ANOVA DE UN

FACTOR

El procedimiento ANOVA de un factor genera un anlisis de varianza de un factor

para una variable dependiente cuantitativa respecto a una nica variable de factor
(la variable independiente). El anlisis de varianza se utiliza para contrastar la
hiptesis de que varias medias son iguales. Esta tcnica es una extensin de la
prueba t para dos muestras.
Adems de determinar que existen diferencias entre las medias, es posible que
desee 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 y los contrastes post hoc se realizan despus de haber llevado a
cabo el experimento. Tambin puede contrastar las tendencias existentes a travs
de las categoras.
Ejemplo. Las rosquillas absorben diferentes cantidades de grasa cuando se fren.
Se plantea un experimento utilizando tres tipos de grasas: aceite de cacahuete,
aceite de maz y manteca de cerdo. El aceite de cacahuete y el aceite de maz son
grasas no saturadas y la manteca es una grasa saturada. Adems de determinar si
la cantidad de grasa absorbida depende del tipo de grasa utilizada, tambin se
podra preparar un contraste a priori para determinar si la cantidad de absorcin
de la grasa difiere para las grasas saturadas y las no saturadas.
Estadsticos. Para cada grupo: nmero de casos, media, desviacin tpica, error
tpico de la media, mnimo, mximo, intervalo de confianza al 95% para la media.
Prueba de Levene sobre la homogeneidad de varianzas, tabla de anlisis de
varianza y contrastes robustos de igualdad de medias para cada variable
dependiente, contrastes a priori especificados por el usuario y las pruebas de
rango y de comparaciones mltiples post hoc: Bonferroni, Sidak, diferencia
honestamente significativa de Tukey, GT2 de Hochberg, Gabriel, Dunnett, prueba
F de Ryan-Einot-Gabriel-Welsch, (R-E-G-W F), prueba de rango de Ryan-EinotGabriel-Welsch (R-E-G-W Q), T2 de Tamhane, T3 de Dunnett, Games-Howell, C, de
Dunnett, prueba de rango mltiple de Duncan, Student-Newman-Keuls (S-N-K), b
de Tukey, Waller-Duncan, Scheff y diferencia menos significativa.

Resumen
Sirve para comparar varios grupos en una variable cuantitativa. Es una
generalizacin de la Prueba T para dos muestras independientes al
caso de diseos con mas de dos muestras.
A la variable categrica (nominal u ordinal) que define los grupos que
deseamos comparar la llamamos independiente o factor y a la variable
cuantitativa ( de intervalo o razn) en la que deseamos comparar los
grupos la llamamos dependiente.
La Hiptesis Nula es:
Ho: Las medias poblacionales (las medias de la variable dependiente
en cada nivel de variable independiente) son iguales.
Lo que significa que losa grupos no difieren en la variable dependiente
y que en consecuencia, la variable independiente o factor es
independiente de la dependiente.
Adems de determinar que existen diferencias entre las medias, es
posible saber que medias difieren.
Existen dos tipos de contrastes de medias: los contrastes a priori (se
plantean antes de ejecutar el experimento) y las pruebas post hoc (se
realizan despus de haber llevado a cabo el experimento.

La lista de variables contienen todas las variables de tipo numrico ( no

aparecen las variables de tipo cadena.

CONSIDERACIONES SOBRES LOS DATOS

Datos. Los valores de la variable de factor deben ser
enteros y la variable dependiente debe ser cuantitativa
(nivel de medida de intervalo).

Supuestos. Cada grupo es una muestra aleatoria

independiente procedente de una poblacin normal. El
anlisis de varianza es robusto a las desviaciones de la
normalidad, aunque los datos debern ser simtricos. Los
grupos deben proceder de poblaciones con varianzas
iguales. Para contrastar este supuesto, utilice la prueba de
Levene de homogeneidad de varianzas.

COMO REALIZARLO
Para realizar un ANOVA de un factor que el programa
tiene establecidas por defecto:
Seleccione una o mas variables cuantitativas (de intervalo
o razn), y trasladarlo a la lista de dependientes.
Seleccione una variable categrica o nominal y trasladarla
al cuadro factor.
La variable dependiente es aquella en la cual deseamos
comparar los grupos. La variable factor es aquella variable
que define los grupos que deseamos comparar.

Lo cual nos da el siguiente resultado:

ANOVA
Precio en Nuevos Soles

Inter-grupos
Intra-grupos
Total

Suma de
cuadrados
15790.924
89044.543
104835.467

gl
1
28
29

Media
cuadrtica
15790.924
3180.162

F
4.965

Sig.
.034

Con la tabla anterior podemos contrastar el siguiente resultado

Ho: m1=m2=m3=m4: el precio promedio de los libros en soles de las
cuatro categoras de la vejez son similares.
H1: al menos un mi es diferente de los dems.
Como sig = 0.034< a=0.05, se rechaza la Ho. Existen suficientes evidencias
estadsticas con un nivel de significacin a = 0.05, para afirmar que al menos un
promedio de precios de uno de los grupos de vejez difiere de las dems.

Opciones
Las opciones del procedimiento ANOVA de un
factor permiten seleccionar algunos estadsticos
bsicos, como obtener la prueba de Levene y
decidir que tratamiento se desea dar a los casos
con valores perdidos. Para modificar estas
opciones:
Pulsar el Botn opcin del cuadro de dialogo
ANOVA de un factor para acceder al subcuadro
de dialogo ANOVA de un factor: opciones que
muestra la siguiente figura:

Aparecer la siguiente ventana:

OPCIONES
Estadsticos. Elija uno o ms entre los siguientes:

Descriptivos. Calcula los siguientes estadsticos: Nmero de casos, Media, Desviacin

tpica, Error tpico de la media, Mnimo, Mximo y los Intervalos de confianza al 95% de
cada variable dependiente para cada grupo.
Efectos fijos y aleatorios. Muestra la desviacin tpica, el error tpico y un intervalo de
confianza del 95% para el modelo de efectos fijos, y el error tpico, un intervalo de confianza
del 95% y una estimacin de la varianza entre componentes para el modelo de efectos
aleatorios.
Prueba de homogeneidad de las varianzas. Calcula el estadstico de Levene para
contrastar la igualdad de las varianzas de grupo. Esta prueba no depende del supuesto de
normalidad.
Brown-Forsythe. Calcula el estadstico de Brown-Forsythe para contrastar la igualdad de las
medias de grupo. Este estadstico es preferible al estadstico F si no se supone la igualdad
de las varianzas.
Welch. Calcula el estadstico de Welch para contrastar la igualdad de las medias de grupo.
Este estadstico es preferible al estadstico F si no se supone la igualdad de las varianzas.
Grfico de las medias. Muestra un grfico que representa las medias de los subgrupos (las
medias para cada grupo definido por los valores de la variable factor).
Valores perdidos. Controla el tratamiento de los valores perdidos.
Excluir casos segn anlisis. Un caso que tenga un valor perdido para la variable
dependiente o la variable de factor en un anlisis determinado, no se utiliza en ese anlisis.
Adems, los casos fuera del rango especificado para la variable de factor no se utilizan.
Excluir casos segn lista. Se excluyen de todos los anlisis los casos con valores perdidos
para la variable de factor o para cualquier variable dependiente incluida en la lista de
variables dependientes en el cuadro de dilogo principal. Si no se han especificado varias
variables dependientes, esta opcin no surte efecto.

EJEMPLO (ANOVA de un factor > Opciones)

Este ejemplo muestra como obtener los estadsticos
descriptivos, la prueba de homogenenidad de varianzas y
el grafico de medias del procedimiento ANOVA de un
factor.
En el cuadro de dialogo ANOVA de una factor, trasladar la
variable Precio a la lista dependientes y la variable Vejezr
al cuadro Factor.
Pulsar el botn Opciones.. Para acceder al subcuadro de
dialogo ANOVA de un factor: Opciones y marcar las
opciones Descriptivos y la Prueba de Homogeneidad de
varianzas y marcar la opcin grafico de medias.

Descriptivos
Precio en Nuevos Soles

Entre 4 y 6 aos
Entre 7 y 9 aos
Total

N
13
17
30

Media
106.77
60.47
80.53

Desviacin
tpica
67.221
46.650
60.125

Prueba de homogeneidad de varianzas

Error tpico
18.644
11.314
10.977

Intervalo de confianza para

la media al 95%
Lmite
superior
Lmite inferior
66.15
147.39
36.49
84.46
58.08
102.98

gl1
1

gl2
28

Sig.
.123

Mximo
230
195
230

ANOVA
Precio en Nuevos Soles

Precio en Nuevos Soles

Estadstico
de Levene
2.523

Mnimo
9
13
9

Inter-grupos
Intra-grupos
Total

Suma de
cuadrados
15790.924
89044.543
104835.467

gl
1
28
29

Media
cuadrtica
15790.924
3180.162

F
4.965

Sig.
.034

La prueba de Levene sirve para contrastar las siguientes hiptesis:

Ho: s21 = s21 = s21 = s21 = las varianzas del precio de las cuatro categoras de vejez
Son similares.
H1: al menos un s2i es diferente de las dems.
Como sig.=0.123>0.05, se acepta la Ho.
No existe suficiente evidencias estadsticas para rechazar la Ho, por lo que
podemos afirmar que las varianzas son homogneas.

GRAFICO DE MEDIAS

Se observa que el promedio de los precio de los libros en nuevos soles, es superio
para aquellos que tienen una vejez de 4 a 6 aos mas que cualquier otra
clasificacin de la vejez.

Comparaciones post hoc o a posteriori

El estadstico F del ANOVA nicamente nos permite
contrastar la hiptesis general de que los J promedios
comparados son iguales. Al rechazar esa hiptesis,
sabemos que las medias poblacionales comparadas no
son iguales, pero no sabemos donde en concreto se
encuentra las diferencias.
Para saber que media difiere de otra debemos utilizar un
tipo particular de contrastes denominados comparaciones
mltiples post hoc o comparaciones a posteriori. Estas
comparaciones permiten controlar la tasa de error al
efectuar varios contrastes utilizando las mismas medias,
es decir, permiten controlar la probabilidad de cometer
errores tipo I al tomar varias decisiones (los errores tipo I
se cometen cuando se decide rechazar una hiptesis nula
que en realidad no debera rechazarse).

Como hacer las comparaciones Post Hoc o a

posterirori
Pulsar en el botn Post Hoc del cuadro de dialogo ANOVA
de un factor para acceder al subcuadro de dialogo ANOVA
de un factor: Comparaciones mltiples post hoc que muestra
la figura siguiente:

 Todos los procedimientos de este cuadro,

ofrecen informacin similar: permiten, una
vez rechazada la hiptesis general del
ANOVA de que todas las medias son
iguales, averiguar que medias en concreto
difieren de que otras.

ANOVA de un factor: Contrastes

post hoc

Una vez que se ha determinado que existen diferencias entre las medias, las
pruebas de rango post hoc y las comparaciones mltiples por parejas permiten
determinar qu medias difieren. Las pruebas de rango identifican subconjuntos
homogneos de medias que no se diferencian entre s. Las comparaciones
mltiples por parejas contrastan la diferencia entre cada pareja de medias y
dan lugar a una matriz donde los asteriscos indican las medias de grupo
significativamente diferentes a un nivel alfa de 0,05.

Asumiendo varianzas iguales

La prueba de la diferencia honestamente significativa de Tukey, la GT2 de
Hochberg, la prueba de Gabriel y la prueba de Scheff son pruebas de
comparaciones mltiples y pruebas de rango. Otras pruebas de rango
disponibles son la b de Tukey, S-N-K (Student-Newman-Keuls), Duncan, R-EG-W F (prueba F de Ryan-Einot-Gabriel-Welsch), R-E-G-W Q (prueba de
rango de Ryan-Einot-Gabriel-Welsch) y Waller-Duncan. Las pruebas de
comparaciones mltiples disponibles son Bonferroni, Diferencia honestamente
significativa de Tukey, Sidak, Gabriel, Hochberg, Dunnett, Scheff y DMS
(diferencia menos significativa).

DETALLES

LSD. Utiliza pruebas t para llevar a cabo todas las comparaciones por pares entre las
medias de los grupos. Este metodo propuesto por Fischer (1935), no se efecta ninguna
correccin de la tasa de error para el hecho de realizar mltiples comparaciones (tambien
conocido como DMS = Diferencia Minima significativa, basada en la distribucion t de
Student). Es decir cada comparacion se lleva a cabo utilizandoel nivel de significacion
establecido (generalmente 0.05), por lo que la tasa de error para el conjunto de
comparaciones puede llegar a 1-(1- )k, siendo alphael nivel de significacion y k el numero
de comparaciones llevadas a cabo. (suele encontrase en la lieteratura estadistica con su
anacronico ingles: lsd =Least Significant Difference).

Bonferroni. Utiliza las pruebas de 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. Cada comparacion se evalua utilizando un nivel de significacion

Sidak (1967). Prueba de comparaciones mltiples por parejas basada en un

estadstico t, controla la tasa de error evaluando cada comparacion con un nivel
de significacion
Esta solucion es algo menos conservadora que la
Bonferroni (es decir, rechza la hipotesis de igualdad de medias en mas ocasiones
que el metodo de Bonferroni).

Scheff (1953, 1959). Realiza comparaciones mltiples conjuntas por parejas

para todas las parejas de combinaciones de las medias posibles. Utiliza 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. Tras ordenar de forma
ascendente las J medias por su tamao, se effectua todas las comparaciones
posibles entre pares de medias teneiendo en cuenta el numero de escalones ( r )
que las separan:con J escalones; la media mas pequea y la mas grande estan
separadas r = J escalones; la media mas pequea y la segunda mas grande
estan separadas r = J-1 escalones; la media mas pequea y la tercera mas
grande estan separads r = J-2 escalones; etc. Dos medias adyacentes tras la
ordenacion estan separadas 2 escalones. El numero de escalones existentes
entre las medias comparadas condiciona el nivel de significacion de cada
comparacion, siendo este mayir cuando mas alejadas se encuentren las medias
despues de ser ordenadas. En el metodo R-E-G-W-F, cada comparacion se
vealua utilizando un estadistico F y un nivel de significacion
. Es un
metofdo por pasos mas potenete que el de Duncan y el de Student Newman
Keuls (ver mas abajo), pero no es apropiado cuando los grupos tienen tamaos
distintos.

 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, utiliza el mismo estadistico que, por ejemplo, el metodo
de Student-Newman-Keuls o el metodo de Turkey, pero que controla el
nivel de significacion de cada comparacion del mismo modo que el
metodo R-E-G-WF. Es un metodo por pasos mas potente que el de
Duncan y el de Student-Newman-Kels (ver mas abajo), pro no
apropiado cuando los grupos tienen tamaos distintos.
S-N-K. metodo basao en la distribucion del rango estudentizado. Al
igual que los metodos R-E-G-W y Q, este tambien se basa en una
ordenacion de las medias por su tamao. Pero a diferencia de ellos,
aqu el nivel de significacion para cada conjunto de medias separadas
r pasos es siempre (alpha).Cuantos mas pasos existen entre dos
medias, mayor es la diferencia minima bnecesaria para consoderara
que esas medias difieren significativamemnte.
Tukey. Diferencia honest,mente significativa de Tukey. Equivale a
utilizar el metodo de Student-Newman Keuls con r=J=n de medias.
Por tanto, todas las comparaciones son referidas a una misma
diferencia minima. Es uno de los metodos de mayor aceptacion.

 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. Consiste
en considerara como diferencia minima el valor medio entre la diferencia
hostamente significativa de tukey y la diferencia minima obtenida con el
metodo de Student-Newman-Keuls para el caso de r =2.
Duncan. Prueba del rango multiple de Duncan. Metodo de comparacion
por pasos basado en la distribucion del rango estudentizado. Controla la
tasa de error utilizando, para el conjunto de medias separadas r pasos,
un nivel de significacion
. Cuantos mas pasos existen entre dos
medias, mayopr es la diferebcia minima con la que vamos a considerara
que esas medias difieran significativamente.
GT2 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, pero se basa en la
distribucion frl modulop maximo estudentizado. El metodo de Tukey suele
ser mas potente.
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 puede volverse liberal cuando los tamaos de las
casillas varan mucho. Este metodo es mas potente que el de Hochberg,
pero con tamaos muy desiguales ocurre lo contrario.

 Waller-Duncan. Prueba de comparaciones mltiples basada en un

estadstico t. Utiliza la aproximacin Bayesiana. Si los tamaos
muestrales son distintos utiliza la media armonica.
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
desea, puede 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, utilice una prueba bilateral.
Para contrastar si la media en cualquier nivel del factor es menor que
la de la categora de control, seleccione Control. Para contrastar si la
media en cualquier nivel del factor es mayor que la de la categora de
control, seleccione Control. Permite contrastes bilaterales como
unilaterales.

No asumiendo varianzas iguales

En el caso de que no podamos suponer varianzas poblacionales iguales, el

cuadro de dialogo Post Hoc permite elegir entre estos cuatro procedimientos:
T2 de Tamhane. Mtodo basado en la distribucin del modulo mximo
estudentizado.
T3 de Dunnett. Modificacin propuesta por Dunnett al estadstico T2 de
Tamhane. Se basa tambin en la distribucin del modulo mximo
estudentizado.
Games Howell. Mtodo similar al de Tukey. Se basa en la distribucin del
rango estudentizado y en un estadstico T en el que, tras estimar las varianzas
poblacionales suponiendo que son distintas, se corrigen los grados de libertad
mediante la ecuacin de Welch. En trminos generales, de los cuatro mtodos
de este apartado, el de Games-Howell es el que mejor controla la tasa de error
en diferentes situaciones.
C de Dunnett. Mtodo idntico al de Games-Howell excepto en la forma de
corregir los grados de libertad de la distribucin del rango estudentizado. Esta
solucin es mas conservadora que la de Games-Howell.
Nivel de significacin: esta opcin permite establecer el nivel de significacin
con el que se desean llevar a cabo las comparaciones mltiples.

Comparacin planeadas a posteriori

La
opcin
contraste
permite
solicitar
comparaciones de tendencia y definir cualquier
otro tipo de comparacin entre medias que se
nos ocurra plantear.

ANOVA de un factor: Contrastes

Puede dividir las sumas de cuadrados inter-grupos en componentes de

Puede dividir las sumas de cuadrados inter-grupos en componentes de

tendencia o especificar contrastes a priori.

Polinmico. Divide las sumas de cuadrados inter-grupos en componentes de

tendencia. Puede contrastar la existencia de tendencia en la variable
dependiente a travs de los niveles ordenados de la variable de factor. Por
ejemplo, podra contrastar si existe una tendencia lineal (creciente o
decreciente) en el salario, a travs de los niveles ordenados de la titulacin
mayor obtenida.
Orden. Se puede elegir un orden polinmico 1, 2, 3, 4 o 5.

Coeficientes. Contrastes a priori especificados por el usuario que sern

contrastados mediante el estadstico t. Introduzca un coeficiente para cada
grupo (categora) de la variable factor y pulse en Aadir despus de cada
entrada. Cada nuevo valor se aade al final de la lista de coeficientes. Para
especificar conjuntos de contrastes adicionales, pulse en Siguiente. Utilice
Siguiente y Anterior para desplazarse por los conjuntos de contrastes.

El orden de los coeficientes es importante porque se corresponde con el orden

ascendente de los valores de las categoras de la variable de factor. El primer
coeficiente en la lista se corresponde con el menor de los valores de grupo en
la variable de factor y el ltimo coeficiente se corresponde con el valor ms
alto. Por ejemplo, si existen seis categoras en la variable factor, los
coeficientes 1, 0, 0, 0, 0,5 y 0,5 contrastan el primer grupo con los grupos
quinto y sexto. Para la mayora de las aplicaciones, la suma de los coeficientes
debera ser 0. Los conjuntos que no sumen 0 tambin se pueden utilizar, pero
aparecer un mensaje de advertencia.

Ejemplo (ANOVA de un factor/Contrastes

Polinomicos)
Marcar la opcin: Polinomico, y dentro de la lista desplegable
cbico (aunque la variable independiente vejez tienen 4 niveles
y podemos, por lo tanto evaluar hasta 3 tendencias, mas all de
la tendencia cbica no resulta fcil interpretar la relacin).

Obteniendo:
ANOVA
Precio en Nuevos Soles

Inter-grupos

Intra-grupos
Total

(Combinados)
Trmino lineal

No ponderado
Ponderado

Suma de
cuadrados
15790.924
15790.924

1
1

Media
cuadrtica
15790.924
15790.924

F
4.965
4.965

Sig.
.034
.034

15790.924

15790.924

4.965

.034

89044.543
104835.467

28
29

3180.162

gl

La informacin referida a las comparaciones de tendencia aparecen integrada en la

Tabla resumen del ANOVA como parte de la variacin Inter-grupos. Puesto que los
Grupos no tienen el mismo tamao, la salida ofrece tanto la solucin no ponderada
Como la ponderada. Cada tendencia aparece con su correspondiente suma de
cuadrados, sus grados de libertad, su media cuadrtica, su estadstico F y el nivel
critico asociado a su estadstico F.

 Nos fijamos en la solucin ponderada (aunque, en este

ejemplo, ambas soluciones llevan a la misma conclusin). La
hiptesis nula que contrastamos con cada tendencia es que la
relacin representada por esa tendencia concreta es nula. La
tendencia o termino cbico tienen un nivel critico asociado de
0.034; puesto que ese valor es menor que 0.05 rechazamos la
hiptesis de que la tendencia cbica es nula y concluimos que
entre la vejez y el precio en soles de los libros si existe relacin
cbica significativa.
sea la relacin es cbica.
Si contrastamos la forma lineal veamos:

ANOVA
Precio en Nuevos Soles

Inter-grupos

Intra-grupos
Total

(Combinados)
Trmino lineal

No ponderado
Ponderado

Suma de
cuadrados
15790.924
15790.924

1
1

Media
cuadrtica
15790.924
15790.924

F
4.965
4.965

Sig.
.034
.034

15790.924

15790.924

4.965

.034

89044.543
104835.467

28
29

3180.162

gl

Como el resultado del sig. Es 0.034 menor que 0.05 aceptamos la hiptesis alterna,
ose tambin existe una relacin entre el precio y la vejez que es lineal.
Debiendo realizar todos lo contrastes de todas las posibles relaciones para
Establecer con exactitud cual es la relacin mas apropiada.

Ejemplo (ANOVA de un factor/Contrastes

personalizados)
Este ejemplo muestra como efectuar contrastes
personalizados utilizando la Opcin Contrastes, del cuadro
del ANOVA, seguiremos utilizando Vejez, como variable
independiente o factor y precio como variable dependiente.
Como ejemplo de contrastes personalizados vamos a
comparar, en primer lugar los dos primeros casos de
vejez, y en segundo lugar los otros dos ltimos. Es decir
vamos a llevar acabo dos contrastes. Para ellos, debemos
introducir los coeficientes apropiados en el cuadro de texto
coeficientes y llevarlos a la lista inferior con el botn
Adicionar.

 Para definir el primer contraste, asignar los

coeficientes 1, 2 y luego pulsar siguiente
para luego asignar los valores 3 y 4.
Aceptando esta opciones obtenemos:

Coeficientes de los contrastes

Contraste
1
2

Antiguedad del libro

segun
recodificacion
Entre 4 y Entre 7 y
6 aos
9 aos
1
2
2
3

La tabla de coeficientes muestra los coeficientes que hemos asignado al definir

nuestros dos contrastes. Esta informacin sirve para comprobar si los contrastes
que se estn llevando a cabo estn correctamente definidos.
En la tabla siguiente, aparecen dos bloques de informacin que debemos utilizar de
forma alternativa: el primero de ellos, los contrastes propuestos estn evaluados sin
suponer igualdad de varianzas. Aunque es frecuente que ambos procedimientos
lleven a la misma conclusin, debemos utilizar aquel que se corresponda con la
situacin real de nuestro estudio.

Pruebas para los contrastes

Precio en Nuevos Soles

Asumiendo igualdad
de varianzas
No asumiendo
igualdad de varianzas

Contraste
1
2
1
2

Valor del
Error tpico
contraste
a
227.71
31.510
a
394.95
51.596
a
227.71
29.320
394.95

50.423

t
7.227
7.655
7.766

gl
28
28
27.933

Sig. (bilateral)
.000
.000
.000

7.833

26.487

.000

a. La suma de los coeficientes del contraste no es cero.

La hiptesis nula que se pone a prueba con cada contraste es que los promedios de
los precios comparados son iguales. Observando los niveles crticos de ambos contrastes
vemos que debemos: 1 )rechazar la hiptesis nula referida al primer contraste
(pues 0.000<0.05) y 2) rechazar la hiptesis nula referida al segundo contraste
(pues 0.000< 0.05).
En consecuencia podemos concluir, en primer lugar, que el promedio de los precios
en soles de los libros difieren de los precios promedios de los ltimos grupos, y en
segundo lugar, que el promedio de precios en soles de los libros de los estados 3 y
4 difiere significativamente de los precios promedios en soles de los libros en los
estados 1 y 2.

FIN