Análisis de datos para tesis: guía completa con Excel y SPSS

Qué es analizar datos en una tesis (y qué NO)

Analizar datos es responder una pregunta con evidencia y un método. Es decir: tomar datos (encuestas, registros, mediciones) y transformarlos en resultados interpretables que conecten con tu marco teórico y con tus objetivos.

Lo que NO es análisis (pero parece)

• Hacer un gráfico sin decir qué significa.
• Describir frecuencias sin interpretar ni conectar con objetivos.
• Aplicar pruebas “porque sí” (por ejemplo, correr ANOVA sin justificar variables o supuestos).
• Confundir correlación con causalidad (“si se relacionan, entonces una causa a la otra”).
• Hacer promedios con variables que no lo permiten (por ejemplo, promediar categorías sin sentido).

Lo que SÍ es análisis (en lenguaje simple)

• Elegir indicadores que correspondan a tus variables/categorías.
• Limpiar la base para que no haya errores invisibles.
• Hacer descriptivos (promedios, desvíos, frecuencias) para entender la muestra.
• Aplicar una prueba adecuada (si corresponde) y explicarla en palabras.
• Interpretar con teoría, y cerrar con conclusiones alineadas a objetivos.

Antes de analizar: diccionario de variables, codificación y base de datos

Si tu base está desordenada, vas a perder horas (o días) y tus resultados serán dudosos. Antes del análisis, se construye un “mapa” que define qué significa cada columna y cómo se mide. Esto te salva especialmente si estás trabajando con tutor y una Asesoría de tesis en Paraguay al mismo tiempo, porque todos miran lo mismo y hablan el mismo idioma.

1) Diccionario de variables (lo mínimo que debe tener)

Un diccionario de variables es una tabla que describe cada variable: nombre corto, etiqueta, tipo, valores y cómo se interpreta. En Excel podés tenerlo en una hoja aparte; en SPSS se refleja en Variable View.

2) Codificación: cómo evitar errores de interpretación

El mayor error es codificar “sí/no” como texto libre (Sí, si, SÍ, yes, etc.). Eso te rompe análisis. Lo correcto es codificar con números y etiquetas claras.

3) Estructura correcta de la base (formato “largo” típico)

• Filas: 1 fila = 1 participante / unidad de análisis.
• Columnas: 1 columna = 1 variable.
• Nada de celdas combinadas.
• Una hoja para datos, otra hoja para diccionario.

Si estás haciendo tu Tesis en Paraguay con encuestas en Asunción, esto te ayuda también a justificar la trazabilidad: “cómo se recolectó, cómo se registró, cómo se depuró”.

Limpieza de datos: faltantes, duplicados, valores imposibles y outliers

Limpieza no es “borrar lo que molesta”. Es un proceso con reglas y justificación. En tesis, especialmente en Tesis en Paraguay, se valora que expliques cómo trataste datos incompletos o inconsistentes.

Checklist de limpieza (en orden)

1. Duplicados: ¿hay filas repetidas (mismo participante)?
2. Valores imposibles: edad 3, edad 250, ingresos negativos, etc.
3. Rangos: escalas Likert fuera de 1–5.
4. Faltantes (missing): celdas vacías o códigos como 99/999.
5. Consistencia lógica: “no trabaja” pero tiene “horas de trabajo=40”.
6. Outliers: valores extremos que distorsionan promedios.

Cómo manejar datos faltantes (sin inventar)

No existe una única regla, pero sí buenas prácticas:

• Si faltan pocos datos en una variable clave: podés excluir esos casos solo para ese análisis (listwise/pairwise).
• Si faltan muchos: revisá instrumento o recolección; considerá reportarlo como limitación.
• No “rellenes” con valores inventados sin justificar (eso invalida resultados).

Outliers: qué hacer sin “maquillar”

Un outlier no siempre es “error”. Puede ser un caso real extremo. Las opciones típicas son:

• Verificar origen: ¿se cargó mal? (ej. 5000 en vez de 500).
• Analizar con y sin outliers y reportar si cambia la conclusión.
• Usar mediana en lugar de media si hay asimetría fuerte.
• Pruebas no paramétricas si no se cumplen supuestos.

Análisis en Excel: guía paso a paso (rápido, ordenado y presentable)

Excel es suficiente para muchísimas tesis (sobre todo descriptivas) y te permite gráficos y tablas claras. El truco está en no hacerlo “a mano” celda por celda, sino con herramientas que te evitan errores. Esto aplica perfecto para estudiantes que están trabajando su Tesis en Paraguay con encuestas o registros simples.

Paso 1: convertí tu base en “Tabla”

Seleccioná tu base → Insertar > Tabla. Así podés filtrar, ordenar y crear tablas dinámicas con menos errores.

Paso 2: frecuencias (variables categóricas)

Para sexo, carrera, ciudad, tipo de institución, etc., lo más sólido es una Tabla dinámica. Insertar > Tabla dinámica, y luego:

• Filas: la variable (ej. sexo)
• Valores: contar registros
• Mostrar valores como: % del total

Paso 3: descriptivos (variables numéricas)

Para edad, puntajes, promedios de escalas, etc.:

• Media: =PROMEDIO(rango)
• Mediana: =MEDIANA(rango)
• Desvío estándar: =DESVEST.M(rango)
• Mín/Máx: =MIN() / =MAX()
• N válido: =CONTAR() o =CONTARA() según el caso

Paso 4: crear indicadores (promedios de escalas Likert)

Si tu variable “Satisfacción” se mide con 5 ítems (p1, p2, p3, p4, p5), podés crear una columna nueva:

=PROMEDIO([@p1],[@p2],[@p3],[@p4],[@p5])

Eso te permite analizar un indicador global, más limpio para resultados y conclusiones.

Paso 5: gráficos que sirven para tesis

• Barras: para frecuencias (sexo, carrera, nivel).
• Columnas: para comparación de medias entre grupos.
• Histogramas: para distribución de variables numéricas.
• Dispersión: para relación entre dos variables numéricas (correlación visual).

Excel y pruebas estadísticas: hasta dónde conviene llegar

Excel puede hacer pruebas (t, correlación) usando Herramientas para análisis (complemento), pero si tu tesis exige reportes más formales, SPSS te dará mejor control, especialmente para supuestos y tablas. Aun así, Excel es excelente para:

• limpiar y organizar
• descriptivos y gráficos
• tablas resumen
• presentación inicial de resultados

Análisis en SPSS: importar, definir variables, recodificar y producir tablas

SPSS es muy usado en investigaciones cuantitativas porque: 1) te obliga a definir variables de forma explícita, 2) reduce errores por “fórmulas sueltas”, 3) genera tablas con formato estándar para reportar. En Tesis en Paraguay, muchas carreras (sociales, salud, educación, administración) lo aceptan y lo recomiendan.

Paso 1: importar datos desde Excel

1. En Excel: guardá tu archivo con columnas limpias (sin celdas combinadas).
2. En SPSS: File > Open > Data y elegí el Excel.
3. Marcá “Read variable names from first row”.

Paso 2: Variable View (donde se gana o se pierde la tesis)

En Variable View definís:

• Type: numérico, string, etc.
• Label: el nombre “humano” de la variable.
• Values: etiquetas (1=F, 2=M, etc.).
• Missing: si usaste códigos (99/999), lo declarás aquí.
• Measure: nominal / ordinal / scale.

Paso 3: recodificar variables (muy común en encuestas)

Ejemplo: edad numérica, pero querés grupos (18–24, 25–34, etc.). En SPSS: Transform > Recode into Different Variables. Creás edad_grupo y asignás rangos.

Paso 4: descriptivos

• Frecuencias: Analyze > Descriptive Statistics > Frequencies
• Descriptivos (media, SD): Analyze > Descriptive Statistics > Descriptives
• Explorar (distribuciones): Analyze > Descriptive Statistics > Explore

Paso 5: confiabilidad de escalas (Alfa de Cronbach)

Si usás escalas Likert con varios ítems, es común evaluar consistencia interna: Analyze > Scale > Reliability Analysis. Esto no siempre es obligatorio para tesis de grado, pero aporta rigor cuando corresponde.

Bonus: SPSS Syntax (para repetir análisis sin errores)

No es obligatorio, pero si querés profesionalismo (o si estás trabajando con Asesoría de tesis en Paraguay), guardar el “syntax” te permite documentar exactamente qué hiciste.

* Frecuencias.
FREQUENCIES VARIABLES=sexo carrera zona
  /ORDER=ANALYSIS.

* Descriptivos.
DESCRIPTIVES VARIABLES=edad sat_global
  /STATISTICS=MEAN STDDEV MIN MAX.

Cómo elegir el análisis (y las pruebas) según objetivos e hipótesis

La pregunta “¿qué prueba uso?” se responde con un mapa simple: tipo de variable + cantidad de grupos + objetivo. No es magia; es lógica.

1) Identificá tu objetivo real

• Describir: caracterizar la muestra (frecuencias, medias).
• Comparar: ver si hay diferencias entre grupos (ej. hombres vs mujeres; Asunción vs otras zonas).
• Relacionar: ver asociación entre variables (correlación).
• Predecir: estimar efecto de una variable sobre otra (regresión).

2) Identificá la escala de medición

• Nominal: categorías sin orden (sexo, ciudad).
• Ordinal: categorías ordenadas (Likert 1–5).
• Escala/Numérica: valores con distancia medible (edad, puntaje).

3) Pregunta clave: ¿tus datos cumplen supuestos?

Muchas pruebas “clásicas” (t, ANOVA) asumen normalidad y homogeneidad de varianzas (dependiendo del caso). Si no se cumplen, podés usar alternativas no paramétricas (Mann-Whitney, Kruskal-Wallis, Spearman). Esto es súper común cuando trabajás con datos de encuestas reales en Tesis en Paraguay.

Pruebas estadísticas frecuentes en tesis (con cuándo usarlas)

Acá tenés un resumen práctico de las pruebas más usadas. No es para memorizar, es para ubicar tu caso y saber qué preguntar/justificar.

Qué reportar (para que “suene” a tesis y no a casualidad)

• Estadístico: t, F, χ², r, etc.
• Grados de libertad: cuando aplique (SPSS lo muestra).
• p-valor: significancia estadística.
• Tamaño de efecto: cuando corresponda (no siempre lo piden, pero suma).
• Interpretación en palabras: qué significa en tu contexto.

Interpretación correcta: p-valor, significancia, tamaño de efecto y errores comunes

Este es el punto donde muchas tesis se caen: se confunde “p < 0,05” con “es importante”. La significancia estadística indica probabilidad de observar ese resultado si no hubiera efecto (simplificando), pero no mide magnitud ni relevancia práctica.

Cómo explicar un p-valor sin tecnicismos innecesarios

En tesis, no hace falta escribir una clase de estadística. Lo que sí hace falta es decir si el resultado apoya o no tu hipótesis, y qué implica.

Errores comunes (y por qué molestan tanto)

• “Se comprobó la hipótesis” → en investigación social, se habla de “se apoya” o “se encuentra evidencia”, no de “comprobar” como verdad absoluta.
• Causalidad sin diseño → correlación no implica causa.
• Generalizar más allá de la muestra → si tu muestra es de Asunción, no concluyas “en Paraguay” como total si no corresponde.
• Ignorar limitaciones → una tesis sólida reconoce límites (muestra, sesgos, instrumento).

Tamaños de efecto (cuándo vale la pena incluirlos)

Si tu carrera lo valora, el tamaño de efecto ayuda a decir “cuánto” cambia, no solo “si cambia”. Ejemplos: d de Cohen (t), eta cuadrado (ANOVA), etc. No hace falta obsesionarse: si no te lo piden, al menos mencioná relevancia práctica en discusión.

Cómo presentar resultados en tesis: tablas, gráficos y redacción que aprueba

La presentación tiene tres capas: 1) el dato (tabla/gráfico), 2) la descripción (qué se observa), 3) la interpretación (qué significa según teoría y objetivos). Si te falta la capa 3, tu tribunal te va a pedir “más análisis”.

Regla simple para cada tabla o gráfico

• Qué muestra: “Tabla 3 presenta…”
• Qué patrón se ve: “Se observa que…”
• Qué implica: “Esto sugiere…”
• Conexión: “En relación con el objetivo X…”

Tablas recomendadas (las que casi siempre funcionan)

• Tabla de caracterización de muestra (sexo, edad, zona, etc.).
• Tabla de descriptivos por variable principal (media, SD, min, max).
• Tabla comparativa por grupos (si hay hipótesis de diferencias).
• Tabla de correlaciones (si hay relación entre variables).

Gráficos: menos es más

Mejor 3 gráficos bien explicados que 15 sin interpretación. Elegí los que realmente mueven el argumento.

Ejemplo completo: de encuesta a resultados (caso tipo para Paraguay / Asunción)

Vamos a simular un caso muy típico (cambiá el tema por el tuyo): “Satisfacción con un servicio (o proceso) y su relación con variables del usuario”. Este tipo de tesis se ve muchísimo en administración, marketing, educación y salud. Y es perfecto para entender el flujo Excel/SPSS.

Contexto (delimitación local)

La investigación se realiza con participantes de Asunción y zonas cercanas, dentro del contexto de una Tesis en Paraguay. Se busca describir satisfacción y comparar grupos por zona. (Ojo: si tu muestra es solo Asunción, no concluyas “Paraguay entero”).

Objetivos (resumen)

• General: Analizar el nivel de satisfacción y factores asociados.
• Específico 1: Describir satisfacción global (media, distribución).
• Específico 2: Comparar satisfacción entre Asunción y otras zonas.
• Específico 3: Evaluar relación entre satisfacción y “tiempo de espera” (numérica).

Variables

• Zona: 1=Asunción, 2=Otras
• Satisfacción global: promedio de ítems Likert 1–5
• Tiempo de espera: minutos

Flujo en Excel (rápido)

1. Crear columna sat_global como promedio de ítems.
2. Tabla dinámica: zona vs promedio de sat_global.
3. Gráfico de barras: promedio por zona.

Flujo en SPSS (más formal)

1. Importar Excel.
2. Definir zona con etiquetas (1 Asunción, 2 Otras).
3. Descriptivos de sat_global y tiempo_espera.
4. Comparación de medias: t de Student (si aplica) o Mann-Whitney.
5. Correlación: Pearson o Spearman entre satisfacción y tiempo de espera.

Cómo redactar resultados (modelo)

“La satisfacción global presentó una media de X (DE=Y) en la muestra total. Al comparar por zona, el grupo de Asunción mostró una media mayor/menor respecto al grupo de otras zonas. La diferencia fue/no fue estadísticamente significativa (p=__). En cuanto a la relación entre satisfacción y tiempo de espera, se observó una correlación negativa/positiva de magnitud __ (r=__), indicando que…”

Este tipo de redacción suele aprobar muy bien porque no se queda en “porcentajes”, sino que conecta evidencia con objetivos. Si estás trabajando tu tesis con tutor y/o con Asesoría de tesis en Paraguay, este formato también facilita devoluciones concretas.

Plantillas listas para copiar (Excel/SPSS): diccionario, plan de análisis y reporte

Plantilla 1: diccionario de variables (copiar/pegar)

VARIABLE | ETIQUETA | TIPO | VALORES/ESCALA | CODIFICACIÓN | NOTAS
zona     | Zona     | Nominal | 1=Asunción; 2=Otras | numérica | Definir antes de análisis
edad     | Edad     | Escala  | años | numérica | Validar rangos
sat_1    | Ítem 1   | Ordinal | 1-5 | numérica | Likert
sat_2    | Ítem 2   | Ordinal | 1-5 | numérica | Likert
sat_global | Satisfacción global | Escala (promedio) | 1-5 | fórmula/promedio | Promedio de ítems

Plantilla 2: plan de análisis (alineado a objetivos)

OBJETIVO | VARIABLE(S) | INDICADOR | ANÁLISIS | TABLA/FIGURA
Obj.1 (describir) | sat_global | media, SD, min, max | descriptivos | Tabla 2
Obj.2 (comparar)  | sat_global vs zona | media por grupo | t / Mann-Whitney | Tabla 3 + Gráfico 1
Obj.3 (relacionar) | sat_global y tiempo_espera | r | Pearson/Spearman | Tabla 4

Plantilla 3: estructura de reporte de resultados (texto)

RESULTADO (qué muestra):
- Tabla/Figura X presenta ____________________________.

DESCRIPCIÓN (qué se observa):
- Se observa que ____________________________.
- El grupo A presenta ____________________________.

INTERPRETACIÓN (qué significa):
- Esto sugiere ____________________________ en relación con el objetivo ____.
- En el contexto de (Asunción/Paraguay) ____________________________.

NOTA DE LIMITACIÓN (si aplica):
- Se considera que ____________________________ puede influir en el resultado.

Checklist final: antes de “cerrar” tu capítulo de análisis

Si cumplís esto, tu capítulo de resultados va a “cerrar” con lógica, y el tribunal va a tener menos espacio para observaciones ambiguas. Esto es especialmente valioso cuando estás haciendo tu Tesis en Paraguay y el tiempo de correcciones puede extenderse si el análisis no está bien armado.

Preguntas frecuentes (FAQ)