Potencia y tamaño muestral
Calcula el tamaño muestral que necesitas antes de lanzar un estudio — para que los revisores acepten tu N y tus resultados merezcan confianza.
Esta página es una traducción del original inglés revisado. Ver el original (EN)
análisis de potenciaQué es
El análisis de potencia a priori responde a una pregunta antes de recoger una sola respuesta: ¿cuántos participantes necesitas? Das a la calculadora tres datos de entrada — el tamaño del efecto que esperas encontrar, el nivel de significación (α) y la potencia estadística (1 − β) que quieres — y devuelve el tamaño muestral mínimo. Se llama a priori porque se hace <em>antes</em> de la recogida de datos, no después. La lógica es sencilla. Todo estudio tiene una probabilidad de pasar por alto un efecto real (un falso negativo, llamado error de tipo II). La potencia es la probabilidad de evitar ese error. La potencia mínima convencional es .80, lo que significa que aceptas hasta un 20% de probabilidad de un falso negativo. Muchas revistas esperan ahora .90. El análisis de potencia se aplica a la mayoría de las pruebas comunes: t-test independiente, t-test emparejado, ANOVA de un factor, correlación de Pearson y regresión múltiple. Para los modelos de ecuaciones estructurales (SEM) se aplica un conjunto de reglas distinto porque el modelo tiene muchos parámetros, no solo un efecto.
Cuándo usarlo
- Antes de construir la encuesta o empezar la recogida de datos — ese es justo el objetivo.
- Al presentar un preregistro, una solicitud ética o una propuesta de financiación.
- Cuando un revisor te pide justificar tu tamaño muestral tras la presentación. Reporta un análisis de sensibilidad (el efecto más pequeño que tu N podría detectar con el α y la potencia previstos), no la 'potencia observada' del efecto que encontraste, que no añade información (Hoenig & Heisey, 2001, doi:10.1198/000313001300339897).
Cuándo no usarlo
- El análisis de potencia da el número de respuestas completas y utilizables que necesitas, no el número de personas a invitar. Planifica los inicios como N utilizable objetivo ÷ tasa de finalización ÷ tasa de incidencia, y añade un 10-15% por las respuestas que eliminarás en los controles de calidad.
- Para paneles online con cuotas específicas (edad, país, género), la N total necesaria puede ser mayor que la cifra del análisis de potencia.
Supuestos
- Puedes especificar un tamaño del efecto esperado — idealmente a partir de literatura previa, con las convenciones de Cohen como recurso de reserva.
- Fijas el nivel de significación (α) antes de recoger datos — normalmente .05.
- Fijas la potencia objetivo (1 − β) antes de recoger datos — .80 mínimo, .90 preferible.
- El análisis es a priori — se hace antes de la recogida de datos, no después.
- Para SEM, la estructura del modelo (variables latentes, indicadores y rutas) se conoce de antemano.
Umbrales y valores de corte
| Criterion | Rule of thumb | Source |
|---|---|---|
| Potencia estadística (1 − β) | .80 mínimo, .90 preferible | Cohen (1988) |
| Nivel de significación (α) | .05 convencional; .01 para pruebas confirmatorias o de alto riesgo | Convención NHST estándar |
| Tamaño del efecto — t-test (Cohen's d) | .20 pequeño, .50 medio, .80 grande | Cohen (1988) |
| Tamaño del efecto — ANOVA (Cohen's f) | .10 pequeño, .25 medio, .40 grande | Cohen (1988) |
| Tamaño del efecto — correlación (r) | .10 pequeño, .30 medio, .50 grande | Cohen (1988) |
| Tamaño del efecto — regresión (f²) | .02 pequeño, .15 medio, .35 grande | Cohen (1988) |
| Tamaño muestral en SEM (ratio n:p) | 5–10 casos por parámetro libre; ≥ 200 para CB-SEM, ≥ 100 para PLS-SEM | Pauta común |
Cómo informarlo en APA
Un análisis de potencia a priori (G*Power 3.1; Faul et al., 2007) indicó que se requería una muestra mínima de 128 participantes para detectar un efecto medio (d = 0.50) con α = .05 y potencia = .80 para un t-test de muestras independientes. La muestra final (N = 156) superó este requisito.
Cómo lo ejecuta Explonia
Explonia ofrece una calculadora de tamaño muestral para SEM gratuita y basada en navegador en /tools/sample-size-sem/. Cubre modelos CFA y CB-SEM: introduces el número de variables latentes, indicadores y rutas estructurales, y devuelve un tamaño muestral recomendado basado en la regla N:q (casos por parámetro libre) y el mínimo de 200 casos, además de un análisis de potencia a priori basado en RMSEA (MacCallum, Browne & Sugawara, 1996) para los grados de libertad de tu modelo. No necesitas cuenta. Para el análisis de potencia estándar (t-test, ANOVA, correlación, regresión) recomendamos G*Power (gratuito, de escritorio) o el módulo de potencia de jamovi. El panel de Explonia gestiona la captación para que llegues a tu N objetivo a tiempo.
Preguntas frecuentes
¿Qué es el análisis de potencia a priori?
El análisis de potencia a priori se hace antes de la recogida de datos. Especificas el tamaño del efecto esperado, el nivel de significación (α, normalmente .05) y la potencia deseada (1 − β, normalmente .80), y la calculadora te dice el tamaño muestral mínimo necesario para detectar ese efecto de forma fiable.
¿Qué nivel de potencia debería buscar?
El mínimo convencional es .80, lo que significa un 80% de probabilidad de detectar un efecto real. Muchas revistas y revisores de financiación esperan ahora .90 o más. La elección depende de las consecuencias de un falso negativo en tu campo.
¿Cuántos casos por parámetro necesito para SEM?
Una regla práctica común es 5–10 observaciones por parámetro estimado libremente. Para un modelo con 20 parámetros libres, eso sugiere al menos 100–200 casos. Algunos autores recomiendan un mínimo de 200 casos independientemente del tamaño del modelo para CB-SEM, y al menos 100 para PLS-SEM. Son guías aproximadas; es preferible un análisis de potencia formal para SEM.
¿Dónde encuentro un tamaño del efecto para usar como entrada?
La mejor fuente es un estudio previo en tu área, un metaanálisis o tu propio piloto. Si no existe ninguno, dimensiona el estudio para el efecto más pequeño que importaría en la práctica (el tamaño del efecto mínimo de interés, SESOI; Lakens, Scheel, & Isager, 2018, doi:10.1177/2515245918770963). Las convenciones de Cohen (1988) son un último recurso: pequeño (.20 para d, .10 para r, .02 para f²), medio (.50, .30, .15) o grande (.80, .50, .35). A menudo exageran los efectos que se ven en estudios reales (p. ej., Gignac & Szodorai, 2016, doi:10.1016/j.paid.2016.06.069), así que planificar con ellas puede dejarte con poca potencia. Justifica tu elección en la sección de métodos.
Last updated: septiembre 2026
Ejecuta Potencia y tamaño muestral con tus propios datos
Recoge o sube tus datos, ejecuta el análisis en tu navegador y obtén un borrador de párrafo APA que puedes editar. Empieza gratis. Sin tarjeta.
Empezar gratis