tamaño del efecto – effect size

Tamaño del Efecto

Primary Disciplinary Field(s): Estadística, Metodología de Investigación, Psicometría

1. Definición Central y Necesidad Metodológica

El tamaño del efecto (TE) es un constructo estadístico fundamental en la metodología de investigación, especialmente en las ciencias sociales, la medicina y la psicología, que cuantifica la magnitud de la relación entre dos variables o la diferencia entre grupos. A diferencia del valor p, que solo indica si un efecto es estadísticamente significativo (es decir, improbable que ocurra por azar), el TE informa sobre la importancia práctica, clínica o sustantiva de dicho efecto. Su cálculo es esencial para pasar de la mera detección de una diferencia a la evaluación de su relevancia en el mundo real, proporcionando una medida de la fuerza del fenómeno observado.

La necesidad del tamaño del efecto surgió históricamente debido a las limitaciones inherentes de la prueba de hipótesis nula (NHST) y el uso excesivo del valor p. Un valor p muy pequeño puede ser fácilmente alcanzado con muestras grandes, incluso si la diferencia observada es trivial o clínicamente insignificante. Por el contrario, un efecto grande puede no alcanzar la significación estadística si la muestra es demasiado pequeña, lo que lleva a un error de Tipo II. El TE, al ser una métrica independiente del tamaño muestral, proporciona una medida estandarizada y objetiva de la fuerza del fenómeno, lo que permite la comparación directa de resultados entre estudios diferentes que pueden haber utilizado distintas escalas de medición o tamaños de muestra.

La American Psychological Association (APA) y otras organizaciones académicas de alto nivel han enfatizado la obligatoriedad de reportar los tamaños del efecto como una práctica estándar de la investigación rigurosa. Esta medida no solo mejora la transparencia y la replicabilidad de los estudios, sino que también facilita el metaanálisis, que depende de los TE reportados para sintetizar la evidencia. El TE es, por lo tanto, la métrica que traduce la inferencia estadística en una declaración significativa sobre la realidad empírica, respondiendo a la pregunta fundamental de la investigación: “¿Qué tan grande es realmente este efecto en la población?”.

2. Tipologías y Clasificaciones Principales

Los tamaños del efecto se clasifican generalmente en dos familias principales, dependiendo de si miden la diferencia entre medias o la fuerza de la asociación entre variables, lo que determina su método de cálculo e interpretación. La primera familia, conocida como la “familia d” (o TE de diferencia), incluye métricas diseñadas para estandarizar la separación entre las medias de dos o más grupos. La segunda familia, la “familia r” (o TE de asociación), se centra en cuantificar la proporción de varianza compartida o la correlación entre variables, indicando el grado de relación lineal o no lineal.

Los tamaños del efecto de la familia d son métricas que estandarizan la diferencia observada dividiéndola por una medida de la desviación estándar (generalmente la desviación estándar agrupada). Esto permite que el resultado se interprete en unidades de desviación estándar, independientemente de las unidades originales de medición (p. ej., puntos de CI o miligramos). El ejemplo canónico de esta familia es la d de Cohen, que es crucial para comparar el rendimiento de un grupo de tratamiento frente a un grupo de control. Otras medidas relacionadas incluyen el g de Hedges, que aplica una corrección de sesgo para muestras pequeñas, y el Δ de Glass, que utiliza la desviación estándar del grupo control.

Por otro lado, los tamaños del efecto de la familia r cuantifican la fuerza de la relación entre variables y suelen variar en un rango limitado, por ejemplo, entre 0 (sin relación) y 1 (relación perfecta). Los ejemplos más comunes son el coeficiente de correlación de Pearson (r) y el coeficiente de determinación (R² o eta cuadrado parcial, η²), que representa la proporción de la varianza total explicada por el modelo o el factor de interés. Mientras que la familia d se enfoca en la magnitud de la separación entre grupos, la familia r se enfoca en la precisión de la predicción o el grado de covariación.

3. Medidas Basadas en la Diferencia de Medias (Familia d)

La d de Cohen es la medida de tamaño del efecto más utilizada para la comparación de medias. Se calcula tomando la diferencia entre las dos medias grupales ($bar{X}_1 – bar{X}_2$) y dividiéndola por la desviación estándar agrupada ($S_p$). La fórmula asume la homogeneidad de las varianzas poblacionales, una suposición común en diseños experimentales donde la aleatorización busca igualar la variabilidad inicial. El valor resultante es una métrica directa de cuántas unidades de desviación estándar separa la media de un grupo de la media del otro, lo que facilita su interpretación estandarizada.

Si bien la d de Cohen es la más popular, presenta un ligero sesgo al alza cuando se utiliza en muestras pequeñas. Para corregir esta limitación, se utiliza el g de Hedges, que aplica un factor de corrección basado en el tamaño de la muestra. Este ajuste reduce el sesgo y hace que la estimación sea más precisa, razón por la cual el g de Hedges es a menudo la métrica preferida en la realización de metaanálisis, donde se combinan estudios con tamaños muestrales dispares. La elección entre d de Cohen y g de Hedges depende crucialmente del tamaño de las muestras incluidas en el análisis.

Una variante adicional es el Δ (delta) de Glass, que se distingue por utilizar la desviación estándar del grupo control como denominador, en lugar de la desviación estándar agrupada. Esta medida es particularmente ventajosa cuando existe una fuerte razón teórica o empírica para creer que la intervención experimental afecta la varianza del grupo de tratamiento, o cuando las varianzas son muy heterogéneas. Al basar la estandarización únicamente en la variabilidad del grupo de referencia (control), el Δ de Glass proporciona una medida más estable del efecto, asumiendo que el grupo control refleja mejor la variabilidad basal.

4. Medidas Basadas en la Asociación (Familia r)

Dentro de la familia r, el coeficiente de correlación de Pearson (r) es el tamaño del efecto por excelencia para variables continuas. Este coeficiente cuantifica tanto la fuerza como la dirección (positiva o negativa) de la relación lineal entre dos variables. Como tamaño del efecto, r es altamente intuitivo: un valor de r cercano a ±1 indica una relación muy fuerte y altamente predecible, mientras que un valor cercano a 0 indica que las variables son esencialmente independientes. Su interpretación es sencilla porque su rango está limitado entre -1 y 1.

En el contexto de modelos más complejos, como la regresión múltiple y el ANOVA, el tamaño del efecto se mide mediante la proporción de varianza explicada. El coeficiente de determinación, R², indica qué porcentaje de la varianza total de la variable dependiente es atribuible al conjunto de predictores en el modelo. En el Análisis de Varianza (ANOVA), el eta cuadrado (η²) cumple una función análoga. Sin embargo, el eta cuadrado es una medida descriptiva que tiende a sobreestimar el tamaño del efecto en la población. Por esta razón, los investigadores suelen preferir el omega cuadrado (ω²) o el eta cuadrado parcial, que son estimadores menos sesgados de la varianza explicada en el nivel poblacional.

Es importante destacar la interconvertibilidad de los tamaños del efecto. Es matemáticamente posible transformar un valor de d de Cohen en un valor de r de correlación, y viceversa, utilizando fórmulas de transformación específicas. Por ejemplo, la fórmula $r = d / sqrt{d^2 + 4}$ permite la conversión directa. Esta flexibilidad metodológica es fundamental, especialmente en la síntesis cuantitativa de la literatura, ya que permite a los investigadores que realizan metaanálisis estandarizar hallazgos reportados originalmente con métricas diferentes bajo una sola medida común.

5. Medidas Basadas en la Frecuencia o el Riesgo

En la investigación epidemiológica, los ensayos clínicos y los estudios de resultados, donde las variables de desenlace son a menudo dicotómicas (es decir, binarias, como “éxito” o “fracaso”), los tamaños del efecto se expresan mediante razones o ratios de riesgo. Las dos métricas principales en esta categoría son el Odds Ratio (OR) y el Risk Ratio (RR). El Odds Ratio (OR) compara las probabilidades (odds) de que un evento ocurra en un grupo de exposición frente a un grupo de referencia, mientras que el Risk Ratio (RR) o Razón de Riesgo compara la probabilidad (riesgo absoluto) del evento entre los grupos.

El Odds Ratio es la métrica preferida en los estudios de casos y controles y en los análisis multivariados que utilizan la regresión logística. Un OR de 1.0 indica la ausencia de un efecto; un OR de 2.0 significa que las probabilidades del evento son el doble en el grupo expuesto. Aunque el OR es matemáticamente robusto y conveniente para el modelado estadístico, su interpretación puede ser menos intuitiva que la del RR, y tiende a sobreestimar la magnitud del efecto en comparación con el RR cuando la prevalencia del evento estudiado es alta (es decir, cuando los eventos son comunes).

Además de las razones relativas, la investigación clínica valora las medidas de diferencia de riesgo por su aplicabilidad directa. La Reducción del Riesgo Absoluto (ARR) es simplemente la diferencia en las tasas de eventos entre los grupos. A partir de la ARR, se calcula el Número Necesario para Tratar (NNT), una medida de tamaño del efecto con gran significado clínico. El NNT (que es el inverso de la ARR) indica cuántos pacientes deben ser tratados con la intervención para prevenir un resultado adverso adicional o lograr un resultado beneficioso adicional. Estas métricas ofrecen una perspectiva tangible y aplicable para la toma de decisiones médicas, complementando las métricas estandarizadas.

6. Interpretación de la Magnitud del Efecto: Criterios de Cohen

Debido a que los tamaños del efecto se expresan en unidades estandarizadas que carecen de un significado intrínseco (como desviaciones estándar), el investigador necesita puntos de referencia para juzgar si un efecto es “pequeño”, “medio” o “grande”. El psicólogo y estadístico Jacob Cohen (1988) proporcionó las directrices más influyentes para la interpretación de la d de Cohen y el coeficiente de correlación (r). Cohen desarrolló estas convenciones basándose en la distribución de los tamaños del efecto observados en la investigación psicológica de su época, aunque siempre advirtió que debían usarse como punto de partida y no como reglas inquebrantables.

Para la d de Cohen, las convenciones establecidas son: un TE de 0.2 se considera pequeño, indicando una diferencia apenas perceptible que requiere una muestra grande para su detección; 0.5 se considera medio, representando una diferencia visible a simple vista y de potencial relevancia práctica; y 0.8 se considera grande, sugiriendo un efecto sustancial que podría tener implicaciones significativas a nivel individual o poblacional. Un efecto grande (0.8) implica que la media del grupo experimental supera aproximadamente al 79% de los individuos del grupo control, lo que subraya la potencia de la intervención.

Para el coeficiente de correlación (r), los criterios de Cohen son adaptados: 0.10 se considera pequeño; 0.30 se considera medio; y 0.50 se considera grande. Es crucial que la interpretación de estas magnitudes sea siempre contextualizada dentro del campo de estudio específico. En disciplinas con alta precisión y bajo ruido (como la física o la ingeniería), un coeficiente de 0.3 podría ser considerado pequeño. Por el contrario, en campos con alta variabilidad biológica o social (como la genética conductual o la sociología), donde los efectos son inherentemente multifactoriales, un r de 0.1 puede ser de gran importancia teórica y considerarse relevante.

7. Rol en el Metaanálisis y la Potencia Estadística

El tamaño del efecto es el componente central del metaanálisis, un procedimiento estadístico diseñado para sintetizar cuantitativamente los resultados de múltiples estudios independientes. El metaanálisis requiere que todos los hallazgos primarios de los estudios incluidos se transformen en una métrica de tamaño del efecto común y comparable (el “efecto estandarizado”), como el g de Hedges. Una vez estandarizados, estos TE se combinan mediante métodos ponderados para calcular un tamaño del efecto promedio global. Este promedio ponderado proporciona la estimación más robusta y precisa de la verdadera magnitud del fenómeno en la población, minimizando el ruido del error muestral individual.

Además de su función en la síntesis de evidencia, el tamaño del efecto es un componente indispensable en el cálculo de la potencia estadística (power). La potencia es la probabilidad de que un estudio detecte correctamente un efecto cuando este realmente existe en la población (es decir, la probabilidad de rechazar una hipótesis nula falsa). El cálculo de la potencia requiere la especificación de tres elementos interrelacionados: el nivel de significancia (alfa), el tamaño de la muestra (N) y el tamaño del efecto esperado (TE).

Los investigadores utilizan el tamaño del efecto esperado, a menudo derivado de metaanálisis o estudios piloto, para realizar un análisis de potencia prospectivo antes de la recolección de datos. Este análisis determina el tamaño muestral mínimo necesario para detectar el efecto con una probabilidad aceptable (convencionalmente 80%). Si el estudio se diseña sin una estimación previa del tamaño del efecto, puede resultar en una potencia insuficiente, lo que aumenta el riesgo de errores de Tipo II (falsos negativos), o en un sobremuestreo innecesario si el efecto esperado es muy grande, malgastando recursos.

8. Debates Actuales y la Crisis de Replicabilidad

El énfasis creciente en reportar los tamaños del efecto es una respuesta directa a la llamada “crisis de replicabilidad” y al mal uso generalizado del valor p. La obsesión por la significación estadística llevó a prácticas cuestionables como el p-hacking y la publicación selectiva de resultados que cruzaban el umbral de p < 0.05, independientemente de su magnitud real. La inclusión obligatoria del TE, junto con su intervalo de confianza, ayuda a mitigar este problema al forzar a los investigadores a considerar y reportar la importancia sustantiva de sus hallazgos, incluso cuando la significación estadística es marginal.

No obstante, el uso del TE no está exento de críticas. Un problema metodológico significativo, especialmente en áreas con baja potencia estadística, es el fenómeno de la sobreestimación. Cuando solo se publican aquellos estudios que logran la significación estadística, los metaanálisis posteriores que utilizan estos TE reportados tienden a sobreestimar el verdadero tamaño del efecto poblacional. Este sesgo de publicación implica que los efectos que son significativos en muestras pequeñas a menudo son exagerados, y su magnitud real es menor de lo que sugiere la literatura publicada.

Para abordar la incertidumbre inherente en la estimación del tamaño del efecto, la práctica moderna recomienda enfáticamente el reporte de intervalos de confianza (IC) alrededor del TE. Mientras que el TE es una estimación puntual, el IC proporciona un rango de valores plausibles para el verdadero tamaño del efecto poblacional con un nivel de confianza especificado (típicamente 95%). Un intervalo de confianza estrecho indica una estimación precisa y robusta, mientras que un intervalo amplio sugiere alta incertidumbre. El reporte del IC promueve una visión más matizada y menos determinista de los hallazgos de la investigación, moviendo la atención del simple valor p hacia la precisión y la magnitud del efecto.

9. Lecturas Adicionales

• Wikipedia: Tamaño del efecto
• Wikipedia: D de Cohen
• Wikipedia: Metaanálisis
• Wikipedia: Razón de momios (Odds Ratio)