PIR 2022 · Pregunta 7
Estadística inferencialEn el ámbito de las medidas del tamaño del efecto, para evaluar el impacto de un determinado tratamiento, indique cuál de las siguientes afirmaciones es correcta:
Ver respuesta sin contestar
Respuesta correcta: A (plantilla definitiva)
Explicación
La pregunta evalúa el conocimiento sobre las principales medidas de tamaño del efecto. Eta cuadrado (η²) cuantifica la proporción de varianza explicada por el factor/modelo, siendo conceptual y matemáticamente equivalente al coeficiente de determinación (R²) en regresión. Omega cuadrado (ω²) corrige el sesgo positivo inherente a η². La delta de Cliff es un estadístico no paramétrico de dominancia. La d de Cohen es solo una medida entre muchas, por lo que la afirmación de exclusividad es falsa.
A. η² se calcula como SS_efecto/SS_total, representando la proporción de varianza de la variable dependiente explicada por el predictor. En un ANOVA de un factor (o en un modelo de regresión con variables dummy), esta proporción coincide exactamente con el R² del modelo. Ambas son medidas de la familia 'varianza explicada', por lo que la equivalencia es correcta.
- B. Invierte la relación real. η² es un estimador con sesgo positivo (sobreestima el efecto poblacional, especialmente con muestras pequeñas). ω² introduce una corrección por grados de libertad y varianza del error para proporcionar una estimación menos sesgada. La recomendación metodológica es preferir ω² (o ε²) sobre η² cuando se busca precisión, no al revés.
- C. La delta de Cliff (δ) es un estimador NO paramétrico. Se basa en el concepto de dominancia ordinal: la probabilidad de que una observación aleatoria de un grupo sea mayor que una del otro, menos la probabilidad inversa. No requiere supuestos de normalidad ni homocedasticidad, por lo que se usa cuando las medidas paramétricas (como d de Cohen) no son robustas.
- D. El término 'Sólo' la invalida directamente. Cohen's d es una medida popular para diferencias de medias, pero existe un amplio conjunto de índices de tamaño del efecto (ω², ε², r, V de Cramér, odds ratio, riesgo relativo, delta de Cliff, A de Vargha-Delaney, etc.). La elección depende del diseño experimental, el tipo de variable dependiente y el contraste estadístico empleado.
Fuentes
- Lakens, D. (2013). Calculating and reporting effect sizes to facilitate cumulative science: a practical primer for t-tests and ANOVAs.
- Fritz, C. O., Morris, P. E. y Richler, J. J. (2012). Effect size estimates: Current use, calculations, and interpretation.
- Richardson, J. T. E. (2011). Eta squared and partial eta squared as measures of effect size in educational research.
- Cliff, N. (1993). Dominance statistics: Ordinal analyses to answer ordinal questions.
Explicación generada con IA y verificada por consenso entre modelos de distintas familias.