Regresión a la media en psicología: definición y ejemplo

Definición

La regresión a la media es un fenómeno estadístico que indica que los datos que son extremadamente superiores o inferiores a la media probablemente estarán más cerca de la media si se miden por segunda vez. Esto significa que si toma dos conjuntos de medidas independientes de cada persona en su muestra, encontrará que las personas que tuvieron puntuaciones muy por encima o por debajo de la media durante la primera medición tendrían puntuaciones más cercanas a la media en el segunda medición.

La regresión a la media, también conocida como regresión a la media , fue descubierta por Sir Francis Galton mientras realizaba informes sobre las alturas de 250 padres y sus 930 hijos. Galton calculó la altura promedio para adultos y niños y trazó las alturas de todos en un gráfico. Galton encontró que los padres que eran más altos que el promedio tendían a tener hijos más altos que el promedio, y los padres que eran más bajos que el promedio tendían a tener hijos que eran más bajos en promedio.

Sin embargo, en los casos en que los padres eran más altos que el promedio, los niños tendían a ser un poco más bajos que los padres, y en los casos en los que los padres eran más bajos que el promedio, los niños tendían a ser un poco más altos que los padres. En otras palabras, los hijos de padres con alturas muy por encima o por debajo de la media tenían alturas más cercanas a la media. Galton llamó a este fenómeno regresión de la media.

La regresión a la media se debe a la varianza aleatoria , o al azar, que afecta a la muestra. Por ejemplo, parte de la altura se debe a nuestros genes que heredamos de nuestros padres, pero también existen otras influencias aleatorias que pueden afectar su altura. Es la varianza aleatoria la que hace que algunas de las muestras tengan valores extremos. Es importante señalar que la varianza aleatoria en la segunda medición no está influenciada por la varianza aleatoria que afectó a la primera medición. Debido a esto, las muestras parecerán retroceder en la segunda medición.

Ejemplo

Supongamos que estuviéramos interesados ​​en estudiar el nivel de agresión en jugadores de fútbol después de perder un partido. Tomó una muestra de 50 jugadores de fútbol y midió su nivel de agresión después de perder contra otro equipo durante el juego en casa. Registra los datos en un gráfico y encuentra que el puntaje promedio de agresión es 72 (de 100). Las puntuaciones de los 50 jugadores oscilan entre 41 y 100.

Una semana después, decides medir la agresión en los mismos 50 futbolistas después de perder un partido fuera de casa. Esta vez, el puntaje promedio de agresión es 63. Los puntajes de los 50 jugadores van de 48 a 78. Usted encuentra que los jugadores de fútbol cuyos puntajes de agresión estuvieron muy por debajo de la media después de la primera derrota se acercaron a la media después de la segunda derrota y los jugadores cuyas puntuaciones estaban muy por encima de la media durante la primera derrota disminuyeron y ahora están más cerca de la media. En otras palabras, cuanto más lejos del promedio esté el puntaje de agresión, más probable es que el segundo puntaje de agresión esté más cerca del promedio. Este es un ejemplo de regresión a la media.

¿Por qué cambiaron las puntuaciones de agresión? Quizás los jugadores que anotaron más bajo después de la primera derrota estaban teniendo un mal día. Podría ser que el entrenador le diera al equipo un muy buen discurso posterior al partido después de la segunda derrota, lo que influyó en cómo relataron su agresión. El punto es que el cambio en la agresión no refleja a los jugadores de fútbol, ​​sino alguna variación aleatoria.

Resumen de la lección

La regresión a la media indica que las puntuaciones que están extremadamente por encima o por debajo del promedio la primera vez que se miden en alguna variable probablemente se acerquen más al promedio la segunda vez que se miden en la misma variable. La regresión a la media se debe a la varianza aleatoria que influye en la muestra. La varianza aleatoria en la primera medición es independiente de la varianza aleatoria en la segunda muestra.