Dados los avances de las pruebas estadísticas, ¿puede la estimación de correlaciones ser un fin en sí mismo?

Question

Contexto de fondo:

Me asombran las complejas cuestiones estadísticas que plantea la gente en este sitio y he aprendido mucho de ellas. Gracias a todos.

Sin embargo, me he centrado en la correlación porque es el método más fácil de entender para una persona como yo, que no tiene formación formal en estadística pero debe realizar estudios de mercado como parte de mi trabajo. Muchos de mis proyectos pretenden probar la relación entre dos variables, por lo que la r de Pearson es la que utilizo.

Sé que cada método estadístico tiene una finalidad específica y requiere que se cumplan determinados supuestos de base para funcionar bien.

Preguntas:

• ¿Puede la correlación (en particular, la r de Pearson) ser un fin en sí misma?
• Teniendo en cuenta todos los avances de las pruebas estadísticas, ¿sigue siendo un método sólido para el análisis de datos?

Answer 1

Es cierto, como decía @lejohn, que si lo único que tienes es un martillo, todo parece un clavo.

Aunque también es cierto que si todo lo que tienes es un clavo, ¡puede que sólo necesites un martillo!

Lo que hay que hacer es definir su pregunta sustantiva, ya sea de investigación de mercado, psicología, física o lo que sea. Luego investiga métodos, probablemente no por tu cuenta. El método para resolver tu problema PODRÍA ser la correlación. Podría ser otra cosa muy sencilla. Pero puede que no.

Answer 2

Para mí la respuesta a su pregunta es no.

No creo que un determinado método o técnica pueda ser un fin en sí mismo. Si tienes algunos datos a mano o incluso antes de empezar a recopilar datos, debes preguntarte cuáles son los problemas que quieres abordar o cuáles son las preguntas a las que te gustaría dar respuesta. Cuando tenga los datos y la pregunta, podrá empezar a pensar en las técnicas.

Si te centras en una técnica concreta, es probable que te ocultes muchas cosas a ti mismo. En ese caso, las preguntas que responderás o que te gustaría responder están muy condicionadas por la técnica que pretendes utilizar. Piensa mucho en el siguiente proverbio:

Si todo lo que tienes es un martillo, todo parece un clavo

Además, me gustaría señalar lo siguiente. Efectivamente, existen muchas técnicas extravagantes. Sin embargo, el mero hecho de utilizar una técnica sofisticada no valida un análisis estadístico por sí mismo. O dicho de otro modo, una técnica sofisticada no sustituye a una estrategia empírica convincente.

Answer 3

Nunca se debe pasar por alto el trazado de los datos. En este ejemplo, la correlación entre X e Y es 0, pero seguramente las dos variables están relacionadas.

 |  x                         x
 |   x                      x 
 |    x                    x   
 |     x                  x 
Y|      x               x
 |        x           x
 |          x       x
 |            x x x
 |\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_
               X

Answer 4

Estoy de acuerdo con los demás que han posteado en este hilo pero tengo un punto que añadir: Los métodos simples, como la correlación, son más justificables cuando se puede estar más seguro de que no están ocurriendo cosas más complicadas.

En el trabajo experimental, en el que se ha utilizado la aleatorización para tener en cuenta variables observadas y no observadas potencialmente complicadas, se saca mucho más partido de una simple correlación que de los datos observacionales, en los que existe todo tipo de interacción complicada entre las variables que se han medido y las que no. No estoy seguro de qué tipo de datos de investigación de mercado tienes. Si son de observación, me preocuparía aún más basarme sólo en correlaciones.

Dicho esto, los métodos sencillos como la correlación desempeñan un papel muy importante. Lo que intento hacer en la mayor parte de mi trabajo es empezar con relaciones sencillas como correlaciones, pruebas t y pruebas chi-cuadrado que establecen la relación en términos que la gente es más propensa a entender intuitivamente. Sólo después de haber construido una comprensión sustantiva, presentaré modelos más complicados. En ese momento, se trata más de hacer frente a las amenazas y de crear mejores estimaciones que de plantear una cuestión de fondo.