Hispanopedia WikiLa validez de las conclusiones estadísticas se refiere al grado en que las conclusiones sobre la relación entre variables, basadas en los datos, son correctas o "razonables". Inicialmente, se centraba únicamente en si la conclusión estadística sobre la relación entre las variables era correcta, pero ahora existe una tendencia hacia conclusiones "razonables" que utilizan datos cuantitativos, estadísticos y cualitativos. [ 1 ] Fundamentalmente, pueden ocurrir dos tipos de errores: tipo I (encontrar una diferencia o correlación donde no existe) y tipo II (no encontrar diferencia o correlación donde sí existe). La validez de las conclusiones estadísticas se refiere a las características del estudio que hacen más probables estos tipos de errores. La validez de las conclusiones estadísticas implica garantizar el uso de procedimientos de muestreo adecuados, pruebas estadísticas apropiadas y procedimientos de medición fiables. [ 2 ] [ 3 ] [ 4 ]
Amenazas comunes
Las amenazas más comunes a la validez de las conclusiones estadísticas son:
Baja potencia estadística
La potencia estadística es la probabilidad de rechazar correctamente la hipótesis nula cuando esta es falsa (inverso de la tasa de error de tipo II). Los experimentos con baja potencia tienen una mayor probabilidad de no rechazar correctamente la hipótesis nula, es decir, de cometer un error de tipo II y concluir que no existe un efecto detectable cuando sí lo hay (por ejemplo, existe una covariación real entre la causa y el efecto). La baja potencia se produce cuando el tamaño de la muestra del estudio es demasiado pequeño debido a otros factores ( tamaños del efecto pequeños , gran variabilidad grupal, mediciones poco fiables, etc.).
Se violaron los supuestos de las estadísticas de prueba.
La mayoría de las pruebas estadísticas (en particular, la estadística inferencial ) implican supuestos sobre los datos que hacen que el análisis sea adecuado para contrastar una hipótesis . Incumplir estos supuestos puede llevar a inferencias incorrectas sobre la relación causa-efecto. La robustez de una prueba indica su sensibilidad a las violaciones de los supuestos. El incumplimiento de estos supuestos puede aumentar o disminuir la probabilidad de que las pruebas cometan errores de tipo I o II .
El dragado y el problema de la tasa de error
Cada prueba de hipótesis implica un riesgo determinado de error de tipo I (la tasa alfa). Si un investigador examina minuciosamente sus datos, probando numerosas hipótesis para encontrar un efecto significativo, aumenta su tasa de error de tipo I. Cuanto más se repitan las pruebas, mayor será la probabilidad de cometer un error de tipo I y de llegar a una conclusión errónea sobre la existencia de una relación.
Falta de fiabilidad de las medidas
Si la(s) variable(s) dependiente(s) y/o independiente(s) no se miden de forma fiable (es decir, con grandes cantidades de error de medición ), se pueden extraer conclusiones incorrectas.
Restricción del rango
La restricción del rango, como los efectos de suelo y techo o los efectos de selección , reduce la potencia del experimento y aumenta la probabilidad de un error de tipo II. [ 5 ] Esto se debe a que las correlaciones se atenúan (debilitan) por la variabilidad reducida (véase, por ejemplo, la ecuación del coeficiente de correlación producto-momento de Pearson , que utiliza la varianza de la puntuación en su estimación).
Heterogeneidad de las unidades en estudio
Una mayor heterogeneidad entre los participantes del estudio también puede afectar la interpretación de los resultados, al aumentar su varianza o al enmascarar relaciones reales (véase también error de muestreo ). Esto dificulta la detección de posibles interacciones entre las características de las unidades y la relación causa-efecto.
Amenazas a la validez interna
Cualquier factor que pueda afectar la validez interna de un estudio de investigación puede sesgar los resultados e influir en la validez de las conclusiones estadísticas obtenidas. Estas amenazas a la validez interna incluyen la falta de fiabilidad en la implementación del tratamiento (falta de estandarización ) o la omisión del control de variables extrañas .
Véase también
Referencias
- ↑ Cozby, Paul C. (2009). Métodos en la investigación del comportamiento (10.ª ed.). Boston: McGraw-Hill Higher Education.
- ↑ Cohen, RJ; Swerdlik, ME (2004). Pruebas y evaluación psicológicas (6.ª edición) . Sydney: McGraw-Hill.
- ↑ Cook, TD; Campbell, DT; Day, A. (1979). Cuasiexperimentación: Diseño y análisis de problemas en entornos de campo . Houghton Mifflin . ISBN 978-0-395-30790-8.
- ↑ Shadish, W.; Cook, TD; Campbell, DT (2006). Diseños experimentales y cuasiexperimentales para la inferencia causal generalizada . Houghton Mifflin .
- ↑ Sackett, PR; Lievens, F.; Berry, CM; Landers, RN (2007). "Una nota de precaución sobre los efectos de la restricción de rango en las intercorrelaciones de predictores" . Journal of Applied Psychology . 92 (2): 538– 544. doi : 10.1037/0021-9010.92.2.538 . PMID 17371098 .
- Validez (estadística)