Cómo hacer una prueba t de Student en SPSS y Jamovi paso a paso (2026)
Llevas semanas recogiendo datos para tu TFG o TFM y ahora toca responder la pregunta central: ¿existen diferencias significativas entre estos dos grupos? La prueba t de Student es la herramienta paramétrica más utilizada en ciencias sociales, de la salud y educación para comparar medias, y saber ejecutarla correctamente —tanto en SPSS como en Jamovi (la alternativa gratuita)— puede marcar la diferencia entre una nota media y un sobresaliente.
Esta guía cubre los tres tipos de t de Student, los supuestos que debes verificar antes de correr el análisis y, sobre todo, cómo interpretar los resultados incluyendo el tamaño del efecto d de Cohen, un dato que los tribunales exigen cada vez más y que SPSS no calcula automáticamente pero Jamovi sí.
1. Los tres tipos de prueba t de Student
La t de Student no es una sola prueba: existen tres variantes según cómo estén estructurados tus datos. Elegir la correcta es el primer paso imprescindible antes de tocar ningún software. Si no tienes claro cuál corresponde a tu diseño, el árbol de decisión para elegir la prueba estadística correcta en el TFG te guiará por el tipo de variable y el número de grupos antes de llegar aquí.
| Tipo | Cuándo se usa | Ejemplo típico en TFG |
|---|---|---|
| Muestras independientes | Comparas dos grupos distintos de participantes | Puntuación de ansiedad en grupo control vs. grupo intervención |
| Muestras relacionadas (pareadas) | Mides el mismo grupo en dos momentos (pre-post) o con dos condiciones emparejadas | Rendimiento académico antes y después de una intervención educativa |
| Una muestra | Comparas la media de tu muestra con un valor de referencia conocido | Comprobar si la media de satisfacción de tus participantes difiere del punto neutro de la escala (p. ej., 3 sobre 5) |
Si tienes más de dos grupos, la t de Student no es la prueba adecuada: necesitarás un ANOVA. Del mismo modo, si tus datos no cumplen el supuesto de normalidad y la muestra es pequeña, considera la alternativa no paramétrica (U de Mann-Whitney para independientes, Wilcoxon para relacionadas).
2. Supuestos que debes verificar primero
Ejecutar una t sin comprobar sus supuestos es un error metodológico que los tribunales detectan con facilidad. Antes de correr el análisis, verifica estos tres puntos:
a) Escala de medida continua o de intervalo
La variable dependiente debe ser cuantitativa continua (edad, puntuación en un test, tiempo de reacción). Si usas una escala Likert de pocos ítems, consulta a tu tutor sobre si es legítimo tratarla como intervalo en tu disciplina.
b) Normalidad de la distribución (Shapiro-Wilk)
Con muestras pequeñas (n < 50 por grupo), comprueba la normalidad con Shapiro-Wilk. En SPSS: Analizar → Estadísticos descriptivos → Explorar → Gráficos → Normalidad con gráficos de prueba. En Jamovi, activa la opción Prueba de normalidad de Shapiro-Wilk dentro del menú de la t de Student. Si p > 0,05, el supuesto se cumple.
c) Homogeneidad de varianzas (solo para muestras independientes)
Tanto SPSS como Jamovi incluyen la prueba de Levene de forma automática al correr la t para muestras independientes. Si la prueba de Levene es significativa (p < 0,05), las varianzas no son homogéneas y debes leer la fila de t de Welch (varianzas distintas) en lugar de la t de Student clásica. Jamovi tiene una casilla específica para la t de Welch.
Una vez verificados los supuestos, estás listo para ejecutar el análisis. Para aprender a operacionalizar correctamente las variables de tu estudio antes de llegar a este punto, consulta nuestra guía sobre cómo operacionalizar variables en una tesis cuantitativa.
3. Muestras independientes en SPSS: paso a paso
El escenario más frecuente en TFG de ciencias sociales y salud: comparas dos grupos diferentes en una variable continua.
- Abre tu archivo de datos en SPSS (.sav). Comprueba que la variable de agrupación está codificada numéricamente (p. ej., 0 = control, 1 = intervención) y marcada como Nominal.
- Ve a: Analizar → Comparar medias → Prueba T para muestras independientes.
- Asigna variables: mueve tu variable dependiente continua al campo Variables de contraste y la variable de grupo al campo Variable de agrupación.
- Define los grupos: haz clic en Definir grupos e introduce los dos valores de tu variable de agrupación (p. ej., 0 y 1).
- Opciones: puedes cambiar el nivel de confianza (por defecto 95 %). Haz clic en Continuar y luego en Aceptar.
- Lee la salida: SPSS genera dos tablas: Estadísticas de grupo (medias y desviaciones típicas) y Prueba de muestras independientes (con la prueba de Levene y los resultados de la t).
Limitación de SPSS: esta versión no calcula la d de Cohen automáticamente. Tendrás que calcularla manualmente o usar Jamovi (ver sección 4) para obtenerla con un clic. Si tu variable dependiente es categórica en lugar de continua, la prueba equivalente en SPSS es el chi-cuadrado en SPSS paso a paso.
4. Muestras independientes en Jamovi: paso a paso
Jamovi es una aplicación estadística de escritorio completamente gratuita y de código abierto que genera resultados en formato APA y calcula la d de Cohen de forma nativa. Es una excelente opción para estudiantes sin licencia de SPSS.
- Importa tus datos: abre Jamovi y arrastra tu archivo (.csv, .xlsx o .sav). Comprueba que la variable de agrupación aparece como Nominal (icono de barras) y la variable dependiente como Continua (icono de regla).
- Accede a la prueba: menú superior Análisis → Pruebas T → T de muestras independientes.
- Asigna variables: arrastra la variable dependiente a Variables dependientes y la variable de grupo a Variable de agrupación.
- Selecciona opciones:
- Marca Prueba de Student (por defecto).
- Marca también Prueba de Welch si quieres ver ambas filas.
- En la sección Estadísticos adicionales, activa Tamaño del efecto para obtener la d de Cohen.
- Activa Prueba de normalidad de Shapiro-Wilk y Prueba de homogeneidad de varianzas (Levene) para verificar supuestos en la misma pantalla.
- Activa Estadísticos descriptivos para ver medias y DT por grupo.
- Lee los resultados en el panel derecho, que se actualiza en tiempo real. La tabla de resultados incluye la t, los grados de libertad, el p-valor y la d de Cohen.
Los resultados de Jamovi ya vienen formateados según las normas APA, lo que facilita enormemente redactar el apartado de resultados de tu TFG. Para profundizar en cómo redactar esa sección, consulta la guía sobre cómo escribir la discusión de resultados del TFG paso a paso.
5. Muestras relacionadas en SPSS: paso a paso
Usa esta variante cuando mides el mismo grupo en dos momentos (pre-post) o cuando comparas pares de sujetos emparejados por alguna característica relevante.
- Estructura los datos: cada participante ocupa una fila; las dos medidas (pre y post) ocupan dos columnas distintas (p. ej., puntuacion_pre y puntuacion_post).
- Ve a: Analizar → Comparar medias → Prueba T para muestras relacionadas.
- Asigna el par: en el cuadro Pares de variables, selecciona simultáneamente las dos variables y muévelas al campo de pares (aparecerán como Par 1: puntuacion_pre – puntuacion_post).
- Opciones: puedes activar estadísticos descriptivos y el nivel de confianza. Haz clic en Aceptar.
- Lee la salida: la tabla Prueba de muestras relacionadas muestra la diferencia media, su desviación típica, el intervalo de confianza, el estadístico t, los grados de libertad y el p-valor bilateral.
6. Muestras relacionadas en Jamovi: paso a paso
- Ve a Análisis → Pruebas T → T de muestras pareadas.
- Arrastra ambas variables (pre y post) al campo Pares de variables: la primera al campo izquierdo y la segunda al derecho.
- En Estadísticos adicionales, activa Tamaño del efecto para obtener la d de Cohen (calculada sobre las diferencias pareadas).
- Activa también Shapiro-Wilk (que en este caso se aplica a las diferencias entre pares, no a las variables originales).
- El panel derecho mostrará la t, los grados de libertad, el p-valor y la d de Cohen al instante.
7. Prueba t para una muestra
Esta variante es menos frecuente en TFG pero útil cuando quieres comparar la media de tu muestra con un valor teórico de referencia, como el punto neutro de una escala o una norma poblacional publicada.
En SPSS: Analizar → Comparar medias → Prueba T para una muestra. Introduce tu variable en Variables de contraste y el valor de referencia en Valor de prueba.
En Jamovi: Análisis → Pruebas T → T de una muestra. Introduce la variable y especifica el valor de prueba en el campo Valor de contraste. Activa Tamaño del efecto para obtener la d de Cohen (que en este caso mide cuántas desviaciones típicas separa tu media del valor de referencia).
8. La d de Cohen: por qué no basta con el p-valor
El p-valor te dice si la diferencia es estadísticamente significativa, pero no cuán grande es esa diferencia en términos prácticos. Con muestras grandes, casi cualquier diferencia trivial puede resultar significativa; con muestras pequeñas, diferencias relevantes pueden no serlo. Por eso, informar el tamaño del efecto es hoy una exigencia metodológica en la mayoría de revistas científicas y, cada vez más, también en los TFG.
La d de Cohen expresa la diferencia entre medias en unidades de desviación típica. Las convenciones orientativas propuestas por Cohen (1988) son:
| Valor de d | Interpretación | Ejemplo intuitivo |
|---|---|---|
| d ≈ 0,2 | Efecto pequeño | Diferencia apenas perceptible a simple vista |
| d ≈ 0,5 | Efecto mediano | Diferencia visible pero moderada |
| d ≥ 0,8 | Efecto grande | Diferencia claramente evidente |
Prueba t de Student y tamaño del efecto: referencia rápida
| Nivel de significación estándar en Ciencias Sociales | α = 0,05 |
| Potencia estadística objetivo (1 − β) | 0,80 (80 %) |
| n mínimo para detectar d = 0,5 con α = 0,05, potencia 0,80 (muestras independientes) | ≈ 64 total (32/grupo) |
| Informe obligatorio del tamaño del efecto según APA 7 (2020) | Sí |
| Software gratuito para calcular potencia y n (G*Power) | Descarga gratuita |
Fuentes: Cohen, J. (1988). Statistical Power Analysis for the Behavioral Sciences (2.ª ed.); APA Publication Manual 7.ª ed.; Faul et al. (2009), G*Power 3.1.
Cómo calcular la d de Cohen en SPSS (si no usas Jamovi): aplica la fórmula manual d = (M₁ − M₂) / DTagrupada, donde la DT agrupada se obtiene combinando las desviaciones típicas de ambos grupos. Alternativamente, introduce los resultados de SPSS en una calculadora online de d de Cohen. Para dimensionar bien el tamaño muestral necesario antes de recoger los datos, consulta la guía sobre cómo calcular el tamaño muestral con G*Power para tu tesis.
Para situar el tamaño del efecto en el contexto más amplio de tu investigación, es útil haberlo previsto desde la formulación de las hipótesis. Si aún tienes dudas sobre cómo estructurar tus hipótesis, revisa nuestra guía sobre cómo formular hipótesis y preguntas de investigación en el TFG.
9. Cómo reportar los resultados en APA 7
El formato APA 7 para informar una t de Student incluye: el estadístico t, los grados de libertad (entre paréntesis), el p-valor y el tamaño del efecto. Aquí tienes los dos modelos más habituales:
Muestras independientes (resultado significativo):
El grupo de intervención (M = 24,3; DT = 4,1) obtuvo puntuaciones significativamente más altas que el grupo control (M = 20,7; DT = 3,8), t(58) = 3,54, p = ,001, d = 0,92.
Muestras relacionadas (resultado no significativo):
No se observaron diferencias estadísticamente significativas entre la medición pretest (M = 18,2; DT = 3,5) y la postest (M = 19,1; DT = 3,7), t(29) = 1,23, p = ,229, d = 0,25.
Recuerda: en APA 7 español se usan comas como separador decimal, no puntos. Informa siempre los estadísticos descriptivos (media y DT) antes de presentar el resultado del contraste.
La sección de metodología de tu TFG debe describir el análisis antes de llevarlo a cabo. Si necesitas orientación para redactarla, consulta nuestra guía sobre cómo redactar la metodología de un TFG paso a paso.
Preguntas frecuentes
¿Qué diferencia hay entre la t de Student y la t de Welch?
La t de Student clásica asume que las varianzas de los dos grupos son iguales (homogeneidad de varianzas). La t de Welch es una corrección que ajusta los grados de libertad cuando las varianzas son distintas. En la práctica, si la prueba de Levene sale significativa (p < 0,05), debes leer la fila de Welch. Si no estás seguro, algunos metodólogos recomiendan usar siempre la t de Welch por defecto, ya que funciona bien tanto cuando las varianzas son iguales como cuando no lo son.
¿Puedo usar Jamovi en lugar de SPSS para el TFG?
Sí. Jamovi es gratuito, de código abierto y produce los mismos análisis que SPSS para las pruebas más comunes en TFG (t de Student, ANOVA, correlaciones, regresión lineal). Su ventaja adicional es que calcula la d de Cohen de forma automática y genera tablas en estilo APA. Muchas universidades ya lo aceptan explícitamente. Consulta con tu tutor si hay alguna restricción específica en tu programa.
¿Qué hago si mis datos no cumplen el supuesto de normalidad?
Tienes dos opciones. Si tu muestra es grande (n ≥ 30 por grupo), el teorema central del límite garantiza que la distribución de medias es aproximadamente normal aunque los datos originales no lo sean, y puedes usar la t de Student. Si la muestra es pequeña y la normalidad falla, usa la alternativa no paramétrica: la prueba U de Mann-Whitney (para independientes) o la prueba de los rangos con signo de Wilcoxon (para relacionadas). Cuando necesitas comparar tres o más grupos sin normalidad, la extensión natural es la prueba de Kruskal-Wallis como alternativa no paramétrica al ANOVA. Ambas están disponibles en SPSS y en Jamovi.
¿Cuántas personas necesito para una prueba t?
Depende del tamaño del efecto esperado, el nivel de significación (habitualmente α = 0,05) y la potencia estadística deseada (habitualmente 1 − β = 0,80). Como referencia orientativa, para detectar un efecto mediano (d = 0,5) con α = 0,05 y potencia 0,80 en una t para muestras independientes se necesitan alrededor de 64 participantes en total (32 por grupo). Puedes calcular el tamaño muestral exacto con la herramienta gratuita G*Power.
¿Debo informar el intervalo de confianza además del p-valor?
Sí, se recomienda. El intervalo de confianza al 95 % para la diferencia de medias aporta información sobre el rango plausible de la diferencia real y complementa el p-valor. Tanto SPSS como Jamovi lo calculan automáticamente. En APA 7, el formato es: IC 95 % [límite inferior, límite superior].
¿La prueba t sirve para más de dos grupos?
No. La prueba t de Student compara exactamente dos grupos o dos medidas. Si tienes tres o más grupos, debes usar el análisis de varianza (ANOVA de un factor para independientes o ANOVA de medidas repetidas para diseños within-subjects). Aplicar múltiples t para comparar cada par de grupos sin corrección inflará el error de tipo I.
¿Tienes los resultados en la mano y no sabes cómo redactarlos?
Tesify es la herramienta de IA diseñada específicamente para TFG y tesis en español. Puedes pedirle que redacte tu apartado de resultados o tu discusión estadística explicando qué significan tus t, p y d de Cohen en el contexto de tu investigación, manteniendo siempre el rigor académico.
Leave a Reply