El modelo
El procedimiento MLG Multivariante se basa en el modelo lineal general, en el que se supone que los factores y las covariables tienen relaciones lineales con las variables dependientes.
Factores fijos. Los predictores categóricos deben seleccionarse como factores en el modelo. Cada nivel de un factor puede tener un efecto lineal diferente en el valor de las variables dependientes. El procedimiento MLG Multivariante presupone que todos los factores del modelo son fijos; es decir, generalmente se consideran variables cuyos valores de interés se representan todos en el archivo de datos, normalmente por diseño.
Covariables. Los predictores de escala deben seleccionarse como covariables en el modelo. Dentro de las combinaciones de niveles de factor (o casillas), se supone que los valores de las covariables se correlacionan linealmente con los valores de las variables dependientes.
Interacciones. De forma predeterminada, el procedimiento MLG Multivariante genera un modelo con todas las interacciones factoriales, lo que significa que cada combinación de niveles de factor puede tener un efecto lineal diferente en la variable dependiente. Además, puede especificar interacciones factor-covariable, si cree que la relación lineal entre una covariable y las variables dependientes cambia para diferentes niveles de un factor.
A efectos de contrastar las hipótesis relativas a las estimaciones de los parámetros, el procedimiento GLM Multivariante presupone:
- Los valores de los errores son independientes entre sí a través de las observaciones y las variables independientes del modelo. Un buen diseño de estudio generalmente evita la violación de esta suposición.
- La covarianza de las variables dependientes es constante entre las casillas. Esto puede ser particularmente importante cuando hay tamaños de celda desiguales; es decir, diferentes números de observaciones a través de combinaciones de nivel de factor.
- A través de las variables dependientes, los errores tienen una distribución normal multivariante con una media de 0.