El análisis de datos cuantitativos consiste en procesar datos numéricos con estadística descriptiva (medias, frecuencias) e inferencial (pruebas t, chi-cuadrada, correlación) para responder tus hipótesis. Se realiza en software como SPSS, jamovi o Excel, eligiendo la prueba según el tipo de variable y el objetivo de tu investigación.
¿Qué es el análisis de datos cuantitativos?
El análisis de datos cuantitativos es el proceso de organizar, describir y probar estadísticamente datos numéricos recolectados con instrumentos como cuestionarios cerrados, escalas o bases de datos secundarias, con el fin de responder tus preguntas de investigación e hipótesis. A diferencia del análisis de datos cualitativos, que interpreta significados en texto, el análisis cuantitativo trabaja con números y se apoya en estadística para generalizar resultados hacia la población de estudio.
¿Qué diferencia hay entre estadística descriptiva e inferencial?
La estadística descriptiva resume tus datos con medidas como la media, la mediana, la desviación estándar y las frecuencias, sin ir más allá de tu muestra. La estadística inferencial, en cambio, usa pruebas de hipótesis para generalizar esos resultados hacia la población de la que se extrajo la muestra.
En la práctica, todo análisis cuantitativo de tesis empieza con estadística descriptiva —para conocer y limpiar tus datos— y avanza hacia estadística inferencial cuando tu objetivo es comprobar una hipótesis o relación entre variables, no solo describir un fenómeno. Muchas tesis de licenciatura se quedan únicamente en el nivel descriptivo cuando su alcance es exploratorio; si tu alcance es correlacional o explicativo, la estadística inferencial es obligatoria para sostener tus conclusiones.
¿Cómo se limpian y preparan los datos antes de analizarlos?
Antes de correr cualquier prueba, tus datos deben pasar por una etapa de depuración que evita resultados engañosos:
- Revisión de valores perdidos. Decide si eliminas los casos incompletos o imputas un valor (media, mediana) según qué tan grave sea la pérdida.
- Detección de valores atípicos. Un dato extremo puede distorsionar la media y el resultado de una prueba paramétrica.
- Codificación de variables. Asigna valores numéricos a las categorías (por ejemplo, 1 = Sí, 2 = No) de forma consistente en toda la base.
- Prueba de normalidad. Usa Shapiro-Wilk o Kolmogorov-Smirnov para decidir si tus datos siguen una distribución normal, lo que determina si aplicas pruebas paramétricas o no paramétricas.
¿Qué prueba estadística debo usar en mi tesis?
La prueba correcta depende del tipo de variable que analizas —numérica o categórica— y de tu objetivo: comparar grupos, encontrar relaciones o predecir un resultado. La siguiente tabla es la referencia rápida más usada en tesis de licenciatura y posgrado.
| Objetivo | Tipo de variable | Prueba recomendada |
|---|---|---|
| Comparar 2 grupos independientes | Numérica (normal) | Prueba t de Student |
| Comparar 2 grupos independientes | Numérica (no normal) | U de Mann-Whitney |
| Comparar 3+ grupos | Numérica (normal) | ANOVA de un factor |
| Comparar 3+ grupos | Numérica (no normal) | Kruskal-Wallis |
| Relacionar 2 variables | Numérica-numérica | Correlación de Pearson (o Spearman si no es normal) |
| Asociar categorías | Categórica-categórica | Chi-cuadrada de independencia |
| Predecir una variable numérica | Numérica dependiente | Regresión lineal |
| Predecir una variable categórica | Categórica dependiente (binaria) | Regresión logística |
Para llegar a esta tabla con datos suficientes, tu tamaño de muestra debe calcularse desde el diseño metodológico, no después de recolectar; una muestra insuficiente reduce la potencia estadística y puede impedirte detectar diferencias reales entre grupos, incluso cuando esas diferencias existen en la población.
¿Qué es el valor p y cómo se interpreta?
El valor p es la probabilidad de obtener un resultado igual o más extremo que el observado si la hipótesis nula fuera cierta. Por convención en ciencias sociales, un valor p menor a 0.05 se interpreta como evidencia suficiente para rechazar la hipótesis nula y aceptar que existe una diferencia o relación estadísticamente significativa.
Un error frecuente es confundir significancia estadística con relevancia práctica: con muestras muy grandes, diferencias mínimas pueden resultar “significativas” sin ser importantes en términos reales. Por eso conviene reportar también el tamaño del efecto (d de Cohen para comparación de grupos, r de Pearson para correlaciones) junto al valor p; un valor p pequeño con un tamaño del efecto trivial no debería presentarse como un hallazgo central de tu tesis.
¿Cuándo conviene un enfoque cuantitativo frente a uno cualitativo o mixto?
El enfoque cuantitativo conviene cuando tu pregunta de investigación busca medir, comparar o predecir con datos numéricos generalizables a una población. Si en cambio buscas comprender significados, experiencias o procesos en profundidad, el enfoque cualitativo es más apropiado, y si necesitas ambas cosas, el enfoque mixto combina las dos lógicas en distintas fases del estudio. La guía de investigación cualitativa y cuantitativa profundiza en cómo justificar esta decisión en tu capítulo metodológico frente a tu comité.
¿Qué software uso para análisis cuantitativo?
SPSS sigue siendo el software más usado en tesis de licenciatura en México por su interfaz de menús y la abundancia de tutoriales en español, aunque su licencia institucional puede ser costosa fuera de la universidad. jamovi es una alternativa gratuita y de código abierto con una interfaz muy similar a SPSS, capaz de correr la mayoría de las pruebas de la tabla anterior sin costo. Excel funciona para estadística descriptiva básica —tablas de frecuencias, medias, gráficos— pero se queda corto para pruebas inferenciales más allá de una prueba t simple. R y Python ofrecen mayor flexibilidad y son la opción preferida en posgrados con mayor carga estadística, aunque requieren una curva de aprendizaje de programación que no todos los tesistas de licenciatura necesitan asumir.
Elegir la herramienta correcta —y saber qué IA puede ayudarte a interpretar y redactar tus resultados sin sustituir el análisis estadístico en sí— es parte de armar un flujo de trabajo eficiente; una comparativa de las mejores IA para tesis te puede orientar sobre qué herramientas usar en cada etapa, incluida Tesify como apoyo mencionado para redacción y estructura del capítulo de resultados.
¿Cómo presento los resultados cuantitativos en tu tesis?
Los resultados cuantitativos se presentan con tablas y gráficos que muestren los estadísticos relevantes —media, desviación estándar, valor p, tamaño del efecto— acompañados de un texto que interprete cada hallazgo en relación con tu hipótesis, sin simplemente repetir en palabras lo que ya muestra la tabla. Sigue este orden recomendado por capítulo:
- Presenta primero la estadística descriptiva de tu muestra (edad, sexo, variables sociodemográficas).
- Continúa con los resultados descriptivos de tus variables principales de estudio.
- Cierra con los resultados inferenciales, prueba por prueba, en el mismo orden en que planteaste tus hipótesis u objetivos específicos.
Las tablas y figuras deben numerarse consecutivamente y seguir el formato APA 7 para el título, la fuente y las notas al pie; evita duplicar en el texto exactamente los mismos números que ya aparecen en la tabla y enfócate en explicar qué significa cada resultado para tu pregunta de investigación.
Errores comunes al analizar datos cuantitativos
- Aplicar pruebas paramétricas sin verificar normalidad. Si tus datos no siguen una distribución normal, el resultado de una prueba t o ANOVA puede ser inválido.
- Reportar solo el valor p sin el tamaño del efecto. Un resultado “significativo” sin magnitud del efecto dice poco sobre la relevancia práctica del hallazgo.
- No justificar la elección del software ni de la prueba. Los comités de titulación piden justificación metodológica, no solo el resultado numérico.
- Ignorar el tamaño de muestra al planear el análisis. Pruebas como ANOVA o regresión múltiple requieren un mínimo de casos por variable para ser confiables.
- Copiar la salida cruda del software en la tesis. Las tablas de SPSS o jamovi deben reformatearse en APA 7, no pegarse tal cual del programa estadístico.
Preguntas frecuentes
¿Qué diferencia hay entre estadística descriptiva e inferencial?
La estadística descriptiva resume tus datos con medias, frecuencias y gráficos, sin generalizar más allá de tu muestra. La estadística inferencial usa pruebas de hipótesis para generalizar los resultados de tu muestra hacia la población de la que proviene.
¿Qué prueba estadística debo usar en mi tesis?
Depende del tipo de variable y tu objetivo: para comparar dos grupos con variable numérica se usa la prueba t; para más de dos grupos, ANOVA; para relacionar dos variables numéricas, correlación de Pearson; para variables categóricas, chi-cuadrada.
¿Qué es el valor p?
Es la probabilidad de obtener un resultado igual o más extremo que el observado si la hipótesis nula fuera cierta. Por convención, un valor p menor a 0.05 se interpreta como evidencia suficiente para rechazar la hipótesis nula.
¿Qué software uso para análisis cuantitativo?
SPSS es el más usado en tesis de licenciatura por su interfaz visual; jamovi ofrece funciones similares de forma gratuita; Excel sirve para estadística descriptiva básica pero es limitado para pruebas inferenciales complejas.
¿Cómo presento los resultados cuantitativos?
Con tablas y gráficos que muestren los estadísticos relevantes (media, desviación estándar, valor p), acompañados de un texto que interprete cada resultado en relación con tu hipótesis, sin repetir en palabras lo que ya muestra la tabla.