El comentario llega casi siempre con la misma forma: «the authors should conduct a sensitivity analysis to determine whether the results hold when outliers are retained» o, en su versión más incómoda, «the findings appear to depend on a number of analytic decisions that are not justified». Suena a que te piden un análisis más. No es eso. Te están diciendo que sospechan que tu resultado es un artefacto de una decisión que tomaste tú.
La buena noticia es que un análisis de sensibilidad es de los pocos encargos de revisión que se resuelven en una tarde y sin recoger un solo dato nuevo. La mala es que el 90% de las respuestas que se envían no contestan a la pregunta: repiten el análisis principal quitando tres casos, dicen «los resultados se mantuvieron» y no enseñan nada. Eso el revisor lo lee como una evasiva y lo devuelve.
Aquí tienes qué está sospechando exactamente, cómo identificar qué decisiones hay que poner a prueba en TU manuscrito, la ejecución concreta en SPSS, R, jamovi y Mplus, el formato APA 7 de la tabla y del texto, y dos párrafos de respuesta redactados: uno para cuando el resultado aguanta y otro, más importante, para cuando no aguanta.
Un manuscrito de psicología típico contiene entre quince y treinta decisiones analíticas que el autor tomó sin darse cuenta de que eran decisiones: excluir a quien tardó menos de diez minutos en la batería, quitar los valores a más de tres desviaciones típicas, imputar con la media de la escala, meter la edad como covariable pero no el nivel educativo, tratar una Likert de cinco puntos como continua, colapsar los grupos de «divorciado» y «separado». Cada una era razonable. Ninguna era la única razonable.
El revisor sabe que ese conjunto de decisiones define un espacio de análisis posibles y que tú le has enseñado exactamente uno de ellos, el que acabó en el manuscrito. Lo que sospecha no es mala fe: sospecha que las decisiones se fueron tomando mientras mirabas los resultados, que es lo que Simmons, Nelson y Simonsohn (2011) llamaron grados de libertad del investigador. Y sabe que basta con una elección afortunada entre varias defendibles para convertir un efecto inexistente en un p = .04.
Por eso el encargo real es este: enséñame que tu conclusión no depende de esa elección concreta. No te pide un análisis alternativo, te pide una prueba de robustez. La diferencia es que un análisis alternativo se reporta como un resultado más, y un análisis de sensibilidad se reporta como una comparación explícita entre la especificación principal y las variantes, con las estimaciones puestas una al lado de otra.
Hay una segunda cosa que conviene entender: el revisor casi nunca espera que el resultado cambie. Espera ver que tú lo comprobaste. Un manuscrito que enseña cinco variantes y en una de ellas el efecto se atenúa, y lo dice, resulta más creíble que uno donde las cinco salen idénticas hasta el tercer decimal.
Esta confusión hace perder rondas de revisión enteras, así que conviene despejarla antes de tocar nada. En la literatura hay dos cosas distintas que se llaman igual en inglés.
La primera es el análisis de sensibilidad de robustez, el de esta página: repetir el análisis cambiando decisiones metodológicas y comprobar si la conclusión sobrevive. Es lo que piden los revisores nueve de cada diez veces, y es lo que quiere decir un revisor que escribe «sensitivity analyses excluding participants who...».
La segunda es el sensitivity power analysis, la tercera pestaña de G*Power: fijas el tamaño muestral que tienes, α y la potencia deseada, y el programa te devuelve el efecto mínimo que tu estudio podía detectar. Es un análisis de potencia, no de robustez, y responde a una pregunta completamente distinta. Si un revisor escribe «given the sample size, a sensitivity analysis should be reported to establish the smallest effect the study could detect», está pidiendo esto segundo, y lo tratamos en la página sobre cómo justificar el tamaño muestral.
Cómo distinguirlos en el comentario que te ha llegado: si la frase menciona exclusiones, outliers, datos faltantes, covariables, puntos de corte o especificación del modelo, es robustez. Si menciona potencia, muestra, efecto detectable o G*Power, es potencia. Si el comentario es ambiguo, responde a las dos y dilo: «interpretamos el comentario en sus dos acepciones y abordamos ambas». Nadie penaliza por dar de más aquí.
No se trata de hacer treinta variantes. Se trata de identificar las decisiones que de verdad podrían mover tu conclusión principal. El criterio es sencillo: una decisión merece análisis de sensibilidad si afectó a un número apreciable de casos o si existe una alternativa igual de defendible en la literatura. Estas son las cinco familias que un revisor de psicología pide de verdad.
Es la número uno con diferencia. Si tu método dice «se excluyeron 34 participantes por fallar los ítems de control de atención», el revisor quiere ver el análisis con esos 34 dentro. Y si excluiste outliers univariados con el criterio de ±3 DT, quiere verlo con ±3,29 DT, con el criterio robusto de la desviación absoluta mediana, y sin excluir nada.
Un matiz que distingue una respuesta buena de una mediocre: la exclusión de outliers multivariados por distancia de Mahalanobis es especialmente sensible al criterio elegido, porque el punto de corte habitual (p < .001 sobre una χ² con df igual al número de variables) elimina bastantes más casos de los que la gente espera cuando hay muchas variables en juego. Enseña cuántos casos cae con cada criterio, no solo el resultado final.
Si usaste eliminación por lista (listwise), que es el comportamiento por defecto de casi todo, has descartado silenciosamente a todo el que dejó un ítem en blanco, y esa gente no suele ser aleatoria. La variante obligatoria aquí es repetir el análisis con máxima verosimilitud con información completa (FIML) o con imputación múltiple, y comparar.
Si el porcentaje de faltantes supera el 5% en alguna variable clave, esta es la sensibilidad que un revisor Q1 pedirá aunque no la pidas tú. Y si tu diseño es longitudinal con abandono, la comparación no es opcional: hay que enseñar además el perfil de quien abandonó frente a quien se quedó.
Aquí la sensibilidad va en las dos direcciones: enseñar el modelo crudo sin ninguna covariable y el modelo ajustado. Si el coeficiente cambia poco, tu efecto es robusto al ajuste; si desaparece al meter el nivel socioeconómico, tienes un hallazgo distinto del que escribiste. Cuidado con un error frecuente: meter más y más covariables no es un análisis de sensibilidad más riguroso, porque hay controles que sesgan (lo desarrollamos en la página sobre controlar covariables).
En un modelo de ecuaciones estructurales: ML frente a MLR con errores robustos, WLSMV si los ítems son ordinales con pocas categorías, con y sin las correlaciones entre residuos que añadiste guiado por los índices de modificación. En una regresión: con la variable dependiente en bruto frente a transformada, o con un modelo robusto frente al de mínimos cuadrados. En un modelo multinivel: con y sin pendientes aleatorias.
Si dicotomizaste el BDI-II en 14 para separar «con síntomas depresivos» y «sin síntomas», enseña qué pasa con el punto de corte alternativo publicado y, sobre todo, con la variable continua sin cortar. La dicotomización de variables continuas pierde potencia y puede crear efectos espurios (MacCallum, Zhang, Preacher y Rucker, 2002), y muchos revisores de psicología clínica llevan ese artículo grabado a fuego.
La regla de oro es que el análisis de sensibilidad debe ser IDÉNTICO al principal salvo en la decisión que estás variando. Si de paso cambias el estimador y las covariables, ya no sabes a qué atribuir la diferencia y el revisor tampoco.
Lo eficiente es sintaxis, no menús, porque vas a repetir el mismo bloque varias veces. Crea una variable de filtro por cada criterio (por ejemplo, un COMPUTE de un indicador de exclusión y luego USE ALL / SELECT IF), lanza el mismo bloque de REGRESSION o MIXED bajo cada filtro y guarda las salidas etiquetadas. Al terminar, restaura siempre con USE ALL, que es el olvido clásico que contamina el análisis siguiente.
Para la variante de datos faltantes, SPSS Missing Values permite imputación múltiple con MULTIPLE IMPUTATION y luego agrupa automáticamente los resultados en la salida (la fila «Pooled»). Si tu licencia no incluye el módulo, esa variante concreta hay que hacerla en R y decirlo en el método.
Es donde el análisis de sensibilidad sale casi gratis: escribe el análisis como una función que recibe el conjunto de datos y devuelve el coeficiente de interés, y recórrela sobre una lista de conjuntos de datos filtrados con lapply. En quince líneas tienes las seis variantes y una tabla comparativa.
Para datos faltantes, mice para imputación múltiple con pool() sobre los modelos ajustados, o lavaan con missing = "fiml" si es SEM. Para la versión ambiciosa, el paquete specr construye una curva de especificación completa: cruza todas las combinaciones de decisiones y las dibuja ordenadas por tamaño del efecto. Si tu manuscrito tiene tres o cuatro decisiones defendibles cruzadas, esa figura contesta al revisor mejor que cualquier párrafo.
La pestaña de filtros de jamovi es justo la herramienta: cada filtro es una fila con su expresión y su interruptor, y todos los análisis abiertos se recalculan al activarlo o desactivarlo. Lo práctico es duplicar el análisis (clic derecho sobre el resultado, duplicar) antes de cambiar el filtro, para conservar las dos salidas visibles a la vez y poder compararlas sin ir y venir. Para la fiabilidad y los modelos de medida, el módulo de fiabilidad y el de SEM aceptan el mismo juego de filtros.
Se resuelve con USEOBSERVATIONS en el bloque VARIABLE para las exclusiones, y cambiando ESTIMATOR en ANALYSIS para la variante de estimador. Como Mplus por defecto ya usa FIML con estimación ML ante datos faltantes, la variante que suele pedirse aquí es la contraria: enseñar qué pasaba con LISTWISE = ON para documentar cuánto aportaba el manejo de faltantes. Guarda cada variante en su propio archivo .inp con nombre explícito, porque en la ronda siguiente el editor puede pedirte los archivos.
Un análisis de sensibilidad bien reportado tiene tres piezas: una frase en el método que declare qué decisiones se pusieron a prueba y por qué, una tabla comparativa, y una frase en resultados que interprete la comparación. Si solo pones la tabla, el lector tiene que hacer el trabajo; si solo pones la frase, el revisor no te cree.
La tabla es lo importante y tiene una estructura fija: una fila por especificación, y en las columnas la estimación del parámetro clave con su error típico, el intervalo de confianza del 95%, el valor p, el tamaño del efecto y el n de esa especificación. Esa última columna es la que más se olvida y la que primero mira el revisor, porque le dice cuánta muestra se movía con cada decisión. Ordena las filas dejando la especificación principal en primer lugar y marcándola en la nota de la tabla.
En el texto, la norma APA 7 sobre reporte de análisis no cambia porque el análisis sea de sensibilidad: valores exactos, p con dos o tres decimales y sin ceros a la izquierda, intervalos de confianza para toda estimación principal. La frase tipo queda así:
«Los análisis de sensibilidad replicaron el modelo principal bajo cuatro especificaciones alternativas (Tabla 3). La asociación entre rumiación y sintomatología depresiva se mantuvo en todas ellas, con coeficientes estandarizados entre β = .28 y β = .34 y todos los intervalos de confianza del 95% excluyendo el cero. La especificación más conservadora, conservando los 34 participantes excluidos por controles de atención, produjo la estimación más baja (β = .28, IC 95% [.17, .39], p < .001).»
Si el análisis de sensibilidad ocupa mucho, va al material suplementario, pero la tabla resumen se queda en el cuerpo del artículo. Mandar entero al suplementario lo que el revisor te pidió expresamente es una forma de que te lo vuelva a pedir.
Aquí están los dos escenarios. Adáptalos cambiando variables, cifras y números de página; la estructura es la que funciona.
«Agradecemos esta observación, que nos ha llevado a poner a prueba de forma explícita las decisiones analíticas del estudio. Hemos añadido una sección de análisis de sensibilidad (pp. 14-15) en la que el modelo principal se replica bajo cuatro especificaciones alternativas: (a) conservando los 34 participantes excluidos por los ítems de control de atención; (b) sin excluir casos atípicos univariados; (c) sustituyendo la eliminación por lista por estimación FIML; y (d) sin las covariables sociodemográficas. Los resultados se resumen en la nueva Tabla 3.
La asociación entre rumiación y sintomatología depresiva se mantuvo estadísticamente significativa y con una magnitud comparable en las cuatro especificaciones (β entre .28 y .34, todos los IC 95% excluyendo el cero). La estimación más baja corresponde a la especificación que conserva a los participantes excluidos por controles de atención, lo que es coherente con un efecto atenuado por ruido de respuesta y no con un artefacto de la exclusión. Hemos añadido esta lectura al texto (p. 15) y hemos declarado en el método que ninguna de las decisiones analíticas se tomó después de observar los resultados.»
Este es el escenario que la gente teme y el que mejor se puede aprovechar. Un efecto que se cae en una de cinco especificaciones no es el fin del manuscrito: lo que hunde un manuscrito es que el revisor descubra la fragilidad y tú la hubieras escondido. Reencuadra, no ocultes.
«Agradecemos la sugerencia, que ha resultado especialmente informativa. Al replicar el modelo bajo cinco especificaciones alternativas (nueva Tabla 3, pp. 14-15) hemos comprobado que el efecto de interacción entre apoyo social percibido y estrés no se mantiene cuando se conservan los casos atípicos multivariados (β = .09, IC 95% [-.02, .20], p = .11), mientras que sí lo hace en las otras cuatro especificaciones (β entre .17 y .21).
Hemos modificado el manuscrito en tres puntos para reflejar esto con precisión. Primero, la nueva Tabla 3 presenta las cinco especificaciones con su n correspondiente. Segundo, hemos reescrito el pasaje de resultados (p. 15) para describir el efecto de interacción como dependiente de la exclusión de siete casos atípicos, en lugar de presentarlo como un hallazgo estable. Tercero, hemos rebajado la afirmación correspondiente en la discusión (p. 20), que ahora describe el efecto amortiguador del apoyo social como una hipótesis que este estudio no puede sostener con firmeza y que requiere replicación con mayor tamaño muestral. Consideramos que el manuscrito es ahora una descripción más honesta de la evidencia disponible, y agradecemos que el comentario nos llevara hasta ahí.»
Estos son los que aparecen una y otra vez en segundas rondas, cuando el revisor escribe «my previous comment has not been adequately addressed».
Entre tres y seis para un artículo empírico estándar. Menos de tres se lee como un gesto simbólico; más de seis convierte la sección en un laberinto salvo que uses una curva de especificación, que es justamente el formato pensado para muchas combinaciones. El criterio no es el número, sino cubrir todas las decisiones que afectaron a un porcentaje apreciable de casos o que tienen alternativa publicada.
La tabla resumen y dos o tres frases de interpretación van en el cuerpo, siempre. Las salidas completas, la sintaxis y las especificaciones adicionales van al suplementario. Si el revisor pidió expresamente el análisis y lo mandas entero al suplementario, la lectura habitual es que estás escondiendo algo, aunque no sea así.
Si perdiste el archivo con los casos excluidos, no puedes reconstruir esa variante y lo honesto es decirlo en la respuesta, no improvisar. Sí puedes hacer las variantes que dependan de la especificación del modelo (estimador, covariables, transformaciones), que no requieren recuperar casos. Es también un argumento para archivar siempre el conjunto de datos crudo antes de aplicar el primer filtro.
No. El análisis de sensibilidad varía decisiones analíticas sobre los mismos datos. La validación cruzada divide la muestra para comprobar si el modelo generaliza a casos no usados en el ajuste. Responden a preocupaciones distintas: robustez frente a las decisiones del analista, en un caso, y sobreajuste, en el otro. Si el revisor está preocupado por el sobreajuste (por ejemplo, tras una selección de variables por pasos), la sensibilidad no le contesta.
Ejecútala igual y enséñala, acompañada del argumento de por qué no la elegirías como principal. Negarse a correr un análisis es lo único que garantiza otra ronda; correrlo y explicar sus limitaciones te deja en la posición fuerte. Si por ejemplo pide dicotomizar una variable continua, puedes presentar ambas y citar por qué la continua es preferible.
No es obligatorio, pero cambia cómo se leen. Un análisis de sensibilidad preespecificado en un registro previo es evidencia fuerte; uno hecho a petición del revisor es una comprobación legítima igualmente, siempre que declares que se realizó en respuesta a la revisión. Lo que no puedes hacer es presentar como preespecificado algo que decidiste después.