diferentes gráficos de distribución.

Gráfico

Para obtener una representación gráfica de esta prueba, consulte Gráficos de comparación múltiple.

Literatura

• Altman DG (1991) Practical statistics for medical research. London: Chapman and Hall.
• Armitage P, Berry G, Matthews JNS (2002) Statistical methods in medical research. 4^th ed. Blackwell Science.
• Sheskin DJ (2011) Handbook of parametric and non-parametric statistical procedures. 5^th ed. Boca Raton: Chapman & Hall /CRC.
• Snedecor GW, Cochran WG (1989) Statistical methods, 8^th edition. Ames, Iowa: Iowa State University Press.

Véase también

• Análisis de varianza de dos factores
• Análisis de covarianza
• Análisis de varianza de medidas repetidas
• Prueba de Kruskal-Wallis
• Prueba de Friedman