Tamaño del efecto para Kruskal-Wallis: aportes al artículo de Domínguez-González et al.

José Luis Ventura-León

Cartas al editor

DOI: 10.1016/j.riem.2017.07.002

Sr. Editor:

Recientemente se publicó en la revista Investigación En Educación Médica, un artículo interesante acerca del burnout¹. En donde se utiliza el estadístico de Kruskal-Wallis. Por tal motivo, resulta necesario comentar brevemente la importancia de calcular el tamaño del efecto.

En el área de salud es frecuente la utilización del test de significación de la hipótesis nula para la comparación de dos o más grupos. No obstante, este procedimiento solo consiste en rechazar una afirmación y está lejos de representar la magnitud de la diferencia entre las variables².

En ese sentido, la presente carta expone el coeficiente épsilon al cuadrado

E_{R}^{2}

como una alternativa para calcular el tamaño del efecto de Kruskal-Wallis. A continuación, se presenta su expresión matemática³:

E_{R}^{2} = \frac{H}{(n^{2} - 1) (n + 1)}

Donde: H es el valor del estadístico Kruskal-Wallis; n es el total de observaciones;

E_{R}^{2}

es el coeficiente de épsilon que oscila entre 0 a 1.

Cuando se comparan dos o más grupos se suele utilizar el coeficiente eta-cuadrado; sin embargo, tiende a ser sesgado en poblaciones pequeñas y diversos niveles de variable independiente, estas dificultades convierten al

E_{R}^{2}

en un estimador más conservador cuando se utiliza como tamaño del efecto².

El artículo en mención no proporciona información suficiente para calcular el

E_{R}^{2}

. No obstante, a continuación, se expone un ejemplo para su comprensión. Supóngase que se encuentra estudiando el bienestar académico (variable dependiente) en un grupo de estudiantes universitarios y desea compararla en los 5 primeros ciclos académicos (variable independiente). Así, H=44.474 y el n=200, con estos valores se realizan los cálculos mediante una hoja de Excel® (que puede ser solicitada sin costo alguno al autor de esta carta). De esa forma se obtiene un

E_{R}^{2} = . 223

En consecuencia, el coeficiente resultante se interpreta como la proporción de variabilidad del bienestar académico que puede atribuirse a los ni-veles académicos.

En función de lo previamente mencionado, es importante calcular el tamaño del efecto, pues revela la significación práctica en los resultados. Específicamente en el artículo de Domínguez-González et al., puede brindar más información acerca del tiempo de traslado a la facultad de los estudiantes de medicina.

Finalmente,

E_{R}^{2}

el puede convertirse en una alter nativa interesante para futuros estudios en la revista Investigación En Educación Médica.

REFERENCIAS

1. Domínguez-González AD, Velasco-Jiménez MT, Meneses-Ruiz DM, Valdivia-Gómez GG, Castro-Martínez MG. Síndrome de burnout en aspirantes a la carrera de medicina. Inv Ed Med. 2017.

2. Levine TR, Hullett CR. Eta squared: Partial eta squared, and misreporting of effect size in communication research. Hum Commun Res. 2002;28:612-23.

3. Tomczak M, Tomczak E. The need to report effect size estimates revisited. An overview of some recommended measures of effect size. Trends Sport Sci. 2014;21:19-25.

Notas

† Los firmantes de esta carta han procurado contactar con los autores del artículo aludido, sin obtener respuesta alguna.

Notas de autor

* Autor para correspondencia: Av. Tingo María 1122, Breña, Lima. Teléfono: (01) 604 4700, anexo: 3462. Correo electrónico: jventuraleon@gmail.com