Peter B. Mandeville Tips bioestadísticos Tema 15: Análisis de dos muestras independientes con SPSS B uenos días, Peter: He estado haciendo las pruebas de BrownForsythe 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: 350 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 CIENCIA UANL / VOL. X, No. 3, JULIO-SEPTIEMBRE 2007 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, 10.88 Obesas: 8.79, 9.19, 9.21, 9.68, 9.69, 9.97, 11.51, 11.85, 12.79 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: Analyze Regression Linear energia > Dependent: grupo > Independent(s): Save Residuals Unstandardized Continue OK 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 Analyze Descriptive Statistics Explore Unstandardized Residuals[res_1] > Dependent List: Statistics: Outliers Continue OK 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: Analyze Descriptive Statistics Explore Unstandardized Residuals[res_1] > Dependent List: Plots Normality plots with tests Continue OK 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 CIENCIA UANL / VOL. X, No. 3, JULIO-SEPTIEMBRE 2007 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 tstudent, dado que los resultados son idénticos (las probabilidades son iguales). Analyze Compare Means Independent-Samples T Test U n s t a n d a r d i z e d Residuals[res_1] > Test vari-able(s): group > Grouping Variable: Define Groups Group 1:1 Group 2:2 Continue OK Se consiguen los mismos resultados con: Analyze Compare Means One-Way ANOVA U n s t a n d a r d i z e d Residuals[res_1] > Dependent List: grupo > Factor: Options Statistics Homogeneity of variance test Continue OK 351 TIPS La prueba es la de BrownForsythe, 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: Analyze Compare Means Independent-Samples T Test Energía > Test variable(s): Group > Grouping variable: Define Groups Group 1: 1 Group 2: 2 Continue OK ANOVA Analyze Compare Means One-Way ANOVA energia > Dependent List: grupo > Factor: OK o regresión lineal. Analyze Regression 352 BIOESTADÍSTICOS Options Welch Continue OK Linear energia > Dependent: grupo > Independent(s): OK 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: Analyze Nonparametric Tests 2 independent samples energia > Test Variable List: grupo > Grouping Variable: Define Groups Group 1: 1 Group 2: 2 Continue OK Analyze Compare Means Independent-Samples T Test energia > Test Variable(s): group > Grouping Variable: Define Groups Group 1: 1 Group 2: 2 Continue OK 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 ANOVA. Analyze Compare Means One-Way ANOVA energia > Dependent List: grupo > Factor: 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. 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 5.2.1 y, con la excepción de errores de redondeo, son idénticos. Con esperanzas que lo anterior sea de ayuda, quedo de usted Atentamente, PBM CIENCIA UANL / VOL. X, No. 3, JULIO-SEPTIEMBRE 2007 PETER B. MANDEVILLE Referencias 1. Douglas G. Altman. 1991. Practical Statistics for Medical Research. Texts in Statistical Science. Chapman & Hall, Ltd., London, UK. 2. Julie Pallant. 2005. 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. 1986. Goodness-of-Fit Techniques. Statistics, Textbooks and Monographs 68. Marcel Dekker, Inc., New York, NY, USA. 4. Andy Field. 2005. Discovering Statistics Using SPSS: (and sex, drugs and rock 'n' roll). Second CIENCIA UANL / VOL. X, No. 3, JULIO-SEPTIEMBRE 2007 edition. Sage Publications, London, UK. 5. Marija J. Norusis. 2004. SPSS 12.0: Guide to Data Analysis. Prentice Hall, Inc., Upper Saddle River, NJ, USA. 6. SPSS Inc. 2001. SPSS 11.0 Brief Guide. Prentice Hall, Inc., Upper Saddle River, NJ, USA. 353