Tesis. Un resultado de investigación psicológica se lee en tres capas encadenadas: el dato, que es la observación registrada con un procedimiento declarado; el estadístico, que resume esos datos con una regla explícita; y la conclusión, que es el enunciado que el autor decide sostener con lo que el diseño permite afirmar. Cada capa tiene su propio alcance, y el error de lectura aparece cuando se le pide a una capa lo que solo otra capa puede dar.
En una frase: el dato describe lo que se registró, el estadístico resume lo registrado y la conclusión dice lo que el diseño permite afirmar.
1. Tres capas y un solo camino
Cuando un estudiante se enfrenta al primer resultado de un artículo, suele saltar del número al enunciado. Ve una tabla con dos columnas de medias, ve un valor de significación pequeño y escribe “el tratamiento redujo la ansiedad”. Entre el dato y esa frase hay un camino entero, y saltarlo produce dos tipos frecuentes de error: afirmaciones que exceden lo que el estudio midió y afirmaciones que esconden la información relevante porque el número elegido no era el que sostiene la conclusión.
La primera capa es el dato. Un dato es el valor registrado para un caso, una persona o un momento, con un instrumento y un procedimiento que alguien declaró. El puntaje de una escala de ansiedad aplicada en la medición previa, el número de respuestas de evitación en una sesión, el tiempo en milisegundos hasta la primera respuesta, la cantidad de aciertos en una tarea de Stroop: todo eso es dato cuando el procedimiento de registro está escrito. Un dato sin procedimiento conocido es una cifra sin origen, y como tal no admite interpretación.
La segunda capa es el estadístico. El estadístico es el número que resume un conjunto de datos conforme a una regla. La media aritmética, la mediana, la desviación estándar, un coeficiente de correlación, una prueba de diferencia de medias, un intervalo de confianza, un valor p: cada uno resume un conjunto con una lógica distinta y responde a una pregunta distinta. Aquí conviene distinguir dos familias. Los estadísticos descriptivos resumen los datos observados sin hablar de una población más amplia. Los estadísticos inferenciales usan la variabilidad de la muestra para estimar qué cabría esperar en la población de origen y para cuantificar la incertidumbre de esa fuente de variabilidad.
La tercera capa es la conclusión. Es el enunciado que el autor redacta al final: qué se sostiene, con qué alcance y con qué grado de confianza. La conclusión es una decisión argumentada que se apoya en los dos, y no un dato ni un estadístico. Un buen lector no pregunta si la conclusión “es verdadera” en abstracto, sino si está construida a la medida del diseño, de la muestra, de la medida y de los supuestos del análisis.
Definición clave: el estadístico es un resumen numérico de un conjunto de datos obtenido con una regla explícita. Su valor describe el conjunto observado y, en el caso de los estadísticos inferenciales, informa además sobre la incertidumbre de esa descripción frente a la población. Un enunciado que acompaña al estadístico sin conocer la regla que lo produjo es una interpretación, no una descripción.
Tarjeta de memoria. Tres palabras, tres capas: Dato es lo que se registró, estadístico es lo que resume lo registrado y Conclusión es lo que el diseño permite afirmar. Repite la secuencia cuando leas una tabla: primero identifica el dato, después el estadístico y solo entonces la frase del autor.
2. El dato: lo que se registró y con qué regla
El dato parece la capa más simple y es la que más se descuida. Un dato es una cifra pegada a un procedimiento, y una cifra suelta no alcanza para ser dato. Lo que define al dato como dato son cuatro elementos, y conviene revisarlos en ese orden cuando se lee un informe.
El primer elemento es la unidad de análisis: quién o qué es el caso. En un estudio de terapia grupal, el caso puede ser la persona o la sesión; en un experimento con mediciones repetidas, el caso puede ser la persona y sus dos mediciones, y ese cambio de unidad modifica el análisis entero. El segundo elemento es la variable medida y su nivel: un puntaje de escala de siete puntos y un tiempo de reacción en milisegundos no admiten el mismo tratamiento. El tercero es el instrumento: una escala con coeficiente alfa alto se comporta de otra manera que una entrevista clínica, y la medida define qué constructo queda realmente accesible. El cuarto elemento es el momento y las condiciones de registro: una medición antes de la intervención y otra después no son comparables si en una de ellas cambiaron el lugar, la hora o la persona que aplicó el instrumento.
Cuando esos cuatro elementos están declarados, el dato admite preguntas: qué tan dispersos están los valores, si hay valores atípicos, si la distribución se inclina, si el instrumento fue aplicado igual a cada caso. Cuando falta alguno, el dato queda como un número suelto y una pregunta estadística sobre él es una conjetura. Un informe riguroso describe la muestra antes de los resultados: cuántos casos entraron, cuántos se perdieron y qué características tenía el grupo que quedó, porque esa descripción forma parte de la lectura de las tablas posteriores.
Hay un matiz que suele escaparse: el dato bruto y el dato procesado. En una escala de diez ítems, la respuesta cruda es la suma de los diez valores y el dato procesado es el puntaje ya estandarizado, recodificado o depurado de respuestas faltantes. Un artículo puede reportar el dato procesado y dejar el bruto en un archivo adjunto. Al leer, conviene preguntar si el número que aparece en la tabla corresponde a la escala original o a una versión transformada, porque esa decisión cambia el significado de las diferencias que se discuten.
Trampa de parcial: tratar la cifra de una tabla como si se explicara sola. Una media sin desviación estándar, sin tamaño de grupo y sin nombre de la medida es un fragmento de evidencia. En un examen, el número sin unidad, sin grupo y sin medida no permite afirmar nada.
3. El estadístico: la reducción y lo que se sacrifica
Reducir datos tiene un precio, y ese precio es el contenido del razonamiento estadístico. Cada estadístico conserva cierta información y descarta otra. La media conserva la ubicación de la distribución pero oculta la forma: dos conjuntos de datos con medias idénticas pueden tener dispersiones muy distintas. La mediana resiste a los valores extremos pero pierde información sobre la distancia entre las respuestas. La desviación estándar informa de la dispersión y no dice nada sobre la forma de la distribución. El coeficiente de correlación informa del sentido y la intensidad de una asociación lineal y se queda ciego ante relaciones curvas. Una prueba de diferencia compara dos grupos asumiendo una forma de distribución y produce un valor p que se refiere a la probabilidad del conjunto de datos, no a la probabilidad de la hipótesis.
| Capa | Pregunta que responde | Lo que no responde | Ejemplo en un trabajo psicológico |
|---|---|---|---|
| Dato | ¿Qué se registró y con qué procedimiento? | ¿Cómo se ven los datos en conjunto? ¿Difieren dos grupos? | Puntajes individuales de ansiedad antes y después de la intervención |
| Estadístico descriptivo | ¿Cómo se ven los datos observados? | ¿Es la diferencia atribuible al azar de la muestra? | Media y desviación estándar de los dos grupos |
| Estadístico inferencial | ¿Qué cabría esperar si la diferencia fuera producto del azar? | ¿Qué tan grande es el efecto? ¿Se replicaría? | Valor p de la diferencia de medias con su intervalo de confianza |
| Conclusión | ¿Qué sostiene el autor a partir de lo anterior? | ¿Causa o cambio favorable fuera de las condiciones del estudio? | Afirmación sobre la reducción de síntomas en el grupo tratado |
La tabla resume el trabajo de lectura en una sola operación: para cada capa, la pregunta que responde y la pregunta que deja sin respuesta. Un resultado bien leído avanza de izquierda a derecha y termina sabiendo qué pregunta quedó abierta. Ese hueco final es el que suele perderse cuando se copia la conclusión del resumen de un artículo sin mirar los resultados.
Trampa de parcial: pedirle al valor p lo que solo puede dar el tamaño de efecto. El valor p responde qué tan compatible es el conjunto de datos con la hipótesis nula; no dice si la diferencia es grande ni si importa en la práctica: de eso responde el tamaño del efecto. Cohen (1992) propuso referencias para calibrar la magnitud de un efecto, y la Asociación Americana de Estadística (2016) describió el valor p como una medida de compatibilidad con la nula, no como una medida de verdad ni de relevancia.
Analogía. Piensa en el resultado de un laboratorio como una foto de una muestra de arena. El dato es cada grano que puedes señalar. El estadístico es el promedio del tamaño de los granos de la muestra que tomaste. La conclusión es lo que escribes en la etiqueta del frasco: “el grano promedio de esta muestra mide tal cantidad”. Con esa foto no puedes afirmar nada sobre toda la playa, y la etiqueta tampoco autoriza afirmarlo si el frasco se llenó con arena de una sola zona.
4. Leer una tabla de resultados
Una tabla de resultados es un instrumento con reglas de uso, y como todo instrumento tiene piezas que se pueden usar mal. Las cuatro piezas que un lector debe localizar antes de leer una celda son el encabezado de la tabla, la nota al pie, la definición de los símbolos y la fuente de los datos. El encabezado indica qué filas y qué columnas contiene; la nota al pie define abreviaturas como DE = desviación estándar o M = media; la sección de símbolos precisa el significado de asteriscos y letras; la fuente remite al conjunto de datos del que salen las cifras.
El orden de lectura recomendado va del contexto al detalle. Primero la descripción de la muestra: cuántos participantes había en cada grupo, qué instrumento se aplicó, en qué momento se hizo cada medición. Después la descriptiva: qué media, qué dispersión y qué rango de valores tiene cada grupo. A continuación los contrastes: qué diferencia se calculó, con qué prueba, con qué tamaño de efecto y con qué intervalo de confianza. Al final, las filas de notas y los posibles ajustes por pruebas múltiples. Ese recorrido evita el error más común, que consiste en llegar al valor p antes de saber qué se comparó ni con qué tamaño de muestra.
Un detalle que suele pasar por alto y que el parcial explora con frecuencia es el contraste entre el tamaño de efecto y la significación. Gelman y Stern (2006) mostraron que la diferencia entre dos resultados, uno significativo y otro no, no es en sí misma significativa: comparar dos valores p como si fueran medidas de una misma escala es un error de lectura. Lo que sí se puede comparar es el tamaño de efecto de cada estudio y su intervalo de confianza, y en esa comparación una diferencia grande con intervalos amplios convive con una diferencia pequeña con intervalos estrechos.
| Elemento de la tabla | Qué información entrega | Error frecuente al leerlo | Pregunta que el elemento responde |
|---|---|---|---|
| Encabezado | Qué variables se cruzaron y con qué unidades | Confundir el nombre de la fila con la condición experimental | ¿Qué se comparó? |
| Desviación estándar | Cuán dispersos están los datos dentro de cada grupo | Leerla como parte de la media o como un porcentaje | ¿Cuán homogéneo es cada grupo? |
| Tamaño de efecto | La magnitud de la diferencia en unidades de la medida | Confundir tamaño de efecto con porcentaje de recuperación | ¿Cuánta diferencia hay? |
| Intervalo de confianza | El rango de valores compatibles con los datos | Interpretarlo como el rango donde cayó la mayoría de los casos | ¿Qué tan precisa es la estimación? |
| Valor p | La compatibilidad del conjunto de datos con la nula | Traducirlo como probabilidad de que la hipótesis sea falsa | ¿Es compatible el resultado con el azar? |
| Nota al pie | Abreviaturas, asteriscos y ajustes realizados | Saltarla por considerarla un detalle menor | ¿Qué significan los símbolos? |
5. Leer un gráfico: la forma engaña
Un gráfico es una argumentación visual y tiene la misma regla que todo argumento: hay que preguntarse qué muestra y qué deja de mostrar. Anscombe (1973) construyó cuatro conjuntos de datos con medias, varianzas, coeficientes de correlación y rectas de regresión casi idénticos y con gráficas muy distintas: en uno de ellos la relación era curva, en otro había un valor atípico que movía toda la recta, en otro la dispersión era enorme. La demostración sigue siendo la forma más clara de explicar que el resumen numérico no sustituye a la distribución y que el orden de los puntos puede revelar información que las medias ocultan.
Cleveland y McGill (1984) realizaron un experimento clásico sobre percepción gráfica: compararon varios tipos de gráficos y midieron con qué precisión los lectores percibían las magnitudes. El orden que resultó más preciso fue el de la posición sobre un eje común, seguido por la longitud, luego por el ángulo y, en el último lugar, el área y el color. Esa jerarquía sirve para leer y para critiquar: un gráfico circular exige más esfuerzo de lectura que un gráfico de barras con el mismo contenido, y un gráfico con áreas de tamaño muy distinto introduce error de percepción que no está en los datos.
Las trampas de gráficos que el parcial suele pedir identificar son cuatro. La escala del eje vertical que no arranca en cero convierte un cambio pequeño en una caída.visible enorme. La ausencia de barras de error o de intervalos de confianza hace que dos diferencias visualmente claras parezcan igualmente firmes. El orden de las categorías en el eje horizontal, cuando es cronológico, sugiere una tendencia que puede ser un artefacto de la agrupación. Y la comparación entre dos gráficos de ejes distintos, que se presentan uno al lado del otro en la página sin indicación de la diferencia de escala.
Trampa de parcial: aceptar la lectura visual del gráfico como si fuera el resultado. Antes de mirar la forma, confirma en la nota al pie si el eje vertical tiene su origen en cero, si las barras de error están dibujadas, si el gráfico tiene eje truncado y si la escala coincide con la de los otros gráficos de la figura.
Definición clave: la escala truncada en el eje vertical es un recurso gráfico en el que el eje no parte de cero y que magnifica las diferencias entre categorías. Un gráfico puede ser exacto en sus datos y engañoso en su presentación, de modo que la crítica al gráfico se dirige al eje y no a los datos.
6. Qué se puede afirmar y qué queda fuera del diseño
Toda conclusión tiene un perímetro, y el perímetro lo define el diseño. Un estudio correlacional puede describir una asociación y puede establecer que esa asociación se mantiene en la muestra estudiada; no puede sostener que una variable produce la otra, porque el control de las variables extrañas es lo que un experimento aporta y un estudio correlacional no lo tiene. Un experimento con control aleatorio y grupo de control permite hablar de un efecto del tratamiento en las condiciones del estudio; no habilita por sí mismo la extensión a otras poblaciones, a otros instruments ni a otras etapas del proceso. El estudio de un caso individual tiene un alcance descriptivo más acotado porque su unidad de análisis es una sola persona.
Cronbach y Meehl (1955) propusieron el tema de la validez constructiva: un constructo no se observa directamente, y la evidencia que lo apoya es una red de relaciones que la teoría predice. De ahí se sigue una regla de lectura: cuando el resultado contradice lo que el constructo debería mostrar, el problema puede estar en la medida, en el diseño o en la teoría, y el dato por sí solo no permite decidir entre esas tres posibilidades.
Lord (1967) mostró un caso que el parcial suele mencionar: con distribuciones no normales, el resultado de comparar medias puede contradecir el resultado de comparar medianas, y la conclusión sobre qué grupo tiene el valor mayor cambia según la regla de resumen que se use. La lección metodológica es que la elección del estadístico define qué se está afirmando. No queda en un detalle de forma.
Hay además tres límites que conviene tener presentes al leer un informe. El primero es el límite de la muestra: si la selección fue por conveniencia, la conclusión describe a quienes participaron y el alcance se amplía solo con argumentos adicionales. El segundo es el límite de la generalización cultural: Henrich, Heine y Norenzayan (2010) mostraron que la mayor parte de la evidencia acumulada proviene de muestras de países occidentales, educados, industrializados, ricos y democráticos, y un resultado obtenido en una muestra urbana de un país industrializado se transfiere con cautela a contextos distintos. El tercero es el límite de la replicación: Open Science Collaboration (2015) reevaluó cien experimentos publicados y obtuvo una tasa de replicación que invita a leer los hallazgos publicados como estimaciones con margen, no como hechos fijados. La crisis de replicación y ciencia abierta, con el preregistration y los datos abiertos, es el tema vecino donde se retoma este punto.
| Diseño | Lo que el resultado permite afirmar | Lo que el resultado deja sin resolver |
|---|---|---|
| Correlacional | Que dos variables se asocian en la muestra y en qué dirección e intensidad | El sentido de la relación causal y el control de variables extrañas |
| Experimental con grupo de control | Que el tratamiento produjo la diferencia observada en las condiciones del estudio | La extensión a otras poblaciones, instrumentos y momentos |
| Cuasi experimental | Que hubo una diferencia asociada al programa en los grupos comparados | El peso de la selección de los grupos en esa diferencia |
| Estudio de caso | Qué ocurrió en ese caso y cómo se desarrolla en su contexto | Cuán transferable es la explicación al conjunto |
7. De la lectura a la redacción: cinco pasos
Leer un resultado y escribirlo como respuesta de parcial son habilidades distintas. La segunda se apoya en un procedimiento fijo que evita que el enunciado se adelante a la evidencia. Un orden que funciona en el examen es el siguiente.
- Nombrar la medida y el grupo. Decir de qué variable se trata, con qué instrumento se midió y en qué condición. Sin ese encabezado, la afirmación queda flotando.
- Describir el dato. Indicar el valor central y la dispersión del grupo, o el número de respuestas en cada categoría.
- Reportar el estadístico y su incertidumbre. Citar el valor p junto con el tamaño de efecto y el intervalo de confianza, no el valor p solo.
- Enmarcar la conclusión en el diseño. Ajustar el verbo a lo que el diseño permite: “se asoció con” en un estudio correlacional, “produjo una reducción” en un experimento con control.
- Marcar el límite. Añadir la restricción relevante: el tamaño de la muestra, el alcance de la muestra o la ausencia de replicación.
Un enunciado que sigue los cinco pasos se ve largo al principio y, con la práctica, encaja en dos o tres frases. La ventaja es que cada palabra tiene una función: la medida ubica, el dato describe, el estadístico cuantifica, el verbo delimita y la restricción acota. Un enunciado que salta del paso tres al cuatro sin el uno describe un efecto sin decir sobre qué.
Trampa de parcial: firmar una causa desde un diseño correlacional. La correlación puede tener dirección, pero la firma causal exige control de variables extrañas o manipulación aleatoria. La redacción que se sostiene dice “se asoció” o “se relacionó” y precisa el límite del estudio.
Analogía. Leer un resultado se parece a seguir una pauta de cocina escrita por alguien que no estuvo en la cocina. Puedes calcular las proporciones y deducir qué se cocinó, pero si la pauta no dice el tamaño del molde, el tiempo de horno ni la marca del horno, tu platillo no saldrá como el del autor. El dato es la medida del molde; el estadístico es la proporción calculada; la conclusión es el plato servido. Cada capa necesita su dato para que la siguiente sea defendible.
8. Casos de aula: dos resultados leídos en clase
Un tema de lectura de resultados se vuelve aprendible cuando se lee un resultado de principio a fin delante de la clase. Los dos casos siguientes son ejemplos armados con cifras verosímiles para el ejercicio; sirven para mostrar el procedimiento, no para citar evidencia.
Caso A. Una tabla de resultados de un estudio de intervención
El enunciado del ejercicio entrega este fragmento de tabla y pide tres cosas: describir el dato, nombrar el estadístico y decir qué se puede concluir.
| Condición | Ansiedad previa (media, DE) | Ansiedad posterior (media, DE) | Diferencia ajustada |
|---|---|---|---|
| Grupo experimental (n = 32) | 21,4 (5,8) | 16,2 (6,1) | d de Cohen = 0,62; intervalo de confianza de 95 % entre 0,24 y 1,00; valor p menor que 0,01 |
| Grupo de control (n = 30) | 20,8 (6,4) | 19,1 (6,0) | d de Cohen = 0,24; intervalo de confianza de 95 % entre -0,18 y 0,66; valor p = 0,24 |
Nota al pie del artículo original: DE = desviación estándar. La diferencia ajustada corresponde al modelo con la condición de la medición como factor.
La lectura se hace en cuatro tiempos. El dato: 32 personas en el grupo experimental y 30 en el de control, una escala de ansiedad aplicada antes y después de la intervención. La escala no se nombra con nombre propio en el fragmento, y esa omisión ya es un dato sobre la calidad del informe. El estadístico: la diferencia ajustada informa de una magnitud de 0,62 desviaciones en el grupo experimental y de 0,24 en el de control; los intervalos de confianza son distintos entre sí, y el del control incluye el cero, lo que indica que su estimación es compatible con ausencia de efecto. La conclusión defendible: en esa muestra, con esa medida y en esas condiciones, el grupo experimental mostró una reducción de la ansiedad mayor que el grupo de control, con una magnitud que la literatura de Cohen (1992) ubica en un rango intermedio. El límite: el ejercicio no informa cómo se seleccionaron los grupos ni si hubo asignación aleatoria. Si la asignación fue aleatoria, el diseño autoriza hablar de un efecto del programa; si los grupos se formaron por decisión del centro, el enunciado correcto es una asociación entre la condición y la reducción.
Un segundo detalle del mismo ejemplo alimenta la trampa de parcial: el valor p del grupo experimental es menor que 0,01 y el del control es 0,24. Comparar esos dos valores p y concluir que la diferencia entre ellos es significativa es exactamente el error que Gelman y Stern (2006) describen. Lo que se compara son las magnitudes y sus intervalos de confianza, no la significación de cada una por separado.
Caso B. Un gráfico de barras con eje truncado
El segundo ejercicio entrega una figura con dos barras: la primera con valor 12 y la segunda con valor 13 en una escala de satisfacción de 0 a 100 puntos. El eje vertical arranca en 10 y termina en 14, y el pie de la figura dice “medias ajustadas postest”.
La lectura empieza por la estructura y no por la forma. Es un gráfico de barras de dos categorías, con el eje vertical recortado, sin barras de error y sin indicación del tamaño de los grupos. Con esos datos, el lector puede afirmar que el valor ajustado del segundo grupo supera al primero en un punto de la escala. No puede afirmar que la diferencia sea estadísticamente significativa, porque no hay información de variabilidad; tampoco puede afirmar que sea relevante en la práctica, porque un punto sobre una escala de 0 a 100 está cerca del suelo del instrumento. Y no puede comparar la altura aparente de las barras con la de otro gráfico de la misma figura si ese otro gráfico tiene otra escala, porque el pie de la figura solo declara la escala del panel que se está viendo.
El valor que el ejercicio enseña con este caso es de método de lectura: primero la estructura declarada (tipo de gráfico, unidades, escala, qué mide cada eje), después los valores que la escala permite leer, y al final la conclusión, que queda ceñida a lo que esa estructura sostiene. La altura de las barras describe; la significación y la relevancia las aporta el análisis que no aparece en la figura.
9. Para el parcial
Para el parcial: qué debe quedar en la cabeza el día de la prueba.
- Las tres capas. Dato, estadístico y conclusión, en ese orden. Cada capa responde una pregunta y deja otra abierta.
- El dato con procedimiento. Unidad de análisis, variable medida, instrumento y momento de registro. Un número sin ese marco es una cifra sin origen.
- La reducción tiene costo. Media, mediana, desviación, correlación y prueba de diferencia resumen con reglas distintas. Saber qué conserva cada una y qué descarta es la diferencia entre leer y adivinar.
- El valor p mide la compatibilidad del conjunto de datos con la nula, no la magnitud del efecto. La magnitud la da el tamaño de efecto, y la precisión la da el intervalo de confianza (Cohen, 1992; Wasserstein y Lazar, 2016; Gelman y Stern, 2006).
- Leer una tabla en orden. Muestra, descriptiva, contraste, notas. Saltarse la descriptiva es el error que más se castiga.
- Revisar el gráfico antes de creerlo. Eje con origen en cero, barras de error, escala común entre paneles. Anscombe (1973) y Cleveland y McGill (1984) son las dos referencias del tema.
- El verbo depende del diseño. “Se asoció” en un estudio correlacional, “produjo” en un experimento con control y grupo de comparación.
- Toda conclusión lleva su límite. Alcance de la muestra, límites de la medida, replicas pendientes y alcance cultural (Cronbach y Meehl, 1955; Henrich, Heine y Norenzayan, 2010; Open Science Collaboration, 2015).
Tarjeta de memoria. Para el día del parcial: “Dato, estadístico, conclusión” es el camino de lectura; “magnitud, precisión, compatibilidad” son las tres preguntas que se le hacen a un resultado; “asociación, causa, límite” son los tres niveles de un enunciado bien redactado. Con esos tres tríos, el orden de lectura y el orden de escritura quedan alineados.
10. Preguntas de autoevaluación
Explica con tus palabras la diferencia entre dato, estadístico y conclusión, y pon un ejemplo de cada uno tomado de un estudio de intervención.
El dato es el valor registrado para un caso, con el instrumento y el momento declarados: por ejemplo, el puntaje de una escala de ansiedad de una participant en la medición previa a la intervención. El estadístico es el resumen de esos datos con una regla explícita: la media del grupo y su desviación estándar, o el valor p de la diferencia entre los dos grupos. La conclusión es el enunciado que el autor sostiene a partir de lo anterior: que el programa se asoció con una reducción de los síntomas en el grupo tratado, con el alcance que el diseño permite. La diferencia central es que el dato describe, el estadístico resume y la conclusión afirma, y cada paso necesita al anterior.
Un artículo reporta una diferencia significativa entre dos condiciones con un tamaño de efecto pequeño. ¿Cómo lo explicarías en clase?
Diría que la significación indica que el conjunto de datos es poco compatible con la hipótesis nula bajo los supuestos del análisis, y que el tamaño de efecto pequeño indica que la diferencia observada es de magnitud escasa en la escala de la medida. Son dos preguntas distintas y ambas respuestas van en el enunciado: una sobre la compatibilidad con el azar y otra sobre la magnitud. Cohen (1992) propuso referencias para interpretar la magnitud de los efectos, y la Asociación Americana de Estadística (2016) describió el valor p como una medida de compatibilidad, no de verdad. Añadiría que, si la diferencia es pequeña, su relevancia práctica queda en entredicho aunque el análisis sea correcto.
Enumera las cuatro piezas que debes localizar antes de leer una tabla de resultados y explica qué error evita cada una.
El encabezado, que dice qué variables se cruzaron y con qué unidades, y evita comparar celdas de filas que no se refieren a lo mismo. La desviación estándar dentro de cada fila o columna, que informa de la dispersión y evita leer una diferencia de medias como si los grupos fueran homogéneos. El tamaño de efecto y el intervalo de confianza, que dan la magnitud y la precisión, y evitan quedarme solo con el valor p. La nota al pie, que define abreviaturas, asteriscos y ajustes, y evita atribuir un asterisco a un criterio que el autor no usó.
¿Por qué el diseño marca el límite de la conclusión? Da un ejemplo de un diseño y una afirmación que lo excedería.
Porque el diseño determina qué se controló, qué se comparó y qué quedó al azar, y la conclusión solo puede afirmar lo que ese procedimiento permite. En un estudio correlacional entre el apoyo social percibido y la satisfacción vital, se puede afirmar que ambas variables se asociaron en la muestra estudiada con una correlación de determinado valor. Afirmar que el apoyo social produce satisfacción vital excede el diseño, porque el control de variables extrañas que exige esa firma causal solo lo aporta la manipulación aleatoria con grupo de control. Lord (1967) mostró además que, con distribuciones no normales, la regla de resumen elegida puede cambiar la conclusión sobre qué grupo tiene el valor mayor, de modo que la decisión sobre el estadístico define lo que se está afirmando.
11. Cierre del tema
Leer un resultado es una disciplina de tres tiempos. Primero, reconstruir el dato con su procedimiento, porque sin unidad de análisis, sin medida y sin momento de registro la cifra no significa nada. Segundo, identificar el estadístico y la regla con que se produjo, sabiendo que cada resumen conserva unos datos y sacrifica otros. Tercero, medir la conclusión contra el diseño que la generó, con la tentación permanente de escribir de más. La maestría en esta lectura se nota en una sola cosa: en la capacidad de decir qué NO se puede afirmar con ese resultado, sin que la frase suene a evasiva y sin que suene a duda.
Un profesional que se entrena en esto maneja tres frases que en la práctica valen más que una cifra aislada: “esto describe la muestra estudiada”, “esto no separa la magnitud de la compatibilidad con el azar” y “esto no alcanza para afirmar causalidad fuera de las condiciones del estudio”. Las tres acotan, y al acotar se gana credibilidad en la lectura del trabajo ajeno y en la defensa del propio.