Comparación entre grupos (t-test y ANOVA)
Compara grupos con t-tests o ANOVA, tamaños del efecto y comprobación de supuestos — listo para reportar en APA.
Esta página es una traducción del original inglés revisado. Ver el original (EN)
comparación entre gruposQué es
La comparación entre grupos prueba si la media de un resultado difiere entre grupos independientes. Con dos grupos usas un t-test de muestras independientes; con tres o más usas un ANOVA de un factor, y un ANOVA significativo va seguido de pruebas post-hoc para ver qué grupos difieren. Estos métodos responden a una pregunta sencilla y común — ¿cambia la pertenencia al grupo el resultado? — y forman parte tanto de la investigación experimental como de la de encuestas, allí donde comparas condiciones, segmentos o tratamientos.
Cuándo usarlo
- Comparas dos grupos independientes en un resultado continuo (t-test).
- Comparas tres o más grupos independientes (ANOVA de un factor).
- Realizaste un experimento con condiciones separadas y quieres probar la diferencia.
- Necesitas un tamaño del efecto, no solo un valor p, para tu informe.
Cuándo no usarlo
- Las mismas personas se miden más de una vez — usa en su lugar un diseño de medidas repetidas.
- Tu resultado es categórico — usa una prueba chi-cuadrado en lugar de una comparación de medias.
Supuestos
- Observaciones independientes — cada encuestado está en un solo grupo.
- El resultado se distribuye aproximadamente normal dentro de cada grupo (o los grupos son grandes). Si no es así y los grupos son pequeños, consulta la sección de Kruskal-Wallis más abajo.
- Homogeneidad de la varianza entre grupos (test de Levene); usa la corrección de Welch si se viola.
- Sin valores atípicos extremos que distorsionen las medias de los grupos.
Umbrales y valores de corte
| Criterion | Rule of thumb | Source |
|---|---|---|
| Significación (α) | p < .05 convencional | Convención NHST estándar |
| Cohen's d (t-test) | .20 pequeño, .50 medio, .80 grande | Cohen (1988) |
| η² / η² parcial (ANOVA) | .01 pequeño, .06 medio, .14 grande | Cohen (1988) |
| η²H (Kruskal-Wallis) | (H − k + 1) / (n − k); a menudo se lee como η²: .01 pequeño, .06 medio, .14 grande | Tomczak & Tomczak (2014) para la fórmula; referencias de Cohen (1988) para η² |
| Test de Levene | p > .05 respalda varianzas iguales | Levene (1960) |
Test de Kruskal-Wallis: cuando el resultado no es normal
El test H de Kruskal-Wallis (Kruskal & Wallis, 1952) compara tres o más grupos independientes a partir de rangos en lugar de medias. Es la contraparte basada en rangos del ANOVA de un factor; para dos grupos, la contraparte es el test U de Mann-Whitney. Es una opción sensata cuando los grupos son pequeños y el resultado es claramente no normal, muy asimétrico o tiene valores atípicos, y cuando el resultado es ordinal, como un único ítem Likert.
Contrasta la elección con tu tamaño de muestra. Con grupos más grandes (aproximadamente n > 30 por grupo), el ANOVA, o el ANOVA de Welch cuando las varianzas difieren, suele ser robusto a la no normalidad, y Shapiro-Wilk señala incluso desviaciones triviales en muestras grandes (consulta comprobación de supuestos). En ese caso se pueden defender ambas pruebas, pero responden a preguntas distintas: el ANOVA compara medias, Kruskal-Wallis compara distribuciones de rangos. Decide la prueba antes de mirar el resultado, y di en tu informe por qué la elegiste.
Con tamaños de grupo moderados, H se compara con una distribución chi-cuadrado con k − 1 grados de libertad, donde k es el número de grupos (es una aproximación; con grupos muy pequeños, usa valores p exactos). Repórtalo como H(df) = X.XX, p = .0XX. El tamaño del efecto habitual es eta cuadrado basado en H: η²H = (H − k + 1) / (n − k), donde n es el tamaño total de la muestra (Tomczak & Tomczak, 2014). Por ejemplo, H = 13.22 con k = 6 grupos y n = 521 da η²H = (13.22 − 5) / 515 = .016.
Un H significativo solo dice que los valores de al menos un grupo tienden a ser más altos o más bajos que los de otro. Continúa con el test de Dunn (Dunn, 1964) para las comparaciones por pares, corrige los valores p por comparaciones múltiples (por ejemplo, con el método de Holm; Holm, 1979) y reporta los valores p corregidos.
Fuentes: Kruskal, W. H., & Wallis, W. A. (1952), Journal of the American Statistical Association, 47(260), 583-621, doi:10.1080/01621459.1952.10483441. Dunn, O. J. (1964), Technometrics, 6(3), 241-252, doi:10.1080/00401706.1964.10490181. Tomczak, M., & Tomczak, E. (2014), Trends in Sport Sciences, 21(1), 19-25. Holm, S. (1979), Scandinavian Journal of Statistics, 6(2), 65-70.
Cómo informarlo en APA
Un t-test de muestras independientes mostró que el grupo A (M = X.XX, SD = X.XX) puntuó más alto que el grupo B (M = X.XX, SD = X.XX), t(df) = X.XX, p = .0X, d = .XX. (Para ANOVA: Un ANOVA de un factor reveló un efecto significativo del grupo, F(df1, df2) = X.XX, p = .0X, η² = .XX.)
Cómo lo ejecuta Explonia
Explonia ejecuta t-tests de muestras independientes y ANOVA de un factor en el navegador a partir de los datos que recoges o subes. Comprueba los supuestos por ti — incluido el test de Levene — aplica la corrección de Welch cuando las varianzas difieren, y reporta los tamaños del efecto (Cohen's d, eta cuadrado) junto a la prueba, además de comparaciones post-hoc tras un ANOVA significativo. En modo Auto, si Shapiro-Wilk señala no normalidad en algún grupo, Explonia cambia a Mann-Whitney (dos grupos) o Kruskal-Wallis (tres o más), con η²H y pruebas post-hoc de Dunn con corrección de Holm. También puedes elegir la prueba tú mismo, por ejemplo ANOVA o el ANOVA de Welch cuando los grupos son grandes. Los resultados redactan una «Article description» en estilo APA que puedes editar. La exportación a SPSS (.sav) y R está disponible en los planes de pago.
Preguntas frecuentes
¿Cuándo uso un t-test en lugar de ANOVA?
Usa un t-test de muestras independientes para comparar exactamente dos grupos, y un ANOVA de un factor para tres o más. Un ANOVA con dos grupos da el mismo resultado que un t-test.
¿Por qué debería reportar un tamaño del efecto?
Un valor p te dice si una diferencia es estadísticamente significativa; un tamaño del efecto (Cohen's d, eta cuadrado) te dice cómo de grande es. El estilo APA pide ambos. Trata las etiquetas pequeño/medio/grande de Cohen como convenciones aproximadas, no como verdad específica del campo — un efecto «pequeño» puede ser importante según el resultado.
¿Qué pasa si el test de Levene es significativo?
Un test de Levene significativo significa que los grupos tienen varianzas desiguales. Usa el t-test de Welch o el ANOVA de Welch, que no asumen varianzas iguales; Explonia lo aplica por ti.
¿Qué prueba post-hoc sigue a un ANOVA significativo?
El HSD de Tukey es una opción común para todas las comparaciones por pares con varianzas iguales. Explonia ejecuta las comparaciones post-hoc automáticamente tras un ANOVA significativo.
¿Cuándo debería usar Kruskal-Wallis en lugar de ANOVA?
Usa Kruskal-Wallis cuando los grupos son pequeños y el resultado es claramente no normal, asimétrico u ordinal. Con grupos grandes (aproximadamente n > 30 por grupo), el ANOVA o el ANOVA de Welch suele ser robusto, así que un test de Shapiro-Wilk significativo por sí solo no es una razón sólida para cambiar. Uses la prueba que uses, justifica la elección en tu informe.
Last updated: septiembre 2026
Ejecuta t-test / ANOVA con tus propios datos
Recoge o sube tus datos, ejecuta el análisis en tu navegador y obtén un borrador de párrafo APA que puedes editar. Empieza gratis. Sin tarjeta.
Empezar gratis