Los puntos clave no están disponibles para este artículo en este momento.
El análisis de potencia estadística proporciona el enfoque convencional para evaluar las tasas de error al diseñar un estudio de investigación. Sin embargo, el análisis de potencia tiene fallas en que se pone un énfasis estrecho en la significancia estadística como el enfoque principal del diseño del estudio. En entornos ruidosos y de muestras pequeñas, los resultados estadísticamente significativos a menudo pueden ser engañosos. Para ayudar a los investigadores a abordar este problema en el contexto de sus propios estudios, recomendamos cálculos de diseño en los cuales (a) se estima la probabilidad de que una estimación esté en la dirección equivocada (error de signo tipo S) y (b) el factor por el cual la magnitud de un efecto podría ser sobrestimada (error de magnitud tipo M o razón de exageración). Ilustramos con ejemplos de investigaciones publicadas recientemente y discutimos el mayor desafío en un cálculo de diseño: generar estimaciones razonables de tamaños de efecto plausibles basadas en información externa.
Building similarity graph...
Analyzing shared references across papers
Loading...
Andrew Gelman
Columbia University
John B. Carlin
Boston Children's Hospital
Perspectives on Psychological Science
Columbia University
The University of Melbourne
Murdoch Children's Research Institute
Building similarity graph...
Analyzing shared references across papers
Loading...
Gelman et al. (Sat,) estudiaron esta cuestión.
synapsesocial.com/papers/69d7356bef4aa71f97f307c7 — DOI: https://doi.org/10.1177/1745691614551642
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: