Ir al contenido principal

Estadística Inferencial

En la investigación educativa la estadística nos ayuda a determinar si existen o no diferencias entre uno o más grupos ya sea para determinar si una estrategia funciona al aplicarla, el tipo de enseñanza o si algún modelo educativo es mejor que otro, entre otros aspectos que se pueden analizar. Sin embargo hay muchas pruebas estadísticas y no siempre es tan evidente la prueba que mejor se ajusta a lo que quiero probar, es decir, depende de lo que quiero probar elijo la prueba, NO es al revés. 

¿Qué necesito tomar en cuenta para elegir una prueba estadística?

          ✔El tipo de variable: cuantitativa o cualitativa.

          ✔La escala de medición de mi variable: ordinal, nominal, razón o intervalo. 

          ✔Identificar claramente la intención de la hipótesis: asociación, comparación, predicción.

          ✔Analizar si las muestras son independientes o no.

          ✔Probar si mi distribución es normal o no, en caso de no ser normal utilizo su equivalente como una prueba no paramétrica. Las pruebas más usuales son la prueba de Kolmogorov-Smirnov o la prueba de Shapiro-Wilk. 

El siguiente esquema y los cuadros 1 y 2 son criterios que ayudan a seleccionar el tipo de prueba que mejor se ajusta a lo que deseamos probar. 




Elegir prueba según el cuadro correspondiente.

Cuadro 1. Prueba de Comparación de Grupos

Nivel de  medición de la variable dependiente

Muestras independientes

Muestras relacionadas

Dos muestras (3A)

Más de dos muestras (3B)

Dos muestras (4A)

Más de dos muestras (4B)

Intervalo o Razón

t de Student para muestras independientes

ANOVA de una vía

t de Student para muestras relacionadas

ANOVA de una vía por bloques

Ordinal

U de Mann-Whitney

Kruskall-Wallis

Rango con Signo de Wilcoxon

Friedman

Nominal

Ji cuadrada

Ji cuadrada

McNemar

Q de Cochran


Las pruebas de asociación entre variables se miden mediante el coeficiente de correlación, el cual cuantifica el nivel de dependencia estadística entre dos variables. 

Existen diferentes coeficientes de correlación para especificar la asociación de las variables según su tipo y escala de medición, es importante analizar que coeficiente es más adecuado de acuerdo a las variables ya que no todos los softwares pueden discernir si es adecuado o tiene sentido aplicarlo. Cuando se aplica una prueba inadecuada, se obtiene un coeficiente que carece de sentido y que por ende conduce a resultados erróneos.  

En el Cuadro 2 se comparten los principales coeficientes de correlación que se pueden ejecutar según los tipos de variables analizados. 

Cuadro 2. Prueba de Asociación entre Variables

Variable 1

Variable 2

Prueba

Intervalo o Razón

Intervalo o Razón

Pearson


Intervalo o Razón


Ordinal

Spearman

tau- b de Kendall

Eta

Ordinal

Ordinal

Spearman

tau-b de Kendall

Nominal

Intervalo o razón

Biserial

Nominal

Ordinal

Coeficiente de Contingencia


Nominal


Nominal

Coeficiente de Contingencia
V de Cramér, lambda o
tau de Goodman-kruskal
Coeficiente phi


Si ya elegí la prueba ¿Cómo pruebo la hipótesis?  Pensemos en 3 pasos para ello: 

        Paso 1. Declarar las hipótesis

 La Hipótesis nula (Ho) siempre se plantea anulando lo que se prueba, tal como "no existe diferencia o asociación significativa".

 La Hipótesis alternativa (H1) se declara en términos afirmativos, se mantiene como "existe diferencia o asociación significativa".

  En estadística siempre se parte de que la Hipótesis nula es la correcta, tratando de probar algo por reducción al absurdo. 

            Paso 2. Establecer el nivel de significancia    

 Es el criterio para decidir rechazar Ho asumiendo que es verdadero dado por el p-valor o valor de p.

El p-valor indica la probabilidad de que el conjunto de datos obtenidos (ejemplo, la diferencia de medias de la muestra entre 2 grupos comparados) sería igual o más alejado de su valor observado.

Muchos investigadores consideran que el punto de corte ideal para que p se consideré estadísticamente significativo es ≤ α= 0.05 ya que esto indica tener al menos un 95% de confianza, sin embargo en los últimos años también se considera  α= 0.1, pensando que un 90% de confianza también es aceptable. 

El criterio sería: 

                        Si p-valor < α  rechazo Ho, en otras palabras me quedo con la hipótesis alternativa. 

                         Si p-valor > α  acepto Ho. 


              Paso 3. Ejecutar la prueba  

        Ejecuto la prueba estadística y tomo una decisión con respecto al criterio establecido. 

        También es importante incluir otros estadísticos como el tamaño del efecto y los intervalos de confianza (CI) para expresar de manera más completa los hallazgos detectados. 

Ejemplo: 

Los perros tienen un papel muy importante en la intervención asistida por animales (AAI) para el tratamiento de diferentes condiciones físicas o mentales. Sin embargo se desconoce como esto los afecta en su salud. Se desea se desea indagar sobre los patrones de comportamiento relacionados con el nivel de ansiedad de 15 perritos antes, durante y después de las sesiones de AAI. Las observaciones se realizaron mediante un etograma, que es una herramienta donde se registran las acciones de interés que realizan los animales durante un periodo en escala tipo Likert.

Entonces ¿La prueba correspondiente es?...

Si la prueba de Friedam, ya que las muestras son relacionadas en tiempos (antes, durante y después) y la variable a comparar es ordinal (variable tipo Likert), además son solo 15 perros por lo que no cumple con el criterio de normalidad y esta prueba no paramétrica es la ideal.

En la Figura1 se puede observar que con estadística descriptiva la diferencia entre antes, durante y después de las sesiones AAI es aparentemente mínima, sin embargo es necesario realizar la prueba estadística correspondiente para probarlo. 

Figura 1

En la Figura2 se analiza primero que Ho está redactado de tal manera que indica que no hay diferencia entre los distintos tiempos de medición y que al realizar la prueba el p<0.05 por lo tanto se rechaza la hipótesis, por lo que se concluye que el comportamiento si es diferente. Es necesario complementar el análisis con graficas para determinar o cálculos estadísticos para contestar la pregunta ¿En que momento se presenta diferencia? 

Para poder determinar las diferencias se elabora la prueba post-hoc como la observada en la Figura3, dicha prueba muestra una comparación por pares entre las observaciones (antes, durante y después de la sesión de AAI). Se puede ver en la primera fila que después y durante la sesión el comportamiento es el mismo, pero si existe una diferencia al comparar el antes vs después y el antes vs durante. 

Figura 3

La Figura 4 nos señala de manera gráfica el comportamiento de la ansiedad de los perritos en los tres momentos. 
Figura 4


Por lo tanto se concluye que tener un perrito puede ser terapéutico ya que marca una diferencia. La Figura 5 resume el análisis obtenido. 

Figura 5

Ejemplo tomado de: 
Artículo: Corsetti, S., Ferrara, M., Natoli, E. (2019), Evaluating Stress in Dogs involved in Animal-Assisted Interventions. Animals 9, 833. Recuperado de https://doi.org/10.3390/ani9100833

Página Science Helper: www.sciencehelper.com.mx

Visualizaciones

Para comprender mejor los conceptos y como aplicarlos, comparto esta herramienta de RPsychologist que nos ayuda a ver de manera visual las distribuciones, las correlaciones y los coeficientes más importantes. 

Link https://rpsychologist.com/viz




Comentarios