¿Números muy fríos? ¡Presentemos gráficos!

Bienvenidos a otro maravilloso capítulo de Stats SOS. Este post será un poco diferente, en esa ocasión no vamos a hacer ningún calculo (ok, no se relajen mucho tampoco :)). Conversando con colegas, una idea que siempre aparece es que “los números pueden no comunicar mucho” o “los números en sí son muy fríos”. Lógicamente, estos comentarios me llevan a defender la situación debido a que yo sí considero que los números no son fríos y que obviamente traen un mensaje. De todos modos, acepto que el ser humano es bastante visual y que mostrarle una gráfica siempre puede ser amigable. Como anécdota les comento que Researchgate, la página que funciona como repositorio para colgar investigaciones comenta que las publicaciones que tienen gráficas tienen un porcentaje mucho mayor de visitas en comparación de los artículos que no tienen gráficas.

Por ello, hemos decidido mostrarles otra manera de presentar sus resultados. De este modo, el objetivo del post de hoy es describirles otras maneras de reportar sus análisis que pueden ser más amigables para el lector. En esta ocasión, les iremos poniendo ejemplos de análisis y el gráfico que podrían poner.

Comparación de medias (t student para muestras independientes)

En este caso, les presentamos las diferencias en actividad física entre hombres y mujeres. Las barras muestran los promedios y se puede ver claramente quiénes son hombres y mujeres. ¿Pero dónde está la significancia? ¡Muy sencillo! Ahora que ya pusieron los promedios, para reportar lo único que tendrían que hacer es poner el valor t, los grados de libertad y el nivel de significancia. De este modo, este simpático gráfico podrían acompañarlo con: t(12) = 8.45, p < .05. Con este dato, podrán ser precisos, porque muestran por qué la diferencia es significativa y claros, porque mostrarán un gráfico amigable que evidencia claramente que las mujeres practican menos actividad física que los hombres. Ya…¿Pero cómo hago esto? ¡Bueno! El SPSS tiene una opción arriba que dice “gráficos” y ahí podrán encontrar este gráfico de barras que les permitirá presentar sus resultados de esta manera. 

untitled2

Comparación de múltiples grupos con ANOVA 

Nuestro segundo ejemplo vendría a ser nuestro “temible ANOVA”. Para los que no recuerdan los análisis no hay problema, en cada título hay un enlace de cómo hacer el análisis y a qué se refiere. En esta ocasión, comparamos la calidad del sueño de jóvenes estudiantes de tres grupos distintos. Los que están entre quinto y sexto ciclo, séptimo y octavo ciclo y de noveno a doceavo ciclo. Para este ejemplo, no hemos usado la significancia estadística sino los intervalos de confianza. ¿Qué es lo importante aquí? Recuerden, los promedios no lo son todo, en este caso si el intervalo entre un grupo y otro grupo se traslapan quiere decir que no hay diferencias significativas entre los grupos. Como pueden ver aquí, en los tres grupos hay traslape por lo que se puede concluir que no existen diferencias significativas entre los tres grupos con respecto a la calidad del sueño. ¿Tienen compañeros escépticos que necesitan números? ¡No hay problema! Este gráfico podrían acompañarlo con varias cosas. El F del ANOVA, los grados de libertad, la significancia y los intervalos de confianza de cada grupo. ¿Y cómo es eso? Algo más o menos así: F(2,448) = 1.12, p = 0.21 y para los grupos: u1 = 25.285, IC 95% = 24.90 –  25.67 y así sucesivamente con los demás. ¡Ojo! Estos datos el programa se los da y no hay necesidad de calcularlos a mano (a menos que quieran :)). Nuevamente, al igual que el gráfico anterior, este se puede hacer con la opción de “gráficos” del SPSS. A ver estimados, qué es más fácil, ¿ver si es que los números se traslapan o ver claramente con las líneas si es que una se cruza con la otra?

untitled5

Correlación de Pearson

¡Muy bien! Cambiemos la comparación de promedios por grupos y entremos a la relación entre dos variables numéricas. En este ejemplo, queremos saber si existe una relación entre la calidad del sueño y el tiempo libre de los jóvenes. ¡Miren ese gráfico! ¡Hay una línea limpia y recta! ¡Genial! Parece que hay una relación bien simpática entre estas dos variables, donde a mayor calidad del sueño, mayor tiempo libre, la imagen es bien clara donde la línea está subiendo. Además, aquí el SPSS buenamente nos ayuda y nos pone la proporción de varianza compartida entre calidad del sueño y tiempo (si ven a la derecha sale R2 = .852). ¡Sí! ¡Pero eso no es una correlación! ¡Calma! ¡Respiren amigos lectores! Para obtener la correlación lo único que se tendría que hacer es sacarle la raíz cuadrada y saldría:  R = .92. Esto nuevamente demuestra una relación alta, pero más allá del número, los puntos azules también nos dan información interesante. Por ejemplo, ¿ven el punto de abajo a la izquierda, ahí se puede ver una persona que tiene muy mala calidad del sueño y muy poco tiempo libre. Aparte, un poco más arriba hacia el medio podemos ver que existe también un pequeño grupo de jóvenes que si bien tienen un mejor manejo del tiempo libre su calidad del sueño es muy mala. ¡Esto me dice algo mucho más que solo la mera correlación! Finalmente, ¿con qué acompañaría mi gráfico? Con el valor de R = .92 y la significancia (p < 0.001). 

untitled1

Regresión lineal múltiple

¡Finalmente! ¡El último gráfico! En este caso, quiero agradecerle a mi buen amigo Oscar que en una charla bien bacan me motivó a escribir este post. Parafraseándolo, “es mucho más fácil entender los números con gráficos amigables”. ¿Qué diablos es este último gráfico? ¡Muy sencillo! ¡Es una regresión lineal múltiple! Pero… ¿qué representan los números de abajo y las barras? Los betas no estandarizados. ¿Cómo se interpretan estos betas?  Si bien esta información pueden encontrarla en el post de regresión líneal, ensayaré un par de interpretaciones para facilitar la lectura. La barra azul sale la palabra “hombres”, en este caso, los hombres tienen 10.20 puntos menos en la escala de síntomas de salud mental que las mujeres, mientras se controla por estrés y tiempo libre.  En otras palabras, los hombres reportan menos síntomas de salud mental que las mujeres. ¡Genial! Vamos a una segunda interpretación, la del estrés (barra naranja). Por cada punto extra en la escala de estrés existe un aumento de 15.30 en la escala de síntomas de salud mental mientras se controla por manejo del tiempo libre y sexo. En sencillo, tomando en cuenta el sexo y el manejo del tiempo libre, a mayor estrés las personas reportan más síntomas de salud mental. ¡Último detalle! Fíjense que los valores negativos van hacia el lado izquierdo mientras que los positivos hacia el lado derecho, esto nos ayuda a identificar con facilidad qué factores contribuyen a tener síntomas de salud mental y cuáles disminuyen estos síntomas.

 

untitled6

 

¡Muy bien! ¡Queridos amigos! Esto sería todo por hoy, espero que esta nueva aventura les haya agradado. Acepto que soy fanático de los números, pero la verdad que tener una representación gráfica de nuestros resultados siempre es más amigable. Aparte, nos permite captar más a nuestros lectores como a una audiencia que nos escucha. ¡Dato importante, los trabajos no son solo para nosotros sino también para que los demás nos escuchen y todos podamos intercambiar y compartir ideas! Recuerden que pueden seguirnos en la página de Facebook o Twitter y obviamente siempre pueden dejar un genial comentario en el blog. ¡Nos vemos!

Advertisement

About Juan Carlos Saravia

Magister de Estadistica aplicada a las ciencias sociales (Quantitative analysis for the social science). Katholieke University of Leuven (KUL). Magister en psicología clinica y de la salud de la Pontificia Universidad Católica del Perú (PUCP). Especialista en análisis cuantitativos en promoción de la salud, estrés, salud ocupacional y en jóvenes.
This entry was posted in Uncategorized and tagged , , , , . Bookmark the permalink.

2 Responses to ¿Números muy fríos? ¡Presentemos gráficos!

  1. corali says:

    Hola, muy interesante tus contenidos, pero amigo tengo una duda la correlación de Pearson solo se usan 2 variables … o podemos usar mas de , en mi caso yo utilice 3 y obtuve una p valor de 0,000 … estoy confundida si eso significa que es nula o que existe una muy buena correlación;

    Like

    • Estimada Corali,

      Muchas gracias por escribir a Stats SOS. Si tu p valor es menor a 0.05 es que tuviste una correlación estadísticamente significativa. Lo que sí, las correlaciones son solo de 2 variables y no de más de 2 entonces sí revisaría el análisis.

      Mucho éxito!

      Like

Leave a Reply

Fill in your details below or click an icon to log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Log Out /  Change )

Facebook photo

You are commenting using your Facebook account. Log Out /  Change )

Connecting to %s