Cómo elegir una prueba estadística para tu pregunta de investigación

Tienes la encuesta terminada, la hoja de cálculo abierta y una hipótesis que parecía clara hace una semana; ahora no sabes cómo elegir una prueba estadística sin sentir que estás adivinando. Tu tutor te pide “justificar el análisis”, pero los nombres se mezclan: t de Student, ANOVA, chi-cuadrado, correlación, regresión. El problema rara vez es memorizar una lista de pruebas. La dificultad real está en traducir tu pregunta de investigación a decisiones concretas: qué variable quieres explicar, cuántos grupos comparas, qué tipo de datos tienes y qué supuesto debes revisar antes de escribir el apartado de metodología.

Para elegir una prueba estadística, empieza por tu pregunta de investigación: si comparas grupos, analizas relaciones o predices una variable. Después revisa el tipo de variable dependiente, el número de grupos, la independencia de las observaciones y los supuestos básicos antes de decidir entre t de Student, ANOVA, chi-cuadrado, correlación o regresión.

En esta guía

• ¿Cómo elegir una prueba estadística a partir de tu pregunta de investigación
• ¿Qué prueba estadística usar según el tipo de variable
• ¿Cómo funciona un árbol de decisión de pruebas estadísticas
• ¿Cuándo usar t de Student ANOVA regresión chi-cuadrado o correlación
• ¿Cómo justificar la prueba estadística en el capítulo de metodología
• ¿Qué errores cometen los estudiantes al elegir una prueba estadística
• ¿Cómo comprobar tu decisión antes de analizar los datos

¿Cómo elegir una prueba estadística a partir de tu pregunta de investigación?

Para saber cómo elegir una prueba estadística, clasifica primero tu pregunta: comparación, asociación o predicción. Una pregunta que compara medias necesita una lógica distinta a una que busca relación entre variables o estima el efecto de varios predictores. Si tu pregunta no especifica variable dependiente, grupos y unidad de análisis, todavía no estás listo para escoger el test.

Traduce la pregunta a una acción estadística

La prueba estadística no nace del tema general, sino de la acción que quieres realizar con los datos. “Estrés académico en estudiantes” no apunta a ningún test. En cambio, “¿existe diferencia en el nivel medio de estrés entre estudiantes que trabajan y estudiantes que no trabajan?” ya sugiere comparar dos grupos.

Tres acciones aparecen con mucha frecuencia en trabajos de grado/licenciatura y máster/maestría:

1. Comparar: quieres saber si dos o más grupos difieren en una variable.
2. Relacionar: quieres saber si dos variables cambian juntas.
3. Predecir o explicar: quieres estimar cuánto aporta una o varias variables a otra.

Si todavía estás delimitando el problema, conviene revisar cómo se conectan variables e indicadores antes de abrir un programa estadístico. La guía sobre la relación visual entre variables, indicadores y medición puede ayudarte a pasar de una idea amplia a variables observables.

Identifica variable dependiente, independiente y unidad de análisis

Variable dependiente: es el resultado que quieres explicar, comparar o predecir.
Variable independiente: es el factor, grupo o predictor que usas para explicar cambios en la variable dependiente.
Unidad de análisis: es el caso sobre el que mides los datos: una persona, un aula, una empresa, un expediente, una campaña o un hospital.

Ejemplo en psicología social: si preguntas “¿difieren los niveles de ansiedad entre estudiantes con alta y baja exposición a redes sociales antes de dormir?”, la ansiedad es la variable dependiente, la exposición a redes sociales define los grupos y la unidad de análisis es cada estudiante.

En enfermería: “¿la adherencia al tratamiento se asocia con el número de llamadas de seguimiento tras el alta hospitalaria?” relaciona adherencia y seguimiento. Si la adherencia está medida como porcentaje, podrías pensar en correlación o regresión; si está codificada como adherente/no adherente, la ruta cambia.

Convierte una pregunta vaga en una pregunta analizable

Una pregunta estadística útil incluye población, variables, comparación o relación, y medida esperada. Mira la diferencia:

Versión débil	Versión más sólida
“¿Influye la motivación en el rendimiento?”	“¿Existe asociación entre la puntuación de motivación académica y la nota final en estudiantes de primer curso?”
“¿Los pacientes mejoran con seguimiento?”	“¿Difieren las tasas de adherencia al tratamiento entre pacientes con seguimiento telefónico semanal y pacientes sin seguimiento?”
“¿El teletrabajo afecta a la productividad?”	“¿La cantidad de días de teletrabajo predice la productividad mensual autoinformada en empleados administrativos?”
“¿La metodología activa funciona?”	“¿Existen diferencias en la puntuación media del examen entre estudiantes que usaron aula invertida y estudiantes con clase expositiva?”

La prueba estadística se vuelve mucho más fácil de elegir cuando la pregunta ya contiene la estructura del análisis.

¿Qué prueba estadística usar según el tipo de variable?

Para decidir qué prueba estadística usar, empieza por la variable dependiente: puede ser categórica, ordinal, cuantitativa continua o de recuento. Después mira la variable independiente: puede definir grupos, medir una asociación o actuar como predictor. La combinación entre ambas suele reducir mucho las opciones.

Variables categóricas, ordinales y cuantitativas

Variable categórica nominal: clasifica casos sin orden natural, por ejemplo sexo registrado, tipo de contrato, turno laboral o diagnóstico.
Variable ordinal: tiene categorías ordenadas, pero la distancia entre niveles no siempre es igual, por ejemplo “bajo, medio, alto” o una escala Likert tratada de forma ordinal.
Variable cuantitativa continua: representa una medida numérica con intervalos interpretables, como edad, puntuación de ansiedad, presión arterial o calificación de 0 a 10.

El error frecuente es mirar solo el nombre de la variable y no cómo fue medida. “Satisfacción” puede ser una puntuación promedio de 1 a 7, una categoría baja/media/alta o una respuesta dicotómica satisfecho/no satisfecho. Cada versión puede llevar a una prueba distinta.

Qué cambia cuando comparas grupos

Si tu variable dependiente es cuantitativa y tu variable independiente crea grupos, sueles estar en el terreno de t de Student o ANOVA. Por ejemplo, en educación podrías preguntar si la puntuación media en comprensión lectora difiere entre dos métodos de enseñanza. Si hay dos grupos independientes, la t de Student puede ser una opción; si hay tres métodos, ANOVA entra en juego.

Si la variable dependiente es categórica, la comparación de proporciones suele apuntar a chi-cuadrado o a pruebas exactas cuando las frecuencias esperadas son bajas. En un trabajo de gestión, comparar la proporción de empleados que declaran intención de rotación entre departamentos no es lo mismo que comparar la media de satisfacción.

Relación entre medición y análisis

Elegir test estadístico no significa buscar el nombre más sofisticado. Significa respetar la forma de tus datos. Si conviertes una variable ordinal de tres niveles en una media sin justificarlo, tu análisis puede parecer más preciso de lo que realmente es.

Un ejemplo de ciencias de la salud: en un estudio sobre dolor postoperatorio, una escala numérica de 0 a 10 puede analizarse como cuantitativa si tu programa y tu tutor aceptan esa decisión metodológica. En cambio, si agrupas el dolor en leve, moderado y severo, el análisis cambia hacia pruebas para variables ordinales o categóricas.

¿Cómo funciona un árbol de decisión de pruebas estadísticas?

Un árbol de decisión de pruebas estadísticas funciona como una serie de preguntas sí/no sobre tu diseño y tus variables. No reemplaza el criterio metodológico, pero evita saltar directamente a una prueba por intuición. La ruta empieza con el objetivo del análisis y termina con una prueba compatible con el tipo de datos y los supuestos.

Árbol de decisión pruebas estadísticas para estudiantes

Puedes usar este esquema como primer filtro antes de revisar detalles de supuestos:

1. Define tu objetivo principal: comparar grupos, analizar asociación o predecir una variable.
2. Identifica la variable dependiente: cuantitativa, categórica, ordinal o recuento.
3. Cuenta los grupos o predictores: dos grupos, tres o más grupos, una variable predictora o varias.
4. Revisa independencia: casos independientes o medidas repetidas en los mismos sujetos.
5. Comprueba supuestos básicos: normalidad aproximada, homogeneidad de varianzas, linealidad o frecuencias esperadas.
6. Elige una prueba candidata y escribe por qué encaja con tu pregunta.
7. Prepara una alternativa si los supuestos no se cumplen.

Este proceso reduce la sensación de “adivinar” porque cada decisión se apoya en una característica observable del estudio.

Comparación, asociación o predicción

Si tu verbo central es “diferir”, “comparar” o “tener mayor que”, probablemente estás comparando grupos. Si tu verbo es “relacionarse”, “asociarse” o “correlacionar”, buscas asociación. Si preguntas “en qué medida X predice Y” o “qué factores explican Y”, estás cerca de una regresión.

La pregunta de investigación marca esta ruta. Si todavía no logras formularla con precisión, consulta el embudo visual para formular una pregunta de investigación, porque una pregunta borrosa produce una elección estadística borrosa.

Datos independientes o emparejados

Datos independientes: cada observación pertenece a un caso distinto y no está conectada con otra observación del mismo sujeto.
Datos emparejados o repetidos: mides a los mismos casos más de una vez, o emparejas casos por alguna característica relevante.

Ejemplo: comparar ansiedad entre dos grupos de estudiantes distintos es un diseño independiente. Medir ansiedad antes y después de un taller en los mismos estudiantes es un diseño de medidas repetidas. Esa diferencia cambia la prueba: no basta con decir “t de Student”; debes distinguir entre muestras independientes y muestras relacionadas.

¿Cuándo usar t de Student ANOVA regresión chi-cuadrado o correlación?

Usa t de Student para comparar dos medias, ANOVA para comparar tres o más medias, chi-cuadrado para asociación entre variables categóricas, correlación para relación entre dos variables numéricas y regresión para predecir una variable a partir de una o más variables. La decisión depende del diseño, no del prestigio del test. En muchos trabajos de grado o máster, una prueba simple bien justificada es mejor que un modelo complejo mal explicado.

t de Student y ANOVA

La frase “t de Student ANOVA regresión” aparece mucho cuando estudiantes buscan una respuesta rápida, pero esas pruebas responden preguntas distintas. La t de Student compara dos medias: por ejemplo, el promedio de estrés entre estudiantes que trabajan y quienes no trabajan. ANOVA compara tres o más medias: por ejemplo, estrés medio entre estudiantes que no trabajan, trabajan a tiempo parcial y trabajan a tiempo completo.

Si los mismos estudiantes se miden antes y después de una intervención, la versión relacionada o de medidas repetidas es la que debes revisar. En un trabajo de enfermería sobre educación sanitaria, comparar conocimientos antes y después de una sesión formativa exige reconocer que las observaciones pertenecen a los mismos participantes.

Chi-cuadrado y pruebas para proporciones

Chi-cuadrado suele aparecer cuando ambas variables son categóricas. Ejemplo: en un estudio de salud pública, podrías analizar si la adherencia al tratamiento —sí/no— se asocia con el tipo de seguimiento —presencial, telefónico o mixto—. La tabla de contingencia permite observar si la distribución de adherencia cambia entre categorías.

Debes revisar las frecuencias esperadas. Si tienes una muestra pequeña y muchas celdas con pocos casos, quizá necesites una prueba exacta o reagrupar categorías con justificación. No conviene transformar categorías solo para “hacer que salga” un resultado.

Correlación y regresión

La correlación examina si dos variables cuantitativas se mueven juntas. Por ejemplo, en psicología podrías analizar la relación entre horas de sueño y puntuación de ansiedad. Si quieres estimar cuánto cambia la ansiedad al variar las horas de sueño, o controlar por edad y carga académica, la regresión puede ser más adecuada.

Regresión lineal: se usa cuando la variable dependiente es cuantitativa y buscas estimar el efecto de uno o varios predictores.
Regresión logística: se usa cuando la variable dependiente es dicotómica, por ejemplo abandono/no abandono, adherente/no adherente o aprobado/no aprobado.

En administración de empresas, si estudias si satisfacción laboral, salario percibido y flexibilidad horaria predicen intención de rotación, una regresión puede encajar mejor que varias correlaciones separadas.

¿Cómo justificar la prueba estadística en el capítulo de metodología?

Justifica la prueba estadística conectando cuatro elementos: pregunta, variables, diseño y supuestos. No basta con escribir “se aplicó ANOVA”; debes explicar por qué ANOVA responde a tu comparación y qué condiciones revisaste. La justificación debe ser breve, concreta y coherente con la pregunta de investigación.

Fórmula práctica para escribir la justificación

Una justificación clara puede seguir esta estructura:

1. Objetivo analítico: “Se comparó…”, “Se examinó la asociación…”, “Se estimó la capacidad predictiva…”.
2. Variables: nombra la variable dependiente y la independiente o predictora.
3. Tipo de datos: indica si son cuantitativos, categóricos u ordinales.
4. Diseño: aclara si los grupos son independientes o si hay medidas repetidas.
5. Prueba elegida: menciona el test y la razón.
6. Supuestos revisados: normalidad, varianzas, linealidad, independencia o frecuencias esperadas, según corresponda.

Ejemplo: “Se utilizó una t de Student para muestras independientes porque el objetivo era comparar la puntuación media de estrés académico entre dos grupos independientes de estudiantes, definidos por situación laboral. La variable dependiente fue cuantitativa y se revisaron normalidad aproximada y homogeneidad de varianzas antes del análisis”.

Cómo conectarlo con tu metodología

Tu análisis estadístico no debe aparecer desconectado del resto del trabajo. Si tu diseño, muestra e instrumentos están mal definidos, la prueba queda en el aire. La guía sobre el flujo visual para organizar el capítulo de metodología puede servirte para ubicar el análisis dentro de una sección metodológica completa.

También debes alinear la prueba con tus hipótesis. Si tu hipótesis dice “los estudiantes con mayor motivación obtendrán mejores calificaciones”, la lógica sugiere asociación o predicción, no comparación de grupos, salvo que hayas convertido motivación en categorías justificadas. Revisa la relación visual entre propósito, objetivos e hipótesis si tus hipótesis todavía no señalan una operación estadística clara.

Ejemplo de redacción débil y versión corregida

Versión débil del estudiante	Reescritura más sólida
“Se hará ANOVA porque hay datos numéricos y es una prueba común.”	“Se aplicará ANOVA de un factor para comparar la puntuación media de satisfacción académica entre tres modalidades de clase: presencial, híbrida y virtual.”
“Usaré regresión para ver si hay relación entre variables.”	“Se utilizará regresión lineal para estimar si las horas de estudio predicen la nota final, controlando por asistencia y promedio previo.”
“Se analizarán los resultados con SPSS.”	“Los datos se analizarán mediante chi-cuadrado para evaluar la asociación entre tipo de contrato y percepción de inseguridad laboral, ambas variables categóricas.”

La segunda columna no promete resultados; solo explica la lógica de análisis. Esa diferencia mejora la credibilidad del capítulo.

¿Qué errores cometen los estudiantes al elegir una prueba estadística?

Los estudiantes suelen fallar al elegir una prueba estadística cuando deciden por el nombre del test antes de mirar la pregunta, las variables y el diseño. También aparecen errores al tratar escalas ordinales como continuas sin justificarlo, ignorar medidas repetidas o confundir asociación con causalidad. Estos fallos se corrigen volviendo a la estructura básica: pregunta, medición, grupos y supuestos.

Errores frecuentes con ejemplos reales

1. Elegir la prueba por familiaridad
   Ejemplo: “Voy a usar t de Student porque es la que vimos en clase”.
   Corrección: primero pregunta si comparas exactamente dos medias, si los grupos son independientes o relacionados, y si la variable dependiente es cuantitativa.

2. Convertir cualquier escala Likert en media sin explicarlo
   Ejemplo: “La satisfacción se medirá con una pregunta de 1 a 5 y se analizará con ANOVA”.
   Corrección: distingue entre un único ítem ordinal y una escala compuesta por varios ítems; justifica el tratamiento de la variable antes de elegir la prueba.

3. Confundir relación con diferencia entre grupos
   Ejemplo: “Quiero saber si horas de estudio y nota final son diferentes”.
   Corrección: si ambas son variables numéricas medidas en los mismos estudiantes, probablemente buscas correlación o regresión, no diferencia de medias.

4. Ignorar que las mediciones son repetidas
   Ejemplo: “Compararé ansiedad antes y después del taller con una t de Student normal”.
   Corrección: al medir a las mismas personas dos veces, revisa pruebas para muestras relacionadas o alternativas no paramétricas para datos emparejados.

5. Usar regresión sin una pregunta predictiva
   Ejemplo: “Meteré todas las variables en una regresión para ver qué sale”.
   Corrección: define antes qué variable quieres explicar y qué predictores tienen sentido teórico según tu revisión de literatura.

Comparación de decisiones débiles y decisiones defendibles

Situación	Decisión débil	Decisión defendible
Dos grupos independientes y puntuación de ansiedad	“ANOVA porque suena más completo”	“t de Student para muestras independientes, si se cumplen supuestos básicos”
Tres métodos de enseñanza y nota final	“Tres t de Student separadas”	“ANOVA de un factor, con comparaciones post hoc si procede”
Adherencia sí/no y tipo de seguimiento	“Comparar medias de adherencia”	“Chi-cuadrado o prueba exacta, porque ambas variables son categóricas”
Horas de sueño y ansiedad	“t de Student”	“Correlación o regresión lineal, según si buscas asociación o predicción”

Elegir una prueba no es una demostración de habilidad técnica; es una decisión metodológica que debe poder leerse y defenderse.

¿Cómo comprobar tu decisión antes de analizar los datos?

Comprueba tu decisión revisando si la prueba responde directamente a la pregunta, si el tipo de variable encaja y si los supuestos básicos son razonables. Después escribe una frase de justificación antes de ejecutar el análisis. Si no puedes justificar la prueba en dos o tres líneas, probablemente aún falta precisar la pregunta o la medición.

Revisión mínima antes de correr el análisis

Antes de abrir el software, haz una revisión manual. Te ahorra repetir análisis, cambiar hipótesis a mitad del proceso o escribir una metodología que no coincide con los resultados.

Pregúntate:

• ¿Cuál es mi variable dependiente?
• ¿Qué variable o grupo explica, compara o predice?
• ¿Mi pregunta busca diferencia, asociación o predicción?
• ¿Cuántos grupos tengo?
• ¿Los casos son independientes o se repiten?
• ¿La variable dependiente es cuantitativa, categórica u ordinal?
• ¿Qué supuestos debo revisar para esta prueba?
• ¿Qué alternativa usaré si los supuestos no encajan?

Esta revisión también ayuda a detectar si necesitas reformular la hipótesis. Una hipótesis de diferencia no se analiza igual que una hipótesis de asociación.

Antes de seguir: lista de verificación para elegir una prueba estadística

• He formulado una pregunta de investigación que indica comparación, asociación o predicción.
• He identificado la variable dependiente y la variable independiente o predictora.
• He definido la unidad de análisis: estudiante, paciente, aula, empresa, expediente u otra.
• Sé si mi variable dependiente es cuantitativa, categórica, ordinal o de recuento.
• He contado cuántos grupos, categorías o predictores intervienen.
• He distinguido entre datos independientes y medidas repetidas.
• He revisado si corresponde t de Student, ANOVA, chi-cuadrado, correlación o regresión.
• He pensado en una alternativa si los supuestos no se cumplen.
• Puedo justificar la prueba en dos o tres frases en el capítulo de metodología.
• La prueba elegida responde a mi hipótesis y no solo a una preferencia por el software.

Señal final de coherencia

Una buena señal es que tu pregunta, hipótesis, tabla de variables y prueba estadística puedan leerse como una misma cadena. Si la pregunta compara tres métodos de enseñanza, la hipótesis habla de diferencias de rendimiento, la variable dependiente es una nota numérica y los grupos son independientes, ANOVA tiene sentido como candidata. Si alguna pieza no encaja, no fuerces el test: ajusta la pregunta, la medición o la justificación antes de pasar a resultados.

Enlaces internos recomendados

(Metadatos del sistema de construcción — no eliminar esta sección)

• Relación visual entre variables, indicadores y medición
• Embudo visual para formular una pregunta de investigación
• Flujo visual para organizar el capítulo de metodología
• Relación visual entre propósito, objetivos e hipótesis

---