Prueba H de Kruskal-Wallis con SPSS Statistics

Introducción

La prueba H de Kruskal-Wallis (a veces también llamada «ANOVA de rangos unidireccional») es una prueba no paramétrica basada en rangos que se puede usar para determinar si existen diferencias estadísticamente significativas entre dos o más grupos de una variable independiente en un variable dependiente continua u ordinal. Se considera la alternativa no paramétrica al ANOVA unidireccional y una extensión de la prueba U de Mann-Whitney para permitir la comparación de más de dos grupos independientes.

Por ejemplo, podría usar una prueba H de Kruskal-Wallis para comprender si el desempeño en el examen, medido en una escala continua de 0 a 100, difería según los niveles de ansiedad ante el examen (es decir, su variable dependiente sería «rendimiento en el examen» y su variable independiente sería «nivel de ansiedad ante los exámenes», que tiene tres grupos independientes: estudiantes con niveles de ansiedad ante los exámenes «bajo», «medio» y «alto»). Alternativamente, podría usar la prueba H de Kruskal-Wallis para comprender si las actitudes hacia la discriminación salarial, donde las actitudes se miden en una escala ordinal, diferían según el puesto de trabajo (es decir, su variable dependiente sería «actitudes hacia la discriminación salarial», medidas en una escala de 5 puntos de «totalmente de acuerdo» a «totalmente en desacuerdo», y su variable independiente sería «descripción del puesto», que tiene tres grupos independientes: «piso de producción», «gerencia intermedia» y «sala de juntas»).

Nota: si desea tener en cuenta la naturaleza ordinal de una variable independiente y tener una hipótesis alternativa ordenada, puede ejecutar una prueba de Jonckheere-Terpstra en lugar de la prueba H de Kruskal-Wallis.

Es importante darse cuenta de que la prueba H de Kruskal-Wallis es una estadística de prueba ómnibus y no puede decirle qué grupos específicos de su variable independiente son estadísticamente significativamente diferentes entre sí; solo te dice que al menos dos grupos eran diferentes. Dado que puede tener tres, cuatro, cinco o más grupos en el diseño de su estudio, es importante determinar cuáles de estos grupos difieren entre sí. Puede hacer esto usando una prueba post hoc (NB, discutiremos las pruebas post hoc más adelante en esta guía).

Esta guía de «inicio rápido» le muestra cómo realizar una prueba H de Kruskal-Wallis con SPSS Statistics, así como interpretar e informar los resultados de esta prueba. Sin embargo, antes de presentarle este procedimiento, debe comprender las diferentes suposiciones que deben cumplir sus datos para que una prueba H de Kruskal-Wallis le proporcione un resultado válido. Discutimos estos supuestos a continuación.

suposiciones

Cuando elige analizar sus datos usando una prueba Kruskal-Wallis H, parte del proceso implica verificar para asegurarse de que los datos que desea analizar realmente puedan analizarse usando una prueba Kruskal-Wallis H. Debe hacer esto porque solo es apropiado usar una prueba Kruskal-Wallis H si sus datos «pasan» cuatro suposiciones que se requieren para que una prueba Kruskal-Wallis H le brinde un resultado válido. En la práctica, verificar estas cuatro suposiciones solo agrega un poco más de tiempo a su análisis, lo que requiere que haga clic en algunos botones más en SPSS Statistics al realizar su análisis, así como pensar un poco más sobre sus datos, pero es no es una tarea difícil.

Antes de presentarle estos cuatro supuestos, no se sorprenda si, al analizar sus propios datos con SPSS Statistics, uno o más de estos supuestos se violan (es decir, no se cumplen). Esto no es raro cuando se trabaja con datos del mundo real en lugar de ejemplos de libros de texto, que a menudo solo le muestran cómo llevar a cabo una prueba H de Kruskal-Wallis cuando todo va bien. Sin embargo, no te preocupes. Incluso cuando sus datos fallan en ciertas suposiciones, a menudo hay una solución para superar esto. Primero, echemos un vistazo a estas cuatro suposiciones:

  • Suposición #1: Su variable dependiente debe medirse en el ordinal o nivel continuo (es decir, intervalo o relación). Ejemplos de variables ordinales incluir escalas de Likert (p. ej., una escala de 7 puntos desde «totalmente de acuerdo» hasta «totalmente en desacuerdo»), entre otras formas de clasificar categorías (p. ej., una escala de 3 puntos que explica cuánto le gustó un producto a un cliente, que va desde » No mucho», a «Está bien», a «Sí, mucho»). Ejemplos de Variables continuas incluyen el tiempo de revisión (medido en horas), la inteligencia (medida mediante la puntuación de CI), el rendimiento en el examen (medido de 0 a 100), el peso (medido en kg), etc. Puedes aprender más sobre variables ordinales y continuas en nuestro artículo: Tipos de Variable.
  • Suposición #2: Su variable independiente debe consistir en dos o más categóricas, grupos independientes. Por lo general, se usa una prueba H de Kruskal-Wallis cuando tiene tres o más grupos categóricos e independientes, pero se puede usar solo para dos grupos (es decir, una prueba U de Mann-Whitney se usa más comúnmente para dos grupos). Las variables independientes de ejemplo que cumplen con este criterio incluyen el origen étnico (p. ej., tres grupos: caucásico, afroamericano e hispano), nivel de actividad física (p. ej., cuatro grupos: sedentario, bajo, moderado y alto), profesión (p. ej., cinco grupos: cirujano, médico, enfermera, dentista, terapeuta), etc.
  • Suposición #3: Deberías independencia de las observaciones, lo que significa que no hay relación entre las observaciones en cada grupo o entre los propios grupos. Por ejemplo, debe haber diferentes participantes en cada grupo sin que ningún participante esté en más de un grupo. Este es más un problema de diseño del estudio que algo que se puede probar, pero es una suposición importante de la prueba H de Kruskal-Wallis. Si su estudio no cumple con esta suposición, deberá utilizar otra prueba estadística en lugar de la prueba H de Kruskal-Wallis (p. ej., una prueba de Friedman). Si no está seguro de si su estudio cumple con esta suposición, puede utilizar nuestro Selector de pruebas estadísticas, que forma parte de nuestro contenido mejorado.

Como la prueba H de Kruskal-Wallis no asume la normalidad de los datos y es mucho menos sensible a los valores atípicos, se puede usar cuando se han violado estos supuestos y el uso de un ANOVA de una vía es inapropiado. Además, si sus datos son ordinales, un ANOVA unidireccional es inapropiado, pero la prueba H de Kruskal-Wallis no lo es. Sin embargo, la prueba Kruskal-Wallis H viene con una consideración de datos adicional, Suposición #4que se analiza a continuación:

  • Suposición #4: Para saber cómo interpretar los resultados de una prueba H de Kruskal-Wallis, debe determinar si el distribuciones en cada grupo (es decir, la distribución de puntajes para cada grupo de la variable independiente) tienen la Misma forma (que también significa el misma variabilidad). Para entender lo que esto significa, eche un vistazo al siguiente diagrama: Dos gráficas para la prueba Kruskal-Wallis H para mostrar el supuesto de distribución

    Copyright 2014. Estadísticas de Laerd

    En el diagrama de arriba a la izquierda, el distribución de puntuaciones para los grupos «caucásicos», «afroamericanos» e «hispanos» tienen la Misma forma. Por otro lado, en el diagrama de arriba a la derecha, la distribución de puntajes para cada grupo es no es identico (es decir, tienen Diferentes formas y variabilidades).

    Si sus distribuciones tienen la misma forma, puede usar SPSS Statistics para realizar una prueba H de Kruskal-Wallis para comparar las medianas de su variable dependiente (p. ej., «puntuación de compromiso») para los diferentes grupos de la variable independiente que le interesan (p. ej., los grupos, caucásico, afroamericano e hispano, para la variable independiente, «etnicidad»). Sin embargo, si sus distribuciones tienen un forma diferentesolo puede usar la prueba Kruskal-Wallis H para comparar rangos medios. Tener distribuciones similares simplemente le permite usar medianas para representar un cambio de ubicación entre los grupos (como se ilustra en el diagrama de arriba a la izquierda). Como tal, es muy importante verificar esta suposición o puede terminar interpretando sus resultados incorrectamente.

Puede comprobar la suposición n.º 4 con SPSS Statistics. También debe verificar que sus datos cumplan con los supuestos n.° 1, n.° 2 y n.° 3, lo que puede hacer sin usar SPSS Statistics. Solo recuerde que si no verifica la suposición n.° 4, no sabrá si puede comparar medianas o simplemente rangos medios, lo que significa que podría interpretar e informar incorrectamente el resultado de la prueba H de Kruskal-Wallis. Es por eso que dedicamos una serie de secciones de nuestra guía mejorada de prueba Kruskal-Wallis H para ayudarlo a hacerlo bien. Puede obtener más información sobre la suposición n.° 4 y lo que deberá interpretar en el suposiciones sección de nuestro Guía de prueba mejorada de Kruskal-Wallis H, a la que puede acceder suscribiéndose a Laerd Statistics.

En la sección Procedimiento de prueba en SPSS Statistics de esta guía de «inicio rápido», ilustramos el procedimiento de SPSS Statistics para realizar una prueba H de Kruskal-Wallis suponiendo que sus distribuciones no tienen la misma forma y que debe interpretar rangos medios en lugar de medianas. Primero, presentamos el ejemplo que usamos para explicar el procedimiento de prueba Kruskal-Wallis H en SPSS Statistics.

Ejemplo

Un investigador médico ha escuchado evidencia anecdótica de que ciertos medicamentos antidepresivos pueden tener el efecto secundario positivo de reducir el dolor neurológico en aquellas personas con dolor de espalda neurológico crónico, cuando se administran en dosis más bajas que las prescritas para la depresión. Al investigador médico le gustaría investigar esta evidencia anecdótica con un estudio. El investigador identifica 3 fármacos antidepresivos bien conocidos que podrían tener este efecto secundario positivo y los etiqueta como Fármaco A, Fármaco B y Fármaco C. Luego, el investigador recluta un grupo de 60 personas con un nivel similar de dolor de espalda y al azar los asigna a uno de tres grupos (grupos de tratamiento de Medicamento A, Medicamento B o Medicamento C) y prescribe el medicamento correspondiente durante un período de 4 semanas. Al final del período de 4 semanas, el investigador les pide a los participantes que califiquen su dolor de espalda en una escala del 1 al 10, donde 10 indica el mayor nivel de dolor. El investigador quiere comparar los niveles de dolor experimentados por los diferentes grupos al final del período de tratamiento farmacológico. El investigador realiza una prueba H de Kruskal-Wallis para comparar esta medida dependiente ordinal (Puntuación_del_dolor) entre los tres tratamientos farmacológicos (es decir, la variable independiente, Grupo_de_tratamiento_medicamento, es el tipo de fármaco con más de dos grupos).