Ejemplo de análisis de la Varianza (ANOVA).

temp TVBN Las condiciones de conservación del pesca-

1 18,3 do se evalúan a través de la concentración de
1 15,92 TVBN (Total Volatile Base Nitrogen). A ma-
1 18,71 yor concentración de este elemento, peor es el
1 17,92 estado de conservación de la pieza. Con obje-
1 15,66 to de determinar la temperatura que produce
1 17,14 la menor concentración de TVBN, se eligen
1 15,21 al azar 30 atunes recién pescados, todos de
idéntico peso y caracterı́sticas generales. Se
1 19,92
separan en tres grupos de 10 piezas cada uno;
1 17,61
el primer grupo se congela a -4ºC, el segundo
1 13,43
a -20ºC y el tercero a -40ºC. La tabla de la
2 11,7
derecha muestra la concentración de TVBN
2 12,87
en cada pieza después de 2 semanas de con-
2 11,77
gelación. La variable temp corresponde a los
2 12,23
tres valores de temperatura señalados, codifi-
2 13,62
cados, respectivamente como 1, 2 y 3.
2 13,24
2 14,02 A partir de estos datos:
2 13,66
1. ¿Existen diferencias significativas en las
2 12,27
concentraciones medias de TVBN a las
2 12,45
tres temperaturas? Responder a esta
3 16,64
pregunta utilizando el método del aná-
3 17,83
lisis de la varianza.
3 19,01
3 17,33 2. Estima la concentración media de
3 17,06 TBVN a cada temperatura.
3 18,04
3 17,51 3. Estima la diferencia entre la concentra-
3 19,11 ción media de TVBN a cada tempera-
3 17,75 tura y la concentración media global.
3 19,36
4. ¿Se cumplen las condiciones para la
aplicación del análisis de la varianza?

1
 5. Utiliza los tests de Scheffé para decidir, tura se produce la menor concentración
en caso de que se hayan detectado di- de TVBN.
ferencias significativas, a qué tempera-

Nota: Los datos pueden descargarse directamente con R desde la web mediante:

> atunes = read.table(file = "http://dl.dropbox.com/u/7610774/Datos/atunes.csv",

header = T, sep = ";", dec = ",")
> attach(atunes)

1. Para determinar si existen diferencias significativas en las concentraciones de TVBN

hemos de resolver el contraste de hipótesis:

H : µ = µ = µ
0 1 2 3
H
1: ∃i, j : µi 6= µj

siendo µi la concentración media de TVBN cuando el pescado se conserva a la tempe-

ratura i.
Para ello utilizaremos la función aov() (acrónimo de analysis of variance). Pero primero
hemos de comprobar la estructura del conjunto de datos:

> str(atunes)

'data.frame': 30 obs. of 2 variables:

$ temp: int 1 1 1 1 1 1 1 1 1 1 ...
$ tvbn: num 18.3 15.9 18.7 17.9 15.7 ...

Importante: si la variable que clasifica los grupos a comparar no es un

factor, el resultado que muestra R al aplicar aov() es incorrecto.

En este caso, como la variable temp no es un factor, creamos una variable factor con
los mismos valores:

2
 > ftemp = factor(temp, levels = c(1, 2, 3), labels = c("-4",
"-20", "-40"))

Podemos efectuar ahora el análisis de la varianza:

> adeva = aov(tvbn ~ ftemp)

> summary(adeva)

Df Sum Sq Mean Sq F value Pr(>F)

ftemp 2 151.462 75.731 43.518 3.575e-09 ***
Residuals 27 46.986 1.740
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

Si elegimos como nivel de significación el habitual α = 0,05, como vemos, el p-valor

asociado al contraste (3.575e-09) es mucho menor que α, por lo que se rechaza la
hipótesis nula H0 anterior. Consecuentemente, existen diferencias significativas entre las
medias, esto es, al menos dos de las temperaturas dan lugar a valores medios distintos
de TVBN.

2. Para estimar la concentración media µi para cada temperatura ejecutamos la función:

> model.tables(adeva, "means")

Tables of means
Grand mean

15.90967

ftemp
ftemp
-4 -20 -40
16.982 12.783 17.964

Grand mean representa la media global de todos los datos (15.91). El resto de valores
nos da la concentración media de TVBN para cada temperatura.

3. Asimismo, para estimar los efectos β̂i = µ̂i − µ̂, empleamos:

3
 > model.tables(adeva, "effects")

Tables of effects

ftemp
ftemp
-4 -20 -40
1.0723 -3.1267 2.0543

Ası́, a la temperatura 1 se produce, por término medio, una concentración de 1.0723

unidades de TVBN superior a la media global; a la temperatura 2 se produce una con-
centración -3.1267 unidades inferior a la media, y a la temperatura 3 una concentración
2.0543 unidades mayor que la media. Por tanto, aparentemente la mayor reducción de
TVBN se consigue a la temperatura 2.

4. Para comprobar la validez de la aplicación del ANOVA hemos de verificar las condicio-
nes de homoscedasticidad (igualdad de varianzas en todos los grupos) y normalidad de
los residuos.

a) Homoscedasticidad: hemos de resolver el contraste:

(
H0 : σ12 = σ22 = ... = σp2
H1 : ∃ i, j : σi2 6= σj2

Para ello aplicamos el test de Levene:

> require(car)
> levene.test(tvbn ~ ftemp)
Levene's Test for Homogeneity of Variance
Df F value Pr(>F)
group 2 3.5977 0.04120 *
27
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

(nota: en versiones antiguas del paquete car el test de Levene se ejecuta mediante
una sintaxis ligeramente distinta, leveneTest()).
El p-valor inferior a α = 0,05 nos lleva a rechazar H0 . Por tanto los datos no son
homoscedásticos y el análisis de la varianza que se ha realizado en el apartado 1
no es válido.

4
 b) Normalidad: para contrastar la normalidad de los residuos utilizamos el test de
Shapiro-Wilk:

> shapiro.test(residuals(adeva))
Shapiro-Wilk normality test

data: residuals(adeva)
W = 0.9741, p-value = 0.6569

Los residuos son normales, pero como ha fallado la homoscedasticidad convertimos los
datos a logaritmo y comprobamos si los datos transformados son homoscedásticos:

> tvbn.transf = log(tvbn)

> levene.test(tvbn.transf ~ ftemp)

Levene's Test for Homogeneity of Variance

Df F value Pr(>F)
group 2 2.8155 0.07752 .
27
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

En este caso el p-valor es mayor que α=0.05, por lo que podemos aceptar la igualdad
de las varianzas (homoscedasticidad) para los datos transformados a escala logarı́tmi-
ca. Procedemos entonces a repetir el análisis de la varianza, ahora sobre estos datos
transformados:

> adeva2 = aov(tvbn.transf ~ ftemp)

> summary(adeva2)

Df Sum Sq Mean Sq F value Pr(>F)

ftemp 2 0.66106 0.33053 48.815 1.078e-09 ***
Residuals 27 0.18282 0.00677
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

Vemos, pues, que el análisis de la varianza muestra también diferencias significativas

entre las concentraciones de TVBN a las distintas temperaturas (p-valor<α) en esta
nueva escala. Ahora el análisis puede ser válido, ya que los datos son homoscedásticos.
Faltarı́a comprobar la normalidad de los residuos en este nuevo modelo:

5
 > shapiro.test(residuals(adeva2))

Shapiro-Wilk normality test

data: residuals(adeva2)
W = 0.9668, p-value = 0.4548

Como el p-valor es mayor que α = 0,05 puede aceptarse la normalidad de los residuos.
Consecuentemente la aplicación del ANOVA es correcta para los datos de TVBN trans-
formados a escala logarı́tmica. Como el ANOVA nos ha conducido a decidir que existen
diferencias significativas en la concentración de TVBN con los datos transformados,
concluimos que tales diferencias deben existir también en la escala original.

5. Para ver entre qué medias están las diferencias significativas utilizamos el test de Scheffe
(ojo, sobre los datos transformados, en los que hemos validado el ANOVA; si el ANOVA
hubiese sido válido con los datos originales, habrı́amos utilizado aquellos.):

> require(agricolae)
> scheffe.test(adeva2, "ftemp")

Study:

Scheffe Test for tvbn.transf

Mean Square Error : 0.006771033

ftemp, means

tvbn.transf std.err replication

-20 2.546255 0.02032692 10
-4 2.826161 0.03686694 10
-40 2.887200 0.01609208 10

alpha: 0.05 ; Df Error: 27

Critical Value of F: 3.354131

Minimum Significant Difference: 0.09531197

6
Means with the same letter are not significantly different.

Groups, Treatments and means

a -40 2.8872
a -4 2.826161
b -20 2.546255

Vease que en el resultado se nos informa que ”las medias con la misma letra no son
significativamente diferentes”. En este caso, los tratamientos (temperaturas) 3 y 1 van
acompañados de la misma letra ( a), y el tratamiento (temperatura) 2 lleva la letra (b).
Eso significa que entre los valores medios de TVBN que se producen a las temperaturas
1 y 3 no se observan diferencias significativas, que sı́ se observan con la temperatura
2 que muestra una media de TVBN inferior (las medias están en escala logarı́tmica, si
bien sus valores en la escala original se han mostrado en el apartado 2). El resultado
queda claramente ilustrado con el gráfico siguiente (datos en escala original):

> boxplot(tvbn ~ ftemp)

20
18
16
14
12

−4 −20 −40

7
 En el gráfico se aprecia que la media de TVBN a la temperatura 2 es inferior al resto (y
todo el análisis que hemos realizado nos prueba que es significativamente inferior al resto, esto
es, que no es inferior por azar). Asimismo se percibe que los grupos no son homoscedásticos
y que el primero es más variable que el resto.

En este caso, con la transformación logarı́tmica hemos conseguido la homoscedasticidad

y por tanto hemos podido utilizar el ANOVA. Si ninguna transformación hubiese producido
datos homoscedásticos, podrı́amos haber utilizado en cualquier caso el test de Kruskal-Wallis:

> kruskal.test(tvbn ~ ftemp)

Kruskal-Wallis rank sum test

data: tvbn by ftemp

Kruskal-Wallis chi-squared = 18.831, df = 2, p-value =
8.145e-05

Como vemos, también este test nos confirma la existencia de diferencias significativas
entre los valores centrales de concentración de TVBN a distintas temperaturas. El problema
en este caso es que, de no cumplirse las condiciones del ANOVA, los contrastes a posteriori,
para decidir entre qué grupos están las diferencias no podrı́an realizarse mediante el método
de Scheffé (habrı́a que utilizar varios test de Wilcoxon corrigiendo el nivel de significación de
los contrastes, lo que queda pendiente de explicar).