Documentos de Académico
Documentos de Profesional
Documentos de Cultura
PARTE 2
• Hasta ahora hemos visto situaciones en las que se estudiaba el efecto de una sola
variable independiente (VI) sobre una variable dependiente (VD).
• Ejemplo:
• Efectos principales de cada una de las dos VIs analizadas. Es decir, el efecto que
tiene cada una de las VI sobre la VD (sin considerar la otra VI).
Ø Efectos principales. Dos posibles efectos principales: el efecto que tiene el tipo de
tratamiento sobre la presión arterial y el efecto que tiene el sexo sobre la presión
arterial.
Otro ejemplo. Supongamos que estamos analizando las diferencias en las calificaciones
de la PEvAU (Pruebas de Evaluación Bachillerato para Acceso a la Universidad) y
queremos ver si hay diferencias considerando dos variables: 1) Modalidad de Bachillerato
(Ciencias o Humanidades) y 2) Sexo (Chicas o Chicos). Supongamos que recogemos una
muestra y obtenemos las siguientes puntuaciones medias:
Ciencias Humanidades
Chicas 6 8
Chicos 7 5
Ciencias Humanidades
Chicas 6 8
Chicos 7 5
6,5 6,5
Efectos principales. El otro efecto principal que podríamos analizar es el efecto de la
variable “sexo” sobre las puntuaciones en la PEvAU. En este caso, para analizar estas
diferencias, haremos los promedios por filas. Promediamos las calificaciones de todas las
chicas (independientemente de su modalidad de bachillerato) utilizando los valores de la
primera fila, y las de todos los chicos utilizando los valores de la segunda fila.
Ciencias Humanidades
Chicas 6 8 7
Chicos 7 5 6
En este caso, observamos que sí hay ciertas diferencias (tendríamos posteriormente que
analizar si estas diferencias son significativas). Pero de forma intuitiva, podríamos “inferir”
que hay efecto principal de la variable “sexo” (las chicas obtienen puntuaciones más altas
que los chicos) en las calificaciones de la PEvAU.
Ciencias Humanidades
Chicas 6 8
Chicos 7 5
Ciencias Humanidades
Chicas 6 8
Chicos 7 5
Ciencias Humanidades
Chicas 6 8
Chicos 7 5
¿Hay diferencias en las puntuaciones en la PEvAU entre los chicas y los chicos que han
realizado la modalidad de bachillerato de humanidades?
4º. Efecto del sexo sobre las puntuaciones en la PEvAU en los/as alumnos/as de ciencias:
Ciencias Humanidades
Chicas 6 8
Chicos 7 5
¿Hay diferencias en las puntuaciones en la PEvAU entre los chicas y los chicos que han
realizado la modalidad de bachillerato de ciencias?
Ciencias Humanidades
Chicas 6 8 7
Chicos 7 5 6
No, vemos que en los/as alumnos/as de humanidades, las puntuaciones son superiores en
las chicas, mientras que en el caso de los/as alumnos/as de ciencias sucede al contrario.
Éste sería un efecto de interacción.
IMPORTANTE: Resaltar que cuando en un ANOVA de dos factores encontramos un
efecto de interacción, no procede interpretar los efectos principales.
Una forma visual de analizar los posibles efectos de interacción es a través de la gráfica de
medias marginales.
Caso 1. No hay ningún efecto. Supongamos que obtenemos una nueva muestra y que los
datos que obtenemos son los siguientes. Cuando representamos estos datos en la gráfica de
medias marginales, todos los grupos puntúan igual. No hay efecto principal de ninguna de
las dos VIs, ni efecto de interacción:
Ciencias Humanidades
Chicas 5 5
Chicos 5 5
Caso 2. Efecto principal de una de las VI. Supongamos que obtenemos una nueva
muestra y que los datos que obtenemos son los siguientes:
Ciencias Humanidades
Chicas 3 7
Chicos 3 7
Ciencias Humanidades
Chicas 3 3
Chicos 7 7
Caso 3. Efecto principal de las dos VIs. Supongamos que obtenemos una nueva muestra
y que los datos que obtenemos son los siguientes:
Ciencias Humanidades
Chicas 4 8
Chicos 2 6
Ciencias Humanidades
Chicas 6 4
Chicos 4 6
Caso 5. Efecto de interacción y efecto principal de algunas de las VIs. Supongamos que
obtenemos una nueva muestra y que los datos que obtenemos son los siguientes:
Ciencias Humanidades
Chicas 4 6
Chicos 0 10
Ciencias Humanidades
Chicas 10 6
Chicos 0 4
Cada una de estas fuentes de variabilidad llevan a calcular un sumatorio cuadrado o suma
de cuadrados (SC). En el ANOVA de dos factores, la variabilidad total observada se
descompone en cada una de estas fuentes y a través del cálculo de medidas de variabilidad
(suma de cuadrados y medias cuadráticas) podemos analizar el efecto que tiene cada uno
de estos términos.
4. TABLA DE ANOVA DE DOS FACTORES Y TOMA DE DECISIONES
H1: No todas αG son iguales à Hay efecto principal del factor A. En el ejemplo
anterior, existirían diferencias estadísticamente significativas en las puntuaciones
medias en la PEvAU entre chicos y chicas.
H1: No todas ßG son iguales à Hay efecto principal del factor B. En el ejemplo
anterior, existirían diferencias estadísticamente significativas en las puntuaciones
medias en la PEvAU entre los/as alumnos/as de ciencias y humanidades.
Para este conjunto de hipótesis calculamos el estadístico F observada del factor A (FobsA),
del factor B (FobsB) y de la interacción (FobsI).
Para llegar a la toma de decisiones, en cada fila se transforma la suma de cuadrados (SC)
en medias cuadráticas (CM o MC) a través del cálculo de los grados de libertad. Al
dividir en cada componente las sumas cuadráticas o suma de cuadrados (SC) entre los
grados de libertad correspondientes se obtienen las medias cuadráticas (MC o CM).
• Cada una de las F observadas, habrá que compararlas con el valor de F teórica
que localicemos en la tabla de la distribución F de Snedecor.
• Los grados de libertad de cada F teórica corresponden a los grados de libertad del
numerador y denominador usados para cada F observada.
• Cuando tengamos las tres F observadas (Fobs) y las tres F teóricas (Ft), las
compararemos entre ellas (cada una con su correspondiente), para tomar la decisión
en cada uno de los conjuntos de hipótesis. Recordemos que las posibilidades son
las siguientes:
Ø Fobs > Ft: Rechazo la hipótesis nula (H0) y concluyo que la variable
independiente (la que se esté comparando en ese momento) influye sobre la
dependiente. La variación entre los grupos es superior a la variación dentro de
los grupos. Cuando comparemos las F observada y F teórica correspondiente a
la interacción afirmaremos que hay efecto de interacción.
Ø Fobs ≤ Ft: Mantengo la hipótesis nula (H0) y concluyo que la variable
independiente (la que se esté comparando en ese momento) no influye sobre la
dependiente. La variación entre los grupos no es superior a la que existe dentro
de los grupos. Cuando comparemos las F observada y F teórica correspondiente
a la interacción afirmaremos que no hay efecto de interacción.
• Para considerar los efectos de cada una de estas VIs, así como el efecto de interacción,
realizamos un ANOVA de dos factores. En este ANOVA de dos factores vamos a
contrastar tres conjuntos de hipótesis:
• En la tabla del ANOVA contamos con 5 filas, que corresponden a las 5 fuentes de
variación: variabilidad total, variabilidad debida al factor tipo de entrenamiento (factor
A), variabilidad debida al factor clima de clase (factor B), variabilidad debida a la
interacción y variabilidad error. Teniendo el valor de la suma de cuadrados (SC) de
cada fuente de variación, vamos a calcular el resto de elementos de la tabla.
Comenzamos con los grados de libertad (Gl):
• Una vez tenemos los valores de los grados de libertad, podemos calcular las medias
cuadráticas (MC) de cada fuente de variación dividiendo cada Suma de Cuadrados
(SC) entre sus grados de libertad:
Como el valor de la Fobs (27.55) es mayor que el obtenido para la Ft (3.23) rechazo la
hipótesis nula, pudiendo afirmar (siempre que no exista efecto de interacción) que
hay un efecto principal del factor “entrenamiento motivacional” en el rendimiento en
tareas de logro (VD).
• Para el factor B (clima de clase) el valor de Fobs = 15.74. Este valor lo comparamos con
el valor de Ft con 2 y 36 grados de libertad. Para localizar los grados de libertad,
utilizamos los grados de libertad del numerador (gl factor B) y los grados de libertad de
denominador (gl error). Es decir, buscamos en la tabla para el nivel de significación
0.05 la Ft (2, 36), que es = 3.23.
Como el valor de la Fobs (15.74) es mayor que el obtenido para la Ft (3.23) rechazo la
hipótesis nula, pudiendo afirmar (siempre que no exista efecto de interacción) que
hay un efecto principal del factor “clima de clase” en el rendimiento en tareas de
logro (VD).
• Para la interacción el valor de Fobs = 3.93. Este valor lo comparamos con el valor de Ft
con 4 y 36 grados de libertad. Para localizar los grados de libertad, utilizamos los
grados de libertad del numerador (gl interacción) y los grados de libertad de
denominador (gl error). Es decir, buscamos en la tabla para el nivel de significación
0.05 la Ft (4, 36), que es = 2.61.
Como el valor de la Fobs (3.93) es mayor que el obtenido para la Ft (2.61) rechazo la
hipótesis nula, pudiendo afirmar que existe efecto de interacción.
*Debido a que existe efecto de interacción no tiene sentido interpretar los efectos
principales, siendo por tanto el efecto de interacción el que se debe analizar a través de
las comparaciones múltiples a posteriori.
• Por tanto, considerando el ejemplo, en primer lugar, se compararán los efectos del
entrenamiento motivacional en cada nivel de clima (B1 cooperativo, B2
competitivo y B3 individual) y, a continuación, los efectos del clima dentro de cada
nivel de entrenamiento motivacional (A1 instrumental, A2 atribucional, A3
control).
Análisis de los efectos simples del entrenamiento motivacional en cada nivel de clima
Este análisis nos permitirá saber si, dentro de cada nivel de clima (cooperativo,
competitivo e individual) existen diferencias estadísticamente significativas en rendimiento
en tareas de logro en función del entrenamiento motivacional (instrumental, atribucional y
grupo control). Por tanto, llevaremos a cabo 9 pares de comparaciones y para cada una de
ellas tendremos un p-valor. Los pares de comparaciones serán los siguientes:
• Una vez que se ha determinado que hay algún tipo de efecto (efectos principales o
efectos simples de interacción), se puede determinar el tamaño del efecto, al igual
que se hacía con el ANOVA de un factor.
• El tamaño del efecto es un indicar de cómo de importante es el efecto o los
efectos (en el caso del ANOVA de dos factores) o cómo es la magnitud de las
diferencias. El estadístico del tamaño del efecto derivado del análisis de varianza
es la eta al cuadrado (η²).
• Con los datos del ejemplo expuesto anteriormente para el ANOVA de dos factores,
el tamaño del efecto de la interacción medido a través de eta cuadrado sería:
• Recordemos que una guía para orientar a partir de qué valores se puede considerar
un tamaño del efecto pequeño, medio o grande, es la siguiente:
• Para el ANOVA de dos factores la estimación del tamaño del efecto también se
puede llevar a cabo mediante eta cuadrado parcial (η2p).
• Para ello, se divide la suma de cuadrados del efecto a estimar entre la suma de
cuadrados de dicho efecto más la suma de cuadrados del error. En el ANOVA de
dos factores se pueden estimar hasta tres tamaños del efecto mediante eta cuadrado
parcial:
2
η pEFECTOA
= SCEFECTOA/(SCEFECTOA + SCERROR)
2
η pEFECTOB
= SCEFECTOB/(SCEFECTOB + SCERROR)
2
η pEFECTOAB
= SCEFECTOAB/(SCEFECTOAB + SCERROR)