Tamaño de efecto, potencia de la prueba, factor de Bayes y meta-análisis en el marco de la crisis de reproducibilidad de la ciencia. el caso de las diferencias de proporciones y tablas de contingencia con variables nominales y muestras independientes
Segunda parte
Palabras clave:
TAMAÑO DEL EFECTO, PROPORCIONES, POTENCIA DE LA PRUEBA, FACTOR DE BAYES, META-ANÁLISIS
Resumen
Este trabajo es la continuación del artículo sobre tamaño de efecto para diferencia de medias independientes, centrándose ahora en las diferencias de proporciones y tablas de contingencia con variables nominales y muestras independientes.
La investigación estadística sobre proporciones desempeña un papel fundamental en una amplia gama de ámbitos científicos y sociales al proporcionar una valiosa comprensión sobre la distribución y la incidencia de fenómenos en una población específica. Más allá de evaluar la significación estadística de las pruebas es crucial considerar la relevancia práctica o clínica de los resultados, entendiendo la importancia del tamaño de efecto.
En el caso de las proporciones, nos encontramos con una amplia variedad de estadísticos de tamaño de efecto disponibles, como el coeficiente Phi, V de Cramer, W de Cohen, Fei de Ben-Shachar, h de Cohen, riesgo relativo, odds ratio, entre otros. Esta diversidad puede generar desafíos al momento de seleccionar el estadístico más adecuado para analizar los datos. Por lo tanto, este trabajo se propone abordar esta problemática en detalle, explorando las características y aplicaciones de cada estadístico, y ofreciendo orientación sobre su selección según el contexto y los objetivos de la investigación.
Descargas
La descarga de datos todavía no está disponible.
Citas
AERA. (2006). Standards for reporting on empirical social science research in AERA publications. Educational Researcher, 36(6), 33-40.
Agresti, A. (2007). An Introduction to Categorical Data Analysis (Second ed.). Florida: Willey-Interscience.
Agresti, A., & Coull, B. A. (1998). Approximate is Better than "Exact" for Interval Estimation of Binomial Proportions. The American Statistician, 52(2).
Algina, J., & Keselman, H. J. (2006). Confidence Interval Coverage for Cohen’s Effect Size Statistic. (S. Publications, Ed.) Educational and Psychological Measurement.
APA. (2007). Manual of the American Psychological Association (APA) (Sixth ed.). Washington. DC.
Aromataris, E., & Munn Z. (Editors). (2017). Joanna Briggs Institute Reviewer's Manual. Retrieved from The Joanna Briggs Institute: https://reviewersmanual.joannabriggs.org
Ben-Shachar, M. S., Patil, I., Thériault, R., Wiernik, B. M., & Lüdecke, D. (2023). Phi, Fei, Fo, Fum: Effect Sizes for Categorical Data That Use the Chi-Squared Statistic. Mathematics, 11(9).
Bolstad, W. M. (2007). Introduction to Bayesian Statistics. New Jersey: John Wiley & Sons, Inc.
Borenstein, M., Hedges, L. V., Higgins , J. P., & Rothstein, H. R. (2009). Introduction to Meta-Analysis. Chichester: John Wiley & Sons, Ltd.
Borenstein, M., Hedges, L., Higgins, J., & Rothstein, H. (2009). Introduction to Meta-Analysis. West Sussex: John Wiley & Sons, Ltd.
Borenstein, M., & Hedges, L. V. (2019). Effect Sizes for Meta-Analysis. In H. Cooper, L. V. Hedges, & V. Jeffrey, The Handbook of Research Synthesis and Meta-Analysis (pp. 208-241). Russell Sage Foundation.
Brand, A., Bradley, M. T., Best , L. A., & Stoica, G. (2008). Accuracy of Effect Size Estimates from Published Psychological Research. Perceptual and Motor Skills, 106, 645-649.
Breaugh, J. A. (2003). Effect Size Estimation: Factors to Consider and Mistakes to Avoid. Journal of Management, 29(1), 79-97.
Brown, L. D., Cai, T. T., & Dasgupta, A. (2001). Interval Estimation for a Binomial Proportion. Statistical Science, 16(2).
Cochrane Handbook for Systematic Reviews of Interventions Version 5.1.0. (2011). Retrieved from https://handbook-5-1.cochrane.org/chapter_9/9_5_2_identifying_and_measuring_heterogeneity.htm
Coe, R., & Merino Soto, C. (2003). Magnitud del Efecto: Una guía para investigadores y usuarios. Revista de Psicología de la PUCP. Vol. XXI,, XXI(1).
Cohen, J. (1988). Statistical Power Analysis for the Behavioral Sciences (Second ed.). New York: Lawrence Erlbaum Associates, Publishers.
Cohen, J. (1992). A Power Primer. Psychological Bulletin, 112(1).
Cousineau, D., & Laurencelle, L. (2011). Non-central t distribution and the power of the t test: A rejoinder. Tutorials in Quantitative Methods for Psychology, 7(1).
Cumming, G. (2014). The New Statistics: Why and How. Psychological Science (Sage), 25(1).
Cumming, G., & Finch, S. (2005). Inference by Eye: Confidence Intervals and How to Read Pictures of Data . American Psychologist.
D'Angelo, L. A. (2021). Tamaño de efecto, potencia de la prueba, factor de Bayes y meta-análisis en el marco de la crisis de reproducibilidad de la ciencia. El caso de la diferencia de medias -con muestras independientes- (primera parte). Cuadernos del CIMBAGE, 1(23).
Edgington, E. S., & Onghena, P. (2007). Randomization Test. Boca Raton: Chapman & Hall/CRC.
Edgington, E. S., & Onghena, P. (2007). Randomization Tests. Boca Raton: Chapman & Hall/CRC.
Efron, B. (1979). Bootstrap methods: Another look at the jackknife. The Annals of Statistics, 7(1).
Ellis, P. D. (2010). The Essencial guide to Effect Size. Cambridge: University Press.
Epitat . (2020, marzo). Retrieved from Servizo Galego Saùde - Conselería de Sanidede: https://www.sergas.es/Saude-publica/Epidat-3-1-descargar-Epidat-3-1-(espanol)
Faulkenberry, T. J. (2018). Computing Bayes factors to measure evidence from experiments: An extension of the BIC approximation. Biometrical Letters.
Field, A. (2013). Discovering Statistics Using IBM SPSS Statistics. London: Sage Publications Ltd.
Fleiss, J., Levin, B., & Paik, M. C. (2003). Statistical Methods for Rates and Proportions. New Jersey: WileyIntercience.
Glass, G. V., McGaw, B., & Smith, M. L. (1981). Meta-analysis in social research. Newbury Park: Sage Publications.
Good, P. (2005). Permutation, Parametric, and Bootstrap Tests of Hypotheses. Huntington Beach: Springer.
Goodman, L. A., & Kruskal, W. H. (1954). Measures of association for cross classifications. Journal of the American Statistical Association, 49(268), 732-764.
Grissom, R. J., & Kim, J. J. (2014). Effect Sizes for Research: Univariate and Multivariate Application. Routledge: Psychology Press.
Gronau, Q. F., Ly, A., & Wagenmakers, E.-J. (2018). Informed Bayesian T-Tests. Retrieved from https://arxiv.org/abs/1704.02479
Gunel, E., & Dickey, J. (1974). Bayes factors for independence in contingence tables. Biometrika, 61(3), 545.
Haberman, S. J. (1973). The analysis of residuals in cross-classification tables. Biometrics(29).
Haddock, C. K., Rindskopf, D., & Shadish, W. R. (1998). Using Odds Ratios as Effect Sizes for Meta-Analysis of Dichotomous Data: A Primer on Methods and Issues. Psychological Methods, 3(3).
Hedges, L. V. (1981). Distribution Theory for Glass’s Estimator of Effect Size and Related Estimators. Journal of Educational Statistics, 6.
Higgins J. P. T., G. S. (2011). Cochrane Handbook for Systematic Reviews of Interventions Version 5.1.0 [updated March 2011]. Retrieved from The Cochrane Collaboration: www.handbook.cochrane.org
Hoekstra, R., Monden, R., van Ravenzwaaij, D., & Wagenmakers, E.-J. (2018). Bayesian reanalysis of null results reported in medicine: Strong yet variable evidence for the absence of treatment effects. PLoS ONE , 13(4), https://doi.org/10.1371/journal.pone.0195474.
Hoekstra, R., Monden, R., van Ravenzwaaij, D., & Wagenmakers, E.-J. (2018). Bayesian reanalysis of null results reported in medicine: Strong yet variable evidence for the absence of treatment effects. Plos One.
Introduction to New Statistics. (2019, 10). Retrieved from https://thenewstatistics.com/itns/
Ioannidis, J. P. (2005). Why Most Published Research Findings are False. PLoS Medicine, 2(8).
Ioannidis, J. P. (2014). How to make more published research true. PLoS Med, 11(10).
Ioannidis, J. P. (2016). Why Most Clinical Research Is Not Useful. PLoS Med, 13(6).
Iraurgi, I. (2009). Evaluación de resultados clínicos (II): Las medidas de la significación clínica o los tamaños del efecto. NORTE DE SALUD MENTAL(34), 94–110.
Iyengar, S., & Greenhouse, J. B. (1988). Selection Models and de File Drawer Problem. Statisticasl Science, 3(1).
Jamil , T., Ly , A., Morey, R. D., Marsman, M., & Wagenmakers, E.-J. (2016). Default “Gunel and Dickey” Bayes factors for contingency tables. Retrieved from Springerlink.com: https://link.springer.com/article/10.3758/s13428-016-0739-8
Jané, M. B., Ben-Shachar, M. S., Moreau, D., Steele, J., Qinyu, X., Caldwell, A. R., . . . Zloteanu, M. (2024). Guide to Eect Sizes and Condence Intervals. Retrieved from https://www.researchgate.net/publication/367462417_Guide_to_Effect_Sizes_and_Confidence_Intervals
Jeffreys, H. (1961). Theory of probability (3rd. ed.). New York, NY: Oxford University Press.
Lock, R. H., Frazer Lock, P., Lock Morgan, K., Lock, E. F., & Lock, D. F. (2021). Statistics - Unlocking the Power of Data. Wiley.
Lock, R. H., Lock, P. F., Lock Morgan, K., Lock, E. F., & Lock, D. F. (2013). Statistics. Unlocking the Power of Data. Willey.
Macbeth, G., Cortada de Kohan, N., & Razumiejczyk, E. (2007). El Meta-Análisis: La Integración de los Resultados Científicos. Evaluar, 7.
Mangiafico, S. (2023). An R Companion for the Handbook of Biological Statistics, version 1.3.8.
Marsman, M., & Wagenmakers, E.-J. (2017). Bayesian benefits with JASP. European Journal of Developmental Psycholog, 14(5), 545-555.
Meng-Yun , L. (2013). Bayesian Statistics. https://www.bu.edu/sph/files/2014/05/Bayesian-Statistics_final_20140416.pdf. Boston University School of Public Health.
Molina Arias, M. (2014). La odds ratio puede ser engañosa. Revista de Pediatría, 16, 275-279.
Morales Vallejo, P. (2012, Octubre 3). El tamaño del efecto (effect size):análisis complementarios al contraste de medias. Retrieved 2019, from https://web.upcomillas.es/personal/peter/investigacion/Tama%f1oDelEfecto.pdf
Morey, R. D., & Rouder, J. N. (2011). Bayes Factor Approaches for Testing Interval Null Hypotheses. Psychological Methods.
Nakagawa, S., & Cuthill, I. C. (2007). Effect size, confidence interval and statistical significance: a practical guide for biologists. Biological Reviews, 82, 591-605.
Newcombre, R. G. (1998). Two-sided Confidence Intervals for the single Proportion: Comparison of seven Methods. Statistics in Medicine.
Nunnaly , J. (1960). The Place of Statistics in Psychology. Educational and Psychological Measurement, XX(4).
Pardo, A., & San Martín, R. (1994). Análisis de datos en Psicología II. Madrid: Pirámide.
Pértegas Díaz, S., & Pita Fernández, S. (2003). Cálculo del poder estadístico de un estudio. Cad Aten Primaria, https://www.fisterra.com/mbe/investiga/poder_estadistico/poder_estadistico.asp, 59-63.
Quintana, D. S., & Williams, D. R. (2018). Quintana,Bayesian alternatives for common null-hypothesis significance tests in psychiatry: a non-technical guide using JASP. BMC Psychiatry, https://doi.org/10.1186/s12888-018-1761-4.
Rita, H., & Komonen, A. (2008). Odds ratio: an ecologically sound tool to compare proportions. Ann. Zool. Fennici, 45, 66-72.
Rouder, J. N., Speckman , P. L., Dongchu , S., & Iverson, G. (2009). Bayesian t tests for accepting and rejecting the null hypothesis. Psychonomic Bulletin & Review, 16(2), Psychonomic Bulletin & Review.
Sanchez-Meca, J., Marín-Martínez, F., & Salvador Chacón-Moscoso, S. (2003). Effect-Size Indices for Dichotomized Outcomes in Meta-Analysis. Psychological Methods, 8(4).
Sawilowsky, S. S. (2009). New effect size rules of thumb. Journal of Modern Applied Statistical Methods, 8(2), 597 – 599.
Schmidt, C. (2008). When to use the odds ratio or the relative risk. International Journal of Public Health, 165-167.
SEH-LELHA. (2003). Heterogeneidad entre los estudios incluidos en un meta-análisis. Retrieved from Liga española para la lucha contra la hipertensión arterial: https://www.seh-lelha.org/heterogeneidad-los-estudios-incluidos-meta-analisis/
Tortosa Ybáñez, M. T., Alvarez Teruel, J. D., & Pellín Buades, N. (2015). Necesidad de re-educación estadística en profesores universitarios: errores de interpretación valores p y tamaño del efecto. (X. J. cambio, Ed.) Retrieved from Repositorio Institucional de la Universidad de Alicante: http://rua.ua.es/dspace/handle/10045/49978
Wuensch's SPSS Links Page. (2019, 10). Retrieved from http://core.ecu.edu/psyc/wuenschk/SPSS/SPSS-Programs.htm
Zaiontz, C. (2023, 12 12). Real Statistics Using Excel. Retrieved from https://real-statistics.com/
z-test for independent proportions: Use & misuse. (2019, 11). Retrieved from InfluentialPoints: https://influentialpoints.com/Training/Statistics_bibliography_3_stats.htm#fli
Agresti, A. (2007). An Introduction to Categorical Data Analysis (Second ed.). Florida: Willey-Interscience.
Agresti, A., & Coull, B. A. (1998). Approximate is Better than "Exact" for Interval Estimation of Binomial Proportions. The American Statistician, 52(2).
Algina, J., & Keselman, H. J. (2006). Confidence Interval Coverage for Cohen’s Effect Size Statistic. (S. Publications, Ed.) Educational and Psychological Measurement.
APA. (2007). Manual of the American Psychological Association (APA) (Sixth ed.). Washington. DC.
Aromataris, E., & Munn Z. (Editors). (2017). Joanna Briggs Institute Reviewer's Manual. Retrieved from The Joanna Briggs Institute: https://reviewersmanual.joannabriggs.org
Ben-Shachar, M. S., Patil, I., Thériault, R., Wiernik, B. M., & Lüdecke, D. (2023). Phi, Fei, Fo, Fum: Effect Sizes for Categorical Data That Use the Chi-Squared Statistic. Mathematics, 11(9).
Bolstad, W. M. (2007). Introduction to Bayesian Statistics. New Jersey: John Wiley & Sons, Inc.
Borenstein, M., Hedges, L. V., Higgins , J. P., & Rothstein, H. R. (2009). Introduction to Meta-Analysis. Chichester: John Wiley & Sons, Ltd.
Borenstein, M., Hedges, L., Higgins, J., & Rothstein, H. (2009). Introduction to Meta-Analysis. West Sussex: John Wiley & Sons, Ltd.
Borenstein, M., & Hedges, L. V. (2019). Effect Sizes for Meta-Analysis. In H. Cooper, L. V. Hedges, & V. Jeffrey, The Handbook of Research Synthesis and Meta-Analysis (pp. 208-241). Russell Sage Foundation.
Brand, A., Bradley, M. T., Best , L. A., & Stoica, G. (2008). Accuracy of Effect Size Estimates from Published Psychological Research. Perceptual and Motor Skills, 106, 645-649.
Breaugh, J. A. (2003). Effect Size Estimation: Factors to Consider and Mistakes to Avoid. Journal of Management, 29(1), 79-97.
Brown, L. D., Cai, T. T., & Dasgupta, A. (2001). Interval Estimation for a Binomial Proportion. Statistical Science, 16(2).
Cochrane Handbook for Systematic Reviews of Interventions Version 5.1.0. (2011). Retrieved from https://handbook-5-1.cochrane.org/chapter_9/9_5_2_identifying_and_measuring_heterogeneity.htm
Coe, R., & Merino Soto, C. (2003). Magnitud del Efecto: Una guía para investigadores y usuarios. Revista de Psicología de la PUCP. Vol. XXI,, XXI(1).
Cohen, J. (1988). Statistical Power Analysis for the Behavioral Sciences (Second ed.). New York: Lawrence Erlbaum Associates, Publishers.
Cohen, J. (1992). A Power Primer. Psychological Bulletin, 112(1).
Cousineau, D., & Laurencelle, L. (2011). Non-central t distribution and the power of the t test: A rejoinder. Tutorials in Quantitative Methods for Psychology, 7(1).
Cumming, G. (2014). The New Statistics: Why and How. Psychological Science (Sage), 25(1).
Cumming, G., & Finch, S. (2005). Inference by Eye: Confidence Intervals and How to Read Pictures of Data . American Psychologist.
D'Angelo, L. A. (2021). Tamaño de efecto, potencia de la prueba, factor de Bayes y meta-análisis en el marco de la crisis de reproducibilidad de la ciencia. El caso de la diferencia de medias -con muestras independientes- (primera parte). Cuadernos del CIMBAGE, 1(23).
Edgington, E. S., & Onghena, P. (2007). Randomization Test. Boca Raton: Chapman & Hall/CRC.
Edgington, E. S., & Onghena, P. (2007). Randomization Tests. Boca Raton: Chapman & Hall/CRC.
Efron, B. (1979). Bootstrap methods: Another look at the jackknife. The Annals of Statistics, 7(1).
Ellis, P. D. (2010). The Essencial guide to Effect Size. Cambridge: University Press.
Epitat . (2020, marzo). Retrieved from Servizo Galego Saùde - Conselería de Sanidede: https://www.sergas.es/Saude-publica/Epidat-3-1-descargar-Epidat-3-1-(espanol)
Faulkenberry, T. J. (2018). Computing Bayes factors to measure evidence from experiments: An extension of the BIC approximation. Biometrical Letters.
Field, A. (2013). Discovering Statistics Using IBM SPSS Statistics. London: Sage Publications Ltd.
Fleiss, J., Levin, B., & Paik, M. C. (2003). Statistical Methods for Rates and Proportions. New Jersey: WileyIntercience.
Glass, G. V., McGaw, B., & Smith, M. L. (1981). Meta-analysis in social research. Newbury Park: Sage Publications.
Good, P. (2005). Permutation, Parametric, and Bootstrap Tests of Hypotheses. Huntington Beach: Springer.
Goodman, L. A., & Kruskal, W. H. (1954). Measures of association for cross classifications. Journal of the American Statistical Association, 49(268), 732-764.
Grissom, R. J., & Kim, J. J. (2014). Effect Sizes for Research: Univariate and Multivariate Application. Routledge: Psychology Press.
Gronau, Q. F., Ly, A., & Wagenmakers, E.-J. (2018). Informed Bayesian T-Tests. Retrieved from https://arxiv.org/abs/1704.02479
Gunel, E., & Dickey, J. (1974). Bayes factors for independence in contingence tables. Biometrika, 61(3), 545.
Haberman, S. J. (1973). The analysis of residuals in cross-classification tables. Biometrics(29).
Haddock, C. K., Rindskopf, D., & Shadish, W. R. (1998). Using Odds Ratios as Effect Sizes for Meta-Analysis of Dichotomous Data: A Primer on Methods and Issues. Psychological Methods, 3(3).
Hedges, L. V. (1981). Distribution Theory for Glass’s Estimator of Effect Size and Related Estimators. Journal of Educational Statistics, 6.
Higgins J. P. T., G. S. (2011). Cochrane Handbook for Systematic Reviews of Interventions Version 5.1.0 [updated March 2011]. Retrieved from The Cochrane Collaboration: www.handbook.cochrane.org
Hoekstra, R., Monden, R., van Ravenzwaaij, D., & Wagenmakers, E.-J. (2018). Bayesian reanalysis of null results reported in medicine: Strong yet variable evidence for the absence of treatment effects. PLoS ONE , 13(4), https://doi.org/10.1371/journal.pone.0195474.
Hoekstra, R., Monden, R., van Ravenzwaaij, D., & Wagenmakers, E.-J. (2018). Bayesian reanalysis of null results reported in medicine: Strong yet variable evidence for the absence of treatment effects. Plos One.
Introduction to New Statistics. (2019, 10). Retrieved from https://thenewstatistics.com/itns/
Ioannidis, J. P. (2005). Why Most Published Research Findings are False. PLoS Medicine, 2(8).
Ioannidis, J. P. (2014). How to make more published research true. PLoS Med, 11(10).
Ioannidis, J. P. (2016). Why Most Clinical Research Is Not Useful. PLoS Med, 13(6).
Iraurgi, I. (2009). Evaluación de resultados clínicos (II): Las medidas de la significación clínica o los tamaños del efecto. NORTE DE SALUD MENTAL(34), 94–110.
Iyengar, S., & Greenhouse, J. B. (1988). Selection Models and de File Drawer Problem. Statisticasl Science, 3(1).
Jamil , T., Ly , A., Morey, R. D., Marsman, M., & Wagenmakers, E.-J. (2016). Default “Gunel and Dickey” Bayes factors for contingency tables. Retrieved from Springerlink.com: https://link.springer.com/article/10.3758/s13428-016-0739-8
Jané, M. B., Ben-Shachar, M. S., Moreau, D., Steele, J., Qinyu, X., Caldwell, A. R., . . . Zloteanu, M. (2024). Guide to Eect Sizes and Condence Intervals. Retrieved from https://www.researchgate.net/publication/367462417_Guide_to_Effect_Sizes_and_Confidence_Intervals
Jeffreys, H. (1961). Theory of probability (3rd. ed.). New York, NY: Oxford University Press.
Lock, R. H., Frazer Lock, P., Lock Morgan, K., Lock, E. F., & Lock, D. F. (2021). Statistics - Unlocking the Power of Data. Wiley.
Lock, R. H., Lock, P. F., Lock Morgan, K., Lock, E. F., & Lock, D. F. (2013). Statistics. Unlocking the Power of Data. Willey.
Macbeth, G., Cortada de Kohan, N., & Razumiejczyk, E. (2007). El Meta-Análisis: La Integración de los Resultados Científicos. Evaluar, 7.
Mangiafico, S. (2023). An R Companion for the Handbook of Biological Statistics, version 1.3.8.
Marsman, M., & Wagenmakers, E.-J. (2017). Bayesian benefits with JASP. European Journal of Developmental Psycholog, 14(5), 545-555.
Meng-Yun , L. (2013). Bayesian Statistics. https://www.bu.edu/sph/files/2014/05/Bayesian-Statistics_final_20140416.pdf. Boston University School of Public Health.
Molina Arias, M. (2014). La odds ratio puede ser engañosa. Revista de Pediatría, 16, 275-279.
Morales Vallejo, P. (2012, Octubre 3). El tamaño del efecto (effect size):análisis complementarios al contraste de medias. Retrieved 2019, from https://web.upcomillas.es/personal/peter/investigacion/Tama%f1oDelEfecto.pdf
Morey, R. D., & Rouder, J. N. (2011). Bayes Factor Approaches for Testing Interval Null Hypotheses. Psychological Methods.
Nakagawa, S., & Cuthill, I. C. (2007). Effect size, confidence interval and statistical significance: a practical guide for biologists. Biological Reviews, 82, 591-605.
Newcombre, R. G. (1998). Two-sided Confidence Intervals for the single Proportion: Comparison of seven Methods. Statistics in Medicine.
Nunnaly , J. (1960). The Place of Statistics in Psychology. Educational and Psychological Measurement, XX(4).
Pardo, A., & San Martín, R. (1994). Análisis de datos en Psicología II. Madrid: Pirámide.
Pértegas Díaz, S., & Pita Fernández, S. (2003). Cálculo del poder estadístico de un estudio. Cad Aten Primaria, https://www.fisterra.com/mbe/investiga/poder_estadistico/poder_estadistico.asp, 59-63.
Quintana, D. S., & Williams, D. R. (2018). Quintana,Bayesian alternatives for common null-hypothesis significance tests in psychiatry: a non-technical guide using JASP. BMC Psychiatry, https://doi.org/10.1186/s12888-018-1761-4.
Rita, H., & Komonen, A. (2008). Odds ratio: an ecologically sound tool to compare proportions. Ann. Zool. Fennici, 45, 66-72.
Rouder, J. N., Speckman , P. L., Dongchu , S., & Iverson, G. (2009). Bayesian t tests for accepting and rejecting the null hypothesis. Psychonomic Bulletin & Review, 16(2), Psychonomic Bulletin & Review.
Sanchez-Meca, J., Marín-Martínez, F., & Salvador Chacón-Moscoso, S. (2003). Effect-Size Indices for Dichotomized Outcomes in Meta-Analysis. Psychological Methods, 8(4).
Sawilowsky, S. S. (2009). New effect size rules of thumb. Journal of Modern Applied Statistical Methods, 8(2), 597 – 599.
Schmidt, C. (2008). When to use the odds ratio or the relative risk. International Journal of Public Health, 165-167.
SEH-LELHA. (2003). Heterogeneidad entre los estudios incluidos en un meta-análisis. Retrieved from Liga española para la lucha contra la hipertensión arterial: https://www.seh-lelha.org/heterogeneidad-los-estudios-incluidos-meta-analisis/
Tortosa Ybáñez, M. T., Alvarez Teruel, J. D., & Pellín Buades, N. (2015). Necesidad de re-educación estadística en profesores universitarios: errores de interpretación valores p y tamaño del efecto. (X. J. cambio, Ed.) Retrieved from Repositorio Institucional de la Universidad de Alicante: http://rua.ua.es/dspace/handle/10045/49978
Wuensch's SPSS Links Page. (2019, 10). Retrieved from http://core.ecu.edu/psyc/wuenschk/SPSS/SPSS-Programs.htm
Zaiontz, C. (2023, 12 12). Real Statistics Using Excel. Retrieved from https://real-statistics.com/
z-test for independent proportions: Use & misuse. (2019, 11). Retrieved from InfluentialPoints: https://influentialpoints.com/Training/Statistics_bibliography_3_stats.htm#fli
Publicado
2024-05-29
Cómo citar
D’Angelo, L. (2024). Tamaño de efecto, potencia de la prueba, factor de Bayes y meta-análisis en el marco de la crisis de reproducibilidad de la ciencia. el caso de las diferencias de proporciones y tablas de contingencia con variables nominales y muestras independientes. Cuadernos Del CIMBAGE, 1(26), 77-107. https://doi.org/10.56503/CIMBAGE/Vol.1/Nro.26(2024)/3022
Sección
ECONOMÍA
Derechos de autor 2024 Cuadernos del CIMBAGE
Aquellos autores/as que tengan publicaciones con esta revista, aceptan los términos siguientes:
- Los autores/as conservarán sus derechos de autor y garantizarán a la revista el derecho de primera publicación de su obra, el cuál estará simultáneamente sujeto a la Licencia de reconocimiento de Creative Commons Atribución-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0) que permite a terceros copiar y redistribuir el material en cualquier medio o formato y adaptar — remezclar, transformar y construir a partir del material bajo la la misma licencia del original. En todos los casos, debe dar crédito de manera adecuada.
- Los autores/as podrán adoptar otros acuerdos de licencia no exclusiva de distribución de la versión de la obra publicada (p. ej.: depositarla en un archivo telemático institucional o publicarla en un volumen monográfico) siempre que se indique la publicación inicial en esta revista.
- Se permite y recomienda a los autores/as difundir su obra a través de Internet (p. ej.: en archivos telemáticos institucionales o en su página web) antes y durante el proceso de envío, lo cual puede producir intercambios interesantes y aumentar las citas de la obra publicada. (Véase El efecto del acceso abierto).
Esta obra está bajo una Licencia Creative Commons Atribución-NoComercial-CompartirIgual 4.0 Internacional.
