Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 4 vistas

    Anova y Comparaciones Múltiples - Casos Ejemplos

    Cargado por

    benjaqws123

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd

    Anova y Comparaciones Múltiples - Casos Ejemplos

    Cargado por

    benjaqws123
    4 vistas5 páginas

    Título original

    Anova y Comparaciones Múltiples_Casos ejemplos

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    4 vistas5 páginas

    Anova y Comparaciones Múltiples - Casos Ejemplos

    Cargado por

    benjaqws123

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    de 5

    ANOVA:

    El análisis de la varianza (ANOVA) es una herramienta estadística poderosa que se utiliza para
    comparar las medias de tres o más grupos de datos. Una de las principales ventajas de realizar una
    prueba ANOVA es que permite determinar si hay una diferencia significativa entre las medias de los
    grupos.

    Si la varianza entre los grupos es mayor que la varianza dentro de los grupos, entonces es probable
    que exista una diferencia significativa en las medias. Si la varianza dentro de los grupos es mayor que
    la varianza entre los grupos, entonces cualquier diferencia observada en las medias podría ser
    simplemente aleatoria.

    Beneficios de utilizar la prueba ANOVA

    Si estás recopilando datos métricos con tus encuestas, tal vez en forma de respuestas a una escala
    de Likert, la cantidad gastada en un producto, los puntajes de satisfacción del cliente o el número de
    compras realizadas, se puede analizar las diferencias en el puntaje promedio entre grupos de
    encuestados.

    Si estás comparando dos grupos a la vez (por ejemplo, hombres frente a mujeres, clientes nuevos
    vs. existentes, empleados vs. gerentes, etc.), entonces es apropiado usar una prueba t de Student
    para evaluar la importancia de cualquier diferencia. Sin embargo, si hay más de dos grupos, es
    necesario recurrir a otra técnica.

    ANOVA o sus equivalentes no paramétricos, te permiten determinar si las diferencias en los valores
    medios entre tres o más grupos son por casualidad o si son significativamente diferentes.

    ANOVA utiliza la prueba F para determinar si la variación en respuesta a las preguntas de satisfacción
    es lo suficientemente grande como para ser considerada estadísticamente significativa.

    El uso adecuado de ANOVA para analizar los datos de la encuesta requiere que se cumplan algunas
    suposiciones, incluida la distribución normal de los datos; independencia de los casos e igualdad de
    varianza (la varianza de cada grupo es igual).

    Prueba de Anova

    Ho = Todas las medias son iguales

    Ha = No todas las medias poblacionales son iguales

    Suposiciones:

    1. En cada población, la variable de respuesta tiene una distribución normal (Prueba de


    Kolmogorov-Smirnov o Shapiro-Wilk)
    2. La varianza de la variable de respuesta, es la misma en todas las poblaciones (Test de
    Levene)
    3. Las observaciones deben ser independientes (por diseño del estudio)
    ANOVA detecta diferencias significativas de las medias a través de las estimaciones de varianzas:

    - Dentro del grupo (SCW): Calculando las desviaciones con respecto a la media dentro de cada
    muestra (insesgada)
    - Entre el grupo (SCB): Calculando la desviación entre las medias de las muestras y la media
    general.
    - Con estas estimaciones, se calcula el valor F. Esto genera el valor P, que usualmente
    debe ser menor a alfa=0,01 para rechaza la hipótesis nula.

    VER VIDEO 8 – ANOVA DE UNA VÍA

    EJEMPLO (Tiendas por departamento):

    Descriptivos
    XXX vende mercadería de calidad
    95% del intervalo de confianza
    Desviación Error para la media Mínimo Máximo
    N Media estándar estándar Límite inferior Límite superior
    TA 167 3,69 ,768 ,059 3,57 3,81 1 5
    TV 134 3,69 ,816 ,070 3,55 3,83 2 5
    TP 138 3,39 ,900 ,077 3,24 3,54 1 5
    Total 439 3,60 ,835 ,040 3,52 3,68 1 5

    ANOVA
    XXX vende mercadería de calidad
    Suma de Media
    cuadrados Gl cuadrática F Sig.
    Entre grupos (SCB) 8,502 2 4,251 6,238 ,002
    Dentro de grupos
    297,133 436 ,681
    (SCW)
    Total 305,636 438
    VALOR P (SIG) = 0,002 < 0,01 ➔ rechazo Ho (No todas las medias son iguales o Al menos
    una de las medias es diferente).

    Supuestos de Prueba de ANOVA:


    SUPUESTO #1: El supuesto básico de ANOVA es la igualdad de las varianzas de las poblaciones
    definidas por los tratamientos. Este supuesto puede ser puesto a prueba utilizando el test de
    Levene.
    Se elige alfa = 0,01.

    Donde Ho = varianzas son iguales

    Ha = Varianzas no son iguales

    Prueba de homogeneidad de varianzas


    XXX vende mercadería de calidad
    Estadístico de
    Levene df1 df2 Sig.
    4,142 2 436 ,017

    VALOR P (SIG) = 0.017 < 0,05 (SE RECHAZA H0, ES DECIR, LAS VARIANZAS NO SON IGUALES). NO
    CUMPLE PRIMER SUPUESTO.

    SUPUESTO #2: Otro supuesto tiene que ver con la distribución normal de las variables:
    Ho: La distribución es normal
    H1: La distribución no es normal

    Pruebas de normalidad
    Kolmogorov-Smirnova Shapiro-Wilk
    tienda Estadístico gl Sig. Estadístico gl Sig.
    XXX vende mercadería de TA ,322 167 ,000 ,828 167 ,000
    calidad TV ,266 134 ,000 ,862 134 ,000
    TP ,251 138 ,000 ,881 138 ,000
    a. Corrección de significación de Lilliefors
    Se rechaza cuando p <= 0,05

    G.L. > 50 entonces utilizo Kolmogorov-Smirnov. El Valor p (SIG) es 0,000 < 0,05, entonces rechazo
    Ho (distribución no es normal). No cumple el segundo supuesto.

    SUPUESTO #3: Muestras son independientes. El diseño del estudio se hizo con tres encuestas
    separadas por tienda, por lo que por diseño, se cumple el supuesto de independencia de las
    muestras.

    En este caso, la ANOVA no es sustentable, pues se cumple sólo 1 de 3 supuestos, por lo que no
    puedo dar certeza estadística de la diferencia de medias.
    PROCEDIMIENTOS DE COMPARACIÓN MÚLTIPLE
    Cuando ya pudimos responder la pregunta general (son todas las medias iguales?) nos queda
    determinar cuál de ellas es diferente a las otras y es donde entran las comparaciones múltiples.

    Se llama el análisis “Post-Hoc” y este se aplica sólo en el caso que se haya rechazado la hipótesis
    nula. Se utiliza la prueba de Tukey para esto:

    Si P (Significancia) es menor a 0,05 se rechaza la hipótesis nula

    Comparaciones múltiples
    Variable dependiente: XXX vende mercadería de calidad
    HSD Tukey

    Diferencia de 95% de intervalo de confianza

    (I) tienda (J) tienda medias (I-J) Error estándar Sig. Límite inferior Límite superior

    TA TV -,005 ,096 ,998 -,23 ,22

    TP ,297* ,095 ,005 ,07 ,52


    TV TA ,005 ,096 ,998 -,22 ,23
    TP ,303* ,100 ,007 ,07 ,54
    TP TA -,297* ,095 ,005 -,52 -,07

    TV -,303* ,100 ,007 -,54 -,07

    *. La diferencia de medias es significativa en el nivel 0.05.

    TA & TV, el valor p (Sig) es 0,998 > 0,05, por lo que acepto Ho, es decir las medias de Ta y
    TV son iguales.
    TA & TP: El valor p (Sig.) es 0,005 < 0,05, por lo que rechazo Ho, es decir TA & TP no tiene
    medias iguales.

    XXX vende mercadería de calidad


    HSD Tukeya,b

    Subconjunto para alfa = 0.05

    tienda N 1 2

    TP 138 3,39
    TA 167 3,69
    TV 134 3,69
    Sig. 1,000 ,998
    Se visualizan las medias para los grupos en los
    subconjuntos homogéneos.
    a. Utiliza el tamaño de la muestra de la media
    armónica = 144,948.
    b. Los tamaños de grupo no son iguales. Se utiliza la
    media armónica de los tamaños de grupo. Los niveles
    de error de tipo I no están garantizados.

    También podría gustarte