Casi todas las agencias que conceden subvenciones requieren una estimación del tamaño de la muestra adecuada para detectar los efectos hipotetizados en el estudio. Pero a todos los estudios les viene bien la estimación del tamaño de la muestra, ya que puede suponer un gran ahorro de recursos.
¿Por qué? Los estudios infradimensionados no pueden encontrar resultados reales, y los estudios sobredimensionados encuentran incluso resultados insustanciales. Tanto los estudios infradimensionados como los sobredimensionados desperdician tiempo, energía y dinero; los primeros al utilizar recursos sin encontrar resultados, y los segundos al utilizar más recursos de los necesarios. Ambos exponen a un número innecesario de participantes a riesgos experimentales.
El truco es dimensionar un estudio de forma que sea lo suficientemente grande como para detectar un efecto de importancia científica. Si el efecto resulta ser mayor, mucho mejor. Pero primero tiene que reunir alguna información sobre la que basar las estimaciones.
Una vez que haya reunido esa información, puede calcularla a mano utilizando una fórmula que se encuentra en muchos libros de texto, utilizar uno de los muchos paquetes de software especializados o entregarla a un estadístico, dependiendo de la complejidad del análisis. Pero independientemente de la forma en que usted o su estadístico lo calculen, primero debe realizar los siguientes 5 pasos:
Paso 1. Especifique una prueba de hipótesis.
La mayoría de los estudios tienen muchas hipótesis, pero para el cálculo del tamaño de la muestra, elija de una a tres hipótesis principales. Hágalas explícitas en términos de hipótesis nula y alternativa.
Paso 2. Especifique el nivel de significación de la prueba.
Suele ser alfa = 0,05, pero no tiene por qué serlo.
Paso 3. Especifique el tamaño del efecto más pequeño que sea de interés científico.
Este suele ser el paso más difícil. El punto aquí no es especificar el tamaño del efecto que usted espera encontrar o que otros han encontrado, sino el tamaño del efecto más pequeño de interés científico.
¿Qué significa eso? Cualquier tamaño del efecto puede ser estadísticamente significativo con una muestra lo suficientemente grande. Su trabajo consiste en averiguar en qué momento sus colegas dirán: «¿Y qué si es significativo? No afecta a nada!»
Para algunas variables de resultado, el valor correcto es obvio; para otras, en absoluto.
Algunos ejemplos:
- Si su terapia disminuyera la ansiedad en un 3%, ¿mejoraría realmente la vida de un paciente? Cómo de grande tendría que ser el descenso?
- Si los tiempos de respuesta al estímulo en la condición experimental fueran 40 ms más rápidos que en la condición de control, ¿significa eso algo? Es significativa una diferencia de 40 ms? ¿Es 20? 100?
- Si se encontraran 4 escarabajos menos por planta con el tratamiento que con el control, ¿afectaría eso realmente a la planta? ¿Pueden 4 escarabajos más destruir, o incluso atrofiar una planta, o se necesitan 10? 20?
Paso 4. Estimar los valores de otros parámetros necesarios para calcular la función de potencia.
La mayoría de las pruebas estadísticas tienen el formato de efecto/error estándar. Hemos elegido un valor para el efecto en el paso 3. El error estándar es generalmente la desviación estándar/n. Para resolver n, que es el punto de todo esto, necesitamos un valor para la desviación estándar. Sólo hay dos maneras de obtenerlo.
1. La mejor forma es utilizar los datos de un estudio piloto para calcular la desviación estándar.
2. La otra forma es utilizar datos históricos-otro estudio que utilizó la misma variable dependiente. Si tiene más de un estudio, aún mejor. Promedie sus desviaciones estándar para obtener una estimación más fiable.
A veces ambas fuentes de información pueden ser difíciles de conseguir, pero si quiere tamaños de muestra que sean remotamente precisos, necesita una u otra.
Paso 5. Especifique la potencia prevista de la prueba.
La potencia de una prueba es la probabilidad de encontrar significación si la hipótesis alternativa es verdadera.
Una potencia de 0,8 es el mínimo. Si va a ser difícil volver a realizar el estudio o añadir algunos participantes más, una potencia de 0,9 es mejor. Si está solicitando una subvención, una potencia de 0,9 es siempre mejor.
Ahora calcule.
