Análisis de Covarianza

Diseño Experimental
Clase 11
Análisis de Covarianza
(ANCOVA)
• Extensión ANDEVA y regresión
• Efecto de tratamientos
(interacción) sobre variable
respuesta, ajustado por efecto
de covariable sobre variable
respuesta
• Controla efecto de covariable
Covariable
• Variable cuantitativa
• Afecta todas UE
• Relación lineal con variable
respuesta
• No puede ser manipulada
– Sí controlada
• No está correlacionada con
variables independientes
– Tratamientos
– Se mide antes de aplicar trat
Aplicaciones
1. Aumenta sensibilidad de
prueba reduciendo el error que
introduce la covariable
2. Ajustar valores esperados de
variable respuesta si la
covariable no existiera (o todos
iguales)
3. Ajustar diferencias entre
individuos asignados a
unidades experimentales
ANCOVA
• Requiere:
– Variable respuesta (y)
– Al menos un factor (a)
– Al menos una covariable continua
(x)
Supuestos
• No hay multi-colinearidad
– Covariables no están
correlacionadas entre sí
– r > 0.5, una de las covariables
debe ser eliminada
• Covariable N~(0,σ)
• Igualdad de varianzas
– Después de ajuste
– Si existe antes, debe existir
después
Error covarianza
• Se asume que covarianza no
tiene error
– No es realista

• Error debe ser pequeño

– Mediciones simultáneas
– No incluir bloque en medidas
Relación linear
• Relación entre variable
respuesta y covariable
– Diferente para cada nivel de trat
– Diferentes pendientes
– Diferentes interceptos
 Equal Slopes

5
4
3
2
1

0.0 0.2 0.4 0.6 0.8 1.0

 Unequal Slopes

5
4
3
2
1

0.0 0.2 0.4 0.6 0.8 1.0

 Equal Intercepts

3.0
2.5
2.0
1.5
1.0
0.5

0.0 0.2 0.4 0.6 0.8 1.0

 Modelo Lineal
• Diferentes
interceptos,
misma pendiente yij = µ + α i + β1 xij + ε ij

• Diferentes
interceptos,
diferentes yij = µ + α i + β1 xij + β 2α xij + ε ij
pendientes

yij = µ + β1 xij + ε ij
• Interceptos y
Prueba Hipótesis
• Covariable usa 1 g.l.
• Determina significancia
– Pendientes
– Interceptos
– Covariable

• Modelo permite predecir-

describir
Alternativas a ANCOVA
• Usar covariable define bloques

• ANDEVA de bloques
Ejemplo
• Temperatura en temp humedad zona
tres zonas de la 40 85 1
playa que 52 95 1

difieren en 41 69 1

cobertura 30 58 1
34 41 2
boscosa 48 74 2
• Se escogen 46 71 2
cuatro puntos 39 52 2

aleatorios por 36 41 3

zona 36 34 3
35 50 3
• Humedad (%) se 31 40 3
mide en cuatro
puntos
 Df Sum Sq Mean Sq F value Pr(>F)
humedad 1 313.910 313.910 29.196 0.001659 **
zona 2 100.270 50.135 4.663 0.060003 .
humedad:zona 2 29.310 14.655 1.363 0.325083
Residuals 6 64.510 10.752
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Df Sum Sq Mean Sq F value Pr(>F)

humedad 1 313.910 313.910 26.767 0.0008493 ***
zona 2 100.270 50.135 4.275 0.0545976 .
Residuals 8 93.820 11.728
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1