inglés, Multivariate inglés, Multivariate analysis of variance variance)) es una extensión del análisis de la varianza o varianza o ANOVA para cubrir los casos donde hay más de una variable dependiente que no pueden pued en ser combinadas de manera simple. Además de identificar si los cambios en las variables independientes tienen independientes tienen efectos significativos en las variables dependientes, la técnic a también intenta identificar las interacciones entre las variables independientes y su grado de asociación con las dependientes.
La técnica posee varios usos, entre los que destacan: - Evaluar diferencias entre grupos a través de múltiples variables dependientes (medidas por intervalos o razón). La(s) variable(s) independiente(s) es(son) categórica(s) (no métricas). Tiene el poder de evaluar no solamente las diferencias totales, sino diferencias entre las combinaciones de las dependientes.
En este sentido representa una extensión del análisis de varianza (ANOVA) para cubrir casos donde hay más de una variable dependiente y/o cuando las variables dependientes simplemente no pueden ser combinadas. En otras palabras, reconoce si los cambios en la(s) variable(s) independiente(s) tienen un efecto significativo en las dependientes. Señala qué grupos difieren en una variable o en el conjunto de variables dependientes.
- Identificar las interacciones entre las variables independientes y la asociación entre las dependientes.
Las tres clases principales del MANOVA son:
1) Hotelling's T. Es parecida a la prueba
t
(dos grupos) pero con más dependientes: una variable
independiente dicotómica y varias depe ndientes.
2) MANOVA unidireccional. Análogo al ANOVA de una sola vía, pero con más dependientes: una variable independiente multicategórica y varias dependientes.
3) MANOVA factorial. Similar al ANOVA fac torial, solamente que con dos o más dependientes: varias independientes categóricas y varias dependientes.
Los modelos del MANOVA tienen en c omún que forman combinaciones lineales de las dependientes que discriminan mejor entre los gr upos en un experimento o una situación no experimental. Es una prueba de significancia de las diferencias en los grupos en un espacio multidimensional donde cada dimensión está definida por combinaciones lineales del conjunto de variables dependientes.
Puntos fuertes para el uso de MANOVACuando hay correlación e ntre las dependientes, MANOVA tiene mejor potencia que ANOVA.El MANOVA bajo ciertas circunstancias de diseño permite detectar diferencias que no pueden dete ctarse realizando análisis separados con cada una de las variables dependientes incluidas en el diseño. 7. Debilidades potenciales en MANOVA.ANOVA posee mayor potencia que el MANOVA cuando no existe correlación entre las variables dependientes y cuando el tamaño de la muestra empleada en la investigación es pequeño.La potencia de MANOVA es ampliamente dependiente de la proporción de varianza que ex plica cada una de las variables dependientes por separado, la correlación entre estas var iables y la correlación entre los residuales intragrupo. 8. Prueba de hipótesis de nulidad en los diseños multivariados.A diferencia del ANOVA, el MANOVA posee mas de un índice o estadístico para contrastar la hipótesis de nulidad multivariante. 9. Lógica de MANOVAEn ANOVA el objetivo del investigador, consiste en comparar la media de k grupos para una sola variable dependiente probando la siguiente hipótesis nula:H0 = m1 = m2 = m3 =……mk 10. Lógica de MANOVA.En el MANOVA, se registran las puntuaciones de cada unidad muestral en p variables dependientes. 11. Hipótesis nula en MANOVA. 12. Hipótesis nula en MANOVA.En otras palabras, la hipótesis nula postula que los K grupos, tendrán la misma media poblacional para cada una de las variables dependientes. 13. Proceso de decisión en ANOVAEl proceso de de cisión con respecto a Ho se basa en la comparación entre la variación explicada y la variación no explicada o re sidual para una determinada variable dependiente. 14. Proceso de decisión en MANOVA. A demás de considerar las variaciones explicadas y no explicadas para cada una de las variables independientes, también se tiene e n cuenta las relaciones existentes entre dichas variables.Se calcula un componente adicional conocido como suma de cuadrados cruzados.
Thank you for interesting in our services. We are a non-profit group that run this website to share documents. We need your help to maintenance this website.