MANOVA general

MANOVA general prueba conjuntamente dos o más respuestas continuas frente a uno o más factores categóricos, con covariables opcionales e interacciones de dos factores. Una sola prueba conjunta mantiene la tasa global de falsas alarmas en el nivel elegido y tiene en cuenta la correlación entre respuestas. Supone observaciones independientes y errores normales multivariantes con matrices de covarianza iguales. La salida incluye los estadísticos de Wilks, Pillai, Hotelling-Lawley y Roy, ANOVA univariantes y análisis de valores propios opcional.

Última revisión:

Idea clave

MANOVA general (análisis de varianza multivariante) prueba si uno o más factores modifican conjuntamente varias respuestas relacionadas, como la resistencia a la tracción y el alargamiento medidos en las mismas probetas.

En esta página
  1. Finalidad
  2. Capacidades principales
  3. Métodos estadísticos
  4. Campos y opciones de entrada
  5. Descripción de la salida
  6. Ejemplo

Finalidad

MANOVA general (análisis de varianza multivariante) prueba si uno o más factores modifican conjuntamente varias respuestas relacionadas, por ejemplo la resistencia a la tracción y el alargamiento de las mismas probetas. Úselo cuando mida dos o más propiedades en cada unidad: una sola prueba conjunta mantiene la tasa global de falsas alarmas en el nivel elegido, tiene en cuenta la correlación entre las respuestas y puede detectar un cambio en la combinación de propiedades que los ANOVA por separado no detectan.

Capacidades principales

  • Dos o más respuestas continuas probadas conjuntamente frente a uno o más factores categóricos.
  • Covariables continuas opcionales y todas las interacciones de dos factores.
  • Lambda de Wilks, traza de Pillai, traza de Hotelling-Lawley y raíz mayor de Roy para cada término.
  • ANOVA univariante para cada respuesta (sumas de cuadrados de tipo III).
  • Matrices SSCP de hipótesis y de error con correlaciones parciales, y análisis de valores propios, a petición.
  • Data Options: seleccione un subconjunto de filas antes del análisis.

Métodos estadísticos

El modelo es el mismo que el del modelo lineal general, ajustado a todas las respuestas a la vez: factores con codificación de suma cero (−1, 0, +1), covariables como efectos principales e interacciones de dos factores cuando se marcan (solo con dos o más factores). Se descartan las filas con un valor faltante en cualquiera de las columnas seleccionadas. Para cada término, la herramienta forma la matriz de hipótesis H (sumas de cuadrados y productos cruzados explicados por el término) y la matriz de error E, y prueba el término a partir de los valores propios λ de E⁻¹H.

Lambda de Wilks = det(E) / det(H + E) = Π 1/(1 + λ), pequeña cuando el término importa; traza de Pillai = Σ λ/(1 + λ); traza de Hotelling-Lawley = Σ λ; raíz mayor de Roy = el mayor λ. Cada uno se convierte en un estadístico F aproximado, con los grados de libertad del numerador y del denominador indicados. La traza de Pillai es la más tolerante con tamaños de grupo desiguales y matrices de covarianza desiguales; la raíz de Roy es la más sensible cuando los grupos difieren a lo largo de una sola dirección, pero su F es una cota superior, por lo que su valor p es optimista.

El análisis de valores propios enumera los valores propios de E⁻¹H con sus proporciones, y los vectores propios escalados de modo que v'(E / DF error)v = 1. El primer vector propio da la combinación ponderada de respuestas que más separa los niveles del factor. Las tablas univariantes son ANOVA de tipo III de cada respuesta por separado. MANOVA supone observaciones independientes y errores normales multivariantes con la misma matriz de covarianza en todos los grupos.

Campos y opciones de entrada

Campo

Descripción

Responses (Y)

Dos o más columnas continuas, probadas conjuntamente. Obligatorio.

Factors (categorical)

Una o más columnas predictoras categóricas. Obligatorio.

Covariates (continuous)

Columnas numéricas opcionales, introducidas solo como efectos principales.

Include all 2-way factor interactions

Marcada por defecto; solo se habilita cuando se seleccionan dos o más factores.

Show univariate ANOVA per response

Marcada por defecto.

Matrices (hypothesis, error, partial correlations)

Desactivada por defecto: añade las matrices SSCP y las correlaciones parciales de las respuestas.

Eigen analysis

Desactivada por defecto: valores propios y vectores propios de E⁻¹H para cada término.

Data Options: Subset (optional)

Exclude matching rows (opción predeterminada) o Include only matching rows, por números de fila o por una condición, o ambos.

general-manova-inputs


Figura 1: opciones del ejemplo de materiales: resistencia a la tracción y alargamiento como respuestas, Treatment como factor, con ANOVA univariante y análisis de valores propios marcados.

Descripción de la salida

  • MANOVA: Value, Num DF, Den DF, F Value y P-Value de los cuatro estadísticos multivariantes para cada término.
  • Univariate Analysis of Variance: una tabla ANOVA por cada respuesta.
  • Matrices SSCP y correlaciones parciales: cuando se marca Matrices.
  • Eigen Analysis: valores propios, proporciones, proporciones acumuladas y vectores propios de cada término, cuando se marca.
  • Exportación a PDF mediante Download.

general-manova-output


Figura 2: MANOVA de las dos propiedades: los cuatro estadísticos rechazan la igualdad de las medias de los tratamientos (lambda de Wilks 0.11217, F = 19.86, p < 0.001).

Ejemplo

Un ingeniero de materiales compara un control con dos tratamientos, A y B, y ensaya 8 probetas de cada uno para medir la resistencia a la tracción (MPa) y el alargamiento a la rotura (%). Ejecutar dos ANOVA por separado aumentaría la probabilidad de una falsa alarma, por lo que el ingeniero prueba ambas propiedades conjuntamente, con Treatment como factor, y marca el ANOVA univariante y el análisis de valores propios.

Los tratamientos modifican claramente el par de propiedades: la lambda de Wilks es 0.11217 (F = 19.86 con 4 y 40 DF), la traza de Pillai 1.28404 (F = 18.83) y las cuatro pruebas dan p < 0.001. Las tablas univariantes muestran que cada propiedad también cambia por sí sola: resistencia F = 25.75 y alargamiento F = 18.60, ambas con p < 0.001. La resistencia media aumenta de 211.9 MPa (control) a 225.7 (A) y 238.1 (B); el alargamiento medio es de 12.6%, 14.6% y 10.9%.

El análisis de valores propios explica el patrón. La primera dirección (75.7% de la separación) pondera positivamente la resistencia (0.114) y negativamente el alargamiento (−0.518): la compensación que distingue al tratamiento B, con la mayor resistencia pero la menor ductilidad. La segunda dirección (24.3%) tiene ponderaciones positivas en ambas, que es en lo que se diferencia el tratamiento A: aumenta conjuntamente la resistencia y el alargamiento. Si la pieza necesita ambas propiedades, el tratamiento A es la opción más segura.

Preguntas frecuentes

¿Cuándo usar MANOVA en lugar de ANOVA por separado?

Use MANOVA cuando mida dos o más propiedades en cada unidad. Una sola prueba conjunta mantiene la tasa global de falsas alarmas en el nivel elegido, tiene en cuenta la correlación entre las respuestas y puede detectar un cambio en la combinación de propiedades que los ANOVA por separado no detectan. Ejecutar ANOVA por separado aumenta la probabilidad de una falsa alarma.

¿Qué diferencia hay entre la lambda de Wilks, la traza de Pillai, la traza de Hotelling-Lawley y la raíz de Roy?

Los cuatro prueban cada término a partir de los valores propios del producto de la inversa de la matriz de error por la matriz de hipótesis, y cada uno se convierte en una F aproximada. La lambda de Wilks es pequeña cuando el término importa. La traza de Pillai es la más tolerante con tamaños de grupo y matrices de covarianza desiguales. La raíz de Roy es la más sensible a las diferencias a lo largo de una dirección, pero su valor p es optimista.

¿Cuáles son los supuestos de MANOVA?

MANOVA supone observaciones independientes y errores normales multivariantes con la misma matriz de covarianza en todos los grupos. Se descartan las filas con un valor faltante en cualquiera de las columnas seleccionadas. Si los tamaños de grupo o las matrices de covarianza son desiguales, la traza de Pillai es la más tolerante de los cuatro estadísticos multivariantes.

¿Qué indica el análisis de valores propios en MANOVA?

El análisis de valores propios enumera los valores propios con sus proporciones y los vectores propios. El primer vector propio da la combinación ponderada de respuestas que más separa los niveles del factor. En el ejemplo de materiales, la primera dirección ponderó positivamente la resistencia y negativamente el alargamiento, lo que muestra la compensación entre resistencia y ductilidad que distinguió al tratamiento B.