Anova: Qué es y cómo hacer un análisis de varianza

La prueba ANOVA o análisis de varianza es un método estadístico que permite descubrir si los resultados de una prueba son significativos, es decir, permiten determinar si es necesario rechazar la hipótesis nula o aceptar la hipótesis alternativa. 

El uso apropiado de ANOVA en el análisis de los datos de la encuesta requiere que se cumplan algunos supuestos, incluyendo la distribución normal de la información, la independencia de los casos y la igualdad de varianza. Si estas suposiciones no pueden cumplirse, existen pruebas no paramétricas disponibles que no las requieren.

Tipos de prueba ANOVA

Los tres tipos de prueba ANOVA que es posible realizar son los siguientes: 

ANOVA unidireccional: Esta tiene una variable independiente. Este método se utiliza para comparar dos medias de dos grupos independientes (no relacionados) utilizando la distribución F. La hipótesis nula para la prueba es que las dos medias sean iguales. Por lo tanto, un resultado significativo es que las dos medias sean desiguales. 

ANOVA bidireccional: Este método es una extensión de la prueba unidireccional. Sin embargo, La prueba ANOVA bidireccional tiene dos variables independientes. Generalmente, se utiliza cuando existe una variable de medición, es decir, una variable cuantitativa y dos variables nominales. 

MANOVA: Este método se utiliza cuando existen múltiples variables independientes. Su propósito es determinar si la variable dependiente se modifica mediante la manipulación de la variable independiente. 

Las preguntas que MANOVA permite resolver son las siguientes: 

  • ¿Los cambios en las variables independientes tienen efectos estadísticamente significativos en las variables dependientes?
  • ¿Cuáles son las interacciones entre las variables dependientes?
  • ¿Cuáles son las interacciones entre las variables independientes?

Guía para realizar un análisis de varianza con SPSS

Paso 1: Haz clic en “Analizar”, luego coloca el cursor sobre “Modelo Lineal General”. Haz clic en “Medidas Repetidas”.

varianza con SPSS

Paso 2: Reemplaza el nombre de “factor1” con algo que represente a tu variable independiente. 

Paso 3: Introduce el “Número de niveles”. Esto es la cantidad de veces que se ha medido la variable dependiente. 

Paso 4: Haz clic en el botón “Agregar” y luego asigna un nombre a tu variable dependiente. 

Paso 5: Haz clic en el botón “Agregar”. Aparecerá un cuadro de Definición de Medidas Repetidas. Haz clic en el botón “Definir”. 

ejemplo de análisis de varianza con SPSS

 

Paso 6: Mueve tus variables de derecha a izquierda para que tu pantalla se vea similar a la siguiente imagen:

análisis de varianza

Paso 7: Haz clic en “Gráficos” y usa las teclas de flechas para mover el factor del cuadro de la izquierda al cuadro del eje horizontal. 

Paso 8: Haz clic en “Agregar” y luego haz clic en el botón “Continuar” en la parte inferior de la ventana. 

Cómo hacer una prueba ANOVA

Paso 9: Haz clic en “Opciones”, luego transfiere tus factores del cuadro de la izquierda al cuadro “Mostrar Medias” para a la derecha.

Paso 10: Haz clic en las siguientes casillas de verificación:

  • Comparar efectos principales
  • Estadísticas descriptivas
  • Estimaciones del tamaño del efecto

Paso 11: Selecciona “Bonferroni” en el menú desplegable de la opción Ajuste de
Intervalo de Confianza.

Paso 12: Haz clic en “Continuar” y luego haz clic en “OK” para ejecutar la prueba. 

Conoce más sobre qué es SPSS y cómo utilizarlo con este artículo.


Prueba ANOVA vs Prueba t de Student 

A diferencia de la prueba t de Student que solo te dirá si existe una varianza significativa, ANOVA compara las varianzas entre poblaciones.

Técnicamente, podrías realizar una serie de pruebas t en tus datos. Sin embargo, a medida que los grupos aumentan, podrías terminar con una gran cantidad de comparaciones de pares que tienes que realizar. 

La prueba ANOVA te dará un solo número (la estadística F) y un valor-p para ayudarte a respaldar o rechazar la hipótesis nula. 

Beneficios de utilizar la prueba ANOVA

Si estás recopilando datos métricos con tus encuestas, tal vez en forma de respuestas a una escala de Likert, la cantidad gastada en un producto, los puntajes de satisfacción del cliente o el número de compras realizadas, se puede analizar las diferencias en el puntaje promedio entre grupos de encuestados. 

Si estás comparando dos grupos a la vez (por ejemplo, hombres frente a mujeres, clientes nuevos vs. existentes, empleados vs. gerentes, etc.), entonces es apropiado usar una prueba t de Student para evaluar la importancia de cualquier diferencia. Sin embargo, si hay más de dos grupos, es necesario recurrir a otra técnica.

NOVA o sus equivalentes no paramétricos, te permiten determinar si las diferencias en los valores medios entre tres o más grupos son por casualidad o si son significativamente diferentes. 

Este método es particularmente útil cuando se analizan las escalas de múltiples elementos comunes en la investigación de mercado. 

ANOVA utiliza la prueba F para determinar si la variación en respuesta a las preguntas de satisfacción es lo suficientemente grande como para ser considerada estadísticamente significativa.

Los datos por sí mismos son solo eso. Sin embargo, cuando empleamos juiciosamente pruebas estadísticas, podemos crear una perspectiva que puede tener un impacto positivo en nuestros esfuerzos de marketing.

El uso adecuado de ANOVA para analizar los datos de la encuesta requiere que se cumplan algunas suposiciones, incluida la distribución normal de los datos; independencia de los casos e igualdad de varianza (la varianza de cada grupo es igual). Si estas suposiciones no se pueden cumplir, entonces hay pruebas no paramétricas disponibles que no requieren estas suposiciones.

Por último te invito a que leas: ¿Cómo analizar los datos de una investigación?

 

Crea tu primera encuesta online completamente gratis