Qué prueba estadística usar en tu tesis: tabla de decisión
Qué prueba estadística usar en tu tesis según tu pregunta y tus variables: tabla de decisión, supuestos, tamaño del efecto y cómo reportarla en APA 7.
Equipo Scientia Consulting · 10 min de lectura
La prueba estadística se elige con cuatro datos: qué tipo de variable es tu resultado (categórica, ordinal o cuantitativa), cuántos grupos comparas, si las mediciones son independientes o pareadas, y si los datos cumplen los supuestos de la prueba paramétrica. Con eso, la elección sale de la tabla de abajo. Lo que no sale de la tabla es el tamaño del efecto y la forma de reportarlo, y ahí es donde más tesis se devuelven.
Antes de la tabla: tres preguntas sobre tus datos
¿Qué tipo de variable es tu resultado?
- Nominal: categorías sin orden. Sexo, carrera, aprobó o no aprobó, tipo de empresa.
- Ordinal: categorías con orden pero sin distancia fija entre ellas. Estrato socioeconómico, nivel de satisfacción en un solo ítem Likert, grado de una lesión.
- Cuantitativa: números con distancia constante. Puntaje en una prueba, ingresos, tiempo, presión arterial.
Un ítem Likert suelto es ordinal. La suma de varios ítems de una escala validada se suele tratar como cuantitativa, pero conviene justificarlo en el método con la confiabilidad de la escala (alfa de Cronbach u omega).
¿Cuántos grupos comparas?
Dos grupos (hombres y mujeres, control y experimental) o tres o más (tres colegios, cuatro semestres). Si no comparas grupos sino que buscas relación entre dos variables cuantitativas, estás en terreno de correlación o regresión.
¿Las mediciones son independientes o pareadas?
Son pareadas cuando la misma persona aparece en las dos mediciones: pretest y postest, ojo izquierdo y ojo derecho, el mismo estudiante evaluado por dos docentes. Si cada dato viene de una persona distinta, son independientes. Confundir esto cambia la prueba y, muchas veces, el resultado.
Tabla de decisión
| Tu pregunta | Variable de resultado | Grupos / diseño | Si cumple supuestos | Si no los cumple |
|---|---|---|---|---|
| ¿Difieren dos grupos? | Cuantitativa | 2 independientes | t de Student (o t de Welch) | U de Mann-Whitney |
| ¿Cambió algo entre antes y después? | Cuantitativa | 2 pareados | t para muestras relacionadas | Rangos con signo de Wilcoxon |
| ¿Difieren tres o más grupos? | Cuantitativa | 3+ independientes | ANOVA de un factor | Kruskal-Wallis |
| ¿Cambió en tres o más momentos? | Cuantitativa | 3+ medidas repetidas | ANOVA de medidas repetidas | Friedman |
| ¿Hay asociación entre dos categorías? | Nominal | Tabla de contingencia | Chi cuadrado de independencia | Exacta de Fisher (frecuencias esperadas bajas) |
| ¿Se relacionan dos variables? | Cuantitativa o ordinal | Una muestra | Correlación de Pearson | Correlación de Spearman |
| ¿Qué variables predicen un resultado numérico? | Cuantitativa | Varios predictores | Regresión lineal múltiple | Transformaciones, regresión robusta o modelos generalizados |
| ¿Qué variables predicen un sí/no? | Nominal dicotómica | Varios predictores | Regresión logística binaria | (la logística no exige normalidad) |
Si tu resultado es ordinal y comparas grupos, las pruebas de la columna derecha (Mann-Whitney, Kruskal-Wallis, Wilcoxon, Friedman) son la opción natural desde el principio, no un plan B.
Las pruebas, una por una
t de Student y t de Welch
Compara las medias de dos grupos. La versión clásica supone varianzas iguales; la de Welch no, y por eso muchos estadísticos recomiendan usarla por defecto.
U de Mann-Whitney y Wilcoxon
Mann-Whitney compara dos grupos independientes usando rangos en lugar de valores. Wilcoxon de rangos con signo hace lo mismo para datos pareados. Sirven para variables ordinales y para cuantitativas con distribuciones muy asimétricas o con valores extremos que no puedes quitar. Reporta medianas y rangos intercuartílicos, no medias.
ANOVA y Kruskal-Wallis
El ANOVA de un factor dice si al menos un grupo difiere de los otros, pero no cuál. Para eso necesitas comparaciones post hoc (Tukey si las varianzas son similares, Games-Howell si no). Kruskal-Wallis es su equivalente por rangos, y sus comparaciones posteriores se hacen con la prueba de Dunn y una corrección por comparaciones múltiples (Bonferroni o Holm).
Chi cuadrado
Prueba si dos variables categóricas están asociadas: por ejemplo, si el tipo de colegio (público o privado) se relaciona con aprobar o no el examen de admisión. Tiene una condición que se olvida seguido: las frecuencias esperadas no deben ser muy bajas. La regla habitual es que no más del 20 % de las celdas tenga frecuencias esperadas menores de 5. Si tu tabla no la cumple, usa la exacta de Fisher o agrupa categorías con sentido teórico.
Pearson y Spearman
Pearson mide relación lineal entre dos variables cuantitativas y es sensible a valores extremos. Spearman trabaja con rangos y sirve para relaciones monótonas y para variables ordinales. Antes de calcular cualquiera de las dos, mira el diagrama de dispersión.
Regresión lineal y logística
La regresión lineal predice un resultado cuantitativo con uno o varios predictores y te deja controlar variables de confusión. Sus supuestos se revisan sobre los residuos, no sobre las variables originales: linealidad, independencia, varianza constante y normalidad de los residuos, además de colinealidad entre predictores (VIF). La logística predice un resultado de dos categorías y se interpreta con razones de probabilidades (odds ratios).
Supuestos: cómo revisarlos sin obsesionarte
La normalidad se revisa con un gráfico Q-Q y un histograma, y luego con Shapiro-Wilk si tu director o la revista lo piden. Ten en cuenta dos cosas. Con muestras grandes, Shapiro-Wilk rechaza la normalidad ante desviaciones mínimas que no afectan la prueba t ni el ANOVA. Con muestras pequeñas, pasa lo contrario: no tiene potencia para detectar desviaciones grandes. Por eso el gráfico pesa más que el valor p de la prueba de normalidad.
En una comparación de grupos, la normalidad que importa es la de cada grupo (o la de los residuos), no la de la muestra completa mezclada, que es como la vemos calculada en muchos borradores.
Si un supuesto falla, tienes tres caminos: usar la alternativa no paramétrica, transformar la variable (logaritmo para datos con asimetría positiva) o usar una versión robusta de la prueba (Welch, errores estándar robustos). Escoge uno, explícalo en el método y no cambies según el resultado.
Tamaño del efecto: lo que el valor p no dice
El valor p responde si la diferencia observada sería rara bajo la hipótesis nula. No dice si la diferencia es grande ni si importa. Con 2.000 encuestados, una diferencia trivial sale significativa; con 15, una diferencia grande puede no salir. Por eso APA 7 pide reportar el tamaño del efecto junto con la prueba.
| Prueba | Tamaño del efecto habitual | Referencia aproximada (Cohen, 1988) |
|---|---|---|
| t de Student / Welch | d de Cohen o g de Hedges | 0,2 pequeño; 0,5 mediano; 0,8 grande |
| ANOVA | eta cuadrado parcial (η²p) u omega cuadrado | 0,01; 0,06; 0,14 |
| Mann-Whitney / Wilcoxon | r = Z / √N o correlación biserial por rangos | 0,1; 0,3; 0,5 |
| Chi cuadrado | V de Cramér (phi en tablas 2×2) | depende de los grados de libertad |
| Correlación | el propio r o ρ | 0,1; 0,3; 0,5 |
| Regresión | R² y coeficientes estandarizados | según el campo |
Cohen propuso esos puntos de corte como orientación cuando no hay referencias del área. Si en tu disciplina hay estudios previos, compara contra ellos.
Cómo reportarlo en APA 7
APA 7 pide el estadístico en cursiva, los grados de libertad, el valor exacto de p y el tamaño del efecto con su intervalo de confianza cuando sea posible. Los valores que no pueden ser mayores que 1 (p, r, η²) se escriben sin cero inicial, y p se reporta exacto con dos o tres decimales, salvo cuando es menor que .001, que se escribe p < .001.
Un ejemplo con números inventados para mostrar el formato:
Los estudiantes del grupo experimental obtuvieron puntajes más altos (M = 78.4, DE = 9.1) que los del grupo control (M = 71.2, DE = 10.3), t(57.6) = 2.86, p = .006, d = 0.74, IC 95 % [0.21, 1.26].
Los grados de libertad tienen decimales porque es la t de Welch, y se reportan medias y desviaciones de ambos grupos, no solo la prueba. Ojo con el separador decimal: APA usa punto, pero muchas universidades latinoamericanas piden coma. Sigue la guía de tu programa y mantenlo igual en el texto y en las tablas. En la checklist de normas APA 7 para tu tesis está el formato de tablas y figuras.
La misma prueba en R, Python y SPSS
| Prueba | R | Python | SPSS (menú en español) |
|---|---|---|---|
| t independiente | t.test(y ~ grupo) |
scipy.stats.ttest_ind(a, b, equal_var=False) |
Analizar > Comparar medias > Prueba T para muestras independientes |
| Mann-Whitney | wilcox.test(y ~ grupo) |
scipy.stats.mannwhitneyu(a, b) |
Analizar > Pruebas no paramétricas |
| ANOVA | aov(y ~ grupo) y TukeyHSD() |
scipy.stats.f_oneway() o statsmodels |
Analizar > Comparar medias > ANOVA de un factor |
| Kruskal-Wallis | kruskal.test(y ~ grupo) |
scipy.stats.kruskal() |
Analizar > Pruebas no paramétricas |
| Chi cuadrado | chisq.test(tabla) |
scipy.stats.chi2_contingency(tabla) |
Analizar > Estadísticos descriptivos > Tablas cruzadas |
| Pearson / Spearman | cor.test(x, y, method = "spearman") |
scipy.stats.pearsonr(), spearmanr() |
Analizar > Correlacionar > Bivariadas |
| Regresión lineal | lm(y ~ x1 + x2) |
statsmodels.formula.api.ols() |
Analizar > Regresión > Lineales |
| Regresión logística | glm(y ~ x1, family = binomial) |
statsmodels.formula.api.logit() |
Analizar > Regresión > Logística binaria |
R y Python tienen una ventaja cuando el jurado pregunta: el script queda como registro exacto de lo que hiciste y cualquiera puede repetir el análisis.
Errores típicos que vemos en asesoría
Elegir la prueba después de ver los datos. Correr t, luego Mann-Whitney, luego quitar tres casos atípicos y quedarse con la versión que da p < .05 tiene nombre: p-hacking. Infla los falsos positivos y se nota cuando el jurado pide el script o la base. La prueba se decide en el proyecto, con un criterio escrito para los supuestos y los atípicos.
Usar ANOVA con un ítem ordinal. Comparar el promedio de respuestas a "¿Qué tan satisfecho está?" (de 1 a 5) entre cuatro facultades con un ANOVA trata como equidistantes categorías que no lo son. Para un ítem suelto, Kruskal-Wallis. Para una escala de varios ítems, justifica el tratamiento cuantitativo.
Reportar solo el valor p. "Se encontraron diferencias significativas (p = .03)" no le dice al lector cuánto ni en qué dirección. Falta el descriptivo de cada grupo, el estadístico, los grados de libertad y el tamaño del efecto.
Muchas pruebas sin corrección. Si haces veinte correlaciones o diez comparaciones por pares, alguna va a salir significativa por azar. Aplica Holm o Bonferroni, o reduce las comparaciones a las que tu hipótesis justifica.
Confundir "no significativo" con "no hay diferencia". Un p = .12 con 18 participantes dice que te faltó potencia, no que el efecto sea cero. Reporta el intervalo de confianza.
Cómo encaja esto con el resto de la tesis
La prueba tiene que salir de la hipótesis, y la hipótesis de tu marco teórico. Si el marco dice que la variable A influye en B controlando por C, una correlación simple no responde esa pregunta; necesitas una regresión. Cuando el método y la pregunta no calzan, es el comentario de fondo más común que hacen los directores, y en qué hacer cuando te devuelven la tesis explicamos cómo resolverlo sin rehacer todo.
En análisis de datos trabajamos contigo sobre tu base: revisamos la codificación, elegimos la prueba con criterio escrito, corremos el análisis en R, Python o SPSS y te explicamos cada salida para que la puedas defender ante el jurado.
Preguntas frecuentes
¿Qué prueba uso si mi muestra es pequeña?
Con menos de 30 casos por grupo no es automático pasar a no paramétricas. Revisa el gráfico Q-Q de cada grupo; si la distribución es razonablemente simétrica y sin valores extremos, la t de Welch funciona bien. Si hay asimetría marcada o la variable es ordinal, usa Mann-Whitney o Kruskal-Wallis y reporta medianas.
¿Puedo tratar una escala Likert como variable cuantitativa?
Un ítem aislado, mejor no. La suma o el promedio de varios ítems de una escala validada se analiza como cuantitativa en buena parte de la literatura de psicología, educación y administración. Lo correcto es justificarlo en el método con la confiabilidad de la escala y revisar la distribución de los puntajes.
¿Qué hago si mi resultado no es significativo?
Repórtalo igual, con el tamaño del efecto y su intervalo de confianza. Un resultado nulo bien reportado es un resultado. En la discusión analiza la potencia, el tamaño de muestra y si el efecto observado coincide con lo que reporta la literatura. Lo que no se debe hacer es cambiar de prueba hasta que salga.