La Estadística se ha desarrollado y sus técnicas se emplean en diversos campos. Como herramienta de gestión, se ha convertido en un instrumento indispensable para explicar datos, pronósticos, pesos y utilidades diversas (Domínguez et al., 2020). Constituye una disciplina clave en la investigación científica: “La Estadística es el nexo común que presentan la mayoría de las investigaciones científicas en las que interviene el tratamiento…” (Quirantes, 2022).

Como ciencia, la Estadística aporta los métodos, técnicas y herramientas necesarias para el procesamiento, análisis e interpretación de la información resultante del proceso de investigación científica. Sin embargo, con bastante frecuencia los investigadores hacen un uso excesivo e inadecuado de esta, que lejos de darle peso a los resultados, le quita crédito a la investigación. “Los problemas relacionados con el manejo de información estadística suponen una amenaza para la comunicación efectiva de los avances científicos” (Ruiz-Ruano García & López Puga, 2020). Las investigaciones independientemente a su enfoque (cualitativo, cuantitativo o mixto) requieren del manejo de datos, y por ende, de una metodología estadística que permita realizar un correcto diseño muestral, una selección adecuada de las técnicas y pruebas estadísticas a emplear, así como las medidas de resumen a utilizar según el tipo de variable y la forma en que serán presentados los resultados (ej. tablas, gráficos).

Existen evidencias de las dificultades relacionadas con lo expresado en el párrafo anterior, sobre todo en las investigaciones cuantitativas, se hace una inadecuada selección de la muestra, de las pruebas estadísticas a emplear según el objetivo de la investigación (que hasta en ocasiones no son necesaria) incurriendo en un uso excesivo o en un mal uso de la Estadística. Es por ello que el propósito de este artículo es reflexionar como investigadores, docentes y asesores sobre el uso de la Estadística en las investigaciones científicas.

Desarrollo

La calidad de los trabajos de investigación científica está influenciada por varios factores, entre los que se destacan: la correcta elección de la prueba estadística de acuerdo con los tipos de variables estudiadas, el análisis de la información recogida (datos) y la presentación adecuada de los resultados, adaptados a los objetivos del trabajo de investigación.

En ocasiones los profesionales «complican» el tratamiento estadístico de los datos resultante de sus trabajos investigativos porque creen que hacerlo mejorará el estudio o tendrá un impacto en la ciencia. Esto, lejos de impresionar, pone a la luz de la comunidad científica la poca cultura estadística que poseen. Pues no sé trata de usar las técnicas y métodos estadísticos indiscriminadamente, sino, de usar los necesarios y los que realmente permitirán no solo resumir los resultados, sino dar salida a los objetivos de la investigación.

A modo de reflexión comparto algunos ejemplos relacionados con el tema. Primeramente, hablemos de la estadística descriptiva, la cual nos proporciona las herramientas necesarias para resumir y presentar los resultados de una investigación científica. Aunque parezca sencillo, en múltiples ocasiones no se emplea la medida de resumen adecuada, ni se selecciona el gráfico idóneo para representar la distribución de una o varias variables.

En el caso de las medidas de resumen, el error más frecuente ocurre cuando en variables cuantitativas seleccionamos la media (promedio) para resumir un conjunto de datos, sin considerar si existen o no valores extremos. Pues en caso de la existencia de estos, se recomienda emplear la mediana, que es aquella que divide a un conjunto de datos ordenado a la mitad. Y en los gráficos lo que más ocurre es que no se tiene en consideración el tipo de variables para su selección. En este aspecto llama la atención como se emplean gráficos de barras para representar una variable cuantitativa continua, cuando lo que se debe usar por ejemplo es un histograma o un polígono de frecuencias.

Como segundo tema a reflexionar está el del muestreo; para la autora, uno de los errores más frecuentes en las investigaciones cuantitativas. La literatura sobre este aspecto enseña que siempre que sea posible, se debe estudiar toda la población, pero no siempre esto es posible, ya sea porque la misma es infinita o porque no se cuenta con los recursos y tiempo necesarios para estudiarla en su totalidad. Cuando esto ocurre se opta por trabajar con una muestra y es aquí donde se cometen los errores. Los investigadores no siempre usan el muestreo apropiado y sé olvidan que cuando se trabaja con muestra, los resultados que obtienen son de la muestra estudiada y obvian que su objetivo es el estudio de una población y, por tanto, tienen que generalizar los resultados de la muestra hacia la población empleando técnicas de la estadística inferencial, como es el caso de la estimación de parámetros.

Otro aspecto es el mal uso del muy conocido p-valor, que es el valor que se emplea para rechazar o aceptar una hipótesis estadística, trayendo como consecuencias resultados negativos para la investigación y que pueden hasta poner en riesgo la salud del paciente (en el caso de una investigación médica). Pensemos en que se está probando la eficacia de un determinado tratamiento y que por un mal uso de este valor se interprete que el tratamiento es eficaz, cuando realmente no lo sea.

De esto último se deriva además el uso de las pruebas estadísticas. En ocasiones se eligen sin un previo diseño que demuestre la necesidad de su empleo, trayendo como consecuencia un abuso de estas. También se emplean sin tener en cuenta el tipo de variable (cualitativa o cuantitativa), sin haber declarado la hipótesis a contrastar y en múltiples ocasiones ni se comprueban los supuestos que deben cumplirse para su aplicabilidad. Un ejemplo típico es el empleo de la prueba Ji cuadrado de Pearson, sin valorar las frecuencias absolutas y relativas. Otro elemento que se ha identificado es el de la selección incorrecta de la prueba para analizar variables cuantitativas.

Y concluye esta reflexión con los famosos intervalos de confianzas (IC) y las pruebas de hipótesis. Los primeros empleados para la estimación de parámetros cuando se trabaja con muestras. Pero este tipo de estimación no siempre se puede hacer, ya que tiene que cumplirse que la distribución de los datos debe ser Normal (Gaussiana). Y es este aspecto el que en ocasiones no tiene en cuenta los investigadores. De no cumplirse este supuesto de normalidad, entonces se debe trabajar con la mediana (medida de tendencia central) y el rango intercuartílico (medida de dispersión).

En el caso de las pruebas de hipótesis en sentido general se evidencia mal uso y abuso de las pruebas de hipótesis paramétricas. Se aplican sin comprobar al igual que en los IC que los datos están normalmente distribuidos y sin comprobar que el tamaño muestral es igual o superior a 30, etc. Y aun así, conociendo que no se cumplen estos supuestos, los investigadores deciden realizar las pruebas, cuando deberían aplicar una prueba de hipótesis no paramétrica, como por ejemplo la ya mencionada Ji cuadrado, la prueba de Fisher, entre otras.

Recordar que las pruebas de la estadística inferencial, se sustentan sobre aspectos teóricos y se hace necesaria la comprobación de los supuestos que deben cumplirse. Lamentablemente con bastante frecuencia esta parte queda en el olvido para algunos investigadores y trae, como consecuencia, resultados inapropiados (mal interpretados) y conclusiones erróneas que pueden tener consecuencias desfavorables. Para evitar estos errores se hace necesaria que los investigadores cuenten con un asesoramiento estadístico por parte de profesionales de esta rama.

Por otra parte, el uso innecesario de las pruebas que aporta la estadística inferencial puede hacer que los resultados sean difíciles de interpretar y no tengan sentido. La intensión de esta publicación no busca eliminar las pruebas estadísticas de las investigaciones, sino hacer una reflexión sobre las implicaciones que pudiera traer el mal uso y abuso de ellas en los trabajos de investigación. Y transmitir la idea que las técnicas inferenciales se deben usar, cuando realmente sea necesario.

Si estás buscando asesorías académicas personalizadas para potenciar tu éxito en la educación, ¡estamos aquí para ayudarte! Nuestra empresa se especializa en ofrecer servicios de asesoría académica de alta calidad, respaldados por la investigación educativa y la experiencia de nuestros profesionales. Descubre cómo podemos colaborar contigo en tu camino hacia el conocimiento y el aprendizaje efectivo. ¡Contáctanos hoy mismo para obtener orientación experta y alcanzar tus metas académicas!   

Contactar

Consideraciones Finales

La Estadística es una herramienta fundamental en las investigaciones científicas, pero el abuso de sus pruebas no siempre es indicador de calidad de los resultados que se obtienen. Se debe emplear razonablemente y respetando los criterios teóricos para la aplicación de cada prueba estadística.

Referencias Bibliográficas

Domínguez, E. R. A., Cárdenas, R. E. G., Flores, R. V. L., & Chóez, L. O. C. (2020). Investigación científica y estadística para el análisis de datos. Dilemas contemporáneos: Educación, Política y Valores. https://doi.org/10.46377/dilemas.v8i1.2411

Quirantes, F. M. (2022, junio 1). La estadística en las investigaciones científicas. MasScience. https://www.masscience.com/la-estadistica-en-las-investigaciones-cientificas/

Ruiz-Ruano García, A. M., & López Puga, J. (2020). Cómo mejorar la comunicación de estadísticos inferenciales en ciencias de la salud. REVISTA ESPAÑOLA DE COMUNICACIÓN EN SALUD, 11(1). https://doi.org/10.20318/recs.2020.5173