Cómo plantear un problema en un análisis estadístico
Antes de elegir un análisis, hay que saber qué se quiere explicar o modelar y qué variables podrían explicarlo.
Todo análisis estadístico responde a una pregunta de investigación concreta. Esa pregunta, bien formulada, ya distingue qué se quiere explicar de qué se cree que lo explica — el análisis solo formaliza esa relación. Plantear mal esta distinción desde el inicio lleva a elegir el análisis equivocado, sin importar qué tan bien se ejecute después. Ver Objetivos de investigación.
VARIABLE RESPUESTA
Lo que se mide, explica o predice — el resultado de interés. También se le llama variable dependiente. Es el “qué” de la pregunta de investigación.
Pregunta guía: ¿qué es lo que quiero explicar o predecir?
VARIABLES EXPLICATIVAS
Lo que se hipotetiza que influye sobre la variable respuesta. También se conocen como predictores o covariables; en muchos textos también se denominan variables independientes. o predictoras. Pueden ser una o varias.
Pregunta guía: ¿qué creo que influye sobre eso?
Densidad especie de ave
(respuesta)
La mayoría de estos análisis son, en el fondo, el mismo modelo lineal (general): la respuesta se explica como una combinación de predictores más error. Lo que cambia es (1) cómo entra cada predictor en la fórmula, y (2) — cuando la respuesta no es continua — la distribución del modelo, lo que se conoce como modelo lineal generalizado. Ver La familia de los modelos lineales y Pruebas estadísticas como modelos lineales.
El tipo de predictor cambia la fórmula, no el modelo:
Predictor continuo (ej. elevación)
→
Entra como pendiente — y ~ x
Predictor categórico (ej. tipo de cobertura)
→
Entra como diferencia entre grupos — y ~ grupo (lo que tradicionalmente se llama ANOVA, pero es el mismo modelo lineal)
El tipo de respuesta cambia la familia del modelo:
Respuesta continua (ej. densidad)
→
Modelo lineal, distribución normal
Respuesta binaria (ej. presente / ausente)
→
Modelo lineal generalizado, familia binomial (regresión logística)
Respuesta de conteo (ej. número de individuos, riqueza de especies)
→
Modelo lineal generalizado, familia Poisson o binomial negativa
Cuando la distinción no es evidente, algunas preguntas ayudan a resolverla:
- ¿Qué se mide como consecuencia de otra cosa? Esa suele ser la respuesta.
- ¿Qué ocurre o se establece primero, en el tiempo o en la lógica del sistema? Eso tiende a ser explicativo.
- ¿La pregunta de investigación ya lo dice explícitamente? Releerla suele resolver la duda antes de mirar los datos.
- ¿El diseño del estudio es experimental o solo observacional? Sin manipulación, la “explicativa” solo está asociada, no necesariamente causa el resultado.
El diseño del estudio, no la intuición, es lo que finalmente respalda una dirección causal. Ver Correlación vs. causalidad y Patrón vs. mecanismo.
Error: invertir la variable respuesta y la explicativa, por ejemplo tratar la elevación como si fuera lo que se predice.
CORRECCIÓN
Preguntarse primero qué se quiere explicar — esa es la respuesta; lo demás son candidatas a explicativas.
Error: confundir una variable de control (covariable) con la variable de interés principal.
CORRECCIÓN
Distinguir la pregunta central de las variables que solo se incluyen para aislar su efecto.
Error: incluir demasiadas variables explicativas sin justificación teórica.
CORRECCIÓN
Cada explicativa debe tener una razón biológica o teórica para estar en el modelo, no solo estar disponible en los datos.
Error: tratar una variable de conteo como continua y ajustarle un modelo lineal ordinario sin más.
CORRECCIÓN
Los conteos suelen requerir modelos específicos para ese tipo de dato — ver La familia de los modelos lineales.
Error: no distinguir entre una variable manipulada experimentalmente y una simplemente medida u observada.
CORRECCIÓN
Esa distinción determina si se puede hablar de causalidad — ver Correlación vs. causalidad.
Error: elegir primero la prueba estadística y luego intentar acomodar la pregunta de investigación.
CORRECCIÓN
Primero se define la pregunta y las variables; el análisis se deriva de ellas, no al revés.
Error: seleccionar variables únicamente porque fueron significativas en análisis univariados.
CORRECCIÓN
La selección de variables debe basarse en la pregunta de investigación, el conocimiento del sistema y, cuando corresponda, criterios estadísticos adecuados.
ANTES DE ANALIZAR Antes de elegir un análisis conviene responder cuatro preguntas: ¿qué quiero explicar o modelar?, ¿qué variables podrían explicarlo?, ¿qué tipo de variable es cada una? y ¿el modelo elegido es compatible con esos tipos de variables? ¿Identifiqué qué se hipotetiza que la explica? ¿Sé qué tipo es cada variable? ¿Cada explicativa tiene una razón para estar incluida?
Manuel Spínola · ICOMVIS-UNA
Cómo citar
@online{spínola2026,
author = {Spínola, Manuel},
title = {Cómo plantear un problema en un análisis estadístico},
date = {2026-08-04},
url = {https://mspinola-infografias.netlify.app/infografias/estadistica/proceso/plantear_problema_estadistico.html},
langid = {es}
}