Análisis de la Varianza de un factor
(ANOVA)
El análisis de la varianza (ANOVA) es una técnica estadística paramétrica de
contraste de hipótesis. El ANOVA de un factor sirve para comparar varios grupos
en una variable cuantitativa. Se trata, por tanto, de una generalización de la
Prueba T para dos muestras independientes al caso de diseños con más de dos
muestras.
A la variable categórica (nominal u ordinal) que define los grupos que deseamos
comparar la llamamos independiente o factor y la representamos por VI. A la
variable cuantitativa (de intervalo o razón) en la que deseamos comparar los
grupos la llamamos dependiente y la representamos por VD.
La hipótesis nula que se pone a prueba en el ANOVA de un factor es que las
medias poblacionales (las medias de la VD en cada nivel de la VI) son iguales.
Si las medias poblacionales son iguales, eso significa que los grupos no difieren
en la VD y que, en consecuencia, la VI o factor es independiente de la VD.
Condiciones:
• Cada muestra debe ser independiente de las otras.
• Cada muestra debe haber sido seleccionada al azar de
la población de donde proviene.
• Las población de donde provienen las muestras debe
tener distribución normal.
• Las varianzas de cada población deben ser iguales.
Ejemplo
• Una Directora de un colegio, preocupada de explicar los problemas de
comportamiento de sus estudiantes, se dispuso a hacer un estudio para
establecer si existían diferencias en ese aspecto según estado civil de los
padres, entre otras variables.
• Para ese fin, solicitó a los padres de 45 niños la aplicación del Child Behavior
Checklist, versión para padres. El CBCL (Achenbach, 1991) es un instrumento
conformado por 113 ítems que comprenden problemas específicos,
agrupados en síndromes que exploran dos tipos de anomalías de conducta:
externalización (agresión, delincuencia y trastornos de conducta) e
internalización (aislamiento, preocupaciones somáticas, depresión y
ansiedad). Además, (Friedrich et al., 1986) seis de sus ítems conforman la
escala de problemas sexuales, la que sólo se aplica a niños y niñas mayores.
• Los ítems son categorizados 0=no es cierto o nunca observado, 1=es cierto
algunas veces o de cierta manera, 2=muy cierto o a menudo cierto. El
puntaje total se obtiene a partir de la suma de los parciales.
ANOVA
Paso 1: Obtiene los siguientes datos
CASADO SEPARADO VIUDO SOLTERO
10 23 78 22
19 62 70 70
36 90 48 48
55 30 68 28
45 73 62 45
41 30 29 30
30 40 38 55
41 28 68 45
32 43 60 50
46 54 61 42
38 49 58 66
15 19 25
30 62 60
55 28
63
ANOVA
Paso 2: Calculamos la media de cada grupo y la media global
CASADO SEPARADO VIUDO SOLTERO
10 23 78 22
19 62 70 70
36 90 48 48
55 30 68 28
45 73 62 45
41 30 29 30
30 40 38 55
41 28 68 45
Mg
32 43 60 50
46 54 61 42
38 49 58 66
15 19 25
30 62 60
55 28
63
35,21 46,27 58,18 45,08 45,53
ANOVA
Paso 3: Calculamos la suma de cuadrados de las desviaciones de cada observación
respecto a la media global, suma que denominaremos Suma de Cuadrados Total
(SCT) y que refleja la variabilidad total. Si se divide por el tamaño total de
muestra se obtiene la varianza total.
SCT xi M g
2
CASADO SEPARADO VIUDO SOLTERO
1262,26 507,52 1054,41 553,58
703,75 271,32 598,86 598,86
90,79 1977,73 6,11 6,11
89,71 241,13 504,98 307,24
0,28 754,69 271,32 0,28
20,51 241,13 273,18 241,13
241,13 30,56 56,68 89,71
20,51 307,24 504,98 0,28
183,01 6,39 209,43 20,00
0,22 71,77 239,37 12,45
56,68 12,05 155,54 419,09
931,98 703,75 421,41
241,13 271,32 209,43
89,71 307,24
305,26
16695,208
SCT x M
i g
2
16695,208
Paso 4: Calculamos la suma de cuadrados de las desviaciones entre la media de
cada grupo y la media general. Esta es la suma de cuadrados explicada por el
factor considerado, a la que denominaremos Suma de cuadrados del factor (SCF)
o variabilidad explicada.
SC F nK M K M g
2
• Siendo: Mg media global
nk número de sujetos en el grupo k
M K media aritmética del grupo k
En la literatura científica también se denomina a la SCF como SC Entre los
grupos (SS Between) o SC del Modelo (SS Model)
ANOVA
CASADO SEPARADO VIUDO SOLTERO MEDIA GLOBAL
MEDIA 35,21 46,27 58,18 45,08 45,53
n 14 15 11 13
(x-X)2 106,38 0,55 160,11 0,20
n(x-X)2 1489,305 8,178 1761,226 2,649 3261,358
SC F nK M K M g 3261,358
2
Paso 5: Calculamos la suma de cuadrados de las desviaciones entre cada dato y la
media de su grupo. Esta es la suma de cuadrados no explicada, a la que
denominaremos Suma de cuadrados residual (SCR) o variabilidad residual.
2
SC R xik M k
• Siendo: xik cada dato i del grupo k
___
x k media aritmética del grupo k
En la literatura científica también se denomina a la SCR como SC Dentro de los
grupos (SS Within)
Si SCT SC F SC R SC R SCT SC F
ANOVA
CASADO SEPARADO VIUDO SOLTERO
635,76 541,34 392,76 532,54
262,90 247,54 139,67 621,16
0,62 1912,60 103,67 8,54
391,47 264,60 96,40 291,62
95,76 714,67 14,58 0,01
33,47 264,60 851,58 227,31
27,19 39,27 407,31 98,47
33,47 333,67 96,40 0,01
10,33 10,67 3,31 24,24
116,33 59,80 7,94 9,47
7,76 7,47 0,03 437,78
408,62 743,47 403,08
27,19 247,54 222,70
391,47 333,67
280,00
2 13433,850
SC R xik M k 13433,850
ANOVA
Paso 6: Calculamos las medias cuadráticas, para lo cual necesitamos
conocer los grados de libertad correspondiente a cada suma de
cuadrados de las desviaciones
• Cada suma de cuadrados tiene sus propios grados de
libertad.
• La SCT es el número total de casos menos uno, es decir
n-1;
• La SCF es el número de grupos menos uno, es decir, k-1
y
• La SCR es el número total de datos menos k, es decir,
n-k.
• En el análisis de la varianza, se define una media
cuadrática como el cociente entre la suma de cuadrados y
sus correspondientes grados de libertad:
Grados de libertad
• Factor, Entre los grupos (between)
(k-1):
(4 - 1) = 3
• Residual, Dentro de los grupos (within)
(n-k):
53-4 = 49
• Total =
(n – 1):
53 - 1 = 52
glSCT glSCF glSCR
ANOVA
Medias Cuadráticas
SC F 3261,358
MC F MC F 1087,119
k 1 3
SC R 13433,850
MCR MC R
49
274,160
nk
SCT 16695,208
MCT MCT
n 1 52
ANOVA
Paso 7: Calculamos el estadístico F de Snedecor, que nos informará si
tenemos “pruebas suficientes” para rechazar o aceptar la hipótesis nula.
SC F
2
MC F k 1 S F
F 2
MC R SC R S R
nk
En nuestro caso
1087,119
F 3,965
274,160
ANOVA
Paso 8: Con el fin de informar los resultados, se procede a generar el
cuadro resumen del ANOVA.
FUENTE DE VARIACIÓN SUMA DE CUADRADOS (SC) GRADOS DE LIBERTAD (gl) MEDIA DE CUADRADOS (MC) F calculado
FACTOR SC ENTRE k-1 SC Entre / k-1 MC Entre/MC Dentro
RESIDUAL SC DENTRO n-k SC Dentro/ n-k
TOTAL SC TOTAL n-1
En nuestro caso
FUENTE DE VARIACIÓN SUMA DE CUADRADOS (SC) GRADOS DE LIBERTAD (gl) MEDIA DE CUADRADOS (MC) F calculado
FACTOR 3261,358 3 1087,119 3,965
RESIDUAL 13433,850 49 274,160
TOTAL 16695,208 52
Paso 9) Se procede a establecer la probabilidad de error tipo I o alfa
asociada a nuestro valor F.
Procedimiento:
Encuentre el valor crítico en una distribución F, con k-1
grados de libertad en el numerador (en las columnas) y
n-k grados de libertad en el denominador (en las filas),
que deje una probabilidad de en la cola superior de la
distribución.
Rechace la hipótesis nula si el estadístico F calculado
en el Paso 7 es mayor o igual que el valor crítico F(k-
1, n-K) que encontramos en la tabla de F.
REGLAS DE DECISIÓN
H 0 : 1 2 ... k
H1 : ( 1 2 ... k )
Las reglas de decisión en este procedimiento son las siguientes:
Rechace H 0 si Fobs F( )
No rechace H 0 si Fobs F( )
ANOVA
Si desarrollamos el contraste en nuestro ejemplo, tenemos los siguientes
valores:
glF (k 1) 3 gl R (n k ) 49 F 3,965
En la tabla correspondiente, ubicamos los valores (k-1) en las columnas; y
(n-k) en las filas y el punto de intersección nos informa el valor Fa con el
cual compararemos el Fobs
ANOVA
Los valores críticos de Fa son:
F0.10 2,28
F0.05 2,92
F0.025 3,59
F0.01 5,24
Al realizar la comparación de Fobs con Fa, se observa que
Fobs F0.05 3,965 2,920
Paso 10) Se concluye sobre la Hipótesis nula.
Por lo tanto, podemos rechazar la hipótesis nula, al 2,5% y aceptamos que
existe evidencia empírica suficiente para afirmar que existen diferencias
significativas entre las medias de, al menos, dos de los grupos de padres.
A partir de los resultados expuestos
sabemos que las cuatro categorías de la
variable independiente presentan
resultados diferentes.
Pero no sabemos exactamente entre que
categoría se presentan dichas diferencias,
pues ANOVA no nos informa al respecto.
Nos dice que hay diferencias significativas,
pero no entre que pares
ANOVA
• Podemos tener varias preguntas:
• ¿Los hijos de padres casados presentan
menos problemas específicos que los de
padres separados?
• ¿Los hijos de padres viudos presentan más
problemas específicos que los de padres
separados?
• ¿Existen diferencias entre los hijos de padres
solteros y los de padres separados
• El ANOVA de un factor no responde estas
preguntas
