Calculadora de prueba de Levene

Usa la prueba de Levene para verificar si diferentes grupos en tus datos tienen cantidades similares de variabilidad antes de ejecutar ANOVA o pruebas t. Muchas pruebas estadísticas asumen que los grupos tienen varianzas iguales—si no las tienen, tus resultados pueden no ser confiables. Esta prueba te ayuda a decidir si proceder con el análisis estándar o usar alternativas diseñadas para varianzas desiguales, como la prueba de Welch.

¿Qué es la prueba de Levene?

La prueba de Levene evalúa si dos o más grupos tienen varianzas iguales (homogeneidad de varianza u homocedasticidad). Es una verificación de prerrequisito para muchos procedimientos estadísticos.

Pregunta respondida: "¿Tienen estos grupos varianzas significativamente diferentes?"

Hipótesis nula: Todos los grupos tienen varianzas iguales ($\sigma_1^2 = \sigma_2^2 = \cdots = \sigma_k^2$) Hipótesis alternativa: Al menos un grupo tiene una varianza diferente.

¿Por qué probar varianzas iguales?

Muchas pruebas estadísticas asumen varianzas iguales entre grupos:

Violar este supuesto puede llevar a:

• Tasas de error Tipo I infladas
• Potencia estadística reducida
• Intervalos de confianza incorrectos

Cómo funciona

El enfoque de Levene

En lugar de probar varianzas directamente (lo cual requiere normalidad), la prueba de Levene convierte el problema en un ANOVA sobre datos transformados.

Paso 1: Calcular desviaciones del centro del grupo

$Z_{ij} = |X_{ij} - \bar{X}_i|$

Donde $\bar{X}_i$ es la media del grupo (o mediana, o media recortada).

Paso 2: Realizar ANOVA de un factor sobre los valores $Z$

Si los grupos tienen varianzas iguales, estas desviaciones deben tener medias iguales.

Estadístico de prueba

$W = \frac{(N-k)}{(k-1)} \cdot \frac{\sum_{i=1}^{k} n_i(\bar{Z}_i - \bar{Z})^2}{\sum_{i=1}^{k}\sum_{j=1}^{n_i}(Z_{ij} - \bar{Z}_i)^2}$

Este sigue una distribución F con $(k-1, N-k)$ grados de libertad.

Variantes de la prueba de Levene

Basada en la media (Levene original)

Usa desviaciones de las medias del grupo:

$Z_{ij} = |X_{ij} - \bar{X}_i|$

Buena para distribuciones simétricas.

Basada en la mediana (Brown-Forsythe)

Usa desviaciones de las medianas del grupo:

$Z_{ij} = |X_{ij} - \tilde{X}_i|$

Más robusta a no normalidad y valores atípicos. Más comúnmente recomendada.

Basada en la media recortada

Usa desviaciones de medias recortadas al 10%.

Compromiso entre los enfoques de media y mediana.

Ejemplo de cálculo

Datos:

Paso 1: Calcular medianas del grupo

• Mediana A = 24
• Mediana B = 32
• Mediana C = 46,5

Paso 2: Calcular desviaciones absolutas de las medianas

Paso 3: Realizar ANOVA sobre estas desviaciones

Medias de desviaciones: A = 1,75, B = 2,0, C = 2,5 Media general = 2,08

Paso 4: Calcular estadístico F y valor p

$F = 0,47$, $p = 0,64$

Conclusión: No hay evidencia de varianzas desiguales ($p = 0,64$).

Interpretación

Resultado no significativo (p ≥ 0,05)

El supuesto de varianza igual es razonable. Procede con:

• Prueba t agrupada
• ANOVA estándar
• Pruebas post-hoc tradicionales

Resultado significativo (p < 0,05)

Evidencia de varianzas desiguales. Considera:

• Prueba t de Welch (para dos grupos)
• ANOVA de Welch (para múltiples grupos)
• Prueba post-hoc de Games-Howell
• Transformación de datos

Consideraciones de tamaño de muestra

Muestras pequeñas

• Baja potencia para detectar diferencias de varianza
• Resultados no significativos pueden no indicar varianzas iguales
• Considera usar alternativas robustas de todos modos

Muestras grandes

• Alta potencia—puede detectar diferencias triviales
• Considera la razón de varianzas, no solo el valor p
• Significancia práctica: razón de varianzas > 2 o 3 es preocupante

Reglas generales

Incluso sin pruebas formales:

Con tamaños de muestra iguales, ANOVA es robusto a heterogeneidad moderada de varianza.

Qué hacer si las varianzas son desiguales

Para dos grupos

Usa la prueba t de Welch, que no asume varianzas iguales.

Para múltiples grupos

Usa ANOVA de Welch o ANOVA de Brown-Forsythe, que ajustan los grados de libertad para varianzas desiguales.

Comparaciones post-hoc

Usa la prueba de Games-Howell en lugar de Tukey HSD.

Transformar datos

Las transformaciones logarítmicas o de raíz cuadrada pueden estabilizar las varianzas.

Alternativas no paramétricas

Las pruebas de Kruskal-Wallis o Mann-Whitney son menos sensibles a diferencias de varianza.

Comparación con otras pruebas

Prueba de Bartlett

Más potente cuando los datos son normales, pero muy sensible a no normalidad. No recomendada a menos que la normalidad sea cierta.

Prueba F para dos varianzas

Solo para dos grupos y requiere normalidad. La prueba de Levene es más robusta.

Prueba de Fligner-Killeen

Prueba no paramétrica basada en rangos. Muy robusta pero menor potencia.

Conceptos erróneos comunes

"La prueba de Levene debe ser significativa para proceder"

Falso. Quieres no significancia—eso indica que las varianzas iguales son plausibles.

"Siempre ejecutar la prueba de Levene antes del ANOVA"

Discutible. Con tamaños de muestra iguales, ANOVA es robusto. Algunos estadísticos recomiendan siempre usar ANOVA de Welch en lugar de pruebas preliminares.

"Levene significativo = ANOVA inválido"

No necesariamente. ANOVA aún puede ser válido con grupos grandes de igual tamaño.

El problema de las pruebas preliminares

Algunos estadísticos argumentan contra el uso rutinario de la prueba de Levene porque:

1. Baja potencia con muestras pequeñas: Cuando más necesitas varianzas iguales, no puedes detectar confiablemente las violaciones
2. Los procedimientos condicionales inflan las tasas de error: Elegir la prueba basándose en resultados de pruebas preliminares cambia el error Tipo I general
3. Enfoque alternativo: Siempre usar métodos robustos (pruebas de Welch) independientemente

Reportando resultados

Cuando las varianzas son iguales:

"La prueba de Levene no indicó diferencia significativa en varianzas, F(2, 45) = 1,24, p = ,30."

Cuando las varianzas son desiguales:

"La prueba de Levene indicó heterogeneidad significativa de varianza, F(2, 45) = 4,82, p = ,01. Por lo tanto, se usó ANOVA de Welch para el análisis principal."

Contexto histórico

Howard Levene propuso esta prueba en 1960 como alternativa robusta a la prueba de Bartlett. La modificación basada en la mediana (Brown-Forsythe) llegó en 1974, mejorando aún más la robustez.

El insight clave fue que probar diferencias de varianza podía reformularse como probar diferencias de medias de desviaciones absolutas—permitiendo el uso del marco robusto del ANOVA.

Cálculos relacionados

• Calculadora de varianza — Calcular varianza
• Calculadora de desviación estándar — Calcular DE
• Prueba t de Welch — Prueba t para varianzas desiguales
• ANOVA de un factor — Comparar medias de grupos

Resumen

La prueba de Levene evalúa si los grupos tienen varianzas iguales, un supuesto clave para pruebas t y ANOVA. La versión basada en la mediana (Brown-Forsythe) es más robusta. Un resultado significativo indica varianzas desiguales—usa pruebas de Welch o post-hoc de Games-Howell. No significancia sugiere que las varianzas iguales son plausibles. Considera la magnitud práctica (razones de varianza) junto con los valores p. Algunos estadísticos recomiendan siempre usar métodos robustos en lugar de pruebas preliminares.