Uso de ANOVA para analizar variaciones entre varios grupos

¡Puntúa este artículo!

Definiciones

No quiero profundizar demasiado en mi propia historia, pero asisto (o asistí, dependiendo de cuándo escuche esto) un programa clínico que enfatiza un tipo particular de teoría sobre otras. De hecho, esto no es infrecuente; si progresas, escucharás más y más de los diferentes campos que existen en psicología. Algunas de las más importantes incluyen psicoanalítica, terapia cognitivo-conductual y terapia centrada en la persona. Pero estos son solo algunos de los cientos de estilos.

Eventualmente, llegará a algo llamado práctica basada en evidencia . Aquí es donde un terapeuta usa técnicas que se ha demostrado que funcionan a través de evidencia estadística y experimental. En mi opinión, si su terapeuta no utiliza la práctica basada en la evidencia, entonces debería correr rápido y lejos.

Para crear una práctica basada en la evidencia, tenemos que mirar, bueno, la evidencia. Necesitamos comparar la efectividad del tratamiento de diferentes enfermedades psicológicas. Es más, tenemos que poder comparar un montón de modalidades diferentes porque sentarse allí y hacer diez pruebas estadísticas no es nada divertido. Queremos hacer solo uno.

El análisis de varianza , generalmente abreviado como ANOVA , es un procedimiento estadístico para localizar una diferencia entre múltiples niveles de una media de un solo grupo independiente. Para aquellos de ustedes que están familiarizados con las pruebas T, esta es básicamente una forma de ejecutar un montón de ellas de una vez. Pero, ¿por qué ejecutar un ANOVA en lugar de varias pruebas T?

  • No es ético ejecutar múltiples pruebas estadísticas con los mismos datos porque eventualmente encontrará algo debido a la pura probabilidad y no a una relación real.
  • Podrá examinar una gran cantidad de datos y buscar interacciones sin tener que hacer muchos más análisis estadísticos.

Los ANOVA vienen en muchos sabores, así que veamos cada uno de forma independiente para que su cerebro no empiece a intentar hacer que todos se rompan.

Unidireccional entre sujetos

Comenzamos con un ANOVA unidireccional entre sujetos , que es ridículo decirlo. Unidireccional tiene varios componentes específicos que lo identifican como tal, y son:

  • Una variable independiente
  • Una variable independiente que tiene múltiples niveles
  • Una variable dependiente

Las cosas quedan más claras con un ejemplo. Digamos que está interesado en ver qué tan efectiva es la terapia para un paciente deprimido. Su variable independiente aquí será la cantidad de tiempo en terapia de su paciente, mientras que la variable dependiente es el nivel de depresión de su paciente.

Sus múltiples niveles serán la cantidad de tiempo en terapia. Tendremos nuestros diferentes niveles en intervalos de tres meses, es decir, tres, seis, nueve y doce meses. ¡Pero espera! Nos olvidamos del aspecto entre sujetos. Entre sujetos se define como un estudio en el que los sujetos se colocan en grupos mutuamente excluyentes y se compararán entre sí. Entonces, en nuestro experimento, tendremos cuatro grupos de participantes y cada uno de ellos permanecerá separado.

Siguiendo nuestro experimento, calcularemos para ver si hay una diferencia entre los diferentes niveles de la variable independiente. Esto nos dará una relación F , que se define como una puntuación para determinar el nivel de diferencia entre las medias. Este puntaje se verifica en una tabla específica o, si tiene la suerte, hará los cálculos en un programa informático estadístico y se le dará el valor de significancia. Si su relación F es significativa, sabrá que hay una diferencia entre uno de sus niveles variables.

Todo lo que nos ha dicho la relación F es si hay una diferencia significativa entre cualquiera de los grupos. Si nuestra relación F es significativa, realizaremos una prueba de seguimiento para determinar cuál es la diferencia. La prueba de seguimiento nos dirá exactamente qué grupos son diferentes. Hay varias iteraciones y requieren un poco más de lo que vamos a analizar aquí.

Medida repetida unidireccional

Muy similar a un unidireccional entre medidas es una medida repetida unidireccional. La medida repetida indica que el estudio utiliza el mismo grupo de participantes para cada nivel de la variable. Mirando un ejemplo similar, digamos que tenemos un grupo de participantes y nos comunicamos con ellos cada tres meses. Esto nos daría el mismo número de puntuaciones, pero estaríamos repitiendo las medidas en lugar de comparar entre ellas.

Si estaba haciendo las mismas pruebas en el mismo grupo de personas, es posible que tenga lo que se llama un efecto de arrastre. El efecto de arrastre se define como niveles o condiciones previos que pueden provocar la alteración de evaluaciones posteriores. Básicamente, si está evaluando al mismo grupo de personas cada tres meses, y la mayoría de las personas mejoraron en los primeros tres meses, entonces su ‘ya mejoría’ se trasladará al siguiente conjunto de puntajes.

Al calcular su relación F, las estadísticas serán ligeramente diferentes si se tiene en cuenta el efecto de arrastre. Esto hace que sea menos probable que la relación F sea estadísticamente significativa porque está buscando cambios más grandes porque los cambios más pequeños pueden explicarse por el efecto de arrastre.

Bidireccional

¿Listo para que las cosas se vuelvan un poco más complicadas? Un ANOVA bidireccional tiene las siguientes características:

  • Dos variables independientes
  • Cada variable independiente tiene múltiples niveles
  • Hay una variable dependiente

Otro término para esto es factorial o ANOVA factorial , que significa dos o más variables independientes. Debido a que la interpretación se vuelve más complicada con más variables, un ANOVA rara vez tiene tres o más variables independientes.

Un ANOVA de dos vías podría buscar formas de aliviar la depresión. Eso haría de la depresión la variable dependiente. Nuestra primera variable independiente podría ser diferentes modalidades de terapia, por lo que nuestros diferentes niveles serían psicoanalíticos, cognitivo-conductuales y centrados en la persona. Nuestra segunda variable independiente podría ser períodos de tiempo, por lo que tres meses, seis meses, nueve meses y doce meses serán nuestros períodos de tiempo.

En este ejemplo, un ANOVA bidireccional observa una enorme matriz de interacciones. Usted toma cada modalidad de terapia y la empareja con un tiempo y las compara. Entonces, todos los tiempos psicoanalíticos (tres, seis, nueve y doce) se comparan entre sí. Luego, cada tiempo psicoanalítico se compara con todas las demás modalidades en todos los demás tiempos. ¡Eso es mucho cálculo!

El propósito es ver cuáles son diferentes a los demás. ¿Quizás el centrado en la persona no es muy eficaz para tratar la depresión hasta la marca de los doce meses? ¿O tal vez cognitivo-conductual no es efectivo en absoluto?

Un ANOVA de dos vías puede intervenir entre el sujeto y los estilos de medidas repetidas, al igual que el ANOVA de una vía. Por lo tanto, puede utilizar los mismos temas una y otra vez, que son medidas repetidas, o comparar grupos independientes, con un entre sujetos. Cuando se trata de tantas variables, un investigador puede acabar utilizando ambas. Esto se conoce como diseño mixto y se define como un estudio que utiliza tanto entre sujetos como medidas repetidas. Por lo general, esto implica que una variable esté “entre” y la otra variable esté “dentro”.

Lo que quiero decir con esto puede explicarse mediante nuestro ejemplo bidireccional de las diferentes modalidades y diferentes tiempos. Un grupo de clientes sería asignado a un tipo de terapia y seguiría esa terapia durante un año (estas son las medidas repetidas). Luego, cada uno de sus puntajes se compararía con un grupo diferente al que se le asignó una modalidad de tratamiento diferente (este es el entre sujetos).

Resumen de la lección

¡Espero que hayas llegado al final! Un análisis de varianza , generalmente abreviado como ANOVA , es un procedimiento estadístico para localizar diferencias entre múltiples niveles de la media de un solo grupo independiente. Todos los ANOVA calculan una relación F , definida como una puntuación para determinar el nivel de diferencia entre las medias. Un ANOVA tiene muchas formas.

Un ANOVA de una vía tiene una variable independiente con múltiples niveles y una variable dependiente. Viene en dos sabores: entre sujetos , definido como un estudio en el que los sujetos se colocan en grupos mutuamente excluyentes y se compararán entre sí, y medidas repetidas , definido como un estudio que utiliza el mismo grupo de participantes para cada nivel de La variable. Con una medida repetida, puede obtener un efecto de arrastre , definido como niveles o condiciones anteriores que pueden provocar la alteración de evaluaciones posteriores.

Por último, un ANOVA de dos factores tiene dos variables independientes, cada una con múltiples niveles, y una variable dependiente. Esto también se puede llamar factorial o ANOVA factorial , lo que significa dos o más variables independientes.

Los resultados del aprendizaje

Cuando termine esta lección, debería poder:

  • Definir un procedimiento llamado análisis de varianza.
  • Identificar que el resultado de la relación F es
  • Explicar los tres tipos de análisis para ANOVA de una vía
  • Recuerde el método factorial o bidireccional