Si tienes la <em>F</em> y sus dos grados de libertad, el eta cuadrado parcial <strong>está determinado</strong>. No es una estimación ni depende del diseño: es la definición reescrita. Por eso sirve para rescatar el tamaño del efecto de cualquier artículo que solo publicó la tabla del ANOVA.
η²p = (F · gl₁) / (F · gl₁ + gl₂) · f de Cohen = √(η²p / (1 − η²p))
El eta cuadrado parcial es la varianza del efecto sobre la suma de la del efecto y la del error: η²p = SSefecto/(SSefecto+SSerror). Y la F es el cociente de las medias cuadráticas, que son esas mismas sumas divididas por sus grados de libertad.
Al despejar, las sumas de cuadrados desaparecen y queda η²p = (F·gl₁)/(F·gl₁+gl₂). No sobra ningún término ni hace falta ningún supuesto: si tienes los tres números, tienes el eta parcial.
Esto tiene una consecuencia práctica que se usa poco: se puede recuperar el tamaño del efecto de artículos que no lo reportaron, que son casi todos los anteriores a 2010. Es la vía habitual para meterlos en un metaanálisis.
Para calcular la potencia de un ANOVA, G*Power no acepta eta: pide la f de Cohen, que sale del eta con otra identidad, f = √(η²/(1−η²)).
Así que el camino completo para planificar un estudio a partir de la literatura es: coges la F del artículo previo, la conviertes a eta parcial, ésta a f, y ese número entra en G*Power. Sin tocar los datos originales, que no tienes.
Los umbrales de f son .10, .25 y .40 para pequeño, mediano y grande. No son los del eta y confundirlos es la forma más rápida de calcular una muestra que no llega.
El eta cuadrado simple divide entre la suma TOTAL de cuadrados, así que sale menor cuando hay más de un factor y todos los efectos reparten un pastel de tamaño 1. El parcial usa solo su propio error, así que varios parciales pueden sumar más de 1 sin que nada esté mal.
Esta página convierte a parcial, que es lo que devuelve SPSS por defecto y lo que reporta casi todo el mundo. Si tu artículo dice «eta cuadrado» a secas, hay que averiguar cuál es antes de compararlo con nada.
La comprobación de que el que publicaste cuadra con su propia F está en el tamaño del efecto contra la F, y qué hacer cuando varios suman más de uno, en eta cuadrado que suman más de uno.
Las trece conversiones entre tamaños del efecto, agrupadas por para qué sirve cada una, están en el índice.
Si la usas en tu tesis o en un artículo, cítala: así quien lea tu Método sabe con qué se hizo el cálculo.
Ciudad-Fernández, V. (2026). Conversor de F a eta cuadrado parcial [Aplicación web]. Ciudad Science. Recuperado el 14 de octubre de 2026, de https://analisisdedatospsicologia.com/convierte/f-a-eta-cuadrado-parcial
Para tu apartado de Método: La eta cuadrado parcial se obtuvo a partir del estadístico F y sus grados de libertad, con el Conversor de F a eta cuadrado parcial de Ciudad Science (Ciudad-Fernández, 2026).
@misc{ciudadfernandez2026convfaetacuadradoparcial,
author = {Ciudad-Fern{\'a}ndez, V{\'i}ctor},
title = {{Conversor de F a eta cuadrado parcial}},
year = {2026},
publisher = {Ciudad Science},
howpublished = {Aplicación web},
url = {https://analisisdedatospsicologia.com/convierte/f-a-eta-cuadrado-parcial},
urldate = {2026-10-14},
note = {Consultado el 2026-10-14},
}Vale siempre que la F y los dos grados de libertad correspondan al mismo efecto y al mismo término de error. En diseños mixtos hay varios términos de error y hay que emparejar cada efecto con el suyo; si los mezclas, el número que sale no es de nadie.
Vienen de una corrección de esfericidad (Greenhouse-Geisser, Huynh-Feldt). La fórmula sigue funcionando aritméticamente, pero el eta que sale ya no es directamente comparable con el de un diseño sin corregir, y conviene decirlo.
Sí, despejando: F = (η²p·gl₂)/(gl₁·(1−η²p)). Es lo que se hace para reconstruir una tabla incompleta, y esta página lo calcula también por dentro.
Omega corrige el sesgo optimista del eta y siempre sale algo menor. Es preferible y cada vez más revistas lo piden, pero necesita las sumas de cuadrados o la media cuadrática del error, así que no se saca solo de la F y los gl.