Consideraciones acerca de los datos para ANOVA balanceado

Para asegurar que los resultados sean válidos, considere las siguientes pautas al recopilar datos, realizar el análisis e interpretar los resultados.

Los datos deben incluir solo factores categóricos

Si el diseño contiene covariables, utilice Ajustar modelo lineal general.

Los factores categóricos pueden ser factores cruzados y anidados y factores fijos y aleatorios.

Para obtener más información sobre los factores, vaya a Factores y niveles de factor, ¿Qué son factores, factores cruzados y factores anidados? y ¿Cuál es la diferencia entre factores fijos y aleatorios?.

El diseño debe ser balanceado a menos que usted tenga un diseño de un solo factor

Un diseño balanceado tiene el mismo número de observaciones para cada combinación de tratamientos.

El requisito de datos balanceados se extiende igualmente a los factores anidados. Supongamos que A tiene 3 niveles y B está anidado dentro de A. Si B tiene 4 niveles dentro del primer nivel de A, B debe tener 4 niveles dentro del segundo y tercer niveles de A. Minitab le indicará si tiene anidación no balanceada. El requisito de que los datos sean balanceados se debe preservar después de omitir los datos faltantes.

Si el diseño no es balanceado, utilice Ajustar modelo lineal general.

Para obtener más información acerca de los diseños balanceados, vaya a Diseños balanceados y no balanceados.

Los factores anidados deben utilizar el mismo conjunto de subíndices

Los subíndices utilizados para indicar los 4 niveles de B dentro de cada nivel de A deben ser los mismos. Por lo tanto, los cuatro niveles de B no pueden ser (1 2 3 4) en el nivel 1 de A, (5 6 7 8) en el nivel 2 de A y (9 10 11 12) en el nivel 3 de A.

La variable de respuesta debe ser continua

Si la variable de respuesta es categórica, es menos probable que el modelo cumpla con los supuestos del análisis, que describa con exactitud los datos o que haga predicciones útiles.

• Si la variable de respuesta tiene dos categorías, como pasa y no pasa, utilice Ajustar modelo logístico binario.
• Si la variable de respuesta contiene tres o más categorías que tienen un orden natural, como por ejemplo completamente en desacuerdo, en desacuerdo, neutral, de acuerdo, completamente de acuerdo, utilice Regresión logística ordinal.
• Si la variable de respuesta contiene tres o más categorías que no tienen un orden natural, como por ejemplo raya, hendidura y rotura, utilice Regresión logística nominal.
• Si la variable de respuesta cuenta ocurrencias, tales como el número de defectos, utilice Ajustar modelo de Poisson.

Cada observación debe ser independiente de todas las demás observaciones

Si las observaciones son dependientes, los resultados podrían no ser válidos. Considere los siguientes puntos para determinar si las observaciones son independientes:

• Si una observación no proporciona información sobre el valor de otra observación, las observaciones son independientes.
• Si una observación proporciona información sobre el valor de otra observación, las observaciones son dependientes.

Los datos de la muestra se deben seleccionar aleatoriamente

Las muestras aleatorias se utilizan para hacer generalizaciones, o inferencias, sobre una población. Si los datos no se recopilaron aleatoriamente, los resultados podrían no representar a la población.

Recolecte los datos utilizando las mejores prácticas

Para asegurar que los resultados sean válidos, considere las siguientes pautas:

• Asegúrese de que los datos representen a la población de interés.
• Recolecte suficiente datos para proporcionar la precisión necesaria.
• Mida las variables con tanta exactitud y precisión como sea posible.
• Registre los datos en el orden de recolección.

El modelo debe proveer un ajuste adecuado a los datos

Si el modelo no se ajusta a los datos, los resultados pueden ser engañosos. En la salida, utilice las gráficas de residuos y los estadísticos de resumen del modelo para determinar qué tan bien se ajusta el modelo a los datos.