Cómo Elegir el Test Estadístico Correcto (Árbol de Decisión)

Elegir el test estadístico adecuado es una de las decisiones más importantes en cualquier investigación en psicología, y también una de las que más inseguridad genera. Ante un conjunto de datos recién recogidos, muchos investigadores se preguntan si deberían usar una prueba t o un ANOVA, si sus datos permiten una regresión o necesitan un enfoque no paramétrico, si la correlación de Pearson es apropiada o sería mejor Spearman. La respuesta siempre depende de los mismos factores: el tipo de pregunta de investigación, la naturaleza de las variables implicadas, el diseño del estudio y el cumplimiento de los supuestos estadísticos. Una vez que se entiende cómo estos factores interactúan, la elección deja de ser un misterio y se convierte en un proceso lógico y bastante directo.

Lo primero que conviene aclarar es que no existe una jerarquía de tests donde unos sean mejores que otros en abstracto. Una prueba t no es inferior a un ANOVA mixto ni una correlación de Pearson es más rudimentaria que un modelo de ecuaciones estructurales. Cada técnica está diseñada para responder a un tipo de pregunta con un tipo de datos. El error está en aplicar una herramienta sofisticada cuando una sencilla bastaba, o en usar una prueba simple cuando la complejidad de los datos requiere algo más elaborado. La clave está en el ajuste entre la pregunta, los datos y el análisis.

¿Qué prueba estadística debo usar? Los 3 factores que lo deciden

Para elegir la prueba estadística correcta basta con responder a tres preguntas, en este orden:

• El diseño y el tipo de pregunta: ¿comparas grupos, mides la relación entre variables o predices una variable a partir de otras?
• El número de mediciones o grupos: ¿una sola medición, dos grupos/medidas o tres o más? ¿Son muestras independientes o medidas repetidas?
• La escala de medición de las variables: ¿nominal, ordinal o de intervalo/razón? ¿Se cumplen los supuestos (normalidad, homocedasticidad) que exigen las pruebas paramétricas?

Con esas tres respuestas el test casi se elige solo: comparar dos grupos independientes en una variable continua y normal lleva a una prueba t para muestras independientes; si la variable es ordinal o no cumple normalidad, a la U de Mann-Whitney. Puedes recorrer este árbol de decisión de forma interactiva, paso a paso, en el selector de test estadístico.

El punto de partida: tu pregunta de investigación

Antes de pensar en tests estadísticos, hay que formular con claridad qué se quiere saber. Las preguntas de investigación en psicología suelen caer en tres grandes categorías: comparar grupos, explorar relaciones entre variables, o predecir una variable a partir de otras. Cada categoría apunta hacia una familia de técnicas diferente, y afinar la pregunta dentro de cada categoría ayuda a precisar aún más la elección.

Cuando queremos comparar grupos, las preguntas clave son cuántos grupos se comparan y si las medidas son independientes o repetidas. Si comparamos dos grupos independientes en una variable continua, la prueba t de Student para muestras independientes es la opción clásica. Si los mismos participantes son medidos en dos momentos (antes y después de una intervención, por ejemplo), utilizamos la prueba t para muestras relacionadas. Cuando hay tres o más grupos independientes, el ANOVA de un factor toma el relevo. Y si combinamos varios factores entre sujetos, o factores entre e intra sujetos, entramos en el terreno de los ANOVAs factoriales y mixtos.

Cuando el interés está en la relación entre variables, las preguntas relevantes son cuántas variables están implicadas y qué tipo de asociación se busca. Para la relación lineal entre dos variables continuas, la correlación de Pearson es el punto de partida. Si queremos predecir una variable continua a partir de uno o varios predictores, la regresión lineal (simple o múltiple) es la herramienta adecuada. Cuando la variable que queremos predecir es categórica (por ejemplo, presencia o ausencia de un diagnóstico), recurrimos a la regresión logística (cuyos resultados se interpretan mediante odds ratios). Y si las relaciones entre variables son más complejas, con mediaciones, moderaciones o variables latentes, los modelos de ecuaciones estructurales ofrecen el marco más flexible.

La naturaleza de tus variables importa

El nivel de medida de las variables es un factor determinante en la elección del test. Las variables continuas (o de intervalo/razón), como las puntuaciones en un cuestionario con suficientes ítems o medidas cronométricas, permiten utilizar la mayoría de técnicas paramétricas. Las variables ordinales (como una escala Likert de un solo ítem o un ranking) y las variables nominales (como el género, el diagnóstico o la condición experimental) requieren tratamientos diferentes.

Cuando la variable dependiente es continua y las independientes son categóricas, estamos en el territorio de las pruebas t y los ANOVAs. Cuando tanto la variable dependiente como las independientes son continuas, la correlación y la regresión son las opciones naturales. Cuando la variable dependiente es categórica, necesitamos chi-cuadrado (si las variables independientes también son categóricas) o regresión logística (si hay predictores continuos o mixtos). Y cuando las variables dependientes son recuentos o tiempos hasta un evento, existen técnicas específicas como la regresión de Poisson o el análisis de supervivencia.

Un matiz importante es la diferencia entre la escala de medida teórica y la práctica. Una escala Likert de 7 puntos respondida por un solo ítem es, estrictamente, ordinal. Pero la suma de 20 ítems Likert produce una puntuación total que muchos investigadores tratan como continua, y la evidencia empírica sugiere que los tests paramétricos son razonablemente robustos con estas variables siempre que las distribuciones no sean extremadamente asimétricas. La decisión de tratar una variable como continua u ordinal no es puramente estadística sino que implica juicios sustantivos sobre la naturaleza del constructo medido.

Supuestos estadísticos: verificar antes de decidir

Cada técnica paramétrica viene con un conjunto de supuestos que, idealmente, deben cumplirse para que los resultados sean fiables. Los más habituales son la normalidad de la distribución (o de los residuos, según el caso), la homogeneidad de varianzas (homocedasticidad) y la independencia de las observaciones. Verificar estos supuestos antes de elegir definitivamente el test es una buena práctica que puede ahorrar problemas posteriormente.

La normalidad se evalúa mediante pruebas como Shapiro-Wilk o Kolmogorov-Smirnov, aunque la inspección visual de histogramas y gráficos Q-Q suele ser más informativa. La homogeneidad de varianzas se contrasta con la prueba de Levene. La independencia de observaciones no se verifica estadísticamente sino que se asegura mediante el diseño del estudio (cada participante aporta datos de forma independiente, sin influencia de otros participantes). Cuando estos supuestos se violan, hay tres estrategias posibles: utilizar la versión robusta del test paramétrico (como la corrección de Welch para la prueba t cuando las varianzas son desiguales), transformar los datos para que cumplan los supuestos, o recurrir a la alternativa no paramétrica correspondiente.

Las alternativas no paramétricas más comunes son la U de Mann-Whitney (equivalente a la t de Student para muestras independientes), la prueba de Wilcoxon de rangos con signo (equivalente a la t pareada), la H de Kruskal-Wallis (equivalente al ANOVA de un factor) y la rho de Spearman (equivalente a la correlación de Pearson). Estas pruebas trabajan con rangos en lugar de con las puntuaciones originales y no asumen normalidad, pero tienen menor potencia estadística cuando los supuestos paramétricos sí se cumplen. Por eso no es recomendable usar pruebas no paramétricas por defecto como estrategia preventiva, sino solo cuando hay evidencia clara de que los supuestos paramétricos están seriamente comprometidos.

Más allá de lo básico

La investigación psicológica actual plantea preguntas cada vez más complejas que requieren técnicas que van más allá del repertorio clásico de t, ANOVA y regresión. Los datos anidados (alumnos dentro de aulas, pacientes dentro de terapeutas) necesitan modelos multinivel que tengan en cuenta la estructura jerárquica. Los datos longitudinales con más de dos mediciones requieren modelos de curvas de crecimiento o ANOVA de medidas repetidas con correcciones apropiadas. Los cuestionarios con múltiples subescalas se analizan mejor con modelos de ecuaciones estructurales que con correlaciones bivariadas aisladas. Y cuando el interés está en identificar subgrupos homogéneos dentro de una muestra, técnicas como el análisis de clases latentes o el análisis de perfiles latentes ofrecen posibilidades que los análisis clásicos de agrupamiento no proporcionan.

La recomendación final, y quizá la más práctica, es empezar siempre por lo más simple. Si una prueba t responde a tu pregunta, no uses un ANOVA. Si un ANOVA basta, no construyas un modelo de ecuaciones estructurales. La complejidad analítica debería estar justificada por la complejidad de la pregunta y de los datos, no por el deseo de impresionar a los revisores. Al mismo tiempo, no conviene simplificar excesivamente cuando la pregunta y los datos requieren un enfoque más sofisticado. El equilibrio entre parsimonia y adecuación es lo que define un buen análisis estadístico, y encontrar ese equilibrio es una habilidad que se desarrolla con la experiencia, la lectura metodológica y, sobre todo, con la práctica.

Antes de enviar el manuscrito: la elección del test es de las primeras cosas que un revisor metodológico pone en duda, sobre todo si has tratado como continua una variable ordinal o si has pasado por encima de un supuesto. Cuando ya tengas el borrador escrito, puedes pasarlo por el Revisor Q1, una pre-revisión gratuita estilo Reviewer 2 que te señala qué objetaría un revisor sobre el análisis que has elegido y sobre cómo lo reportas, antes de que te lo diga la revista.

Si estás bloqueado decidiendo qué prueba aplicar a los datos de tu tesis, en mi consultoría estadística para tesis doctorales repasamos juntos el diseño y elegimos el análisis adecuado antes de tocar el software. Una decisión tomada bien aquí ahorra semanas de reanalizar más tarde.