Estadística y psicología: Análisis histórico de la inferencia estadística

Recomendar       Imprimir       Guardar pdf      Valorar y Comentar

Refrescando la memoria del lector

Utilizando una analogía de indudable valor didáctico, Hyman (1964) comparaba el análisis estadístico de los datos de una investigación con el proceso de la digestión. Cuando el alimento, que en esta analogía corresponde a los datos, es ingerido por un organismo, no puede ser utilizado por éste mientras no haya sido desintegrado y reconstituido en una forma asimilable. Diferentes sustancias alimenticias requieren para este proceso diferentes períodos de tiempo y combinaciones distintas de la actividad digestiva. El proceso digestivo ha de de adaptarse en una forma altamente específica a cada tipo de alimento. Y en una forma análoga, el investigador ha de adaptar sus procedimientos de análisis de los datos a la naturaleza originaria de sus observaciones. Algunos instrumentos de reunión de datos arrojan datos iniciales en forma de números, a los cuales se pueden aplicar directamente técnicas estadísticas. Otros instrumentos, como los cuestionarios de respuesta libre y las entrevistas, arrojan datos iniciales que requieren de tratamiento y codificación adicionales, antes de que se pueda comenzar a realizar con ellos cualquier análisis estadístico. Diferentes clases de datos requieren tipos diferentes de análisis antes de quedar reducidos a una forma en la que puedan ser interpretados (Girden, 1996; Stern & Kalof, 1996).

En la situación más sencilla de investigación hay una variable dependiente y, por lo menos, una variable independiente con dos variables. La tarea del investigador consiste en determinar el grado en que los datos de la investigación reflejan una relación entre las variables independiente y dependiente; o, dicho en otros términos, el análisis estadístico de los datos persigue determinar si dos grupos que difieren en el lugar que ocupan en la variable independiente, difieren también en la variable dependiente. Tanto en la relación entre las variables como la ausencia de relación entre las mismas, pueden resultar enmascaradas por dos clases de errores: los errores constantes y los errores variables. Los errores constantes son producidos por variables extrañas que afectan de manera constante los resultados de una investigación; por ejemplo afectan siempre de la misma manera la relación (o la falta de relación) entre dos variables (independiente y dependiente), o afectan siempre de la misma manera (favorable o desfavorablemente) a los grupos de la investigación. Los errores variables, en cambio, son producidos por variables extrañas que afectan de manera variable los resultados de la investigación; se trata de variables extrañas que actúan aleatoriamente sobre todos los sujetos de la investigación y, que por esa misma razón, sus efectos tienden, a largo plazo, a anularse mutuamente.

No existen fórmulas simples para prevenir los errores constantes. Mediante su entrenamiento y experiencia, el investigador aprende a anticipar muchas de las fuentes más graves de errores constantes, pero nunca tienen una garantía absoluta de que ha eliminado toda posibilidad de que alguna variable extraña pueda estar produciendo un error constante. En realidad, una gran parte del progreso alcanzado en cualquier campo de la investigación científica depende del descubrimiento de las fuentes de tales errores constantes. Salvo algunos descubrimientos científicos excepcionales, puede decirse que en general la mayoría de los descubrimientos científicos eliminan alguna fuente de error constante.

En cuanto a los errores variables, además de los esfuerzos que puede hacer el investigador para minimizar la varianza de error a través del diseño de la investigación (Kerlinger & Lee, 2002), una forma de enfrentar dichos errores es la inferencia estadística (Hyman, op. cit.). Esta expresión se aplica a un conjunto de procedimientos utilizados para determinar el grado en que la relación observada entre dos variables (o la diferencia observada en una variable dependiente entre dos o más grupos de sujetos) puede explicarse como resultado del azar, es decir, atribuirse a fuentes de errores variables. Para verificar la posibilidad de que la relación observada entre las variables independiente y dependiente de una investigación pueda explicarse como investigaciones del azar, el investigador realiza una operación designada con el ritual de la prueba de significación estadística. El término "ritual" describe adecuadamente dicha operación, porque sucede que la mayoría de los investigadores realizan la prueba de significación estadística de una manera rutinaria, ejecutando cada paso de la operación de modo automático, tal como están formulados en los libros de texto. Dicho ritual, conocido también como la prueba de la hipótesis nula fue creado por Ronald Fisher. Veamos los pasos de la prueba de la hipótesis nula, tal como aparecen en cualquier libro de texto de estadística. Valga la advertencia previa de que en dicha exposición se combinan las posiciones de Fisher y de Pearson-Neyman, pero en cada caso se identifica la posición a la que pertenece cada elemento.