CAPÍTULO 5

CUESTIONES PROBLEMÁTICAS EN EL
ANÁLISIS DE REGRESIÓN
Tamaño de la muestra

NAZIRA
C A L L E JA

Miles, J. & Shevlin, M. (2011). Applying regression & correlation. A guide for students and researchers. London: Sage.
 Cuestiones problemáticas

▪ Más controversiales que los supuestos.

▪ Menos claras que los supuestos.
▪ Requieren más del juicio y del análisis de la información .
▪ No hay una solución única satisfactoria.
Cuestiones problemáticas

▪ Causalidad
▪ Tamaño de la muestra
▪ Colinealidad
▪ Error de medición
Tamaño de la muestra

¿Cuántos participantes son necesarios para hacer un

análisis de regresión?

Primera respuesta:
Entre más grande la muestra, mejor.
Muestras muy pequeñas: Calidad pobre.
Tamaño de la muestra y
error estándar de la media

Número de Error
participantes estándar

Mayor tamaño de la muestra,

más grande el denominador,
menor el error.
 Tamaño de la muestra y
error estándar de la media

Tener errores estándar pequeños significa:

• Más precisión en los parámetros estimados.

• Más seguridad en los hallazgos de la regresión.

• Más probabilidad de encontrar asociaciones significativas.

• Menor probabilidad de cometer el error tipo II: Concluir que las

variables no están relacionadas cuando sí lo están.
 Muestras demasiado grandes
Pero:

Hay inconvenientes (no estadísticos) con

muestras innecesariamente grandes.

• Recursos desperdiciados en la recolección de más

datos de los necesarios.

• Tiempo y esfuerzo inútilmente

solicitados a participantes
que no se requerirían.
Por ética y economía:
Realizar investigaciones eficientes y efectivas
Con muestras del tamaño adecuado
(no pequeñas, no grandes)
Tamaño adecuado de la muestra

Dos métodos

Reglas de oro:
Reglas simples que sugieren tamaños mínimos de
la muestra.

Análisis del poder estadístico:

Técnicas estadísticas objetivas (más complejas).
 Reglas de oro

Incluir en el estudio:
• por lo menos 100 participantes o
• por lo menos 20 participantes por cada VI (k) en el análisis.

Green (1991):
Para probar R2: >50 + 8k
Para probar la significancia de las
pendientes: >104 + k Pero:
Para probar R2 y las pendientes: carecen de generalización y
calcular ambas y utilizar la más podrían ser engañosas.
grande.
 Cálculo del tamaño de la muestra
Se puede calcular el tamaño de la muestra con base en
los siguientes parámetros:

◦ 1 – α: Nivel de confianza
La probabilidad de observar un efecto
en la muestra cuando existe en la
población.

◦ 1 – β: Poder
La seguridad que se desea tener de
encontrar la diferencia, si existe.
◦ Tamaño del efecto
La mínima diferencia que se espera
encontrar entre los grupos
◦ Número de VIs
Tamaño de la
muestra
Número mínimo de unidades
muestrales requerido para
detectar un efecto determinado
con cierto grado de confianza.
NIVEL DE CONFIANZA
Nivel de confianza
Realidad

H0 cierta HH0 0cierta

falsa
No
rechazar H0

Decisión
estadística
α
Rechazar H0 Error Tipo I

α
Rechazar H0 cuando es cierta.
Concluir que hay diferencias (o relación)
cuando no las hay.
Falso positivo
Nivel de confianza
Confianza Realidad
1- α H0 cierta HH0 0cierta
falsa
No
rechazar H0 1-α
Confianza
Decisión
estadística
α
Rechazar H0 Error Tipo I

Probabilidad de no cometer el error tipo I

(falso positivo).
Nivel de confianza
Confianza
1- α
Probabilidad de observar un efecto en la muestra
cuando existe en la población.

Comúnmente:
α = 0.05
1- α = 0.95
PODER ESTADÍSTICO
Poder estadístico
Realidad

H0 cierta HH0 0cierta

falsa
No
rechazar H0 β
Error Tipo II
Decisión
estadística

Rechazar H0

β
No rechazar H0 cuando es falsa.
Concluir que no hay diferencias (o relación)
cuando sí las hay.
Falso negativo
PODER:
La fuerza del modelo

El poder estadístico es la probabilidad de:

• Encontrar un resultado que en realidad existe en la

población.

• Rechazar la H0 cuando de verdad es falsa.

• Detectar sistemáticamente los efectos del tratamiento o

la intervención.
Poder
Poder Realidad

1- β H0 cierta HH0 0cierta

falsa
No
rechazar H0 β
Error Tipo II
Decisión
estadística
1- β
Rechazar H0 Poder

Probabilidad de no cometer el error tipo II

(falso negativo).
 Poder
Poder
1- β
Probabilidad de observar un efecto en la muestra cuando existe
en la población.
Hay 80% de probabilidades de encontrar el
efecto (si es que realmente existe) en la
Convencionalmente*: población de la que fue tomada la muestra.

1- β = 0.80 La probabilidad de cometer el error tipo II

(afirmar que no hay efecto cuando sí lo hay)
= 1- poder = 20%

*Cohen (1988).
Poder
Poder Realidad

1- β H0 cierta HH0 0cierta

falsa
No
rechazar H0

Decisión
estadística
1- β
Rechazar H0 Poder
Poder

Demostración:
http://demonstrations.wolfram.com/StatisticalPower/
TAMAÑO DEL EFECTO
Tamaño del efecto δ
Es un índice estadístico que cuantifica la magnitud de
la relación entre dos variables
o la diferencia entre dos grupos.

Indica qué tan grande puede esperarse que sea el

efecto de una intervención, un tratamiento o la
manipulación de una VI.
 Tamaño del efecto δ
Ejemplo:
Diferencia en la estatura de
hombres y mujeres:
tamaño del efecto. d

A mayor diferencia (d),

mayor tamaño del efecto (δ).

El tamaño del efecto

estadístico permite
determinar si la diferencia es
o no real.
Tamaño del efecto
1ª formas de determinarlo
Conocimiento del fenómeno que se estudia
El valor de R2 que se establece dependerá del efecto
que se investiga.
¿Qué es un “efecto relevante”?
Criterio basado en observaciones informales y
conocimiento del área.
Tamaño del efecto
• Puede ser un efecto importante, aun cuando sea
pequeño. Habrá que asegurarse de tener suficiente
poder para detectar ese pequeño efecto.
Por ejemplo, líneas de alta tensión y cáncer.
(Importa mucho 1 en 500)

• Otros efectos no serían de interés, a menos que fueran

muy grandes.
Por ejemplo, enseñanza de la estadística
con diferentes softwares.
(No importa tanto 1 en 500)
Tamaño del efecto
2ª forma de determinarlo
Usar parámetros encontrados en investigaciones
previas:
• Resultados de estudios piloto.
• Resultados publicados en estudios similares.

3ª forma de determinarlo
Usar los índices establecidos del tamaño del efecto.
Tamaño del efecto
Índices del tamaño del efecto

• Se llama así a una familia de medidas de la magnitud

del efecto del tratamiento.

• A diferencia de las pruebas de significancia, son

independientes del tamaño de la muestra.

• Se utilizan con frecuencia en estudios de meta-análisis

como un medio de resumir cuantitativamente los
resultados de diferentes investigaciones sobre un tema
específico.
 Tamaño del efecto
Medida básica:
Diferencia de medias expresada en la métrica de la VD.

Ejemplo:
Intervención para niños con dificultades en lectura.
MediaGrupo experimental– MediaGrupo control= 8.2 Puntos en una prueba
estandarizada de lectura.

Los investigadores de este constructo

determinan si este tamaño del efecto es
grande, mediano, pequeño Interpretación arbitraria y difícil. 
 Tamaño del efecto
Medida más utilizada:

Medida estandarizada expresada en unidades de desviación

estándar (Cohen, 1969).

d de Cohen δ

Qué tan grande es la diferencia entre las medias

respecto de
las desviaciones estándar de los puntajes.
 Tamaño del efecto
Diferencia tipificada
Regla de Cohen
Valores de referencia (sólo orientadores)
d = 0.00: no hay efecto del tratamiento; los grupos no difieren.
d = > 0.20: tamaño del efecto pequeño.
d = > 0.50: tamaño del efecto moderado.
d = 0.80 o >: tamaño del efecto grande.

Entre más grande el tamaño del efecto, es más fácil encontrarlo.

Cohen, J. (1977). Statistical power analysis for the behavioral science. New York: Academic Press.
 Medidas de tamaño del efecto
a) Grado de diferencia
de medias: d, g

b) Proporción de
varianza explicada: η2,
ε2, ω 2, f2

c) Grado de asociación
entre variables: r, r2
Medidas de tamaño del efecto

f2 de Cohen

Mide el tamaño del efecto para regresión múltiple y ANOVA.

Se define:
TAMAÑO DE LA MUESTRA
Cálculo del tamaño de la muestra
Ejemplo:
Para un estudio con:
Nivel de poder = .80 El tamaño de la
Nivel de confianza = .95 muestra será:
Tamaño del efecto = 0.62 84
Una variable independiente

Existen tablas de valores precalculados Al aumentar el nivel de los

o pueden ser calculadas por computadora. parámetros, el tamaño de la
muestra será mayor.
 Efecto del tamaño del efecto y del poder
sobre el tamaño de la muestra

δ
Delta
Tamaño del
efecto
Poder
1-β
Tamaño de la muestra y valores críticos

1–β

1–β
Tamaño de la muestra
y número de variables

Fuente: Joreskog & Sorbom (2001).

Jöreskog, K. G., Sörbom, D., & Du Toit, S. H. C. (2001). LISREL 8: New statistical
features. Chicago: Scientific Software International.
Tamaño de la muestra, poder, tamaño
del efecto y número de predictores
 Gpower
Software: Gpower
http://www.psycho.uni-duesseldorf.de/abteilungen/aap/gpower3/ .

Calculadora: http://danielsoper.com/statcalc3/default.aspx http://powerandsamplesize.com/

Hair et al., p 174, tabla 4-5. http://www.statskingdom.com/33test_power_regression.html