¿Cuál es la media ajustada en estadística?
La media ajustada surge cuando los promedios estadísticos deben corregirse para compensar los desequilibrios de datos y las grandes variaciones. Los valores atípicos presentes en los conjuntos de datos a menudo se eliminarán, ya que tienen un gran impacto en los medios calculados de las poblaciones pequeñas. Se puede determinar una media ajustada eliminando estas cifras atípicas.
Para llevar clave
- La media ajustada se utiliza para corregir promedios estadísticos con desequilibrios obvios. Se calcula eliminando los valores atípicos del conjunto de datos. Las medias ajustadas se calculan utilizando ecuaciones de regresión múltiple. Este es un método preferido para la mayoría de los profesionales que dependen en gran medida de las estadísticas y su precisión. Los covariables son variables que el investigador no puede controlar pero que aún afectan los resultados.
Cómo funciona la media ajustada
Las medias ajustadas también se denominan "medias de mínimos cuadrados" y se calculan utilizando una ecuación de regresión múltiple. Las ecuaciones de regresión múltiple son el método preferido por muchos investigadores y la mayoría de los profesionales del personal para lograr resultados e información precisos en sus estudios. Este método proporcionará un resultado más exacto y datos más confiables al final del estudio, y ha sido fuertemente apoyado por grupos de investigación científicos, financieros y varios otros durante muchos años.
Por ejemplo, al estudiar a hombres y mujeres que participan en un comportamiento o actividad particular, puede ser necesario ajustar los datos para tener en cuenta el impacto del género en los resultados. Sin el uso de medios ajustados, los resultados que al principio pueden parecer atribuibles a participar en una determinada actividad o comportamiento podrían verse sesgados por el impacto del género de los participantes.
En este ejemplo, los hombres y las mujeres se considerarían covariables, un tipo de variable que el investigador no puede controlar pero que afecta los resultados de un experimento. El uso de medios ajustados compensa las covariables para ver cuál sería el efecto de la actividad o el comportamiento si no hubiera diferencias entre los géneros.
Comparar los medios originales y ajustados de cualquier estudio puede darle una mejor idea de cuánto entran en juego los factores individuales en el estudio en general.
Ejemplo de una media ajustada
Considere los mercados financieros, que podrían ajustar un promedio promedio para un cambio de régimen, que es el término para el reemplazo de un régimen de gobierno por otro. En teoría, es probable que un nuevo gobierno introduzca nuevas políticas y otros cambios, haciendo que las comparaciones entre dos estilos de gobierno diferentes no tengan sentido. Para obtener resultados precisos, los datos deberán actualizarse o ajustarse en consecuencia.
Otro ejemplo en el que sería necesaria una media ajustada para la precisión proviene de la época de la Gran Recesión. En 2009, para facilitar los controles de capital de los bancos, FASB suspendió la regla de mark to market. De este modo, mejora instantáneamente los balances de los grandes bancos. Si un analista revisara las tendencias en el cambio del balance en 2010 durante los últimos diez años, el promedio promedio sería problemático e inexacto.
Después del suspenso de los métodos de contabilidad de marcado al mercado, los balances de los bancos fueron sustancialmente mejores (en papel) que antes del cambio en la regla de contabilidad. Por lo tanto, para alguien que simplemente mira un promedio de diez años en 2010, los resultados serían bastante sesgados sin ajustar la media para el cambio en la contabilidad de mercado.
El uso de medios ajustados en ejemplos igualmente desequilibrados y otras situaciones puede cambiar enormemente el resultado y los resultados, sin requerir que el investigador comience el estudio nuevamente. Hay una variedad de otros métodos alternativos que pueden usarse en un estudio de investigación para lograr resultados similares, pero la mayoría de ellos serán significativamente más desafiantes y requerirán más tiempo.
