2. ESTADÍSTICA INFERENCIAL
Las pruebas estadísticas más frecuentemente utilizadas en el análisis entre dos variables son:
- El Test de la t de Student es una prueba paramétrica usada en variables cuantitativas con muestras de más de 30 sujetos (N>30).
- El Test de Chi-Cuadrado (X2) es una prueba no paramétrica usada en variables cualitativas y en las cuantitativas con menos de 30 sujetos (N<30).
Estas pruebas nos permitirán aseverar si existe alguna relación entre las variables, pero no si existe una causalidad.
El análisis multivariante sería el siguiente escalón a partir de lo anterior y se realiza cuando encontramos que dos o más variables independientes que se relacionan con una misma variable dependiente.
Se construirá un modelo que incluya las variables, que en el análisis bivariado muestran relación con la variable dependiente, para probar si la relación se puede deber a una tercera variable. Serán las pruebas de Regresión múltiple o Regresión Logística las que darán a conocer aquellas variables realmente relacionadas, eliminando las distorsiones de las otras variables.
Para poder extrapolar los datos hallados en un estudio sobre una muestra a una población, debemos calcular el conocido como Intervalo de Confianza (IC). Cuando estamos ante datos cualitativos se habla de IC de proporción o error estándar de la proporción, mientas que para datos cuantitativos se habla de IC de media o error estándar de la media. El IC permite evaluar la precisión con que el parámetro para la población ha sido estimado.
Dependiendo de los objetivos y el diseño del estudio los análisis multivariante sirven para demostrar relaciones de causalidad.
Cada tipo de diseño de investigación lleva asociado un proceso estadístico específico cuya profundización escapa a la intención de este curso, pero queremos destacar la necesidad de mantener una vigilancia exhaustiva sobre los principales tipos de error o sesgos que pueden afectar a la validez de las conclusiones.
3. ERRORES SISTEMÁTICOS
Los principales Sesgos son:
- Sesgo de selección: Se da cuando la inclusión de sujetos en los grupos se hace con diferentes métodos.
- Sesgo de seguimiento: Se produce cuando los grupos no son seguidos de igual forma y ha pérdidas no debidas al azar.
- Sesgo de información: Cuando no se aplica el mismo procedimiento en todos los grupos del estudio.
- Sesgo de confusión: Producido por una variable independiente asociada a un factor de riesgo o exposición que lo potencia.
El error aleatorio se produce cuando debido a la variabilidad de los datos, se ve afectada la precisión y fiabilidad del estudio, tanto por falsos positivos (error tipo I o alfa), como por faltos negativos (error tipo II o beta).
El error de inferencia se debe a una mala interpretación de las conclusiones, bien porque la muestra no fuese representativa de la población o porque la inferencia se realiza a una población en la que la muestra no está incluida.