Interacción en un ANOVA de dos factores: cómo interpretarla

Qué pregunta responde la interacción

Imagina dos factores: método de enseñanza —A o B— y nivel inicial —bajo o alto—. El efecto principal de método compara A con B promediando ambos niveles. El efecto principal de nivel compara bajo con alto promediando métodos. La interacción pregunta algo distinto: ¿la diferencia A−B es igual en nivel bajo y alto? Si esas dos diferencias no coinciden más de lo esperable por variación aleatoria, aparece una interacción.

La definición evita un error común: dos efectos principales significativos no forman una interacción. Puede ocurrir que A supere a B por cinco puntos tanto en nivel bajo como alto; habría efecto de método, quizá efecto de nivel, pero el patrón es paralelo y aditivo. También puede existir interacción sin ningún efecto principal claro, por ejemplo cuando A ayuda a un grupo y perjudica al otro y ambos cambios se cancelan al promediar.

Cómo localizarla en SPSS, R, jamovi o JASP

Busca una fila nombrada factorA * factorB, factorA:factorB, A × B o una expresión equivalente. Esa fila tiene su propia suma de cuadrados, grados de libertad, F, p y, según el programa, tamaño de efecto. Lee todos los valores de la misma fila y del mismo modelo. La p de Levene, la de un efecto principal o la de una comparación posterior no sustituyen la p de interacción.

En un diseño 2 × 2, el efecto de interacción suele tener un grado de libertad en el numerador. Con más niveles, gl = (a−1)(b−1). El denominador depende del diseño, los casos válidos y la estructura del modelo. Medidas repetidas, diseños mixtos y correcciones pueden producir otros denominadores; no fuerces sus resultados dentro de una plantilla entre sujetos.

Pasa F, gl, p y tipo de efecto por el interpretador de resultados SPSS antes de redactar.

Medias de celda: la tabla que explica el resultado

La prueba F indica si el patrón observado es compatible con ausencia de interacción, pero no explica la dirección. Para eso necesitas una tabla con N, media y dispersión de cada combinación. En un 2 × 2 hay cuatro celdas. Compara la diferencia entre métodos dentro de cada nivel y, si responde a la pregunta, la diferencia entre niveles dentro de cada método.

Ejemplo: principiantes con método A, M = 74; principiantes con B, M = 62; avanzados con A, M = 82; avanzados con B, M = 81. La diferencia A−B es 12 en principiantes y 1 en avanzados. La interacción describe esa diferencia de diferencias: 12−1 = 11 puntos. Todavía hacen falta incertidumbre y prueba; la aritmética muestra qué estimando está detrás de la fila F.

• Verifica que las etiquetas y el orden de los factores sean correctos.
• Incluye tamaño de cada celda: un promedio basado en tres casos no pesa igual que uno basado en treinta.
• Muestra SD o intervalos; las medias solas ocultan la precisión.
• Con datos desbalanceados, confirma qué medias estimadas y sumas de cuadrados usa el modelo.

Gráfico de interacción: útil, pero no es una prueba

Un gráfico conecta las medias de un factor para cada nivel del otro. Líneas aproximadamente paralelas sugieren ausencia de interacción; líneas que divergen, convergen o se cruzan sugieren que el efecto cambia. El gráfico permite detectar la forma: ordinal si la dirección se mantiene y cambia la magnitud, o de cruce si la dirección se invierte.

No diagnostiques significación por la inclinación. La escala del eje puede exagerar una diferencia y la ausencia de intervalos oculta incertidumbre. Tampoco concluyas que líneas que no se cruzan significan «sin interacción»: divergir es suficiente. Usa el gráfico para explicar y verificar, y la prueba con su intervalo o efectos simples para cuantificar.

Qué hacer cuando la interacción es significativa

Primero define qué descomposición responde a la hipótesis. Si el objetivo era saber qué método funciona dentro de cada nivel, compara A y B por separado en principiantes y avanzados. Si la pregunta era cómo cambia el nivel dentro de cada método, invierte el condicionamiento. Ejecutar ambas familias sin plan duplica oportunidades de falsos positivos.

Después aplica una corrección apropiada a la familia de comparaciones —por ejemplo Holm o Bonferroni— o usa contrastes planificados. Informa diferencia estimada, intervalo, estadístico y p ajustada, no solo «significativo/no significativo». Dos p, una menor y otra mayor que .05, no prueban por sí solas que los efectos sean distintos: la interacción es la prueba directa de esa diferencia.

Efectos simples, comparaciones y tendencias

Un efecto simple evalúa un factor dentro de un nivel concreto del otro. Si un factor tiene más de dos niveles, el efecto simple global puede necesitar comparaciones por pares para localizar la diferencia. Una variable ordenada también puede justificar contrastes de tendencia. Declara cuáles se planificaron antes y cuáles surgieron al inspeccionar los datos.

No conviertas cada celda en una t independiente sin considerar el error del modelo, el ajuste múltiple y la pregunta. Herramientas como medias marginales estimadas conservan el marco del modelo y permiten contrastes coherentes. Con covariables, desbalance o modelos mixtos, las medias estimadas pueden diferir de los promedios crudos; informa cuál utilizas.

Cómo tratar los efectos principales

Con una interacción relevante, un efecto principal es un promedio condicionado por la distribución de niveles. Puede mencionarse, pero no debe convertirse en la conclusión universal. «El método A obtuvo mayor puntuación en promedio» necesita inmediatamente la precisión de que la ventaja se concentró en principiantes, si ese es el patrón.

Si la interacción no alcanza el umbral, puedes interpretar los efectos principales cuando el diseño, la precisión y el modelo lo permiten. No escribas que «no existe interacción»: informa el estimado o patrón, p e incertidumbre. Una muestra pequeña puede ser incapaz de distinguir una interacción útil de cero.

Ejemplo de interpretación y formato APA 7

Supón una interacción método × nivel, F(1, 76) = 5.90, p = .018, ηp² = .07. Un inicio defendible sería: «Se observó una interacción entre método y nivel inicial, F(1, 76) = 5.90, p = .018, ηp² = .07». Luego describe las cuatro medias y los contrastes: A superó a B entre principiantes, diferencia = 12.0, IC 95% [5.1, 18.9], p ajustada = .002; entre avanzados, diferencia = 1.0, IC 95% [−5.4, 7.4], p ajustada = .91.

Cierra con la interpretación sustantiva: la ventaja de A se concentró en quienes empezaban con menor nivel. Evita decir que B «funcionó igual» en avanzados solo porque p fue grande; el intervalo indica qué diferencias siguen siendo compatibles. Añade diseño, N por celda, supuestos y si los análisis simples eran planificados.

Da formato inicial a F, p y efecto con el generador de informes APA 7 y completa después las medias de celda.

Supuestos y decisiones que cambian la lectura

La independencia depende del diseño, no de una prueba automática. También revisa residuos, valores extremos, homogeneidad y adecuación de la escala. Con celdas muy pequeñas o desiguales, F puede ser sensible y las medias marginales dependen de la especificación. Documenta exclusiones, faltantes y codificación.

En medidas repetidas o diseños mixtos existe dependencia entre observaciones y pueden intervenir esfericidad, correcciones o efectos aleatorios. Un ANOVA factorial entre sujetos no es intercambiable con esos modelos. Si hay agrupamiento por aula, centro o persona, considera un modelo multinivel o mixto. El mejor párrafo no rescata un modelo que ignora la unidad de análisis.

Integra supuestos, tablas y redacción con el flujo de informe estadístico de investigación .

Errores que producen conclusiones opuestas

Los fallos más graves son promediar sobre una interacción de cruce, llamar interacción a dos efectos principales, comparar la significación de dos p en lugar de probar su diferencia, mirar únicamente el gráfico y ejecutar docenas de efectos simples sin ajuste. También es frecuente confundir η² con ηp² o informar una fila de otro modelo.

Comprueba el signo de cada contraste y el orden de referencia. Si A−B es positivo, la frase debe respetarlo. Evita causalidad en estudios observacionales. No ocultes una interacción porque complica el relato ni la infles porque resulta llamativa. El objetivo es describir dónde cambia el efecto, cuánto cambia y con qué precisión.

Lista de comprobación antes de entregar

Confirma factores, niveles, unidad de análisis y cuatro o más celdas. Localiza la fila A × B y copia F, ambos gl, p y efecto. Revisa medias, SD, N e intervalos de celda. Elige la familia de efectos simples según la pregunta y ajusta multiplicidad. Acompaña el gráfico con valores y no recortes el eje de forma engañosa.

En el texto, presenta interacción, patrón y contrastes antes de generalizar principales. Diferencia resultado estadístico de relevancia práctica. Conserva sintaxis y salida para que cada cifra pueda rastrearse. Si el patrón cambia con una decisión razonable, informa la sensibilidad en lugar de elegir silenciosamente la versión más conveniente.

Preguntas frecuentes

Fuentes y controles externos

Las fuentes ayudan a comprobar las prácticas de terceros y las obligaciones de información. La descripción del funcionamiento de FunnyTools se basa en la implementación publicada del sitio.