Realizamos un análisis de la varianza con tres factores: A, B y C. Encontramos que los factores principales A, B y C son significativos, así como la interacción B x C. Ninguna de las restantes interacciones son significativas. ¿Qué debemos analizar para interpretar los datos?
1. Sólo los factores principales A, B y C
2. Sólo la interacción B x C
3. El factor principal A, así como la interacción B x C
4. Tanto los factores principales B y C como la interacción B x C
5. Los factores principales A, B y C, así como la interacción B x C
¿Alguien entiende por qué se ha dado por buena la 3? Porque yo creo que todos pensábamos que era la 5. ¿Alguna sugerencia?
Porque al haber interacción entre los factores B y C, el análisis de estos factores por separado puede llevarnos a conclusiones erróneas.
Pero bueno, quién sabe, igual hay otro autor que dice otra cosa. Por ejemplo, que los factores B y C hay que analizarlos, pero interpretar los resultados con cautela...
No se si van por ahí los tiros, pero entiendo que en el artículo se reivindica la sobreestimación de la significación, en particular la significación estadística. el cual, aisladamente y sin información complementaria, no debe considerarse determinante en los análisis estadísticos.
si no me equivoco, entre los gurús de la metodología hace años que está aceptada esta premisa que a pesar de los continuos esfuerzos por investigadores dedicados a la metodología y disciplinas afines no acaba de asentarse en la prácticas de otras disciplinas más alejadas, como puede serlo la clínica.
Es decir, que la pregunta sería anulable porque la información que se ofrece es mucho menos que suficiente como para considerar alguna de las respuestas que se ofrece. En todo caso, habría que considerar la respuesta más conservadora, que es la que menos opciones desestima, la opción 5. La cual, además (en base a los mensajes del hilo correspondiente a la pregunta) ha sido la respuesta más frecuente entre los aspirantes.
A mi juicio, sería bastante triste que se mantuvieran con la respuesta 3 incidiendo sobre la importancia de la significación estadística.
Es que donde veo que puede estar nuestra clave es en defender que si los factores por separado son significativos, habría que tenerlos en cuenta en el análisis, ya que aunque la interacción también lo sea, el análisis de cada factor por separado nos puede dar más información.
1. Los que aún siguen utilizando el nivel de significación estadística como herramienta determinante en la toma de decisiones: la interacción es de orden superior a los efectos simples, por lo que su interpretación recoge lo concerniente a los efectos simples. Por tanto, por el principio de parsimonia debería de realizarse la interpretación de la interacción. = la respuesta 3 es la correcta.
2. Aquellos para los cuales el nivel de significación estadística no es determinante: un nivel de significación no ofrece suficiente información como para tomar una decisión a ese nivel (convendría analizar el efecto del tamaño, la potencia del estudio... y considerar el tamaño muestral). Por lo tanto, no hay respuesta correcta y habría que anularla.
El debate del abuso del nivel de significación ya está aclarado desde hace más de una década, y si no recuerdo mal, el APA así lo recoge en alguno de sus informes (hace años, sugiriendo a las revistas a adoptar como norma la inclusión del tamaño del efecto). No obstante, también es verdad que algunos manuales de metodología continúan incidiendo sobre el nivel de significación como determinante, posiblemente porque facilita la labor del docente de cara al alumnado (es mucho más fácil decir que nos fijemos en el nivel de significación, a pedir que también lo contrastemos con tamaños del efecto, potencias...); y al fin y al cabo, la mayoría de manuales de metodología suelen ser para los alumnos de universidad.
pues te deseo toda la suerte del mundo en la impugnación. Suerte . Estoy con vosotros en cuanto a las explicaciones dadas. Ya sabemos que es difícil, pero lo bueno es intentarlo.