jamovi tiene una virtud que a veces juega en contra: sus tablas salen tan limpias, con formato casi APA desde el primer clic, que dan la sensación de que el trabajo ya está hecho. No lo está. La tabla te da números; la interpretación sigue siendo tuya, y es exactamente donde un tribunal o un revisor detecta si entiendes tu propio análisis.
Esta guía recorre los cuatro análisis que concentran la mayoría de las tesis y artículos en psicología y ciencias de la salud: prueba t, ANOVA, correlación y regresión lineal. Para cada uno verás cómo se estructura la tabla de jamovi, qué columna mirar primero y cómo convertirla en un párrafo de resultados en APA 7.
Todos los outputs usan valores inventados pero plausibles, marcados como ejemplo; la lógica de lectura es la que aplicarás a tus tablas reales.
Todas las tablas de jamovi siguen la misma gramática. El panel derecho se actualiza en tiempo real: cada opción que marcas en el panel izquierdo añade o quita columnas al instante. La tabla que ves no es «el resultado» en abstracto, sino el resultado de tus opciones: dos personas con los mismos datos pueden ver tablas distintas si una pidió tamaños del efecto y la otra no.
Casi todas las tablas inferenciales comparten tres columnas nucleares: el estadístico de contraste (t, F, χ², r, según el análisis), los grados de libertad (df) y el valor p. A partir de ahí, cada casilla añade columnas: «Effect size» agrega d de Cohen o η², «Confidence interval» agrega los límites del intervalo, «Mean difference» agrega la diferencia de medias con su error estándar.
Presta atención a las notas al pie. jamovi las usa para decirte qué hipótesis alternativa está contrastando (por ejemplo, «Hₐ μ₁ ≠ μ₂», prueba bilateral), qué corrección aplicó a los post hoc o advertencias sobre supuestos. Ignorarlas es la vía más rápida a reportar un análisis distinto del que crees haber hecho.
Supón que comparas la ansiedad entre un grupo con intervención y un grupo control (30 participantes por grupo). En T-Tests → Independent Samples T-Test, con «Effect size» y «Confidence interval» marcados, un output plausible sería (valores de ejemplo): Statistic = 2.41, df = 58, p = .019, Mean difference = 2.50, SE difference = 1.04, Cohen’s d = 0.63, IC 95% de d [0.10, 1.15].
El orden de lectura correcto es el inverso al de las columnas. Primero el tamaño del efecto: d = 0.63 indica que los grupos se separan algo más de media desviación estándar, un efecto moderado con relevancia práctica probable. Después su intervalo: [0.10, 1.15] es ancho, compatible con un efecto pequeño y con uno grande, lo que refleja la muestra limitada y conviene reconocerlo en la discusión. Solo al final el p: .019 es menor que .05, así que la diferencia se declara estadísticamente significativa.
Un detalle específico de jamovi: si marcas a la vez «Student’s» y «Welch’s», la tabla muestra dos filas por variable y debes decidir cuál reportar. La de Welch no asume varianzas iguales y es la opción robusta cuando el test de Levene (en Assumption Checks → Homogeneity test) sale significativo. Revisa además en la nota al pie que el contraste sea bilateral: una hipótesis direccional marcada por error en «Hypothesis» produce un p que no es comparable al estándar.
Con tres o más grupos, por ejemplo, tres condiciones de intervención con 30 participantes cada una, ANOVA → One-Way ANOVA o el módulo ANOVA general producen la tabla ómnibus. Un output plausible (valores de ejemplo): F = 5.72, df = 2 y 87, p = .005, y si marcaste «η²» en Effect Size, η² = .116. La lectura: el 11.6% de la varianza en la variable dependiente se asocia al factor grupo, y esa diferencia global entre los tres grupos es estadísticamente significativa.
La palabra clave es «global». El ómnibus solo dice que no todas las medias son iguales; no dice qué grupos difieren. Para eso, en Post Hoc Tests jamovi ofrece por defecto la corrección de Tukey y genera una tabla con las comparaciones por pares, cada una con su diferencia de medias, SE, t y una columna p con subíndice tukey. Ese subíndice indica que el p ya está corregido por comparaciones múltiples: se compara directamente con .05, sin ajustes adicionales por tu cuenta.
Siguiendo el ejemplo: si la comparación intervención A frente a control da diferencia de medias = 3.10, t = 3.21, p tukey = .005, y A frente a B da p tukey = .214 (valores de ejemplo), la historia es que A supera al control pero no se distingue de B. Esa es la frase que va a tus resultados, no una lista mecánica de todos los p. El error más frecuente en borradores de tesis es el contrario: reportar el ómnibus significativo y saltar a las conclusiones sin post hoc.
Regression → Correlation Matrix produce la clásica matriz triangular: cada celda cruza dos variables y muestra, apiladas, la r de Pearson y su p (y el N si lo pides, útil cuando hay datos perdidos y cada par tiene una muestra distinta). Con «Flag significant correlations» marcado, jamovi añade asteriscos: uno para p < .05, dos para p < .01, tres para p < .001.
Un ejemplo plausible con 80 participantes (valores de ejemplo): autoeficacia y rendimiento dan r = .34, p = .002. La interpretación tiene tres capas. Dirección: positiva. Magnitud: .34 es moderada en psicología, donde valores por encima de .50 escasean en variables autoinformadas; su cuadrado (.12) indica un 12% de varianza compartida. Y significación: p = .002 descarta razonablemente el ruido muestral, pero no añade nada sobre la fuerza de la relación, que ya te la dio la r.
Dos decisiones que la matriz no toma por ti. Si tus variables incumplen normalidad o son ordinales, marca «Spearman» y reporta rho en lugar de r; mezclar ambas sin avisar es un error clásico. Y recuerda que una matriz de 8 variables contiene 28 correlaciones: con α = .05 esperarías una o dos significativas por puro azar, así que interpreta el patrón, no cada asterisco aislado.
Regression → Linear Regression devuelve dos tablas que responden preguntas distintas, y confundirlas es el error más caro de este análisis. La primera, Model Fit Measures, evalúa el modelo en conjunto. Un ejemplo plausible con tres predictores y 100 participantes (valores de ejemplo): R² = .42, F = 23.4, df = 3 y 96, p < .001. Lectura: los tres predictores juntos explican el 42% de la varianza del criterio, con un ajuste global significativo. Para reportar, marca también «Adjusted R²», que corrige la inflación por número de predictores.
La segunda tabla, Model Coefficients, baja al detalle de cada predictor: Estimate (el coeficiente B no estandarizado), SE, t y p, más el «Standardized estimate» (β) si lo marcas. Siguiendo el ejemplo: autoeficacia con Estimate = 0.52, SE = 0.14, t = 3.71, p < .001, β = .38 (valores de ejemplo). El B se interpreta en unidades reales, por cada punto adicional de autoeficacia, el criterio sube 0.52 puntos, manteniendo constantes los demás predictores, y el β permite comparar predictores: frente a otro con β = .19, la autoeficacia pesa el doble en el modelo.
La cláusula «manteniendo constantes los demás predictores» no es retórica: un predictor puede ser significativo a solas, en la matriz de correlaciones, y no serlo en el modelo porque otro predictor ya captura su varianza. Eso no es una contradicción en tus datos: es información sobre el solapamiento entre tus variables, y merece una línea en la discusión.
Hay un patrón que se repite en toda esta guía: el p llega al final de la lectura, no al principio. Un p significativo con una muestra grande puede acompañar a un efecto trivial, y un p de .08 con 25 participantes puede esconder un efecto considerable sin potencia para detectarse. Por eso APA 7 pide el trío completo: estadístico con sus grados de libertad, p exacto, y tamaño del efecto con su intervalo de confianza. jamovi lo ofrece casi siempre; solo tienes que marcar la casilla.
No es un tecnicismo menor: decide el destino de manuscritos. De los manuscritos analizados con nuestro revisor de artículos, el 84% recibió Major revisions, y el 62% de las debilidades señaladas están en método y análisis: tamaños del efecto ausentes, intervalos de confianza sin reportar, valores p leídos como si midieran la importancia del hallazgo. Exactamente los huecos que deja quien copia la tabla de jamovi sin completar las columnas opcionales.
Como referencia rápida, esto es lo mínimo que debe salir de cada tabla hacia tu apartado de resultados:
El último paso es traducir columnas a prosa. APA 7 tiene reglas concretas: los símbolos estadísticos van en cursiva (t, F, p, r, d, R²; las letras griegas como η² no), p y r se escriben sin cero delante del punto porque no pueden superar 1 (p = .019, r = .34), y el resto se redondea a dos decimales. La estructura de la frase es siempre la misma: qué encontraste en lenguaje sustantivo, y después el respaldo estadístico entre comas.
Con los outputs de ejemplo de esta guía, los párrafos quedarían así. Prueba t: «El grupo de intervención (M = 21.8, DT = 3.9) presentó menor ansiedad que el grupo control (M = 24.3, DT = 4.1), t(58) = 2.41, p = .019, d = 0.63, IC 95% [0.10, 1.15]». ANOVA: «El efecto del grupo sobre la ansiedad fue significativo, F(2, 87) = 5.72, p = .005, η² = .12; las comparaciones post hoc con corrección de Tukey mostraron que la intervención A obtuvo puntuaciones menores que el control (p = .005), sin diferencias entre A y B (p = .214)». Correlación: «La autoeficacia se asoció positivamente con el rendimiento, r(78) = .34, p = .002». Regresión: «El modelo explicó el 42% de la varianza del rendimiento, R² ajustado = .40, F(3, 96) = 23.4, p < .001; la autoeficacia fue el predictor de mayor peso, B = 0.52, SE = 0.14, β = .38, p < .001».
Fíjate en que ninguna de esas frases dice «se acepta la hipótesis» ni «se demuestra que»: la prosa APA describe lo encontrado, cuantifica su magnitud y deja la especulación para la discusión. Si al escribir tu párrafo necesitas adjetivos («claramente superior», «fuertemente asociado»), suele ser señal de que el número que lo justificaría no está en la frase.
No en todos los análisis. En la prueba t y el ANOVA hay que marcar «Effect size» para que aparezcan d de Cohen o η². Márcala siempre junto con «Confidence interval»: APA 7 pide reportar ambos, y son las columnas que más faltan en los borradores de tesis.
Se reporta literalmente como p < .001. APA 7 pide valores p exactos con tres decimales (p = .019, p = .005), con una única excepción: por debajo de .001 se usa la desigualdad. Nunca escribas p = .000, ese formato heredado de SPSS es incorrecto, porque p nunca es exactamente cero, ni p < .05 cuando conoces el valor exacto.
Revisa el test de Levene en Assumption Checks: si es significativo, reporta la fila de Welch, que no asume varianzas iguales; si no, la de Student es defendible. Muchos metodólogos recomiendan Welch por defecto porque apenas pierde potencia cuando las varianzas sí son iguales. Lo importante es reportar una sola fila y decir cuál usaste.
Sí: clic derecho sobre la tabla → Table → Copy, y al pegarla en Word conserva un formato muy cercano a APA (bordes horizontales, cursivas en los estadísticos). Revisa el título y la numeración según tu documento, y recuerda que la tabla acompaña al texto, no lo sustituye: el párrafo de resultados sigue siendo obligatorio.
Para los análisis clásicos, sí: jamovi funciona sobre R y los algoritmos están estandarizados. Las discrepancias visibles casi siempre vienen de opciones distintas, no del software: un ANOVA con suma de cuadrados tipo II frente a tipo III, o una t de Welch comparada con una t de Student.