Ciencia UANL Universidad Autónoma de Nuevo León ISSN (Versión impresa): MÉXICO

Transcripción

1 Ciencia UANL Universidad Autónoma de Nuevo León ISSN (Versión impresa): MÉXICO 2007 Peter B. Mandeville TEMA 15: ANÁLISIS DE DOS MUESTRAS INDEPENDIENTES CON SPSS Ciencia UANL, julio-septiembre, año/vol. X, número 003 Universidad Autónoma de Nuevo León Monterrey, México pp Red de Revistas Científicas de América Latina y el Caribe, España y Portugal Universidad Autónoma del Estado de México

2 Peter B. Mandeville Tips bioestadísticos Tema 15: Análisis de dos muestras independientes con SPSS Buenos días, Peter: He estado haciendo las pruebas de Brown- Forsythe y la prueba de Shapiro-Wilk, pero mis resultados no coinciden con los suyos. Tal vez no lo estoy haciendo de la manera correcta, podría decirme cómo hacerlo por favor? Le anexo mis resultados. Saludos y gracias por todo, EGS Estimado Enrique: Ésta es la respuesta a su pregunta de cómo se debe efectuar el análisis de dos medias aritméticas con el diseño de dos muestras independientes con SPSS: Estoy utilizando SPSS for Windows, versión 11 for students. El análisis apropiado está determinado al examinar los resultados de las pruebas de los requisitos para análisis paramétrico, que son la normalidad de los residuos y homogeneidad de las varianzas de los residuos de los tratamientos. Para verificar los procedimientos 350 CIENCIA UANL / VOL. X, No. 3, JULIO-SEPTIEMBRE 2007

3 PETER B. MANDEVILLE y los resultados se utilizaron los datos del gasto total de energía (MJ/día) en los grupos de mujeres delgadas y mujeres obesas. 1 Delgadas: 6.13, 7.05, 7.48, 7.48, 7.53, 7.58, 7.90, 8.08, 8.09, 8.11, 8.40, 10.15, Obesas: 8.79, 9.19, 9.21, 9.68, 9.69, 9.97, 11.51, 11.85, Se capturaron los datos en SPSS Data Editor en dos variables: energía y grupo. Ambas están declaradas del Type Numeric. La variable energía es una Measurement Scale y la variable grupo es una Measu-rement Nominal. Los pasos para calcular los residuos son: Regression Linear energia > Dependent: grupo > Independent(s): Save Residuals En SPSS Data Editor aparece una nueva columna de los residuos, res_1. Se deben evaluar los outliers antes de efectuar las pruebas de normalidad. 2 Descriptive Statistics Explore Residuals[res_1] > Dependent List: Statistics: Outliers Se puede comprobar si los outliers están identificados en el diagrama de caja. Para efectuar la prueba de normalidad de Shapiro-Wilk de los residuos: Descriptive Statistics Explore Residuals[res_1] > Dependent List: Plots Normality plots with tests La aplicación de la prueba de Kolmogorov-Smirnov para las pruebas de normalidad se conoce como la prueba de Lilliefers. No se debe utilizar, dado su bajo poder. 3 Con muestras grandes, ambas pruebas tienden a rechazar la hipótesis de nulidad por razón de pequeñas desviaciones de normalidad. 4 La evaluación de normalidad preferida es examinar un qqplot con las bandas de confianza de los residuos. No está disponible en esta versión de SPSS. Si todos los puntos están dentro de las bandas de confianza, se acepta que se puede utilizar la distribución normal como el modelo para el análisis. Al contrario, no debe utilizarse la distribución normal como modelo para el análisis. Para probar la hipótesis de nulidad de homogeneidad de las varianzas de los tratamientos, se puede efectuar la prueba de Levene con análisis de varianza (ANVA) o con t- student, dado que los resultados son idénticos (las probabilidades son iguales). Residuals[res_1] > Test vari-able(s): group > Grouping Variable: Group 1:1 Group 2:2 Se consiguen los mismos resultados con: Residuals[res_1] > Dependent List: Options Statistics Homogeneity of variance test CIENCIA UANL / VOL. X, No. 3, JULIO-SEPTIEMBRE

4 TIPS BIOESTADÍSTICOS La prueba es la de Brown- Forsythe, que es la de Levene, efectuada con la media aritmética que es sensible, realizada con la mediana, que es resistente. Desgraciadamente, la prueba de Brown-Forsythe, incluida en esta versión de SPSS, es otra alternativa a la solución de Welch para el problema de Behrens-Fisher y no es la prueba de la homogeneidad de las varianzas. 3 Si los residuos siguen una distribución normal y existe homogeneidad de las varianzas, entonces se debe efectuar un análisis paramétrico con t-student: Energía > Test variable(s): Group > Grouping variable: ANOVA energia > Dependent List: o regresión lineal. Regression Linear energia > Dependent: grupo > Independent(s): Los tres tipos de análisis son equivalentes (tienen las mismas probabilidades). Si los residuos siguen una distribución normal y no existe homogeneidad de las varianzas, entonces el análisis apropiado es la solución de Welch al problema de Behrens-Fisher, que se puede efectuar de dos maneras: energia > Test Variable(s): group > Grouping Variable: Se muestran los resultados del análisis con la solución de Welch para el problema Behrens-Fisher en la intersección de "Equal variances not assumed" y "t-test for Equality of Means". También se puede utilizar ANO- VA. energia > Dependent List: Options Welch Los resultados son idénticos. Si los residuos no son normales y las varianzas son homogéneas, entonces el análisis apropiado es la prueba de la suma de rangos de Wilcoxon, que es equivalente a la prueba de U de Mann-Whitney, también conocida como la prueba de Wilcoxon-Mann-Whitney. Nonparametric Tests 2 independent samples energia > Test Variable List: grupo > Grouping Variable: Si los residuos no son normales y las varianzas son heterogéneas, entonces el análisis apropiado es una simulación que no está incluida en esta versión de SPSS. Los resultados fueron verificados con JMP IN versión y, con la excepción de errores de redondeo, son idénticos. Con esperanzas que lo anterior sea de ayuda, quedo de usted Atentamente, PBM 352 CIENCIA UANL / VOL. X, No. 3, JULIO-SEPTIEMBRE 2007

5 PETER B. MANDEVILLE Referencias 1. Douglas G. Altman Practical Statistics for Medical Research. Texts in Statistical Science. Chapman & Hall, Ltd., London, UK. 2. Julie Pallant SPSS Survival Manual: a step by step guide to data analysis using SPSS version 12. Second edition. Open University Press, Maidenhead, Berkshire, UK. 3. Ralpha B. D'Agostino and Michael A. Stephens Goodness-of-Fit Techniques. Statistics, Textbooks and Monographs 68. Marcel Dekker, Inc., New York, NY, USA. 4. Andy Field Discovering Statistics Using SPSS: (and sex, drugs and rock 'n' roll). Second edition. Sage Publications, London, UK. 5. Marija J. Norusis SPSS 12.0: Guide to Data Analysis. Prentice Hall, Inc., Upper Saddle River, NJ, USA. 6. SPSS Inc SPSS 11.0 Brief Guide. Prentice Hall, Inc., Upper Saddle River, NJ, USA. CIENCIA UANL / VOL. X, No. 3, JULIO-SEPTIEMBRE