Psicothema, 2007. Vol. Vol. 19 (nº 2). 343-349

Antonio Pardo, Jesús Garrido, Miguel Ángel Ruiz y Rafael San Martín

Aunque el concepto de interacción entre factores en el análisis de varianza tiene un significado teórico inequívoco (y así está recogido de forma generalizada en la literatura estadística), en la investigación empírica se producen frecuentemente errores de interpretación que, en muchos casos, conducen a conclusiones incorrectas. En este trabajo se revisan 150 artículos: el 12,7% no presta atención a la interacción (bien porque no se analiza, bien porque se analiza pero no se interpreta); el 79,1% interpreta la interacción recurriendo al análisis de los efectos simples; sólo el 8,2% analiza e interpreta correctamente la interacción. Quizá los investigadores en Psicología tienden a analizar e interpretar la interacción entre factores de forma incorrecta porque los programas informáticos más utilizados (el SPSS a la cabeza) no permiten llevar a cabo las comparaciones necesarias para evaluar una interacción significativa en los diseños factoriales con grupos al azar. Para contribuir a erradicar este problema se muestra cómo diseñar algunas de las comparaciones lineales que permiten aislar el efecto de la interacción y se explica cómo utilizar el SPSS para llevar a cabo esas comparaciones.

Interaction in ANOVA: Misconceptions. Although interaction in analysis of variance has an unequivocal theoretical meaning (and so it appears in the statistic literature), frequent misconceptions are found in empirical research, which, in many cases, lead to wrong conclusions. In this paper, 150 articles are reviewed: in 12.7% of them, no attention is paid to the interaction (either because it is not analysed or because it is analysed but not discussed); in 79.1%, interaction is studied through simple effects analysis; and only in 8.2% of the cases, interaction is correctly discussed. It could be that psychology researchers tend to analyse and interpret the interaction between factors incorrectly because the most widespread statistic packages (with SPSS in the lead) do not allow performing the comparisons needed to analyse a significant interaction in factorial designs with randomized groups. In order to contribute to eradicating this problem, we herein show how to design some of the linear comparisons that allow isolating the interaction effect, and we explain how to use SPSS to compute these comparisons.