3. Poder estadístico y tamaño de muestra en R: Diseños factoriales [TUTORIAL Parte 2]
Vložit
- čas přidán 30. 07. 2024
- En esta serie/tutorial, explico cómo hacer análisis de poder (o potencia) estadística para calcular el tamaño de muestra necesario para un estudio. Este tercer video [TUTORIAL Parte 2] se centra el análisis de poder y cálculo de tamaño de muestra para diseños factoriales (de medidas independientes, repetidas y mixtas) usando el paquete Superpower para R.
SECCIONES DE ESTE VIDEO:
1. Presentación: (0:00)
2. Intro a diseños factoriales en Superpower: (1:17)
3. Instalación y carga de Superpower: (6:25)
4. Acerca de comparaciones post-hoc: (7:29)
5. ANOVA de medidas independientes: (11:09)
6. ANOVA de medidas repetidas: (25:30)
7. ANOVA de medidas mixtas: (37:26)
8. Cómo funciona Superpower: (46:54)
9. Conclusiones: (50:21)
VIDEOS EN ESTA SERIE:
1. Introducción: Conceptos básicos [ • 1. Poder estadístico y... ]
2. Parte 1 [TUTORIAL]: Diseños sencillos (correlación, pruebas t, ANOVA de una vía) [ • 2. Poder estadístico y... ]
3. Parte 2 [TUTORIAL]: Diseños factoriales (ANOVAs factoriales de medidas independientes, repetidas, y mixtas)
DOCUMENTO DE APOYO:
Leongómez, J. D. (2020). Análisis de poder estadístico y cálculo de tamaño de muestra en R: Guía práctica. Zenodo. doi.org/10.5281/zenodo.3988776
_____________________________________________________________________
Si quieres saber más de mí o mi trabajo, visita mi página personal [jdleongomez.info/es/]
MÚSICA: Babies In Grey - Cantgotu [ / babies-in-grey / www.youtube.com/watch?v=umcgX...]
#estadística, #jamovi, #R
Excelentes videos y claridad en las explicaciones. Felicitaciones Juan. Muy buen material de apoyo.
Mil gracias Gonzalo. Qué chévere leer un comentario como el tuyo. Saludos!
Muchas gracias, muy explicativo y sin duda ayudará a muchos de nosotros a mí en primero con dichas estimaciones
Mil gracias Ricardo! Ojalá te sea útil. Mucha suerte
Estimado Juan, muchas gracias por compartir tu conocimiento, es de mucha utilidad. Saludos desde la UIS
Mil gracias Alexander! Me hace muy feliz leer tu comentario. Un saludo también para ti
Hola doctor, una pregunta: que pasa si quiero comprobar en un paper si el tamaño de muestra fue adecuado pero para el anova usó el logaritmo de un porcentaje por que no cumplía con la normalidad. En el paper no muestra el log sino el porcentaje. Puedo usar los promedios de porcentajes para el análisis de poder? O debo trabajar con el logaritmo? Gracias.
Hola Jorge Luis. Voy a tratar de responder tu pregunta en tres partes; ten en cuenta que de las dos primeras, que son notas de cuidado más que respuestas, no estoy completamente seguro, y quizás tendría sentido hablar con un estadístico que pueda responderlas mejor:
1. Transformar los datos en logaritmos es una técnica común para lidiar con problemas de normalidad. Sin embargo, su interpretación debe ser cuidadosa, pues al convertir los valores en logaritmos, el modelo mismo puede cambiar (sobre todo cuando se trata de modelos no lineales, que no sería el caso). Esto te lo digo pues debes tener cuidado extra pues l@s autores del estudio pueden haber cometido errores de interpretación. Adicionalmente, no estoy seguro de qué tan correcto sea transformar porcentajes en logaritmos; no digo que no lo sea, pero es algo que habría que mirar, pues honestamente no estoy seguro (para más información, te recomiendo, por ejemplo, este artículo de Changyong, et al, 2014; www.ncbi.nlm.nih.gov/pmc/articles/PMC4120293/ ).
2. Para hacer un análisis de poder a posteriori, creo que tendría sentido usar la variable dependiente tal cual es (es decir, en porcentajes, asumiendo que esto sea correcto).
3. Hacer análisis de poder estadístico a posteriori es muy poco informativo, y generalmente no recomendado, principalmente por una razón: los efectos hallados en el estudio pueden no corresponder con el tamaño de efecto real, y si haces un análisis de poder sobre estos valores, sencillamente te va a decir que el poder sí era adecuado cuando encontraron un resultado significativo (por eso fue significativo y lo detectaron como tal), pero inadecuado para resultados no significativos. Por eso en general se sugiere hacer análisis de poder a priori, con respecto a un tamaño de efecto hipotético que se quiere detectar. Entonces, en tu caso, tendría sentido hacer ese análisis de poder y tamaño de muestra de ese estudio, siempre y cuando lo hagas con respecto al tamaño de efecto hipotético que se buscaba identificar. Ahora, los valores de ese estudio (medias y desviaciones estándar, que en últimas te dan un tamaño de efecto), podrían servirte para hacer un nuevo análisis de poder para, por ejemplo, una replicación de ese estudio, asumiendo que los efectos hallados en ese estudio son los reales (si quieres más información, te recomiendo, por ejemplo, este artículo de Hoenig & Heisey, 2001; dirnagl.files.wordpress.com/2014/07/hoenig-heisey-the-abuse-of-power2001.pdf ).
Espero que esto te ayude, y lamento no poderte dar una respuesta más concreta. Las dos primeras partes de mi respuesta, como mencioné, son dudas que tengo. El tercer punto sí puedo afirmarlo con seguridad. Mucha suerte.