El problema con esta prueba, es que es útil a la hora de contrastar promedios, asumiendo que la forma de dispersión son semejantes, lo cual no siempre es así.
Como podemos comprobar en el siguiente ejemplo simulado, de diferencias en la inteligencia de acuerdo al sexo, el centro de la distribución es igual mientas los extremos difieren:
Como podemos comprobar en el siguiente ejemplo simulado, de diferencias en la inteligencia de acuerdo al sexo, el centro de la distribución es igual mientas los extremos difieren:
Si aplicamos ahora la prueba correspondiente no paramétrica, obtendremos como resultado diferencias entre los dos grupos, que realmente se refieren a su distribución y no realmente al valor resumen de tendencia central (Mediana) que es el mismo valor en los dos grupos:
Cuando nos encontramos con una situación problemática, como el ejemplo anterior, donde las formas de distribuirse los datos son distintas, podemos usar como alternativa la regresión de cuantiles que nos permite comparar medianas (cuantil 0,5) sin necesidad de que se tenga que cumplir la condición de distribuciones semejantes. Este tipo de modelo de algoritmo (Koenker, 2005), intenta estimar la mediana condicional (percentil 50) así como otros cuantiles en la variable criterio), cuando los presupuestos del modelo clásico no son aplicables a los datos (Powell, 1986).
Aplicado el procedimiento en SPSS 26 a nuestro caso anterior obtendremos:
Cuando nos encontramos con una situación problemática, como el ejemplo anterior, donde las formas de distribuirse los datos son distintas, podemos usar como alternativa la regresión de cuantiles que nos permite comparar medianas (cuantil 0,5) sin necesidad de que se tenga que cumplir la condición de distribuciones semejantes. Este tipo de modelo de algoritmo (Koenker, 2005), intenta estimar la mediana condicional (percentil 50) así como otros cuantiles en la variable criterio), cuando los presupuestos del modelo clásico no son aplicables a los datos (Powell, 1986).
Aplicado el procedimiento en SPSS 26 a nuestro caso anterior obtendremos:
...donde podemos comprobar que realmente no hay diferencias, ya que realmente las medianas tienen el mismo valor.
También, es posible afinar en estos casos donde se producen las diferencias que entran en contradicción con los valores de tendencia central, como puede ser buscando las soluciones para los cuantiles extremos, por ejemplo para el 0,20 y el 0,80, resultando:
...pudiendo ademas visualizarlo con objeto de interpretarlo de forma más intuitiva:
Tanto en la forma numérica como gráfica, podemos comprobar ahora que las diferencias se da en uno de los extremos (cuantil 0,80), y no en el centro de la distribución.
Referencias.
*Koenker, Roger (2005). Quantile Regression. Cambridge University Press. ISBN 0-521-60827-9.
*Powell, James L. (1986). Censored Regression Quantiles. Journal of Econometrics. 32 (1), 143–155. doi:10.1016/0304-4076(86)90016-3.
También, es posible afinar en estos casos donde se producen las diferencias que entran en contradicción con los valores de tendencia central, como puede ser buscando las soluciones para los cuantiles extremos, por ejemplo para el 0,20 y el 0,80, resultando:
Tanto en la forma numérica como gráfica, podemos comprobar ahora que las diferencias se da en uno de los extremos (cuantil 0,80), y no en el centro de la distribución.
Referencias.
*Koenker, Roger (2005). Quantile Regression. Cambridge University Press. ISBN 0-521-60827-9.
*Powell, James L. (1986). Censored Regression Quantiles. Journal of Econometrics. 32 (1), 143–155. doi:10.1016/0304-4076(86)90016-3.
