Page 169 - EL PROCESO DE INVESTIGACIÓN EN INSTITUCIONES DE EDUCACIÓN EN MÉXICO

Correlaciones de Pearson

Se obtuvieron correlaciones simples entre las variables de respuesta: FDN, FDA, PC, MS, DIV
y ProdLeche utilizando el procedimiento Proc Sort de SAS (2013).

Modelos de regresión múltiple

EL PROCESO DE INVESTIGACIÓN EN INSTITUCIONES DE EDUCACIÓN EN MÉXICO
La relación entre variables continuas se obtuvo utilizando regresión lineal múltiple, para lo cual
se utilizó una selección hacia adelante (Forward) paso a paso (Stepwise) del procedimiento de
regresión de SAS (Proc Reg).

AlgOrItMOS, SAlIDAS Del SAS e INterPretACIONeS

Análisis de varianza (ANOVA) para analizar modelos de efectos fijos

La mayor parte de la variación de Y supuestamente debería ser atribuida a variaciones de T al
i
final de la fase experimental, sin embargo, al final del experimento se esperaría que la variación
entre grupos experimentales (VEG) sea comparativamente mayor a la variación dentro de gru-
po, ya que la VEG tiene implícitos dos componentes de varianza, la debida a los tratamientos
y la debida al error (efectos aleatorios no explicados), que es la misma que la variación dentro
de grupos (VDG). Por lo tanto, el valor calculado F se interpreta con la ecuación 1.

Ecuación 1

De lo anterior se deduce que, cuando el componente de varianza de tratamientos tiende a uno
entonces el componente de varianza del error tiende a cero, y, por lo tanto, el valor calculado
para F tiende a infinito (∞). Además, si, el componente de varianza de tratamientos tiende a
cero, entonces el componente de varianza del error tiende a uno y, por lo tanto, el valor calcu-
lado para F tiende 1. De modo que, de acuerdo con el razonamiento anterior, se espera que
la varianza de tratamientos (S t) sea mayor que la varianza del error (S e), lo cual cumple con
2
2
el postulado original para la prueba biparametral de F=S mayor/S menor con los respectivos
2
2
grados de libertad al numerador y los grados de libertad al denominador.
Parte de eso se explica por error (Figura 1), luego la variación total de Y debería ser la varianza
de T + Varianza de , y los DF del modelo deberían distribuirse de manera proporcional. Por
i
ij
160 lo tanto, ANOVA es un análisis sobre la descomposición de la varianza de Y ‘.