Ausencia de normalidad y desigualdad del tamaño de los grupos. ¿Afecta a la estimación de la autocorrelación?

• Paula Fernández García ^[1] ; Guillermo Vallejo Seco ^[1]
  1. [1] Universidad de Oviedo

     Universidad de Oviedo

     Oviedo, España

     
• Localización: Psicothema, ISSN-e 1886-144X, ISSN 0214-9915, Vol. 14, Nº. 4, 2002, págs. 861-869
• Idioma: español
• Enlaces
  • Texto completo (pdf)
• Dialnet Métricas: 1 Cita
• Resumen

  • Hemos diseñado un experimento de simulación Monte Carlo para examinar el comportamiento de cuatro procedimientos para el diagnóstico de la autocorrelación de primer orden: ?HCH, ?j, ?PP y ?WHS. Utilizamos dos estructuras de la matriz de correlaciones, AR y ARH, en un diseño de Grupos x Ocasiones (3xq) no balanceado bajo distribución normal y balanceado bajo seis distribuciones no normales. Los resultados ponen de relieve que la desigualdad en el tamaño de los grupos sólo afecta al procedimiento ?PP cuando la matriz es AR+, y al procedimiento ?WHS si la matriz es ARH. De otra parte, todos los estimadores son sensibles a la ausencia de normalidad, ?HCH y ?j son conservadores y ?WHS liberal para matrices AR+ y todos conservadores para matrices AR-, en mayor medida conforme mayor es la autocorrelación y menores son q y nj.

• Referencias bibliográficas
  • Arnau, J. (1999). Reducción del sesgo en la estimación de la autocorrelación en series temporales cortas. Metodología de las Ciencias del...
  • Bono, R. y Arnau, J. (2000). Diseños de muestras pequeñas: análisis por mínimos cuadrados generalizados. Psicothema, 12(2), 87-90.
  • Fernández, P., Vallejo, G. y Escudero, J.R. (2002). Diagnóstico de la precisión de nueve procedimientos para el cómputo de la autocorrelación...
  • Fernández, P. y Vallejo, G. Test of the precision of nine estimators to detect autocorrelation. Educational and Psychological Measurement...
  • GAUSS (1997). The Gauss System (Vers. 3.2.32). Washington: Aptech Systems, Inc.
  • Hearne, E.M., Clark, G.M. y Hatch, J.P. (1983). A test for serial correlation in univariate repeated-measures analysis. Biometrics, 39, 237-243.
  • Hoaglin, D.C. (1985). Summarizing shape numerically, the g-and-h distributions. En D. Hoaglin, F. Mosteller y J. Tukey (Eds.), Exploring data...
  • Huitema, B.E. y McKean, L. (1991). Autocorrelation estimation and inference with small samples. Psychological Bulletin, 110, 293-304.
  • Huitema, B.E. y McKean, L. (1994).Reduced bias autocorrelation estimation: Three jackknife methods. Educational and Psychological Measurement,...
  • Jones, R.H. (1985). Repeated measures, interventions, and time series analysis. Psychoneuroendocrinology, 10(1), 5-14.
  • Keselman, H.J ., Algina,J., Kowalchuk, R.K. (2001).The analysis of repeated measures designs: A review. Birtish Journal of Mathematical and...
  • Keselman, H.J., Algina, J., Kowalchuk, R.K. y Wolfinger, R.D. (1999). A comparison of recent approaches to the analysis of repeated measurements....
  • Keselman, H.J., Huberty, C.J., Lix, L.M., Olejnik, S., Cribbie, R.A., Donahue, B., Cowalchuk, R.K., Lowman, L.L., Petoskey, M.D., Keselman,...
  • Kinderman, A.J. y Ramage, J.G. (1976). Computer generation of normal random numbers. Journal of American Statistical Association, 77, 893-...
  • Koopmans, T. (1942). Serial correlation and quadratic forms in normal variables. Annals of Mathematical Statistic, 13, 14.
  • Kowalchuk, R.K., Lix, L.M. y Keselman, H.J. (1996). The analysis of repeated measures designs. Paper presented at the Annual Meeting of the...
  • Micceri, T. (1989). The unicorn, The normal curve, and other improbable creatures. Psychological Bulletin, 105, 156-166.
  • Pantula, S.G. y Pollock, K.H. (1985). Nested analysis of variance whith autocorrelated errors. Biometrics, 37, 909-920.
  • Sawilowsky, S.S. y Blair, R.C. (1992). A more realistic look at the robustness and Type II error probabilities of the t test to departures...
  • Wilcox, R.R. (1994). A one way random effects model for trimmed means. Psychometrika, 59, 289-306.
  • Wilson, P.D., Hebel, J.R. y Sherwin, R. (1981). Screening and diagnosis when within-individual observations are Markov-dependent. Biometrics,...