El análisis de covarianza como mecanismo de control de factores de confusión / analysis of covariance as a methodology to control confounding variables

Resumen. Parte de la variabilidad total en un estudio experimental puede explicarse por factores que son asignados y/o controlados por el investigador y que son de interés primario para este. Asimismo, los experimentos suelen involucrar factores que a pesar de su carácter secundario también afectan la respuesta. El mecanismo más comúnmente usado para controlar el efecto de factores secundarios es el bloqueo. Existen, sin embargo, situaciones en las que la fuente de variación secundaria solamente se reconoce tras haberse iniciado el experimento y/o en las que sus niveles no configuran categorías que permitan agrupar unidades experimentales homogéneas; en tales casos, podría considerarse la utilización de covariables para satisfacer los mismos objetivos que el bloqueo. Para aplicar una adecuada corrección mediante análisis de covarianza deben satisfacerse dos condiciones: la viabilidad y la pertinencia. La viabilidad se refiere a la posibilidad de explicar parte de la variabilidad de la respuesta en función de la covariable, mediante un modelo de regresión. La pertinencia tiene que ver con la adecuación de la corrección aplicada, considerando que al eliminar el efecto de la covariable no se arrastre parte del efecto de los tratamientos. La viabilidad suele evaluarse con apoyo de algún programa estadístico; la pertinencia, por su parte, exige una aproximación conceptual. / Abstract. Some portion of the total variability in an experimental study can be explained by factors that are controlled and/or assigned by the researcher, and that are of his primary interest. Likewise, experiments usually involve factors that, despite their ancillary nature, also affect the response. Blocking is the most widely used mechanism to control the effect of ancillary factors. There are, however, situations in which the secondary source of variation is recognized only after the experiment has been started and/or in which its levels don’t allow to group homogeneous experimental units. In such cases, it would be feasible to evaluate the use of analysis of covariance to achieve the same objectives that blocking does. In order to apply an adequate correction via analysis of covariance it is necessary to fulfill two conditions: viability and pertinence. Viability refers to the possibility to relate, by means of a regression model, a fraction of the variability of the response to the covariate. Pertinence has to do with the adequacy of the applied correction, taking into account that the elimination of the effect of the covariate doesn’t extract some part of the treatment’s effect. Viability is usually evaluated with the assistance of some statistical software. Pertinence, on the other hand, requires a conceptual approach.

• Autores: Correa Londoño, Guillermo
• Tipo de recurso: Article of journal
• Fecha de publicación: 2013
• Institución: Universidad Nacional de Colombia
• Repositorio: Universidad Nacional de Colombia
• Idioma: spa
• OAI Identifier: oai:repositorio.unal.edu.co:unal/73183
• Acceso en línea: https://repositorio.unal.edu.co/handle/unal/73183; http://bdigital.unal.edu.co/37658/
• Palabra clave: Validez interna; métodos estadísticos; modelo lineal general; diseño de bloques al azar / Internal validity; statiscal methods; general linear model; randomized complete block design.
• Rights: openAccess
• License: Atribución-NoComercial 4.0 Internacional