ANOVA de Un Factor en SPSS Paso a Paso (Tutorial con Ejemplo)

El ANOVA de un factor (one-way ANOVA) es probablemente el analisis que mas vas a repetir a lo largo de tu carrera en psicologia. Siempre que necesites comparar las medias de tres o mas grupos independientes, este es tu test. En este tutorial te llevo paso a paso por todo el proceso en SPSS: desde la verificacion de supuestos hasta la interpretacion de cada tabla de salida, pasando por las comparaciones post-hoc y el reporte final en formato APA 7.

No voy a asumir que dominas SPSS. Si sabes abrir un archivo de datos y localizar el menu Analizar, con eso basta.

Cuando usar el ANOVA de un factor

Usas un ANOVA de un factor cuando tienes un diseno entre-sujetos con una variable independiente categorica (el factor) que tiene tres o mas niveles, y una variable dependiente continua (escala de intervalo o razon). Es la extension natural de la prueba t para muestras independientes: la t compara dos grupos, el ANOVA te deja comparar tres, cuatro o los que necesites de una sola vez.

Si solo tienes dos grupos, puedes usar una prueba t (que es matematicamente equivalente a un ANOVA con dos niveles; vas a obtener el mismo valor p). Si tu variable independiente es intra-sujeto (los mismos participantes pasan por todas las condiciones), necesitas un ANOVA de medidas repetidas o un modelo mixto.

Ejemplo practico que usaremos

A lo largo de todo el tutorial trabajaremos con un ejemplo de psicologia clinica. Imagina que tienes 90 participantes asignados aleatoriamente a tres condiciones de tratamiento, y mides sus puntuaciones de bienestar con una escala de 0 a 100:

• Grupo 1 (TCC): Terapia Cognitivo-Conductual (n = 30)
• Grupo 2 (Mindfulness): Intervencion basada en Mindfulness (n = 30)
• Grupo 3 (Control): Lista de espera, sin tratamiento (n = 30)

La pregunta de investigacion: Existen diferencias significativas en las puntuaciones de bienestar segun el tipo de tratamiento recibido?

En SPSS tu archivo de datos tendra dos columnas: una variable numerica Tratamiento codificada como 1 = TCC, 2 = Mindfulness, 3 = Control (con las etiquetas de valor correspondientes), y una variable Bienestar con la puntuacion continua.

Supuestos del ANOVA de un factor

Antes de tocar el menu Analizar, verifica los supuestos. Saltarse este paso es uno de los errores mas habituales en tesis doctorales, y a los revisores les encanta senalarlo.

1. Independencia de las observaciones

Cada puntuacion debe ser independiente de las demas. Esto lo garantiza tu diseno: asignacion aleatoria, cada participante en un solo grupo, sin datos agrupados. Si tienes estructura jerarquica (por ejemplo, pacientes anidados dentro de terapeutas), necesitas un modelo multinivel, no un ANOVA clasico.

2. Normalidad de la variable dependiente en cada grupo

Los residuos del modelo deben distribuirse de forma aproximadamente normal dentro de cada grupo. Con muestras de 30 o mas por grupo, el ANOVA es bastante robusto a violaciones moderadas gracias al teorema central del limite. Evalua la normalidad con histogramas, graficos Q-Q y el test de Shapiro-Wilk. En SPSS puedes obtener todo esto desde Analizar > Estadisticos descriptivos > Explorar: mete tu variable dependiente, pon el factor en "Lista de factores", y en el boton Graficos marca "Graficos de normalidad con pruebas". Si la violacion es grave y las muestras son pequenas, considera las alternativas que describo mas adelante.

3. Homogeneidad de varianzas (test de Levene)

Las varianzas de la variable dependiente deben ser aproximadamente iguales en todos los grupos. La prueba de Levene es el metodo estandar. Si resulta significativa (p < .05), las varianzas son desiguales y deberias usar el ANOVA de Welch en lugar del ANOVA clasico. No te preocupes, SPSS te da el Welch directamente junto con la salida estandar.

Configurar el ANOVA de un factor en SPSS

Ve a Analizar > Comparar medias > ANOVA de un factor. Se abre el dialogo principal.

Dialogo principal

1. Mueve tu variable dependiente (Bienestar) al recuadro Lista de dependientes.
2. Mueve tu variable de agrupacion (Tratamiento) al recuadro Factor.

Todavia no pulses Aceptar. Hay dos botones que necesitas configurar.

Boton Post Hoc

Haz clic en Post Hoc. Aqui eliges las comparaciones multiples que se ejecutaran si el ANOVA omnibus sale significativo. Las tres que mas vas a usar:

• Tukey HSD: La opcion por defecto en la mayoria de articulos. Controla la tasa de error familiar y compara todos los pares de grupos. Si no sabes cual elegir, esta es tu apuesta segura cuando las varianzas son iguales.
• Bonferroni: Mas conservador que Tukey. Te conviene cuando solo te interesan algunas comparaciones planificadas, no todas las posibles.
• Games-Howell: No asume varianzas iguales. Usalo cuando el test de Levene salga significativo. Es el companero natural del ANOVA de Welch.

Mi recomendacion practica: marca Tukey y Games-Howell a la vez. Asi tienes los resultados para ambos escenarios (varianzas iguales y desiguales) y decides cual reportar despues de ver el Levene. Pulsa Continuar.

Boton Opciones

Haz clic en Opciones y marca estas tres casillas:

• Descriptivos: Medias, desviaciones tipicas, error tipico, intervalos de confianza al 95% y valores minimo y maximo de cada grupo. Imprescindible para tu reporte APA y para entender que esta pasando en tus datos.
• Prueba de homogeneidad de varianzas: Activa el test de Levene. SPSS lo ejecutara antes de la tabla ANOVA y te dice si puedes confiar en el F clasico o debes recurrir al Welch.
• Prueba de Brown-Forsythe y de Welch: Esto es clave. Al marcar esta casilla, SPSS te dara una tabla adicional llamada "Pruebas robustas de igualdad de medias" con el estadistico de Welch y el de Brown-Forsythe. Si tus varianzas son desiguales, el valor de Welch es el que debes reportar en lugar del F clasico.
• Grafico de medias: Un grafico sencillo de medias por grupo. No es el mas bonito del mundo, pero te sirve para una primera exploracion visual.

Pulsa Continuar y luego Aceptar. SPSS procesara el analisis y te mostrara la salida en el Visor.

Interpretar la salida del ANOVA en SPSS

SPSS te va a generar varias tablas. Vamos una por una, porque cada una te cuenta algo diferente.

Tabla de Descriptivos

Esta tabla te muestra, para cada grupo, la media, la desviacion tipica, el error tipico de la media, el intervalo de confianza al 95%, y los valores minimo y maximo. Antes de mirar ningun valor p, fijate aqui: las medias del grupo TCC y Mindfulness son mas altas que la del Control? Cuanto mas altas? Esto te da el contexto que necesitas para interpretar todo lo demas.

En nuestro ejemplo esperariamos ver algo asi: TCC con M = 72.30 (DT = 10.45), Mindfulness con M = 69.87 (DT = 11.22), y Control con M = 58.40 (DT = 12.10). Eso ya te dice visualmente que el grupo Control esta por debajo.

Tabla de Levene (prueba de homogeneidad de varianzas)

SPSS te da el estadistico de Levene, sus grados de libertad y el valor p. La logica es sencilla:

• p > .05: Las varianzas son suficientemente similares. Puedes confiar en el F clasico de la tabla ANOVA.
• p < .05: Las varianzas son significativamente diferentes. Usa el estadistico de Welch (de la tabla de pruebas robustas) en lugar del F clasico, y Games-Howell para los post-hoc.

En versiones recientes de SPSS (v26+), esta tabla incluye cuatro variantes del test de Levene (basado en la media, la mediana, la mediana con gl ajustados y la media recortada). El mas habitual de reportar es el basado en la media.

Tabla ANOVA

Esta es la tabla central. Tiene cinco columnas clave:

• Suma de cuadrados (SC): Dos filas: "Entre grupos" (la variabilidad debida a las diferencias entre tratamientos) e "Dentro de grupos" (la variabilidad dentro de cada grupo, el error). La tercera fila, "Total", es la suma de ambas.
• gl (grados de libertad): Entre grupos = numero de grupos - 1 (en nuestro caso, 3 - 1 = 2). Dentro de grupos = N total - numero de grupos (90 - 3 = 87).
• Media cuadratica (MC): Es la suma de cuadrados dividida entre los grados de libertad. Es la varianza estimada para cada fuente.
• F: El cociente MC entre-grupos / MC dentro-grupos. Un F grande significa que hay mas variabilidad entre los grupos que dentro de ellos, lo cual sugiere que los tratamientos producen diferencias reales.
• Sig. (valor p): La probabilidad de obtener un F tan grande o mayor si no hubiera diferencias entre los grupos. Si p < .05, rechazas la hipotesis nula.

En nuestro ejemplo: F(2, 87) = 8.45, p < .001. Hay diferencias estadisticamente significativas entre al menos dos de los tres grupos. Pero ojo: esto no te dice entre cuales. Para eso necesitas los post-hoc.

Tabla de Pruebas Robustas (Welch y Brown-Forsythe)

Si marcaste la opcion en "Opciones", SPSS te muestra una tabla con el estadistico de Welch y el de Brown-Forsythe. Ambos son versiones del ANOVA que no asumen varianzas iguales. Fijate en dos cosas:

• El estadistico (columna "Estadistico"): es similar al F, pero calculado de forma robusta.
• Los grados de libertad: no son numeros enteros como en el ANOVA clasico, porque Welch ajusta los gl segun la desigualdad de varianzas.
• La Sig.: si es < .05, hay diferencias significativas incluso teniendo en cuenta las varianzas desiguales.

Regla practica: si el test de Levene fue significativo, reporta el Welch. Si Levene no fue significativo, reporta el F clasico. Muchos investigadores hoy en dia recomiendan reportar el Welch directamente como opcion por defecto, porque funciona bien tambien cuando las varianzas son iguales.

Tablas Post-hoc (Comparaciones multiples)

Aqui es donde ves entre que grupos estan las diferencias. SPSS te genera una tabla con todas las combinaciones de pares. Para cada par tienes:

• Diferencia de medias (I-J): La diferencia entre la media del grupo I y la del grupo J. Si es positiva, el grupo I tiene una media mayor.
• Error tipico: La precision de esa diferencia estimada.
• Sig.: El valor p ya ajustado para comparaciones multiples (no necesitas hacer ningun ajuste adicional).
• Intervalo de confianza al 95%: Si no incluye el cero, la diferencia es significativa.

En nuestro ejemplo con Tukey, veriamos que TCC vs Control (p < .001) y Mindfulness vs Control (p = .002) son significativos, pero TCC vs Mindfulness (p = .680) no. Conclusion: ambos tratamientos funcionan mejor que no hacer nada, pero entre ellos no hay diferencias detectables.

Si usaste Games-Howell (porque Levene fue significativo), la interpretacion es identica, solo cambia el metodo de calculo subyacente.

Tamano del efecto: eta cuadrado parcial

El valor p te dice si el efecto existe, pero no te dice cuanto de grande es. Necesitas el tamano del efecto, y el mas habitual en ANOVA es el eta cuadrado parcial.

SPSS no te lo da directamente en la tabla ANOVA de un factor (si lo da en el GLM Univariante, pero esa es otra ruta). Calcularlo a mano es sencillo:

Toma los valores directamente de la tabla ANOVA. En nuestro ejemplo, si SC entre-grupos = 3240.60 y SC dentro-grupos = 16659.40, entonces eta cuadrado parcial = 3240.60 / (3240.60 + 16659.40) = .16.

Con eta cuadrado parcial = .16, estamos ante un efecto grande: el tipo de tratamiento explica un 16% de la variabilidad en las puntuaciones de bienestar. Eso es sustancial en psicologia clinica.

Alternativa rapida: si quieres que SPSS te calcule eta cuadrado parcial automaticamente, usa la ruta Analizar > Modelo lineal general > Univariante en lugar de ANOVA de un factor. Pon la variable dependiente, mete el factor en "Factores fijos", y en el boton Opciones marca "Estimaciones del tamano del efecto". Te da eta cuadrado parcial directamente en la tabla.

Reporte en formato APA 7

El reporte APA 7 del ANOVA debe incluir el estadistico F con ambos grados de libertad, el valor p exacto (o < .001 si es muy pequeno) y el tamano del efecto. Consulta la guia completa de reporte APA 7 para mas detalles.

Resultado omnibus

Si reportas el Welch

Comparaciones post-hoc

Cuando los supuestos fallan: alternativas en SPSS

No siempre tus datos van a cumplir todos los supuestos. Aqui tienes las alternativas mas comunes y como ejecutarlas directamente en SPSS.

ANOVA de Welch (varianzas desiguales)

Si la prueba de Levene sale significativa, el ANOVA de Welch es tu mejor opcion. No asume homogeneidad de varianzas y muchos estadisticos lo recomiendan como opcion por defecto.

En SPSS ya lo tienes si seguiste las instrucciones de arriba: en el dialogo de ANOVA de un factor, boton Opciones, marca Prueba de Brown-Forsythe y de Welch. El resultado aparece en la tabla "Pruebas robustas de igualdad de medias". Reporta el estadistico de Welch con sus grados de libertad (que seran decimales, no enteros) y el valor p.

Para los post-hoc, usa Games-Howell en lugar de Tukey, ya que Games-Howell tampoco asume varianzas iguales. Lo seleccionas desde el boton Post Hoc del mismo dialogo.

Kruskal-Wallis (alternativa no parametrica)

Si tu variable dependiente no es realmente continua, la distribucion es muy asimetrica, o tienes muestras pequenas con violaciones graves de normalidad, la prueba de Kruskal-Wallis es la alternativa no parametrica al ANOVA de un factor. Compara rangos en lugar de medias.

En SPSS hay dos rutas (dependiendo de tu version):

Ruta clasica: Analizar > Pruebas no parametricas > Cuadros de dialogo antiguos > K muestras independientes. Mueve tu variable dependiente a la lista de contraste, tu factor a la variable de agrupacion, define los grupos (1 a 3 en nuestro caso), y marca Kruskal-Wallis H.

Ruta nueva (SPSS 18+): Analizar > Pruebas no parametricas > Muestras independientes. SPSS abre un asistente donde seleccionas tu variable de contraste y tu factor. El resultado incluye el estadistico H de Kruskal-Wallis, los grados de libertad y el valor p.

Si el Kruskal-Wallis sale significativo y necesitas saber entre que grupos estan las diferencias, tienes dos opciones para los post-hoc:

• En la ruta nueva: SPSS realiza automaticamente comparaciones por pares con correccion de Bonferroni. Aparecen directamente en la salida.
• Manualmente: Puedes hacer pruebas de Mann-Whitney entre cada par de grupos (Analizar > Pruebas no parametricas > 2 muestras independientes) y aplicar la correccion de Bonferroni dividiendo tu alfa (.05) entre el numero de comparaciones (3 pares = alfa ajustado de .017).

Reporta el Kruskal-Wallis asi: H(2) = 14.32, p < .001. Indica que usaste la alternativa no parametrica porque los supuestos del ANOVA clasico no se cumplian.

Errores comunes al realizar un ANOVA en SPSS

Despues de revisar cientos de analisis en tesis y articulos, estos son los errores que veo una y otra vez:

1. No verificar los supuestos antes de interpretar. Un ANOVA con varianzas muy desiguales y grupos de tamano diferente puede producir tasas de error tipo I infladas. Siempre revisa Levene y la normalidad antes de reportar el F clasico.
2. Confundir significacion estadistica con significacion practica. Un valor p pequeno no significa que el efecto sea relevante clinicamente. Reporta siempre el tamano del efecto (eta cuadrado parcial) y discute su magnitud.
3. Realizar multiples pruebas t en lugar de un ANOVA. Si tienes tres grupos y haces tres pruebas t (A vs B, A vs C, B vs C), inflas la tasa de error tipo I. El ANOVA seguido de post-hoc corregidos controla este riesgo.
4. Interpretar un ANOVA no significativo como ausencia de efecto. Un resultado no significativo puede deberse a falta de potencia estadistica (muestra pequena), no a que realmente no exista efecto. Considera calcular la potencia a posteriori.
5. Olvidar las comparaciones post-hoc. Un ANOVA significativo solo te dice que hay diferencias en algun lugar. Sin post-hoc, no sabes entre que grupos estan.
6. Usar Tukey cuando las varianzas son desiguales. Si Levene es significativo, cambia a Games-Howell. SPSS te permite pedir ambos a la vez, asi que no hay excusa.
7. No reportar descriptivos por grupo. Las medias y desviaciones tipicas de cada grupo son esenciales para que el lector entienda la direccion y magnitud de las diferencias. Sin descriptivos, los valores p son numeros sin contexto.
8. No calcular el tamano del efecto. El ANOVA de un factor en SPSS no lo muestra por defecto. Calculalo a mano con la formula de arriba, o usa la ruta GLM Univariante si quieres que SPSS lo haga.

Consultoria estadistica personalizada

Si necesitas ayuda con el ANOVA de tu tesis o articulo (verificar supuestos, decidir entre el ANOVA clasico y el de Welch, interpretar los post-hoc, o redactar la seccion de resultados en APA 7), puedo ayudarte. En mi servicio de consultoria estadistica trabajo contigo para que entiendas cada paso del analisis y puedas defenderlo con confianza ante un tribunal o un revisor.