Un resultado no significativo no invalida tu TFG: invalida la conclusión que esperabas, no el trabajo. Un valor de p mayor que 0,05 significa que tus datos no aportan evidencia suficiente contra la hipótesis nula, no que la hipótesis nula sea cierta. Se redacta, se justifica y se defiende igual que cualquier otro hallazgo.
¿Un p mayor que 0,05 significa que no hay efecto?
No. Es el error de interpretación más extendido y el que más penaliza un tribunal. La ausencia de evidencia no es evidencia de ausencia, formulación que Altman y Bland popularizaron en el BMJ en 1995 y que sigue siendo la referencia obligada al redactar este apartado.
Cuando obtienes p = 0,17, lo único que puedes afirmar es que, si la hipótesis nula fuera cierta, unos datos como los tuyos no serían raros. Hay al menos tres explicaciones compatibles con ese resultado:
- El efecto no existe en la población.
- El efecto existe pero es pequeño y tu muestra no tiene potencia para detectarlo.
- El efecto existe pero tu medición es ruidosa: instrumento poco fiable, variable mal operacionalizada o mucha varianza de error.
Distinguir entre esas tres posibilidades es exactamente lo que se te pide en la discusión. Quien escribe «no se ha encontrado relación, por lo que no existe relación» pierde puntos; quien escribe «no se ha encontrado relación; con n = 84 y un tamaño del efecto observado pequeño, el estudio carece de potencia para descartarla» demuestra criterio.
¿Cómo saber si el problema es la potencia estadística?
La convención heredada de Cohen (1988) fija la potencia deseable en 0,80: un 80 % de probabilidad de detectar un efecto si realmente existe. Por debajo de ese umbral, un resultado no significativo es poco informativo, porque el estudio estaba mal equipado desde el principio para encontrar nada.
Lo correcto es haber calculado el tamaño muestral antes de recoger datos con un análisis de potencia a priori en G*Power. Si ya has recogido los datos y no lo hiciste, no calcules «potencia observada» a posteriori: es una función directa del valor de p y no aporta información nueva. Lo defendible es reportar el tamaño del efecto con su intervalo de confianza y discutir qué efecto mínimo habrías podido detectar con tu n.
¿Qué debo reportar en lugar de solo el valor de p?
Las normas APA 7 exigen acompañar todo contraste con el tamaño del efecto y su intervalo de confianza. Esto es especialmente relevante cuando el contraste sale no significativo, porque el intervalo de confianza dice mucho más que el p.
| Situación | Qué reportar | Qué se puede concluir |
|---|---|---|
| p = 0,42; d = 0,05; IC 95 % [-0,18; 0,28] | Efecto y IC estrecho en torno a cero | Evidencia razonable de que el efecto, si existe, es trivial |
| p = 0,42; d = 0,35; IC 95 % [-0,42; 1,12] | Efecto y IC muy amplio | El estudio no es concluyente: falta potencia, no hay evidencia de nada |
| p = 0,06; d = 0,48; IC 95 % [-0,02; 0,98] | Efecto moderado, IC que roza el cero | Resultado sugerente; nunca describir como «marginalmente significativo» |
| Hipótesis de equivalencia | Contraste TOST con margen de equivalencia declarado | Se puede afirmar equivalencia práctica, no solo «no diferencia» |
La última fila es la vía técnica correcta si tu objetivo real era demostrar que dos grupos son equivalentes: el contraste de dos pruebas unilaterales (TOST) permite afirmar equivalencia dentro de un margen que tú declaras de antemano. Un contraste clásico nunca podrá hacerlo.
¿Puedo cambiar la hipótesis o el análisis para que salga significativo?
No, y este es el punto donde un TFG se convierte en un problema de integridad académica. Reformular la hipótesis después de ver los resultados (HARKing), probar pruebas hasta que una salga significativa o eliminar casos sin criterio previo son prácticas de investigación cuestionables perfectamente reconocibles por un tribunal con experiencia.
Lo que sí puedes hacer, y es legítimo si se declara:
- Comprobar supuestos. Si aplicaste una prueba paramétrica sin verificar la normalidad de la distribución, revisa el supuesto y, si procede, usa la alternativa no paramétrica. Documenta el cambio y su motivo.
- Declarar análisis exploratorios como tales. Puedes explorar subgrupos, pero etiquetándolo como exploratorio y sin presentarlo como contraste confirmatorio.
- Revisar la calidad de la medida. Un instrumento con fiabilidad baja atenúa cualquier correlación. Reportar el alfa de tu escala es parte de la explicación.
¿Cómo se redacta la discusión con resultados no significativos?
La estructura que funciona tiene cuatro movimientos, en este orden:
- Enunciar el hallazgo sin adornos. «No se encontró una diferencia estadísticamente significativa entre ambos grupos (t(82) = 1,21; p = 0,23; d = 0,26; IC 95 % [-0,17; 0,69]).»
- Contrastar con la literatura. ¿Otros estudios encontraron el efecto? ¿En qué se diferencia tu muestra, tu contexto o tu medición del suyo? Aquí es donde el trabajo demuestra lectura.
- Explicar por qué pudo no aparecer. Potencia, medición, rango restringido de la variable, contexto temporal. Una causa bien argumentada vale más que cinco enumeradas.
- Extraer implicación. Un resultado nulo bien medido es informativo: sugiere que el efecto es menor de lo asumido o que la relación depende de condiciones no presentes en tu muestra.
Ese cuarto punto es el que separa un aprobado de un notable alto. Después, traslada las causas identificadas al apartado de limitaciones sin repetirlas literalmente: en la discusión explicas, en limitaciones acotas el alcance.
¿Se puede suspender por esto?
Se suspende por un diseño que no responde a la pregunta, por una metodología mal ejecutada o por conclusiones que no se sostienen en los datos. No por el signo del resultado. Un tribunal que penalizara sistemáticamente los resultados nulos estaría premiando justamente lo contrario de lo que la investigación necesita.
Si vas justo de tiempo para reescribir la discusión con este nivel de detalle, apóyate en un asistente de escritura académica como Tesify para estructurar el apartado y mantener la coherencia entre resultados, discusión y limitaciones. El criterio estadístico lo pones tú; la redacción y el formato se aceleran.
Preguntas frecuentes
¿Un resultado no significativo significa que mi hipótesis es falsa?
No. Significa que tus datos no aportan evidencia suficiente contra la hipótesis nula. La hipótesis alternativa puede seguir siendo cierta y no haberse detectado por falta de potencia, por una medición ruidosa o por un tamaño de efecto pequeño en tu contexto.
¿Puedo decir que el resultado es «marginalmente significativo» si p = 0,06?
No es recomendable. El umbral de 0,05 es una convención binaria: o se rechaza la hipótesis nula o no se rechaza. Describir p = 0,06 como marginalmente significativo es una forma encubierta de reclamar significación que los tribunales identifican con facilidad. Reporta el tamaño del efecto y su intervalo de confianza.
¿Debo calcular la potencia observada después del análisis?
No. La potencia observada o post hoc es una transformación directa del valor de p y no aporta información nueva. Lo correcto es reportar el tamaño del efecto con su intervalo de confianza y, si procede, indicar qué efecto mínimo habrías podido detectar con tu tamaño muestral.
¿Puedo eliminar casos para que el resultado salga significativo?
No. Eliminar casos sin un criterio definido de antemano y sin declararlo es una práctica de investigación cuestionable. Cualquier depuración de datos debe seguir una regla previa, aplicarse por igual a todos los grupos y documentarse en el apartado de análisis.
¿Cómo demuestro que dos grupos son equivalentes?
Con un contraste de equivalencia, habitualmente el procedimiento TOST de dos pruebas unilaterales, declarando de antemano el margen de equivalencia considerado irrelevante en la práctica. Un contraste clásico no significativo nunca demuestra equivalencia por sí solo.
Escribe tu TFG o tesis con IA
Pasa de la teoría a tu documento terminado
Tesify estructura, redacta y formatea tu TFG, TFM o tesis en normas APA y Vancouver, con bibliografía automática y verificación antiplagio integrada. Regístrate gratis, sin tarjeta.
Leave a Reply