¿MANOVA o varios ANOVA por separado? Qué hacer cuando tu TFG tiene varias variables dependientes (comparativa 2026)

Tu cuestionario mide cuatro dimensiones —satisfacción, compromiso, agotamiento y rendimiento percibido— y quieres compararlas entre el grupo experimental y el control. En el momento de abrir SPSS aparece la duda: ¿lanzo cuatro pruebas por separado o hay que hacer un MANOVA?

La respuesta corta es que depende de tres cosas: de cómo se relacionan tus variables dependientes entre sí, de cómo esté formulada tu hipótesis y de si tu muestra aguanta el análisis multivariante. Esta comparativa te da los criterios, los supuestos que hay que comprobar y el paso a paso en SPSS y jamovi.

Tabla comparativa: MANOVA frente a varios ANOVA

El argumento a favor del MANOVA: la inflación del error

Si contrastas cuatro variables dependientes al nivel habitual de α = ,05, la probabilidad de encontrar al menos un falso positivo por puro azar ya no es del 5 %. Con cuatro contrastes independientes sube a aproximadamente el 19 %; con seis, a cerca del 26 %. Ese es el problema que el análisis multivariante resuelve de raíz: un solo contraste global, un solo α.

Ojo: el MANOVA no es la única forma de resolverlo. Puedes hacer los cuatro ANOVA y ajustar el nivel de significación, por ejemplo con la corrección de Bonferroni. Es una solución perfectamente defendible y, en muchos TFG, la más sensata.

El argumento a favor de los ANOVA por separado

El MANOVA tiene un coste que rara vez se explica: responde a una pregunta que quizá no es la tuya. Su hipótesis nula es que los vectores de medias son iguales, es decir, que los grupos no difieren en ninguna combinación lineal de tus variables dependientes. Un MANOVA significativo no te dice en qué variable está la diferencia, y un MANOVA no significativo no garantiza que no haya diferencias en alguna variable concreta.

Si tus variables dependientes miden cosas distintas y no correlacionadas —por ejemplo, nota final, número de faltas y nivel de ansiedad—, el MANOVA pierde potencia respecto a los ANOVA separados y complica la interpretación sin ganar nada. En ese caso, varios ANOVA corregidos son la opción correcta.

La regla práctica: usa MANOVA si tus VD son dimensiones de un mismo constructo (las cuatro escalas de un mismo cuestionario de bienestar) y usa ANOVA separados si son desenlaces conceptualmente independientes.

Los supuestos del MANOVA (los dos que no tiene el ANOVA)

Además de independencia de las observaciones, ausencia de valores atípicos multivariantes y una relación lineal razonable entre las VD, el MANOVA añade dos supuestos propios:

1. Normalidad multivariante. No basta con que cada variable sea normal por separado; se exige normalidad conjunta. En la práctica se comprueba la normalidad univariante de cada VD y se inspecciona la distancia de Mahalanobis para detectar atípicos multivariantes.
2. Homogeneidad de las matrices de varianzas-covarianzas, evaluada con la prueba M de Box, derivada del trabajo de G. E. P. Box publicado en Biometrika en 1949 (vol. 36, pp. 317-346). Es el equivalente multivariante de la prueba de Levene, y comparte con ella la lectura invertida: la hipótesis nula es que las matrices sí son homogéneas.

La M de Box es notoriamente sensible: con muestras medianas se vuelve significativa por desviaciones triviales. Por eso la práctica extendida es evaluarla a p < ,001 en lugar de a ,05, y no descartar el análisis cuando falla, sino cambiar el estadístico que se reporta (siguiente apartado).

Lambda de Wilks o traza de Pillai: cuál reportar

SPSS y jamovi devuelven cuatro estadísticos multivariantes para el mismo efecto. Los dos que importan en un TFG son:

Con dos grupos —el caso más frecuente en un TFG— los cuatro estadísticos son matemáticamente equivalentes y devuelven exactamente el mismo valor de F y de p. La elección solo importa a partir de tres grupos.

Qué hacer después de un MANOVA significativo

Un MANOVA significativo abre la puerta, no cierra el análisis. La secuencia estándar es:

1. Contraste multivariante: se reporta Λ o V, con su F, sus grados de libertad y η²_p.
2. ANOVA univariantes de seguimiento, uno por variable dependiente, con el nivel de significación ajustado por Bonferroni (α dividido entre el número de VD). SPSS los ofrece automáticamente bajo el epígrafe «Pruebas de efectos inter-sujetos».
3. Comparaciones por pares dentro de cada VD que haya resultado significativa, si el factor tiene más de dos niveles. El procedimiento es idéntico al del ANOVA de un factor.

Existe una cuarta vía, el análisis discriminante descriptivo, que identifica qué combinación de variables separa mejor a los grupos. Es más informativa que los ANOVA de seguimiento, pero también más difícil de defender ante un tribunal que no la espera: úsala solo si tu tutor la conoce.

Paso a paso en SPSS

1. Analizar → Modelo lineal general → Multivariante.
2. Pasa todas tus variables dependientes al cuadro Variables dependientes y tu variable de agrupación a Factores fijos.
3. En Opciones, activa Estadísticos descriptivos, Estimaciones del tamaño del efecto y Pruebas de homogeneidad (que incluye la M de Box y la Levene de cada VD).
4. En Post hoc, pasa el factor si tiene tres o más niveles y selecciona Bonferroni.
5. Acepta. En el visor, lee en este orden: Prueba de Box sobre la igualdad de matrices de covarianzas → Contrastes multivariados (donde eliges Λ o V) → Pruebas de los efectos inter-sujetos (los ANOVA de seguimiento).

Paso a paso en jamovi

1. Ve a ANOVA → MANCOVA (el módulo cubre tanto MANOVA como MANCOVA).
2. Arrastra las variables dependientes a Dependent Variables y el factor a Fixed Factors.
3. En Assumption Checks activa Box’s M test y Shapiro-Wilk.
4. La tabla Multivariate Tests muestra los cuatro estadísticos a la vez, y la tabla Univariate Tests los ANOVA de seguimiento.

Cómo redactar los resultados

La prueba M de Box no resultó significativa (p = ,214), por lo que se asumió homogeneidad de las matrices de covarianza y se reportó la lambda de Wilks. El efecto del grupo sobre el conjunto de las cuatro dimensiones fue significativo, Λ = ,78, F(4, 95) = 6,71, p < ,001, η²_p = ,22. Los ANOVA univariantes de seguimiento, con α ajustado a ,0125 por corrección de Bonferroni, mostraron diferencias significativas en satisfacción, F(1, 98) = 14,20, p < ,001, y en agotamiento, F(1, 98) = 9,05, p = ,003, pero no en compromiso ni en rendimiento percibido.

Tres cosas que un tribunal comprueba en ese párrafo: que declares el resultado de la M de Box antes de elegir estadístico, que informes del α ajustado en el seguimiento y que reportes el tamaño del efecto. Si necesitas la sintaxis exacta de cada prueba, está reunida en la guía para redactar el capítulo de resultados a partir del output.

Recomendación clara

• Elige MANOVA si tus variables dependientes son dimensiones de un mismo constructo, correlacionan de forma moderada, tienes al menos unos 20 casos por grupo por encima del número de VD y tu hipótesis está formulada sobre el conjunto.
• Elige ANOVA separados con corrección de Bonferroni si tus VD son desenlaces conceptualmente distintos, si tu muestra es pequeña o si tu tutor y tu tribunal esperan una lectura variable a variable. Es la opción más frecuente y la más fácil de defender en un TFG de grado.
• No hagas las dos cosas y elijas la que salga significativa. Decide antes de mirar los resultados y déjalo escrito en la metodología.

Si tu duda es anterior —qué familia de prueba corresponde a tu diseño—, empieza por el árbol de decisión de pruebas estadísticas. Y si tus mismas personas aportan varias medidas en el tiempo, lo que necesitas no es un MANOVA sino un ANOVA de medidas repetidas.

Preguntas frecuentes

¿Cuántas variables dependientes puedo meter en un MANOVA?

Técnicamente, menos que el número de casos del grupo más pequeño. En la práctica, entre dos y cinco. Con más de cinco la interpretación se vuelve inmanejable y la potencia cae; si tienes ocho subescalas, plantéate agruparlas en dimensiones de orden superior.

¿Puedo hacer un MANOVA con dos grupos únicamente?

Sí. Con dos grupos, el MANOVA equivale a la T² de Hotelling y los cuatro estadísticos multivariantes coinciden exactamente. Es un uso perfectamente válido y muy frecuente en diseños experimental-control.

¿Qué hago si la prueba M de Box sale significativa?

Comprueba primero si tus grupos tienen tamaños parecidos. Si lo son, el MANOVA es bastante robusto y puedes continuar declarando la violación. Si son desiguales, reporta la traza de Pillai en lugar de la lambda de Wilks y explícalo en la metodología.

¿Y si mis variables dependientes correlacionan muy alto, por encima de 0,80?

Tienes multicolinealidad y probablemente estás midiendo lo mismo dos veces. La solución no es el MANOVA: es reducir las variables a un único índice o comprobar la estructura de tu escala con un análisis factorial exploratorio.

¿Existe una versión no paramétrica del MANOVA?

Existen alternativas basadas en permutaciones y en rangos, pero ninguna está disponible con un par de clics en SPSS ni es habitual en un TFG de grado. Si tus datos son claramente no normales, la vía practicable es hacer las pruebas univariantes no paramétricas correspondientes con corrección de Bonferroni.

¿Puedo añadir una covariable?

Sí: pasa a llamarse MANCOVA y exige, además de todo lo anterior, la homogeneidad de las pendientes de regresión, tal y como se explica en la guía del ANCOVA.

¿Qué tamaño del efecto se reporta en un MANOVA?

El eta cuadrado parcial multivariante (η²_p), que SPSS calcula directamente. Repórtalo tanto para el contraste global como para cada ANOVA de seguimiento.

¿Y si tengo dos factores en lugar de uno?

Es un MANOVA factorial y se ejecuta desde el mismo menú añadiendo el segundo factor. La lógica de los efectos principales y la interacción es la misma que en el ANOVA factorial, solo que aplicada al vector de variables dependientes.

De la decisión al capítulo escrito

Elegir bien la prueba es la parte rápida. La lenta es justificar la elección en la metodología, describir los supuestos, encadenar el contraste global con el seguimiento y que todo el capítulo se lea como un texto y no como una sucesión de tablas. Tesify trabaja con tus propios resultados —no genera datos— y te ayuda a convertirlos en un capítulo redactado, con las referencias en formato APA.

Empieza gratis con Tesify y escribe tu capítulo de resultados. Más de 9.000 estudiantes ya lo usan, y el 100 % del texto sigue siendo tuyo.