Saltar al contenido
Volver a los resultados

Análisis de Varianza (ANOVA)

Propuesto por
Ronald A. Fisher
Año
1925
Tipo
Method
Familia
parametric-hypothesis-testing

Este texto es una traducción automática y aún no se ha revisado. Leer el original en inglés

Tamaño de letra

¿Qué hace?

ANOVA es un método estadístico paramétrico desarrollado por Ronald A. Fisher en 1925 que prueba si las medias difieren significativamente entre tres o más grupos independientes.

Al particionar la varianza total en componentes entre grupos y dentro de grupos, ANOVA determina si las diferencias observadas se deben probablemente a efectos del tratamiento o a variación aleatoria, lo que lo hace fundamental para la investigación comparativa en medicina, psicología, agricultura e ingeniería.

La intuición detrás del método

ANOVA extiende la prueba t (que compara dos grupos) a múltiples grupos examinando la razón de la varianza explicada por la pertenencia al grupo a la varianza no explicada. Si los grupos difieren realmente en sus medias subyacentes, la varianza entre grupos será sustancialmente mayor que la varianza dentro de grupos (error aleatorio). La estadística F cuantifica esta razón: una F grande sugiere diferencias genuinas entre grupos, mientras que una F pequeña sugiere que los grupos son similares. Esta lógica sustenta gran parte del diseño experimental y la comparación de grupos observacionales.

Historia

Ronald A. Fisher desarrolló ANOVA en 1925 mientras analizaba ensayos de campo agrícolas en la Estación Experimental de Rothamsted, buscando probar si los rendimientos de los cultivos diferían entre tratamientos de fertilizantes. Su innovación particionó la varianza e introdujo la distribución F (nombrada en su honor), revolucionando la estadística comparativa. Kruskal y Wallis (1952) desarrollaron el equivalente no paramétrico (prueba de Kruskal-Wallis). El método se convirtió en estándar en psicología, medicina y ciencias sociales a lo largo del siglo XX. Las extensiones modernas incluyen ANOVA de medidas repetidas (Mauchly, 1940), ANOVA factorial (Yates, 1937) y variantes robustas (F de Welch, estimadores de James-Stein).

Cuándo usarlo

Utilice ANOVA al comparar las medias de tres o más grupos independientes en un resultado continuo. Escenarios comunes: probar la eficacia de múltiples condiciones de tratamiento (educación, medicina), comparar resultados entre categorías demográficas (grupos de edad, regiones geográficas) o evaluar múltiples brazos de intervención en un ensayo aleatorizado. ANOVA es ideal cuando los datos se distribuyen aproximadamente de forma normal y las varianzas de los grupos son aproximadamente iguales. Para datos no normales, considere Kruskal-Wallis (alternativa no paramétrica). Para medidas repetidas (los mismos sujetos medidos varias veces), utilice ANOVA de medidas repetidas. Para datos anidados (estudiantes dentro de escuelas), utilice modelos multinivel.

Limitaciones y consideraciones

  • Asume residuos normalmente distribuidos; sensible a desviaciones de la normalidad con tamaños de efecto grandes o tamaños de grupo desiguales.
  • Supuesto de homogeneidad de la varianza: las varianzas desiguales entre grupos inflan el error de Tipo I. La F de Welch es una alternativa más robusta.
  • Prueba ómnibus: un valor p significativo indica que al menos dos medias difieren, pero no especifica qué pares; las pruebas post-hoc añaden complejidad y penalizaciones por comparaciones múltiples.
  • Sensible a valores atípicos: unas pocas observaciones extremas pueden inflar la varianza dentro del grupo y reducir la potencia estadística.
  • Requiere observaciones independientes; viola los supuestos si los datos están agrupados (por ejemplo, estudiantes anidados en aulas) sin el ajuste apropiado.

Las condiciones de la fuente no sustituyen una revisión científica independiente ni la validación por un motor de análisis.

Fortalezas

  • Potente para detectar diferencias reales entre grupos cuando se cumplen los supuestos; mantiene una tasa de error de Tipo I más baja que múltiples pruebas t.
  • Parsimoniosa: prueba el efecto general del grupo en un solo modelo en lugar de realizar muchas comparaciones por pares.
  • Proporciona el tamaño del efecto (eta-cuadrado) que cuantifica la magnitud de las diferencias entre grupos en relación con la variación general.
  • Ampliamente disponible en software estadístico; práctica estándar en investigación en diversas disciplinas; resultados fáciles de comunicar.
  • Extensible: base para ANOVA factorial (múltiples factores), ANOVA multivariante (MANOVA), diseños de medidas repetidas y modelos mixtos.

Aplicaciones

  • Ensayos clínicos: comparar la eficacia de múltiples dosis de fármacos o tratamientos competidores en los resultados de los pacientes (por ejemplo, reducción del dolor en tres brazos de tratamiento).
  • Investigación educativa: probar si el rendimiento de los estudiantes difiere según el método de instrucción, el tipo de escuela o el origen socioeconómico.
  • Ciencias agrícolas y ambientales: analizar rendimientos de cultivos, tasas de crecimiento o niveles de contaminantes en condiciones de campo, tipos de fertilizantes o regiones geográficas.
  • Fabricación y control de calidad: evaluar si las métricas de calidad del producto varían según la línea de producción, el lote o el proveedor.
  • Psicología y neurociencia: comparar el rendimiento cognitivo, la activación neuronal o las medidas conductuales entre condiciones experimentales o grupos de diagnóstico.

Cómo funciona

Cómo funciona

1

Administre ANOVA cuando tenga una variable de resultado continua y una o más variables de agrupación categóricas (factores). La recopilación de datos requiere observaciones independientes de cada grupo y un tamaño de muestra suficiente (típicamente 5-10+ por grupo). Asigne a los participantes a los grupos experimentalmente (asignación aleatoria) u observacionalmente (agrupación natural). Registre las puntuaciones de resultado para todos los participantes. Verifique los supuestos antes de proceder: (1) independencia de las observaciones (sin contaminación por conglomerados o medidas repetidas), (2) normalidad de los residuos dentro de cada grupo (examine los gráficos Q-Q o ejecute la prueba de Shapiro-Wilk), (3) homogeneidad de la varianza entre grupos (prueba de Levene; p > 0.05 sugiere varianzas iguales).

2

Calcule el estadístico F de ANOVA particionando la suma total de cuadrados (SS_total) en la suma de cuadrados entre grupos (SS_between) y la suma de cuadrados dentro de grupos (SS_within). Calcule: (1) Media general (promedio general de todas las observaciones), (2) SS_between = Σ n_i(M_i − M_grand)² donde n_i es el tamaño del grupo y M_i es la media del grupo, (3) SS_within = Σ Σ (x_ij − M_i)² sumado en todos los grupos y observaciones, (4) Media Cuadrática Entre (MS_between) = SS_between / (k − 1) donde k es el número de grupos, (5) Media Cuadrática Dentro (MS_within) = SS_within / (N − k) donde N es el tamaño total de la muestra, (6) Estadístico F = MS_between / MS_within. La F sigue una distribución F con (k−1) y (N−k) grados de libertad bajo la hipótesis nula.

3

Compare la F calculada con el valor crítico de las tablas de distribución F o utilice software para obtener el valor p. Si p < α (típicamente 0.05), rechace la hipótesis nula: al menos dos grupos difieren significativamente. ANOVA no identifica qué grupos difieren; utilice pruebas post-hoc (Tukey HSD, Bonferroni, Scheffé) para comparaciones por pares. Reporte el tamaño del efecto (η², omega-cuadrado) para indicar la significancia práctica: η² = SS_between / SS_total; aproximadamente 0.01=pequeño, 0.06=mediano, 0.14=grande. Omega-cuadrado está menos sesgado para muestras pequeñas. Los valores p no significativos indican evidencia insuficiente de diferencias entre grupos; no concluya que los grupos son iguales—la ausencia de evidencia no es evidencia de ausencia.

Errores comunes

  • Realizar ANOVA sin verificar los supuestos, especialmente normalidad y homogeneidad de la varianza; siempre examine los gráficos de residuos.
  • Realizar múltiples pruebas t por pares en lugar de ANOVA y luego pruebas post-hoc; infla el error de Tipo I familiar y desperdicia potencia.
  • Malinterpretar ANOVA no significativo como evidencia de que los grupos son iguales; la falta de significancia solo indica evidencia insuficiente para rechazar la nula.
  • Usar ANOVA en datos de resultados ordinales o categóricos (use chi-cuadrado en su lugar); ANOVA requiere resultados continuos.
  • No reportar tamaños del efecto (eta-cuadrado, omega-cuadrado) junto con los valores p; la significancia estadística por sí sola no comunica la importancia práctica.
  • Ignorar tamaños de muestra desiguales en comparaciones post-hoc; algunas pruebas (por ejemplo, Tukey) asumen n igual.

Preguntas frecuentes

¿Cuál es la diferencia entre ANOVA unidireccional, bidireccional y de medidas repetidas?

ANOVA unidireccional prueba una variable independiente (factor) con múltiples niveles (por ejemplo, tres grupos de tratamiento). ANOVA bidireccional incluye dos variables independientes y prueba los efectos principales y su interacción (por ejemplo, efectos de tratamiento y género sobre el resultado). ANOVA de medidas repetidas se aplica a diseños intra-sujeto donde los mismos individuos se miden varias veces (por ejemplo, antes, durante y después del tratamiento); tiene en cuenta la correlación entre las observaciones repetidas. La elección depende del diseño del estudio y las preguntas de investigación.

¿Cuándo debo usar pruebas post-hoc y cuál es la mejor?

Utilice pruebas post-hoc solo después de una ANOVA ómnibus significativa para identificar qué pares de grupos difieren. Tukey HSD (Diferencia Honestamente Significativa) es estándar para tamaños de grupo iguales y comparaciones por pares planificadas, controlando el error familiar. Bonferroni es conservadora (más estricta, menos falsos positivos) para pocas comparaciones. Scheffé es la más flexible, permitiendo contrastes complejos. La prueba de Dunnett es la mejor para comparar múltiples grupos de tratamiento con un solo control. Siempre especifique las pruebas post-hoc de antemano; la selección basada en datos infla el error de Tipo I.

¿Cómo manejo tamaños de muestra desiguales entre grupos?

n desigual no es una violación si los datos faltantes faltan completamente al azar (MCAR). El control del error de Tipo I es robusto bajo n desigual. Sin embargo, las pruebas post-hoc asumen tamaños de grupo iguales; utilice valores críticos modificados o pruebas alternativas (por ejemplo, Games-Howell) para ajustar las varianzas y tamaños de muestra desiguales. Reporte explícitamente los tamaños de grupo. Si la falta de datos está relacionada con las variables de interés, considere la imputación múltiple o modelos mixtos para manejar los datos faltantes adecuadamente.

¿Qué es eta-cuadrado (η²) y cómo difiere de omega-cuadrado (ω²)?

Ambos miden el tamaño del efecto: la proporción de la varianza total explicada por la pertenencia al grupo. Eta-cuadrado (η² = SS_between / SS_total) es más fácil de calcular pero está sesgado al alza, especialmente con muestras pequeñas. Omega-cuadrado (ω² = (SS_between − (k−1)MS_within) / (SS_total + MS_within)) corrige este sesgo y proporciona una estimación menos inflada del tamaño del efecto poblacional. Para la publicación, reporte omega-cuadrado para mayor precisión. Puntos de referencia aproximados: 0.01 = pequeño, 0.06 = mediano, 0.14 = efecto grande.

Métodos relacionados

Fuentes

  1. Fisher, R. A. (1925). Statistical Methods for Research Workers. Oliver and Boyd.

    Abrir referencia de la publicación
    Copiado.
  2. Kruskal, W. H., & Wallis, W. A. (1952). Use of ranks in one-criterion variance analysis. Journal of the American Statistical Association, 47(260), 583–621.

    Abrir referencia DOI
    Copiado.