Tu tabla de resultados tiene medias, desviaciones típicas, estadísticos de contraste y valores p. Le falta una columna, y es la que el revisor busca primero: cuánto. Un p de .003 te dice que es improbable observar esos datos si el efecto fuera exactamente cero; no te dice si la diferencia entre grupos son dos puntos en el BDI o veinte. Esa pregunta, que es la única que le importa a alguien que va a usar tu resultado, se responde con el tamaño del efecto.
Desde la sexta edición del manual de la APA, y con más énfasis en la séptima (2020), reportar tamaños del efecto y sus intervalos de confianza no es una recomendación, es un requisito de reporte. Los estándares JARS que muchas revistas de psicología han adoptado formalmente (Appelbaum et al., 2018) lo recogen igual. Cuando falta, el editor no está discutiendo tu ciencia: está señalando que tu manuscrito incumple las normas de la revista, y eso es motivo de devolución sin revisión en bastantes casos.
En esta guía tienes qué índice corresponde a cada análisis, los tres errores que más veces cometen los autores al calcularlos, cómo se ven en un manuscrito real, cómo recuperarlos a posteriori aunque ya no tengas acceso a los datos brutos, y cómo interpretar la magnitud sin apoyarte ciegamente en las etiquetas de pequeño, mediano y grande.
Porque no lee, mira. Un revisor con experiencia abre la sección de resultados y escanea la forma de las tablas: si las columnas terminan en el valor p, ya tiene el comentario escrito antes de haber leído una sola frase. Es la comprobación más rápida de todo el proceso de revisión y por eso casi siempre aparece en el primer bloque del informe.
La segunda señal es el abstract. Un abstract que dice «se encontraron diferencias estadísticamente significativas entre ambos grupos (p < .001)» y no dice de cuánto, comunica cero información utilizable. Como el abstract es lo que el editor lee en el filtro previo, esta omisión concreta genera desk rejections que el autor nunca llega a entender.
La tercera es interpretativa y aparece en la discusión: cuando un autor califica un resultado de «robusto», «marcado» o «notable» apoyándose solo en un p pequeño. Un p pequeño con n = 900 es compatible con una correlación de .09, que en la práctica no significa nada. Ese salto del p a la magnitud es el que provoca los comentarios más duros, porque revela una confusión conceptual, no un olvido de formato.
Y hay una cuarta, más sutil, que separa al revisor formalista del metodológico: reportar el tamaño del efecto sin intervalo de confianza. Un d = 0,45 sin más es una estimación puntual sin incertidumbre, y con muestras medianas su intervalo puede ir de 0,05 a 0,85, es decir, de trivial a grande. APA 7 pide el intervalo, y cada vez más revisores lo piden también.
No hay un tamaño del efecto universal: hay una familia de diferencias estandarizadas, una de varianza explicada y una de asociación entre variables categóricas. Elegir mal el índice es casi tan visible como no reportarlo.
Reportar algo no equivale a reportar lo correcto. Estos tres fallos aparecen en manuscritos que sí incluyen tamaños del efecto y aun así reciben el comentario.
Es el error más extendido y viene inducido por la salida de SPSS. En un diseño factorial, el eta cuadrado parcial de un factor se calcula sobre la varianza que queda tras descontar la de los demás factores. Eso significa que el mismo efecto, en un diseño con un factor adicional, produce un eta parcial mayor. Comparar tu eta parcial de .14 con el .09 de otro estudio con distinto diseño no dice nada, y Lakens (2013) lo desarrolla con ejemplos.
La solución práctica: reporta eta parcial si tu revista lo espera, pero acompáñalo de eta cuadrado o de omega cuadrado, y nunca lo interpretes con los baremos de Cohen sin advertir de la diferencia.
Las etiquetas de Cohen (d de 0,20 pequeño, 0,50 mediano, 0,80 grande) son referencias arbitrarias que el propio Cohen presentó como último recurso cuando no hubiera información del campo. Aplicadas mecánicamente producen conclusiones absurdas: en investigación de intervenciones psicológicas, una d de 0,30 sostenida en el tiempo puede ser clínicamente muy relevante, y en psicología diferencial una r de .30 es una asociación muy fuerte para el estándar del área.
Las referencias que se están imponiendo son las empíricas: Funder y Ozer (2019) argumentan que en psicología social y de la personalidad una r de .10 ya tiene consecuencias apreciables a escala acumulada, y Gignac y Szodorai (2016) proponen para diferencias individuales umbrales de .10, .20 y .30 como pequeño, típico y relativamente grande, derivados de la distribución real de efectos publicados. Citar una de estas referencias en lugar de repetir a Cohen es una de las señales más rápidas de que el autor sabe lo que hace.
Y por encima de todo: siempre que exista, usa la métrica original. «Una reducción media de 4,2 puntos en el PHQ-9, frente a los 5 puntos que se consideran cambio mínimamente importante» comunica más que cualquier d.
Es una forma silenciosa de reporte selectivo. Si tu tabla tiene d en las filas con asterisco y la casilla vacía en las demás, el revisor lo ve inmediatamente y lo interpreta como lo que es. Los tamaños del efecto de los contrastes no significativos son informativos: un d = 0,42 no significativo con n = 30 dice algo muy distinto de un d = 0,02 no significativo con n = 400, y solo el primero justifica que alguien repita el estudio con más muestra.
Reporta todos, con sus intervalos, incluidos los que van en contra de tu hipótesis. Es lo que permite que tu artículo entre en un metaanálisis futuro, y esa utilidad es un argumento que los editores valoran.
Delata: «El grupo experimental obtuvo puntuaciones significativamente menores que el grupo control en ansiedad estado, t(98) = 3,42, p = .001».
Aguanta: «El grupo experimental obtuvo puntuaciones menores que el control en ansiedad estado, t(98) = 3,42, p = .001, g de Hedges = 0,68, IC 95% [0,28; 1,08]. La diferencia bruta fue de 6,4 puntos en el STAI-E (IC 95% [2,7; 10,1]), por encima del cambio mínimo clínicamente relevante de 4 puntos descrito para este instrumento».
Delata (en el abstract): «Los resultados mostraron una relación significativa entre ambas variables (p < .01), lo que confirma la hipótesis planteada».
Aguanta: «La regulación emocional se asoció con la sintomatología ansiosa con una magnitud moderada, r = -.34, IC 95% [-.45; -.22], explicando el 11,6% de la varianza».
Delata (en la discusión): «El fuerte efecto observado sugiere que la intervención es altamente eficaz».
Aguanta: «El efecto observado (g = 0,31) es pequeño según las referencias convencionales, pero se sitúa en el rango habitual de las intervenciones psicoeducativas breves en este ámbito y, dado el bajo coste de implementación, puede tener un impacto poblacional apreciable. Conviene subrayar que el intervalo de confianza [0,04; 0,58] incluye valores que serían clínicamente irrelevantes».
Buena parte de los tamaños del efecto se pueden reconstruir a partir de lo que ya está publicado en tu propio manuscrito, sin volver a los datos brutos. Si tienes medias, desviaciones típicas y tamaños de grupo, tienes d y su intervalo. Si solo tienes el estadístico de contraste y los grados de libertad, también: existen conversiones directas de t, F (con un grado de libertad en el numerador), chi cuadrado y Z a d o a r.
Herramientas que hacen el trabajo sin fricción: el paquete effectsize de R para casi todo, con intervalos incluidos; effsize para d y g; MBESS para intervalos de confianza no centrales; la calculadora del Campbell Collaboration para conversiones entre índices; y el propio jamovi y JASP, que reportan tamaños del efecto con intervalo por defecto en la mayoría de sus análisis, algo que conviene aprovechar si estás rehaciendo los análisis igualmente.
Un detalle que ahorra una ronda de revisión: los intervalos de confianza de eta cuadrado y de d se basan en distribuciones no centrales y no son simétricos. Si tu intervalo aparece perfectamente centrado en la estimación puntual, probablemente lo has calculado mal, y hay revisores que lo miran.
Y otro detalle de reporte APA que cuesta comentarios innecesarios: los índices se escriben en cursiva y sin cero a la izquierda cuando el rango no puede superar la unidad (r = .34, no r = 0.34), mientras que d y g sí llevan cero porque pueden superar 1. En español, además, el separador decimal es la coma, salvo que la revista indique lo contrario.
Esta es de las pocas objeciones que se cierran del todo, y en una tarde. La respuesta corta y bien ejecutada es la mejor: haz el trabajo, enséñalo y no argumentes.
Un modelo: «Agradecemos el comentario. Hemos incorporado tamaños del efecto con sus intervalos de confianza al 95% para todos los contrastes del manuscrito, incluidos los no significativos. Concretamente: g de Hedges para las comparaciones entre grupos (Tablas 2 y 3), omega cuadrado y eta cuadrado parcial para los efectos del ANOVA mixto (Tabla 4), y r con intervalo por transformación z de Fisher para la matriz de correlaciones (Tabla 1). Los cálculos se realizaron con el paquete effectsize de R y el script está disponible en el repositorio OSF del proyecto [enlace]. Hemos añadido además los tamaños del efecto principales al abstract (p. 2) y hemos revisado la discusión para interpretar la magnitud en la métrica original de los instrumentos y frente a los valores de cambio mínimo clínicamente importante, en lugar de apoyarnos en las etiquetas convencionales (pp. 15-16)».
Si el revisor discrepa del índice que has elegido, no te enroques: casi siempre es más rápido reportar los dos. Añadir una columna con omega cuadrado junto al eta parcial cuesta cinco minutos y elimina el desacuerdo.
El único caso donde conviene argumentar es cuando el revisor pide un índice inapropiado para tu análisis, por ejemplo un R² en un modelo multinivel o una d en un contraste con más de dos grupos. Ahí explica brevemente por qué ese índice no está definido de forma unívoca en tu diseño y ofrece la alternativa que sí lo está, con una referencia. Un revisor razonable lo acepta, y la explicación mejora el manuscrito para el lector.
Sí. El manual de la séptima edición (2020) y los estándares JARS (Appelbaum et al., 2018) piden reportar tamaños del efecto y, siempre que sea posible, sus intervalos de confianza, para todos los contrastes principales. La recomendación viene de lejos: ya el informe del grupo de trabajo sobre inferencia estadística de la APA (Wilkinson y Task Force, 1999) lo planteaba en los mismos términos.
Puedes reportarlo, pero no lo compares con estudios de diseño distinto ni lo interpretes con los baremos habituales sin advertirlo, porque su denominador depende de qué otros factores incluya tu modelo. Lo más seguro es acompañarlo de omega cuadrado o de eta cuadrado generalizado, y decir explícitamente cuál es cuál en la nota de la tabla.
Reportarlo e interpretarlo en su contexto. Un efecto pequeño no es un fracaso: en intervenciones de bajo coste y alcance poblacional, en variables muy multideterminadas o en desenlaces graves y poco frecuentes, magnitudes modestas tienen valor real. Lo que hunde un manuscrito no es un efecto pequeño, es un efecto pequeño descrito con adjetivos grandes.
No. El valor p confunde magnitud y tamaño muestral: con n suficiente, cualquier diferencia por trivial que sea cruza el umbral de significación, y con n pequeña un efecto considerable puede no cruzarlo. Son dos preguntas distintas, y solo el tamaño del efecto con su intervalo responde a la que importa para aplicar el resultado.
Sí, y cada vez más revisores lo tratan como obligatorio. La estimación puntual sin incertidumbre transmite una precisión que no tienes: con muestras medianas, un d = 0,45 puede llevar un intervalo que va de casi cero a un efecto grande, y esa anchura es información esencial para el lector y para cualquier metaanálisis posterior.
Para Mann-Whitney y Wilcoxon lo más habitual es la r derivada de Z entre la raíz de N, pero suele ser más interpretable el estadístico de superioridad estocástica o el tamaño del efecto de lenguaje común, que se traduce como la probabilidad de que una observación tomada al azar de un grupo supere a otra del otro grupo. Acompáñalo siempre de medianas y rangos intercuartílicos.