Pon la Q de Cochran y el número de estudios y obtén I² y H² con su interpretación; con la tabla de estudios (yi, SEi), τ² y el intervalo de predicción.
La heterogeneidad es la variabilidad entre los resultados de los estudios que estás combinando, más allá de la que cabría esperar por azar de muestreo. Es lo que decide si el efecto combinado se puede leer como un número o hay que leerlo como un rango, y si toca un modelo de efectos fijos o de efectos aleatorios. La calculadora devuelve Q de Cochran, I², H², tau² y el intervalo de predicción del 95%.
Q de Cochran: contrasta la hipótesis nula de que todos los estudios comparten un mismo efecto poblacional. Un valor grande indica que la variabilidad observada supera lo esperado por azar.
I² de Higgins y Thompson: porcentaje de la variabilidad total que se debe a heterogeneidad real y no al error de muestreo.
tau² (tau cuadrado): varianza entre estudios en la escala del efecto. tau² = 0 implica homogeneidad perfecta; valores mayores indican que el efecto real varía sustancialmente de un estudio a otro.
Intervalo de predicción: a diferencia del intervalo de confianza, que expresa la incertidumbre sobre la media, estima el rango probable del efecto verdadero en un estudio nuevo. Es especialmente útil cuando la heterogeneidad es alta.
| I² | Heterogeneidad | Qué implica |
|---|---|---|
| < 25% | Baja | La variabilidad entre estudios es pequeña; los resultados son bastante homogéneos. |
| 25–50% | Moderada | Conviene explorar posibles moderadores. |
| 50–75% | Alta | Heterogeneidad sustancial: se recomiendan efectos aleatorios y análisis de subgrupos. |
| > 75% | Muy alta | La media ponderada debe interpretarse con precaución; se recomienda análisis de moderadores. |
Si I² es baja (menor del 25%) y la Q no es significativa (p > .10), un modelo de efectos fijos es razonable. En caso contrario, el de efectos aleatorios captura mejor la variabilidad real y produce intervalos de confianza más realistas.
Higgins, J. P. T. y Thompson, S. G. (2002). Quantifying heterogeneity in a meta-analysis. Statistics in Medicine, 21(11), 1539–1558. DerSimonian, R. y Laird, N. (1986). Meta-analysis in clinical trials. Controlled Clinical Trials, 7(3), 177–188.
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). Calculadora de heterogeneidad para meta-análisis (I², Q y τ²) [Aplicación web]. Ciudad Science. Recuperado el 18 de octubre de 2026, de https://analisisdedatospsicologia.com/herramientas/calculadora-heterogeneidad
Para tu apartado de Método: La heterogeneidad entre estudios se evaluó con la Q de Cochran y el índice I² (Higgins y Thompson, 2002), calculados con la Calculadora de heterogeneidad para meta-análisis de Ciudad Science (Ciudad-Fernández, 2026).
@misc{ciudadfernandez2026heterogeneidad,
author = {Ciudad-Fern{\'a}ndez, V{\'i}ctor},
title = {{Calculadora de heterogeneidad para meta-análisis (I², Q y τ²)}},
year = {2026},
publisher = {Ciudad Science},
howpublished = {Aplicación web},
url = {https://analisisdedatospsicologia.com/herramientas/calculadora-heterogeneidad},
urldate = {2026-10-18},
note = {Consultado el 2026-10-18},
}