Metodologa de la Investigacin

1/5

Asociacin de variables cualitativas: test de Chi-cuadrado

Autores: Salvador Pita Fernndez(1), Sonia Prtega Daz(2) (1) Mdico de Familia. Centro de Salud de Cambre (A Corua). (2) Unidad de Epidemiologa Clnica y Bioestadstica. Complejo Hospitalario Juan Canalejo (A Corua). Actualizada el 03/11/2004.

En la investigacin biomdica nos encontramos con frecuencia con datos o variables de tipo cualitativo, mediante las cuales un grupo de individuos se clasifican en dos o ms categoras mutuamente excluyentes. Las proporciones son una forma habitual de expresar frecuencias cuando la variable objeto de estudio tiene dos posibles respuestas, como presentar o no un evento de inters (enfermedad, muerte, curacin, etc.). Cuando lo que se pretende es comparar dos o ms grupos de sujetos con respecto a una variable categrica, los resultados se suelen presentar a modo de tablas de doble entrada que reciben el nombre de tablas de contingencia. As, la situacin ms simple de comparacin entre dos variables cualitativas es aquella en la que ambas tienen slo dos posibles opciones de respuesta (es decir, variables dicotmicas). En esta situacin la tabla de contingencia se reduce a una tabla dos por dos como la que se muestra en la Tabla 11,2. Supongamos que se quiere estudiar la posible asociacin entre el hecho de que una gestante fume durante el embarazo y que el nio presente bajo peso al nacer. Por lo tanto, se trata de ver si la probabilidad de tener bajo peso es diferente en gestantes que fumen o en gestantes que no fumen durante la gestacin. Para responder a esta pregunta se realiza un estudio de seguimiento sobre una cohorte de 2000 gestantes, a las que se interroga sobre su hbito tabquico durante la gestacin y se determina adems el peso del recin nacido. Los resultados de este estudio se muestran en la Tabla 2. En la Tabla 1, a, b, c y d son las frecuencias observadas del suceso en la realidad de nuestro ejemplo de estudio (43, 207, 105 y 1647), siendo n (2000) el nmero total de casos estudiados, y a+b, c+d, a+c y b+d los totales marginales. En el ejemplo, a+b=250 sera el nmero total de mujeres fumadoras durante el embarazo, c+d=1750 el nmero total de mujeres no fumadoras, a+c=148 el nmero de nios con bajo peso al nacer y b+d=1852 el nmero de nios con peso normal al nacimiento. Ante una tabla de contingencia como la anterior pueden plantersenos distintas cuestiones. En primer lugar, se querr determinar si existe una relacin estadsticamente significativa entre las variables estudiadas. En segundo lugar, nos interesar cuantificar dicha relacin y estudiar su relevancia clnica. Esta ltima cuestin podr resolverse mediante las denominadas medidas de asociacin o de efecto (riesgo relativo (RR), odds ratio (OR), reduccin absoluta del riesgo (RAR)), que ya han sido abordadas en otros trabajos3,4. Por otro lado, para responder a la primera pregunta, la metodologa de anlisis de las tablas de contingencia depender de varios aspectos como son: el nmero de categoras de las variables a comparar, del hecho de que las categoras estn ordenadas o no, del nmero de grupos independientes de sujetos que se estn considerando o de la pregunta a la que se desea responder5. Existen diferentes procedimientos estadsticos para el anlisis de las tablas de contingencia como la prueba

2 , la prueba exacta de fisher, la prueba de McNemar o la prueba Q de Cochran, entre otras. 2

como mtodo estndar de

En este artculo se expondr el clculo e interpretacin de la prueba anlisis en el caso de grupos independientes1,2,5,6.

La prueba

2 2

en el contraste de independencia de variables aleatorias cualitativas.

La prueba permite determinar si dos variables cualitativas estn o no asociadas. Si al final del estudio concluimos que las variables no estn relacionadas podremos decir con un determinado nivel de confianza, previamente fijado, que ambas son independientes. Para su cmputo es necesario calcular las frecuencias esperadas (aquellas que deberan haberse observado si la hiptesis de independencia fuese cierta), y compararlas con las frecuencias observadas en la realidad. De modo general, para una tabla r x k (r filas y k columnas), se calcula el valor del estadstico

como sigue:

www.fisterra.com

Atencin Primaria en la Red

Metodologa de la Investigacin

2/5

=
2 i =1 j =1

(O

ij

Eij ) Eij

(1)

donde:

Oij
Eij

denota a las frecuencias observadas. Es el nmero de casos observados clasificados en la fila i de la columna j. denota a las frecuencias esperadas o tericas. Es el nmero de casos esperados correspondientes a cada fila y columna. Se puede definir como aquella frecuencia que se observara si ambas variables fuesen independientes.

mide la diferencia entre el valor que debiera resultar si las dos variables fuesen As, el estadstico independientes y el que se ha observado en la realidad. Cuanto mayor sea esa diferencia (y, por lo tanto, el valor del estadstico), mayor ser la relacin entre ambas variables. El hecho de que las diferencias entre los valores observados y esperados estn elevadas al cuadrado en (1) convierte cualquier diferencia en positiva. El test es as un test no dirigido (test de planteamiento bilateral), que nos indica si existe o no relacin entre dos factores pero no en qu sentido se produce tal asociacin.

ij , estos se calculan a travs del producto de los totales Para obtener los valores esperados marginales dividido por el nmero total de casos (n). Para el caso ms sencillo de una tabla 2x2 como la Tabla 1, se tiene que:

E11 =

(a + b ) (a + c )
n

E21 =

(c + d ) (a + c )
n

E12 =

(a + b ) (b + d )
n

E22 =

(c + d ) (b + d )
n

Para los datos del ejemplo en la Tabla 2 los valores esperados se calcularan como sigue:

E11 =
E12 =

148 250 = 18,5 2000

E21 =
E22 =

148 1750 = 129,5 2000

1852 250 = 231,5 2000

1852 1750 = 1620,5 2000

De modo que los valores observados y esperados para los datos del ejemplo planteado se muestran en la Tabla 3.

El valor del estadstico

2 , para este ejemplo en concreto, vendra dado entonces como:

= 40,04

2 =

(43 18,5)2 + (207 231,5)2 + (105 129,5)2 + (1645 1620,5)2

18,5 231,5 129,5 1620,5

A la vista de este resultado, lo que tenemos que hacer ahora es plantear un contraste de hiptesis entre la hiptesis nula: H0: No hay asociacin entre las variables (en el ejemplo, el bajo peso del nio y el hecho de fumar durante la gestacin son independientes, no estn asociados).

www.fisterra.com

Atencin Primaria en la Red

Metodologa de la Investigacin Y la hiptesis alternativa: Ha: S hay asociacin entre las variables, es decir, el bajo peso y el fumar durante la gestacin estn asociados.

3/5

Bajo la hiptesis nula de independencia, se sabe que los valores del estadstico se distribuyen segn una distribucin conocida denominada ji-cuadrado, que depende de un parmetro llamado grados de libertad (g.l.). Para el caso de una tabla de contingencia de r filas y k columnas, los g.l. son igual al producto del nmero de filas menos 1 (r-1) por el nmero de columnas menos 1 (k-1). As, para el caso en el que se estudie la relacin entre dos variables dicotmicas (Tabla 2x2) los g.l. son 1. De ser cierta la hiptesis nula, el valor obtenido debera estar dentro del rango de mayor probabilidad segn la distribucin ji-cuadrado correspondiente. El valor-p que usualmente reportan la mayora de paquetes estadsticos no es ms que la probabilidad de obtener, segn esa distribucin, un dato ms extremo que el que proporciona el test o, equivalentemente, la probabilidad de obtener los datos observados si fuese cierta la hiptesis de independencia. Si el valor-p es muy pequeo (usualmente se considera p<0.05) es poco probable que se cumpla la hiptesis nula y se debera de rechazar. En la Tabla 4, se determinan los grados de libertad (en la primera columna) y el valor de (en la primera fila). El nmero que determina su interseccin es el valor crtico correspondiente. De este modo, si el estadstico que se obtiene toma un valor mayor se dir que la diferencia es significativa. As, para una seguridad del 95% ( =0.05) el valor terico de una distribucin ji-cuadrado con una grado de libertad es 3,84. Para =0.01 es de 6,63 y para =0.005 es de 7,88. Como quiera que en el clculo del 2 en el ejemplo obtuvimos un valor de 40,04, que supera al valor para =0.005, podremos concluir que las dos variables no son independientes, sino que estn asociadas (p<0.005). Por lo tanto, a la vista de los resultados, rechazamos la hiptesis nula (H0) y aceptamos la hiptesis alternativa (Ha) como probablemente cierta.

Para el caso de una Tabla 2x2, la expresin (1) del estadstico como:
2

puede simplificarse y obtenerse

n(ad bc ) = (a + b )(c + d )(a + c )(b + d )

2

Cuando el tamao muestral es reducido la utilizacin de la distribucin ji-cuadrado para aproximar las frecuencias puede introducir algn sesgo en los clculos, de modo que el valor del estadstico tiende a ser mayor. En ocasiones se utiliza una correccin para eliminar este sesgo que, para el caso de tablas 2x2 se conoce como la correccin de Yates:

n n ad bc 2 Y2 = (a + b )(c + d )(a + c )(b + d )

En el ejemplo previo el clculo del estadstico

con la correccin de Yates nos dara un valor de

=40,04. No existe consenso en la literatura sobre la utilizacin o no de esta correccin conservadora de Yates, que con muestras reducidas dificulta rechazar la hiptesis nula, si bien el efecto es prcticamente imperceptible cuando se trabaja con muestras de mayor tamao. No obstante, conviene mencionar que la utilizacin de la correccin de Yates no exime de ciertos requerimientos acerca del tamao muestral necesario para la utilizacin del estadstico . Como norma general, se exigir que el 80% de las celdas en una tabla de contingencia deban tener valores esperados mayores de 5. As, en una tabla 2x2 ser necesario que todas las celdas verifiquen esta condicin, si bien en la prctica suele permitirse que una de ellas muestre frecuencias esperadas ligeramente por debajo de este valor. En aquellos casos en los que no se verifique este requisito existe un test, propuesto por R.A. Fisher, que puede utilizarse como alternativa al test www.fisterra.com

2 Y =38,43 (p<0.0.1) en lugar de

y que se conoce

Atencin Primaria en la Red

Metodologa de la Investigacin

4/5

como test exacto de Fisher. El procedimiento consiste en evaluar la probabilidad asociada a todas las tablas 2x2 que se pueden formar con los mismos totales marginales que los datos observados, bajo el supuesto de independencia. Los clculos, aunque elementales, resultan algo engorrosos, por lo que no se incluirn en este trabajo, siendo mltiples las referencias que se pueden consultar a este respecto5,6. Para finalizar, recalcar que existen otros mtodos estadsticos que nos permiten analizar la relacin entre variables cualitativas, y que vienen a complementar la informacin obtenida por el estadstico . Por una parte, el anlisis de los residuos estandarizados permitir constatar la direccin en que se da la relacin entre las variables estudiadas. A su vez, existen tambin otras medidas de asociacin, muchas de las cuales resultan especialmente tiles cuando alguna de las variables se mide en una escala nominal u ordinal, que permiten cuantificar el grado de relacin que existe entre ambos factores7. Bibliografa 1. 2. 3. 4. 5. 6. 7. Fleiss J L. Statistical Methods for rates and proportions. 3 rd. ed. New York: John Wiley & Sons; 2003. Selvin S. Statistical Analysis of epidemiologic data. 3 rd. ed. New York: Oxfrod University Press; 2004. Pita Fernndez S, Vila Alonso MT, Carpente Montero J. Determinacin de factores de riesgo. Cad Aten Primaria 1997; 4: 75-78. [Texto completo] Pita Fernndez S, Lpez de Ullibarri Galparsoro I. Nmero necesario de pacientes a tratar para reducir un evento. Cad Aten Primaria 1998; 96-98. [Texto completo] Altman DG. Practical statistics for medical research. London: Chapman & Hall; 1991. Armitage P, Berry G. Estadstica para la investigacin biomdica. Barcelona: Harcourt Brace; 1999. Juez Martel P. Herramientas estadsticas para la investigacin en Medicina y Economa de la Salud. Madrid: Centro de Estudios Ramn Areces; 2001. Tabla 1. Tabla de contingencia general para la comparacin de dos variables dicotmicas. Caracterstica A Caracterstica B Presenta Ausente Total Presente a c a+c Ausente b d b+d Total a+b c+d n

Tabla 2. Tabla de contingencia para estudiar la asociacin entre fumar durante la gestacin y el bajo peso del nio al nacer. Estudio de seguimiento de 2000 gestantes. Recin nacido de bajo peso Gestante Fumadora No fumadora Total S 43 (a) 105 (c) 148 No 207 (b) 1645 (d) 1852 Total 250 1750 2000

Tabla 3. Tabla de contingencia para estudiar la asociacin entre fumar durante la gestacin y el bajo peso del nio al nacer. Valores observados y valores esperados (entre parntesis) si los factores fuesen independientes. Recin nacido de bajo peso Gestante Fumadora No fumadora www.fisterra.com S 43 (18.5) 105 (129.5) No 207 (231.5) 1645 (1620.5) Total 250 1750 Atencin Primaria en la Red

Metodologa de la Investigacin Total 148 1852 2000

5/5

Tabla 4. Distribucin de ji-cuadrado

Grados de libertad 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 40 50 60 70 80 90 100

0,1 2,71 4,61 6,25 7,78 9,24 10,64 12,02 13,36 14,68 15,99 17,28 18,55 19,81 21,06 22,31 23,54 24,77 25,99 27,20 28,41 29,62 30,81 32,01 33,20 34,38 35,56 36,74 37,92 39,09 40,26 51,81 63,17 74,40 85,53 96,58 107,57 118,50

Probabilidad 0,05 3,84 5,99 7,81 9,49 11,07 12,59 14,07 15,51 16,92 18,31 19,68 21,03 22,36 23,68 25,00 26,30 27,59 28,87 30,14 31,41 32,67 33,92 35,17 36,42 37,65 38,89 40,11 41,34 42,56 43,77 55,76 67,50 79,08 90,53 101,88 113,15 124,34

de un valor superior 0,025 0,01 5,02 6,63 7,38 9,21 9,35 11,34 11,14 13,28 12,83 15,09 14,45 16,81 16,01 18,48 17,53 20,09 19,02 21,67 20,48 23,21 21,92 24,73 23,34 26,22 24,74 27,69 26,12 29,14 27,49 30,58 28,85 32,00 30,19 33,41 31,53 34,81 32,85 36,19 34,17 37,57 35,48 38,93 36,78 40,29 38,08 41,64 39,36 42,98 40,65 44,31 41,92 45,64 43,19 46,96 44,46 48,28 45,72 49,59 46,98 50,89 59,34 63,69 71,42 76,15 83,30 88,38 95,02 100,43 106,63 112,33 118,14 124,12 129,56 135,81

0,005 7,88 10,60 12,84 14,86 16,75 18,55 20,28 21,95 23,59 25,19 26,76 28,30 29,82 31,32 32,80 34,27 35,72 37,16 38,58 40,00 41,40 42,80 44,18 45,56 46,93 48,29 49,65 50,99 52,34 53,67 66,77 79,49 91,95 104,21 116,32 128,30 140,17

www.fisterra.com

Atencin Primaria en la Red