Cómo hacer un análisis de varianza (ANOVA) en Excel, paso a paso.

¿Qué es el análisis de varianza?

Imagina que quieres comparar las ventas de tres sucursales, o el efecto de tres campañas de marketing distintas. Podrías comparar los grupos de dos en dos con una prueba t, pero al hacer muchas comparaciones aumentas el riesgo de encontrar diferencias por puro azar. El análisis de varianza (ANOVA) resuelve esto evaluando todas las medias a la vez con una sola prueba.

El nombre puede confundir: ANOVA compara medias, pero lo hace analizando varianzas. La idea central es comparar dos fuentes de variación:

• Variación entre grupos: cuánto se diferencian las medias de cada grupo entre sí.
• Variación dentro de los grupos: cuánta dispersión natural hay dentro de cada grupo.

Si la variación entre grupos es grande comparada con la variación dentro de los grupos, es señal de que los grupos realmente difieren. Esa razón es precisamente el estadístico F. ANOVA convierte ese valor F en un valor p que te dice si la diferencia es estadísticamente significativa.

La hipótesis nula de ANOVA es que todas las medias son iguales. Un resultado significativo (valor p bajo) te permite rechazar esa idea y afirmar que al menos un grupo se comporta distinto.

Paso 1 — Activa el complemento Análisis de Datos

ANOVA en Excel vive dentro del complemento Análisis de Datos (Analysis ToolPak), que viene incluido pero desactivado por defecto. Para activarlo:

1. Ve a Archivo → Opciones → Complementos.
2. En el desplegable Administrar, selecciona Complementos de Excel y haz clic en Ir…
3. Marca la casilla Herramientas para análisis y pulsa Aceptar.

Tras esto, en la pestaña Datos aparecerá un nuevo botón llamado Análisis de Datos, normalmente en el extremo derecho de la cinta. Ahí dentro encontrarás las pruebas ANOVA. Si usas Excel en Mac, el menú es Herramientas → Complementos de Excel; en Excel Online el ToolPak no está disponible, así que necesitarás la versión de escritorio.

Paso 2 — Organiza tus datos en columnas por grupo

ANOVA de un factor espera cada grupo en su propia columna. Pon un encabezado descriptivo en la primera fila y los valores debajo. Por ejemplo, para comparar las ventas diarias de tres tiendas:

A          B          C
Tienda 1   Tienda 2   Tienda 3
1200       1450       980
1340       1380       1050
1280       1520       1010
1410       1490       995
...

Reglas importantes: todos los valores deben ser numéricos, no debe haber celdas vacías dentro de un grupo, y los grupos no tienen que tener el mismo número de observaciones (ANOVA de un factor admite tamaños distintos). Cuantos más datos por grupo, más fiable será la prueba.

Paso 3 — Abre la herramienta ANOVA

En la pestaña Datos, haz clic en Análisis de Datos. Se abrirá una lista de herramientas. Para comparar grupos según una sola variable de clasificación, elige ANOVA de un factor (Anova: Single Factor) y pulsa Aceptar.

Verás también dos opciones de dos factores; las cubrimos más adelante. Por ahora, el de un factor es el caso más común y el punto de partida ideal.

Paso 4 — Define el rango de entrada y el nivel alfa

En el cuadro de diálogo:

• Rango de entrada: selecciona todo el bloque de datos, incluidos los encabezados (por ejemplo A1:C20).
• Agrupado por: deja Columnas si cada grupo está en una columna.
• Rótulos en la primera fila: marca esta casilla porque incluiste los encabezados.
• Alfa: deja 0.05. Es el nivel de significancia estándar — el riesgo del 5% de concluir que hay diferencias cuando en realidad no las hay.
• Rango de salida: elige una celda donde quieras que aparezca la tabla, o deja que Excel cree una hoja nueva.

Pulsa Aceptar y Excel generará la tabla ANOVA.

Paso 5 — Localiza el valor F y el valor p

El resultado tiene dos partes. Primero, un resumen con el recuento, la suma, el promedio y la varianza de cada grupo — útil para ver de un vistazo qué grupo tiene la media más alta. Debajo está la tabla ANOVA propiamente dicha:

Los dos números que más te importan son F y Probabilidad (el valor p).

Paso 6 — Interpreta el resultado

La interpretación es directa y se reduce a comparar el valor p con tu nivel alfa de 0.05:

De forma equivalente, puedes comparar el estadístico F con el valor crítico de F: si tu F calculado es mayor que el valor crítico, el resultado es significativo. Ambas reglas siempre coinciden.

Un matiz que mucha gente pasa por alto: un valor p significativo te dice que existe una diferencia, pero no entre qué grupos. Podría ser que la Tienda 2 difiera de las otras dos, o que las tres difieran entre sí. Para averiguarlo, necesitas el siguiente paso.

Paso 7 — Identifica qué grupos difieren (post-hoc)

Excel no incluye pruebas post-hoc automáticas, así que tienes dos caminos prácticos:

• Comparaciones por pares con prueba t: compara los grupos de dos en dos con =PRUEBA.T(grupo1; grupo2; 2; 2), pero ajusta el umbral dividiendo 0.05 entre el número de comparaciones (corrección de Bonferroni). Con 3 grupos hay 3 comparaciones, así que el umbral pasa a 0.0167.
• Mira primero el resumen: el grupo con la media más alejada del resto suele ser el responsable de la diferencia. Es un buen punto de partida antes de las comparaciones formales.

La corrección de Bonferroni evita que, al hacer varias comparaciones, encuentres "diferencias" que en realidad son fruto del azar. Es la razón por la que ANOVA es preferible a hacer muchas pruebas t sueltas desde el principio.

ANOVA de dos factores

Cuando quieres estudiar el efecto de dos variables a la vez —por ejemplo, ventas por tienda y por temporada— usas ANOVA de dos factores. Excel ofrece dos variantes:

• Dos factores con varias muestras por grupo: cuando tienes varias observaciones en cada combinación de las dos variables. Esta versión también te dice si hay interacción entre los dos factores (por ejemplo, si una tienda solo vende más en una temporada concreta).
• Dos factores con una sola muestra por grupo: cuando tienes una única observación por combinación. No detecta interacción, pero separa el efecto de cada factor.

El cuadro de diálogo es similar al de un factor: seleccionas el rango (organizado en una matriz con las dos variables), indicas cuántas filas por muestra hay y dejas alfa en 0.05. La tabla resultante muestra un valor F y un valor p para cada factor y, si aplica, para la interacción. La interpretación de cada valor p es la misma: menor que 0.05 significa efecto significativo.

¿Necesitas conclusiones rápidas, no tablas estadísticas?

El ANOVA es la herramienta correcta cuando necesitas rigor estadístico. Pero en el día a día de un negocio, muchas veces lo que quieres es saber rápido qué grupo destaca, qué tendencia hay y dónde está la anomalía, sin montar pruebas ni interpretar grados de libertad.

Para eso, DataHub Pro analiza tus datos de Excel o CSV con IA y te entrega un dashboard con los insights principales en segundos: compara grupos, detecta valores atípicos y genera pronósticos automáticamente. Puedes comparar este enfoque con el flujo manual en nuestra guía de dashboard desde Excel o ver la alternativa a Power BI para equipos en LATAM.

¿Por qué analizar tus datos con DataHub Pro?

Preguntas frecuentes sobre ANOVA en Excel