Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
En el apartado anterior se han visto los procedimientos que permiten la comparacin de medias (ANOVA de un factor), que permite contrastar la hiptesis de igualdad de medias de las poblaciones definidas por los diferentes niveles en que poda segmentar el factor o variable independiente. Cuando se desea estudiar el efecto de ms de un factor sobre la variable dependiente es preciso recurrir a los modelos factoriales de anlisis de varianza que permiten estudiar el efecto de diversos factores, tanto de manera individual como conjunta.
2
Cuando se trabaja con un factor (VI), se estudia su efecto sobre la VD y se especifican diversos contrastes entre los niveles del factor, si el resultado del ANOVA es significativo. Pero si en el estudio intervienen dos factores, hay tres efectos que deben considerarse: los efectos de cada factor por separado sobre la VD, que se conocen como efectos principales, y el efecto de la interaccin de ambos factores sobre la VD
3
Dadas una variable dependiente cuantitativa y dos o mas variables independientes cualitativas, o factores, el anlisis factorial de la varianza consiste en analizar el comportamiento de la variable dependiente en las K subpoblanciones o grupos establecidos por las combinaciones de los valores de las independientes.
4
En el caso de tres factores, los efectos a estudiar seran 7 (tres principales, 3 interacciones dobles y 1 interaccin triple). Si el nmero de factores fueran cuatro, los efectos a estudiar seran 15 (4 principales, 6 interacciones binarias, 4 interacciones triples, y 1 interaccin cudruple).
5
Cuando hay ms de un factor, el nmero de poblaciones involucradas sern tantas como el producto de los niveles de cada uno de los factores. Ejemplo: ser realiza el anlisis de varianza factorial con dos factores, el primer con 3 niveles, y el segundo con 4 niveles, el nmero total de poblaciones ser 12 (3 x 4 = 12). Estas 12 poblaciones deben ser normales y homocedsticas.
7
Tambin supone el modelo que las observaciones han sido aleatoriamente seleccionadas, una muestra de cada poblacin. Por lo tanto estas poblaciones son independientes entre si.
Ejemplo:
archivos: ANOVA ULCERA.sav y ANOVA ULCERA.xls
Supongamos que se sospecha que en los pacientes con lcera pptica que han seguido un tratamiento, el tiempo que tarda en reaparecer la sintomatologa ulcerosa est relacionado con el tiempo que tarda el paciente en responder al tratamiento.
9
Se somete al tratamiento a un grupo de pacientes con lcera pptica, siendo todos ellos fumadores, y peridicamente (cada dos semanas) se comprueba si la sintomatologa ulcerosa persiste o ha desaparecido. Una vez desaparecida, el paciente sigue sometido a revisiones mensuales para comprobar el tiempo que tarda en reaparecer.
10
Antes de comenzar el tratamiento, algunos de los pacientes han decidido abandonar el hbito de fumar, por lo que se sospecha que en la reaparicin de los sntomas, adems del tiempo de respuesta al tratamiento, puede influir el efecto del abandono del tabaco. Por lo tanto se aplicar el ANOVA de dos factores.
11
Si denominamos RESPUEST y TABACO a las variables Tiempo de respuesta al tratamiento y Tabaquismo respectivamente, los valores que presenta la primera en el conjunto de pacientes observados son: 2, 4, 6 y 8 semanas. Los valores que presenta la segunda variable son Si y No.
12
La hiptesis nula que se desea contrastar es que las ocho muestras, establecidas por las combinaciones de los valores de RESPUEST y TABACO, proceden de ocho subpoblaciones en las que las medias de REAPARIC son iguales:
13
H0: respuesta1, tabaco1 = respuesta1, tabaco2 = respuesta2, tabaco1 = respuesta2, tabaco2 = respuesta3, tabaco1 = respuesta3, tabaco2 = respuesta4, tabaco1 = respuesta4, tabaco2
14
El anlisis de la varianza con q factores se basa en que la variabilidad total de la muestra puede descomponerse en la variabilidad debida a, o explicada por, las diferencias entre grupos y la debida a las diferencias dentro de los grupos o residual: SC Total = SC Entre + SC Residual
15
A su vez, la variabilidad explicada por el efecto de pertenecer a un grupo puede descomponerse en la variabilidad debida a los efectos de cada una de las q variables independientes (efectos principales) y la debida al efecto de todas las posibles interacciones entre ellas.
16
ANALIZAR -> MODELO LINEAR GENERAL -> UNIVARIANTE En el cuadro de dilogo DEPENDIENTES: LNREAPAR FACTORES FIJOS:
Tiempo de respuesta Paciente que ha dejado de fumar
MODELO En el cuadro de dilogo SUMA DE CUADRADOS: TIPO II CONTINUAR OPCIONES En el cuadro de dilogo
MOSTRAR: ESTADISTICOS DESCRIPTIVOS CONTINUAR
ACEPTAR
17
18
Estadsticos descriptivos: Variable dependiente: LNREAPAR Tiempo de respuesta Paciente ha dejado de fumar Si 2 Semanas No Total Si 4 Semanas No Total Si 6 Semanas No Total Si 8 Semanas No Total Si Total No Total Media 2,4814 2,0963 2,3336 2,2051 1,7987 1,9613 1,5745 1,8828 1,7223 1,0310 1,4551 1,3609 2,1271 1,8523 1,9870 Desv. tp. ,12859 ,16019 ,23503 ,10899 ,27325 ,29872 ,20169 ,18988 ,24898 ,16553 ,21894 ,27281 ,45124 ,29495 ,40329 N 69 43 112 40 60 100 38 35 73 6 21 27 153 159 312
19
Pruebas de los efectos inter-sujetos Variable dependiente: LNREAPAR Fuente Modelo corregido Interseccin RESPUEST TABACO RESPUEST * TABACO Error Suma de cuadrados tipo II 39,683(a) 1231,879 25,413 2,082 8,384 10,897 gl 7 1 3 1 3 304 Media cuadrtica 5,669 8,471 2,082 2,795 3,585E-02 F 158,147 236,313 58,086 77,966 Significacin ,000 ,000 ,000 ,000 ,000
1231,879 34365,134
Total
1282,460
312
Total corregida
50,581
311
20
El p-valor asociado al estadstico F, en la lnea Modelo Corregido, es menor que 0,05. Por lo tanto se rechaza la hiptesis nula de que las ocho medidas son iguales. Dado que las diferencias entre lo observado en la muestra y lo esperado bajo la hiptesis nula de igualdad de las medias son estadsticamente significativas, no se puede aceptar que el tiempo de reaparicin de los sntomas sea el mismo considerando simultneamente los distintos tiempos de respuesta al tratamiento y si el paciente ha dejado de fumar o no.
21
Sin embargo, mediante el anlisis de la varianza con un factor, habamos comprobado que el tiempo de reaparicin de los sntomas era distinto segn el tiempo de respuesta al tratamiento.
22
Podra suceder entonces que la diferencia de medias fuera debida nicamente al efecto de la variable RESPUEST, sin que el de TABACO interviniera en el resultado. Habiendo solo 4 medias distintas correspondientes a los cuatro grupos establecidos por los valores de RESPUEST:
23
respuesta1 = respuesta1, tabaco1 = respuesta1, tabaco2 respuesta2 = respuesta2, tabaco1 = respuesta2, tabaco2 respuesta3 = respuesta3, tabaco1 = respuesta3, tabaco2 respuesta4 = respuesta4, tabaco1 = respuesta4, tabaco2
24
Para comprobar a qu es debido este hecho de que se rechace la hiptesis nula de igualdad de las ocho medias, analizaremos: el efecto de cada factor por separado el efecto de la interaccin.
25
Al contrastar la hiptesis nula de que, en particular, el efecto de cada uno de los factores RESPUEST y TABACO es nulo, tambin los pvalores asociados a los estadsticos F correspondientes, son significativos.
27
En consecuencia, al nivel de significacin 0,05 todas las posibles hiptesis relativas a la nulidad de efectos pueden ser rechazadas. Luego el que las ocho medias difieran es debido tanto al efecto que causa una de las variables RESPUEST y TABACO por separado como al efecto de su interaccin. Ilustremos grficamente este resultado:
28
EJE DE CATEGORIAS: Tiempo de respuesta DEFINIR LINEAS POR: Pacientes ha dejado de fumar LAS LINEAS REPRESENTAN: OTRA FUCION DE RESUMEN VARIABLE: MEAN (LNREAPAR) ACEPTAR
29
30
14
12
10
6 Fuma 4 Si
No
Tiempo de respuesta
31
Representacin grfica de las medias de LNREAPAR en los grupos establecidos por las combinaciones de los valores de las variables RESPUEST y TABACO.
32
18 16 14
Tiempo de reaparicin
Tiempo de respuesta
33
CONCLUSIONES
A partir de los resultados anteriores podemos concluir que, para predecir el tiempo de reaparicin de los sntomas, es adecuado distinguir segn el tiempo de respuesta al tratamiento y segn si el paciente ha dejado de fumar o no.
34
Ejemplo ANOVA
Archivos: Datos de empleados fin.sav Datos de empleados fin.xls
Variables:
Sexo Edad (aos) Edad (agrupada) Nivel educativo (aos) Nivel educativo (niveles) Categora laboral Salario actual Salario inicial Meses desde el contrato Experiencia previa (meses) Situacin social (minora/mayora)
36
ANOVA de un factor:
Categoras laboral (VI) vs. Salario actual (VD).
Salario actual Descriptivos Intervalo de confianza para la media al 95% Lmite superior Lmite inferior $27,057.40 $28,619.68 $30,102.37 $31,775.40 $60,018.44 $67,937.16 $32,878.40 $35,960.73
Prueba de homogeneidad de varianzas Salario actual Estadstico de Levene 59,733 gl1 2 gl2 471 Sig. ,000
37
ANOVA de un factor:
Categoras laboral vs. Salario actual.
ANOVA Salario actual Suma de cuadrados 89438483925,943 48478011510,397 137916495436,340 gl 2 471 473 Media cuadrtica 44719241963,0 102925714,459 F 434,481 Sig. ,000
Pruebas robustas de igualdad de las medias Salario actual Welch Brown-Forsythe Estadstico 162,200 306,810
a
gl1 2 2
a. Distribuidos en F asintticamente.
38
Grfico de medias
70000 60000
50000
40000
30000
Categora laboral
39
40
Scheff
Games-Howell
(J) Categora laboral Seguridad Directivo Administrativo Directivo Administrativo Seguridad Seguridad Directivo Administrativo Directivo Administrativo Seguridad
Diferencia de medias (I-J) -$3,100.349 -$36,139.258* $3,100.349 -$33,038.909* $36,139.258* $33,038.909* -$3,100.349* -$36,139.258* $3,100.349* -$33,038.909* $36,139.258* $33,038.909*
Error tpico $2,023.760 $1,228.352 $2,023.760 $2,244.409 $1,228.352 $2,244.409 $568.679 $2,029.912 $568.679 $2,031.840 $2,029.912 $2,031.840
Sig. ,310 ,000 ,310 ,000 ,000 ,000 ,000 ,000 ,000 ,000 ,000 ,000
41
Subconjuntos Homogeneos:
Scheff
Salario actual Subconjunto para alfa = . 05 1 2 $27,838.54 $30,938.89 $63,977.80 ,259 1,000
Scheffa,b
N 363 27 84
Se muestran las medias para los grupos en los subconjuntos homogneos. a. Usa el tamao muestral de la media armnica = 58,031. b. Los tamaos de los grupos no son iguales. Se utilizar la media armnica de los tamaos de los grupos. Los niveles de error de tipo I no estn garantizados.
42
Descriptivos
Intervalo de confianza para la media al 95% Lmite Lmite inferior superior $27,184.22 $30,797.25 $37,640.62 $42,888.60 $38,156.27 $54,561.23 $36,133.91 $51,884.27 $25,331.23 $30,513.47 $32,874.01 $35,962.88
Menos de 25 aos Entre 25 y 30 aos Entre 30 y 35 aos Entre 35 y 40 aos Ms de 40 aos Total
Prueba de homogeneidad de varianzas Salario actual Estadstico de Levene 18,491 gl1 4 gl2 468 Sig. ,000
Pruebas robustas de igualdad de las medias Salario actual Welch Brown-Forsythe Estadstico 20,048 15,813
a
gl1 4 4
a. Distribuidos en F asintticamente.
44
Comparaciones mltiples Variable dependiente: Salario actual Scheff Intervalo de confianza al 95% Lmite Lmite inferior superior -$17,192.43 -$5,355.31 -$26,524.62 -$8,211.41 -$24,494.77 -$5,541.93 -$4,923.58 $7,060.35 $5,355.31 $17,192.43 -$15,165.33 $2,977.05 -$13,138.40 $5,649.44 $6,481.65 $18,202.87 $8,211.41 $26,524.62 -$2,977.05 $15,165.33 -$9,357.59 $14,056.91 $9,317.14 $27,555.66 $5,541.93 $24,494.77 -$5,649.44 $13,138.40 -$14,056.91 $9,357.59 $6,646.40 $25,527.08 -$7,060.35 $4,923.58 -$18,202.87 -$6,481.65 -$27,555.66 -$9,317.14 -$25,527.08 -$6,646.40
Entre 25 y 30 aos
Entre 30 y 35 aos
Entre 35 y 40 aos
Ms de 40 aos
(J) Grupo de edades Entre 25 y 30 aos Entre 30 y 35 aos Entre 35 y 40 aos Ms de 40 aos Menos de 25 aos Entre 30 y 35 aos Entre 35 y 40 aos Ms de 40 aos Menos de 25 aos Entre 25 y 30 aos Entre 35 y 40 aos Ms de 40 aos Menos de 25 aos Entre 25 y 30 aos Entre 30 y 35 aos Ms de 40 aos Menos de 25 aos Entre 25 y 30 aos Entre 30 y 35 aos Entre 35 y 40 aos
Diferencia de medias (I-J) -$11,273.873* -$17,368.014* -$15,018.354* $1,068.386 $11,273.873* -$6,094.140 -$3,744.481 $12,342.259* $17,368.014* $6,094.140 $2,349.659 $18,436.399* $15,018.354* $3,744.481 -$2,349.659 $16,086.740* -$1,068.386 -$12,342.259* -$18,436.399* -$16,086.740*
Error tpico $1,913.802 $2,960.844 $3,064.258 $1,937.538 $1,913.802 $2,933.225 $3,037.580 $1,895.064 $2,960.844 $2,933.225 $3,785.610 $2,948.767 $3,064.258 $3,037.580 $3,785.610 $3,052.590 $1,937.538 $1,895.064 $2,948.767 $3,052.590
Sig. ,000 ,000 ,000 ,990 ,000 ,366 ,823 ,000 ,000 ,366 ,984 ,000 ,000 ,823 ,984 ,000 ,990 ,000 ,000 ,000
Subconjuntos Homogeneos
Salario actual Scheff
a,b
Grupo de edades Ms de 40 aos Menos de 25 aos Entre 25 y 30 aos Entre 35 y 40 aos Entre 30 y 35 aos Sig.
Subconjunto para alfa = . 05 1 2 $27,922.35 $28,990.74 $40,264.61 $44,009.09 $46,358.75 ,998 ,323
Se muestran las medias para los grupos en los subconjuntos homogneos. a. Usa el tamao muestral de la media armnica = 62,199. b. Los tamaos de los grupos no son iguales. Se utilizar la media armnica de los tamaos de los grupos. Los niveles de error de tipo I no estn garantizados.
46
Comparaciones mltiples Variable dependiente: Salario actual Games-Howell Intervalo de confianza al 95% Lmite superior Lmite inferior -$15,701.15 -$6,846.60 -$29,218.08 -$5,517.95 -$26,428.75 -$3,607.96 -$3,321.12 $5,457.89 $6,846.60 $15,701.15 -$18,203.42 $6,015.14 -$15,421.11 $7,932.15 $7,221.24 $17,463.28 $5,517.95 $29,218.08 -$6,015.14 $18,203.42 -$13,327.73 $18,027.05 $6,339.70 $30,533.10 $3,607.96 $26,428.75 -$7,932.15 $15,421.11 -$18,027.05 $13,327.73 $4,423.04 $27,750.44 -$5,457.89 $3,321.12 -$17,463.28 -$7,221.24 -$30,533.10 -$6,339.70 -$27,750.44 -$4,423.04
Entre 25 y 30 aos
Entre 30 y 35 aos
Entre 35 y 40 aos
Ms de 40 aos
(J) Grupo de edades Entre 25 y 30 aos Entre 30 y 35 aos Entre 35 y 40 aos Ms de 40 aos Menos de 25 aos Entre 30 y 35 aos Entre 35 y 40 aos Ms de 40 aos Menos de 25 aos Entre 25 y 30 aos Entre 35 y 40 aos Ms de 40 aos Menos de 25 aos Entre 25 y 30 aos Entre 30 y 35 aos Ms de 40 aos Menos de 25 aos Entre 25 y 30 aos Entre 30 y 35 aos Entre 35 y 40 aos
Diferencia de medias (I-J) -$11,273.873* -$17,368.014* -$15,018.354* $1,068.386 $11,273.873* -$6,094.140 -$3,744.481 $12,342.259* $17,368.014* $6,094.140 $2,349.659 $18,436.399* $15,018.354* $3,744.481 -$2,349.659 $16,086.740* -$1,068.386 -$12,342.259* -$18,436.399* -$16,086.740*
Error tpico $1,610.925 $4,142.282 $3,972.533 $1,596.762 $1,610.925 $4,252.818 $4,087.661 $1,864.834 $4,142.282 $4,252.818 $5,592.173 $4,247.473 $3,972.533 $4,087.661 $5,592.173 $4,082.100 $1,596.762 $1,864.834 $4,247.473 $4,082.100
Sig. ,000 ,001 ,005 ,963 ,000 ,610 ,889 ,000 ,001 ,610 ,993 ,001 ,005 ,889 ,993 ,003 ,963 ,000 ,001 ,003
47
48
49
Coeficientes de los contrastes Grupo de edades Entre 25 y Entre 30 y Entre 35 y 30 aos 35 aos 40 aos 1 0 -1 -2 -2 -2
Contraste 1 2
Menos de 25 aos 1 3
Ms de 40 aos -1 3
Pruebas para los contrastes Valor del contraste -$2,676.10 -$90,525.64 -$2,676.10 -$90,525.64
Salario actual
Contraste 1 2 1 2
50
Hemos visto, dentro del modelo lineal general, lo que en el mbito del diseo se denominan diseos factoriales completamente aleatorizados, en donde se asigna aleatoriamente a los sujetos a cada una de las condiciones experimentales que se deriven del nmero de factores que concurren en el diseo. En este caso las fuentes de variabilidad del anlisis representan las diferencias entre los sujetos sometidos a las distintas condiciones.
52
En contraste con esto, hay otro tipo de diseos, en los que los sujetos pueden servir en todas o en algunas de las condiciones o tratamientos. En estas circunstancias, parte de la variabilidad extrada en el anlisis ser el reflejo de la variabilidad de cada sujeto, y esta es la razn por la cual a este tipo de diseos se les denomina diseos intra-sujetos o diseos de medidas repetidas.
53
Los modelos de ANOVA con medidas repetidas (MR) sirven para estudiar el efecto de uno o mas factor intra-sujetos y se caracteriza porque todos los los neviveles del factor (si hay mas de uno) se aplican a los mismos sujetos. El diseo mas simple de MR consiste en medir dos variables en una misma muestra de sujetos. Los datos de este diseo, como vimos, se analizan con la prueba t de Student para muestras relacionadas.
54
Pero los diseos de MR pueden tener mas de dos medidas y mas de un factor. Las ventajas del diseo de MR son que requiere menos sujetos que un diseo aletorizado y permite eliminar la variacin residual debida a las diferencias entre sujetos ya que son los mismos. Pero hay que analizar algunos efectos atribuibles a la utilizacin de los mismos sujetos, tales como efectos de arrastre (analizar un efecto sin esperar que finalice el efecto tomado anteriormente) o de aprendizaje entre las series (mejora con la repeticin).
55
En las ciencias del comportamiento, una alta proporcin de los diseos que se llevan a cabo son de este tipo por la ventajas que suponen. Son diseos que permiten estudiar cambios en conductas tales como aprendizaje, entrenamiento, recuerdo, cambio de actitudes, etc. Adems son particularmente sensibles y eficientes, en el sentido de que son ms econmicos en cuanto al nmero de sujetos, en comparacin con los diseos entre-sujetos.
56
Los sujetos tenan que localizar los errores y la VD es el nmero de errores identificados correctamente.
Sujetos 1 2 3 4 5 6 7 8 9 n1 14 15 16 13 16 16 14 12 11 n2 12 10 8 11 12 10 13 8 8 n3 7 9 11 8 7 8 12 11 8 n4 6 9 9 9 12 11 10 7 10
59
Sintaxis
GLM n1 n2 n3 n4 /WSFACTOR = factor1 4 Polynomial /METHOD = SSTYPE(3) /PLOT = PROFILE( factor1 ) /EMMEANS = TABLES(factor1) COMPARE ADJ(BONFERRONI) /PRINT = OPOWER /CRITERIA = ALPHA(.05) /WSDESIGN = factor1 .
60
c Contrastes multivariados
Efecto factor1
a. Calculado con alfa = ,05 b. Estadstico exacto c. Diseo: Interseccin Diseo intra sujetos: factor1
61
La primera tabla es la de los contrastes multivariados, que ofrece cuatro estadsticos: la Traza de Pillai, la Lamdba de Wilks, la Traza de Hotelling y la Raz mayor de Roy. Su interpretacin es la misma que la de cualquier estadstico: si el nivel crtico es < 0,05 se rechaza la hiptesis de igualdad de medias de los tratamientos. En nuestro caso, efectivamente, se puede decir que el nmero de errores tipogrficos detectados depende del nivel de dificultad de lectura de la pgina.
62
En los modelos de medidas repetidas es necesario trabajar con el supuesto de que las varianzas de las diferencias entre cada dos niveles del factor MR son iguales. En este ejemplo (4 medidas) pueden hacerse 6 pares de combinaciones de a dos por cada nivel (1-2, 1-3, 1-4, 2-3, 2-4, 3-4).
63
En el modelo de un factor MR se asume que las varianzas de esas 6 variables son iguales. Este supuesto equivale a a afirmar que la matriz de varianzas-covarianzas es circularo esfrica (circularidad de la matriz de varianzas-covarianzas). El procedimiento de MR ofrece para contrastarlo la prueba de esfericidad de Mauchly.
64
Para contrastar el supuesto, el procedimiento Medidas repetidas aporta la prueba de esfericidad W de Mauchly, que para los datos que se analizan nos lleva a aceptar dicha hiptesis, que indica igualdad en las varianzas.
b Prueba de esfericidad de Mauchly
Medida: MEASURE_1 Epsilon Efecto intra-sujetos factor1 W de Mauchly ,819 Chi-cuadrado aprox. 1,344 gl 5 Significacin ,931 Greenhous e-Geisser ,885
a
Huynh-Feldt 1,000
Lmite-inferior ,333
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
65
Pruebas de efectos intra-sujetos. Medida: MEASURE_1 Suma de cuadrados tipo III 152,306 152,306 152,306 152,306 77,944 77,944 77,944 77,944 Media cuadrtica 50,769 57,342 50,769 152,306 3,248 3,668 3,248 9,743 Parmetro de no centralidad 46,897 41,520 46,897 15,632 Potencia a observada 1,000 1,000 1,000 ,932
Fuente factor1
Error(factor1)
Esfericidad asumida Greenhouse-Geisser Huynh-Feldt Lmite-inferior Esfericidad asumida Greenhouse-Geisser Huynh-Feldt Lmite-inferior
Si se rechaza el estadstico W: se ofrecen dos soluciones alternativas. La primera es basar la decisin en los contrastes multivariados, que no estn afectados por el incumplimiento de dicho supuesto. La segunda es utilizar el estadstico F univariado aplicando un factor de correccin denominado psilon el cual expresa el grado en que la matriz de varianzas-covarianzas se aleja de la esfericidad. Son dos las estimaciones de psilon: la de Greenhouse-Geisser y la Huynh-Feldt El tercer valor ofrecido, Lmite inferior, es el valor ms extremo que alcanzara psilon en el caso de un incumplimiento mximo de la esfericidad.
66
Respecto de los contrastes, el procedimiento ofrece por defecto contrastes de tipo Polinmico, que permite analizar la tendencia de los datos (lineal, cuadrtica, cbica, etc.). Si no se modifica esta opcin por defecto la tabla con los contrastes Polinmicos y se denomina Prueba de los contrastes intra-sujetos.
Pruebas de contrastes intra-sujetos Medida: MEASURE_1 Suma de cuadrados tipo III 113,606 38,028 ,672 18,944 26,722 32,278 Media cuadrtica 113,606 38,028 ,672 2,368 3,340 4,035 Parmetro de no centralidad 47,974 11,385 ,167 Potencia a observada 1,000 ,839 ,065
Fuente factor1
Error(factor1)
gl 1 1 1 8 8 8
67
Los resultados de esta prueba nos indica que el mejor contraste que diferencia las 4 medidas es el contraste lineal y cuadrtico. Esto significa que las medidas de los errores de tipogrfico a medida que aumenta la dificultad en la lectura se ajustan significativamente a una recta (comportamiento lineal) como a una curva (comportamiento cuadrtico).
68
La tabla siguiente permite obtener el promedio estimado para cada nivel medido con su intervalo de confianza.
factor1 Medida: MEASURE_1 Intervalo de confianza al 95%. Lmite Lmite inferior superior 12,702 15,520 8,745 11,700 7,562 10,438 7,796 10,649
69
factor1 1 2 3 4
Comparaciones por pares Medida: MEASURE_1 Intervalo de confianza al 95 a % para la diferencia Lmite Lmite inferior superior 1,332 6,446 1,965 8,257 2,538 7,240 -6,446 -1,332 -2,197 4,642 -1,840 3,840 -8,257 -1,965 -4,642 2,197 -3,491 3,046 -7,240 -2,538 -3,840 1,840 -3,046 3,491
(I) factor1 1
(J) factor1 2 3 4 1 3 4 1 2 4 1 2 3
Diferencia entre medias (I-J) 3,889* 5,111* 4,889* -3,889* 1,222 1,000 -5,111* -1,222 -,222 -4,889* -1,000 ,222
Error tp. ,735 ,904 ,676 ,735 ,983 ,816 ,904 ,983 ,940 ,676 ,816 ,940
Significacin ,004 ,003 ,001 ,004 1,000 1,000 ,003 1,000 1,000 ,001 1,000 1,000
Basadas en las medias marginales estimadas. *. La diferencia de las medias es significativa al nivel ,05. a. Ajuste para comparaciones mltiples: Bonferroni.
70
Por ultimo se comparan de a pares las 4 medidas para determinar en cuales se encuentran diferencias estadsticamente significativas. Se observa que el factor 1 se diferencia de los niveles 2, 3 y 4; pero entre los niveles 2 3 y 4 no se observan diferencias estadisticamente significativas.
71
72
73
Por ultimo se comparan de a pares las 4 medidas para determinar en cuales se encuentran diferencias estadsticamente significativas. Se observa que el factor 1 se diferencia de los niveles 2, 3 y 4; pero entre los niveles 2 3 y 4 no se observan diferencias estadisticamente significativas.
74
CONCLUSIONES
A medida que aumenta la complejidad de la la lectura disminuyen los errores detectados. La diferencia se da entre el nivel 1 y los dems niveles. No se observan diferencias en los errores entre los niveles de complejidad 2,3 y 4.
75