Cómo hacer una prueba de chi-cuadrado en SPSS paso a paso (2026)
La prueba de chi-cuadrado es una de las pruebas estadísticas más utilizadas en los trabajos fin de grado y tesis de ciencias sociales, educación, psicología, criminología y ciencias de la salud. Si tienes dos variables categóricas —por ejemplo, sexo y hábito de consumo, o nivel educativo y tipo de respuesta— y necesitas saber si existe una asociación entre ellas, el chi-cuadrado de Pearson en SPSS es tu herramienta. Esta guía te explica cómo hacer chi-cuadrado en SPSS desde cero: desde la formulación de hipótesis hasta la interpretación de la V de Cramer, con todos los menús y opciones que debes activar.
Antes de abrir SPSS, conviene entender qué mide realmente esta prueba. El chi-cuadrado no cuantifica la magnitud de la relación ni determina su dirección: únicamente contrasta si la distribución de frecuencias observadas se desvía de la distribución esperada bajo la hipótesis de independencia. Para medir la fuerza de esa asociación necesitarás estadísticos complementarios como la V de Cramer, que verás en el Paso 5.
¿Cuándo se usa la prueba de chi-cuadrado?
La prueba de chi-cuadrado de Pearson es adecuada cuando se cumplen estas tres condiciones:
- Las dos variables son categóricas (nominales u ordinales). Si una variable es continua (por ejemplo, nota media), necesitas una prueba diferente como la correlación de Pearson o la t de Student.
- Las observaciones son independientes: cada participante aparece una sola vez en la tabla de contingencia.
- El tamaño muestral es suficiente: la regla estándar exige que al menos el 80 % de las celdas tengan una frecuencia esperada ≥ 5 y que ninguna celda tenga una frecuencia esperada de 0.
Si no tienes claro qué prueba aplicar según el tipo de variables y el diseño de tu investigación, la guía sobre cómo elegir la prueba estadística correcta para tu TFG con árbol de decisión te ayudará a situarte antes de continuar.
Algunos contextos habituales en el TFG donde se aplica chi-cuadrado:
- Educación: ¿existe relación entre el nivel de estudios de los padres y el tipo de centro escolar elegido?
- Ciencias de la salud: ¿hay asociación entre el sexo y el hábito tabáquico?
- Criminología: ¿se distribuye el tipo de delito de forma diferente según la franja de edad? (Para un ejemplo aplicado, consulta la guía de análisis de datos en el TFG de Criminología).
- Ciencias del deporte: ¿existe asociación entre el nivel competitivo y la prevalencia de lesiones? (Ver el enfoque metodológico en el TFG de Educación Física CAFYD).
Si tus variables son ordinales y la tabla es 2×2, considera también la prueba exacta de Fisher, que SPSS calcula automáticamente al activar chi-cuadrado.
Supuestos que debes verificar antes de empezar
| Supuesto | Cómo verificarlo en SPSS | Qué hacer si se viola |
|---|---|---|
| Variables categóricas | Comprueba que el tipo de medida sea Nominal u Ordinal en la Vista de variables | Si son continuas, usa Pearson o t de Student |
| Independencia de observaciones | Revisión del diseño de investigación (cada sujeto = una fila) | Si las observaciones están pareadas, usa el test de McNemar |
| Frecuencias esperadas ≥ 5 en ≥ 80 % de celdas | SPSS muestra un aviso bajo la tabla de chi-cuadrado si se viola | Combina categorías o usa la prueba exacta de Fisher |
| Sin celdas con frecuencia esperada = 0 | Idem, el aviso de SPSS lo indica | Elimina la categoría vacía o amplía la muestra |
Paso 1 – Formula las hipótesis
Antes de abrir SPSS, redacta por escrito las hipótesis estadísticas. Esta práctica —que muchos estudiantes omiten— es fundamental para que el director del TFG pueda evaluar la coherencia entre el diseño y el análisis. Si aún no tienes clara la diferencia entre hipótesis de investigación e hipótesis estadísticas, revisa primero la guía sobre cómo formular hipótesis y preguntas de investigación en el TFG.
Para el chi-cuadrado, las hipótesis toman esta forma estándar:
- H₀ (hipótesis nula): No existe asociación entre la variable A y la variable B en la población. Las variables son independientes.
- H₁ (hipótesis alternativa): Existe una asociación estadísticamente significativa entre la variable A y la variable B.
Ejemplo práctico: En un TFG sobre hábitos de estudio universitario, las hipótesis serían:
- H₀: No existe asociación entre el género del estudiante y el uso de aplicaciones de estudio digital.
- H₁: Existe una asociación significativa entre el género y el uso de aplicaciones de estudio digital.
Establece el nivel de significación (α) antes de ejecutar el análisis. El valor convencional en ciencias sociales es α = 0,05, aunque en estudios exploratorios se admite α = 0,10.
Paso 2 – Introduce y etiqueta los datos en SPSS
Los datos deben estar en formato raw (un participante por fila, una variable por columna). SPSS no trabaja directamente con tablas de frecuencias ya calculadas, salvo si usas la función Ponderar casos.
- Abre SPSS y ve a la Vista de variables.
- Crea cada variable categórica: define el Nombre (sin espacios ni tildes), el Tipo (Numérico), la Medida (Nominal u Ordinal) y añade Etiquetas de valores (por ejemplo, 1 = Mujer, 2 = Hombre).
- Cambia a la Vista de datos e introduce los valores numéricos de cada participante.
Si trabajas con datos de una encuesta ya codificada, importa el archivo Excel o CSV desde Archivo → Importar datos. Asegúrate de que las columnas de las variables categóricas estén codificadas como números enteros y no como texto, pues SPSS puede leer mal las celdas con etiquetas textuales.
Paso 3 – Accede a Tablas cruzadas y configura las opciones
Este es el núcleo del procedimiento. Sigue la ruta de menús:
- Ve a Analizar → Estadísticos descriptivos → Tablas cruzadas (en inglés: Analyze → Descriptive Statistics → Crosstabs).
- Mueve la variable independiente (o la variable explicativa) al cuadro Filas y la variable dependiente al cuadro Columnas. Esta convención no afecta al resultado estadístico, pero facilita la lectura de los porcentajes de fila.
- Haz clic en el botón Estadísticos y activa:
— Chi-cuadrado (para obtener el estadístico de Pearson, el de razón de verosimilitud y la prueba exacta de Fisher)
— Phi y V de Cramer (para el tamaño del efecto)
— Opcionalmente, Coeficiente de contingencia - Haz clic en Aceptar en la ventana de Estadísticos y luego en el botón Casillas. Activa:
— Recuentos observados (marcado por defecto)
— Recuentos esperados (fundamental para verificar el supuesto)
— Porcentajes de fila (si la variable de fila es la independiente) - Pulsa Aceptar para ejecutar el análisis.
SPSS generará tres salidas principales en el visor: la tabla de contingencia (con frecuencias observadas, esperadas y porcentajes), la tabla de pruebas de chi-cuadrado y la tabla de medidas simétricas (donde aparece la V de Cramer).
Paso 4 – Interpreta la tabla de contingencia y las frecuencias esperadas
La tabla de contingencia muestra, para cada combinación de categorías, la frecuencia observada (Recuento) y la frecuencia esperada (Recuento esperado). La frecuencia esperada se calcula como:
Frecuencia esperada = (Total de fila × Total de columna) / Total general
Esta fórmula refleja cuántas observaciones habría en cada celda si las dos variables fueran completamente independientes. Cuando las frecuencias observadas se alejan mucho de las esperadas, el estadístico chi-cuadrado toma valores grandes y el valor p disminuye.
Cómo leer el aviso de SPSS: Justo debajo de la tabla de pruebas de chi-cuadrado, SPSS imprime una nota del tipo “X casillas (Y%) tienen una frecuencia esperada inferior a 5”. Si ese porcentaje supera el 20 %, el supuesto se viola y debes actuar:
- Combinar categorías adyacentes con sentido teórico (por ejemplo, fusionar “Pocas veces” y “Nunca”).
- Usar la prueba exacta de Fisher, que SPSS calcula automáticamente para tablas 2×2 y que es válida independientemente del tamaño de las frecuencias esperadas.
- Ampliar la muestra si el diseño lo permite.
Si el aviso no aparece o indica que el 0 % de las celdas tiene frecuencias esperadas inferiores a 5, puedes continuar con total seguridad.
Paso 5 – Lee el valor p y decide sobre la hipótesis nula
La tabla clave se llama Pruebas de chi-cuadrado. Las filas que más te interesan son:
| Fila | Cuándo usarla | Decisión |
|---|---|---|
| Chi-cuadrado de Pearson | Tabla con frecuencias esperadas ≥ 5 en ≥ 80 % de celdas | Si Sig. asintótica (bilateral) < 0,05 → rechaza H₀ |
| Corrección de continuidad (Yates) | Solo para tablas 2×2; más conservadora | Misma regla de p < 0,05 |
| Prueba exacta de Fisher | Tablas 2×2 con alguna frecuencia esperada < 5 | Usa la Sig. exacta (bilateral) |
| Razón de verosimilitud | Tablas más grandes, como alternativa al chi-cuadrado | Misma regla de p < 0,05 |
Interpretación del resultado:
- p < 0,05: Se rechaza H₀. Existe asociación estadísticamente significativa entre las dos variables.
- p ≥ 0,05: No se puede rechazar H₀. No hay evidencia suficiente de asociación en esta muestra.
Recuerda que la significación estadística no implica relevancia práctica. Una muestra muy grande puede generar un p < 0,05 para una asociación trivial. Por eso el siguiente paso —calcular la V de Cramer— es imprescindible.
Paso 6 – Calcula el tamaño del efecto con la V de Cramer
La tabla Medidas simétricas del visor de SPSS contiene la V de Cramer (y también el coeficiente Phi para tablas 2×2). Estos estadísticos miden la fuerza de la asociación entre 0 (ninguna asociación) y 1 (asociación perfecta).
Los umbrales de interpretación convencionales (Cohen, 1988) para la V de Cramer varían según el número de grados de libertad mínimos (el menor entre filas-1 y columnas-1):
| gl mínimos | Efecto pequeño | Efecto mediano | Efecto grande |
|---|---|---|---|
| 1 (tabla 2×2) | V = 0,10 | V = 0,30 | V = 0,50 |
| 2 (tabla 2×3 o 3×3) | V = 0,07 | V = 0,21 | V = 0,35 |
| 3 (tabla 2×4 o 4×4) | V = 0,06 | V = 0,17 | V = 0,29 |
Si tienes una tabla 2×2, fíjate en el coeficiente Phi en lugar de la V de Cramer: ambos coinciden en ese caso y el Phi es más directo de interpretar.
La columna Sig. aproximada de la tabla de medidas simétricas también debe ser < 0,05 para que la V de Cramer sea estadísticamente significativa. Si el chi-cuadrado es significativo pero la V de Cramer es muy baja (por ejemplo, V = 0,05), la asociación existe pero es prácticamente irrelevante.
Chi-cuadrado en la investigación académica: datos de uso
| Prueba estadística más citada en tesis de Ciencias Sociales (chi-cuadrado) | 1.ª más frecuente |
| Porcentaje de tesis cuantitativas que aplican tablas de contingencia | ~60 % |
| Nivel de significación estándar en Ciencias Sociales y de la Salud | α = 0,05 |
| Artículos que reportan tamaño del efecto junto al valor p (APA 7) | Obligatorio desde 2020 |
| Umbrales V de Cramer (efecto pequeño / mediano / grande) en tabla 2×2 | 0,10 / 0,30 / 0,50 |
Fuentes: APA Publication Manual 7.ª ed. (2020); Cohen, J. (1988). Statistical Power Analysis for the Behavioral Sciences; revisión sistemática de métodos estadísticos en tesis de Ciencias Sociales.
Paso 7 – Redacta los resultados en el TFG o tesis
El apartado de resultados de un TFG debe incluir tres elementos para el chi-cuadrado:
- El estadístico y los grados de libertad: χ²(gl) = valor.
- El valor p exacto o la indicación p < 0,001 si es muy pequeño.
- El tamaño del efecto: V de Cramer = valor.
Ejemplo de redacción en formato APA 7:
Se realizó una prueba de chi-cuadrado de Pearson para examinar la asociación entre el género y el uso de aplicaciones de estudio digital. Se observó una asociación estadísticamente significativa, χ²(1) = 8,43, p = .004, V de Cramer = .22, lo que indica un tamaño del efecto mediano. Los estudiantes varones mostraron una mayor prevalencia de uso de aplicaciones (67 %) en comparación con las estudiantes mujeres (49 %).
Incluye siempre la tabla de contingencia completa en el cuerpo del trabajo o en el anexo, con frecuencias observadas y porcentajes de fila. Si el espacio es limitado, al menos indica el n total y los porcentajes más relevantes en el texto.
Si tu TFG también incluye comparación de medias entre grupos, la guía sobre cómo hacer la prueba t de Student en SPSS y Jamovi paso a paso te explica el procedimiento equivalente para variables continuas con los mismos softwares.
Para los TFG con un diseño metodológico más complejo —por ejemplo, cuando el cuestionario cruza múltiples variables categóricas a la vez— puede ser útil complementar el chi-cuadrado con los residuos tipificados corregidos, que SPSS también calcula en la ventana de Casillas. Un residuo superior a ±1,96 en una celda concreta indica que esa combinación de categorías contribuye de forma especialmente significativa a la asociación global.
Errores frecuentes y cómo evitarlos
- No verificar las frecuencias esperadas. Es el error más común. SPSS no impide ejecutar el análisis aunque se viole este supuesto, pero los resultados son entonces no fiables. Lee siempre la nota al pie de la tabla de chi-cuadrado.
- Confundir frecuencias con porcentajes. El chi-cuadrado necesita frecuencias (recuentos), no porcentajes precalculados. Si introduces porcentajes como datos, el análisis es incorrecto.
- Aplicar chi-cuadrado a variables continuas. Si quieres analizar la relación entre edad (continua) y tipo de empleo (categórica), deberás categorizar primero la edad o usar una prueba diferente.
- Ignorar la V de Cramer. Reportar solo el valor p sin el tamaño del efecto es considerado incompleto en las normas APA 7 y en la mayoría de los criterios de evaluación del TFG.
- Comparar más de dos grupos sin ajuste. Si realizas varios chi-cuadrado sobre el mismo dataset, el riesgo de error tipo I se acumula. Considera la corrección de Bonferroni (dividir α entre el número de pruebas).
- Usar chi-cuadrado con datos apareados. Si los mismos participantes responden dos veces (pretest/postest), usa el test de McNemar en su lugar.
Si tu TFG usa un cuestionario con escala Likert y necesitas validar su fiabilidad antes de aplicar chi-cuadrado a sus ítems categorizados, consulta primero la guía sobre cómo calcular el alfa de Cronbach en Jamovi y SPSS para validar tu cuestionario.
Si usas herramientas de inteligencia artificial para ayudarte a interpretar los resultados de SPSS, ten en cuenta que la comparativa entre Julius AI, ChatGPT y SPSS para análisis de datos en el TFG puede orientarte sobre cuándo cada herramienta aporta más valor.
Si tu investigación se desarrolla en un contexto latinoamericano, la guía sobre prueba de hipótesis con chi-cuadrado, t de Student y ANOVA en Jamovi y SPSS (LATAM 2026) aborda el mismo procedimiento con ejemplos y fuentes adaptadas a México, Perú y Colombia.
Preguntas frecuentes
¿Cuándo debo usar la prueba exacta de Fisher en lugar del chi-cuadrado?
Usa la prueba exacta de Fisher cuando tu tabla sea 2×2 y alguna celda tenga una frecuencia esperada inferior a 5. Fisher no requiere frecuencias esperadas grandes y es especialmente útil en muestras pequeñas. Para tablas más grandes con frecuencias esperadas bajas, la alternativa es combinar categorías hasta cumplir el supuesto del chi-cuadrado.
¿La V de Cramer y el coeficiente Phi son lo mismo?
En tablas 2×2, Phi y la V de Cramer producen el mismo valor. Para tablas mayores (2×3, 3×3, etc.), la V de Cramer es el estadístico correcto porque normaliza Phi por el número de categorías, dando siempre un valor entre 0 y 1 comparable entre estudios. SPSS calcula ambos automáticamente cuando activas “Phi y V de Cramer” en la ventana de Estadísticos.
¿Qué significa la corrección de continuidad de Yates?
La corrección de Yates es un ajuste que SPSS aplica automáticamente al chi-cuadrado de Pearson en tablas 2×2. Reduce ligeramente el valor del estadístico para compensar la sobreestimación del p-valor en muestras pequeñas. Muchos metodólogos recomiendan usar la prueba exacta de Fisher en lugar de la corrección de Yates cuando las frecuencias esperadas son bajas, ya que Fisher es más precisa.
¿Puedo hacer chi-cuadrado en SPSS con una muestra de 30 participantes?
Depende del número de categorías. Con n = 30 y una tabla 2×2, las frecuencias esperadas pueden superar 5 si las distribuciones no son extremas (por ejemplo, si cada variable tiene aproximadamente un 50% en cada categoría). Con tablas más grandes (3×3 o mayores), n = 30 suele ser insuficiente y es probable que se viole el supuesto. En ese caso, usa Fisher o reduce el número de categorías.
¿Qué ruta de menú debo seguir en SPSS para el chi-cuadrado?
La ruta es: Analizar → Estadísticos descriptivos → Tablas cruzadas. Una vez en el cuadro de diálogo, añade las variables a Filas y Columnas, haz clic en “Estadísticos” y activa “Chi-cuadrado” y “Phi y V de Cramer”. Después, en “Casillas”, activa “Recuentos esperados” y “Porcentajes de fila”. Acepta y ejecuta.
¿Cómo interpreto los residuos tipificados corregidos?
Los residuos tipificados corregidos (que SPSS llama “Residuos corregidos”) indican, para cada celda, si la frecuencia observada es significativamente mayor o menor que la esperada. Un valor superior a +1,96 significa que esa combinación de categorías ocurre más de lo esperado por azar; un valor inferior a −1,96, que ocurre menos. Esto te permite localizar exactamente qué categorías impulsan la asociación global.
¿Necesitas ayuda para interpretar los resultados y redactar tu TFG?
Una vez tengas los resultados del chi-cuadrado, el siguiente reto es integrarlos en el texto del TFG con coherencia metodológica. Tesify es una herramienta de IA académica diseñada para ayudarte a estructurar y redactar cada sección del TFG o la tesis —incluyendo el capítulo de resultados— con el rigor que exige tu universidad. Puedes probarla de forma gratuita y comprobar cómo reduce el tiempo de escritura sin comprometer la calidad académica.
Si quieres sacar el máximo partido a la metodología cuantitativa, también te puede resultar útil nuestra guía sobre cómo hacer un grupo focal paso a paso para complementar los datos estadísticos con información cualitativa.
Leave a Reply