Efectos aleatorios vs. efectos fijos

Escrito por peter flom | Traducido por aldana avale
  • Comparte
  • Twittea
  • Comparte
  • Pin
  • E-mail
Efectos aleatorios vs. efectos fijos
Los efectos aleatorios y los efectos fijos son términos utilizados en modelos estadísticos (Write image by Aleksandar Radovanov from Fotolia.com)

Los efectos aleatorios y los efectos fijos son términos utilizados en modelos estadísticos. El contraste entre ellos causa mucha confusión. Estos efectos se originan en los planes de muestreo de datos y los planes de análisis deben tratar con análisis estadísticos de forma diferente. A veces, un modelo estadístico incluye ambos efectos; esto exige un tipo de modelo que tiene muchos nombres, incluyendo un modelo mixto y uno jerárquico.

Otras personas están leyendo

Distinguir entre efectos aleatorios y fijos

Quizás la forma más simple de distinguir entre los efectos aleatorios y los fijos es imaginar hacer el mismo estudio otra vez. ¿Tendrás los mismos niveles en las variables en cuestión? Si es así, es un efecto fijo. Si no, es un efecto aleatorio. Otra forma de distinguir lo fijo vs. lo aleatorio, es preguntarse si los niveles se pueden pensar como una muestra aleatoria de una gran población. Si es así, es un efecto aleatorio, si no es un efecto fijo. Aún así, otra forma es preguntarse si estás interesado en estos niveles particulares o simplemente son niveles a los que llegaste para conseguir este estudio.

Ejemplo de distinción de efectos aleatorios y fijos

Por ejemplo, si estabas estudiando si los profesores hombres o mujeres daban calificaciones más altas, entonces el sexo sería un efecto fijo (porque siempre encuestarías a hombres y mujeres); pero el profesor podría ser un efecto aleatorio porque si haces nuevamente el estudio podrías encuestar a profesores diferentes. Estos profesores son una muestra aleatoria de todos los profesores y tú no estás interesado en estos profesores en particular. Por otro lado, si estuvieras estudiando qué profesores en tu departamento de la escuela eran los lectores más claros, entonces los profesores serían el efecto fijo, porque si hicieras nuevamente el estudio, volverías a encuestar a los mismos profesores. Éstos no son una muestra aleatoria, y tú estás interesado en estos profesores en particular.

Implicancias para el análisis: Efectos aleatorios vs. efectos fijos

Si un profesor es un efecto aleatorio, entonces pensamos en cada profesor como un interceptor particular, y la variación sobre este interceptor forma parte del término de error. No estamos interesados en si el Profesor Bob Smith da mejores calificaciones que la Prof. May Jones, estamos interesados en si los hombres dan mejores calificaciones que las mujeres. Sin embargo, cuando un profesor es un efecto fijo, entonces estimamos un parámetro de regresión para cada profesor, porque estamos interesados en saber qué profesores en nuestro departamento son mejores o peores. En breve, los efectos aleatorios forman parte del interceptor y los fijos son los parámetros.

Análisis para los efectos aleatorios y fijos

Cuando tienes efectos aleatorios y fijos en la misma variable, las cosas se ponen más complejas. Un ejemplo de este son las medidas repetidas con el tiempo. Por ejemplo, si mides las calificaciones de cada profesor varias veces, pero estaban interesadas en comparar los hombres y las mujeres, entonces los profesores serán a la vez efecto fijo (porque buscas a cada profesor más de una vez) y efecto aleatorio (porque no estás interesado en esos profesores en particular). En este caso, el mejor enfoque es un modelo mixto (también conocido como modelo jerárquico y modelo de multi niveles) que combina efectos aleatorios y fijos.

No dejes de ver

Filtrar por:
  • Mostrar todos
  • Artículos
  • Galerías de fotos
  • Videos
Ordenar:
  • Más relevante
  • Más popular
  • Más reciente

No se encuentran artículos disponibles

No se encuentran slideshows disponibles

No se encuentran videos disponibles