Documente Academic
Documente Profesional
Documente Cultură
Actualmente hay múltiples análisis estadísticos que nos permiten verificar la relación
existente entre una u otra variable de estudio, como por ejemplo la significancia estadística,
pruebas de hipótesis entre otras. En este sentido el tamaño efecto, también conocido como “effec
size”, hablando en términos estadísticos, es una prueba cuyo valor nos permite ver cuánto ha
entre dos grupos (Coe Robert, 2002). Este tamaño de efecto solo puede ser calculado después
de realizar una prueba estadística adecuada para determinar la importancia. A diferencia de las
se conocerá la influencia de este tamaño de efecto en ciertas pruebas estadísticas, para una mayor
aplicación.
2. MARCO TEÓRICO
El tamaño de efectos es una forma de cuantificar el tamaño de la diferencia entre grupos. De
igual manera es una manera de conocer las magnitudes de las diferencias (grande, moderada o
Este puede ser calculado a través de: una diferencia estandarizada entre medias, correlación
1
𝑀1 − 𝑀2
∆=
𝜎𝑔𝑟𝑢𝑝.𝑐𝑜𝑛𝑡𝑟𝑜𝑙
d de Cohen.- Usado para el cálculo de dos grupos independientes Es la diferencia entre las
dos medias dividido por el pooled de la desviación estándar. Es una medida descriptiva.
Para Cohen la desviación típica puede ser utilizada cuando las varianzas de los dos grupos
son homogéneas.
𝑀1 − 𝑀2
𝑑̂ =
𝑆𝑝𝑜𝑜𝑙𝑒𝑑
Con tamaños de muestras diferentes. 𝑆𝑝𝑜𝑜𝑙𝑒𝑑 = √∑ 𝑝𝑗 𝑠𝑗2 . Para cada grupo, S2j:
varianza dentro del grupo. Pj =nj/N: la proporción del número total de las
o PEQUEÑO d = 0.2
o MEDIANO d = 0.5
o GRANDE d = 0.8
2
2.1 Anova
Un análisis de varianza (ANOVA) prueba la hipótesis de que las medias de dos o más
poblaciones son iguales. Los ANOVA evalúan la importancia de uno o más factores al comparar
Eta cuadrada (ɳ2).- Es la varianza del tratamiento expresada como proporción de la varianza
Expresado como:
𝜂2 𝑓2
𝑓 = √1−𝜂2 Donde 𝜂2 = 1−𝑓2
𝑆𝑆𝑒𝑓𝑒𝑐𝑡𝑜
𝜂2 =
𝑆𝑆𝑒𝑟𝑟𝑜𝑟
3
Efecto grande 0,40.
Eta cuadrada parcial (𝜼𝟐𝒑 ).- Cuando un factor es naturalmente variable en la población de
de la fuerza de efecto estimador, uso de eta cuadrada parcial (𝜼𝟐𝒑 ). Pero cuando un factor es
En la eta cuadrada parcial se explica con respecto a la suma de esa suma de cuadrados más
𝑆𝑆𝑒𝑓𝑓𝑒𝑐𝑡
𝜂𝑝2 =
𝑆𝑆𝑒𝑓𝑓𝑒𝑐𝑡 + 𝑆𝑆𝑒𝑟𝑟𝑜𝑟
requiere conocer el grado de intensidad la asociación entre una variable nominal y otra ordinal.
2014)
SCTRAT − (k − 1) ∗ MCerror
ω2 =
SCT + MCerror
K: Número de tratamientos.
4
Intensidad de la relación moderada: 0,30 a 0,69.
concentración de glucosa en sangre es de 8.6 ± 0.2 mmol / L para el grupo placebo, 7.8 ± 0.2
mmol / L para el grupo de drogas 1 y 6.8 ± 0.2 mmol / L para el grupo de drogas 2.
Para omega:
La regresión lineal es una técnica estadística destinada a analizar las causas de por qué pasan
(resultado).
5
El tamaño de efecto para esta prueba es la siguiente:
R2
f2
1 R 2
cuadrado, refleja la bondad del ajuste de un modelo a la variable que pretender explicar.
sitúe su valor, mayor será el ajuste del modelo a la variable que estamos intentando explicar.
Donde:
Cohen consideró que un f2 de 0.02 era un efecto pequeño, 0.15 un efecto medio y 0.35 un
efecto grande. Los valores de f2 traducidos en proporciones de varianza pueden ser conseguidos
criterio, un efecto medio representa el 13% y uno grande efecto 26%. (Karl L. Wuensch, 2017)
2.3 Pruebas T y Z
El tamaño del efecto indica la eficacia cuantificada entre los distintos niveles de la variable
magnitud de éstas.
6
El tamaño del efecto es un índice en una métrica común que indica la magnitud de una
relación o efecto (Cohen, 1988), por ejemplo se puede expresar en términos de diferencias
estandarizadas como la media del grupo experimental menos la media del grupo control dividido
por la desviación estándar común (véase para el cálculo por ejemplo Kirk, 1996, Friedman, 1982
Existen diversos procedimientos de estimación del tamaño del efecto; por ejemplo, el
coeficiente de determinación, eta cuadrado, omega cuadrado, Phi, etc. (Rosnow, Rosenthal y
Rubin, 2000; Sink y Stroh, 2006; Trusty, Thompson y Petrocelli, 2004; Vacha y Thompson,
Hedges ajustada (gajust), siguiendo para ello las directrices de Ledesma, Macbeth y Cortada de
Kohan (2008).
Siendo, X 1 la media aritmética del grupo 1, X 2 la media aritmética del grupo 2, n1 el tamaño
muestral del grupo 1, S1 la varianza de las puntuaciones del grupo 1, n2 el tamaño muestral del
siguiente manera:
7
Donde:
La gajust estima la diferencia entre las medias de los grupos y estandariza dicha diferencia
dividiéndola entre la desviación típica unificada de los dos grupos, con lo que el procedimiento
aporta un parámetro tipificado (puntuación z), al que finalmente se le elimina el sesgo derivado
del tamaño muestral. Así, este parámetro expresa un valor tipificado que en última instancia es
de gran utilidad ya que permite inferir mediante la tabla de la curva normal el porcentaje de
casos que un grupo está por debajo del promedio del otro grupo. Como contrapartida, es
con tamaños muestrales pequeños (por ejemplo, menos de 30 observaciones por grupo) (Pardo
Los aspectos más importantes que destacan del tamaño del efecto son las siguientes:
significación estadística
3. El tamaño del efecto permite comparar diferencias entre variables con distinta métrica por
ser adimensional.
8
5. El tamaño del efecto mantiene mayor independencia que la significación estadística, con
Donde:
1; n1= 142), con edades comprendidas entre 12 y 18 años (M=14,44, DT=1,52), y el 48% son
mujeres (grupo 2; n2= 129), también con edades comprendidas entre 12 y 18 años (M=14,46;
DT= 1,52). Los participantes fueron seleccionados mediante muestreo no aleatorio incidental,
por motivos de facilidad de acceso. El objetivo del estudio era analizar si hombres y mujeres
adolescentes difieren en sus niveles de condición física, para lo que se midieron tres variables
9
Se procedió con estadística inferencial de contraste de grupos, estableciendo desde un primer
llevaron a cabo con ayuda de la aplicación informática IBM SPSS Statistics 18.
Mediante prueba t de Student para dos muestras independientes se compararon dos grupos
en las variables dependientes, obteniendo probabilidades alfa que permitieron rechazar las tres
hipótesis nulas planteadas. Es decir, es plausible inferir con un nivel de confianza del 99% que
es falso que los hombres tengan igual o menor fuerza que las mujeres (t=11,87; gl=213,13; p˂
,001), que los hombres sean igual o menos veloces que las mujeres (t=- 10,57; gl=269; p˂ ,001),
o que los hombres tengan igual o mayor flexibilidad que las mujeres (t=-5,61; gl=269; p˂ ,001).
Procediendo a la estimación del tamaño del efecto mediante gajust, se obtuvo las siguientes
10
Posteriormente, utilizando la Tabla de distribución normal estandarizada, analizando la
probabilidad que acumula cada una de las diferencias tipificadas (véase por ejemplo Vincent,
2005) se infieren tres nuevos resultados: el 91% de las mujeres tiene una fuerza igual o inferior
al promedio de los hombres (puntuación z=1,39), el 89% de las mujeres tiene igual o menor
velocidad que el promedio de los hombres (puntuación z=1,27), y el 75% de los hombres tiene
11
3.
El estudio concluyo que durante la adolescencia hombres y mujeres son distintos en sus
capacidades físicas de fuerza, velocidad y flexibilidad. Por lo que procedio a contrastar los dos
grupos con Prueba t de Student para muestras independientes en las tres variables dependientes,
probabilidad de que se produzca un error por falso positivo es inferior al 1% en las tres variables.
Los valores δ obtenidos, indicaron que la diferencia de mayor magnitud entre los grupos se
12
La prueba de Chi-cuadrado a menudo se usa para probar si los conjuntos de frecuencias o
proporciones siguen ciertos patrones. Los dos casos más comunes se encuentran en pruebas de
sigue una distribución particular. Por ejemplo, es posible que desee probar si un conjunto de
aplicación común de esta prueba. Aquí los individuos (personas, animales o cosas) se clasifican
bidireccional. Esta tabla contiene los recuentos del número de individuos en cada combinación
Para cada celda de una tabla que contiene m celdas, hay dos proporciones consideradas: una
especificada por un valor nulo hipótesis y la otra especificada por la hipótesis alternativa.
Las hipótesis alternativas son aquellas que ocurren en los datos. Defina p0i como la
proporción en la celda i dada por el nulo, hipótesis y p1i para ser la proporción en la celda i de
acuerdo con la hipótesis alternativa. El tamaño del efecto, W, es calculado usando la siguiente
fórmula
13
Donde N es el recuento total en todas las celdas. Por lo tanto, la relación entre W y χ2 es
Ejemplo.- Suponga que está planeando una encuesta con el objetivo principal de evaluar si
Decide adoptar cuatro categorías de estado civil: nunca casado, casado, divorciado, viudo.
En la población que usted está estudiando, estudios anteriores han encontrado los siguientes
Casado 39%
Divorciado 23%
Viudo 11%
Decide que desea calcular el tamaño del efecto cuando los porcentajes individuales para
coeficiente de determinación o r 2 (ec. 3.1 en la Tabla 1 ). Cabe destacar que, en esta forma más
simple del modelo, r 2 no es más que el valor al cuadrado de r. Esto no debería sorprender
porque si existe una relación entre las variables, entonces puede usarse para lograr la predicción,
de modo que cuanto más fuerte sea la relación, mejor será la predicción. Para la regresión lineal
(ecuación 3.3a en la Tabla 1 ) en la que r 2se corrige por la cantidad de variación que los
predictores dejan sin explicar. A veces, el r 2 ajustado (ec. 3.2 en la Tabla 1 ) generalmente se
predictores y los casos. Debe notarse que tal cantidad no es una medida del efecto, sino que
muestra cuán adecuado es el conjunto real de predictores con respecto a la predictividad del
2
(∑(𝑥 − 𝑥̅ )(𝑦 − 𝑦̅))2
𝑟 =
̅̅̅2
∑(𝑥 − 𝑥̅ )2 ∑(𝑦 − 𝑦)
2
(1 − 𝑟 2 )𝑝
𝑟 2 𝑎𝑗𝑢𝑠𝑡𝑎𝑑𝑜 = 𝑟𝑎𝑑𝑗 = 𝑟2 −
𝑁−𝑝−1
15
Ejemplo.- La forma más fácil de entender cómo funciona el ES medido a través de r es
mirar los datos dispersos:
impresión visual de estar en una línea recta. En el panel B, los datos de Y se reordenaron
aleatoriamente con respecto a X, lo que resultó en un coeficiente r muy cercano a cero, aunque
el valor promedio de Y no cambió. De hecho, los datos parecían estar dispersos aleatoriamente
sin ningún patrón. Por lo tanto, el efecto que hizo que X e Y se comportaran de manera similar
4. CONCLUSIONES
El tamaño de efecto es una herramienta bastante útil al momento de cuantificar, cuanta
diferencia existe entre una variable y otra, o entre dos grupos de análisis diferente, El tamaño
muestra. Por otra parte el tamaño del efecto es una herramienta importante para informar e
funciona o no, si se rechaza o se aceptan las hipótesis nulas. Esta herramienta nos permite medir
en qué grado se puede rechazar, ver que tan grande son las diferencias.
16
Una de las mayores importancias es al momento de realizar una comparación de las medidas
o resultados obtenidos de diversas variables que no son iguales, estos no presentan una escala
variables a una ya conocida, existente, cuya interpretación sea familiar para las demás personas,
por tanto el tamaño de efecto nos permite compara la diferencia o variación de las variables de
Finalmente su aplicación es extensa, ya que para cada prueba probabilística existen fórmulas
determinadas, que se ajustan prácticamente al tipo y modelo de estudio que se esta optando.
5. BIBLIOGRAFÍA
Coe Robert, (2002). Es el tamaño del efecto, Qué tamaño de efecto es y por qué es
importante. Escuela de Educación, Universidad de Durham, 12-14
Castro Cárdenas Manuel (2014). Statistical power and effect size calculating in
g*power: complementary analysis of statistical significance testing and its application in
psychology. SALUD & SOCIEDAD, V. 5 No. 2 PP. 210 – 224
Ares, V. M. (1999). La prueba de significación de la «hipótesis cero» en las
investigaciones por encuesta. Metodología de Encuestas, 1(1), 47-68.
Navarro, M. D. F., Llobell, J. P., & Pérez, J. F. G. (2000). Tamaño del efecto del
tratamiento y significación estadística. Psicothema, 12(Su2), 236-240.
Frías-Navarro, M. D., Pascual-Llobell, J., & García-Pérez, J. F. (2001). Significación
sustantiva y depresión infantil. Revisado, 6(15), 2010.
Tejero-González, C. M., Castro-Morera, M., & Balsalobre-Fernández, C. (2012).
Importancia del tamaño del efecto. Una ejemplificación estadística con medidas de condición
física. Revista Internacional de Medicina y Ciencias de la Actividad Física y del
Deporte/International Journal of Medicine and Science of Physical Activity and Sport, 12(48),
715-727.
Ledesma, R., Macbeth, G., & de Kohan, N. C. (2010). Tamaño del efecto: revisión
teórica y aplicaciones con el sistema estadístico ViSta. Artículos en PDF disponibles desde
2007 hasta 2013. A partir de 2014 visítenos en www. elsevier. es/rlp, 40(3), 425-439.
17