Cómo analizar los datos de un TFG: métodos y herramientas

La mayoría de los TFG que se atascan en el análisis no se atascaron ahí. Se atascaron semanas antes, cuando alguien pasó un cuestionario o grabó unas entrevistas sin haber decidido qué iba a hacer con lo que recogiera. Con los datos ya en el ordenador, la pregunta «¿y ahora qué prueba hago?» llega tarde.

Aquí tienes cómo analizar los datos de un TFG según el tipo de investigación: qué hacer si tus datos son números, qué hacer si son palabras, cómo combinar ambos y con qué programas trabajar sin pagar licencias. Sin fórmulas.

El análisis se decide antes de recoger datos

Cada objetivo específico debería tener asignado su análisis antes de que recojas el primer dato. Si un objetivo dice «comparar el nivel de estrés entre estudiantes de primero y de cuarto», ya sabes que necesitas una variable numérica de estrés, una variable de curso y una prueba que compare dos grupos. Si dice «comprender cómo viven los docentes noveles su primer año», vas a codificar entrevistas y no habrá ni una media.

Ese plan va escrito en el capítulo de metodología, en el apartado de técnicas de análisis. Si todavía no lo tienes, repasa cómo hacer la metodología de un TFG antes de abrir ningún programa.

Y el tipo de investigación manda. Un estudio cuantitativo mide, compara y relaciona variables con datos numéricos; uno cualitativo busca entender significados a partir de entrevistas, observaciones o documentos. Si dudas de en qué lado está tu trabajo, tienes la diferencia explicada con ejemplos en investigación cualitativa y cuantitativa.

Cómo analizar los datos de un TFG cuantitativo

Prepara la base de datos

Antes de calcular nada, la hoja de datos tiene que estar limpia: una fila por participante y una columna por variable. Sin celdas combinadas, sin colores que signifiquen algo, sin notas al margen.

Revisa además:

• Que las respuestas estén codificadas igual en todo el fichero (por ejemplo, 1 = mujer y 2 = hombre en todas las filas).
• Que no haya valores imposibles, como una edad de 220 o un 6 en una escala del 1 al 5.
• Qué haces con los valores perdidos, con un criterio que puedas explicar en la metodología.
• Si tu escala tiene ítems redactados en sentido inverso, recodifícalos antes de sumar.

Es la parte más aburrida y nadie la ve. Un error aquí contamina todo lo que venga detrás.

Describe la muestra

La estadística descriptiva resume lo que tienes. Para variables categóricas (sexo, curso, situación laboral), frecuencias y porcentajes. Para las numéricas, media y desviación típica. Si una variable numérica está muy sesgada, como los ingresos o las horas de uso del móvil, la mediana y el rango intercuartílico la describen mejor que la media.

Algunos TFG se quedan aquí, y es legítimo cuando el objetivo es describir. Si tus objetivos hablan de diferencias o de relaciones, describir no basta.

Contrasta las hipótesis

La estadística inferencial responde a una pregunta: lo que ves en tu muestra, ¿puede deberse al azar? Por convención, un p-valor por debajo de 0,05 se considera estadísticamente significativo, aunque en algunas áreas se usan otros umbrales.

Acompaña siempre el p-valor del tamaño del efecto (la d de Cohen, el coeficiente de correlación o eta cuadrado, según la prueba). Con una muestra grande, diferencias minúsculas salen significativas. El tamaño del efecto dice si la diferencia importa.

Qué prueba estadística usar

La prueba depende de lo que quieres averiguar y del tipo de variables que tienes. Esta tabla cubre la mayoría de los casos que aparecen en un TFG:

Qué quieres saber	Ejemplo	Prueba habitual	Si no se cumplen sus supuestos
Si dos grupos distintos difieren en una variable numérica	Estrés en primero frente a cuarto	t de Student para muestras independientes	U de Mann-Whitney
Si el mismo grupo cambia entre dos momentos	Puntuación antes y después de un taller	t de Student para muestras relacionadas	Prueba de Wilcoxon
Si tres o más grupos difieren	Satisfacción según la rama de estudios	ANOVA de un factor	Kruskal-Wallis
Si dos variables numéricas van juntas	Horas de sueño y nota media	Correlación de Pearson	Correlación de Spearman
Si dos variables categóricas están asociadas	Sexo y deporte practicado	Chi-cuadrado	Prueba exacta de Fisher
Qué variables predicen un resultado	Factores asociados a aprobar a la primera	Regresión lineal (resultado numérico) o logística (sí o no)	Consúltalo con tu tutor

Dos avisos sobre la tabla. Si el ANOVA o el Kruskal-Wallis salen significativos, solo sabes que algún grupo difiere de otro; para saber cuál, necesitas comparaciones posteriores (post hoc). Y en el chi-cuadrado, la convención es pasar a la prueba de Fisher cuando hay casillas con frecuencias esperadas por debajo de 5, sobre todo en tablas de dos por dos.

Paramétricas o no paramétricas

Las pruebas t, el ANOVA y la correlación de Pearson suponen, entre otras cosas, que la variable numérica sigue una distribución aproximadamente normal y, en varias de ellas, que las varianzas de los grupos son parecidas. La normalidad se comprueba con pruebas como Shapiro-Wilk o Kolmogorov-Smirnov; la igualdad de varianzas, con la prueba de Levene.

No te fíes solo de esas pruebas. Con muestras grandes marcan como no normales desviaciones sin importancia práctica, y con muestras pequeñas casi nunca detectan nada. Mira también el histograma.

Si los supuestos fallan o tu muestra es pequeña, usa la alternativa de la última columna y explica por qué. Justificar la elección demuestra que sabes lo que haces.

El caso de las escalas Likert

Un ítem suelto de una escala Likert (del 1 al 5, por ejemplo) es una variable ordinal. Lo prudente es describirlo con medianas y porcentajes y analizarlo con pruebas no paramétricas. La puntuación total de una escala de varios ítems se trata a menudo como numérica. Sobre esto no hay acuerdo en metodología, así que lo que no puedes hacer es elegir sin justificarlo.

Si usas una escala, informa también de su fiabilidad en tu muestra; lo habitual es el alfa de Cronbach.

Cómo analizar datos cualitativos

Con entrevistas, grupos de discusión o documentos, el trabajo consiste en interpretar. Para un TFG, el método más asequible y fácil de defender suele ser el análisis temático, que identifica patrones de significado en los datos y los organiza en temas.

Los pasos:

1. Transcribe. De forma literal y anonimizada: nombres, centros y lugares sustituidos por códigos. Si las pausas o las risas importan para tu pregunta, márcalas.
2. Lee todo antes de codificar. Dos veces, si puedes. Apunta aparte las primeras impresiones.
3. Codifica. Un código es una etiqueta breve que pones a un fragmento de texto con sentido propio. Puedes partir de los datos (codificación inductiva), de categorías sacadas de tu marco teórico (deductiva) o combinar ambas, que es lo más práctico en un TFG.
4. Agrupa los códigos en temas. Un tema reúne varios códigos alrededor de una idea que responde a tu pregunta de investigación.
5. Revisa los temas contra los datos. Vuelve a las transcripciones y comprueba que cada tema se sostiene y que no estás forzando fragmentos para que encajen.
6. Interpreta y elige citas. Las citas textuales de los participantes ilustran cada tema. Tu análisis va alrededor de ellas.

Para que el análisis resulte creíble, deja rastro: un libro de códigos con la definición de cada uno, notas sobre tus decisiones y, si es posible, una parte codificada también por otra persona. Y cuenta los casos que no encajan. Un análisis en el que todo cuadra a la perfección despierta sospechas.

Si además de interpretar quieres contar cuántas veces aparece algo, lo tuyo es el análisis de contenido. La teoría fundamentada exige más de lo que un TFG suele permitir; no la elijas si tu tutor no la domina.

Si tu investigación es mixta

Un diseño mixto lleva dos análisis, cada uno con sus reglas: estadística para la parte cuantitativa y codificación para la cualitativa. Lo que lo hace mixto viene después, cuando pones los resultados en relación. ¿Las entrevistas explican por qué salió una diferencia en el cuestionario? ¿Contradicen algún dato?

El fallo típico es presentar dos trabajos grapados: primero los gráficos, luego las citas, y ni una frase que conecte unos con otras. Si ningún párrafo cruza ambos análisis, el diseño mixto se queda en el título.

Programas para analizar los datos

Programa	Datos	Coste	Cuándo elegirlo
Excel (Herramientas para análisis)	Cuantitativos	Incluido en Excel, hay que activarlo	Descriptivos, pruebas t, correlación y regresión sencillas; no trae pruebas no paramétricas
SPSS	Cuantitativos	De pago	Si tu universidad te da licencia o tu tutor trabaja con él
Jamovi	Cuantitativos	Gratuito, código abierto	Si empiezas de cero: menús parecidos a los de SPSS, con R funcionando por debajo
JASP	Cuantitativos	Gratuito, código abierto	Muy parecido a Jamovi; suele dar las tablas en formato APA
PSPP	Cuantitativos	Gratuito, software libre	Si quieres algo con el aspecto de SPSS sin pagarlo
R con RStudio	Cuantitativos	Gratuito	Si sabes programar o quieres aprender; cuesta más arrancar
ATLAS.ti, NVivo, MAXQDA	Cualitativos	De pago, con tarifas para estudiantes	Muchas entrevistas, audio o vídeo, o un tutor que ya los usa
Taguette	Cualitativos	Gratuito, código abierto	Subrayar, codificar y exportar textos sin pagar

Mi recomendación: si nadie te impone un programa, usa Jamovi. Es gratuito, se maneja con menús y, en su modo sintaxis, te enseña el código R de cada análisis. Antes de decidir, pregunta a tu tutor con qué trabaja: si te atascas, te ayudará mucho más con el programa que conoce.

En Excel para Windows, el complemento se activa en Archivo > Opciones > Complementos y aparece como Análisis de datos en la pestaña Datos. Vale para salir del paso; para comprobar supuestos o usar pruebas no paramétricas, se queda corto.

Para la parte cualitativa, con pocas entrevistas (media docena, por poner una referencia orientativa) no necesitas software especializado. Los comentarios de un procesador de textos o una hoja de cálculo con una fila por fragmento codificado bastan. El programa ordena; analizar te toca a ti.

Si usas inteligencia artificial para codificar o calcular, comprueba cada resultado y consulta qué permite tu universidad. Los errores del análisis los firma quien entrega el trabajo.

Errores que se ven en cinco minutos

• Pescar significaciones. Cruzar todas las variables con todas y quedarte con lo que sale por debajo de 0,05. Con muchas pruebas, alguna saldrá significativa por azar. Analiza lo que planteaban tus objetivos.
• Confundir significativo con importante. Sin tamaño del efecto, un p-valor dice muy poco.
• Ver causas en una correlación. Que dos variables vayan juntas no demuestra que una provoque la otra, y menos con datos recogidos en un solo momento.
• Porcentajes de grupos diminutos. «El 66,7 % de los participantes» impresiona hasta que resulta que son dos de tres. Con grupos pequeños, da también las frecuencias absolutas.
• Pegar la salida del programa tal cual. Las tablas de SPSS o Jamovi traen información que no necesitas. Rehazlas con lo que aporta y en el formato que pida tu guía.
• Resumir entrevistas en lugar de analizarlas. «El entrevistado 1 opina…, el entrevistado 2 opina…» es una lista de testimonios. El análisis se organiza por temas, y cada tema reúne lo que dicen varias personas.
• Perder casos sin explicarlo. Si recogiste 150 cuestionarios y analizas 132, el lector necesita saber qué pasó con los otros 18.

Del análisis a los resultados

El análisis produce material; el capítulo de resultados lo ordena. Sigue el orden de los objetivos específicos y guarda la interpretación para la discusión. Cómo convertir tablas y temas en un capítulo que se lea bien lo tienes en cómo redactar los resultados de un TFG.

Antes de escribir una línea, haz una prueba: toma cada objetivo específico e intenta responderlo en una frase con lo que has encontrado. Si en alguno no puedes, ese objetivo todavía no tiene respuesta, y ninguna redacción se la va a inventar.