Análisis bivariado variable cualitativa y cuantitativa
Este tipo de análisis es sumamente frecuente en todos los ámbitos, puesto que con frecuencia nos interesa saber si las categorías (o factores) de una variable cualitativa (o también en otras situaciones, observa los ejemplos) presentan unos valores medios similares, o no.
ej: ¿ES DIFERENTE EL PESO DE LOS CHICOS Y CHICAS DE LA CLASE?
Comparación de medias: Casos
La media de una variable respecto a un valor de interés (p ej: límite para instaurar una intervención)
La media de dos muestras apareadas o dependientes. o Los valores que adquiere una influye en los que adquiere la otra. Datos provienen del mismo conjunto de sujetos.
La media de dos muestras desapareadas o independientes o Los valores que adquiere una no influyen en los de la otra. Datos provienen de sujetos diferentes
Test a aplicar en análisis bivariado variable cualitativa y cuantitativa
1º debemos determinar si se trata de una muestra o dos muestras
independientes o apareadas.
2º determinar si usaremos test paramétricos o no paramétricos: distribución normal → paramétricos, distribución no normal → no paramétricos.
Para la normalidad hacer test de kolmogorovSmirnov (n>50) o
Shapiro-Wilk (n<50)
K-S <0,05 → Distribución No normal.
(Test No paramétrico)
K-S >0,05 → Distribución normal
(Test paramétrico)
T de Student como test parámetrico
Criterios de parametricidad:
Distribución Normalidad (Test K-S o Shapiro)
Homocedasticidad o igualdad de varianzas
Test Levene.
F> 0,05: Se asume igualdad de varianzas
F< 0,05: No hay igualdad de varianzas
N muestral > 30
Permite contrastar
Sí dos muestras proceden o no de la misma población.
Si hay diferencia entre las dos medias.
Las muestras
Muestras independientes
Muestras dependientes
Con la t de Student comprobamos si existe una
diferencia estadísticamente significativa entre las
medias de dos muestras o grupos. (Comprobamos si las dos medias difieren
más de lo que consideramos normal cuando las
muestras proceden de la misma población o, lo que
es lo mismo, si las medias no difieren entre sí más de
lo que normal que difieran los sujetos entre sí)
Cuando el resultado del test obtenido en las
tablas (al nivel de significación fijado de
antemano) es menor que el estadístico
calculado:
Se rechaza la hipótesis nula (que establecía que no
había diferencia o que la diferencia encontrada se
debe al azar).
Se acepta la H1 por lo que podemos decir que la
diferencia es estadísticamente significativa.
Anova
Método para comparar dos o más medias, que
es necesario porque cuando se quiere comparar
más de dos medias es incorrecto utilizar
repetidamente el contraste basado en la t de
Student.
Anova, es un método que permite comparar
varias medias en diversas situaciones;
Dos variables: 1 categórica (+ de dos categorías), 1
cuantitativa
Está muy ligado al diseño experimental
Es la base del análisis multivariable
Se basa en el cálculo del estadístico F de FisherSchnedecor
El análisis de varianza, analizando varios grupos
simultáneamente, nos dirá si entre las medias de los
grupos hay o no hay diferencias significativas
(superiores a la variabilidad normal dentro de los
grupos)
Investigación informal, se utiliza BOX PLOTS.:
También se utilizan histogramas múltiples.
¡¡FIN!!
No hay comentarios:
Publicar un comentario