Preguntas sobre pruebas de normalidad y análisis estadístico avanzadoEstimada comunidad de JMP:
Saludos, soy un estudiante que recientemente comenzó a estudiar estadística. Tengo un gran interés en aplicar los conocimientos adquiridos en un proyecto de investigación. Pido disculpas de antemano si mis preguntas parecen básicas o inapropiadas.Estoy realizando una investigación distribuyendo cuestionarios a 406 pacientes con diabetes. El cuestionario consta de datos de género (categóricos), datos de edad (continuos) y 6 variables con escalas de Likert, donde cada variable tiene su propio dominio. Después de ingresar los datos en MS Excel, calculé las puntuaciones totales de las respuestas (continuas), el valor promedio de las respuestas de los encuestados (continuas) y también realicé la categorización a partir de las variables (categóricas). Luego, importé estos datos a JMP Pro 18.
En la etapa inicial del análisis quiero realizar una prueba de normalidad. Con respecto a esto tengo varias preguntas:
1. ¿Cómo?¿Debo realizar una prueba de normalidad en las 6 variables y sus dominios? ¿Necesito realizar pruebas de normalidad para todas las variables y sus dominios simultáneamente o por separado? ¿O tiene alguna sugerencia que pueda seguir dada mi situación actual en la que estoy experimentando dificultades con la prueba de normalidad?
2. ¿Qué debo hacer si los datos se distribuyen normalmente o no? Esto es importante porque las siguientes etapas que planeo realizar son el análisis factorial confirmatorio (AFC) y luego el modelado de ecuaciones estructurales (SEM).Agradeceré enormemente cualquier aporte y consejo que pueda brindarme para ayudarme a comprender los pasos apropiados para analizar estos datos.
Gracias por su atención y ayuda. Atentamente.,
Andy
Modelado estadístico avanzadoAnálisis y modelado de datos básicosOrganización de contenidoCompartir y comunicar resultadosVentanasRe: Preguntas sobre pruebas de normalidad y análisis estadístico avanzado¡Buenas preguntas, Andy!
Un supuesto clave que subyace a la estimación de máxima verosimilitud en SEM es que las variables observadas provienen de una distribución normal multivariante. Hay algunas formas de comprobar este supuesto y, por lo general, las comprobaciones visuales (en lugar de las pruebas formales de normalidad) son suficientes. Antes de realizar CFA o SEM, sugiero las siguientes comprobaciones:
Evalúe la normalidad univariante con Analizar > Distribución. Esta plataforma muestra un histograma para cada variable. Revisar visualmente los histogramas suele ser suficiente para SEM, pero si lo desea, también puede observar gráficos QQ y realizar pruebas formales que evalúen si cada variable proviene de una distribución normal.
- En la plataforma de Distribución, haga clic en el menú de triángulo rojo de una variable determinada, luego seleccione Ajuste continuo > Ajuste normal.
- A continuación, haga clic en el menú de triángulo rojo para la distribución normal ajustada. Para ver un gráfico QQ, seleccione Gráficos de diagnóstico > Gráfico QQ y, para realizar una prueba formal de normalidad (la prueba de Shapiro-Wilk), haga clic en Bondad de ajuste:
- En el gráfico QQ, si los datos observados siguen de cerca la línea recta, eso es una buena evidencia de normalidad.
- La hipótesis nula de la prueba de Shapiro-Wilk es que los datos observados provienen de una distribución normal. Un valor p pequeño significa que debemos rechazar la hipótesis nula; por lo tanto, un valor p no significativo es una buena evidencia de normalidad.
Para tener una idea de las relaciones por pares entre sus variables, observe los gráficos de dispersión bivariados con Analizar > Métodos multivariados > Multivariado.
Como comprobación adicional, también puede buscar valores atípicos multivariados. Esto se puede hacer desde la plataforma SEM en JMP Pro. Después de iniciar la plataforma SEM, haga clic en el menú del triángulo rojo superior y seleccione Iniciar Explorar valores atípicos:
Si estas comprobaciones indican que sus datos no se distribuyen normalmente o que no se comportan bien, tiene algunas opciones en la plataforma SEM. Después de ajustar su(s) modelo(s), haga clic nuevamente en el menú del triángulo rojo superior. En Inferencia, hay dos opciones: Inferencia robusta e Inferencia bootstrap. La inferencia robusta volverá a calcular los errores estándar (EE) y las estadísticas de ajuste del modelo utilizando la corrección sándwich. Esta corrección da como resultado EE y estadísticas de ajuste que son robustos a la no normalidad. La inferencia bootstrap utilizará el bootstrap para estimar los EE y las estadísticas de ajuste del modelo, y el usuario puede configurar los detalles del proceso de bootstrap (por ejemplo, la cantidad de muestras extraídas). Ambas son opciones viables para obtener inferencias válidas en el caso de que sus datos no sean normales multivariados.
¡Espero que esto ayude!
Haley
Re: Preguntas sobre pruebas de normalidad y análisis estadístico avanzadoEstimada señora/señora Haley
¡Muchas gracias por su ayuda y orientación! Agradezco enormemente su rápida respuesta y amabilidad al ayudarme a comprender los pasos del análisis. Seguiré su consejo y pronto enviaré las imágenes de los resultados de cada paso lo antes posible.
Espero que esta información pueda ser de utilidad para muchas personas. También espero poder comunicarme nuevamente con usted luego de enviarle los resultados de cada paso. ¡Gracias nuevamente por su ayuda!
Atentamente
AndyRe: Preguntas sobre pruebas de normalidad y análisis estadístico avanzadoAsunto: Actualización de progreso: Prueba de análisis de JMP
Estimada señora/señora Haley:
Espero que este correo electrónico te llegue bien. Me gustaría informarte sobre el progreso del ensayo de análisis de JMP que se sugirió. He realizado el análisis y he encontrado algunos resultados interesantes.
He adjuntado mis hallazgos del análisis de JMP. Según los resultados del análisis, descubrí que todas las variables tienen valores p de Shapiro-Wilk significativos, lo que indica que los datos no se distribuyen normalmente. Me gustaría pedirle su consejo sobre qué hacer a continuación.
También me gustaría aclarar si cometí algún error en la recopilación o el análisis de datos que haya provocado que los datos no se distribuyeran normalmente. He vuelto a comprobar los dominios de las variables y he descubierto que ninguno de ellos se distribuye normalmente.
Espero que me puedan ayudar a entender los resultados de estos análisis y orientarme sobre los pasos a seguir. Gracias por su atención y ayuda.
He adjuntado los resultados del análisis JMP para su referencia.
Gracias,
Andy
Re: Preguntas sobre pruebas de normalidad y análisis estadístico avanzadoHola Andy,
Disculpas por la demora en responder. Gracias por tu paciencia.
En base a las cifras que se incluyen en el documento que usted incluye, creo que proceder con la inferencia robusta es una buena medida. Los histogramas de edad, dieta y actividad física sugieren que las desviaciones de la normalidad de esas variables no son motivo de especial preocupación, sin embargo, noté que la variable Medicina está muy sesgada. La asimetría en esa variable, junto con pruebas Shapiro-Wilk significativas, sería una buena justificación para utilizar la inferencia robusta.
No puedo ofrecer demasiadas indicaciones sobre si la no normalidad en estas variables puede ser resultado de un error en la recopilación o el análisis de los datos. Es posible que deba comprobar que la codificación manual o la importación de datos se hayan realizado correctamente. Además, tenga en cuenta el contenido de las preguntas o los elementos al considerar si la asimetría tiene sentido. Observaré que las variables que no se distribuyen normalmente son bastante comunes en las ciencias sociales. Y, como señalé anteriormente, las desviaciones de la normalidad en la edad, la dieta y la actividad física no parecen ser significativas en un sentido práctico.
Cuando se violan los supuestos que sustentan la estimación de máxima verosimilitud en SEM, las estimaciones puntuales no se ven afectadas por esas violaciones; sin embargo, los errores estándar sí lo están. El uso de la opción Inferencia robusta corregirá los errores estándar de modo que sean "robustos" (es decir, sigan siendo confiables) incluso si sus datos violan el supuesto de normalidad multivariable. Por lo tanto, le sugiero que mantenga activada la Inferencia robusta, como lo hizo en su documento.
Espero que esto ayude.
Haley
