Tamaño de efecto, potencia de la prueba, factor de Bayes y meta-análisis en el marco de la crisis de reproducibilidad de la ciencia. el caso de las diferencias de proporciones y tablas de contingencia con variables nominales y muestras independientes (segunda parte)

• D'Angelo, Luis ^[1]
  1. [1] Instituto Nacional de Parasitología 'Dr. Mario Fatala Chaben' (INP) - Administración Nacional de Laboratorios e Institutos de Salud “Dr. Carlos G. Malbrán”
• Localización: Cuadernos del CIMBAGE, ISSN-e 1669-1830, ISSN 1666-5112, Vol. 1, Nº. 26, 2024, págs. 77-107
• Idioma: español
• DOI: 10.56503/CIMBAGE/Vol.1/Nro.26(2024)/3022
• Títulos paralelos:
  • Effect size, power analysis, Bayes factor and meta-analysis in the framework of science's replication crisis. the case of proportions and contingency tables with nominal variables and independent samples
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    Este trabajo es la continuación del artículo sobre tamaño de efecto para diferencia de medias independientes, centrándose ahora en las diferencias de proporciones y tablas de contingencia con variables nominales y muestras independientes.

    La investigación estadística sobre proporciones desempeña un papel fundamental en una amplia gama de ámbitos científicos y sociales al proporcionar una valiosa comprensión sobre la distribución y la incidencia de fenómenos en una población específica. Más allá de evaluar la significación estadística de las pruebas es crucial considerar la relevancia práctica o clínica de los resultados, entendiendo la importancia del tamaño de efecto.

    En el caso de las proporciones, nos encontramos con una amplia variedad de estadísticos de tamaño de efecto disponibles, como el coeficiente Phi, V de Cramer, W de Cohen, Fei de Ben-Shachar, h de Cohen, riesgo relativo, odds ratio, entre otros. Esta diversidad puede generar desafíos al momento de seleccionar el estadístico más adecuado para analizar los datos. Por lo tanto, este trabajo se propone abordar esta problemática en detalle, explorando las características y aplicaciones de cada estadístico, y ofreciendo orientación sobre su selección según el contexto y los objetivos de la investigación.

  • English

    This paper is a continuation of the article on effect size for difference of independent means, focusing now on differences of proportions and contingency tables with nominal variables and independent samples.

    Statistical research on proportions plays a fundamental role in a wide range of scientific and social fields by providing valuable insights into the distribution and incidence of phenomena in a specific population. Beyond assessing the statistical significance of the evidence, it is crucial to consider the practical or clinical relevance of the results, understanding the importance of effect size.

    In the case of proportions, we find a wide variety of effect size coefficients available, such as the Phi coefficient, Cramer's V, Cohen's W, Ben-Shachar's Fei, Cohen's h, relative risk, odds ratio, among others. This diversity can generate challenges when selecting the most appropriate statistic to analyze the data. Therefore, this paper aims to address this issue in detail, exploring the characteristics and applications of each statistic, and offering guidance on their selection according to the context and objetives of the research.

• Referencias bibliográficas
  • AERA. (2006). Standards for reporting on empirical social science research in AERA publications. Educational Researcher, 36(6), 33-40.
  • Agresti, A. (2007). An Introduction to Categorical Data Analysis (Second ed.). Florida: Willey-Interscience.
  • Agresti, A., & Coull, B. A. (1998). Approximate is Better than "Exact" for Interval Estimation of Binomial Proportions. The American...
  • Algina, J., & Keselman, H. J. (2006). Confidence Interval Coverage for Cohen’s Effect Size Statistic. (S. Publications, Ed.) Educational...
  • APA. (2007). Manual of the American Psychological Association (APA) (Sixth ed.). Washington. DC.
  • Aromataris, E., & Munn Z. (Editors). (2017). Joanna Briggs Institute Reviewer's Manual. Retrieved from The Joanna Briggs Institute:...
  • Ben-Shachar, M. S., Patil, I., Thériault, R., Wiernik, B. M., & Lüdecke, D. (2023). Phi, Fei, Fo, Fum: Effect Sizes for Categorical Data...
  • Bolstad, W. M. (2007). Introduction to Bayesian Statistics. New Jersey: John Wiley & Sons, Inc.
  • Borenstein, M., Hedges, L. V., Higgins , J. P., & Rothstein, H. R. (2009). Introduction to Meta-Analysis. Chichester: John Wiley &...
  • Borenstein, M., Hedges, L., Higgins, J., & Rothstein, H. (2009). Introduction to Meta-Analysis. West Sussex: John Wiley & Sons, Ltd.
  • Borenstein, M., & Hedges, L. V. (2019). Effect Sizes for Meta-Analysis. In H. Cooper, L. V. Hedges, & V. Jeffrey, The Handbook of...
  • Brand, A., Bradley, M. T., Best , L. A., & Stoica, G. (2008). Accuracy of Effect Size Estimates from Published Psychological Research....
  • Breaugh, J. A. (2003). Effect Size Estimation: Factors to Consider and Mistakes to Avoid. Journal of Management, 29(1), 79-97.
  • Brown, L. D., Cai, T. T., & Dasgupta, A. (2001). Interval Estimation for a Binomial Proportion. Statistical Science, 16(2).
  • Cochrane Handbook for Systematic Reviews of Interventions Version 5.1.0. (2011). Retrieved from https://handbook-5-1.cochrane.org/chapter_9/9_5_2_identifying_and_measuring_heterogeneity.htm
  • Coe, R., & Merino Soto, C. (2003). Magnitud del Efecto: Una guía para investigadores y usuarios. Revista de Psicología de la PUCP. Vol....
  • Cohen, J. (1988). Statistical Power Analysis for the Behavioral Sciences (Second ed.). New York: Lawrence Erlbaum Associates, Publishers.
  • Cohen, J. (1992). A Power Primer. Psychological Bulletin, 112(1).
  • Cousineau, D., & Laurencelle, L. (2011). Non-central t distribution and the power of the t test: A rejoinder. Tutorials in Quantitative...
  • Cumming, G. (2014). The New Statistics: Why and How. Psychological Science (Sage), 25(1).
  • Cumming, G., & Finch, S. (2005). Inference by Eye: Confidence Intervals and How to Read Pictures of Data . American Psychologist.
  • D'Angelo, L. A. (2021). Tamaño de efecto, potencia de la prueba, factor de Bayes y meta-análisis en el marco de la crisis de reproducibilidad...
  • Edgington, E. S., & Onghena, P. (2007). Randomization Test. Boca Raton: Chapman & Hall/CRC.
  • Edgington, E. S., & Onghena, P. (2007). Randomization Tests. Boca Raton: Chapman & Hall/CRC.
  • Efron, B. (1979). Bootstrap methods: Another look at the jackknife. The Annals of Statistics, 7(1).
  • Ellis, P. D. (2010). The Essencial guide to Effect Size. Cambridge: University Press.
  • Epitat . (2020, marzo). Retrieved from Servizo Galego Saùde - Conselería de Sanidede: https://www.sergas.es/Saude-publica/Epidat-3-1-descargar-Epidat-3-1-(espanol)
  • Faulkenberry, T. J. (2018). Computing Bayes factors to measure evidence from experiments: An extension of the BIC approximation. Biometrical...
  • Field, A. (2013). Discovering Statistics Using IBM SPSS Statistics. London: Sage Publications Ltd.
  • Fleiss, J., Levin, B., & Paik, M. C. (2003). Statistical Methods for Rates and Proportions. New Jersey: WileyIntercience.
  • Glass, G. V., McGaw, B., & Smith, M. L. (1981). Meta-analysis in social research. Newbury Park: Sage Publications.
  • Good, P. (2005). Permutation, Parametric, and Bootstrap Tests of Hypotheses. Huntington Beach: Springer.
  • Goodman, L. A., & Kruskal, W. H. (1954). Measures of association for cross classifications. Journal of the American Statistical Association,...
  • Grissom, R. J., & Kim, J. J. (2014). Effect Sizes for Research: Univariate and Multivariate Application. Routledge: Psychology Press.
  • Gronau, Q. F., Ly, A., & Wagenmakers, E.-J. (2018). Informed Bayesian T-Tests. Retrieved from https://arxiv.org/abs/1704.02479
  • Gunel, E., & Dickey, J. (1974). Bayes factors for independence in contingence tables. Biometrika, 61(3), 545.
  • Haberman, S. J. (1973). The analysis of residuals in cross-classification tables. Biometrics(29).
  • Haddock, C. K., Rindskopf, D., & Shadish, W. R. (1998). Using Odds Ratios as Effect Sizes for Meta-Analysis of Dichotomous Data: A Primer...
  • Hedges, L. V. (1981). Distribution Theory for Glass’s Estimator of Effect Size and Related Estimators. Journal of Educational Statistics, 6.
  • Higgins J. P. T., G. S. (2011). Cochrane Handbook for Systematic Reviews of Interventions Version 5.1.0 [updated March 2011]. Retrieved from...
  • Hoekstra, R., Monden, R., van Ravenzwaaij, D., & Wagenmakers, E.-J. (2018). Bayesian reanalysis of null results reported in medicine:...
  • Hoekstra, R., Monden, R., van Ravenzwaaij, D., & Wagenmakers, E.-J. (2018). Bayesian reanalysis of null results reported in medicine:...
  • Introduction to New Statistics. (2019, 10). Retrieved from https://thenewstatistics.com/itns/
  • Ioannidis, J. P. (2005). Why Most Published Research Findings are False. PLoS Medicine, 2(8).
  • Ioannidis, J. P. (2014). How to make more published research true. PLoS Med, 11(10).
  • Ioannidis, J. P. (2016). Why Most Clinical Research Is Not Useful. PLoS Med, 13(6).
  • Iraurgi, I. (2009). Evaluación de resultados clínicos (II): Las medidas de la significación clínica o los tamaños del efecto. NORTE DE SALUD...
  • Iyengar, S., & Greenhouse, J. B. (1988). Selection Models and de File Drawer Problem. Statisticasl Science, 3(1).
  • Jamil , T., Ly , A., Morey, R. D., Marsman, M., & Wagenmakers, E.-J. (2016). Default “Gunel and Dickey” Bayes factors for contingency...
  • Jané, M. B., Ben-Shachar, M. S., Moreau, D., Steele, J., Qinyu, X., Caldwell, A. R., . . . Zloteanu, M. (2024). Guide to Eect Sizes and Condence...
  • Jeffreys, H. (1961). Theory of probability (3rd. ed.). New York, NY: Oxford University Press.
  • Lock, R. H., Frazer Lock, P., Lock Morgan, K., Lock, E. F., & Lock, D. F. (2021). Statistics - Unlocking the Power of Data. Wiley.
  • Lock, R. H., Lock, P. F., Lock Morgan, K., Lock, E. F., & Lock, D. F. (2013). Statistics. Unlocking the Power of Data. Willey.
  • Macbeth, G., Cortada de Kohan, N., & Razumiejczyk, E. (2007). El Meta-Análisis: La Integración de los Resultados Científicos. Evaluar,...
  • Mangiafico, S. (2023). An R Companion for the Handbook of Biological Statistics, version 1.3.8.
  • Marsman, M., & Wagenmakers, E.-J. (2017). Bayesian benefits with JASP. European Journal of Developmental Psycholog, 14(5), 545-555.
  • Meng-Yun , L. (2013). Bayesian Statistics. https://www.bu.edu/sph/files/2014/05/Bayesian-Statistics_final_20140416.pdf. Boston University...
  • Molina Arias, M. (2014). La odds ratio puede ser engañosa. Revista de Pediatría, 16, 275-279.
  • Morales Vallejo, P. (2012, Octubre 3). El tamaño del efecto (effect size):análisis complementarios al contraste de medias. Retrieved 2019,...
  • Morey, R. D., & Rouder, J. N. (2011). Bayes Factor Approaches for Testing Interval Null Hypotheses. Psychological Methods.
  • Nakagawa, S., & Cuthill, I. C. (2007). Effect size, confidence interval and statistical significance: a practical guide for biologists....
  • Newcombre, R. G. (1998). Two-sided Confidence Intervals for the single Proportion: Comparison of seven Methods. Statistics in Medicine.
  • Nunnaly , J. (1960). The Place of Statistics in Psychology. Educational and Psychological Measurement, XX(4).
  • Pardo, A., & San Martín, R. (1994). Análisis de datos en Psicología II. Madrid: Pirámide.
  • Pértegas Díaz, S., & Pita Fernández, S. (2003). Cálculo del poder estadístico de un estudio. Cad Aten Primaria, https://www.fisterra.com/mbe/investiga/poder_estadistico/poder_estadistico.asp,...
  • Quintana, D. S., & Williams, D. R. (2018). Quintana,Bayesian alternatives for common null-hypothesis significance tests in psychiatry:...
  • Rita, H., & Komonen, A. (2008). Odds ratio: an ecologically sound tool to compare proportions. Ann. Zool. Fennici, 45, 66-72.
  • Rouder, J. N., Speckman , P. L., Dongchu , S., & Iverson, G. (2009). Bayesian t tests for accepting and rejecting the null hypothesis....
  • Sanchez-Meca, J., Marín-Martínez, F., & Salvador Chacón-Moscoso, S. (2003). Effect-Size Indices for Dichotomized Outcomes in Meta-Analysis....
  • Sawilowsky, S. S. (2009). New effect size rules of thumb. Journal of Modern Applied Statistical Methods, 8(2), 597 – 599.
  • Schmidt, C. (2008). When to use the odds ratio or the relative risk. International Journal of Public Health, 165-167.
  • SEH-LELHA. (2003). Heterogeneidad entre los estudios incluidos en un meta-análisis. Retrieved from Liga española para la lucha contra la hipertensión...
  • Tortosa Ybáñez, M. T., Alvarez Teruel, J. D., & Pellín Buades, N. (2015). Necesidad de re-educación estadística en profesores universitarios:...
  • Wuensch's SPSS Links Page. (2019, 10). Retrieved from http://core.ecu.edu/psyc/wuenschk/SPSS/SPSS-Programs.htm
  • Zaiontz, C. (2023, 12 12). Real Statistics Using Excel. Retrieved from https://real-statistics.com/z-test for independent proportions: Use...