Prueba de Levene multivariada para la comparación de matrices de covarianza en presencia de datos faltantes

Abstract

El método para comparar matrices de covarianzas más citado en la literatura es la prueba de Bartlett, la cual es una prueba de razón de verosimilitud modificada, pero esta prueba es sensible a violaciones del supuesto de normalidad multivariada. Otro procedimiento para la comparación de matrices de covarianza es la extensión de la prueba de Levene, la cual consiste en dos generalizaciones multivariadas para la homogeneidad de varianzas; estas son robustas a desviaciones del supuesto de normalidad, con la ventaja adicional de la simplicidad computacional inducida por el procedimiento univariado de prueba. En el siguiente trabajo se examina el comportamiento de la prueba de Levene multivariada en presencia de datos faltantes; un estudio de simulación es llevado a cabo para evaluar su comportamiento en comparación a la prueba de razón de verosimilitud modificada en términos de los niveles de significancia nominal y real. Se encuentra que la prueba de Levene tiene un buen comportamiento para los datos normales y no normales en muestras pequeñas y grandes, como en la presencia de datos faltantes. / Abstract. The method for comparing covariance matrices most cited in the literature is the Bartlett test, which is a likelihood ratio test changed, but this test is sensitive to violations of multivariate normality assumption. Another procedure for the comparison of covariance matrices is the extension of the Levene test, which consists of two multivariate generalizations for homogeneity of variances, and these are robust to deviations from the assumption normality, with the added advantage of computational simplicity induced by univariate test. In the following work examines the behavior of multivariate Levene's test in the presence of missing data; a simulation study is conducted to evaluate its performance compared to the likelihood ratio test changed in terms of nominal signi cance levels and real. It is found that the Levene test has a good behavior for normal and nonnormal data in small samples and large, as in the presence of missing data.