4

Anlisis de
Varianza

4. Anlisis de Varianza

4. Anlisis de Varianza
e.4.1. Quines obtienen mejores resultados en Matemticas, los estudiantes que viven en
zonas rurales, en pequeas ciudades, en ciudades medias o en grandes ciudades?
Analicemos la pregunta, se trata de estudiar si "existen diferencias significativas en el
rendimiento en matemticas de los estudiantes (VD) en funcin de su hbitat (VI)"; la variable
independiente es nominal politmica (con cuatro alternativas) y la dependiente es de
intervalo.
La hiptesis nula es:
H0:
Es decir, que las muestras obtenidas sean de la misma poblacin. Y la alternativa (H1), que
alguna de las igualdades no se cumpla (que pertenezcan a poblaciones diferentes).
Si la variable dependiente (hbitat) tuviese dos alternativas utilizaramos la prueba T de
Student para dos muestras, pero al tener ms de dos se utilizar un Anlisis de Varianza
Simple.

4.1. Anlisis de Varianza Simple

El Anlisis de Varianza (o ANOVA, del ingls analysis of variance) es una prueba utilizada para
contrastar la hiptesis de que varias medias son iguales. Fueron ideadas por R.A. Fisher en
1925, y son una de las pruebas ms importantes de la estadstica actual. Como se ha
comentado, es una extensin de la prueba T para dos muestras independientes. Sirve, por
tanto, para estudiar la incidencia de una variable nominal u ordinal (categrica) con ms de las
alternativas, en una variable de intervalo o de razn (cuantitativa).
El ANOVA utiliza una estrategia bastante razonable: si los resultados de cada uno de los grupos
(en nuestro ejemplo el rendimiento en Matemticas de los estudiantes que viven en pueblos,
ciudades pequeas, medias o grandes) no contienen errores sistemticos, los valores medios
respectivos no diferirn mucho los unos de los otros y su dispersin, debido a los errores
aleatorios, ser comparable a la dispersin presente individualmente en cada grupo (tipo de
hbitat). As, la prueba se basa en la estimacin del estadstico F, que muestra el grado de
parecido existente entre las medias que se comparan.
Si las medias de las poblaciones son iguales, las medias de las muestras de los grupos sern
parecidas, por lo que las nicas diferencias sern las atribuidas al azar, y el valor del estimador
F ser de 1. Si las medias poblacionales son diferentes, entonces el valor mayor que 1, y ms
alto conforme mayor sea la diferencia.

F.J. Murillo y C. Martnez-Garrido

Pgina 52

4. Anlisis de Varianza

El estadstico F est asociado a un nivel crtico (la probabilidad de obtener valores como el
obtenido o mayores). Si ste es mayor a nuestro nivel de error asumido (que habitualmente
ser del 95%, de decir de un 0,05) se rechaza la hiptesis nula, que indica la igualdad de
medias, y se acepta la alternativa.
Adems de determinar que existen diferencias entre las medias, es posible que deseemos
saber qu medias difieren. Existen dos tipos de contrastes para comparar medias: a priori y
post hoc.

Los contrastes a priori se plantean antes de ejecutar el experimento.

Los contrastes post hoc se realizan despus de haber llevado a cabo el experimento.

El Anlisis de Varianza (o ANOVA) es una prueba estadstica desarrollada para realizar

simultneamente la comparacin de las medias de ms de dos poblaciones.
Para su uso, es necesario que las variables cumplan tres condiciones:
1. Cada conjunto de datos debe ser independiente del resto.
2. Los resultados obtenidos para cada conjunto deben seguir una distribucin normal,
aunque soporta bastante bien el incumplimiento de este supuesto siempre que su
distribucin sea simtrica1.
3. Las varianzas de cada conjunto de datos no deben diferir de forma significativa2.
Esta condicin previa de aplicacin se verificar estadsticamente mediante una de las
opciones que se encuentran dentro de la configuracin del ANOVA. La configuracin del
anlisis se realiza en el cuadro de dilogo correspondiente.
Vemoslo:
Elije en los mens:
Analizar -> Comparar medias -> ANOVA de un factor

La prueba para comprobar la normalidad de distribucin de una variable es la de Kolmogorov-Smirnov,

se ver en el tema 7.
2

Para verificar este supuesto, en el subcuadro de opciones est la Prueba de homogeneidad de las
varianzas, que calcula el estadstico de Levene para contrastar la igualdad de las varianzas de grupo. Si
las varianzas no son iguales, en este mismo subcuadro se encuentra la opcin "Brown-Forsythe". Calcula
el estadstico de Brown-Forsythe para contrastar la igualdad de las medias de grupo.

F.J. Murillo y C. Martnez-Garrido

Pgina 53

4. Anlisis de Varianza

FIGURA 4.1. CUADRO DE DILOGO ANOVA DE UN FACTOR

1. Selecciona una o ms variables dependientes, en este caso: Rendimiento en

Matemticas.
2. Selecciona una sola variable como "factor" (variable independiente): en este caso
Hbitat.
Tras aceptar nos ofrece el siguiente resultado (tabla 4.1).
TABLA 4.1. RESULTADOS DEL ANOVA DE UN FACTOR
Rendimiento en Matemticas
Suma de
cuadrados
Inter-grupos
Intra-grupos
Total

52621,047
2141072,744
2193693,791

gl

Media cuadrtica
3
6594
6597

17540,349
324,700

F
54,020

Sig.
,000

La informacin que nos ofrece es la siguiente:

Suma de cuadrados: es una estimacin de la desviacin entre los resultados medios y

el resultado medio global, tanto dentro de los grupos, como entre los grupos.

gl: Grados de libertad. El nmero de grupos a comparar, menos 1.

Media cuadrtica: Es el valor de dividir la suma de cuadrados entre los grados de

libertad.

F.J. Murillo y C. Martnez-Garrido

Pgina 54

4. Anlisis de Varianza

F: Estadstico llamado F. Es el coeficiente de dividir las medias cuadrticas y refleja el

grado de parecido existente entre las medias que se estn comparando.

Sig: Significacin o nivel crtico, es la probabilidad de obtener valores F como el

obtenido o mayores bajo la hiptesis nula de la igualdad de medias. En este caso es
0,000.

La interpretacin es igual que en la T de Student del tema anterior, si el nivel crtico asociado al
estadstico F es menor que 0,05 (o el que estemos considerando) se rechaza la hiptesis y se
acepta la alterna, es decir, se concluye que, efectivamente, hay relacin entre el hbitat y el
rendimiento en Matemticas (o que los cuatro hbitat forman parte de la misma poblacin).
Sin embargo, de lo que no tenemos informacin es entre qu tipo de hbitat hay diferencias,
ni el sentido de las mismas. Para ello se necesitan los contrastes a posteriori.
Contrastes post hoc
Una vez que se ha determinado que existen diferencias entre las medias, los contrastes de
comparaciones mltiples post hoc, o comparaciones a posteriori, permiten determinar entre
qu medias existen diferencias significativas.
El procedimiento es sencillo. Slo hay que pulsar la opcin "Post Hoc" del cuadro de dilogo de
ANOVA de un factor. Lo difcil quiz es elegir entre tantas opciones. En el Anexo, al final de
este tema, se presenta un cuadro resumen con las caractersticas de los diferentes
estadsticos.
FIGURA 4.2. SUBCUADRO DE DILOGO ANOVA DE UN FACTOR: COMPARACIONES MLTIPLES POST HOC

F.J. Murillo y C. Martnez-Garrido

Pgina 55

4. Anlisis de Varianza

Una posibilidad razonable es elegir el estadstico de HDS Tukey (opcin Tukey) si las varianzas
son iguales y el estadstico Games-Howell si no se asumen varianzas iguales.
Los resultados para nuestro ejemplo se muestran en las tablas 4.2 y 4.3.
TABLA 4.2. RESULTADOS DEL ANOVA DE UN FACTOR CON COMPARACIONES MLTIPLES POST HOC
Rendimiento en Matemticas
HSD de Tukey
(I) Habitat (pueblo,
ciudad pequea, media
o grande)

(J) Habitat (pueblo,

ciudad pequea, media
o grande)

Pueblos (menos de
10.009 habs.)

Ciudades pequeas (de

10.001 a 10.000 habs.)

-3,085022*

,598434

,000

-4,62281

-1,54723

Ciudades medias (de

100.001 a 500.000 habs.)

-6,209442*

,611973

,000

-7,78202

-4,63686

Ciudades grandes (ms

de 500.000 habs.)

-8,560321*

,788173

,000

-10,58568

-6,53496

3,085022*

,598434

,000

1,54723

4,62281

Ciudades medias (de

100.001 a 500.000 habs.)

-3,124419*

,551351

,000

-4,54122

-1,70762

Ciudades grandes (ms

de 500.000 habs.)

-5,475298*

,742086

,000

-7,38223

-3,56837

6,209442*

,611973

,000

4,63686

7,78202

Ciudades pequeas (de

10.001 a 10.000 habs.)

3,124419*

,551351

,000

1,70762

4,54122

Ciudades grandes (ms

de 500.000 habs.)

-2,350879*

,753047

,010

-4,28597

-,41578

8,560321*

,788173

,000

6,53496

10,58568

Ciudades pequeas (de

10.001 a 10.000 habs.)

5,475298*

,742086

,000

3,56837

7,38223

Ciudades medias (de

100.001 a 500.000 habs.)

2,350879*

,753047

,010

,41578

4,28597

Ciudades pequeas (de Pueblos (menos de

10.001 a 10.000 habs.)
10.009 habs.)

Ciudades medias (de

Pueblos (menos de
100.001 a 500.000 habs.) 10.009 habs.)

Ciudades grandes (ms Pueblos (menos de

de 500.000 habs.)
10.009 habs.)

Diferencia de
medias (I-J) Error tpico

Intervalo de confianza al 95%

Sig.

Lmite inferior Lmite superior

*. La diferencia de medias es significativa al nivel 0.05.

La interpretacin es igualmente sencilla. En cada una de las filas compara las medias de los
grupos por pares. La interpretacin, una vez ms, es fijndose en el nivel crtico y compararlo
con nuestro (normalmente 0,05). De esta forma se puede observar que hay diferencias en el
rendimiento de los estudiantes en Matemticas entre los que viven en pueblos y en ciudades
pequeas, entre pueblos y ciudades medias... y as entre todos los pares de grupos.
En la segunda de las tablas nos ofrece los resultados y encontramos ayuda para una mejor
interpretacin.
TABLA 4.3. RESULTADOS DEL ANOVA DE UN FACTOR CON COMPARACIONES MLTIPLES POST HOC,
SUBCONJUNTOS HOMOGNEOS
F.J. Murillo y C. Martnez-Garrido

Pgina 56

4. Anlisis de Varianza

HSD de Tukeya,,b
Habitat (pueblo, ciudad pequea,
media o grande)
Pueblos (menos de 10.009 habs.)
Ciudades pequeas (de 10.001 a
10.000 habs.)
Ciudades medias (de 100.001 a
500.000 habs.)
Ciudades grandes (ms de
500.000 habs.)
Sig.

Subconjunto para alfa = 0.05

N

1
1515
2258

48,28904
51,37406

2027

54,49848

798

56,84936
1,000

1,000

1,000

1,000

Se muestran las medias para los grupos en los subconjuntos homogneos.

a. Usa el tamao muestral de la media armnica = 1403,800.
b. Los tamaos de los grupos no son iguales. Se utilizar la media armnica de los tamaos de los grupos. Los niveles
de error de tipo I no estn garantizados.

Se observa que existen cuatro grupos diferenciados (cuatro poblaciones), cada una de un tipo
de hbitat, indicndose la media del rendimiento de cada grupo. De esta forma, los resultados
apuntan a que los nios y nias que viven en pueblos sacan el peor resultado (48,28), despus
(con diferencias estadsticamente significativas) los que viven en ciudades pequeas (51,37),
despus los que viven el ciudades medias (54,49) y lo que mejores resultados obtienen en
rendimiento en Matemticas son los que viven en grandes ciudades (56,84 de media). Este
resultado, obtenido a partir de datos reales, nos muestra la desigual distribucin del
rendimiento en funcin del lugar donde vive el nio, y muestra unas preocupantes seales de
inequidad en funcin del hbitat.

4.2. Anlisis de Varianza factorial

Tambin es posible estudiar el efecto de varias variables y su interaccin sobre una variable
dependiente cuantitativa. As, por ejemplo, podemos estudiar el efecto que tiene el gnero del
estudiante sobre el rendimiento en lengua, el efecto del gnero del docente y la interaccin
entre las dos variables sobre el rendimiento en matemticas.
As, puede verse el siguiente caso inventado (tabla 4.4). El rendimiento promedio de todos los
estudiantes es de 6. El de los nios es igual que el de la nias, de 6; y sacan los mismos
resultados los estudiantes con profesores varones que con profesoras, 6. Sin embargo, se
produce un curioso efecto de interaccin, dado que si el gnero del docente y del estudiante
coinciden los resultados sern claramente mejores que si no coinciden.
TABLA 4.4. EFECTO DE LA INTERACCIN ENTRE VARIABLES. RENDIMIENTO EN MATEMTICAS DE LOS
ESTUDIANTES EN FUNCIN DE SU GNERO Y DEL GNERO DE SU DOCENTE

Docente varn
Docente mujer
Total

F.J. Murillo y C. Martnez-Garrido

Estudiante
varn
7
4
6

Estudiante
mujer
4
7
6

Total
6
6
6

Pgina 57

4. Anlisis de Varianza

Un ejemplo de esto con nuestros datos puede ser el siguiente:

e.4.2. Existen diferencias significativas en el Rendimiento en Matemticas de los estudiantes en

funcin de su hbitat, de sus aos de preescolarizacin y de la interaccin entre ambas
variables?
Como se observa, probaremos de forma simultnea las tres hiptesis:
1. Existen diferencias significativas en el Rendimiento en Matemticas en funcin del
hbitat
2. Existen diferencias significativas en Rendimiento en Matemticas en funcin de los
aos de preescolarizacin
3. Existen diferencias significativas en el Rendimiento de los estudiantes en funcin de la
interaccin entre ambas variables?
Para ello se realizar un Anlisis de Varianza Factorial. Este estadstico se encuentra en el
cuadro de dilogo "Modelo Lineal General" y luego "Univariante" (dado que slo tenemos una
nica variable dependiente). Observemos en la figura 4.4, el cuadro de dilogo en el que
aparece.
FIGURA 4.4. CUADRO DE DILOGO "UNIVARIANTE" PARA HACER UN ANLISIS DE VARIANZA FACTORIAL

Entonces seleccione:

"Rendimiento en Matemticas" como Dependiente.

"Preescolarizacin" y "Hbitat" como Factores fijos.

F.J. Murillo y C. Martnez-Garrido

Pgina 58

4. Anlisis de Varianza

Y pinchamos en "Aceptar".
Nos aparecen cuatro opciones:

Efectos fijos: un factor de efectos fijos es aquel en el que contamos con todas las
alternativas en la variable. Bien sea porque estn todas -por ejemplo, el hbitat- bien
porque queremos ver la diferencia entre esas alternativas. Es decir, las alternativas son
la poblacin de alternativas de respuesta sobre los que se quiere hacer la inferencia.

Efectos aleatorios: un factor de efectos aleatorios, por su parte, es aquel que las
alternativas seleccionadas son una muestra aleatoria de todas las alternativas posibles.
Luego haremos un ejemplo de las mismas.

Covariables: para hacer un Anlisis de Covarianza (ver apartado 4.3).

Ponderacin MCP: si tenemos alguna variable para ponderar al utilizar el Mtodo de

Mnimos Cuadrados Ponderados (que no es el caso).

El resultado se muestra en la tabla 4.5.

TABLA 4.5. RESULTADOS DEL ANOVA FACTORIAL. PRUEBAS DE EFECTOS INTERSUJETOS
Variable dependiente:Rendimiento en Matemticas
Origen
Modelo corregido
Interseccin
Habitat
Preescol
Habitat * Preescol
Error
Total
Total corregida

Suma de
cuadrados tipo III
95166,829a
8140315,782
29030,841
30473,790
4895,081
2098526,962
2,023E7
2193693,791

gl

Media cuadrtica
15
1
3
3
9
6582
6598
6597

6344,455
8140315,782
9676,947
10157,930
543,898
318,828

Sig.

19,899
25531,985
30,352
31,860
1,706

,000
,000
,000
,000
,082

a. R cuadrado = ,043 (R cuadrado corregida = ,041)

Los resultados nos dan respuesta a las tres hiptesis planteadas:

1. Hay diferencias en Rendimiento en Matemticas en funcin del Hbitat (el nivel crtico
que aparece en la 3 fila es 0,000<0,05), como ya habamos visto.
2. Hay diferencias en funcin de la edad de escolarizacin en preescolar (4 fila).
3. No hay diferencias en funcin de la interaccin (5 columna: 0,082>0,05).

F.J. Murillo y C. Martnez-Garrido

Pgina 59

4. Anlisis de Varianza

4.3. Anlisis de Covarianza

Sabiendo que el Nivel Socio-Econmico de las familias influye de forma importante en el
rendimiento de los estudiantes (rxy = 0,33), y que el Hbitat est relacionado con ese nivel
socio-econmico, sera posible pensar que quiz las diferencias en Rendimiento en funcin del
Hbitat sea debido al Nivel Socio-econmico de las familias, y no al hbitat. Es decir que la
relacin entre Hbitat y Rendimiento sea una relacin espuria3. Para descartar (o confirmar)
esa posibilidad, tenemos el Anlisis de Covarianza (ANCOVA). La pregunta es:

e.4.3. Existen diferencias en el Rendimiento en Matemticas de los estudiantes en funcin del

Hbitat, si controlamos el efecto del Nivel Socio-econmico?
El Anlisis de Covarianza (ANCOVA) es una tcnica de control estadstico que permite eliminar
de la variable dependiente del ANOVA el efecto atribuible a variables no incluidas en el diseo
y, con ello, no sometidas a control.
Al igual que en el Anlisis de Varianza Factorial este estadstico se encuentra en el cuadro de
dilogo "Modelo Lineal General" y luego "Univariante" (dado que slo tenemos una nica
variable dependiente), pero donde ponemos la variable de control como covariable. El cuadro
de dilogo en el que aparece se encuentra en la figura 4.5.
FIGURA 4.5. CUADRO DE DILOGO "UNIVARIANTE", PARA HACER UN ANLISIS DE COVARIANZA

Estadsticamente, una relacin espuria es una relacin en la cual dos acontecimientos no tienen
conexin, aunque aparentemente la tienen debido a un tercer factor no considerado an (llamado
"factor de confusin" o "variable escondida"). La relacin espuria da la impresin de la existencia de un
vnculo apreciable entre dos grupos que es invlido cuando se examina objetivamente.

F.J. Murillo y C. Martnez-Garrido

Pgina 60

4. Anlisis de Varianza

Entonces selecciona:
"Rendimiento en Matemticas" como Dependiente.
"Hbitat" en Factores fijos.

"N-SocEc" (Nivel Socio-econmico de las familias) como covariable.

Y pinchamos en "Aceptar".
Los resultados aparecen en la tabla 4.6.
TABLA 4.6. RESULTADOS DEL ANCOVA. PRUEBAS DE EFECTOS INTERSUJETOS
Variable dependiente: Rendimiento en Matemticas
Origen
Modelo corregido
Interseccin
N_SocEc
Habitat
Error
Total
Total corregida

Suma de
cuadrados tipo III
256689,123a
1,556E7
204068,075
19724,214
1937004,669
2,023E7
2193693,791

gl

Media cuadrtica
4
1
1
3
6593
6598
6597

64172,281
1,556E7
204068,075
6574,738
293,797

F
218,424
52965,266
694,588
22,378

Sig.
,000
,000
,000
,000

a. R cuadrado = ,117 (R cuadrado corregida = ,116)

F.J. Murillo y C. Martnez-Garrido

Pgina 61

4. Anlisis de Varianza

El resultado buscado se presenta en la cuarta fila: nos indica que existen diferencias en el
rendimiento en funcin del Hbitat, incluso habiendo controlado el Nivel Socio-econmico de
las familias de los estudiantes (0,00<0,05).
En la fila tercera nos indica que la variable "Nivel Socio-econmico", al mostrar un nivel crtico
de menos de 0,05 se encuentran relacionadas con la variable dependiente, y tiene sentido
incluirlo en el modelo. Es decir, el Hbitat y el Nivel Socio-econmico son dos factores de
inequidad en el sistema educativo cuya influencia es aditiva.

4.4. Anexo. Contrastes a posteriori.

Asumiendo varianzas iguales
LSD. Utiliza pruebas T para llevar a cabo todas las comparaciones por pares entre las medias de los grupos. No se
efecta ninguna correccin de la tasa de error para el hecho de realizar mltiples comparaciones.
Bonferroni. Utiliza las pruebas T para realizar comparaciones por pares entre las medias de los grupos, pero
controla la tasa de error global estableciendo que la tasa de error de cada prueba sea igual a la tasa de error por
experimento dividida entre el nmero total de contrastes. As, se corrige el nivel crtico por el hecho de que se estn
realizando mltiples comparaciones.
Sidak. Prueba de comparaciones mltiples por parejas basada en un estadstico T. La prueba de Sidak corrige el
nivel de significacin para las comparaciones mltiples y da lugar a lmites ms estrechos que los de Bonferroni.
Scheffe. Realiza comparaciones conjuntas simultneas por pares para todas las posibles parejas de
combinaciones de las medidas. Usa la distribucin muestral F. Puede utilizarse para examinar todas las
combinaciones lineales de grupos de medias posibles, no slo las comparaciones por parejas.
R-E-G-W F. Procedimiento mltiple por pasos (por tamao de las distancias) de Ryan-Einot-Gabriel-Welsch que se
basa en una prueba F.
R-E-G-W Q. Procedimiento mltiple por pasos (por tamao de las distancias) de Ryan-Einot-Gabriel-Welsch que se
basa en el rango estudentizado.
S-N-K. Realiza todas las comparaciones por parejas entre las medias utilizando la distribucin del rango de
Student. Con tamaos de grupo iguales, tambin compara pares de medias dentro de subconjuntos homogneos
utilizando un procedimiento por pasos. Las medias se ordenan de mayor a menor y se contrastan en primer lugar
las diferencias extremas.
Tukey. Utiliza el estadstico del rango estudentizado para realizar todas las comparaciones por pares entre los
grupos. Establece la tasa de error por experimento como la tasa de error para el conjunto de todas las
comparaciones por pares.
Tukey-b. Prueba que emplea la distribucin del rango estudentizado para realizar comparaciones por pares entre
los grupos. El valor crtico es el promedio de los valores correspondientes a la diferencia honestamente significativa
de Tukey y al mtodo de Student-Newman-Keuls.
Duncan. Realiza comparaciones por pares utilizando un orden por pasos idntico al orden usado por la prueba de
Student-Newman-Keuls, pero establece un nivel de proteccin en la tasa de error para la coleccin de contrastes,
en lugar de usar una tasa de error para los contrastes individuales. Utiliza el estadstico del rango estudentizado.
UT2 de Hochberg. Prueba de comparaciones mltiples y de rango que utiliza el mdulo mximo estudentizado. Es
similar a la prueba de la diferencia honestamente significativa de Tukey.
Gabriel. Prueba de comparacin por parejas que utiliza el mdulo mximo estudentizado y que es generalmente
ms potente que la GT2 de Hochberg, cuando los tamaos de las casillas son desiguales. La prueba de Gabriel se
puede convertir en liberal cuando los tamaos de las casillas varan mucho.
Waller-Duncan. Prueba de comparaciones mltiples basada en un estadstico T. Utiliza la aproximacin
Bayesiana.
Dunnett. Prueba de comparaciones mltiples por parejas que compara un conjunto de tratamientos respecto a una
nica media de control. La ltima categora es la categora de control por defecto. Si lo deseas, puedes seleccionar
la primera categora. Para comprobar que la media de cualquier nivel del factor (excepto la categora de control) no
es igual a la de la categora de control, utiliza una prueba bilateral. Para contrastar si la media en cualquier nivel del
factor es menor que la de la categora de control, selecciona "Control". Para contrastar si la media en cualquier
nivel del factor es mayor que la de la categora de control, selecciona "Control".

No asumiendo varianzas iguales

T2 de Tamhane. Prueba conservadora de comparacin por parejas basada en la prueba T. Esta prueba es

F.J. Murillo y C. Martnez-Garrido

Pgina 62

4. Anlisis de Varianza

adecuada cuando las varianzas son desiguales.

T3 de Dunnett. Prueba de comparacin por parejas basada en el mdulo mximo estudentizado. Esta prueba es
adecuada cuando las varianzas son desiguales.
Games-Howell. Prueba de comparacin por parejas que es en ocasiones liberal. Esta prueba es adecuada cuando
las varianzas son desiguales.
C de Dunnett. Prueba de comparacin por parejas basada en el rango estudentizado. Esta prueba es adecuada
cuando las varianzas son desiguales
Fuente: Manual base del SPSS.

4.5. Ejercicios
e.4.4. Existen diferencias significativas en el Rendimiento en Lengua de los estudiantes en
funcin del Hbitat? Si es as, dnde viven los estudiantes que sacan mejores y peores
resultados?
e.4.5. Existen diferencias significativas en el Rendimiento en Lengua de los estudiantes en
funcin de su hbitat, de su gnero y de la interaccin entre ambas variables?
e.4.6. Existen diferencias en el Rendimiento en Lengua de los estudiantes en funcin del
Hbitat, si controlamos el efecto del Nivel Socio-econmico?
e.4.7. Los estudiantes matriculados en centros pblicos obtienen diferente Rendimiento en
Matemticas que los que asisten a centros privados? Si controlamos el efecto del Nivel
Socio-Econmico de las familias, hay diferencias?
e.4.8. El entorno socio-econmico donde est situado el centro influye en el Rendimiento de los
estudiantes en Matemticas? Si lo controlamos por titularidad de centro?

F.J. Murillo y C. Martnez-Garrido

Pgina 63

4. Anlisis de Varianza

F.J. Murillo y C. Martnez-Garrido

Pgina 64