Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Una vez que se ha determinado que existen diferencias entre las medias, las pruebas de rango
post hoc y las comparaciones múltiples por parejas permiten determinar qué medias difieren. Las
comparaciones se realizan sobre valores sin corregir. Estas pruebas se utilizan únicamente para
factores inter-sujetos fijos. En MLG Medidas repetidas, estas pruebas no están disponibles si no
existen factores inter-sujetos y las pruebas de comparación múltiple post hoc se realizan para la
media a través de los niveles de los factores intra-sujetos. Para MLG - Multivariante, las pruebas
post hoc se realizan por separado para cada variable dependiente. Las opciones MLG -
Multivariante y MLG - Medidas repetidas sólo estarán disponibles si tiene instalada la opción
Estadísticas avanzadas.
GT2 de Hochberg
Compara un conjunto de tratamientos con una media de control simple. La última categoría es la
categoría de control predeterminada. Si lo desea, puede seleccionar la primera categoría.
Asimismo, puede elegir una prueba unilateral o bilateral. Para comprobar que la media de
cualquier nivel del factor (excepto la categoría de control) no es igual a la de la categoría de
control, utilice una prueba bilateral. Para contrastar si la media en cualquier nivel del factor es
menor que la de la categoría de control, seleccione < Control. Asimismo, para contrastar si la
media en cualquier nivel del factor es mayor que la de la categoría de control, seleccione >
Control.
Ryan, Einot, Gabriel y Welsch (R-E-G-W) desarrollaron dos pruebas de rangos múltiples por pasos.
Los procedimientos múltiples por pasos (por tamaño de las distancias) contrastan en primer lugar
si todas las medias son iguales. Si no son iguales, se contrasta la igualdad en los subconjuntos de
medias. R-E-G-W F se basa en una prueba F y R-E-G-W Q se basa en un rango estudentizado. Estas
pruebas son más potentes que la prueba de rangos múltiples de Duncan y Student-Newman-Keuls
(que también son procedimientos múltiples por pasos), pero no se recomiendan para tamaños de
casillas desiguales.
Cuando las varianzas son desiguales, utilice T2 de Tamhane (prueba conservadora de comparación
por parejas basada en una prueba t), T3 de Dunnett (prueba de comparación por parejas basada
en el módulo máximo estudentizado), prueba de comparación por parejas Games-Howell (a veces
liberal), o C de Dunnett (prueba de comparación por parejas basada en el rango estudentizado).
Tenga en cuenta que estas pruebas no son válidas y no se realizarán si el modelo tiene múltiples
factores.
Student-Newman-Keuls (S-N-K) y b de Tukey son pruebas de rango que asignan rangos a medias
de grupo y calculan un valor de rango. Estas pruebas no se utilizan con la misma frecuencia que las
pruebas anteriormente mencionadas.
El nivel de significación de la prueba de Scheffé está diseñado para permitir todas las
combinaciones lineales posibles de las medias de grupo que se van a contrastar, no sólo las
comparaciones por parejas disponibles en esta característica. El resultado es que la prueba de
Scheffé es normalmente más conservadora que otras pruebas, lo que significa que se precisa una
mayor diferencia entre las medias para la significación.
Pruebas mostradas. Se proporcionan comparaciones por parejas para DMS, Sidak, Bonferroni,
Games-Howell, T2 y T3 de Tamhane, C de Dunnett y T3 de Dunnett. También se facilitan
subconjuntos homogéneos para S-N-K, b de Tukey, Duncan, R-E-G-W F, R-E-G-W Q y Waller. La
prueba de la diferencia honestamente significativa de Tukey, la GT2 de Hochberg, la prueba de
Gabriel y la prueba de Scheffé son pruebas de comparaciones múltiples y pruebas de rango.
4. Seleccione los factores que desee analizar y desplácelos hasta la lista Contrastes post hoc
para.
Los contrastes post hoc no están disponibles si se han especificado covarianzas en el modelo.
Las opciones MLG - Multivariante y MLG - Medidas repetidas sólo estarán disponibles si tiene
instalada la opción Estadísticas avanzadas.
¿Qué método de comparación múltiple debo usar con ANOVA de un solo factor?
¿Qué método de comparación múltiple debo usar con Ajustar modelo lineal
general o Ajustar modelo de efectos mixtos?
¿Qué pasa si el valor p indicado en la tabla ANOVA no coincide con la salida de las
comparaciones múltiples?
Las comparaciones múltiples de las medias permiten examinar cuáles medias son diferentes y
estimar el grado de diferencia. Usted puede evaluar la significancia estadística de las diferencias
entre las medias usando un conjunto de intervalos de confianza, un conjunto de pruebas de
hipótesis o ambos. Los intervalos de confianza permiten evaluar la significancia práctica de las
diferencias entre las medias, además de la significancia estadística. Como es habitual, la hipótesis
nula de no diferencia entre medias se rechaza si y solo si el intervalo de confianza no contiene el
cero.
¿Qué método de comparación múltiple debo usar con ANOVA de un solo factor?
La selección del método adecuado de comparación múltiple depende de la inferencia que usted
desee. No es adecuado utilizar el método de Tukey para todas las parejas si los métodos de
Dunnett o MCB son apropiados, porque los intervalos de confianza de Tukey serán más amplios y
las pruebas de hipótesis serán menos potentes para una tasa de error por familia determinada.
Por las mismas razones, MCB es superior a Dunnett si usted desea eliminar los niveles de factor
que no sean los mejores e identificar cuáles son los mejores o están cerca de serlo. La elección
entre los métodos LSD de Tukey y de Fisher depende de la tasa de error que desee especificar
usted: por familia o individual.
Las características y ventajas de cada método se resumen en la tabla siguiente:
Comparación
Datos Comparación
Método Fuerza con un
normales en parejas
control
NOTA
El ANOVA de un solo factor también ofrece el método LSD de Fisher para los intervalos de
confianza individuales. El método de Fisher no es un método de comparación múltiple, pero en
cambio contrasta los intervalos de confianza individuales para las diferencias por pareja entre las
medias usando una tasa de error individual. El método LSD de Fisher infla la tasa de error por
familia, la cual se muestra en la salida.
¿Qué método de comparación múltiple debo usar con Ajustar modelo lineal general o Ajustar
modelo de efectos mixtos?
Después de usar Ajustar modelo lineal general o Ajustar modelo de efectos mixtos, utilice el
análisis correspondiente para obtener comparaciones múltiples de las medias:
Estadísticas > ANOVA > Modelo lineal general > Comparaciones
El método de comparación
Elija En parejas en el cuadro de diálogo secundario Opciones cuando no tenga un nivel de control
y desee comparar todas las combinaciones de medias.
Elija Con un control para comparar las medias de nivel con la media de un grupo de control.
Cuando este método es adecuado, no conviene usar comparaciones en parejas porque los
intervalos de confianza en parejas son más amplios y las pruebas de hipótesis son menos potentes
para un nivel de confianza determinado.
Elija el procedimiento de comparación con base en las medias de grupo que desea comparar, el
tipo de nivel de confianza que desea especificar y qué tan conservadores desea que sean los
resultados. "Conservador" en este contexto indica que es probable que el nivel de confianza real
sea mayor que el nivel de confianza que se muestra.
A excepción del método de Fisher, los métodos de comparación múltiple incluyen protección
contra falsos positivos. Cuando las comparaciones múltiples se protegen de los falsos positivos, los
intervalos son más amplios que cuando no hay protección.
¿Qué pasa si el valor p indicado en la tabla ANOVA no coincide con la salida de las comparaciones
múltiples?
El valor p indicado en la tabla ANOVA y los resultados de las comparaciones múltiples se basan en
diferentes metodologías y ocasionalmente pueden producir resultados contradictorios. Por
ejemplo, es posible que el valor p del ANOVA indique que no hay diferencias entre las medias
mientras que la salida de las comparaciones múltiples indica que algunas medias son diferentes.
En este caso, por lo general se puede confiar en la salida de las comparaciones múltiples.
La tabla ANOVA no necesariamente tiene que indicar un valor p significativo para que se reduzca
la posibilidad de detectar una diferencia que no existe. Esta protección ya está incorporada en las
pruebas de Tukey, Dunnett y MCB (y en la prueba de Fisher cuando las medias son iguales)