Análisis de potencia post-hoc

El análisis de potencia post hoc a menudo es criticado por ser engañoso e inútil.

Existe preocupación de que el análisis de potencia post hoc pueda alentar a los investigadores a justificar resultados no significativos alegando una potencia insuficiente, incluso cuando el diseño del estudio o la metodología eran defectuosos por otras razones. Esta práctica puede socavar el rigor científico y conducir a la publicación de hallazgos inconclusos o engañosos.
Los intervalos de confianza alrededor de los tamaños del efecto proporcionan una visión más significativa sobre la incertidumbre y la solidez de la evidencia.
Si una prueba produce un resultado no significativo, un análisis de potencia post hoc siempre indicará una baja potencia — pero esto simplemente refleja la no significancia y no ofrece información adicional o lo hace en muy poca medida.
La potencia post hoc es, en esencia, una reformulación del valor P. La potencia post hoc es una función directa del valor P observado y del tamaño del efecto.

Sin embargo, algunas revistas o agencias de financiación aún lo solicitan, especialmente si un estudio arroja resultados negativos.

Por esta razón, ofrecemos las siguientes calculadoras de potencia post hoc en línea.

Fórmula general para otras pruebas

Para otras pruebas, puedes usar la siguiente fórmula general que relaciona el valor P observado con la potencia observada:

$$ Potencia\ observada = 1 - \Phi(z_{1-\alpha/2} - z_{1-p/2}) $$

donde

$ \Phi $ es la función de distribución acumulativa (CDF) de la distribución normal estándar
$ z_{1-\alpha/2 } $ es el valor crítico correspondiente al nivel de significancia (por ejemplo, 1.96 para $ \alpha $ = 0.05 en una prueba z de dos colas)
$ z_{1-p/2} $ es el valor z correspondiente al valor P observado.

La siguiente calculadora proporcionará una estimación de la potencia basada únicamente en el valor P.

Nivel alfa requerido (P):
Valor P observado:

Bakker M, van Dijk A, Wicherts JM (2019) The rules of the game in the interpretation of psychological research: Why we should abandon post hoc power analysis. Psychological Methods, 24(4), 492-503.
Button KS, et al. (2013) Power failure: Why small sample size undermines the reliability of neuroscience. Nature Reviews Neuroscience, 14(5), 365-376.
Cohen J (1988) Statistical Power Analysis for the Behavioral Sciences (2nd ed.). Lawrence Erlbaum Associates.
Gelman A, Carlin JB (2014) Bayesian Data Analysis (3rd ed.). CRC Press.
Hoenig JM, Heisey DM (2001) The abuse of power: The pervasive fallacy of power calculations for data analysis. The American Statistician, 55(1), 19-24.
Lakens D (2022) Practical Meta-Analysis. Sage.
McShane BB, Böckenholt U (2017) The pitfalls of post hoc power analysis. Psychological Science, 28(4), 551-561.