GUIA DE REDACCIÓN DE RESULTADOS EN LA

INVESTIGACIÓN CIENTÍFICA1
Walter Capa Luque
Facultad de Psicología, UNFV

Tomando en consideración las normas de redacción científica establecidas por

la Asociación Americana de Psicología (APA) en su última edición, normas que
son aceptadas universalmente por convención y no por obligación en la
comunidad psicológica, presentamos a modo de ejemplos ilustrativos la forma
en que se deben presentar los diferentes tipos de análisis de datos que más
usualmente se reportan en la sección de resultados en todas las
investigaciones psicológicas de carácter empírico.

Para quienes se inician en la investigación científica, y con mayor razón si se

trata de estudiantes, no siempre resulta fácil ubicar un material bibliográfico que
le proporcione toda la información necesaria sobre cómo organizar, presentar y
describir los datos obtenidos de los análisis estadísticos. El autodidacta, que
está habituado a regular su propio aprendizaje, puede luego de revisar en una
cierta cantidad de revistas científicas de calidad académica reconocida llegar a
la convicción de cual es la forma más común y didáctica de presentar los
resultados de investigación. Sin embargo, esta última modalidad de aprendizaje
es muy poco común entre los estudiantes.

En correlato con lo expresado y con la finalidad de facilitar a los estudiantes en

la redacción de sus resultados de investigación se ofrece la presente guía que
esperamos ayude o sirve de modelo para 4 objetivos básicos:

1º Orientar a denominar un subtítulo para los resultados se presentan ya sean

en forma de tablas o figuras, según sea el tipo de análisis estadístico
utilizado para organizar y simplificar los datos.
2º Orientar a utilizar el estilo APA tanto para numerar la Tabla, denominar el
título o nombre de la Tabla, según sea el tipo de análisis estadístico
utilizado para organizar y simplificar los datos. Así como para indicar donde
y cómo ubicar el número y título de la Tabla.
3º Orientar a utilizar un formato de Tabla según sea el tipo de análisis
estadístico utilizado para organizar y simplificar los datos. Así como indicar
qué datos se deben colocar en la Tabla necesariamente y cómo. No
siempre se reportan todos los datos que los paquetes estadísticos generan.
4º Orientar a redactar los datos contenidos en la Tabla, según sea el tipo de
análisis estadístico utilizado para organizar y simplificar los datos.

1
Material didáctico preparado para las asignaturas “Diseños de Investigación Psicológica”.
“Metodología de Tesis Universitaria”. “Investigación Psicológica 2”.

© Copyright, 2010. Mg. Walter Capa Luque. Facultad de Psicología. Universidad

Nacional Federico Villarreal. Lima – Perú. EAP Psicología Humana de la UAP. EAP
Psicología de la UPEU.
 2

Ejemplo 1. Cuando el resultado a presentar corresponde a un análisis descriptivo.

Análisis descriptivo de las dimensiones del autoconcepto para la muestra total

En la Tabla 1 se aprecia que 52.1% de los niños presenta un nivel de autoconcepto

normal o promedio y un 31% se caracteriza por presentar un nivel bajo. Quienes
presentan autoconcepto alto representan al 16.9% de la muestra total de los niños con
problemas de aprendizaje.

Tabla 1
Niveles de Autoconcepto en niños con problemas de aprendizaje

Niveles Frecuencia Porcentaje

Bajo 22 31,0
Normal 37 52,1
Alto 12 16,9
Total 71 100,0

Ejemplo 2. Cuando el resultado a presentar corresponde a un análisis descriptivo.

En este caso se describe una variable (autoconcepto) para dos estratos de la muestra
(sexo). Muchas investigaciones psicológicas tienen objetivos específicos que buscan
identificar de manera precisa y detallada que características presenta una variable
cuando la muestra se segmenta (divide o agrupa) por una variable de asignación.

Análisis descriptivo del autoconcepto global según el sexo de los niños

Se observa en la Tabla 2 que tanto los varones (39.2%) como las mujeres (40%) se
caracterizan por presentar mayoritariamente un nivel de autoconcepto bajo. En ambos
grupos aproximadamente alrededor de un tercio de los niños presentan un nivel de
autoconcepto general alto.

Tabla 2
Niveles de Autoconcepto, según el sexo

Niveles Frecuencia Porcentaje

Mujer Varón Mujer Varón
Bajo 8 20 40.0 39.2
Normal 5 14 25.0 27.5
Alto 7 17 35.0 33.3
Total 20 51 100.0 100.0
 3

Ejemplo 3. Cuando se va proceder a realizar los análisis estadísticos de comparación

y correlación
Previo a los análisis inferenciales de comparación y correlación es necesario
determinar si los datos correspondientes a las variables presentan distribución
normal. En caso de cumplirse la condición de normalidad, se empleará estadística
paramétrica, de lo contrario se empleará estadística no paramétrica.

Análisis de la distribución normal en las variables de estudio

Con el propósito de realizar los análisis comparativos y de correlación, así como para
contrastar las hipótesis planteadas, se ha procedido a realizar primero la prueba de
bondad de ajuste para precisar si las variables presentan una distribución normal. En
este sentido, la Tabla 3 presenta los resultados de la prueba de bondad de ajuste de
Kolmogorov-Smirnov (K-S).

Como se observa en la Tabla los datos correspondientes a las 2 variables presentan

una distribución normal dado que el coeficiente obtenido (K-S) no es significativo (p >
0.05). Por tanto, para los análisis estadísticos correspondientes se empleará
estadística paramétrica.

Tabla 3
Prueba de bondad de ajuste a la curva normal para las variables de estudio

Variables Media D.E. K-S p

Satisfacción del usuario 34,80 4,746 0,974 0,299
Calidad de atención 76,20 6,669 1,055 0,216
* p < 0.05

Ejemplo 4. Cuando el resultado a presentar corresponde a un análisis correlacional ,

de tipo no paramétrico, donde las 2 variables de relación son de tipo cualitativo
(nominal), o cuando por lo menos una de las variables es nominal y la otra no
necesariamente, la relación de dependencia o asociación se expresa mediante el
estadístico Chi Cuadrado.

Ejemplo de resultados con Chi Cuadrado:

Análisis de asociación entre Burnout y carga laboral

En la Tabla 4 se observa el valor de la prueba chi cuadrada calculada para una tabla
2x2 que hace referencia a la asociación entre Burnout (ausencia – presencia) y carga
laboral (con sobrecarga – sin sobrecarga). La Tabla muestra que la asociación entre
burnout y carga laboral es altamente significativa (X 2 = 244.329, gl = 1, p <.01) y fuerte
(Phi = .819, p <.01). Asimismo la estimación de riesgo indica que la sobrecarga laboral
es un factor de riesgo (véase Figura 1).
 4

Tabla 4
Asociación entre burnout (ausencia – presencia) y la condición de carga laboral
Pruebas de chi-cuadrado Valor gl Sig.
Chi-cuadrado de Pearson 244.329 1 .000
N de casos válidos 364

Medidas simétricas Valor Sig.

Phi .819 .000
Coeficiente de contingencia .634 .000

Estimación de riesgo Valor IC al 95%

OR Inferior Superior
Para la cohorte Con sobrecarga (9 a 16 hrs) 6.679 4.605 9.685
Para la cohorte Sin sobrecarga (5 a 8 hrs) .054 .028 .102

20 0
187

144
Recuent o

10 0

Sobrecarga laboral

Con
24
0 9 Sin
Con Burnout Sin Burnout

Fig. 1. Número de casos para burnout y sobrecarga laboral

Ejemplo 5. Cuando el resultado a presentar corresponde a un análisis

correlacional, de tipo paramétrico, donde las 2 variables de relación son de tipo
cuantitativo (o semicuantitavo). En este caso la relación de covarianza se expresa
mediante el coeficiente de correlación de Pearson.
Cuando los datos son cuantitativos o semicuantivos (ordinales) pero que no
cumplen con el supuesto de normalidad, entonces la prueba a emplearse debe ser la
correlación de Spearman.
Ejemplo de resultados con la correlación producto momento de Pearson:

Relación entre conducta sexual de riesgo y autoestima

Como se puede apreciar en la Tabla 5, el coeficiente de correlación producto momento

de Pearson nos indica que existe una relación negativa fuerte y altamente significativa
entre el nivel de autoestima y las conductas sexuales de riesgo (r = - 0.71, p< 0.01).
Esto quiere decir que cuanto menor es el nivel de autoestima mayor es la práctica de
las conductas sexuales de riesgo.
 5

Tabla 5
Coeficiente de correlación entre Autoestima y CSR

Conducta sexual de riesgo

r p

Autoestima - 0.714** .000

** La correlación es significante al nivel 0,01

Ejemplo 6. Cuando el resultado a presentar corresponde a un análisis correlacional ,

donde las 2 variables de relación son de tipo cuantitativo. Sólo que ahora el análisis
corresponde a un objetivo específico que busca identificar de manera separada la
relación de las 2 variables cuando la muestra se segmenta (divide o agrupa) por una
variable de asignación.

En la Tabla 6 se aprecia que el coeficiente de correlación ("r") de -0.09 para los

varones no es significativo (p>0.05); por tanto, no se rechaza la hipótesis nula, lo cual
señala que no existe relación entre autocontrol y la conducta agresiva en el grupo de
los varones. Respecto a las mujeres se puede observar que el coeficiente de
correlación obtenido de -0.54 es altamente significativo (p < 0.01); por tanto, para este
grupo rechazamos la hipótesis nula.

Tabla 6
Puntajes de correlación entre autocontrol y conducta agresiva, según sexo

Comportamiento Agresivo

r p
Autocontrol

Hombres (n = 52) -.093 .512

Mujeres (n = 28) -.540 ** .003

** La correlación es significativa al nivel 0,01

 6

Ejemplo 7. Cuando el resultado a presentar corresponde a un análisis comparativo

con la prueba t de Student.
La t de Student sólo se emplea para comparar los promedios de 2 grupos
independientes. Es una prueba paramétrica.
La prueba no paramétrica equivalente de esta prueba es la U de Man Whitey

Análisis comparativo de la Actitud Sexual en las adolescentes

Ejemplo de resultados con la t de Student:

La Tabla 7 permite apreciar que existen diferencias significativas entre la actitud

sexual que presentan las adolescentes embarazadas con respecto de las no
embarazadas (t = -2.355, gl = 86, p < 0.05). Los valores de la media indican que las no
embarazadas presentan actitudes más favorables o positivas hacia la sexualidad, así
como la desviación estándar muestra que es un grupo más homogéneo.

Tabla 7
Comparación de medias en la Actitud Sexual según la condición de embarazo y no
embarazo

Situación actual del adolescente n Media DS t gl p

Embarazada 50 3.22 1.45 -2.355 * 86 0.02
No embarazada 50 3.80 0.97

Ejemplo de resultados con la U de Mann Whitney:

La prueba de contraste U de Mann-Whitney, utilizado para comparar los grupos de
estudio nos permite observar en la Tabla 8 que existen diferencias altamente
significativas (U = 2,545; p<0.01) a nivel fonémico en lo que respecta a la tarea de
omisión de fonemas en la posición inicial de la palabra. Los valores de la media
indican que son las niñas (X=26.02) quienes presentan mayor nivel de desarrollo en
contraste a los varones (X=22.68). Por tanto, se rechaza la hipótesis nula.

Tabla 8
Análisis comparativo la tarea de omisión de fonemas en la posición
inicial de la palabra, según sexo

Grupos n Rango Suma de U p

promedio rangos
Hombres 50 22,68 6,523 2,545 ,000
Mujeres 50 26,02 6,601
** Diferencias significativas ( p< 0.05)
 7

Ejemplo 8. Cuando el resultado a presentar corresponde a un análisis comparativo

con análisis de varianza ( ANOVA).
Esta prueba se emplea cuando se comparan los promedios de 3 o más grupos en
simultáneo. Es una prueba paramétrica.
El equivalente no paramétrico de esta prueba es Kruskal Wallis.

Análisis comparativo de la satisfacción según condición del usuario

Ejemplo de resultados con ANOVA:

Los resultados del análisis de varianza indican en la Tabla 9 que existen diferencias
altamente significativas en el grado de satisfacción de acuerdo con la condición de
usuario (F = 27,860, gl = 2 y 133, p < 0.01). Los valores de la media (véase Figura 1)
indican que son los usuarios nuevos (X=36,81) quienes presentan mayor satisfacción
en comparación a los usuarios antiguos o continuadores (X= 30,47).

Tabla 9
Comparación de medias de satisfacción de los usuarios en el Servicio de
Emergencia, según condición del usuario

Condición del n Media DT F gl p

usuario
Nuevo 54 36,81 2,761 27,860 2 0,000
Reingresante 52 34,42 3,902 133
Continuador 30 30,47 4,826

Figura 1. Tendencia de medias de la satisfacción,

según condición de usuarios

Ejemplo de resultados con Kruskal Wallis:

Los datos de la prueba de contraste Kruskal Wallis nos permite observar en la Tabla
10 que, cuando se comparan a los usuarios de acuerdo al tipo de seguro, existen
diferencias altamente significativas con respecto al grado de satisfacción por el
servicio recibido en Emergencia (X2= 12,633, gl= 3, p<0.01). Asimismo, los valores del
rango promedio nos permite observar que son los pensionistas (X=2.116) y los del SIS
 8

(X= 1.181) quienes presentan menor grado de satisfacción en comparación a los otros
dos grupos.

Tabla 10
Comparación de la satisfacción de los usuarios en el Servicio de
Emergencia, según tipo de asegurado

Tipo de n Rango X2 gl p
asegurado
promedio
Titular 35 4,386 12,633 3 ,000
Pensionista 32 2,116
SIS 33 1,181
Particulares 37 4,011

Ejemplo 9. Las siguientes Tablas ilustran los resultados que se deben reportar
cuando se han estimado nuevas propiedades psicométricas para un instrumento.
El orden de presentación de los resultados psicométricos para cada instrumento es:
confiabilidad, validez y baremos

Propiedades Psicométricas del cuestionario de Autoconcepto

Confiabilidad

En la Tabla 11 se presenta las estimaciones de la confiabilidad como consistencia

interna mediante los índices del Alpha de Cronbach para cada dimensión del
cuestionario de Autoconcepto de Piers Harris. Los coeficientes Alpha son elevados en
las dimensiones de autoconcepto conductual, intelectual y ansiedad porque superan
los valores del punto de corte de 0.70, generalmente aceptado como adecuado para
los instrumentos psicológicos. Las otras dimensiones cuyos coeficientes oscilan entre
0.65 y 0.69, desde el punto de vista de los supuestos de la teoría estadística en
relación al número pequeño de items, muestran una buena consistencia interna
(Streiner y Norman, 1989).

Tabla 11
Estimaciones de confiabilidad mediante el coeficiente Alpha
Dimensiones N° de ite ms Alpha
Conductual 12 0.81
Intelectual 14 0.79
Físico 8 0.69
Ansiedad 9 0.71
Popularidad 11 0.65
Satisfacción 6 0.66
 9

Validez

Como se puede observar en la Tabla 12 los cálculos estimados y tomando como

criterio de aceptación, correlaciones con significancia al p<.05, resultaron eliminados el
ítem 4 (¿Tus trabajos tienen siempre la misma calidad o varían considerablemente?) y
el ítem 13 (¿Aceptas las sugerencias de otras personas en trabajos de grupo o insistes
en imponer tus ideas?). Los resultados de los análisis de los items ejecutados, que
identificaron correlaciones significativas confirman la validez de la Escala de
Autocontrol de Kendall y Wilcox.

Tabla 12
Resultados del análisis de items
Items r p Items r p Items r p
1 .308 ** .002 12 .470 ** .000 23 .345 ** .001
2 .311 ** .002 13 .162 ns .070 24 .397 ** .000
3 .513 ** .000 14 .283 ** .005 25 .475 ** .000
4 .062 ns .287 15 .467 ** .000 26 .303 ** .003
5 .402 ** .000 16 .271 ** .006 27 .495 ** .000
6 .234 * .016 17 .318 ** .002 28 .352 ** .001
7 .468 ** .000 18 .221 * .022 29 .484 ** .000
8 .424 ** .000 19 .230 * .018 30 .421 ** .000
9 .517 ** .000 20 .298 ** .003 31 .494 ** .000
10 .248 * .012 21 .582 ** .000 32 .343 ** .001
11 .394 ** .000 22 .422 ** .000 33 .350 ** .001
* La correlación es significativa al nivel 0,05 (ítem aceptado)
** La correlación es significante al nivel 0,01
ns No es significativo

Baremos

En la Tabla 13 se presenta las normas percentilares para la Escala de Autocontrol de

Kendall y Wilcox para la población de niños con problemas de aprendizaje. En esta
distribución percentilar no se tomó en cuenta los items 4 y 13 puesto que fueron
eliminados por el análisis de items.

Tabla 13
Normas percentilares para la escala de autocontrol en niños con
problemas de aprendizaje

Percentil Autocontrol Percentil Autocontrol

5 28.00 55 41.00
10 30.50 60 42.00
15 31.00 65 44.00
20 32.00 66 44.10
25 33.25 70 45.00
30 34.50 75 46.00
33 36.00 80 47.00
 10

35 36.00 85 50.00
40 38.00 90 53.00
45 39.25 95 57.00
50 40.00 99 61.00

Teniendo en cuenta los valores percentilares (Pc 33 y Pc 66) de la Tabla PP, los
niveles de autocontrol quedan establecidos del siguiente modo (véase Tabla 14).

Tabla 14
Puntajes directos categorizados para el autocontrol de niños con
problemas de aprendizaje

Niveles de Autocontrol Puntajes Directos

Alto 45 – 62
Normal 37 – 44
Bajo 0 – 36

Ejemplo 10. Cuando se van presentar datos de análisis de correlación múltiple.

El ejemplo de Tabla ilustra el modo de presentación y descripción de los resultados
que se deben reportar mínimamente en un Análisis de Regresión Lineal Múltiple

Modelo con factor de mayor peso explicativo en el consumo de tabaco

En la Tabla 15, podemos observar que la ecuación del modelo de Regresión Lineal
Múltiple es significativo (F= 8.494, p < .01) para el consumo de tabaco. Los factores
incluidos en el modelo explican en un 8% el consumo de tabaco en los universitarios.
En los pesos Beta estandarizados, se observa que la variable valoración del cuerpo y
de vida es el factor con mayor capacidad explicativa en los universitarios (β = - 0.165,
p<0.01). Se observa además que el autoconcepto es la segunda variable con mayor
peso explicativo en el consumo de tabaco (β = - 0.120, p<0.01).

Tabla 15
Análisis de Regresión Múltiple para la variable dependiente consumo de tabaco

Regresión Múltiple = 0.280 F = 8.494

R2 = 0.079 p = 0.000
Variables Independientes en la ecuación
Beta t p
Autoconcepto - .120 - 2.373 .018
Apoyo familiar - .080 - 1.794 .073
Normas familiares y escolares .022 .442 .659
Satisfacción familiar .074 1.681 .093
Apoyo social -.036 - .701 .484
Valoración del cuerpo y la vida -.165 - 3.239 .001
 11

EJEMPLO DE FIGURAS

Ejemplo de un Figura descriptiva con datos porcentuales

Figura 1. Nivel de calidad de atención en el Servicio de Emergencia

Figura 2. Analisis porcentual comparativo de la calidad de atención

 12

Construir una comunidad Establecer valores inclusivos

70
62,1
60
51,7
50

porcentaje
48,3
40
37,9
30

20

10

0 0
Desfavorable En proceso Muy Favorable

Figura 3. Análisis porcentual comparativo de los componentes de

la cultura inclusiva

Ejemplo de un Figura de dispersión de puntos para un análisis de correlación

lineal simple.

Figura 4. Tendencia lineal de correlación entre calidad de

atención recibida y la satisfacción del usuario