Dos tipos de estadísticas del tamaño del efecto: estandarizadas y no estandarizadas

Las estadísticas del tamaño del efecto están de moda en estos días.

Los editores de revistas las exigen. Los comités no aprobarán disertaciones sin ellos.

Pero la razón para calcularlos no es solo que alguien los quiera, sino que realmente pueden ayudarlo a comprender su análisis de datos.

¿Qué es un ¿Estadística del tamaño del efecto?

Cuando muchos de nosotros escuchamos «Estadística del tamaño del efecto», inmediatamente pensamos que necesitamos una de las pocas estadísticas: Eta-cuadrado, d de Cohen, R-cuadrado.
Y sí, estos definitivamente califican. Pero el concepto de una estadística del tamaño del efecto es en realidad mucho más amplio. Aquí hay una descripción de un buen artículo sobre estadísticas del tamaño del efecto:

«… información sobre la magnitud y la dirección de la diferencia entre dos grupos o la relación entre dos variables».

– Joseph A . Durlak, «Cómo seleccionar, calcular e interpretar los tamaños de los efectos»

Si lo piensa, muchas estadísticas familiares se ajustan a esta descripción. Los coeficientes de regresión brindan información sobre la magnitud y la dirección de la relación entre dos variables. También lo hacen los coeficientes de correlación.

Del mismo modo, una simple diferencia entre las medias de dos grupos se ajusta directamente a esta definición.

Entonces, ¿por qué necesitamos informar estadísticas específicas del tamaño del efecto?

Estadísticas de tamaño de efecto simples y estandarizadas

Hay dos tipos de estadísticas que describen el tamaño de un efecto.

El primer tipo está estandarizado. Cuando la mayoría de la gente habla de las estadísticas del tamaño del efecto, de esto es de lo que están hablando.

Las estadísticas del tamaño del efecto estandarizadas eliminan las unidades de las variables en el efecto.

El segundo tipo es sencillo. Estas estadísticas describen el tamaño del efecto, pero permanecen en las unidades originales de las variables.

Por ejemplo, digamos que está comparando la temperatura media del suelo en dos condiciones diferentes.

El tamaño del efecto simple sería la diferencia en la temperatura media:

Media 1 – Media 2.

Debería interpretar esa estadística en grados Celsius. Por ejemplo: la temperatura media en la condición 1 era 2,3 grados más alta que en la condición 2.

La estadística de tamaño del efecto estandarizado dividiría esa diferencia media por la desviación estándar:

(Media 1 – Media 2) / Desviación estándar.

Debería interpretar esa estadística en términos de desviaciones estándar: la temperatura media en la condición 1 fue 1,4 desviaciones estándar más alta que en la condición 2 .

Ventajas y desventajas

Si bien muchos editores de revistas quieren tamaños de efecto estandarizados, no siempre son mejores que los tamaños de efecto simples. Sin embargo, tienen ventajas reales en determinadas situaciones.

1. Los tamaños de efecto estandarizados lo ayudan a evaluar qué tan grande o pequeño es un efecto cuando las unidades de medida no son intuitivas.

La mayoría de los científicos del suelo comprenderán bien si 2.3 grados Celsius es una diferencia significativa. 2,3 grados Celsius significa algo porque un grado es intuitivo. Pero ese no es siempre el caso.

Imagínese una diferencia de 2,3 puntos en una escala de ansiedad que va de 7 a 49. ¿Es esa una diferencia significativa? Bueno, es difícil de decir porque estos puntos no son muy intuitivos. Tendríamos que tener un conocimiento sólido de la distribución de puntajes para ver si 2.3 puntos fue un gran movimiento, y tendríamos que entender lo que realmente nos dicen 2.3 puntos sobre la ansiedad.

A veces, estandarizar el la estadística, expresada en términos de desviaciones estándar, ayuda a eliminar las unidades sin sentido y permite a los investigadores evaluar los efectos en comparación con la distribución completa de puntuaciones.

2. Los tamaños de efecto estandarizados pueden ayudarlo a comparar resultados entre estudios.

Muchas variables se miden en diferentes escalas en diferentes estudios. Nuevamente, no es probable que esto suceda con una variable como la temperatura, pero hay varias escalas de ansiedad para elegir, cada una de las cuales se encuentra en una escala diferente. Incluir estadísticas de tamaño del efecto estandarizadas puede ayudar a los lectores a comprender las tendencias o diferencias entre los estudios.

Son la base del metanálisis, que analiza los resultados de una muestra de estudios, por lo que informar estas estadísticas beneficiará a sus colegas.

3. Los tamaños de efecto estandarizados deben usarse con precaución en los cálculos del tamaño de la muestra.

Se necesitan tanto el efecto simple significativo más pequeño como una desviación estándar para estimar las estadísticas del tamaño de la muestra (dado un cierto alfa y potencia deseada, entre otras estimaciones necesarias ). Algunos programas requieren que primero combine estas dos piezas de información en una estadística de tamaño del efecto estandarizada para calcular el tamaño de muestra requerido para lograr la potencia deseada.

Si bien no hay nada de malo en usar tamaños de efecto estandarizados en estos cálculos, si desea buenas estimaciones, debe pasar por el proceso de obtener una desviación estándar razonable de sus variables y pensar en qué efecto significativo tendría ser.

Sí, esto es muy difícil y no hay una respuesta correcta. Pero usted es el experto en su campo y depende de usted determinar a partir de la bibliografía qué es un tamaño de efecto significativo.

Si utiliza estadísticas genéricas del tamaño del efecto como base de su cálculo de potencia sin pensar sobre lo que significa en su estudio, obtendrá una estimación genérica del tamaño de la muestra. Eso no es muy útil.

Estadísticas del tamaño del efecto
El software estadístico no siempre nos da los tamaños del efecto que necesitamos. Conozca algunos de los estadísticas de tamaño de efecto común y las formas de calcularlas usted mismo.

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *