La prueba t de Student es probablemente el test que mas vas a usar durante tu tesis en psicologia. La logica es simple: tienes dos grupos y quieres saber si sus medias son distintas de verdad o si la diferencia es ruido. Por ejemplo, un grupo que recibio terapia cognitivo-conductual frente a un grupo control: ¿hay diferencia real en ansiedad?
Vamos a hacer una prueba t en SPSS paso a paso. Sin rodeos, con un ejemplo practico y con atencion especial a lo que mas confunde: como leer la tabla de resultados y decidir que fila mirar.
Cuando usar la prueba t de Student
La prueba t es tu herramienta cuando se cumplen tres cosas:
- Comparas exactamente dos grupos (si tienes tres o mas, necesitas un ANOVA)
- Tu variable dependiente es continua (puntuaciones del BDI-II, tiempos de reaccion, promedios academicos)
- Quieres comparar medias (no medianas ni proporciones)
Hay dos variantes principales:
Prueba t para muestras independientes: los dos grupos son personas diferentes. Ejemplo clasico: grupo experimental vs. grupo control.
Prueba t para muestras pareadas (dependientes): las mismas personas medidas en dos momentos. Ejemplo clasico: pre-test vs. post-test tras una intervencion.
Si no tienes claro que test necesitas, empieza por nuestra guia para elegir el test estadistico correcto.
Supuestos de la prueba t
Antes de darle a "Aceptar" en SPSS, comprueba que tus datos cumplen los supuestos. Saltarse este paso es uno de los errores mas frecuentes en tesis de psicologia, y tambien uno de los mas faciles de evitar.
1. Variable dependiente continua
Tu variable resultado tiene que estar en escala de intervalo o razon. Las puntuaciones de cuestionarios estandarizados (STAI, BDI-II, PANAS) se tratan como continuas en la practica, aunque tecnicamente sean ordinales. Si tu variable es claramente categorica (si/no, tipo de trastorno), la prueba t no es el camino.
2. Normalidad de la distribucion
La prueba t asume que la variable dependiente se distribuye normalmente en cada grupo. Para comprobarlo:
- Test de Shapiro-Wilk: el mas recomendado para muestras menores de 50. Si p > .05, no rechazas la normalidad.
- Evaluacion visual: mira los histogramas y graficos Q-Q. Con muestras grandes (n > 30 por grupo), la prueba t es robusta a desviaciones moderadas gracias al teorema central del limite.
Si la normalidad se viola de forma seria (asimetria extrema, outliers salvajes), considera Mann-Whitney U para muestras independientes o Wilcoxon para muestras pareadas.
3. Homogeneidad de varianzas (solo para muestras independientes)
La prueba de Levene evalua si las varianzas de ambos grupos son parecidas. SPSS te la da automaticamente cuando ejecutas la prueba t. Si Levene es significativo (p < .05), las varianzas son desiguales y debes usar la correccion de Welch. Buena noticia: SPSS ya te la calcula en la segunda fila de la tabla de resultados. De hecho, muchos estadisticos recomiendan usar siempre Welch como opcion por defecto, porque funciona igual de bien con varianzas iguales y mejor cuando no lo son (Delacre et al., 2017).
Si quieres profundizar, revisa nuestra guia de como verificar supuestos estadisticos.
Ejemplo practico
A lo largo de este tutorial usamos el siguiente escenario: un investigador quiere saber si una intervencion basada en mindfulness reduce la ansiedad. Asigna aleatoriamente a 60 estudiantes de psicologia a un grupo experimental (n = 30, recibe 8 semanas de mindfulness) o a un grupo control (n = 30, lista de espera). La variable dependiente es la puntuacion total del STAI-Estado (rango 20-80; a mas puntuacion, mas ansiedad) medida al terminar la intervencion.
Para muestras pareadas, usaremos las mediciones pre y post del grupo experimental.
Prueba t en SPSS: muestras independientes
Preparar los datos
Lo primero: asegurate de que tu base de datos tiene la estructura correcta. Necesitas dos columnas:
- Variable dependiente (por ejemplo,
ansiedad_post): las puntuaciones de ansiedad de todos los participantes, uno por fila. - Variable de agrupacion (por ejemplo,
grupo): codificada numericamente (1 = experimental, 2 = control).
Un error clasico es tener los datos en formato "ancho" (una columna para cada grupo). SPSS necesita el formato "largo": cada fila es un participante, y la pertenencia al grupo se indica con un codigo numerico en otra columna.
Ejecutar el analisis
- Ve a Analizar > Comparar medias > Prueba T para muestras independientes
- Arrastra
ansiedad_postal campo Variables de prueba - Arrastra
grupoal campo Variable de agrupacion - Haz clic en Definir grupos e introduce los codigos (Grupo 1: 1, Grupo 2: 2)
- Haz clic en Aceptar
[Captura SPSS: dialogo de prueba t de muestras independientes con variable dependiente y factor]
Leer la tabla de resultados
SPSS produce dos tablas. La primera te da los descriptivos de cada grupo: media, desviacion tipica, error tipico de la media. Revisala siempre, porque aqui ves la direccion del efecto (que grupo puntua mas alto).
La segunda tabla es donde esta la accion. Tiene dos filas y esto confunde a mucha gente:
Fila 1 - "Se asumen varianzas iguales": es la prueba t clasica (Student). Usala si la prueba de Levene (las dos primeras columnas de esa misma tabla) NO es significativa (p > .05).
Fila 2 - "No se asumen varianzas iguales": es la prueba t de Welch. Usala si Levene ES significativo (p < .05). Los grados de libertad seran decimales, y eso esta bien.
La regla practica: mira primero las columnas de Levene (F y Sig.). Si la Sig. de Levene es mayor que .05, lee la fila 1. Si es menor que .05, lee la fila 2. O, si quieres simplificarte la vida, lee siempre la fila 2 (Welch). No pierdes nada cuando las varianzas son iguales y ganas precision cuando no lo son.
De esa fila, los numeros clave son:
- t: el estadistico. Cuanto mas lejos de cero, mas evidencia contra la hipotesis nula.
- gl: grados de libertad.
- Sig. (bilateral): el valor p. Si es menor que .05, la diferencia es estadisticamente significativa.
- Diferencia de medias: cuanto difieren las medias en unidades de tu escala.
- IC 95% de la diferencia: el intervalo de confianza. Si no incluye el cero, la diferencia es significativa.
[Captura SPSS: tabla de resultados con prueba de Levene y valores t, gl y significacion]
Obtener el tamano del efecto
SPSS (versiones 27+) incluye la opcion de calcular la d de Cohen directamente. Ve a Opciones en el dialogo de la prueba t y marca Estimaciones del tamano del efecto. Si tu version no lo tiene, puedes calcularlo manualmente:
d = (M1 - M2) / DEagrupada
Donde la DE agrupada se obtiene con las desviaciones tipicas de ambos grupos. Los umbrales de referencia clasicos (Cohen, 1988): 0.2 = pequeno, 0.5 = mediano, 0.8 = grande. Pero ojo: estos umbrales son orientativos, no reglas absolutas. Lo que importa es si el tamano del efecto tiene sentido clinico o practico en tu contexto.
Prueba t en SPSS: muestras pareadas
Cuando mides a los mismos participantes en dos momentos (pre-post), el procedimiento cambia ligeramente.
- Ve a Analizar > Comparar medias > Prueba T para muestras relacionadas
- Selecciona las dos variables del par (por ejemplo,
ansiedad_preyansiedad_post) y arrastralas al campo Variables emparejadas - Haz clic en Aceptar
[Captura SPSS: dialogo de prueba t para muestras relacionadas con par de variables]
SPSS genera tres tablas:
- Estadisticos descriptivos de las muestras emparejadas: media y DE de cada variable del par.
- Correlacion entre pares: la correlacion entre las dos mediciones. Si es alta y positiva, la prueba pareada tiene mas potencia que la independiente (precisamente por eso la usamos).
- Prueba de muestras emparejadas: aqui esta el resultado. Te da la diferencia media entre pares, su DE, el error tipico, el IC 95% de la diferencia, el valor t, los gl y la significacion bilateral.
Aqui no hay prueba de Levene ni dos filas: solo hay una fila con el resultado. La logica es mas sencilla que con muestras independientes.
Como interpretar los resultados
Sea cual sea la variante que uses, la prueba t produce los mismos elementos clave:
| Elemento | Que te dice |
|---|---|
| t | El estadistico t. Cuanto mayor sea su valor absoluto, mas evidencia contra H0. |
| gl (df) | Grados de libertad. Para muestras independientes clasica: n1 + n2 - 2. Para Welch, se ajustan y pueden ser decimales. Para muestras pareadas: n - 1. |
| Sig. (bilateral) | El valor p. Si es menor que .05, concluyes que la diferencia es estadisticamente significativa. |
| Diferencia de medias | La diferencia cruda entre las medias. Mira el signo para saber la direccion del efecto. |
| IC 95% | Intervalo de confianza de la diferencia. Si no incluye el cero, la diferencia es significativa a alfa = .05. |
| d de Cohen | Tamano del efecto estandarizado. 0.2 = pequeno, 0.5 = mediano, 0.8 = grande (Cohen, 1988). |
Un punto que merece insistencia: el valor p te dice si la diferencia es estadisticamente significativa, pero no te dice si es importante. Un estudio con 500 participantes puede detectar como significativa una diferencia de 1 punto en el STAI, que clinicamente no significa nada. Por eso APA 7 te pide que siempre reportes tamano del efecto e intervalo de confianza. Si quieres profundizar en esto, revisa nuestra guia de como interpretar intervalos de confianza.
Como reportar en formato APA 7
APA 7 pide que incluyas el estadistico t, los grados de libertad, el valor p exacto, el intervalo de confianza y el tamano del efecto. Aqui tienes las plantillas listas para copiar y adaptar:
Muestras independientes:
El grupo experimental (M = 37.80, DE = 7.65) obtuvo puntuaciones de ansiedad significativamente mas bajas que el grupo control (M = 45.12, DE = 9.30), t(58) = -3.34, p = .001, d de Cohen = -0.86, IC 95% [-11.73, -2.91].
Muestras pareadas:
Las puntuaciones de ansiedad disminuyeron significativamente del pre-test (M = 49.50, DE = 10.20) al post-test (M = 38.10, DE = 8.45), t(29) = 5.83, p < .001, d de Cohen = 1.06, IC 95% [7.40, 15.40].
Detalles de formato que conviene tener presentes:
- La t y la p van siempre en cursiva
- Nunca escribas p = .000; usa p < .001
- Reporta el p exacto con tres decimales (p = .024), salvo cuando es menor que .001
- Los grados de libertad van entre parentesis despues de la t: t(58)
- Incluye siempre el tamano del efecto (d de Cohen para la prueba t)
- Si usaste Welch, los gl seran decimales; reportalos asi tal cual, sin redondear a enteros
Para una guia mas completa del reporte, consulta nuestra guia de reporte en APA 7.
Errores comunes al hacer la prueba t
1. Usar la prueba t con mas de dos grupos. Si tienes tres condiciones (TCC, farmacoterapia y control), necesitas un ANOVA. Hacer tres pruebas t separadas infla el error tipo I: con tres comparaciones al 5%, tu tasa de error real sube a 14.3%.
2. Ignorar la prueba de Levene. Si las varianzas son desiguales y los tamanos de grupo difieren, la t clasica da resultados poco fiables. Revisa siempre Levene y usa la fila de Welch cuando sea necesario. O usala siempre.
3. Obsesionarse con Shapiro-Wilk. Con muestras grandes, Shapiro-Wilk rechaza la normalidad por desviaciones triviales. No saltes automaticamente a Mann-Whitney porque Shapiro-Wilk salio significativo con n = 200. Mira los graficos Q-Q y usa el sentido comun.
4. Reportar solo el valor p. Un p-valor sin tamano del efecto ni intervalo de confianza es informacion a medias. APA 7 lo exige, y el revisor de tu articulo lo va a pedir.
5. Confundir muestras independientes con pareadas. Si mides al mismo grupo antes y despues, es pareada. Si usas la prueba independiente, violas el supuesto de independencia y tus resultados seran incorrectos.
6. No reportar la direccion del efecto. Decir que "la diferencia fue significativa" sin mencionar que grupo puntuo mas alto es un error sorprendentemente frecuente. Incluye siempre las medias y desviaciones de cada grupo.
Necesitas ayuda con tu analisis
Si estas con tu tesis o preparando un articulo y quieres asegurarte de que la prueba t (o cualquier otro analisis) esta bien ejecutada, interpretada y reportada, puedo ayudarte. En mi servicio de consultoria estadistica revisamos juntos tus datos, verificamos supuestos, elegimos el test adecuado y dejamos los resultados listos para tu director o los revisores. Tambien puedes consultar el servicio de apoyo para tesis doctorales si necesitas acompanamiento a lo largo de todo el proceso.