El Nivel De Significancia Y Su Papel En La Investigación Científica

El nivel de significancia y su papel en la investigación científica

“Significante no puede ser interpretado como importante e insignificante no puede ser interpretado como irrelevante”

Ziliak & McCloskey (2009).

Las pruebas de significancia estadística han existido por aproximadamente trecientos años (Huberty, 1993) y han prevalecido como un pilar en el desarrollo de la investigación científica, sin embargo existe gran controversia sobre el abuso y la distorsión sobre los resultados e interpretaciones de dichas pruebas. Larry G. Daniels (1998) cita a Henkel (1976, p. 87) quien sostuvo que “es más difícil encontrar literatura con argumentos específicos que sustenten los argumentos de las pruebas de significancia que aquellos que los critican”, sin embargo en la mayoría de escuelas se continua metodizando la significancia estadística bajo el concepto de R. Fisher (1925) quien en su libro “Statistical Methods for research Workers” desarrollado sobre la base del trabajo por Karl Pearson (1914)” introdujo tablas que le dan valor a una variable aleatoria seleccionando un valor para la probabilidad con la cual se desee trabajar. Este aporte tuvo gran influencia debido a que Fisher resumió el trabajo de Pearson en una sola tabla convirtiendo su aporte en una referencia para todo trabajo de investigación. Sin embargo hay que notar que lo que hizo Fisher fue transformar una distribución detallada de probabilidades propuesta por Pearson en tres medidas de probabilidad para facilitar el análisis estadístico de pruebas de hipótesis. Desde mediados del siglo veinte el impacto de la tabla de Fisher fue ampliamente difundido y se convirtió en una práctica estándar en el campo de la investigación proporcionándole al investigador herramientas para poder realizar sus inferencias con un significación del 0,05, 0,01 y ocasionalmente de 0,001 conocidos comúnmente como valores de alfa (α).

El nivel de significación es un concepto estadístico asociado a la verificación de una hipótesis por lo que se define como la probabilidad de tomar la decisión de rechazar la hipótesis nula cuando ésta es verdadera o de aceptarla cuando esta sea falsa. La decisión se toma a menudo utilizando un valor calculado de acuerdo a como se encuentre distribuida la muestra y al de acuerdo al tamaño de la misma y se denota “valor P”, si el valor P es inferior al nivel de significación, entonces la hipótesis nula es rechazada. Cuanto menor sea el valor P, más significativo será el resultado.

Según sostuvieron los editores de la revista EMPIRIA (2009, p.225) y ampliando lo expuesto sobre los valores de alfa, las pruebas de significancia consisten en la comparación de lo que observamos con lo que esperamos, siendo que el investigador buscará rechazar la hipótesis nula con algún nivel de confianza de donde concluirá sobre la hipótesis sostenida. En orden de tomar una decisión, el investigador debe incorporar el nivel de significancia, el cual de acuerdo a los estándares propuestos por Fisher, normalmente es de 0.05 lo que significa que existe una certeza al 95% de no estar cometiendo un error de interpretación. El nivel de confianza crecerá en la media que los niveles de significancia alcancen el 0.01 o 0.001, acompañados de mayor información para el investigador.

Habiendo determinado que hay probabilidades de cometer errores usando estos parámetros, ¿debemos adoptar el valor de p 0.05 como referencia de significancia estadística?

Sobre esta cuestión, Ziliak & McCloskey (2009) en su artículo “The Cult of Statistical Significance” presentado en una conferencia de estadística en Washington el tres de agosto del 2009, manifestaron: “la significancia ha sido reducida a su más interpretación estadística mediante el error estándar de considerar p < .05, teniendo esto muy poco que decir sobre la inferencia estadística, el análisis de error estadístico o la toma de decisiones racionales y aun así, su uso frecuente genera una enorme pérdida neta no visible a la ciencia y a la sociedad”. El error más grande de esta consideración fue considerar solamente la significancia estadística como la determinante de una decisión y dejar de lado la significancia económica de la decisión.

Para los autores, la expresión significancia estadística por sí misma, es erróneamente entendida como significancia económica, significancia sociológica, o aún peor, significancia clínica. Ellos critican a aquellos investigadores que no le dan importancia a la idea del efecto del tamaño de los valores

...