GLOSARIO ESTADÍSTICO

FIABILIDAD

La fiabilidad o confiabilidad es la capacidad que tiene un instrumento o método de medida para obtener resultados consistentes y reproducibles, al aplicar dicho instrumento en una muestra y en diferentes momentos; entonces, la fiabilidad es la consistencia de los resultados, o dicho de otro modo, es la probabilidad de que los resultados sean exactos.

En el ámbito de la investigación, la fiabilidad es fundamental para garantizar que nuestros resultados sean precisos y generalizables, para finalmente obtener conclusiones válidas y fiables. En relación con la validez, la fiabilidad constituye un requisito previo para la validez, es decir, un instrumento puede ser fiable sin ser válido, pero no puede ser válido sin ser fiable. Un instrumento confiable siempre ofrece resultados similares cada vez que se administra a la misma población o muestra. 

Cómo evaluar la fiabilidad:

Para evaluar la fiabilidad se recurre a diferentes técnicas y enfoques, algunas de las más comunes son:

- Consistencia interna. Se aplica en cuestionarios o escalas compuestas por múltiples ítems, donde se evalúa la coherencia entre los ítems mediante estadísticas como el coeficiente alfa de Cronbach, que se obtiene a partir de la media de todas las correlaciones entre los ítems de la escala; los valores se encuentran entre 0 y 1; un valor de alfa de Cronbach próximo a 1 indica una alta fiabilidad interna. Otra medida que se aplica comúnmente, es el coeficiente KR-20, cuando se tienen datos de tipo binario o dicotómico, es decir, cuando las respuestas son codificadas como correctas e incorrectas.

- Test-retest. Consiste en administrar la misma prueba o medida a la misma muestra en dos momentos distintos de forma que haya un intervalo de tiempo entre las dos administraciones; la fiabilidad se evalúa comparando las puntuaciones obtenidas en los dos momentos; cuanto más alta sea la correlación entre las puntuaciones más alta será la fiabilidad de la medida o del instrumento.

- Métodos paralelos. Consiste en administrar dos versiones equivalentes de una prueba o medida a la misma muestra para comparar los resultados ; si las dos versiones arrojan resultados similares, se considera que la medida o instrumento es confiable.

- Método split-half. Método mediante el cual se divide una prueba o medida en dos mitades y se calcula la correlación entre las puntuaciones obtenidas en cada mitad.

- Coeficiente de correlación intraclase (CCI). Medida de concordancia entre las puntuaciones obtenidas en dos o más momentos de observación, este índice puede ser usado tanto para variables continuas como categóricas.

- Método del coeficiente de Kappa. Medida de la concordancia entre las puntuaciones de dos o más observaciones o clasificaciones categóricas, adecuado para datos categóricos o de clasificaciones.

 Referencia: (1), (2), (3).

 

HIPÓTESIS

La hipótesis es la suposición o conjetura que busca explicar un fenómeno observado y que puede comprobarse mediante la investigación y el análisis de datos, en otras palabras, es la idea que pretende comprobar una investigación. Una adecuada formulación de la hipótesis dota a la investigación científica de una base firme y puede ayudar a formular nuevas preguntas y descubrimientos.

En el ámbito de la estadística, la hipótesis es aquélla afirmación de una población y/o de la relación existente entre variables, que podemos contrastar mediante análisis estadísticos, se emplea para realizar inferencias sobre una población, a partir de una muestra de datos. La finalidad es comprobar si hay suficiente evidencia para aceptar o rechazar la hipótesis.

Características de una hipótesis:

-  Específica. La hipótesis tiene que estar formulada con claridad y sin ambigüedades, es decir, debe exponer lo que esperamos encontrar.
- Verificable. Debe ser posible de comprobarla y/o refutarla mediante experimentos, observaciones o análisis de datos.
- Testable. Debe ser posible diseñar un experimento o recopilar datos que confirmen o refuten la hipótesis.
- Fundamentada en la teoría o en la evidencia previa. Está fundamentada por conocimientos previos o teorías existentes.
- Relación entre variables. Debe establecer una relación clara entre dos o más variables y como se afectan entre ellas.
- Simple. Tiene que ser lo más simple posible
- Relevante. Debe ser pertinente para el ámbito del estudio y tener importancia práctica y/o teórica.
- Falsable. Debe ser posible demostrar que es falsa o que no es cierta si los datos no la respaldan.
- Consistencia Interna: Tiene que ser coherente consigo misma y no contener contradicciones.
- Capacidad Predicativa: Debe permitir hacer predicciones sobre observaciones o experimentaciones futuras.
- Generalizable. Los resultados de las hipótesis deben ser aplicables a situaciones más amplias o a una población más grande.

Tipos de hipótesis:

- Hipótesis descriptiva. Describe las características o comportamiento de una población sin buscar relaciones de causalidad.
- Hipótesis correlacional. Establece que existe relación entre dos variables, pero no implica causalidad.
- Hipótesis causal. Sostiene que una variable causa un efecto en otra variable.
- Hipótesis exploratorias. Se realiza en estudios exploratorios, en los cuales no se dispone de suficiente información previa, para formular una hipótesis específica.
- Hipótesis de trabajo. Es una hipótesis preliminar que sirve de guía para la investigación o estudio inicial, puede ser revisada y ajustada durante el estudio.
- Hipótesis de investigación. Está formulada por un investigador que cuenta con teorías y estudios previos; puede ser una hipótesis direccional o no direccional.
- Hipótesis direccional. Establece la dirección del efecto o de la relación entre variables.
- Hipótesis no direccional. Indica que existe una diferencia o una relación entre variables, pero no establece la dirección.
- Hipótesis complejas. Son aquéllas que incluyen más de dos variables y pueden establecer relaciones de causa y efecto entre ellas.
- Hipótesis de interacción. El efecto de una variable independiente sobre la variable dependiente, varía según el nivel de otra variable independiente.
- Hipótesis ad hoc. Se desarrollan después de la observación de un resultado inesperado para explicar la observación.
- Hipótesis específicas para estudios cualitativos. Pueden ser: hipótesis emergentes (surgen o emergen en el momento de la recolección y análisis de datos cualitativos) o hipótesis de trabajo inicial (se desarrollan al comienzo de un estudio cualitativo y se modifican a medida que avanza el estudio).
- Hipótesis nula (H₀). Es una afirmación que indica que no hay efecto, diferencia o relación entre las variables estudiadas.
- Hipótesis nula simple. Es una hipótesis nula que especifica un solo valor para un parámetro poblacional.
- Hipótesis nula compuesta. Es una hipótesis nula que especifica un rango de valores para un parámetro poblacional.
- Hipótesis alternativa (H₁ o Ha). Es una afirmación que indica que existe un efecto, diferencia o relación entre las variables estudiadas.

Referencia: (1), (2), (3), (4).

SIGNIFICANCIA

En estadística, la significancia es la probabilidad de que los resultados de un estudio sean reales y no determinados por el azar; se utiliza para evaluar si los efectos o las diferencias que se observan en un conjunto de datos son lo suficientemente fuertes para ser considerados verdaderos; entonces, la significancia nos indica cuán probable es que los resultados sean auténticos y no una coincidencia.

Determinación de la Significancia:

La significancia estadística se determina fundamentalmente por el valor p y el nivel de significancia (α); el valor p indica si los resultados son estadísticamente significativos, es decir, que hay una baja probabilidad de que los resultados sean debidos al azar, por lo general, su valor es ≤ 0.05; por otro lado, el nivel de significancia (α) es el umbral que se fija para determinar si un  resultado es significativo, comúnmente se utiliza un nivel de significancia de 0.05 (implica que hay un 5% de probabilidad de que los resultados sean debidos al azar).

Pasos para Medir la Significancia:

- Formular hipótesis nula y alternativa.
- Elegir un nivel de significancia (α).
- Recolectar datos.
- Seleccionar la prueba estadística adecuada.
- Calcular el valor p usando prueba estadística.
- Comparar el valor p con el nivel de significancia.
- Tomar una decisión sobre la hipótesis nula (rechazarla o no rechazarla).

Referencia: (1), (2), (3).

 

VALIDEZ

La validez es una medida que garantiza que los instrumentos y métodos de medición evalúen lo que realmente se proponen medir, es importante para asegurar que las conclusiones de una investigación o estudio sean precisas y reflejen la realidad de manera correcta; por ejemplo, si un test está diseñado para medir la inteligencia, debe medir efectivamente la inteligencia y no otra cosa como la memoria o el conocimiento general.

Importancia de la Validez:

- Asegura la precisión de los resultados, es decir, que los datos y las conclusiones serán más fiables si el instrumento es válido.
- Facilita la toma de decisiones a través de resultados basados en hechos y datos precisos.
- Incrementa la confianza en el estudio

Tipos de Validez:

- Validez de contenido. Evalúa si el instrumento cubre adecuadamente el tema que se desea medir.
- Validez de constructo. Determina si el instrumento mide el contenido teórico que se supone debe medir.
- Validez de criterio. Mide la efectividad del instrumento para predecir resultados según algún criterio externo; se subdivide en: validez concurrente (cuando se compara el instrumento con algún criterio o medida diferente en ese mismo momento) y validez predictiva (cuando el instrumento es capaz de predecir un resultado futuro).
- Validez interna. Grado en que los cambios de la variable dependiente son producidos por la manipulación de la variable independiente.
- Validez externa. Grado en que los resultados de un estudio pueden generalizarse a otras personas, situaciones o tiempos.
- Validez de consecuencia. Es la evaluación de las posibles consecuencias positivas o negativas al utilizar los resultados de una prueba o medida, para tomar decisiones.

Evaluación de la validez:

- Juicio de Expertos. Se consulta a expertos en la materia de evaluación, para determinar si el contenido del instrumento que se aplica es adecuado y pertinente.
- Análisis de contenido. Implica revisar y analizar cuidadosamente el material o las preguntas que componen un instrumento para asegurar que estén bien construidos y evalúen lo que se quiere evaluar respecto a un determinado tema.
- Comparación con criterios externos. En validez de criterio, se contrastan los resultados de una medida con otras medidas reconocidas que midan el mismo constructo.
- Relación entre variables. En validez de constructo, se realiza un análisis estadístico para verificar la relación que existe entre las puntuaciones obtenidas con el instrumento utilizado y otras medidas que supuestamente están relacionadas con el constructo que evaluamos.
- Prueba piloto. Antes de utilizar el instrumento a gran escala, se aplican pruebas piloto para evaluar su validez en condiciones controladas y realizar los ajustes oportunos.

Métodos estadísticos para medir la Validez:

- Coeficiente de correlación. Para evaluar la relación que existe entre las puntuaciones obtenidas en un instrumento y un criterio externo que consideramos relevante.
- Análisis factorial. Para comprobar la validez de constructo, examinando cómo se agrupan y se relacionan las preguntas y/o variables de nuestro estudio y comprobar si estas preguntas recogen lo que realmente se quiere medir.
- Análisis de conglomerados. Para agrupar a los elementos de un conjunto de datos en grupos homogéneos en función de las similitudes entre ellos.
- Análisis de regresión. Para comprobar la validez predictiva de un instrumento, examinando la relación entre la puntuaciones obtenidas en el instrumento y un criterio externo que tenga relación con el constructo que se está midiendo.
- Análisis de varianza (ANOVA). Para comprobar las puntuaciones que se obtienen en un instrumento entre diferentes grupos de individuos, proporcionando evidencia de la validez de criterio si se encuentra que los grupos varían significativamente en las puntuaciones del instrumento.
- Curva ROC (Receiver Operating Characteristic). Utilizada especialmente en la validación de las pruebas diagnósticas para evaluar la sensibilidad y especificidad de una prueba en relación con un criterio de referencia.

Referencia: (1), (2), (3), (4), (5).