Michael Wood
en la práctica estas oportunidades rara vez se toman. Por tanto, uno de
mis objetivos en este artículo es demostrar algunas de las posibilidades.
Tabla 2. Intervalos de confianza para los modelos lineales
(3 en el panel A de la tabla 2 en Glebbeek & Bax, 2004)
Mejor
estimación
Impacto estimado del 1 % de aumento en la
rotación de personal
Impacto estimado del 1 % de aumento en el
ausentismo
Impacto estimado del aumento de un año
de la edad promedio
Diferencia estimada entre regiones vecinas
(región 1 con el rendimiento más bajo)
Estimación global de la exactitud de la precisión (R2 ajustado)
Límite inferior
Límite superior
de 95 % del
de 95 % del IC
IC
−1778
−3060
−495
−3389
−6767
−10
−731
−3716
2254
15 066
5607
24 525
12 %
Nota: IC = intervalo de confianza.
El asunto de la facilidad de uso y comprensión por parte de los lectores es apenas un aspecto menor en el debate sobre los pros y los contras de los diferentes enfoques estadísticos. Otro asunto que merece ser
mencionado aquí es el debate sobre el papel de las pruebas de significación de las hipótesis nulas (y los valores de p). Este es el método estándar
utilizado en el área de la administración y en la mayoría de las ciencias
sociales para responder a cuestionamientos sobre la confiabilidad con la
que podemos hacer generalizaciones a partir de una muestra limitada de
datos. Sin embargo, hay argumentos muy fuertes —presentados en numerosos libros y artículos en los últimos años— en contra del uso de estas pruebas en bastantes contextos (por ejemplo, Cohen, 1994; Gardner &
Altman, 1986; Kirk, 1996; Lindsay, 1995; Morrison & Henkel, 1970; Nickerson, 2000), así como en favor de enfoques alternativos, tales como el uso
de intervalos de confianza. Según Cohen (1994), “tras cuatro décadas de
48 | Paradigmas, ene.-jun., 2014, Vol. 6, No. 1, 37-73