La (significativa) importancia biológica de la no-significancia estadística

  • Alejandro G. Farji-Brener Laboratorio Ecotono, CRUB, Universidad del Comahue, Bariloche, Argentina
Palabras clave: hipótesis biológicas, hipótesis estadísticas, resultados no-significativos

Resumen

El rechazo de hipótesis biológicas incorrectas como consecuencia de resultados estadísticamente no-significativos es comúnmente despreciado como un aporte para el crecimiento del conocimiento científico. Los argumentos previos contra esta creencia se han basado principalmente en las consecuencias negativas de la escasa divulgación de resultados estadísticamente no-significativos más que enfocarse sobre el mérito lógico de descartar ideas erróneas. En este ensayo, discutiré cómo los métodos estadísticos clásicos (i.e., estadística frecuentista), y la base epistemológica de la cual derivan, están basados en la eliminación de ideas falsas más que en el descubrimiento de ideas potencialmente verdaderas. El menosprecio de buenas investigaciones y/o su eventual rechazo editorial debido a su no-significancia estadística niega, entonces, la principal ventaja de los métodos estadísticos tradicionales: refutar ideas incorrectas. Rechazar una hipótesis biológica basándose en una investigación de buena calidad y alto poder estadístico es una de las formas más robustas de aprender sobre el funcionamiento de la naturaleza.

Citas

ANDERSON, DR; KP BURNHAM & WL THOMPSOM. 2000. Null hypothesis testing: problems, prevalence, and an alternative. J. Wild. Manag. 64:912-923.

BURNHAM, KP & DR ANDERSON. 2002. Model Selection and Multimodel inference: A Practical Information-Theoric Approach. Springer-Verlag, N. Y.

BROWN, J. 2001. Ngongas in ecology: on having a worldview. Oikos 94:6-16.

BUNGE, M. 1997. La Ciencia, su método y su filosofía. Segunda edición. Editorial Panamericana. Bogotá, Colombia.

CARVER, RP. 1978. The case against statistical significance testing. Harverd Educational Review 48:378-399.

CSADA, R; P JAMES & R ESPIE. 1996. The “file drawer problem” of non-significant results: does it apply to biological research? Oikos 76:591-593.

EBERHART, LL. 2003. What should we do about hypothesis testing? J. Wild. Manag. 67:241-247.

ELLISON, A. 2004. Bayesian inference in ecology. Ecology Letters 7:509-520.

FARJI-BRENER, AG. 2003. Uso correcto, parcial e incorrecto de los términos “hipótesis” y “predicciones” en ecología. Ecología Austral 13:223-227.

FARJI-BRENER, AG. 2004.¿Son hipótesis las hipótesis estadísticas? Ecología Austral 14:201-203.

GOTELLI, N & A ELLISON. 2004. A Primer of Ecological Statistics. Sinauer Assoc, Inc. Mass, USA.

GRAHAM, M & P DAYTON. 2002. On the evolution of Ecological ideas: paradigms and scientific progress. Ecology 83:1481-1489.

HILBORN, R & M MANGEL. 1997. The Ecological Detective: confronting models with data. Princeton University Press, New Jersey.

HULBERT, S. 2004. On misinterpretation of pseudoreplication and related matters: a reply to Oksanen. Oikos 104:591-597.

JOHNSON, D. 1999. The insignificance of statistical significance testing. J. Wildl. Manag. 63:763-772.

JOHNSON, D. 2002. The role of hypothesis testing in willife sciene. J. Wildl. Manag. 66:272-276.

KORICHEVA, J. 2003. Non-significant results in ecology: a burden or a blessing in disguise? Oikos 102:397-401.

LAKATOS, I. 1978. The Methodology of Scientific Research Programmes. Cambridge University Press, New York.

LORTIE, J. 1999. Over-interpretation: avoiding the stigma of non-significant results. Oikos 87:183-184.

MAYO, D. 1996. Error and the Growth of Experimental Knowledge. University of Chicago Press, Chicago.

MCINTOSH, R. 1987. Pluralism in ecology. Ann. Rev. Ecol.Sist. 18:321-341.

OKSANEN, L. 2004. The devil lies in details: reply to Stuart Hulbert. Oikos 104:598-605.

PALMER, AR. 1999. Detecting publication bias in meta-analyses: a case study of fluctuating asymmetry and sexual selection. Am. Nat. 154:220-233.

POPPER, K. 1959. The logic of Scientific Discovery. Hutchinson, London.

ROSENTHAL, R. 1979. The “file drawer problem” and tolerance for null results. Psychol. Bull. 86:638-641.

SCHEINER, S & J GUREVITCH. 2001. Design and Analysis of Ecological Experiments. Second edition. Oxford University Press, New York.

STEPHENS, PA; SW BUSKIRK; GD HAYWARD & C MARTÍNEZ DEL RÍO. 2005. Information theory and hypothesis testing: a call for pluralism. J. Appl. Ecol. 42:4-12

STOEHR, A. 1999. Are significance thresholds appropriate for the study of animal behavior? Animal Behavior 57:F22-F25.

UNDERWOOD, A. 1997. Experiments in Ecology: their logical design and interpretation using analysis of variance. Cambridge University Press, New York.

WEBER, T. 1999. A plea for diversity of scientific styles in ecology. Oikos 84:526-529.
Publicado
2006-06-01
Sección
Debate