Si el valor p en tus análisis estadísticos es ≤ 0.05 tu estudio se publica en una revista top, de otra forma tu estudio no sirve para nada. Si p ≤ 0.05 tus resultados son significativos y relevantes al rechazarse la hipótesis nula, de otra forma no hay que tenerlos en cuenta. No hay mayor convención en el mundo de la ciencia.¿Pero de dónde viene ese 0.05?.
En el libro Discovering Statistics Using R (muy recomendable), Andy Field nos cuenta que todo surgió alrededor de 1914. Entonces, Karl Pearson publicó en un libro unas tablas muy extensas con valores estadísticos. Los científicos tenían que comparar sus resultados estadísticos con los valores críticos que aparecían en ellas. Y era un poco coñazo...A pesar de esto, esas tablas se convirtieron en referencias de todos los investigadores.No había otra opción.
Tanto es así, que se comenzaron a cobrar derechos de autor cada vez que se hacía mención o se incluían esas tablas en un libro. Años más tarde a Fisher, que se dice que no se llevaba muy bien con Pearson, le apetecía escribir un artículo pero él pasaba de pagarle a Pearson por mencionar sus tablitas. Así que decidió elaborar su propia tabla de valores críticos, haciéndola más pequeña y compacta.
Para no apoquinar ni un céntimo.
En esta tabla incluía los valores estadísticos críticos para los valores de probabilidad p de 0.05, 0.01, 0.001...
A partir de entonces se volvió tendencia reportar la significancia para valores p de 0.05 y 0.01 para juzgar si una desviación de la normalidad debe considerarse significativa o no.
Porque esa tabla era mucho más sencilla de evaluar y reportar.
Sin embargo, estos dos umbrales de referencia no responden a un criterio objetivo.
Simplemente, en algún punto había que poner el corte.
En este caso, por comodidad se seleccionaron esos.
Ahora bien, la realidad no responde a un blanco o negro único.
De esta manera, juzgar la validez o invalidez de un estudio simplemente porque cumpla o no con ese criterio, es un gran error.
Es una referencia útil, nada más.
Pero para interpretarla correctamente hay que tener en cuenta EL CONTEXTO en el que ese estudio se desarrolla:
El tamaño de la muestra...
El fenómeno evaluado...
O la repercusión de los resultados...
Así que no pienses que el mundo se va a acabar si tu p es mayor de 0.05, para los más agudos siempre quedará el contexto
No hay comentarios:
Publicar un comentario