Tutorial 44 de 44 Análisis avanzados
ANOVA de dos factores en SPSS: cómo leer la interacción
Tu ANOVA dice que el método funciona, pero la interacción también es significativa. Aprende a correr el ANOVA de dos factores en SPSS y a leerlo.
Cuándo se usa
El ANOVA de dos factores evalúa el efecto de dos variables categóricas sobre una variable numérica, y además si el efecto de una depende de la otra. Es la prueba para diseños factoriales: dos métodos de enseñanza aplicados en dos turnos, dos tratamientos en hombres y mujeres, tres programas en dos sedes.
Entrega tres resultados:
- El efecto principal del primer factor.
- El efecto principal del segundo factor.
- La interacción entre ambos: si el efecto de un factor cambia según el nivel del otro.
Corresponde cuando la dependiente es numérica, los grupos son independientes, la dependiente es normal en cada combinación de grupos y las varianzas son homogéneas.
El ANOVA de un factor no sirve para este diseño, porque no puede evaluar la interacción.
Antes de empezar (qué necesita tu base)
- Dos variables categóricas, los factores, con medida Nominal y etiquetas de valor.
- Una variable dependiente con medida Escala.
- El número de casos en cada combinación de niveles. Lo recomendable son unos 20 por combinación.
- La normalidad dentro de cada grupo.
- Datos perdidos declarados.
El ejemplo es una tesis en un colegio del Cusco, con 120 estudiantes: dos métodos de enseñanza, el tradicional y el aprendizaje basado en problemas, en dos turnos, mañana y tarde, con 30 estudiantes en cada combinación. La dependiente es la nota final de Matemática.
Paso a paso en SPSS
- Ve a Analizar > Modelo lineal general > Univariado.
- Pasa Nota a Variable dependiente.
- Pasa Metodo y Turno a Factores fijos.
- Haz clic en Gráficos. Pasa Metodo a Eje horizontal y Turno a Líneas separadas. Pulsa Añadir y Continuar.
- Haz clic en Opciones. Marca Estadísticos descriptivos, Estimaciones del tamaño del efecto y Pruebas de homogeneidad. Pulsa Continuar.
- Pulsa Aceptar.
- Lee la prueba de Levene, la tabla Pruebas de efectos inter-sujetos y el gráfico de perfil.
- Si la interacción es significativa, vuelve al cuadro de diálogo y pulsa Pegar para abrir la sintaxis.
- Agrega esta línea antes del punto final del comando: /EMMEANS=TABLES(Metodo*Turno) COMPARE(Metodo) ADJ(BONFERRONI)
- Ejecuta la sintaxis y lee la tabla Pruebas univariadas, que compara los métodos dentro de cada turno.
Si un factor tiene tres niveles o más y no hay interacción, las comparaciones entre sus niveles se piden con el botón Post hoc.
Cómo leer el resultado
Prueba de Levene. Una Sig. mayor que 0,05 indica varianzas homogéneas, y el ANOVA se puede interpretar. En el ejemplo: F de 0,353 y Sig. de 0,787.
Pruebas de efectos inter-sujetos. Hay una fila por cada factor y otra para la interacción, que SPSS escribe como Metodo * Turno. De cada una se leen F, la Sig. y la eta parcial al cuadrado, que es el tamaño del efecto.
El orden de lectura. Primero la interacción. Si es significativa, los efectos principales no se interpretan por separado, porque el efecto de un factor no es el mismo en todos los niveles del otro. Se pasa a los efectos simples: comparar un factor dentro de cada nivel del otro.
En el ejemplo, la fila Metodo dio F de 17,427, p < 0,001 y eta parcial al cuadrado de 0,131. La media general fue de 13,13 con el aprendizaje basado en problemas y de 11,53 con el método tradicional. Leído solo eso, el método nuevo funciona.
Pero la fila Metodo * Turno también fue significativa, con p < 0,001 y eta parcial al cuadrado de 0,121. El gráfico de perfil lo muestra: en la mañana, la media sube de 11,80 con el método tradicional a 14,93 con el nuevo; en la tarde, las medias son 11,27 y 11,33, y las líneas casi se tocan. Líneas que no son paralelas indican interacción.
Los efectos simples lo confirman. En la mañana, la diferencia entre métodos es significativa: F de 33,417, p < 0,001. En la tarde no lo es: F de 0,015, Sig. de 0,902.
La conclusión correcta: el aprendizaje basado en problemas mejora las notas solo en el turno de la mañana. Recomendarlo para todo el colegio, a partir del efecto principal, habría sido ir más allá de los datos.
Cómo redactarlo en tu tesis
Un párrafo modelo en formato APA 7:
Se realizó un ANOVA de dos factores para evaluar el efecto del método de enseñanza y del turno sobre la nota final de Matemática. Se cumplió el supuesto de homogeneidad de varianzas (Levene, p = 0,787). La interacción entre método y turno fue estadísticamente significativa, F(1, 116) = 16,01, p < 0,001, η²p = 0,121, por lo que se analizaron los efectos simples con ajuste de Bonferroni. En el turno de la mañana, los estudiantes del método basado en problemas (M = 14,93) superaron a los del método tradicional (M = 11,80), F(1, 116) = 33,42, p < 0,001. En el turno de la tarde no hubo diferencias entre métodos (M = 11,33 y M = 11,27), F(1, 116) = 0,02, p = 0,902.
El valor de F de la interacción debe tomarse de tu propia tabla; el del párrafo es un ejemplo de formato. La tabla lleva las medias y desviaciones de las cuatro combinaciones y, aparte, los efectos con F, gl, p y eta parcial al cuadrado. El gráfico de perfil se presenta como figura.
Errores frecuentes
Interpretar el efecto principal cuando la interacción es significativa. Es la fila que casi nadie lee. El riesgo es recomendar para todos una intervención que solo funciona en una condición.
Comparar las medias simples de cada factor cuando los grupos tienen tamaños muy distintos. Con grupos desbalanceados, esas medias no coinciden con las que usa el modelo, y la lectura sale distorsionada. El jurado lo nota de inmediato.
Llamar eta cuadrado a la eta parcial al cuadrado. Son medidas distintas, y el asesor lo detecta apenas ve la tabla.
Usar varios ANOVA de un factor en lugar del factorial. Se pierde la interacción, que suele ser el hallazgo principal del diseño.
Interpretar el modelo con una prueba de Levene significativa. Las varianzas deben tratarse antes de concluir.
En MiTítulo, antes de un ANOVA de dos factores revisamos tres cosas en tu base: cuántos casos hay en cada combinación de grupos, la normalidad dentro de cada grupo y la homogeneidad de varianzas.
Preguntas frecuentes
¿Cuántos estudiantes necesito por grupo?
Lo recomendable son unos veinte por combinación. En el ejemplo hay treinta en cada una de las cuatro.
¿Qué es un factor fijo?
Es aquel cuyos niveles eliges tú, como estos dos métodos. Si los niveles son una muestra de muchos posibles, el factor es aleatorio.
¿Y si mi interacción no sale significativa?
Entonces cambia la forma de leer los efectos. Es de lo que más se pregunta en la sustentación.
Recomendar para todos un método que solo funciona en un turno es firmar una conclusión que tus datos no respaldan. Escríbenos al WhatsApp y revisamos tu caso sin costo.
Escríbenos al WhatsApp