Respuesta corta: no reprobaste. Un resultado no significativo quiere decir que tus datos no alcanzaron para descartar el azar como explicación, no que hayas demostrado que no existe diferencia. Lo que se evalúa en tu examen es el diseño, la ejecución y la honestidad de la interpretación, no la dirección del hallazgo.
Acabas de correr el análisis, viste «Sig. = .18» y sentiste que se te cayó la tesis. Es una de las peores noches del proceso y también uno de los momentos donde más gente comete el error que sí puede costarle la defensa: maquillar el resultado. Esta guía es lo que hay que hacer en su lugar.
Qué significa exactamente
La prueba de hipótesis solo tiene dos salidas: rechazas la hipótesis nula o no la rechazas. Nunca «la aceptas». Cuando tu valor p queda por encima de .05, lo único que puedes afirmar es que la evidencia reunida no fue suficiente para descartar que la diferencia observada se deba al azar del muestreo.
Hay al menos cuatro razones distintas por las que eso ocurre, y solo una de ellas es «no hay efecto»:
- El efecto realmente no existe o es tan pequeño que no importa en la práctica.
- El efecto existe pero tu muestra fue chica y le faltó potencia para detectarlo. Es la causa más frecuente en tesis de licenciatura.
- Tu medición tuvo mucho ruido: un instrumento poco confiable, condiciones de aplicación variables o una variable mal operacionalizada diluyen cualquier señal.
- El diseño no aisló el efecto: variables de confusión sin controlar, grupos no comparables, mortalidad experimental.
Tu trabajo en la discusión es decir cuál de las cuatro es la explicación más plausible en tu caso, con argumentos. Eso es exactamente lo que un sínodo quiere escuchar, y es lo que distingue a alguien que entiende su estudio de alguien que solo lo corrió.
La frase que tienes que grabarte: ausencia de evidencia no es evidencia de ausencia
Afirmar «no hay diferencia entre los grupos» a partir de un valor p alto es un error lógico, no una cuestión de estilo. Es un error tan extendido que tiene nombre propio en la literatura metodológica y su propia categoría en los estudios de calidad de reporte: interpretar un resultado no significativo como si demostrara equivalencia, cuando el estudio nunca fue diseñado para probar equivalencia.
Demostrar que dos cosas son equivalentes requiere un diseño hecho a propósito —pruebas de equivalencia, márgenes definidos de antemano, un cálculo de muestra distinto—. Si tu tesis no lo hizo, no puedes concluirlo, por más alto que sea tu p.
Qué mirar además del valor p
El valor p es un solo número y no distingue entre «no hay efecto» y «no pude verlo». Estos tres sí:
1. El tamaño del efecto
Es la magnitud de la diferencia, independiente del tamaño de muestra. Si tu d de Cohen fue .05, la diferencia es minúscula aunque tuvieras diez mil casos. Si fue .60 y aun así no salió significativa, tienes un efecto mediano que tu muestra no alcanzó a confirmar: son conclusiones distintas. Qué es y cómo se calcula está en qué es el tamaño del efecto.
2. El intervalo de confianza
Es el dato más útil de todos y el que casi nadie reporta cuando el resultado sale negativo. Un intervalo estrecho alrededor de cero —digamos [−0.8, 1.1] en puntos de una escala de 100— te permite decir que, si existe una diferencia, es pequeña. Un intervalo ancho —[−14, 22]— dice otra cosa completamente: que tus datos son compatibles tanto con un efecto grande a favor como con uno grande en contra, y que la única conclusión honesta es «no lo sé todavía».
3. La potencia que sí tenías
Con tu tamaño de muestra final, ¿qué magnitud de efecto podías detectar? Reportarlo convierte tu limitación en información útil para quien venga después. Cómo se calcula está en la guía de G*Power para calcular el tamaño de muestra, y el punto de partida —cuántos casos habías planeado— en cómo calcular el tamaño de la muestra.
Las tres formas de maquillarlo, y qué tan comunes son
Que la tentación sea universal está documentado. Un estudio publicado en Annals of Neurology en 2026 revisó 40 ensayos clínicos cuyo desenlace principal había resultado no significativo, buscando «spin» —presentar un resultado negativo como si fuera positivo—. Encontró que 25 de los 40 artículos (62.5 %) contenían spin en al menos una sección; apareció en el resumen en el 55 % de los casos, en la discusión en el 52.5 % y en las conclusiones en el 55 %. Tres artículos lo tenían en las cinco secciones evaluadas. Y no es un problema de revistas menores: el spin estuvo presente en el 41 % de los artículos publicados en revistas de alto impacto.
El mismo estudio clasificó las estrategias en tres tipos, y son exactamente las tres que aparecen en las tesis:
| Estrategia | Cómo se ve en una tesis |
|---|---|
| Tipo A. Enfocarse en resultados significativos distintos del principal | Tu hipótesis central no se sostuvo, pero el capítulo dedica ocho páginas a un análisis secundario o a un subgrupo que sí dio. Fue la estrategia más frecuente en todas las secciones evaluadas. |
| Tipo B. Leer el resultado no significativo como equivalencia | «No se encontraron diferencias, por lo que ambos métodos son igualmente efectivos.» El diseño nunca fue de equivalencia. |
| Tipo C. Afirmar beneficios pese al resultado negativo | «Los resultados sugieren que la intervención favorece el aprendizaje», cuando la prueba no lo respalda. |
Hay una cuarta versión, más sutil y más frecuente en trabajos estudiantiles: la palabra «tendencia». Un análisis de 59,839 resúmenes de literatura ortopédica publicado en 2025 encontró que el término aparecía en 1,029 de ellos y que en 617 casos —el 60 %— se usaba para sugerir significancia estadística donde el valor p no la respaldaba o ni siquiera se reportaba, con un crecimiento exponencial a lo largo del periodo estudiado. Sus autores son explícitos: «tendencia» debería reservarse para un análisis de tendencia real.
Traducción para tu capítulo: nada de «marginalmente significativo», «casi alcanzó la significancia» o «se observó una tendencia hacia». Un sinodal metodólogo reconoce las tres frases a la primera lectura, y lo que comunican no es tu resultado: es que sabías que no te daba.
Cómo se redacta un resultado no significativo
En el capítulo de resultados, seco y completo:
«No se encontraron diferencias estadísticamente significativas en el promedio general entre los estudiantes que usaron la plataforma y los que no, t(118) = 1.34, p = .183, d = 0.25, 95% IC [−0.11, 0.61].»
En la discusión, con interpretación y sin adornos:
«El resultado no permite descartar que la plataforma tenga un efecto sobre el promedio general. El intervalo de confianza es compatible con una diferencia pequeña en cualquiera de las dos direcciones, por lo que el estudio no aporta evidencia suficiente para recomendar ni desaconsejar su adopción. Con el tamaño de muestra alcanzado (n = 120), el diseño solo podía detectar con confianza efectos medianos o mayores; un estudio con mayor número de participantes es la vía para resolver la pregunta.»
Fíjate en lo que hace ese párrafo: no oculta, no infla, y termina proponiendo la investigación futura. Es un cierre de discusión mejor que muchos de los que sí salieron significativos. Las convenciones de puntuación de esos estadísticos están en cómo reportar una prueba estadística en APA 7, y dónde va cada párrafo en cómo redactar el capítulo de resultados.
Lo que NO debes hacer, aunque se te ocurra a las tres de la mañana
- Cambiar la hipótesis para que embone con lo que salió. Reescribir el capítulo 1 después de ver el capítulo 4 es una falta de integridad, no una corrección de estilo. Dónde está la línea exacta lo explica fabricación y falsificación de datos en una tesis.
- Probar diez análisis distintos hasta que uno dé. Si exploras, decláralo como exploratorio y di cuántas pruebas corriste. Lo que no se vale es presentar la décima como si hubiera sido la única.
- Depurar la base «quitando casos raros» hasta cruzar el umbral. Eliminar observaciones tiene reglas y se declara antes de mirar el resultado.
- Aumentar la muestra hasta que salga. Recolectar, revisar el p y decidir si sigues recolectando infla la tasa de falsos positivos. Si vas a ampliar, defínelo antes.
- Esconder el resultado. Un capítulo de resultados que solo reporta lo que salió bien es incompleto, y el sínodo suele notar que falta la prueba anunciada en los objetivos.
Tu hallazgo negativo tiene valor, y aquí está el argumento
Los resultados no significativos se publican menos que los positivos, y eso deforma lo que la comunidad cree saber: si diez equipos estudian lo mismo y solo el que obtuvo un resultado llamativo publica, la literatura queda sesgada. Cada trabajo que reporta con claridad un hallazgo negativo es una corrección a ese sesgo.
En tu tesis eso se traduce en tres aportaciones concretas que sí puedes escribir en las conclusiones: acotaste una hipótesis que la literatura daba por buena, dejaste documentado el rango de efectos que tus datos descartan y no descartan, y aportaste una estimación empírica del tamaño de muestra que necesitaría el siguiente estudio. Ninguna de las tres depende de que el asterisco apareciera.
Si lo que te frena ahora es reescribir la discusión con este enfoque —reconocer sin justificar de más, interpretar sin inflar—, Tesify te ayuda a estructurar ese capítulo a partir de tus propios resultados, incluidos los que no salieron como esperabas. La interpretación es tuya; la estructura, la parte que se puede resolver rápido. Y cuando llegue el examen, la manera de responder esta pregunta específica está en cómo preparar la defensa de tesis.
Preguntas frecuentes
¿Repruebo si mi hipótesis no se cumple?
No. El examen evalúa la calidad del diseño, la ejecución y la interpretación, no la dirección del resultado. Una tesis con un hallazgo negativo bien argumentado se defiende igual de bien, y a veces mejor, que una con un hallazgo positivo mal explicado.
¿Un resultado no significativo demuestra que no hay diferencia?
No. Significa que tus datos no alcanzaron para descartar el azar como explicación. Afirmar equivalencia requiere un diseño construido para eso, con márgenes definidos de antemano; interpretarlo así es una de las formas de spin documentadas en la literatura.
¿Puedo escribir que hubo una «tendencia a la significancia»?
No conviene. Un análisis de 59,839 resúmenes encontró que en el 60 % de los casos donde aparecía la palabra «tendencia» se usaba para insinuar significancia inexistente. Es una señal de alerta que los revisores con formación metodológica reconocen de inmediato.
¿Qué reporto además del valor p?
El tamaño del efecto observado, su intervalo de confianza y el tamaño de muestra alcanzado. El intervalo es el que más aporta: muestra qué magnitudes tus datos todavía no pueden descartar, información que el valor p por sí solo no entrega.
¿Puedo ampliar mi muestra hasta que el resultado salga significativo?
No de esa forma. Recolectar, revisar el valor p y decidir si continúas según el resultado infla la probabilidad de un falso positivo. Ampliar la muestra es legítimo si el criterio se define antes de mirar los resultados y se declara en la metodología.
¿Debo cambiar mi hipótesis en el capítulo 1?
No. La hipótesis se plantea antes del análisis y se conserva tal cual, incluso si no se sostiene. Cómo se formula y qué pasa cuando no se confirma está en qué es una hipótesis y en ejemplos de hipótesis de investigación.