7 errores estadísticos que debes evitar en tus estudios científicos

Asimismo te recomiendo que, si tienes interés en aprender más sobre estadística de la manera más útil y sencilla, te unas gratuitamente al "Minicurso de Estadística Para Dummies" que Jordi ha preparado especialmente para ti.

Un curso cargado de valor práctico que calmará muchas de tus dudas estadísticas para siempre. Para mí, un indispensable.

De verdad, ¿Te lo vas a perder?

Etapas de la investigación científica

¡Muchas gracias, Pedro! Me sonrojo después de esta presentación 🙂

Es un verdadero placer formar parte de Neoscientia, mi blog referencia para investigadores. Agradezco de corazón poder aportar mi granito de arena a este proyecto.

¡Pues sí! He venido con ganas y quiero solucionar un montón de dudas que seguro que tienes con la temida estadística o el análisis de datos (para mí es lo mismo).

Antes de entrar en materia quiero mostrarte las etapas de una investigación científica. Seguramente ya las conozcas, pero siempre es bueno recordarlas.

Fíjate en la imagen:

Para poder analizar estadísticamente esta información es necesario identificar cuanto antes la clase de variables presentes en tu base de datos.

Distinguir su tipología te va a permitir elegir el método más adecuado para evaluarlas y visualizarlas correctamente.

Para ayudarte a diferenciarlas, esta es la clasificación de variables más frecuente que puedes encontrar en la práctica. Son sólo 3, así que lo tienes fácil:

No obstante, si no sabes utilizar SPSS, no te preocupes. Simplemente quiero que tengas una ligera idea de cuál es el procedimiento para identificarlas. Todo lo tratado en el vídeo lo podrás llevar a cabo con cualquier programa estadístico sin problemas.

Fíjate que la hipótesis de investigación es un estado raro, no frecuente y es lo que estás buscando (¡Los investigadores somos así, nos mola el riesgo!).

La hipótesis nula o H0 es la contraria a la hipótesis alternativa y es el estado más normal:

“NO tengo fiebre”.

El test estadístico no es otra cosa que el termómetro que va a determinar cuál de las dos opciones es más o menos probable y la marca del termómetro es el p-valor.

¿Se entiende el símil?

Para responder a tu "pregunta de investigación" sigue esta receta:

Y te preguntarás… ¿Y el 0.05 (5%) qué es?

Pues es el error que permites y dejas a los posibles efectos del azar (los 37ºC que te dijo el médico que era necesario tener).

Es decir, cuando el termómetro marca 37.1ºC puede ser que, en realidad, no tengas fiebre pero se considera que sí tienes fiebre. Tu criterio para determinarlo es 37ºC.

Con el contraste de hipótesis ocurre lo mismo:

El p-valor es una medida de incertidumbre. Así, si el p-valor es pequeño y < 0.05 la H1 no es debida al azar y puedes aceptarla.​

Si el p-valor es grande y > 0.05. El nivel de azar es grande y NO puedes rechazar la H0.

Si el p-valor es 0.049 (muy cercano al 5%) te puedes quedar con la hipótesis de investigación pero no con mucha evidencia (o significación). Así, puede ser que cometas el error de rechazar una hipótesis nula ("NO tengo fiebre") que es verdadera y aceptar una alternativa ("Tengo fiebre") que no lo es. Puede ser que digas que tienes fiebre cuando en realidad NO la tienes.

La realidad es que aunque podrás reducirlo, nunca podrás eliminar este potencial error. La estadística es una ciencia interpretativa y sus afirmaciones o conclusiones siempre están envueltas de incertidumbre.

Como sé que eres una persona pragmática, te he preparado una plantilla muy sencilla del proceso a seguir cuando estés aplicando un contraste de hipótesis:

1. Formula las 2 hipótesis: La H1, hipótesis de investigación o "caso raro"; así como la contraria, la H0 o "caso normal".
2. Establece el nivel de significación o el margen de error de "Rechazar una hipótesis nula que es verdadera" que puedes cometer (también se le conoce como Error Tipo 1): Normalmente 5% (0.05).
3. Elige una prueba o test estadístico para poner a prueba tus hipótesis matemáticamente (teniendo en cuenta que se cumplen las condiciones de aplicación o restricciones específicas para cada uno de ellos).
4. Toma una decisión: 
1. Si p-valor < 0.05 rechazarás la hipótesis nula y te quedarás con tu hipótesis de investigación.
2. Si p-valor > 0.05 NO puedes rechazar la hipótesis nula y NO puedes quedarte con tu hipótesis de investigación (OJO: Nunca se dice que la H0 es cierta, sino que no la puedes rechazar).

Asimismo, te dejo con mis recomendaciones personales en torno al tema:

Error #4 - NO presentar adecuadamente el p-valor

Hace un momento te acabo de hablar del concepto de p-valor, espero que ya lo tengas más claro.

Imagínate por un momento que el p-valor es tan tan pequeño que es casi cero. Como has podido ver, esto te dará mucha evidencia de que puedes aceptar tu hipótesis de investigación.

Pero... ¿Cómo lo vas a presentar a la hora de redactar tu artículo científico?

He encontrado un artículo muy interesante sobre la presentación del p-valor en publicaciones científicas. Te lo resumo en tres recomendaciones:

1. Cuando un programa estadístico te de un p-valor muy pequeño como por ejemplo p = 0.000000234 o incluso te de p = 0.0000 represéntalo en tu estudio como p < 0.001. Un p-valor 0 no existe.
2. Utiliza valores absolutos con dos decimales siempre y cuando informes de tu valor de corte (0.05 es el más habitual).
3. Algunas revistas científicas aceptan p-valor con los signos > o < aunque yo no te lo recomiendo pero si lo haces utiliza siempre el valor de corte (5% o 1% o el que decidas) a excepción de cuando tienes valores muy pequeños como el caso 1.
4. Puedes trabajar si quieres con valores tipo .023. Es decir, quitando el 0 de la izquierda.
   

Un seguidor de ConceptosClaros.com me ha facilitado directrices para la publicación de resultados en investigaciones biomédicas. Te lo puedes descargar aquí.

Te resumo lo que te he comentado con un tabla extraída de un artículo sobre las metaduras de pata en publicaciones científicas.

Error #5 - NO justificar las restricciones de las pruebas estadísticas

Antes de aplicar cualquier test estadístico es importante asegurarse que tus datos cumplen con los requisitos necesarios para llevarlo a cabo.

Por ejemplo, imagínate que deseas comprobar si un nuevo tratamiento para una patología X produce una mejoría en los pacientes.

Para ello, utilizas dos grupos de pacientes: un grupo control con el tratamiento estándar y otro grupo de pacientes a los que suministras el nuevo tratamiento.

Asimismo, utilizas un indicador como por ejemplo el nivel de azúcar en sangre para cuantificar los potenciales efectos de la medicación.

¡Bien!

En esta tesitura puedes utilizar dos técnicas para contrastar tu hipótesis de investigación:

• Mediante el test t-student (test paramétrico).
• U de Man Whitney para la comparación de dos grupos (test NO paramétrico).
  

¿Que diferencias hay entre estas dos pruebas si ambas permiten contrastar las diferencias existentes entre dos grupos?

El primer test es una prueba paramétrica que trabaja con distribuciones conocidas (como la distribución normal) mientras que el segundo es un test no paramétrico para el que no hace falta trabajar con una distribución conocida. 

Los test paramétricos tienen más fuerza que los no paramétricos. Son más potentes y las conclusiones que puedes sacar son más fiables. Sin embargo, también son más restrictivos. Para poder llevarlos a cabo tus datos deben cumplir una serie de condiciones.

Siempre que puedas utiliza test paramétricos pero ojo, no te olvides antes de argumentar en que forma tus datos superan las restricciones especificas para la prueba que deseas utilizar.

Algunos de los criterios más comunes para seleccionar un test estadístico son:

• La normalidad de los datos.
• La igualdad de varianzas entre grupos.
• Variables o grupos independientes.

Comprueba a continuación como probar cada uno de estos supuestos.

Error #6 - La regresión lineal NO siempre es aplicable

La regresión lineal es uno de los análisis estadísticos más habituales aunque no siempre es aplicable.

Un análisis de regresión de este tipo implica una dependencia lineal entre dos variables que utilizas para predecir los valores de una variable a partir de los valores de la otra.

La idea general es dibujar la  línea que mejor explique el diagrama de dispersión de dos variables para con ella crear un modelo predictivo.

Para saber cuándo aplicar la regresión lineal y cómo proceder con ella he preparado para ti el siguiente videotutorial. 

Error #7 - La regla mágica para representar los intervalos de confianza NO es siempre válida

​¿Te suena el intervalo de confianza al 95%?

Normalmente los datos numéricos, por ejemplo, el peso de un grupo de 50 pacientes en obesidad los puedes resumir como la media (medida de centralidad) y +- 1.96 veces la desviación estándar (medida de dispersión).

Un ejemplo:

IC 95% 66 kg +/- 12 kg

Esta fórmula es muy útil pero no caigas en el error de utilizarla siempre.

Para aplicarla la distribución de tus datos debe ser Gaussiana. Dicho de otro modo, esta regla es válida solo para distribuciones normales.

Cuando la distribución NO es normal debes trabajar con la mediana y el rango intercuartílico. 

Son medidas de centralidad y dispersión que sirven perfectamente para variables que no están distribuidas normalmente.

Así, no podrás trabajar con IC pero sí dar una medida de centro, la mediana; y de dispersión, rango intercuartílico que ayuden a tus lectores a visualizar más fácilmente las propiedades del histograma de tus datos.

A ver si con un dibujito te ayudo un poco más:

Bonus #1 - Mala selección del test de contraste de hipótesis

Como has podido ver hay pruebas paramétricas y NO paramétricas.

Muchos científicos las aplican erroneamente.

Las pruebas paramétricas son más potentes y eficaces pero necesitas cumplir con restricciones importantes. Por ejemplo:

• Los datos deben seguir una distribución normal.
• Cuando comparas grupos sus varianzas deben de ser iguales.
• El tamaño muestral no debe ser inferior a 30 individuos.
• Etc.

A veces los datos no cumplen los supuestos para aplicar un test paramétrico y aún así los científicos deciden llevar a cabo incorrectamente estas pruebas. 

En tales casos deberías trabajar con pruebas no paramétricas. Menos potentes pero con restricciones muchas más laxas.

Por otro lado, otro de los errores comunes es aplicar pruebas para comparar grupos independientes cuando en realidad resulta que son grupos relacionados.

Imagínate que quieres comparar si después de un tratamiento de adelgazamiento de una persona obesa la presión arterial media es más baja después de 2 meses.

La variable “presión arterial mes 1” es Dependiente de la variables “presión arterial mes 3”.

Son dos grupos relacionados o, mejor dicho, la variable está relacionada.

De esta manera, no puedes trabajar con pruebas de hipótesis t-student para grupos independientes, sino grupos dependientes.

Bonus #2 - Presentación de resultados numéricos incorrecta

No es propiamente un error estadístico pero dada la importancia de la representación de datos numéricos a la hora de escribir artículos científicos merece la pena dar una serie de recomendaciones en torno a ellos:

• La unidades son importantes y también la precisión.
• Cuando el valor es relativamente pequeño es interesante trabajar con 2 decimales para dar más precisión al resultado.
• Cuando hablamos de números importantes no te recomiendo trabajar con decimales sino con notación científica.
  

Esta tabla la puedes consultar en este artículo.

Y hasta aquí el post.

Si me pides que me quede con el error nº1 que has de evitar a toda costa, me quedaría con el contraste de hipótesis.

Soy Jordi de ConceptosClaros.com y ayudo a estudiantes, investigadores y profesionales técnicos a aplicar herramientas de análisis de datos para ser mejores y más valorados.

Ahora, me gustaría saber tu opinión:

Coméntame más abajo cuáles crees que son los errores más importantes que cometen los científicos a la hora de trabajar con los datos obtenidos en sus investigaciones y a la hora de darlos a conocer. Asimismo, coméntame por qué razón son un fallo en tu opinión.