Tabla de pruebas de MANOVA para MANOVA general

Encuentre definiciones e interpretaciones para cada estadístico en la tabla de pruebas de MANOVA.

s

Minitab utiliza el valor m para calcular los estadísticos F para las pruebas de Wilk, Lawley-Hotelling y Pillai. El estadístico F es exacto, si s = 1 ó 2. Si s ≠ 1 o 2, el estadístico F es aproximado. Para obtener más información acerca de la forma cómo Minitab calcula el valor s, vaya a Métodos y Fórmulas para las pruebas de MANOVA.

Interpretación

Minitab utiliza el valor s para calcular el valor F y el valor p.. Generalmente, se evalúa el valor p porque es más fácil de interpretar.

m

Minitab utiliza m para calcular los estadísticos F para las pruebas de Wilk, Lawley-Hotelling y Pillai. Para obtener más información acerca de la forma cómo Minitab calcula el valor m, vaya a Métodos y Fórmulas para las pruebas de MANOVA.

Interpretación

Minitab utiliza el valor m para calcular el valor f y el valor p.. Generalmente, se evalúa el valor p porque es más fácil de interpretar.

n

Minitab utiliza el valor n para calcular los estadísticos F para las pruebas de Wilk, Lawley-Hotelling y Pillai. Para obtener más información acerca de la forma cómo Minitab calcula el valor n, vaya a Métodos y Fórmulas para las pruebas de MANOVA.

Interpretación

Minitab utiliza el valor n para calcular el valor F y luego el valor p.. Generalmente, se evalúa el valor p porque es más fácil de interpretar.

Criterio

Por opción predeterminada, Minitab muestra una tabla de cuatro pruebas multivariadas para cada término en el modelo:
  • La prueba de Wilk es la más comúnmente utilizada debido a que fue la primera prueba en ser derivada y a que posee una aproximación F bastante conocida.
  • Lawley-Hotelling es también conocida como el estadístico T2 generalizado de Hotelling.
  • La prueba de Pillai es la mejor prueba a utilizar en la mayoría de las situaciones. La prueba de Pillai proporciona resultados similares a los de las pruebas de Wilks y de Lawley-Hotelling.
  • La prueba de la raíz más grande de Roy es la mejor cuando los vectores medios son colineales. La prueba de Roy no tiene una aproximación F satisfactoria.

Interpretación

Examine los valores p en los estadísticos de prueba de Wilks, de Lawley-Hotelling y de Pillai a fin de determinar si existe una evidencia significativa de los efectos del modelo. Si el valor p es menor que el nivel de significancia, el efecto es estadísticamente significativo. Por lo general, se llegará a la misma conclusión independientemente de la prueba que se utilice. En los casos cuando las conclusiones sean diferentes, la decisión se basa en la prueba que tenga más sentido en relación con sus datos.

Estadístico de prueba

Minitab proporciona un estadístico de prueba para cada prueba multivariada. El nombre del estadístico de prueba para cada una de las pruebas es como sigue:
  • Lambda de Wilk
  • Rastreo de Lawley-Hotelling
  • rastreo de Pillai
  • Valores propios más grandes, λ1

Para obtener más información acerca de la forma cómo Minitab calcula cada estadístico de prueba, vaya a Métodos y Fórmulas.

Interpretación

Minitab utiliza el estadístico de prueba para calcular el valor F y el valor p.. Generalmente, se evalúa el valor p porque es más fácil de interpretar.

Valor F

En la tabla Análisis de varianza aparece un valor F para cada término:
Valor F para el modelo o los términos
El valor F es la estadística de prueba usada para determinar si el término está asociado con la respuesta.
Valor F para la prueba de falta de ajuste
El valor F es la estadística de prueba usada para determinar si al modelo le están faltando los términos de orden superior que incluyan los predictores en el modelo actual.

Interpretación

Minitab utiliza el valor F para calcular el valor p, que se usa para tomar una decisión acerca de la significancia estadística de los términos y el modelo. El valor p es una probabilidad que mide la evidencia en contra de la hipótesis nula. Las probabilidades más bajas proporcionan una evidencia más fuerte en contra de la hipótesis nula.

Un valor F suficientemente grande indica que el término o el modelo es significativo.

Si desea usar el valor F para determinar si puede rechazar la hipótesis nula, compare el valor F con su valor crítico. Puede calcular el valor crítico en Minitab o buscar el valor crítico en una tabla de la distribución F en la mayoría de los libros de estadística. Para obtener más información sobre el uso de Minitab para calcular el valor crítico, vaya a Uso de la función de distribución acumulada inversa (ICDF) y haga clic en "Use el ICDF para calcular los valores críticos".

Núm GL

El Núm GL son los grados de libertad del numerador que Minitab utiliza para calcular el valor F.

Interpretación

Minitab utiliza el valor F para calcular el valor p.. Generalmente, se evalúa el valor p porque es más fácil de interpretar.

Denom GL

El Denom GL es el grado de libertad del denominador que Minitab utiliza para calcular el valor F.

Interpretación

Minitab utiliza el valor F para calcular el valor p.. Generalmente, se evalúa el valor p porque es más fácil de interpretar.

Valor p

El valor p es una probabilidad que mide la evidencia en contra de la hipótesis nula. Las probabilidades más bajas proporcionan una evidencia más fuerte en contra de la hipótesis nula.

Interpretación

Para probar simultáneamente la igualdad de las medias de todas las respuestas, compare los valores p de cada término que se indican en las tablas de prueba MANOVA con el nivel de significancia. Por lo general, un nivel de significancia (denotado como α o alfa) de 0.05 funciona adecuadamente. Un nivel de significancia de 0.05 indica un riesgo de 5% de concluir que existe una asociación cuando no hay una asociación real.
Valor p ≤ α: Las diferencias entre las medias son estadísticamente significativas
Si el valor p es menor que o igual al nivel de significancia, usted puede concluir que las diferencias entre las medias son estadísticamente significativas.
Valor p > α: Las diferencias entre las medias no son estadísticamente significativas
Si el valor p es mayor que el nivel de significancia, usted no puede concluir que las diferencias entre las medias son estadísticamente significativas. Convendría que vuelva a ajustar el modelo sin el término.
Si hay múltiples predictores sin una asociación estadísticamente significativa con la respuesta, usted puede reducir el modelo eliminando términos uno a la vez. Para obtener más información sobre cómo eliminar términos del modelo, vaya a Reducción del modelo.
Si un término del modelo es estadísticamente significativo, la interpretación depende del tipo de término. Las interpretaciones son las siguientes:
  • Si un efecto principal es significativo, las medias de de nivel del factor son significativamente diferentes entre sí en todas las respuestas del modelo.
  • Si un término de interacción es significativo, los efectos de cada factor son diferentes en cada uno de los niveles del resto de los factores en todas las respuestas del modelo. Por esta razón, no debería analizar los efectos individuales de los términos incluidos en interacciones significativas de orden superior.
Al utilizar este sitio, usted acepta el uso de cookies para efectos de análisis y contenido personalizado.  Leer nuestra política