L1

fl

En el modelo (7.29) se pueden formular hiptesis, a erectos de realizar contrastes, sobre el factor A, sobre el factor B. y sobre la interaccin entre ambos factores.
Para determinar si el factor A tiene o no erecto ~obre la variable Y, las hiptesis que
se formulan son las siguientes:

Cuadro 7.10. Medias muestrales para cada combinacin !le IO';tfactores A y B.

Niveles del
factor A

f/0: ex1 = O

(7.30)

Anlogamente, para determinar la influencia del factor B. las hiptesis a formular son
las siguientes:

P =o
H1: No todas P son nulas

...

Y11

Yn

Y1

...

...

...

:y'!J
...

y..
...

fo1

y~~

...

Yc1

Marginal B

y.

Y!

...

y,,

:Y,.
y

...

Antes de definir el estadstico de Wilks correspondiente al caso de dos factores, vamos a

presentar el estadstico de Wilks para un factor de una forma alternativa. Teniendo en
cuenta (7. l l ), entonces se verifica que:
(7.31)

IWI
A= IF+ WI

Finalmente, para determinar las interacciones entre los factores A y B, las hiptesis a
formular son las siguientes:

(7.34)

En el denominador de (7.34) aparece la matriz residual intra-grupos (W) y la matriz

correspondiente al factor (F). A esta ltima se le denomina tambin matriz SCPC de la
/Jiptesis debido a que se est contrastando la hiptesis de si el factor considerado tiene
o no influencia sobre el vector de variables dependientes.
En el caso de dos factores se pueden contrastar tres hiptesis relativas al factor A. al
factor By a la interaccin entre ambos. A estas tres hiptesis les corresponden las matrices FA, F8 y FAR respectivamente. Pues bien, en el caso de dos factores el estadstico de
Wilks se define de la siguiente forma

Hiptesis 11ula e lripte~'is altemativa sobre i11teraccio11es entre A y B

H0 : (ex j3)1 =O g = 1, 2, ... , G y j = 1, 2, .... J

Marginal
A

7.3.3. El estadstico lambda de Wilks

Hiptesis nula e hiptesis oltenwtiva sobre el faclor 8

llo:

fo

2
...

'H1: No todas ex1 son nulas

Ni veles del factor B

2
...

Y11
Y!I

Hiptesis 1111la e hiptesis altematha .wbre el.factor A

(7.32)

: H1: No todas (exP)8 son nulas

Anlogamente al caso univariante, es conveniente realizar el contraste de la hiptesis

del efecto de interaccin (7.32) antes de efectuar el contraste correspondiente a los efectos individuales (7.30) y (7.31). El motivo es que la presencia del efecto interaccin dificulta la interpretacin de los efectos principales.

J lambda

de Wilks para dos f aclores

(7.35)

7.3.2. Descomposicin de la matriz de covarianzas

Antes de realizar la descomposicin de la matriz de covarianzas, en el Cuadro 7.10 se ha
construido una tabla de doble entrada que recoge el vector de medias muestrales para
cada combinacin de los factores A y B. En la ltima columna se indican los vectores de
medias muestrales del factor A y en la ltima lila los vectores de medias muestrales del
factor B. El vector de medias para el conjunto de la muestra, denominado y, aparece en
la celda de la esquina inferior derecha.
La descomposicin de la matriz SCPC total, o matriz T, correspondiente al anlisis
multivariante de la varianza con dos factores se puede presentar de la siguiente forma:
Descomposici11 e11 el anlisis multivaria11te de la varianza con dos factores.

(7.33)

ITES-Paraninlo

1:

-j

lnlrodulcii\n clel .ictor semana en el anlisis de la promoci1n de dos productos de ta raclena

L1
...

J\.rlercanuva.

l ';.i

En este caso, las hiptesis a contrastar son las siguientes:

1. Efecto principal A: Tipo de supermercado
H0 : La media de las ventas de los productos Toca-Cola y Ron Morenita es 11 misma en los tres tipos de supermercados.
H1: No son iguales las medias.
2. Efecto principal 8: Semana
H0 : La media de las ventas de los productos Toca-Cola y Ron Morenita es la misma en las dos semanas.
H1: No son iguales las medias.

3. Efecto interaccin: Tipo de supermercado x Semana

H0: No existen interacciones entre tipo de supermercado y scmann en Ja venia ele
Jos productos Toca-Coln y Ron Morenita.
H1: S existen interacciones.

Ctrndro 7.11. Salida del programa SPSS co1respondiente a la aplicacin del anlisis multiva1iante
de la varianza con 2 factores en el Caso 7.1.
Malriz SCPC residual
Cola

Los vectores de medias de cada celda, marginales y global - utilizando la misma ordenacin con que aparecen en el Cuadro 7.10- son los siguientes:

Suma de cuadrados cola

y productos cruzados ron

- Tipo de supermercado UC:

Semana 1: -Yu = [13] .
7

Covarianza

Semana 2: -y12 = [21]

.
11

- = [ 17]
Marginal UC: Yi.

- []
6

8,000
4,767

4,767
5,733

cola
1,000
0,704
ron
Basado en I suma de cuadrado lipo 111.

0,704
1,000

cola
ron

Matriz SCPC inter-sujetos

Semana 2: -y22 = [12]
.
10

. UR: Yi.
- = [JI]
Margmal

Cola

Hiptesis Interseccin

cola 5. 184,000
ron 3.024,000

- Tipo de supermercado R:
Semana 1: y31

= [~]

Ron
143,000
172,000

Correlacin

- Tipo de supermercado UR:

Semana !: y21 =

240,000
143,000

Semana 2:

y32 =

[~]

Margmal

semana

UR: - = [8]
y3.

144,000
120,000

120,000
100,000

cola
ron

504,000
252,767

252,000
168,000

semana tipsuper cola

ron

72,000
12,000

12,000
8,000

cola
ron

240,000
143,000

143,000
172,000

tipsuper

- Marginal semana:
Semana !: -y_1 = [ _33]
5 33

cola
ron

- 2 = [14 ]
Semana 2: Y.
6 67

Enor
Bu~itdo en la sumo de cm1drados tllO

- Media global

Ron
3.024,000
1.764,000

111.

Contrastes multivariadosd
Efecto
Del examen de los datos anteriores se desprende que las ventas son ms elevadas en
el tipo de supermercado UC que en los otros dos tipos. Tambin las ventas son ms elevadas en la segunda semana que en la primera.
En el Cuadro 7. 11 se ha recogido Ja salida del programa SPSS relativa a los contrastes del anlisis de la varianza con los dos factores considerados. La primera informacin
que aparece en este cuadro es la matriz SCPC residual, que es, como ya hemos visto anteriormente, la nomenclatura que utiliza el SPSS para referirse a la matriz W. A continuacin aparecen los contrastes del efecto interaccin (que es el primer efecto que debe
contrastarse), del efecto tipo de supermercado, y del efecto semana. En Ja salida del SPSS
se refleja la Matrh SCPC nter sujetos, es decir, la correspondiente matriz F1
Todos los datos que requiere el clculo de la lambda de Wilks aparecen en el Cuadro 7.11. En efecto, aplicando (7.35) se obtiene que

240 1431
172

1143

20.831
-[-~~-1~~J_+_[_~-:~~~-~~-JI = -32-.1-35 = o.64823

Interseccin

Traza de Pillai
Lambda de Wiiks
Traza de Hoteliing
Raz mayor de Roy

----

Valor

GI de In
hiptesis

0,956
0,044
21,609
21,609

313,335h
313,335.
31J,335h
313,335h

2,000
2,000
2,000
2,000

29,000
29,000
29,000
29,000

2,000
2,000
2,000
2,000

29,000
29,000
29,000.
29,000

0,000
0,000
0,000
0,000

4,000
4,000
4,000
2,000

60,000
58,000
56,000
30,000

0,000
0,000

semana

Traza de Pillai
Lambda de Wilks
Traza de Hotelling
Raz mayor de Roy

0,4t0
0,590
0,694
0,694

10,057b
10,057
t0,057h
J0,057b

tipsuper

Traza de Pillai
Lambda de Wilks
Traza de Hotelling
Raz mayor de Roy

1,003
0,215
2,637
2,169

15,105
16,779b
18,461
32.530C

GI del error Signlliracjti11

---0,000
0,000

0,000

0,000

0,365
3,35t
4,000
60,000
O,Ot5
semana tipsuper Traza de Pillai
3,5 IOb
Lambda de Wilks
0,648
4,000
0.120
58,000
Traza de Hotelling
0,010
0,522
3,653"
4,000
56,000
7,179h
Raz mayor de Roy
0,003
0,479
2,000
30,000
' Cttlculado con alfa = 0,05; P..11adh1ico cuelo;' El esJadlsrico es un Hmi1e superior para I F. el cual ofrece un Hmitc inforior para et nivel
de significocin;' Disc~o: ln1crcep1 + semuna + lipsuper t semana lipsuper.

(c011ti111a)

!TES-Paraninfo

ITfSP~raninlo

CAPTULO 7 ANLISIS MULTIVARIANTE DE LA VARIANZA

Cuadro 7.ll. Salida del programa SPSS corre.~pondientc t1 la aplicacin del anl isis multivariante
de la varianw con 2 factores en el Caso 7. 1. (Co111i1111aci11)

medias de la segunda semana. Tambin sucede lo mismo en el producto TocaCo/a para

los tipos de supermercado UR y R. Sin embargo, se observa que la segunda semana (semana-principio-de-mes) va asociada a unas ventas ms elevadas de lo normal en el tipo
de estableci mientos UC.
La lambda de Wilks para el factor tipo de supermercado toma el siguiente valor:

Pruebus de los efectos intcr-sujetos

lluente

Variable
dependiente

Suma de
cuadrados
tipo lII

gl

Media
cuadrtica

720,ood'
276.ooo<

5
5

Modelo corregido cola

.ron

Significacin

144,000
55,200

18,000
9,628

0,000
0,000

Interseccin

cola
ron

5.184,000
1.764.000

1
1

5. 184,000
1.764,000

648,000
307.674

0.000
0,000

semana

cola
ron

144,000
100,000

1
1

144,000
100,000

18,000
17,442

0,000
0,000

tipsuper

cola
ron

504,000
168,000

2
2

252,000
84,000

31,500
14,651

0,000
0,000

semana tipsuper cola

ron

72,000
8,000

2
2

36,000
4,000

4.500
0.698

O,Q20
0,506

cola
ron

240,000
172.000

30
30

8,000
5,733

Total

cola
ron

6.144,000
2.212,000

36
36

Total comgida

cola
ron

960,000
448,000

35
35

Error

240 1431
A= _ IW_I_ = _ __,__
2__
114_3_ 1_7_,_
IFA + WI

120 100

10
5

Ron
Morenita

~
uc

11t~rarammu

590

143 172

15

UR

Semana 2
10
5

.~
uc

UR

!.

111s,1<.., - 1112
M

st

1s1(-Klf2

20,344

El nivel de significacin crtico es muy elevado. La conclusin es clara: no se puede

rechazar con los ni veles de significacin usuales la hiptesis de homoscedasticidad.

FIGURA 7.2. Grfico de interaccin entre tipo de supermercado y semana para los productos
Toca-Cola y ron Mprenita.

ITESParaninfo

215

Tambin el nivel de significacin crtico es 0,00 en el caso del factor semana, por lo
que se rechaza la hiptesis nula de que los efectos diferenciales relativos a este factor (coeficientes Bs) son nulos.
Obsrvese que el estadstico F para la lambda-de Wilks tiene una distribucin exacta
en los eres contrastes. En cambio, los contrastes de Pillais y Hotelling slo son exactos en
el contraste del efecto semana. (Cuando un factor tiene 2 grupos, estos dos contrastes
siempre tienen una distribucin F exacta.)
Vamos a examinar ahora unos grficos para analizar la hiptesis de normalidad y un
contraste relativo a.la hiptesis de homoscedasticidad. Finalmente, se examinar la sig
nificatividad de la correlacin entre .los residuos de las dos variables consideradas en el
anlisis.
En las Figuras 7.3 y 7.4 se han reflejado los grficos q-q para analizar la normalidad
de los residuos de las variables Cola y Ron, respectivamente. En ambos casos es admisible el supuesto de normalidad, ya que todos los residuos observados estn muy prximos
a los valores esperados. Adems, todos los residuos, que estn tipificados, se encuentran
en el intervalo (-2;2). El estadstico M de Barlett-Box, dado en (7 .23) para realizar el contraste de la hiptesis de igualdad de varianzas, que puede verse en el Cuadro 7.12, toma
el siguiente valor:

20

15

20.831

IF11 + WI 1[144 120] + [240 143]1=35.279 =

25

Semana 2

20

1[504 252] + [240 143]1=96.935 =

252 168
143 172

240 1431
A=-JW_J_= _ __.__14_3_17_,2
__
1

El nivel de significacin crtico para este contraste es 0,012, lo que implica que se pue.de rechazar la hiptesis nula para un nivel de significacin del 5%, pero no para un nivel
del l %. Existe pues una evidencia dbil de interaccin entre el tipo de supermercado y
semana.
Para tratar de localizar el efecto de interaccin, en la Figura 7.2 se ha reflejado el grfico de interaccin entre tipo de supermercado y semana para cada uno de los dos productos. En lo que respecta al ron Morenita, el efecto de interaccin es prcticamente inexistente, ya que la lnea de ventas medias de la pri mera semana es paralela a la lnea de ventas

Toca-Cola

20.831

El nivel de significacin crtico {0,00) para la correspondiente transformacin F implica que se rechaza la hiptesis nula de que los efectos diferenciales relativos al factor
tipo de supermercado (coeficientes a1 ) son nulos.
La lambda de Wilks que se obtiene para el factor semana es la siguiente:

'Calculado con alfo = 0,05:' R cuadrado = 0,750 (R cuadrJdo corr<gida = 0.708):' R cuadrado ~ 0,616 (R cuaJrJdo corregida= 0,552).

25

213

.1

Cuadro 7.12. Salida del programa SPSS com:spondiente a los contrastes

de homoscedasticidad y esfericidad en el Caso 7.1con 2 factores.

GrMico O O n1111nl th1 l:oln

Prueba de Box sobre la igualdad

de las matrices de covarianza

Md Box

".,e
...,a. o

gil

gl2

ii

Significacin

E
o

20,344
1,124
15
4.922,741

-1

Conlmsta la hiptesis nul de que la 1u:i1ri1 de

iclenlidad.
DiSto: lnt<:n:cpt + ~e111ant1

lodos los grupos.

0,000
20,635
2
0,000

covnrhmz;,1 rc:.siduill es prupon:ionnl a una 111atnz

covurianz;.1 obscrvac.las de lns v~riahlcs tJepcndien1<:s

Disei\o: l111crcep1

Chi-cuadrado aprox.
gl
Significacin

Contmta la hip1osis nula de que I:" malrices de

~i,n iguales en

-2

0,328

Prueba de esfericidad de Bnrlett

Razn de verosimilitud

+ rips11per + sc:.11111111

1ipsuper

+ scmanu + lipst1pc:r + scmnnu

lipimpcr

10

15

25

20

Valor observado
FIGURA 7.3. Grfico del SPSS para ancilisis de la hiptesis de normalidad de los residuos
de la variable Toca -Cola en el Caso 7.1.

RESUMEN

Grfico Q.Q normal de Ron

2

".,e
..a..,

o
o

ii

E
o

-1

-2

6
9
Valor observado

12

En este captulo se ha presentado la tcnica del anlisis multivariante de la varianza o MA

NOVA, donde se consideran varias variables dependientes que supuestamente estn relacionadas entre s, y uno o varios factores.
El captulo comienza considerando un nico factor, siguindose la secuencia de ex
plicacin de las hiptesis nula y alternativa, construccin de estadstico lambda d Wtlks
y T2 de Hotelling, que sirven para la aceptacin o rechazo de esa hiptesis.
A continuacin se muestra cmo comprobar las propiedades del modelo para vali
dar su .aplicacin y cmo medir In bondad del ajuste a travs del contraste de eslb ici
dad de Barlett y el clculo del coeficiente de determinacin. El desarrollo del MANOVA
con un factor concluye con el anlisis ex-post para establecer los grupos donde los vectores de medias son diferentes.

.El captulo termina co.n una exposicin, sigui\:ndo el ~ismo esquema q>mentado, del
anlisis MANOVA ante la.existencia de varios factores.

15

FIGURA 7.4. Grfico del SPSS para anlisis de la hiptesis de normalidad de los residuos
de la variable ron Morenita en el Caso 7.1.

En lo que antecede, se ha visto en este caso que se verifican las hiptesis estadsticas
que se formulan en la cons.truccin de los estadsticos empleados para los contrastes multivariantes de la varianza, quedando as justificada la validez de estos ltimos. Ahora, vamos a aplicar el contraste de esfericidad de Barlett para determinar si estn correlacionadas o no las variables consideradas. En el caso de aceptar la hiptesis nula de no correlacin
sera innecesario realizar un anlisis multivariante. En su lugar, se debera aplicar el anlisis de la varianza a cada una de las variables por separado. En el Cuadro 7.1 2 se recoge
el contraste de esfericidad de Barlett. El nivel de significacin es 0,00, rechazndose la
~ip~esis nula y, consecueniemente, justificando la pertinencia de aplicar el anlisis mulllvanante a estas dos variables.

ITESParaninfo

Anlisis de multivariante de la varianza

Anlisis ex-post
Coeficiente de determinaci611
Contraste de esfericidad de Barlerr
Esrndstico de Pi/lai
Estadstico de Rao
Estadstico de Roy
Estadstico lambda de Wilks

Estadstico M de Box
Estadstico T1 de Horelling
f/onroscedasticidad
lndepewlencia de las muestras
MAN OVA
Matriz de suma de cuadrados y pioductos
cruwdos total SCPCI'
Normalidad multivariante
ITESParaninfo