Explicación de "covariable" en el modelo lineal general en SPSS

Question

Estoy completando un proyecto para un cliente utilizando el modelo lineal general (comando GLM) en SPSS/PASW (Ver. 17)

Básicamente, el proyecto está diseñado para averiguar si factores como el sexo y la edad afectan a la relación entre las variables A y B.

En este caso,

• La variable A es la variable independiente (IV)
• La variable B es la variable dependiente (VD)
• El sexo o la edad son los factores

En el comando GLM, IV va en la casilla de covariable y género va en la casilla de factor.

Muchos libros de texto que he consultado dicen una de dos cosas (generalmente):

• El MLG puede utilizarse para evaluar la importancia conjunta de los predictores (A y sexo en el ejemplo anterior) sobre un resultado continuo (B en el ejemplo anterior)
• El MLG se puede utilizar para evaluar la importancia del factor (sexo en el ejemplo anterior) sobre el resultado (B en el ejemplo anterior) de la siguiente manera controlando el efecto de la covariable (A en el ejemplo anterior).

Obviamente, estos dos usos diferentes conducen a resultados distintos. Me interesa la significación conjunta.

Lo anterior me parece un poco contradictorio, pero no tengo formación estadística. ¿Alguien puede explicar la diferencia clave anterior (cuando se trata de la misma prueba, es decir, IV en la casilla de la covariable y sexo en la casilla del factor)?

Answer 1

En mi opinión, ambas afirmaciones no son realmente contradictorias.

La primera afirmación relativa a la "significación conjunta" se limita a decir que el MLG puede utilizarse para probar la hipótesis conjunta de que "El impacto del género en B es diferente de 0 y el impacto de A en B es diferente de 0".

La segunda afirmación indica esencialmente que el MLG permite evaluar si los predictores individuales son significativos después de control de por otros factores. Por lo tanto, la afirmación afirma implícitamente que utilizando el MLG podemos hacer una prueba de hipótesis simple como: "El impacto del género en B es diferente de 0 siempre que todo lo demás (en particular A en su caso) se mantenga constante".

Answer 2

Buena pregunta. Yo interpreto la línea de "significación conjunta" de forma diferente a @varty. Normalmente, un "efecto conjunto" significa lo mismo que un efecto multiplicativo o un efecto producto o un efecto de interacción. En otras palabras, se podría probar si el vínculo del género con B difiere en función de A. O si el vínculo de A con B difiere en función del género. Los cuadros de diálogo de SPSS para GLM ("Univariante") le permiten especificar dicho término de interacción. El diseño de un modelo de este tipo también le permiten ver cómo A se relaciona con B, controlando el género -suponiendo que el efecto de interacción no es sig.* Sólo asegúrese de incluir los efectos principales (simple/vanilla) para cada predictor, así como cualquier efecto de interacción, o de lo contrario obtendrá resultados inexactos.

*En cuyo caso debería volver a ejecutar el modelo sin el término de interacción, para una mayor precisión.

(Si desea ver un resumen básico, visual y no matemático de la diferencia entre control e interacción, consulte esta breve página mía . Perdón si es una cita duplicada o autorreferencial, pero creo que sería útil).