agrega.los.datos.fnc

Objetivo

Genera estadísticos de resumen de una o múltiplesvariables cuantitativas en el cruce de J factores definidos por el usuario. El agregado más común es el de sujetos y el de items utilizando la media como estadístico de resumen.

Agregar datos

Generaremos un experimento ficticio donde hemos sometido a 20 sujetos a la exposición de 20 estímulos (items) que obedecen a un diseño completamente repetido con dos factores A x B 2 x 2 (5 items por condición).

datos=data.frame(mvrnorm(20,rep(0,20),Sigma=diag(1,20)))

head(datos)

Como tenemos items en nuestra investigación debemos llamarlos con la variable item con numeración correlativa y lo haremos con la función crea.nombre.item.fnc.

datos=crea.nombre.item.fnc(datos)

Definimos la estructura intragrupo del "experimento" con el objeto fac.intra.

fac.intra=list(A=c('a1','a2'), B=c('b1','b2'))

Apilamos los datos para poder manipular adecuadamente las 20 medidas realizadas a traves de las 4 condiciones experimentales definidas.

datos.ap=apila.los.datos.fnc(datos, fac.intra=fac.intra, col.empieza.mr=1, n.item=20)

Ahora podemos agregar los datos de nuestro experimento. Lo haremos primero por sujetos donde estimaremos la media de cada sujeto en las cuatro condiciones experimentales. Dado que disponemos en la base de datos de la variable de nombre vd (sobre la cual deseamos agregar), no es necesario incluir el argumento vd. Si por el contrario la variable sobre la que deseamos agregar tuviese un nombre diferente debemos incluirla en el argumento vd (Ej. vd='peso'). Si quisiéramos agregar por mas de una variable numérica, debemos incluirlas en dicho argumento vd (Ej. vd=c('vd','cova1','cova2'))

agrega.sujeto=agrega.los.datos.fnc(datos.ap, que.factor=c('sujeto','A','B'))

El argumento que.factor podríamos haberlo incluido también de la siguiente forma: que.factor='sujeto:A:B'

agrega.item=agrega.los.datos.fnc(datos.ap, que.factor=c('item','A','B'))

Con el argumento que.factor indicamos de forma secuencial los factores por los que solicitamos la agregación. Por defecto el estadístico de agregación es la media, pero el usuario puede solicitar incluyendo el argumento estadistico la suma, la desviación típica y el número de observaciones con los valores 'suma', 'dt' y 'n' respectivamente.

Observa que los datos agregados por sujetos están apilados. Las cuatro medidas de cada sujeto ocupan cuatro filas. Como nuestro diseño es de medidas repetidas si queremos utilizar la función Anova.fnc debemos "desapilar" esos datos para que cada sujeto ocupe 1 fila en cuatro columnas (A x B 2 x 2). Para ello utilizaremos la función desapila.los.datos.fnc.

datos.x.sujetos=desapila.los.datos.fnc(agrega.sujeto, fac.intra=fac.intra)

Ya podemos realizar el análisis de la varianza de nuestros datos agregados por sujetos.

fac.intra=list(A=c('a1','a2'), B=c('b1','b2'))

Anova.fnc(datos.x.sujetos, fac.intra=fac.intra, col.empieza.mr=1)

Si observas los datos agregados por items verás que el diseño es completamente intergrupo. Del item 1 al 5 pertenecen a la condición a1b1 y el 6 a la a1b2. Es decir desde el punto de vista del análisis de los items estamos ante un diseño completamente intergrupo con dos factores intergrupo (A y B). Estimaremos ahora el Anova para esta matriz de datos.

Anova.fnc(agrega.item, fac.inter=c('A','B'), vd='vd')

Subir ->