Se trata de una cuestión terminológica, pero ¿cuál es la diferencia entre una comprobación de robustez y un análisis de sensibilidad? Por ejemplo, si se realiza un análisis para ver hasta qué punto son sensibles (o robustas) las conclusiones de un estudio a variables adicionales.
¿Son las comprobaciones de robustez un tipo de análisis de sensibilidad o viceversa?
No conozco una respuesta "oficial" a esta pregunta basada en definiciones universalmente aceptadas de esos términos. Sin embargo, me parece que representan una idea fundamentalmente similar, pero se utilizan de forma algo diferente.
La "comprobación de robustez" se utiliza a menudo cuando se ejecuta un modelo/prueba diferente que no requiere un determinado supuesto. Por ejemplo, considere una situación en la que está comparando dos grupos en los que puede haber heteroscedasticidad. Podría ejecutar un modelo $t$ -prueba y el Welch $t$ -prueba . Si se obtiene el mismo resultado en ambos casos, se puede decir que el resultado es robusto a las violaciones de ese supuesto, pero no es algo que deba preocuparle demasiado.
El "análisis de sensibilidad" se utiliza a menudo en el contexto de datos que faltan . Muchos métodos convenientes son válidos si los datos faltan al azar (MAR), pero nunca se puede estar realmente seguro de que los datos sean MAR. Una manera de explorar esto es introducir diferentes valores que podrían ser problemáticos / relacionados con la falta y volver a ajustar el modelo. Una vez más, es reconfortante obtener el mismo resultado en ambos casos.
He aquí la respuesta que busca: 1. Una comprobación de robustez significa que sus resultados no están muy determinados por cambios en su conjunto de datos (es decir, podría utilizar un conjunto de datos similar, o agrupar sus datos de forma ligeramente diferente, y seguir obteniendo resultados similares). 2. 2. Un análisis de sensibilidad significa que los resultados no dependen en gran medida de la especificación del modelo (es decir, se podría añadir una variable de control adicional o una forma funcional ligeramente diferente y seguir obteniendo resultados similares).
Por lo tanto, (1) es lo estables que son sus resultados a las entradas y (2) es lo reactivos que son sus resultados al diseño.
I-Ciencias es una comunidad de estudiantes y amantes de la ciencia en la que puedes resolver tus problemas y dudas.
Puedes consultar las preguntas de otros usuarios, hacer tus propias preguntas o resolver las de los demás.
