La ponderación asigna a cada participante un peso que corrige el desajuste entre la composición de tu muestra y la de la población. Si las mujeres son el 60 % de la población pero solo el 40 % de tu muestra, cada mujer encuestada representa a más personas y su respuesta pesa más en los cálculos. Corrige la composición, no el sesgo interno de cada grupo.

¿Cuándo tiene sentido ponderar?

La ponderación no es un adorno técnico: resuelve un problema concreto y solo ese. Tiene sentido cuando se cumplen dos condiciones a la vez:

• Conoces la distribución real de la población en una o varias variables. Sin ese dato externo no hay nada contra lo que ajustar.
• Tu muestra se desvía de esa distribución y la variable desajustada se relaciona con lo que estás midiendo.

La segunda condición es la que se olvida. Si tu muestra tiene un 40 % de mujeres frente al 60 % poblacional, pero el sexo no guarda relación con la variable de interés, ponderar no cambia prácticamente nada y solo añade complejidad. La ponderación importa cuando el desajuste está en una variable que sí mueve tus resultados.

Cómo se calcula, paso a paso

El método más accesible para una tesis es la posestratificación, que ajusta después de recoger los datos. Un ejemplo completo con cuatro estratos:

El procedimiento en cuatro pasos:

1. Consigue la distribución poblacional de una fuente oficial: registros de tu universidad, estadísticas del ministerio o del instituto nacional de estadística de tu país. Cítala.
2. Calcula la distribución de tu muestra en las mismas categorías, exactamente con los mismos cortes.
3. Divide la proporción poblacional entre la proporción muestral en cada estrato. El resultado es el peso.
4. Aplica el peso en tu programa estadístico y repite los análisis descriptivos e inferenciales.

Un peso mayor que 1 indica que ese grupo está infrarrepresentado y hay que amplificarlo; menor que 1, que está sobrerrepresentado.

Cómo se aplica en el software

• SPSS: crea una variable con el peso de cada caso y actívala en Datos → Ponderar casos. Todos los análisis posteriores la usarán hasta que la desactives, así que recuerda desactivarla al volver a los análisis sin ponderar.
• jamovi: no admite pesos de forma nativa en todos los análisis; conviene comprobarlo antes de planificar el trabajo con esta herramienta.
• R: el paquete survey es el estándar, porque además calcula correctamente los errores típicos con diseño complejo.

Ese último punto es importante y suele pasarse por alto: la ponderación simple de SPSS ajusta las estimaciones puntuales, pero puede subestimar los errores típicos, porque el programa trata los pesos como si fueran frecuencias. Para una tesis de grado suele ser aceptable declarándolo; para una tesis de maestría o doctorado con muestreo complejo, conviene usar procedimientos específicos de diseño muestral.

Los tres límites que hay que declarar

1. Solo corrige lo que mides. Ponderar por sexo y área de estudio no arregla el desajuste en motivación, acceso a internet o cualquier otra variable no incluida en el ajuste.
2. No corrige el sesgo dentro del estrato. Si las mujeres que respondieron son sistemáticamente distintas de las que no respondieron, multiplicar su peso por 1,25 amplifica ese sesgo en lugar de corregirlo. Es exactamente el mismo problema del sesgo de no respuesta, solo que ahora con un multiplicador.
3. Los pesos extremos aumentan la varianza. Un estrato con pocos casos y un peso de 4 o 5 hace que un puñado de respuestas domine el resultado y dispara los errores típicos. La práctica habitual es recortar los pesos, por ejemplo limitándolos al rango de 0,3 a 3, y declarar el recorte.

¿Ponderar o no en una tesis de grado?

Criterio práctico:

• Muestreo por conveniencia sin marco poblacional conocido: no ponderes. No tienes contra qué ajustar, y describir bien tu muestra es más honesto que inventar una corrección.
• Marco poblacional conocido y desajuste claro en variables relevantes: pondera, y presenta los resultados ponderados y sin ponderar.
• Desajuste menor al 5 % en cada estrato: normalmente no compensa.

La recomendación de presentar ambos resultados no es tibieza: coincide con la lógica del análisis de sensibilidad. Si las conclusiones se mantienen con y sin pesos, tu hallazgo es robusto y lo has demostrado.

Cuando la muestra procede de un reclutamiento en cadena, como ocurre en muchos estudios cualitativos y mixtos, no existe marco poblacional y la ponderación clásica no es aplicable: ahí lo correcto es declarar el carácter no probabilístico del muestreo, del mismo modo que se declara el criterio de cierre por saturación teórica en los diseños cualitativos. Y si el problema de fondo es la composición de los grupos y no su representación, revisa si lo que necesitas es controlar covariables mediante ANCOVA en lugar de ponderar.

Qué escribir en el capítulo de metodología

«Dado que la muestra sobrerrepresentaba a estudiantes de ingeniería (33 % frente al 30 % poblacional) e infrarrepresentaba a mujeres de ciencias sociales (28 % frente al 35 %), se aplicó una ponderación por posestratificación cruzando sexo y área de conocimiento, tomando como referencia los datos oficiales de matrícula. Los pesos oscilaron entre 0,68 y 1,25, sin necesidad de recorte. Se reportan los resultados ponderados; los análisis sin ponderar arrojaron conclusiones equivalentes.»

Ese párrafo incluye lo exigible: el motivo, la fuente poblacional, el método, el rango de pesos y la comparación con el análisis sin ponderar. Si el tiempo aprieta para redactar el capítulo con este nivel de detalle, Tesify te ayuda a estructurarlo y a mantener uniformes las citas mientras tú tomas las decisiones metodológicas.

Preguntas frecuentes

¿Qué es la ponderación de la muestra?

Es asignar a cada participante un peso que corrige la diferencia entre la composición de la muestra y la de la población. Los grupos infrarrepresentados reciben pesos mayores que uno y los sobrerrepresentados, menores que uno, de modo que las estimaciones reflejen mejor la estructura poblacional.

¿Cómo se calcula un peso muestral?

Dividiendo la proporción que representa cada estrato en la población entre la proporción que representa en la muestra. Si un grupo supone el 35 % de la población y el 28 % de la muestra, su peso es 35 dividido entre 28, es decir, 1,25.

¿Puedo ponderar una muestra por conveniencia?

Solo si conoces la distribución poblacional de las variables que quieres ajustar. Sin un marco poblacional de referencia no hay contra qué ponderar, y en ese caso lo correcto es describir la muestra con precisión y declarar el carácter no probabilístico del muestreo.

¿La ponderación elimina el sesgo de la muestra?

No. Corrige el desajuste de composición en las variables incluidas en el ajuste, pero no corrige las diferencias dentro de cada estrato ni el desajuste en variables no medidas. Si quienes respondieron dentro de un grupo difieren de quienes no respondieron, ponderar amplifica ese sesgo.

¿Qué hago si salen pesos muy altos?

Recortarlos a un rango razonable, habitualmente entre 0,3 y 3, y declarar el recorte en el trabajo. Los pesos extremos hacen que unas pocas respuestas dominen los resultados y aumentan considerablemente los errores típicos.