Prueba de Kruskal Wallis SPSS

Este rápido tutorial le mostrará cómo realizar e interpretar la prueba de Kruskal Wallis en el paquete de estadísticas SPSS.

La prueba de Kruskal-Wallis es una alternativa para un ANOVA unidireccional si se anulan los supuestos de este último. Mostraremos en un minuto por qué es así con los datos que usaremos en este tutorial. Pero primero echemos un vistazo rápido a lo que hay en los datos de todos modos.

Los datos

Nuestros datos contienen el resultado de un pequeño experimento con respecto a la creatina, un suplemento popular entre los culturistas. Estos se dividieron en 3 grupos: algunos no tomaron creatina, otros la tomaron por la mañana y otros la tomaron por la tarde. Después de hacerlo durante un mes, se midió el aumento de peso. La pregunta básica de la investigación es

¿el aumento de peso medio depende de la condición de la creatina a la que se asignaron las personas?

Es decir, comprobaremos si tres medias -cada una calculada sobre un grupo diferente de personas- son iguales. La prueba más probable para este escenario es un ANOVA unidireccional, pero su uso requiere algunas suposiciones. Algunas comprobaciones básicas nos dirán que estas suposiciones no se satisfacen con los datos que tenemos a mano.

Comprobación de datos 1 – Histograma

Una comprobación de datos muy eficiente es ejecutar histogramas en todas las variables métricas. La forma más rápida de hacerlo es ejecutando la sintaxis siguiente.

*Crear el histograma de aumento de peso.

Resultado del histograma

Primero, nuestro histograma parece plausible con todos los aumentos de peso entre -1 y +5 kilos, que son resultados razonables en un mes. Sin embargo, nuestra variable de resultado no se distribuye normalmente como se requiere para el ANOVA. Esto no es un problema para muestras más grandes de, digamos, al menos 30 personas en cada grupo. * Sin embargo, para nuestra pequeña muestra, esto plantea un verdadero problema.

Verificación de datos 2 – Descripciones por grupo

Bien, ahora después de asegurarnos de que los resultados del aumento de peso parecen creíbles, veamos si nuestros 3 grupos tienen realmente medios diferentes. La forma más rápida de hacerlo es un simple comando de MEDIOS como se muestra a continuación.

*Inspeccionar los medios y las desviaciones estándar.

Significado de la salida en SPSS

En primer lugar, nótese que nuestro grupo de creatina nocturna (4 participantes) ganó un promedio de 961 gramos, frente a los 120 gramos de «sin creatina». Esto sugiere que la creatina hace una verdadera diferencia.
Pero no pasen por alto las desviaciones estándar de nuestros grupos: son muy diferentes pero el ANOVA exige que sean iguales.* Esta es una segunda violación de los supuestos del ANOVA.

Prueba de Kruskal Wallis

Entonces, ¿qué deberíamos hacer ahora? Nos gustaría usar un ANOVA pero nuestros datos violan seriamente sus supuestos. Bueno, una prueba que fue diseñada precisamente para esta situación es la prueba de Kruskal-Wallis que no requiere estas suposiciones. Básicamente reemplaza las puntuaciones de aumento de peso con sus números de rango y prueba si son iguales en los grupos. Lo haremos siguiendo las siguientes capturas de pantalla.

Ejecutando una prueba de Kruskal Wallis en SPSS

Usamos muestras independientes de K si comparamos 3 o más grupos de casos. Son «independientes» porque nuestros grupos no se superponen (cada caso pertenece a una sola condición de creatina).

Dependiendo de su licencia, su versión de SPSS puede o puede tener la opción Exacta que se muestra a continuación. Está bien saltarse este paso de otra manera.

Sintaxis de la prueba de Kruskal Wallis de SPSS

Siguiendo las capturas de pantalla anteriores se obtiene la siguiente sintaxis. Lo ejecutaremos y explicaremos el resultado.

*Sintaxis de prueba básica de Kruskal-Wallis.

Salida de la prueba de SPSS Kruskal Wallis

Nos saltaremos la tabla de «RANQUES» y nos dirigiremos a las «Estadísticas de Pruebas» que se muestran a continuación.

1* – Nuestra estadística de prueba, incorrectamente etiquetada como «Chi-cuadrado» por SPSS, se conoce como Kruskal-Wallis H. Un valor mayor indica mayores diferencias entre los grupos que estamos comparando. Para nuestros datos es aproximadamente 3,87. Necesitamos saber su distribución de muestreo para evaluar si es inusualmente grande.

3* – Exact Sig. utiliza la distribución de muestreo exacta (pero muy compleja) de H. Sin embargo, resulta que si cada grupo contiene 4 o más casos, esta distribución de muestreo exacta es casi idéntica a la distribución de chi-cuadrado (mucho más simple).

2* – Por lo tanto, normalmente nos aproximamos al valor p con una distribución chi-cuadrado. Si comparamos los grupos k, tenemos k – 1 grados de libertad, denotados por df en nuestra salida.

4* – Asymp. Sig. es el valor p basado en nuestra aproximación al chi-cuadrado. El valor de 0,145 significa básicamente que hay un 14,5% de posibilidades de encontrar los resultados de nuestra muestra si la creatina no tiene ningún efecto en la población en general. Así que si la creatina no hace nada en absoluto, tenemos una oportunidad justa (14,5%) de encontrar esas pequeñas diferencias de ganancia de peso sólo por un muestreo aleatorio. Si p > 0,05, normalmente concluimos que nuestras diferencias no son estadísticamente significativas.
Obsérvese que nuestro valor p exacto es 0,146 mientras que el valor p aproximado es 0,145. Esto apoya la afirmación de que H está casi perfectamente distribuido al chi-cuadrado.

Prueba de Kruskal Wallis – Reporte

La forma oficial de informar de los resultados de nuestras pruebas incluye nuestro valor chi-cuadrado, df y p, ya que en este estudio no se demostró ningún efecto de la creatina, χ2(2) = 3,87, p = 0,15.

Bien, eso es todo para este tutorial rápido. Ahora deberías ser capaz de hacer la prueba de Kruskal Wallis de SPSS.