Actualizado por ultima vez el 10 de febrero de 2022, por Luis Benites.
El análisis de sensibilidad puede ayudarlo a encontrar qué variables tienen el mayor impacto en su modelo.
El análisis de sensibilidad es un análisis post-hoc que nos dice cuán sólidos son nuestros resultados. Puede dar información específica sobre:
- Qué suposiciones son importantes y cuánto afectan los resultados de la investigación,
- Cómo afectan los resultados los cambios en los métodos, los modelos o los valores de las variables no medidas.
El análisis de sensibilidad también se conoce como análisis «qué pasaría si»; Se enfoca en lo que sucede con la variable dependiente cuando cambian varios parámetros. Es importante en todos los campos de la investigación científica y estadística.
Propósitos del análisis de sensibilidad
El análisis de sensibilidad puede ayudarlo a encontrar conexiones importantes entre:
- entradas del modelo,
- Predicciones y pronósticos,
- Observaciones.
Le brinda una forma de ubicar parámetros sensibles (es decir, aquellos que tienen un gran efecto en el modelo). Además, puede ayudarte a identificar parámetros no sensibles. Esto significa que puede ayudarlo a simplificar los modelos al eliminar:
- Variables de entrada que no tienen un efecto real en los datos,
- Estructuras redundantes.
Las relaciones inesperadas entre los parámetros y los resultados pueden indicar errores en su modelo. El análisis de sensibilidad también puede ayudarlo a rediseñar sus experimentos; a medida que encuentre qué parámetros son más sensibles, puede rediseñar el experimento para disminuir la incertidumbre en ese parámetro.
Análisis uno a la vez (OAT u OFAT)
El análisis de uno a la vez (también conocido como análisis de un factor a la vez u OFAT) es una de las formas más sencillas de analizar un modelo.
- Todas las variables excepto una se mantienen en una línea de base;
- Esa única variable se varía mientras se toman nuevas lecturas.
- A continuación, la variable de prueba vuelve a su valor de referencia y se toma otra lectura.
- Cada parámetro se prueba de esta manera uno a la vez.
El punto débil de este método es que, al centrarse en cada variable individualmente, no tiene en cuenta la interacción entre las variables. Tampoco señala los efectos conjuntos; efectos que pueden ocurrir cuando varias variables cambian simultáneamente.
Referencias
Daniels, M. & Hogan, J. Datos faltantes en estudios longitudinales .
Panel, David. Análisis de sensibilidad: estrategias, métodos, conceptos, ejemplos. Modificado de Pannell, DJ (1997). Análisis de sensibilidad de modelos económicos normativos: marco teórico y estrategias prácticas, Agricultural Economics 16: 139-152. Obtenido de http://dpannell.fnas.uwa.edu.au/dpap971f.htm el 5 de julio de 2018
Técnicas de modelado financiero: Análisis de sensibilidad (Análisis “What if”). Obtenido de https://www.wallstreetprep.com/knowledge/financial-modeling-techniques-sensitivity-what-if-analysis-2/ el 5 de julio de 2018.
Thabane et al, Un tutorial sobre análisis de sensibilidad en ensayos clínicos: el qué, por qué, cuándo y cómo. Metodología de investigación médica de BMC201313:92
https://doi.org/10.1186/1471-2288-13-92. Recuperado de https://bmcmedresmethodol.biomedcentral.com/articles/10.1186/1471-2288-13-92 el 5 de julio de 2018
