Prueba de Levene en SPSS: qué fila leer y qué significa

Dónde aparece Levene en la salida de SPSS

Al ejecutar una t de muestras independientes, SPSS suele presentar primero «Group Statistics» o «Estadísticas de grupo», con N, media, desviación estándar y error estándar. Después aparece «Independent Samples Test» o «Prueba de muestras independientes». En este segundo bloque están las columnas de Levene y, a continuación, dos filas paralelas para la prueba t. La proximidad visual hace fácil confundir las dos significaciones.

La columna «Sig.» situada junto a F de Levene pertenece al contraste de varianzas. Más a la derecha, la significación de la prueba t puede aparecer como «Sig. (2-tailed)», «Two-Sided p» u otro rótulo según versión y opciones. La primera no responde si hay diferencia de medias. Úsala para reconocer la fila de la tabla clásica; interpreta la diferencia con el p, el intervalo y los descriptivos de la fila seleccionada.

• Localiza primero el nombre exacto de la variable dependiente.
• Comprueba que los códigos de grupo coinciden con las etiquetas esperadas.
• Distingue la Sig. de Levene de la significación bilateral de t.
• Conserva el orden de los grupos para interpretar el signo de la diferencia.

La regla de decisión p ≥ .05 y p < .05, con sus límites

Si el análisis fijó alfa = .05 y Levene ofrece p = .270, el resultado no cruza ese umbral. La lectura convencional continúa en «Equal variances assumed». Esto no significa que las varianzas hayan quedado demostradas como idénticas: significa que Levene no aportó evidencia suficiente contra la igualdad al nivel definido. Evita escribir «se acepta que son iguales» como una certeza.

Si Levene ofrece p = .018, el resultado cruza .05 y la tabla clásica conduce a «Equal variances not assumed». Esa fila ajusta el error estándar y los grados de libertad mediante un procedimiento tipo Welch–Satterthwaite. Un gl como 25.63 es normal y debe conservarse con una precisión razonable. No lo redondees a 26 para que parezca la fila superior.

Introduce ambos p y la misma fila de estadísticos en el interpretador de resultados SPSS para verificar la selección antes de redactar.

Qué contrasta realmente la prueba de Levene

La hipótesis nula de Levene plantea igualdad de varianzas entre grupos. La idea general consiste en transformar cada observación en una distancia respecto al centro de su grupo y comparar esas distancias. Existen variantes basadas en la media, la mediana o medias recortadas. La variante centrada en mediana suele ser más resistente a falta de normalidad, pero no todas las tablas ni procedimientos usan la misma.

Una p pequeña indica que las diferencias observadas de dispersión serían difíciles de reconciliar con varianzas iguales dentro del modelo de la prueba. No cuantifica cuán grave es la heterogeneidad ni señala cuál caso la provoca. Examina desviaciones estándar, gráficos, cocientes de varianza y tamaños de muestra. Una diferencia detectada con miles de casos puede ser pequeña; una diferencia importante con grupos diminutos puede pasar inadvertida.

Por qué Welch suele ser preferible a decidir después de mirar Levene

La secuencia «primero Levene, después Student o Welch» se enseña porque coincide con las dos filas de SPSS, pero convierte una decisión analítica en una prueba previa. Welch controla bien el error tipo I cuando las varianzas o los tamaños son distintos y suele perder poco cuando las varianzas son semejantes. Por eso muchas estrategias modernas especifican Welch desde el principio para dos medias independientes.

Si tu protocolo, curso o revista exige la lectura clásica, sigue esa regla y declárala. Si puedes planificar el análisis, considera usar Welch de forma general y no como castigo por un Levene significativo. No elijas la versión que entregue la p más conveniente. La justificación debe depender del diseño, la robustez y la pregunta, no del resultado que favorece la hipótesis.

Para calcular directamente la comparación robusta, abre la calculadora t de Welch con intervalo y g de Hedges .

Ejemplo completo: de p de Levene a la frase de resultados

Supón dos grupos independientes. SPSS muestra Levene F = 5.12, p = .028. Como .028 < .05, se selecciona «Equal variances not assumed». En esa misma fila aparecen t = 2.37, gl = 24.81 y p bilateral = .026. La conclusión estadística procede de .026, no de .028. Un borrador mínimo sería: «La diferencia entre grupos fue estadísticamente significativa, t(24.81) = 2.37, p = .026».

El borrador todavía está incompleto. Añade qué variable se comparó, medias y desviaciones de cada grupo, diferencia estimada, intervalo y efecto. Si la primera media fue 78.4 y la segunda 73.1, la dirección debe coincidir con el signo usado por SPSS. Si el intervalo de la diferencia está totalmente por encima de cero, debe ser coherente con una t positiva y una p bilateral menor que .05.

Casos límite: p = .050, muestras pequeñas y valores atípicos

Una p mostrada como .050 está redondeada; el valor interno puede estar ligeramente por encima o por debajo. Define antes si el criterio es p < .05 y, si la decisión depende del último decimal, consulta más precisión o informa la incertidumbre. No cambies a p ≤ .05 después de ver la salida. La misma disciplina aplica al alfa: .01 o un ajuste por multiplicidad cambian el umbral.

Con muestras pequeñas, Levene puede tener poca potencia y la inspección gráfica se vuelve especialmente importante. Un único valor extremo puede inflar una desviación y alterar el contraste. No borres el caso automáticamente: verifica si es error, documenta el criterio y muestra sensibilidad. Con grupos muy desiguales, la combinación más problemática es mayor varianza en el grupo pequeño; Welch y un análisis de robustez son más informativos que una etiqueta binaria.

Levene en ANOVA: el mismo supuesto, otra decisión posterior

En un ANOVA de un factor, la prueba de homogeneidad también evalúa si las varianzas pueden tratarse como iguales. Una p pequeña no convierte automáticamente el análisis en inválido, pero obliga a revisar tamaños, distribución, atípicos y alternativas. IBM ofrece estadísticos robustos como Welch y Brown–Forsythe en las opciones de ANOVA de un factor.

La prueba global robusta tampoco localiza qué grupos difieren. Si el resultado ómnibus es significativo y las varianzas son heterogéneas, comparaciones como Games–Howell suelen ser más apropiadas que Tukey bajo igualdad de varianzas. La elección depende del diseño y las opciones disponibles. Informa qué prueba global y qué seguimiento utilizaste; no escribas solo «Levene fue significativo, por tanto hay diferencias».

Consulta también la guía de ANOVA en formato APA 7 para enlazar supuestos, F, efecto y comparaciones.

Lo que Levene no comprueba

Levene no comprueba independencia: si hay medidas repetidas, parejas, estudiantes dentro de aulas o varias filas por persona, una t independiente puede ser incorrecta aunque las varianzas parezcan semejantes. Tampoco demuestra normalidad. Para grupos independientes, la forma de la distribución y el impacto de atípicos deben evaluarse con datos y gráficos, no con un único semáforo.

Tampoco valida la selección de participantes, la aleatorización, la ausencia de sesgo, el mecanismo de faltantes ni una interpretación causal. Un contraste bien calculado sobre un diseño sesgado sigue siendo una respuesta sesgada. Antes de informar, conecta la tabla con la pregunta, el protocolo, la unidad de análisis y las decisiones de limpieza.

Errores de lectura que cambian el resultado

El error más frecuente es copiar t de «varianzas iguales asumidas» y gl o p de «no asumidas». Otro consiste en confundir p de Levene con p de la comparación. También se pierde información cuando los gl decimales se convierten en enteros, se escribe p = .000 o se informa una sola media sin indicar el orden de la resta.

Comprueba filtros, casos perdidos, ponderación y «Split File». Si N en descriptivos no encaja con los gl, puede existir una exclusión o configuración activa. Guarda sintaxis y salida, no solo una captura recortada. Una frase auditable permite señalar cada número en la tabla original y reconstruir qué datos produjeron esa tabla.

• Usar automáticamente la primera fila.
• Interpretar Levene como diferencia de medias.
• Redondear los gl de Welch a un entero.
• Cambiar de prueba después de comparar cuál p es menor.
• Omitir descriptivos, intervalo y efecto.

Lista final para un informe defendible

Antes de entregar, confirma que los grupos son independientes, el orden está documentado y el análisis coincide con el plan. Registra F y p de Levene solo cuando son relevantes para explicar la decisión. Copia t, gl, p, diferencia e intervalo de la fila elegida. Añade medias, desviaciones y un efecto adecuado. Mantén separados resultado, importancia práctica y limitaciones.

Si tu objetivo es afirmar equivalencia o ausencia de una diferencia material, una p grande no basta. Necesitas un margen de equivalencia, intervalos y un diseño con precisión suficiente. La transparencia sobre varianzas es una pieza del informe, no una licencia para convertir «no significativo» en «igual».

Sigue la tarea completa con el flujo de informe estadístico de investigación .

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.