El apartado de análisis de datos es el que menos se escribe con cuidado y el que más pesa cuando un revisor quiere saber si puede fiarse de tus resultados. Suele reducirse a una frase («los datos se analizaron con SPSS 28») y a una lista de pruebas, y con eso el lector no puede saber qué modelo ajustaste, qué hiciste con los casos que no encajaban ni cómo decidiste que un resultado contaba.
Un buen apartado de análisis tiene una función concreta: dar a alguien con las mismas herramientas la información para repetir lo que hiciste, y al revisor la información para juzgar si lo hiciste bien. No enseña estadística ni describe cada prueba como en un manual. Cuenta decisiones.
Esta guía te dice qué decisiones contar, en qué orden, con un párrafo modelo y la lista de lo que más suele faltar.
En muchos artículos va dentro del método, al final, con el título «Análisis de datos» o «Análisis estadístico». En otros, sobre todo en tesis, es un capítulo propio. Su contenido es el mismo: cómo pasaste de los datos recogidos a los resultados que informas.
Conviene distinguirlo del apartado de resultados. El análisis cuenta lo que hiciste y por qué; los resultados cuentan lo que encontraste. Mezclarlos es un error frecuente, y se nota cuando el apartado de análisis empieza a dar cifras o cuando el de resultados tiene que justificar decisiones que debían estar antes.
Un orden que funciona sigue el recorrido de los datos: de la preparación al modelo final. Cada punto puede ser una frase o un párrafo, según la complejidad del estudio.
«Los análisis se realizaron con R 4.3 (paquetes lme4 y emmeans). Se excluyeron los participantes que no completaron al menos el 80 % de la escala de ansiedad (n = 6; criterio fijado antes del análisis). Los datos perdidos restantes (3,1 % de las respuestas, sin patrón relacionado con el grupo según la prueba de Little) se trataron con imputación múltiple (20 conjuntos). Para contrastar la hipótesis 1 se ajustó un modelo lineal con la puntuación postratamiento como variable dependiente, el grupo como predictor y la puntuación pretratamiento como covariable. Se comprobaron la normalidad de los residuos y la homogeneidad de varianzas, y se informan errores estándar robustos. El nivel de significación fue .05 bilateral; se informan el tamaño del efecto (d de Cohen) y su intervalo de confianza al 95 %. Los análisis por curso académico fueron exploratorios y no se corrigieron por comparaciones múltiples».
Es un único párrafo y contiene la información que un revisor necesita: criterios previos, tratamiento de datos perdidos, modelo especificado, supuestos, criterio de decisión y qué fue exploratorio. Si falta alguno de esos elementos, es probable que reciba una pregunta sobre él.
La contrapartida de contar decisiones es no contar lo que no lo es. No hace falta explicar qué es una t de Student ni cómo se calcula un ANOVA: se asume que el lector lo sabe. Tampoco se enumeran todas las pruebas que existen para justificar la que elegiste, ni se incluyen resultados.
Lo que sí merece una frase es cualquier cosa que se aparte de lo habitual: una prueba poco común, un modelo que no es el estándar para ese diseño, una transformación, una corrección. Ahí el revisor querrá saber por qué, y es mejor que la respuesta ya esté en el texto.
Estos son los huecos que más veces provocan un comentario del revisor, con la guía donde se desarrolla cada uno:
Una prueba rápida: pide a alguien que conozca el análisis, pero no tu estudio, que lea solo este apartado y te diga qué modelo ajustaste para cada hipótesis. Si no puede, falta algo. Otra: comprueba que cada análisis que aparece en resultados está anunciado aquí, y que cada uno anunciado aquí se informa allí. Un análisis que aparece en un sitio y no en el otro es un comentario seguro.
Para el reporte de las cifras, tienes los artículos sobre cómo reportar resultados en APA 7 y la guía de errores estadísticos que un revisor detecta primero.
Pega tu apartado de análisis de datos, o el método entero, y verás la primera objeción que le pondría un revisor, con la frase exacta de tu texto y lo que haría falta para resolverla. Mira lo que esta guía describe: si cada análisis responde a un objetivo, si el tamaño muestral está justificado, si dices cómo trataste los datos perdidos y los supuestos, si corriges las comparaciones múltiples y si el procedimiento se podría replicar leyendo solo lo que has escrito.
Devuelve una sola objeción, la que más pesa, para que sepas qué arreglar primero. Necesita al menos 350 caracteres y no hace falta que el apartado esté terminado. Lo que pegas no se guarda; si para decidir algo haría falta ver los resultados, te lo dice aparte.
Depende de la revista y del tipo de trabajo. En artículos suele ser el último apartado del método; en tesis, a menudo un capítulo propio. Mira las instrucciones para autores y los artículos recientes de la revista.
Lo que necesites para que se pueda reproducir y juzgar: un párrafo para un diseño sencillo, más para modelos complejos. No intentes llenar espacio explicando pruebas conocidas; sí ocupa espacio todo lo que se aparte de lo habitual.
Las estándar, no. Las menos comunes, o las implementadas en un paquete concreto, sí conviene citarlas con su referencia y la versión del software. Es una forma de que el revisor pueda comprobar lo que hiciste.
Sí, siempre, y los paquetes principales si usas R o Python. Los resultados de algunos modelos cambian entre versiones, y es información mínima para que se pueda reproducir el análisis.
En este apartado, con una frase explícita, y otra vez en los resultados donde se informan. Un análisis exploratorio declarado como tal es legítimo; presentado como confirmatorio no lo es.
No siempre, pero muchas revistas lo piden o lo valoran, y es la mejor respuesta a cualquier duda sobre el análisis. Si no puedes compartir los datos, comparte al menos el código o una descripción exacta de los pasos.