Cómo escribir el capítulo de resultados en un estudio cuantitativo

Tienes los datos analizados, varias tablas abiertas y una duda incómoda: no sabes si empezar por la media, por la prueba estadística, por la hipótesis o por una frase que “explique” lo que salió. Ahí suele bloquearse quien busca cómo escribir el capítulo de resultados sin convertirlo en una mezcla de metodología, discusión y capturas de SPSS, Excel, Jamovi o R. El problema no es solo qué poner, sino en qué orden ponerlo y cuánto comentar sin adelantarte a la interpretación. En trabajos de grado/licenciatura y máster/maestría, el capítulo de resultados cuantitativos funciona mejor cuando sigue una ruta clara: datos, descripción, pruebas, hallazgos alineados con cada objetivo y cierre breve.

Para escribir un capítulo de resultados cuantitativos, presenta primero la muestra y la calidad de los datos, después los descriptivos y finalmente los análisis inferenciales o modelos, siempre en el orden de tus preguntas, objetivos o hipótesis. No expliques todavía por qué ocurrió algo: reporta qué se encontró, con tablas y figuras legibles, y reserva la interpretación amplia para la discusión.

En esta guía

• ¿Cómo escribir el capítulo de resultados sin mezclarlo con la discusión?
• ¿Qué estructura debe tener un capítulo de resultados cuantitativos?
• ¿En qué orden conviene presentar resultados cuantitativos?
• ¿Cómo se redacta un ejemplo de sección de resultados?
• ¿Cómo deben usarse tablas y figuras en el capítulo de resultados?
• ¿Qué errores cometen los estudiantes al escribir el capítulo de resultados?
• ¿Cómo adaptar los resultados a distintas disciplinas académicas?
• ¿Cómo revisar el capítulo antes de pasar a la discusión?

¿Cómo escribir el capítulo de resultados sin mezclarlo con la discusión?

El capítulo de resultados informa qué muestran los datos; la discusión explica qué significan esos hallazgos en relación con la literatura, la teoría y las limitaciones del estudio. Para no mezclar ambos capítulos, redacta frases centradas en evidencia observable: medias, porcentajes, diferencias, asociaciones, intervalos, valores p o patrones numéricos. Si empiezas a justificar causas, comparar con autores o extraer implicaciones prácticas, probablemente ya estás escribiendo discusión.

La frontera entre reportar e interpretar

Resultado significa hallazgo derivado del análisis de datos. En investigación cuantitativa, suele expresarse mediante números: frecuencias, medias, desviaciones estándar, coeficientes, diferencias entre grupos, correlaciones, regresiones o tamaños del efecto.

Discusión significa interpretación académica del hallazgo. Ahí explicas por qué podría haber aparecido ese resultado, cómo encaja con estudios previos, qué aporta y qué límites tiene.

La confusión de resultados vs discusión aparece cuando el estudiante escribe algo como: “El grupo experimental obtuvo mejores puntuaciones porque la intervención aumentó la motivación”. Si el análisis solo mostró una diferencia de medias, la frase “porque aumentó la motivación” necesita evidencia adicional o pertenece a la discusión. En resultados sería más preciso: “El grupo experimental obtuvo una puntuación media mayor que el grupo control”.

Tabla rápida: resultado vs discusión

Versión débil en resultados	Versión más adecuada en resultados
“Los estudiantes mejoraron porque la estrategia fue eficaz.”	“La puntuación media aumentó de 6.4 a 7.8 después de la intervención.”
“La edad afecta mucho al uso de la app.”	“La edad se asoció negativamente con la frecuencia de uso de la app, r = -0.32.”
“Este hallazgo confirma la teoría de la autodeterminación.”	“Se observó una asociación positiva entre motivación autónoma y rendimiento académico.”
“Las enfermeras están sobrecargadas, como dice la literatura.”	“El 62% de las participantes reportó una carga laboral alta según la escala utilizada.”

Señales de que te estás adelantando

Revisa cada párrafo con una pregunta simple: “¿Esta frase sale directamente de mis datos o de mi interpretación?”. Si sale de los datos, puede quedarse en resultados. Si depende de literatura previa, teoría, recomendaciones o explicaciones causales no probadas, muévela a la discusión.

También conviene mirar la relación entre variables antes de redactar. Si todavía no tienes claro qué variable es independiente, dependiente, predictora o resultado, revisa la relación visual entre variables independientes y dependientes para evitar frases causales que tu diseño no permite sostener.

¿Qué estructura debe tener un capítulo de resultados cuantitativos?

Un capítulo de resultados cuantitativos suele incluir una breve introducción del capítulo, descripción de la muestra, preparación o calidad de los datos, estadística descriptiva, pruebas inferenciales o modelos, y cierre sintético por objetivos o hipótesis. No todos los trabajos necesitan las mismas subsecciones, pero el orden debe permitir que el lector entienda primero de dónde salen los datos y después qué muestran los análisis. La estructura mejora cuando cada apartado responde a una pregunta de investigación concreta.

Estructura base para trabajos de grado y máster

Una estructura funcional puede verse así:

1. Introducción breve del capítulo. Indica qué se presenta y en qué orden, sin repetir la metodología completa.
2. Descripción de la muestra. Reporta tamaño muestral, características relevantes y posibles exclusiones.
3. Preparación de datos. Menciona datos perdidos, criterios de limpieza o comprobaciones necesarias si afectan al análisis.
4. Resultados descriptivos. Presenta medias, frecuencias, porcentajes, desviaciones estándar o distribuciones.
5. Resultados por pregunta, objetivo o hipótesis. Ordena las pruebas estadísticas según la lógica del estudio.
6. Síntesis final. Resume los hallazgos principales sin explicarlos en profundidad.

Esta secuencia evita que el lector vea una prueba t, una regresión o un chi-cuadrado sin contexto. Primero necesita saber quiénes participaron, qué variables se midieron y cómo se comportaron los datos.

Una plantilla adaptable

Puedes usar una plantilla como esta, ajustándola a tu universidad:

• 4.1 Introducción al capítulo
• 4.2 Características de la muestra
• 4.3 Estadísticos descriptivos de las variables principales
• 4.4 Resultados relacionados con el Objetivo 1
• 4.5 Resultados relacionados con el Objetivo 2
• 4.6 Contraste de hipótesis
• 4.7 Resumen de hallazgos

Si tu trabajo tiene hipótesis, el orden por hipótesis suele ser claro. Si no tiene hipótesis, usa objetivos o preguntas de investigación. Si necesitas reconstruir la estructura completa del trabajo antes de encajar este capítulo, puede ayudarte el esquema jerárquico de capítulos para un trabajo académico.

Qué no pertenece a esta estructura

No incluyas explicaciones largas de instrumentos, justificación del muestreo o fórmulas estadísticas básicas si ya aparecen en metodología. Tampoco pegues salidas completas del software: el lector no necesita ver cada línea generada por el programa, sino una selección académica de lo relevante.

Una buena regla práctica: el capítulo debe permitir verificar tus hallazgos, no enseñar todo tu proceso técnico. La trazabilidad se logra con valores bien reportados, tablas limpias y relación directa con objetivos, no con capturas extensas.

¿En qué orden conviene presentar resultados cuantitativos?

Conviene presentar resultados cuantitativos desde lo general hacia lo específico: primero la muestra, luego los descriptivos y después las pruebas vinculadas con cada pregunta u objetivo. Dentro de las pruebas, usa el mismo orden que prometiste en la introducción, la metodología o las hipótesis. Ese paralelismo ayuda al lector a encontrar rápidamente qué evidencia responde a cada parte del estudio.

Orden recomendado paso a paso

Una secuencia segura para organizar el material es:

1. Reúne todas tus preguntas, objetivos e hipótesis en una lista.
2. Asocia cada variable con su indicador o escala de medición.
3. Coloca primero los datos descriptivos necesarios para entender esas variables.
4. Ubica cada prueba estadística debajo de la pregunta u objetivo correspondiente.
5. Decide qué va en tabla, qué va en figura y qué se expresa solo en texto.
6. Redacta una frase de resultado por cada hallazgo central.
7. Comprueba que no haya resultados “huérfanos” sin conexión con un objetivo.

Este proceso funciona especialmente bien cuando tienes varios análisis. Por ejemplo, si tu estudio analiza estrés académico, horas de sueño y rendimiento, no presentes primero la correlación más “interesante” si antes no has mostrado cómo se distribuyen esas variables.

Orden por hipótesis

Cuando hay hipótesis, cada una puede convertirse en una subsección:

• Hipótesis 1: relación entre ansiedad y rendimiento.
• Hipótesis 2: diferencia de rendimiento entre estudiantes con alta y baja asistencia.
• Hipótesis 3: predicción del rendimiento a partir de ansiedad y asistencia.

Ese orden impide saltos bruscos. Además, deja claro si una hipótesis fue apoyada, parcialmente apoyada o no apoyada por los datos. Evita escribir “se comprueba la hipótesis” si tu diseño solo permite decir que los resultados son consistentes con ella.

Orden por tipo de análisis

A veces no hay hipótesis formales, sino preguntas descriptivas y comparativas. En ese caso, puedes ordenar por tipo de análisis:

• Descripción de variables.
• Comparación entre grupos.
• Asociación entre variables.
• Modelo predictivo, si existe.

Si dudas sobre qué prueba corresponde a tu variable y pregunta, revisa el diagrama visual para elegir una prueba estadística. Elegir la prueba antes de escribir evita tener un capítulo ordenado, pero estadísticamente incoherente.

¿Cómo se redacta un ejemplo de sección de resultados?

Una sección de resultados se redacta con una frase de contexto, el valor estadístico relevante y una lectura mínima del patrón observado. El texto no debe repetir todos los números de la tabla, sino guiar al lector hacia el hallazgo que responde a la pregunta. Un buen ejemplo de sección de resultados combina precisión estadística y lenguaje claro.

Ejemplo de sección de resultados en psicología

Supón un trabajo de psicología sobre relación entre ansiedad ante exámenes y rendimiento académico en estudiantes universitarios. Una subsección podría escribirse así:

Versión débil:
“Los resultados fueron significativos y se puede decir que la ansiedad afecta mucho a las notas. Los estudiantes con ansiedad tienen peor rendimiento, lo cual demuestra que la ansiedad es mala para estudiar.”

Versión más sólida:
“Se observó una correlación negativa entre ansiedad ante exámenes y rendimiento académico, r = -0.41, p = .003. Este resultado indica que puntuaciones más altas de ansiedad se asociaron con calificaciones más bajas en la muestra analizada.”

La versión débil exagera causalidad, usa “afecta” sin justificar diseño causal y añade valoración. La versión más sólida presenta el resultado, su dirección y el alcance correcto: asociación en una muestra.

Microestructura de un párrafo de resultados

Un párrafo útil suele tener tres partes:

1. Contexto: “Para responder al primer objetivo, se analizó…”
2. Resultado: “La prueba mostró…, M = …, DE = …, p = …”
3. Lectura mínima: “El patrón indica una diferencia/asociación en la dirección esperada/no esperada.”

No hace falta poner todos los valores posibles. Incluye los que tu guía de estilo, tu docente o tu disciplina esperan: tamaño de muestra, estadístico de prueba, grados de libertad cuando aplique, valor p, intervalo de confianza o tamaño del efecto.

Ejemplo con comparación de grupos

En un trabajo de educación sobre una intervención de lectura, podrías escribir:

“Para evaluar diferencias en comprensión lectora entre el grupo que recibió la intervención y el grupo control, se aplicó una prueba t para muestras independientes. El grupo de intervención obtuvo una media más alta (M = 82.6, DE = 7.4) que el grupo control (M = 76.1, DE = 8.2). La diferencia fue estadísticamente significativa, t(58) = 3.12, p = .003, con un tamaño del efecto moderado.”

Este ejemplo de sección de resultados muestra el orden lógico: objetivo, prueba, descriptivos, resultado inferencial y lectura mínima. La discusión posterior podrá explicar si la intervención coincide con estudios previos o si existen limitaciones.

¿Cómo deben usarse tablas y figuras en el capítulo de resultados?

Las tablas y figuras deben usarse cuando hacen más clara la comparación, distribución o relación entre datos. Una tabla sirve mejor para valores exactos; una figura sirve mejor para patrones visuales, tendencias o diferencias fáciles de ver. No dupliques la misma información en tabla, figura y texto con el mismo nivel de detalle.

Cuándo usar tabla

Usa una tabla si necesitas mostrar varios valores de forma ordenada: medias y desviaciones estándar por grupo, frecuencias por categoría, resultados de regresión o comparación de varias variables. Una tabla permite al lector revisar números con precisión.

Ejemplo: en ciencias de la salud o enfermería, un estudio sobre adherencia a medicación en pacientes mayores dados de alta a atención domiciliaria puede presentar una tabla con edad, número de medicamentos, puntuación de adherencia y reingresos. Si además comparas pacientes con alta y baja adherencia, la tabla evita párrafos llenos de números difíciles de leer.

Para decidir qué descriptivos incluir, puede servirte el resumen visual de estadística descriptiva en investigación, sobre todo si mezclas variables categóricas y numéricas.

Cuándo usar figura

Usa una figura cuando el patrón sea más importante que el valor exacto. Gráficos de barras, diagramas de cajas o gráficos de dispersión pueden mostrar diferencias, dispersión o asociaciones de manera más rápida que una tabla.

Por ejemplo, en administración de empresas, un trabajo sobre satisfacción laboral y rotación prevista podría usar un gráfico de dispersión para mostrar la relación entre satisfacción y probabilidad declarada de renunciar. Si el objetivo es que el lector vea la tendencia descendente, la figura aporta más que una tabla extensa.

Cómo mencionar tablas y figuras en el texto

Cada tabla o figura debe estar anunciada y comentada. No escribas “ver tabla 2” sin decir qué debe observar el lector. Una fórmula útil es:

“Como se muestra en la Tabla 2, el grupo con alta participación presentó una media superior en satisfacción académica que el grupo con baja participación.”

Después puedes añadir el valor principal. No repitas celda por celda: selecciona lo que responde a tu objetivo.

Errores frecuentes con tablas

Problema en la tabla	Ejemplo concreto	Corrección recomendada
Tabla demasiado grande	18 variables con todos los decimales del software	Dividir por bloques y redondear de forma consistente
Título vago	“Resultados”	“Medias y desviaciones estándar de ansiedad y rendimiento por grupo”
Duplicación	Misma media en texto, tabla y gráfico	Mantener tabla y comentar solo el patrón principal
Falta de conexión	Tabla sobre edad cuando la edad no se usa en ningún análisis	Justificarla como característica de muestra o eliminarla

¿Qué errores cometen los estudiantes al escribir el capítulo de resultados?

Los errores más comunes son presentar números sin conexión con objetivos, interpretar causalmente análisis que no lo permiten, copiar salidas del software y mezclar resultados con discusión. También aparece el problema contrario: escribir frases tan generales que el lector no puede saber qué prueba se aplicó ni qué se encontró. Cada error se corrige volviendo a la pregunta central: qué dato responde a qué objetivo.

Errores con ejemplos reales y corrección

1. Empezar por la prueba “más llamativa” sin contexto
   Ejemplo del estudiante: “La regresión fue significativa, por lo tanto el modelo funciona.”
   Corrección: antes de la regresión, presenta las variables, descriptivos básicos y objetivo del modelo. Es mejor escribir: “Para estimar la contribución de horas de estudio y asistencia al rendimiento, se ajustó un modelo de regresión lineal.”

2. Usar lenguaje causal con diseños correlacionales
   Ejemplo del estudiante: “El uso de redes sociales reduce el rendimiento académico.”
   Corrección: si solo mediste asociación, escribe: “El uso de redes sociales se asoció negativamente con el rendimiento académico.” La palabra “reduce” exige un diseño que permita sostener causalidad.

3. Copiar resultados sin seleccionar lo relevante
   Ejemplo del estudiante: “Se pega una tabla completa del software con veinte filas, notas al pie automáticas y columnas que no se comentan.”
   Corrección: crea una tabla académica con los estadísticos necesarios y elimina salidas técnicas que no aportan al argumento.

4. Declarar significancia sin dirección ni tamaño
   Ejemplo del estudiante: “Hubo diferencias significativas entre hombres y mujeres.”
   Corrección: indica qué grupo obtuvo mayor valor, en qué variable y con qué magnitud aproximada: “Las mujeres reportaron mayor ansiedad media que los hombres; la diferencia fue estadísticamente significativa y de tamaño pequeño.”

5. Responder preguntas que no estaban en el diseño
   Ejemplo del estudiante: “También se analizó la relación entre estado civil y satisfacción, aunque no estaba en los objetivos.”
   Corrección: solo incluye análisis adicionales si tienen justificación clara. Si no responden a objetivos, déjalos fuera o explícitalos como exploratorios con cautela.

Comparación de una mala y una buena presentación

Versión débil	Reescritura más sólida
“Los resultados de la encuesta fueron buenos. La mayoría contestó positivo y esto quiere decir que el programa tuvo impacto.”	“El 68% de los participantes valoró el programa con 4 o 5 puntos en una escala de 1 a 5. Este patrón muestra una valoración mayoritariamente favorable, aunque no permite afirmar impacto causal por sí solo.”
“La hipótesis queda demostrada porque p salió menor que .05.”	“Los resultados fueron consistentes con la hipótesis planteada, ya que se observó una diferencia estadísticamente significativa entre los grupos, p < .05.”
“La variable motivación salió alta.”	“La puntuación media de motivación fue 4.12 sobre 5 (DE = 0.61), lo que indica valores altos dentro de la escala utilizada.”

¿Cómo adaptar los resultados a distintas disciplinas académicas?

La estructura general del capítulo se mantiene, pero cada disciplina espera distintos énfasis: psicología suele pedir claridad en escalas y asociaciones; salud exige precisión en características clínicas o asistenciales; educación y empresa suelen valorar comparaciones entre grupos, programas o perfiles. Lo esencial es que cada resultado responda a una pregunta medible y use el lenguaje propio del campo sin exagerar conclusiones. Los ejemplos disciplinares ayudan a ajustar tono, variables y tablas.

Ciencias sociales y psicología

En psicología, sociología o comunicación, los resultados suelen organizarse por constructos: ansiedad, motivación, actitudes, satisfacción, percepción de riesgo. Si trabajas con escalas, reporta consistencia interna si tu docente lo pide, descriptivos por escala y asociaciones entre variables.

Ejemplo: en un estudio de psicología social sobre soledad percibida y uso problemático del móvil, puedes presentar primero la media de soledad, luego la media de uso problemático y después la correlación entre ambas. Evita convertir una asociación en diagnóstico o afirmar que una variable “provoca” la otra si el diseño es transversal.

Ciencias de la salud y enfermería

En salud, enfermería, fisioterapia o nutrición, la descripción de la muestra suele tener más peso. Edad, sexo, diagnóstico, tiempo de tratamiento, comorbilidades o tipo de intervención pueden ser relevantes antes de presentar resultados principales.

Ejemplo: en un trabajo de enfermería sobre adherencia a medicación en pacientes mayores dados de alta a atención domiciliaria, el capítulo puede iniciar con edad media, número de fármacos prescritos y frecuencia de apoyo familiar. Después puede comparar adherencia entre pacientes con y sin seguimiento telefónico. Si el diseño no es experimental, el lenguaje debe ser prudente: “se observó mayor adherencia en…” en vez de “el seguimiento causó…”.

Educación, empresa y gestión

En educación, es común presentar resultados por grupo, curso, programa o momento de medición. En empresa y gestión, aparecen variables como satisfacción laboral, liderazgo, clima organizacional, intención de compra o productividad percibida.

Ejemplo educativo: un estudio sobre aprendizaje cooperativo en matemáticas puede mostrar resultados pretest y postest por grupo. Ejemplo de gestión: un trabajo sobre liderazgo transformacional y compromiso organizacional puede reportar medias por dimensión y una regresión donde el compromiso sea variable dependiente.

En ambos casos, el lector necesita saber qué escala se usó y qué dirección tiene la puntuación. Si una escala de 1 a 5 indica más acuerdo, dilo antes de interpretar una media como “alta” o “baja”.

¿Cómo revisar el capítulo antes de pasar a la discusión?

Revisa el capítulo comprobando alineación, precisión estadística, claridad visual y separación entre resultado e interpretación. Cada tabla, figura y párrafo debe responder a una pregunta, objetivo o hipótesis. Si una frase no puede conectarse con tu diseño de investigación, probablemente sobra o necesita moverse.

Revisión por alineación

Haz una matriz simple con tres columnas: objetivo, análisis y ubicación en el capítulo. Si hay un objetivo sin resultado, falta análisis o redacción. Si hay un resultado sin objetivo, quizá estás incluyendo material accesorio.

También revisa que la metodología haya anunciado las pruebas que aparecen en resultados. Si en resultados usas una regresión, pero en metodología solo hablaste de descriptivos, hay una inconsistencia que tu docente puede marcar.

Revisión por lenguaje

Busca verbos problemáticos: “demuestra”, “prueba definitivamente”, “causa”, “garantiza”, “confirma por completo”. En muchos trabajos de grado y máster conviene sustituirlos por expresiones más precisas: “se observó”, “se asoció”, “fue consistente con”, “presentó diferencias”, “predijo parcialmente”.

La precisión también incluye no esconder hallazgos no significativos. Si una hipótesis no recibió apoyo estadístico, repórtalo de forma clara. Un resultado no significativo también informa algo sobre tus datos y evita una discusión sesgada.

Revisión por formato

Comprueba títulos de tablas, numeración, notas, decimales, abreviaturas y referencias cruzadas. Si usas estilo APA u otra guía, aplica el criterio de tu universidad o asignatura. La forma no sustituye al contenido, pero errores de formato dificultan leer el análisis.

Antes de avanzar: lista de verificación del capítulo de resultados

• El capítulo empieza con una introducción breve sobre el orden de presentación.
• La muestra se describe antes de las pruebas estadísticas principales.
• Los descriptivos aparecen antes de comparaciones, correlaciones o modelos.
• Cada resultado está conectado con un objetivo, pregunta o hipótesis.
• Las tablas tienen títulos específicos y no copian salidas completas del software.
• Las figuras muestran patrones que serían difíciles de leer solo en texto.
• El texto no repite todos los valores de las tablas.
• Las frases causales se evitan si el diseño no permite causalidad.
• Los resultados no significativos se reportan cuando responden al diseño.
• La interpretación con literatura, teoría e implicaciones queda para la discusión.
• La numeración de tablas y figuras coincide con las menciones en el texto.
• Los decimales y símbolos estadísticos son consistentes en todo el capítulo.

Enlaces internos recomendados

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

• Relación visual entre variables independientes y dependientes
• Esquema jerárquico de capítulos para un trabajo académico
• Diagrama visual para elegir una prueba estadística
• Resumen visual de estadística descriptiva en investigación