Buen recurso para entender ANOVA y ANCOVA?

20

Estoy realizando experimentos para un artículo y estoy buscando un libro / sitio web interesante para comprender correctamente cómo funcionan ANOVA y ANCOVA. Tengo buenos conocimientos matemáticos, así que no necesariamente necesito una explicación vulgar.

También me gustaría saber cómo determinar cuándo usar ANOVA en lugar de ANCOVA.

levesco
fuente
Un viejo clásico es El análisis de la varianza de Henry Scheffé .
StubbornAtom

Respuestas:

8

Los clásicos que creo son Winer y Kirk, ambos cubren esencialmente solo ANOVA y ANCOVA. Probablemente pueda obtener copias usadas a bajo precio (por ejemplo, tengo una segunda edición de Winer de 71 comprada a través de AMAZON por menos de 10 $):
Winer - Principios estadísticos en diseño experimental
Kirk - Diseño experimental

Un libro más contemporáneo es el de Maxwell & Delaney. Además de ANOVA y ANCOVA, cubre otros métodos, por ejemplo, multivariado y multinivel:
Maxwell y Delaney - Diseño de experimentos y análisis de datos: una perspectiva de comparación de modelos

Quizás sea lo mejor ir con este último. Es bastante bueno

Henrik
fuente
Encontré el libro de Maxwell y Delaney, y después de haber leído entre 20 y 30 páginas, debo decir que es muy agradable ... Seguiré leyendo y creo que encontraré las respuestas que estoy buscando, ¡Gracias!
levesque
Hay una nueva edición para el segundo libro - amazon.com/Experimental-Design-Procedures-Behavioral-Sciences/…
SmallChess
17

Entonces, además de este documento, Análisis de malentendidos de covarianza , que enumera las dificultades comunes al usar ANCOVA, recomendaría comenzar con:

Esto es principalmente material orientado a R, pero creo que es mejor que entiendas la idea si comienzas a jugar un poco con estos modelos en ejemplos de juguetes o conjuntos de datos reales (y R es genial para eso).

En cuanto a un buen libro, recomendaría Diseño y Análisis de Experimentos de Montgomery (ahora en su 7ª ed.); ANCOVA se describe en el capítulo 15. Respuestas planas a preguntas complejas de Christensen es un excelente libro sobre la teoría del modelo lineal (ANCOVA en el capítulo 9); Asume una buena base matemática. Cualquier libro de texto bioestadístico debería abarcar ambos temas, pero me gusta el Análisis bioestadístico de Zar (ANCOVA en el capítulo 12), principalmente porque este fue uno de mis primeros libros de texto.

Y, por último, los libros de texto de H. Baayen es muy completo, análisis práctico de Datos para las Ciencias del Lenguaje con R . Aunque se centra en los datos lingüísticos, incluye un tratamiento muy completo del modelo lineal y los modelos de efectos mixtos.

chl
fuente
10

Los modelos estadísticos lineales aplicados de Neter, Kutner, Wasserman y Nachtscheim tienen un tratamiento muy exhaustivo (¡y agotador!) De ANOVA y ANCOVA.

También cubre análisis de potencia, regresión lineal, regresión multilineal e introduce algo de MANOVA. Es un texto muy largo, pero hace un trabajo muy completo. Te he vinculado a la cuarta edición. Dudo que haya una gran diferencia con respecto a la quinta edición, y es sustancialmente más barato.

Christopher Aden
fuente
(+1) Me imagino que con un libro de más de 1400 páginas, los autores ofrecen varios capítulos a AN (C) OVA :) Por cierto, hay códigos SAS y Stata para la mayoría de los capítulos en UCLA, ats.ucla.edu/stat / sas / examples / alsm
chl
De hecho, hay varios capítulos. Quiero decir que aproximadamente la mitad del libro está dedicado a AN (C) OVA, mientras que la primera mitad es regresión, por lo que son aproximadamente 700 páginas de análisis de varianza. Hay partes del texto (diseños de bloques, diseños anidados) que me parecieron increíblemente aburridas, y podrían haber utilizado un poco más de trabajo, pero las secciones de regresión fueron geniales.
Christopher Aden
7

Gelman tiene un buen documento de debate sobre el análisis de varianza ANOVA: por qué es más importante que nunca

usuario603
fuente
4

El libro R hace un buen trabajo en eso. Puede ver que dedica un capítulo a cada uno de esos métodos (11 y 12). Si eres nuevo en R, este es un gran libro para empezar.

George Dontas
fuente