1) ¿Qué sesgos pueden presentar la dicotomización de variables?

La dicotomización de variables de acuerdo a Hernández y Da Silva (2016) puede presentar

varios sesgos en el análisis estadístico. En primer lugar, la elección del punto de corte para
la dicotomización puede ser arbitraria y no estar basada en criterios objetivos, lo que puede
llevar a una subestimación o sobreestimación de la asociación entre las variables.

Además, Medina et al. (2017) mencionan que la dicotomización de una sola variable
continua puede producir un sesgo conservador, es decir, una subestimación de la
asociación, mientras que la dicotomización de dos o más variables independientes puede
producir el efecto contrario, una sobreestimación de la asociación. También se ha
demostrado que la dicotomización de una variable de control en modelos de regresión
lineal múltiple implica el cambio de un modelo de regresión lineal a un modelo no lineal, lo
que puede llevar a una mala especificación del modelo y conclusiones dudosas.

2) ¿Qué facilita la dicotomización de variables?

Para autores como Verbel et al. (2016) La dicotomización de variables puede facilitar la
interpretación de los resultados y la comunicación de los mismos a un público no
especializado, al convertir una variable continua en una variable binaria, se simplifica la
información y se hace más fácil de entender, además, la dicotomización puede ser útil en
situaciones en las que se requiere una respuesta binaria, como en estudios de casos y
controles o en pruebas diagnósticas.

Sin embargo, Quintana, Pisani, & Casal (2015) coinciden que es importante tener en cuenta
que la dicotomización también puede llevar a una pérdida de información y a conclusiones
erróneas si no se realiza de manera adecuada, por lo tanto, se recomienda que la
dicotomización se utilice con precaución y que se consideren otras opciones, como la
categorización en más de dos grupos o el análisis de la variable continua sin dicotomizar.

Bibliografía
Hernández, C., & Da Silva, F. (2016). Aplicación del control estadístico de procesos (CEP)
en el control de su calidad. Tecnología Química, 36(1), 104 - 116.
Medina, F., López, A., & Ruíz, C. (2017). SISTEMA DE GESTIÓN ISO 9001-2015:
TÉCNICAS Y HERRAMIENTAS DE INGENIERÍA DE CALIDAD PARA SU
IMPLEMENTACIÓN. Revista Ingeniería, Investigación y Desarrollo, 17(1), 59 -
69.
Verbel, A., Herrera, R., & Maestre, K. (2016). Aplicación de nuevas propuestas
multivariantes para medir la capacidad de un proceso. INGENIARE, 12(21), 31 - 42.
Quintana, A., Pisani, M., & Casal, R. (2015). Desempeño de cartas de control estadístico
con límites bilaterales de probabilidad para monitorear procesos Weibull en
mantenimiento. Ingeniería, investigación y tecnología, 16(1), 143 - 156.