En
el mundo del estudio estadístico se aprende rápidamente la importancia del
p-value. Un p-value menor que 0.05 representa resultados significativos, lo que
se traduce a su vez a una mayor probabilidad de que tu artículo sea publicado
por una revista científica. No es de extrañar que muchos investigadores acaben centrándose
excesivamente en ese tan deseado p-value<0.05.
El
término P-value hacking, acuñado en 2014 por Regina Nuzzo en Nature News,
describe la manipulación, consciente o inconsciente, de los datos para conseguir
el p-value deseado. Son muchos los métodos para conseguirlo. La manipulación del
tamaño de la muestra, la eliminación de los datos anómalos o relacionar la variable
dependiente con el mayor número de variables independientes hasta llegar a una
relación significativa.
Como
resultado de esta mala práctica, muchos resultados acaban siendo fruto de la
casualidad y muchos estudios se contradicen los unos a los otros.
Lo
verdaderamente preocupante es, sin embargo, lo generalizadas que parecen estar
estas prácticas. En los últimos años, en medio de una crisis existencial de la
psicología y otras ciencias que utilizan métodos estadísticos, el término
p-hacking se ha popularizado, reforzando así ideas negativas sobre el método científico.
En una de las tarjetas del popular juego “Cards Against Humanity” podemos leer “En
línea con nuestras predicciones, encontramos una fuerte correlación entre ____
y ____ (p<0.05)”, frase a completar con cualquier disparate que se le ocurra
al jugador. Gracioso, pero demasiado real.
En medio de esta polémica, algunas revistas
han decidido prohibir estudios basados en el p-value. La Asociación Americana
de Estadística (ASA) por su parte, publicó en 2016, por primera vez en su
historia, una guía de pautas explícitas de cómo evitar el mal uso del p-value.
Si
estas medidas surgen efecto, en una sociedad que superpone muchas veces el éxito
a la verdad, todavía está por ver.
Fuentes:
