Evaluación de las fuentes de variación con los componentes de la varianza

Los componentes de la varianza evalúan la cantidad de variación en la respuesta debido a factores aleatorios. Para analizar un modelo con factores aleatorios, normalmente se utiliza Ajustar modelo de efectos mixtos. Aunque Ajustar modelo lineal general también estima los componentes de la varianza para los factores aleatorios, Ajustar modelo de efectos mixtos provee mejores estimaciones cuando los diseños no son balanceados. Ajustar modelo lineal general y Ajustar modelos de efectos mixtos calculan los mismos componentes de la varianza para los datos balanceados.

¿Qué es un factor aleatorio?

Los factores aleatorios tienen niveles que se seleccionan de manera aleatoria, mientras que los factores fijos tienen niveles que son los únicos niveles de interés. Por ejemplo, usted realiza un estudio sobre el efecto de dos niveles de presión sobre la salida medida por operadores seleccionados de forma aleatoria. La presión es fija (2 niveles); el operador es aleatorio. La salida de los componentes de la varianza indica la varianza estimada para el operador y el término de error. Para obtener más información sobre los factores aleatorios, vaya a ¿Cuál es la diferencia entre factores fijos y aleatorios?.

Interpretar un componente negativo de la varianza

Los cálculos de Ajustar modelo lineal general permiten componentes negativos de la varianza. En general, utilice Ajustar modelo de efectos mixtos en lugar de Ajustar modelo lineal general cuando el modelo incluya factores aleatorios. Si usa Ajustar modelo lineal general y obtiene componentes negativos de la varianza, las siguientes son posibles maneras de tratar las estimaciones negativas:

Aceptar la estimación como evidencia de un valor real de cero y utilizar cero como la estimación, reconociendo que el estimador ya no estará libre de sesgo.
Conservar la estimación negativa, reconociendo que los cálculos posteriores usando los resultados podrían no tener mucho sentido.
Interpretar que la estimación negativa del componente indica un modelo estadístico incorrecto.
Recoger más datos y analizarlos por separado o junto con los datos existentes y esperar que esta mayor cantidad de información produzca estimaciones positivas.