La trampa de la desigualdad entre la corrupción y el ingreso: un estudio de los países asiáticos

Indicadores macro como el crecimiento económico y la desigualdad de ingresos, entre otros, se utilizaron como
medidas para el logro del desarrollo económico. Birdsall (1998), Forbes (2000) y Scully (2003) indican que los altos
niveles de crecimiento económico pueden causar una mayor desigualdad de ingresos. Sin embargo, Danielson
(2004) sugiere lo contrario, en Jamaica, la alta tasa de crecimiento económico puede llevar a una menor
desigualdad de ingresos. El estudio de la relación entre el crecimiento económico y la desigualdad de ingresos
proporciona un espacio para el estudio de los efectos de la corrupción, visto desde la perspectiva de la desigualdad
de ingresos. Varios estudios han demostrado que la corrupción perjudica el crecimiento económico y la desigualdad
de ingresos1. Por lo tanto, algunas campañas masivas para combatir la corrupción se han llevado a cabo en algunos
países. Sin embargo, todavía hay algunos estudios que consideran que la corrupción puede tener un efecto positivo
en el crecimiento económico (Dreher y Gasebner, 2013; Leff, 1964; Leys, 1965; Huntington, 1968; Lui, 1985).

Algunos estudios muestran resultados idénticos, que la corrupción puede aumentar la desigualdad de ingresos
(Batabyal y Chowdhury, 2015; Dincer y Gunalp, 2008; Gupta, Davoodi y Alonso-Terme, 2002; Gyimah-Brempong,
2002; Mo, 2009). El estudio de Birdsall (1998) muestra que aumentar el empleo y mejorar los servicios públicos
baratos y asequibles para los pobres puede reducir la desigualdad de ingresos. Dada la investigación que muestra
que la corrupción puede aumentar la desigualdad de ingresos, por lo tanto, los esfuerzos para reducir el nivel de
corrupción también se pueden utilizar como un medio para reducir la desigualdad de ingresos.
En general, la corrupción se puede dividir en tres actividades, a saber, soborno, extorsión y malversación (Bowles,
2000). En el caso de la corrupción público-privada, la corrupción se puede considerar como una transferencia de un
individuo privado a un funcionario público en particular. En el caso de la corrupción pública, la corrupción se puede
ver como una transferencia del público a ciertos funcionarios públicos. Esto puede llevar a una mayor desigualdad
de ingresos entre el público, especialmente en los niveles medios y bajos de la sociedad, con funcionarios públicos
que reciben sobornos y / o gravámenes. En la implementación del soborno y la extorsión, las personas ricas tienen
más opciones y recursos para pagar las tasas de extorsión, sobornos y supervisión de los funcionarios públicos que
los más pobres (You & Khagram, 2005)

Usted y Khagram (2005), Fried, Lagunes y Venkataramani (2010) argumentan que la desigualdad de ingresos puede
promover la corrupción. Batabyal y Chowdhury (2015), Dincer y Gunalp (2008), Gyimah-Brempong (2002), Gupta,
Davoodi y Alonso-Terme (2002), Mo (2009), argumentan y demuestran empíricamente que la corrupción conduce a
la desigualdad de ingresos. Si se ve desde los determinantes de la corrupción, Serra (2006) concluye que solo hay
cinco variables sólidas que afectan la corrupción, es decir, el ingreso, la democracia, la religión, la condición política
y la historia colonial3. Del análisis de Serra (2006), no se puede concluir que la desigualdad en el ingreso afecte
enérgicamente a la corrupción, porque la variable de desigualdad en el ingreso no está incluida en ese análisis.
Shabbbir y Anwar (2008) encontraron que la desigualdad de ingresos no es un factor determinante de la corrupción
en los países en desarrollo; los resultados de su análisis indicaron que el efecto de la desigualdad en el ingreso no
fue un factor significativo en la corrupción. Por lo tanto, la relación entre corrupción y desigualdad de ingresos
todavía puede ser cuestionada.
La diferencia en los resultados empíricos de los estudios sobre la relación entre corrupción y desigualdad de
ingresos (Batabyal y Chowdhury, 2015; Dincer y Gunalp, 2008; Gupta, Davoodi y Alonso-Terme, 2002; Gyimah-
Brempong, 2002; Mo, 2009; Uslaner, 2007, 2011; You & Khagram, 2005), provoca la pregunta de si es la corrupción
la que alimenta la desigualdad del ingreso o la desigualdad del ingreso que conduce a la corrupción. Otra pregunta
es si hay un efecto recíproco entre los dos? Uslaner (2007, 2011) afirma que existe una trampa de desigualdad en la
relación entre la corrupción y la desigualdad de ingresos en África4. Esa opinión está en línea con Apergis, Dincer y
Payne (2010), quienes concluyeron que existe una causalidad bidireccional entre la corrupción y la desigualdad de
ingresos, tanto a corto como a largo plazo, utilizando la muestra de 50 estados de EE. UU.
Uslaner (2007, 2011) explica que la desigualdad de ingresos conducirá a mayores niveles de corrupción a través de
bajos niveles de confianza entre los grupos. La creciente desigualdad en los ingresos se debe al alto nivel de
confianza en el grupo privado y a la menor confianza que tienen hacia otros fuera del grupo (Uslaner, 2007, 2011).
La condición de las personas que tienen más confianza en su grupo que en otras personas fuera de su grupo puede
llevar a la corrupción. Esto se debe a que la corrupción es una actividad que generalmente se realiza de manera
conjunta (corrupción conjunta). Entonces, la corrupción que surge es la corrupción que se realiza en conjunto por
un grupo. Además, la corrupción conduce a una mayor desigualdad de ingresos y una menor confianza en otros
fuera del grupo. Por lo tanto, Uslaner (2007, 2011) sostiene que una mayor desigualdad de ingresos puede causar
una menor confianza, y una menor confianza conduce a una mayor corrupción, por lo tanto, una mayor corrupción
puede contribuir a una mayor desigualdad de ingresos, y así sucesivamente. Luego viene una trampa causada por
los efectos de la desigualdad de ingresos y la corrupción, que se denomina trampa de corrupción-desigualdad.
Uslaner (2007, 2011) sostiene que la transmisión de la relación entre la corrupción y la desigualdad de ingresos es a
través de la confianza. Según el conocimiento de los autores, todavía no hay investigaciones que prueben
teóricamente cómo la corrupción puede afectar la desigualdad de ingresos. La investigación existente todavía está
en el ámbito empírico. Por lo tanto, este estudio proporcionará un marco teórico relacionado con el proceso de la
influencia de la corrupción en la desigualdad de ingresos.
Del estudio de la relación entre la corrupción y la desigualdad de ingresos, los autores creen que todavía no hay un
estudio que discuta la existencia de la trampa de la desigualdad de corrupción-ingresos en la región asiática5. El
estudio de la existencia de la trampa de la desigualdad entre la corrupción y el ingreso en Asia se considera
necesario porque la mayoría de los países de la región asiática tienen altos niveles de corrupción. Además, sus
esfuerzos para erradicar la corrupción pueden requerir cooperación con los países vecinos 6.
La identificación de la relación entre corrupción y desigualdad de ingresos proporciona un espacio para erradicar la
corrupción. Si se demuestra que existe una trampa de desigualdad entre la corrupción y el ingreso, entonces la
erradicación de la corrupción se puede lograr a través de una disminución en la desigualdad del ingreso. Se pueden
hacer esfuerzos para erradicar la corrupción trabajando con los países vecinos, especialmente en la región asiática.
Esta investigación busca identificar la existencia de la trampa de la desigualdad entre la corrupción y el ingreso en
los países asiáticos e intenta proporcionar recomendaciones de políticas relacionadas con los esfuerzos para
erradicar la corrupción. Por lo tanto, es necesario identificar el problema de la existencia de la trampa del ingreso
corrupción-desigualdad en los países asiáticos.

2. La relación entre desigualdad de ingresos y corrupción.

Varios estudios han identificado el efecto de la corrupción en el crecimiento económico y la desigualdad de
ingresos7. La desigualdad puede ser causada por el comportamiento racional de los humanos (Birdsall, 1998).
Birdsall (1998) sostiene que los hombres de familias ricas tienden a elegir a las mujeres de familias ricas como sus
esposas, y viceversa. Naturalmente, los individuos se sienten cómodos en una relación si no hay desigualdad entre
las dos personas. Otro fenómeno es que los pobres tienden a tener más hijos que los ricos (Birdsall, 1998). El mayor
número de niños conduce a mayores necesidades de vida familiar, lo que resulta en un menor gasto per cápita. Esto
causa niveles más bajos de salud y educación, por lo que las familias pobres tienden a seguir siendo pobres. A partir
de este fenómeno, Birdsall (1998) sostiene que la desigualdad es una forma de injusticia mundial porque la
desigualdad en el ingreso puede ocurrir naturalmente por el comportamiento racional de los humanos.
Los niveles de desigualdad de ingresos y la pobreza de las personas empeorarán con niveles más altos de corrupción
(Gupta, Davoodi y Alonso-Terme, 2002) 8. Tanzi (1998) sostiene que los factores sistémicos, como las normas y
actitudes sociales, los cambios en las políticas económicas extranjeras y las actividades gubernamentales son un
factor determinante importante de la desigualdad en los ingresos. Según Tanzi (1998), con la cercanía de los grupos
comunitarios tradicionales que tienen una participación limitada del sector público, las normas sociales se vuelven
muy importantes; mientras que el papel del gobierno y el impacto de las presiones económicas extranjeras se
vuelven más importantes para las sociedades más desarrolladas y abiertas.
Tanzi (1998) agregó que la desigualdad de ingresos se crea debido a la contribución de las normas sociales y la
distribución de los activos al capital social y las rentas posicionales9. Por lo tanto, el gobierno desempeña un papel
en la formación de capital humano y afecta la condición de desigualdad de ingresos. Esta opinión es lineal con la de
Eicher, García-Peñalosa, van Ypersele (2009), quien afirmó que la desigualdad en los ingresos se debe a factores
institucionales y educativos.
SSewanyana, Okidi, Angemi y Barungi (2004) explican que en Uganda, la desigualdad de ingresos puede verse
afectada por la edad del jefe de familia, el sexo del jefe del hogar, el número de miembros de la familia, el nivel de
educación y el público. servicios. Lee, Kim y Cin (2013) muestran que en Corea, la desigualdad de ingresos puede
verse afectada por la educación, el ingreso per cápita, la inversión, la tasa de desempleo, la tasa de desempleo
femenino, la inflación, la apertura comercial y el envejecimiento de la población. Mientras que a largo o corto plazo,
la desigualdad de ingresos puede verse afectada por el ingreso nacional y el nivel de apertura económica (Bahmani-
Oskooee, 2008) 10.
Se cree que la desigualdad en el ingreso es un problema causado por factores financieros. Clarke, Xu y Zou (2003)
encontraron que el desarrollo del sector financiero pudo reducir la desigualdad de ingresos. Batabyal y Chowdhury
(2015) desarrollaron esto al identificar los efectos combinados de las políticas de desarrollo del sector financiero y
la erradicación de la corrupción en la desigualdad de ingresos. Los resultados de su investigación, en los países del
Commonwealth, indican que el uso simultáneo de políticas para reducir la corrupción y desarrollar el sector
financiero tendrá un mayor impacto en la disminución de la desigualdad de ingresos que la implementación de las
dos políticas por separado.
Gyimah-Brempong (2002) encontró que la corrupción tuvo un efecto negativo en el crecimiento económico y la
distribución del ingreso en los países africanos. Esto sugiere que el aumento de la corrupción se correlaciona
positivamente con la desigualdad de ingresos. Además, Gyimah-Brempong (2002) explica que el efecto combinado
de disminuir el crecimiento de los ingresos y aumentar la desigualdad sugiere que la corrupción es más perjudicial
para los pobres que para los ricos en los países africanos.
You & Khagram (2005) sostienen que la desigualdad de ingresos puede llevar a la corrupción porque los ricos
pueden pagar sobornos más fácilmente, porque tienen más riqueza que los pobres. Los ricos generalmente ocupan
posiciones estratégicas e importantes, de modo que tienen más poder para corromper, especialmente por
extorsión y malversación. Las personas pobres son más vulnerables a ser declaradas ilegales, por lo que aumenta la
desigualdad de ingresos. Luego, a través del método experimental de campo, Fried, Lagunes y Venkataramani
(2010) encontraron que la policía tiende a pedir sobornos a personas de clases más bajas y tiende a dejar ir a los
ricos, en el caso de violaciones de tráfico. Su estudio concluye que el comportamiento corrupto tiende a beneficiar
a los ricos, debido a la mayor probabilidad de que la policía pida sobornos por parte de la policía. Los resultados de
Fried, Lagunes y Venkataramani (2010) apoya la conclusión de You & Khagram (2005), que la desigualdad de
ingresos puede conducir a la corrupción.
You & Khagram (2005) también encontraron que la desigualdad en el ingreso tiene un efecto adverso en las normas
sociales relacionadas con la corrupción y la confianza pública en la legitimidad de las normas e instituciones.
Además, You & Khagram (2005) agregaron que la condición facilita que las personas toleren la corrupción como un
comportamiento aceptable. Las sociedades se vuelven más permisivas. Por lo tanto, You & Khagram (2005)
declararon que la desigualdad de ingresos podría afectar la corrupción, y la corrupción también podría afectar la
desigualdad de ingresos, por lo que el país cae en un círculo vicioso entre la corrupción y la desigualdad de ingresos.
De manera similar, Uslaner (2007, 2011) afirmó que existe una trampa entre la desigualdad de ingresos y la
corrupción. Uslaner (2007, 2011) concluyó que la desigualdad de ingresos desencadena la corrupción y la
corrupción también desencadena la desigualdad de ingresos, lo que da como resultado las dificultades de la
desigualdad de ingresos causada por la corrupción; mientras que Apergis, Dincer y Payne (2010) encontraron una
relación causal recíproca entre la corrupción y la desigualdad de ingresos tanto a corto como a largo plazo.
La cuestión de si la desigualdad de ingresos es una de las causas de la corrupción también se puede identificar a
través del estudio de los determinantes de la corrupción (Aidt, 2003; Guerrero y Orreggia, 2008; Kolstad y Wiig,
2008; Swami, Knack, Lee y Azfar , 2001; Serra, 2006; Svensson, 2005; Treisman, 2000). De los muchos estudios sobre
los determinantes de la corrupción, Serra (2006) utilizó métodos de análisis de límites extremos y encontró que las
variables sólidas que causan la corrupción son el ingreso, los sistemas democráticos, la religión, la historia colonial y
la inestabilidad política. Shabbbir y Anwar (2008) agregaron que los determinantes de la corrupción en los países en
desarrollo son la libertad económica, la globalización, el nivel de desarrollo y el nivel de educación. Mientras tanto,
según Serra (2006), Shabbir & Anwar (2008), la desigualdad de ingresos no es una variable robusta como
determinante de la corrupción.
Chong y Calderón (2000), Li, Xu y Zou (2000) encontraron que la relación de la corrupción con la desigualdad del
ingreso es en forma de una U invertida. Sin embargo, Barreto (2001) no encontró tal relación cuadrática. En general,
la investigación existente encuentra que existe una correlación positiva entre la desigualdad de ingresos y la
corrupción: cuanto mayor es el nivel de corrupción, mayor es la desigualdad de ingresos11.
De hecho, la diferencia en la investigación radica únicamente en la forma de causalidad; si la desigualdad de
ingresos puede afectar la corrupción y / o la corrupción también puede afectar la desigualdad de ingresos. Apergis,
Dincer, & Payne (2010), Uslaner (2007, 2011), You & Khagram (2005) concluyen que hay trampas causadas por la
corrupción y la desigualdad de ingresos. La existencia de estos desacuerdos se encuentra detrás de los intentos de
este estudio para identificar la forma de causalidad entre la corrupción y la desigualdad de ingresos.
3. Metodología
Al identificar el efecto de la corrupción en la desigualdad de ingresos, esta investigación intenta
La corrupción del modelo como un soborno para obtener un permiso de negocios desarrollado por y desarrollado el
modelo por
Barro & Sala-i-Martin (2004: 85). En este caso, se supone que los hogares burocráticos
recibir sobornos de las empresas para obtener los permisos de negocios más fáciles. Entonces, cada uno
hogar, es decir, hogar burocrático y hogar trabajador, maximiza su utilidad.
Los hogares utilizan los ingresos que no se consumen para acumular más activos. Por lo tanto, podemos
identificar que el flujo de activos en hogares burocráticos, como receptores de sobornos, es mayor
que en los hogares de los trabajadores. Luego, el capital de crecimiento entre burócrata y trabajador.
Los hogares tienen una diferencia, en la cual el crecimiento del capital burocrático de los hogares es mayor
que la de los hogares de los trabajadores. El desarrollo del modelo por Barro & Sala-i-Martin.
(2004: 85) se escribiría de la siguiente manera.

El flujo de bienes del hogar de los trabajadores es:

El flujo de los bienes del hogar de un burócrata, como el receptor de sobornos de la empresa es:

Los cambios en el crecimiento de capital de ambos tipos de hogares conducirán a la desigualdad de ingresos entre
los dos tipos de hogares, tanto a corto como a largo plazo. Cuando las transferencias (sobornos) de las empresas a
los burócratas se utilizan directamente en sus actividades económicas, la desigualdad de ingresos puede ocurrir en
el corto plazo. El uso del dinero de soborno directamente en las actividades económicas de los hogares burocráticos
está influenciado por el grado de detección de corrupción o el nivel de corrupción del sistema legal. Se refleja en la
variable de gobernabilidad (𝑔) en el modelo. Por lo tanto, la desigualdad de ingresos puede ocurrir debido a los
sobornos que causan que el flujo de activos y el crecimiento del capital sean diferentes entre los dos tipos de
hogares. La desigualdad de ingresos puede ocurrir debido al soborno por parte de un particular a burócratas. Un
soborno dado por una empresa puede llevar a una reducción en los salarios de los trabajadores o a un aumento en
el gasto del consumidor, debido a los precios más altos. Por lo tanto, la brecha en el crecimiento del capital de
ambos hogares será mayor. Entonces, la desigualdad de ingresos entre los hogares de los trabajadores y los
burócratas será mayor.
Esta investigación quiere identificar la existencia de la trampa de la desigualdad entre la corrupción y el ingreso en
Asia. Esto se debe a que, en general, los países de Asia tienen altos niveles de corrupción y sistemas de gobierno
débiles12. La trampa de la desigualdad entre la corrupción y el ingreso ocurre cuando hay una influencia mutua
entre la corrupción y la desigualdad en el ingreso. Esto se identificará a través de dos modelos de regresión, uno
con desigualdad de ingresos como variable dependiente y el otro con corrupción como variable dependiente. El
primer modelo tiene la desigualdad de ingresos como variable dependiente y la corrupción como variable
independiente. El segundo modelo tiene la corrupción como variable dependiente y la desigualdad del ingreso
como variable independiente. Este estudio identificará, con mayor profundidad, la influencia de la corrupción en la
desigualdad de ingresos y el efecto de la desigualdad de ingresos en la corrupción, controlada por las variables que
afectan la corrupción y la desigualdad de ingresos, según la investigación anterior.
Las ecuaciones 1) y 2) explican que la desigualdad de ingresos puede verse afectada por el crecimiento de la
población, el valor de la renta por capital, el capital, los niveles salariales y la tasa de soborno. Además de acomodar
las variables en el modelo teórico, otras variables independientes adoptadas de Apergis, Dincer & Payne (2010), You
y Khagram (2005) son las siguientes:

La variable Z es un vector de las variables macroeconómicas, que consiste en los niveles de apertura al comercio, la
inversión, la tasa de desempleo, la estructura de la población y la globalización. El nivel de globalización se mide
mediante ciertas variables comerciales, a saber, la suma de las exportaciones e importaciones de Producto Interno
Bruto (PIB). Para identificar el efecto de la desigualdad de ingresos en la corrupción, este estudio solo utiliza
variables que se consideran sólidas para afectar la corrupción, según Serra (2006), Shabbbir y Anwar (2008) para
contribuir con metodologías a los estudios anteriores. El modelo de investigación es el siguiente:

La variable X es un vector de las variables macroeconómicas que consisten en ingresos, gobernabilidad, nivel de
educación y globalización. La identificación de las variables en los modelos (3) y (4) se muestra en el Apéndice 1.
El análisis de causalidad entre la corrupción y el ingreso se realizará con los métodos de Ordinary Least Square (OLS)
y Regresión de Tobit. Esto se debe a que la variable dependiente del modelo de investigación es la escala del índice.
La variable dependiente de la corrupción y la desigualdad de ingresos se expresa en la forma del índice con una
escala de 0 a 100. Se espera que el uso de una regresión de Tobit en este estudio sea una contribución a la
literatura, debido a que la investigación (You & Khagram, 2005) usualmente usó un análisis de regresión con el
método OLS para estimar la relación de corrupción y desigualdad de ingresos, en la cual la corrupción era una
variable dependiente o viceversa, y la desigualdad de ingresos se convirtió en la variable dependiente. Esta
investigación utilizará el método OLS como comparación con el método de Tobit y un análisis del método 2SLS con
variables instrumentales.
Para superar cualquier sesgo debido a los posibles problemas de endogeneidad, debido a la aparición de efectos
recíprocos entre la corrupción y la desigualdad de ingresos, se utilizan variables instrumentales. Las variables
instrumentales son un índice étnico y un índice de fraccionamiento religioso para las variables de corrupción, tal
como se utiliza en la investigación de Dincer y Gunalp (2008). Mientras tanto, la variable de tamaño de cohorte
madura se usará como una variable instrumental para el efecto de la desigualdad de ingresos en la corrupción,
como la usó You & Khagram (2005). La variable de tamaño de cohorte madura representa la proporción de la
población de 65 años y más con respecto a la población de 15 a 64 años. Se supone que la variable de tamaño de
cohorte madura afecta solo a las variables de desigualdad de ingresos y no afecta directamente a las variables de
corrupción.
4. Resultados y discusión
El resultado del análisis de regresión con el método OLS se muestra en la Tabla 1 y el análisis con el método de
regresión de Tobit en la Tabla 2. Debido a la falta de datos sobre las variables independientes y dependientes, la
muestra de los países asiáticos disminuye. Los datos de muestra de la investigación que cumplieron con los
requisitos para su análisis fueron numerados 56 muestras13.
La Tabla 1 y la Tabla 2 muestran que la corrupción tiene un efecto significativo en la desigualdad de ingresos en
Asia. Cuanto más bajo es el nivel de corrupción en un país, más bajo es el nivel de desigualdad de ingresos en ese
mismo país. Los países de la región de Asia con muestras que podrían analizarse son: Armenia, Azerbaiyán,
Bangladesh, Bután, China, Irán, Malasia, Mongolia, Pakistán, Filipinas, Tailandia, Turquía, Ucrania y Vietnam.
Aunque los modelos (5) y (6), utilizando los métodos OLS y Tobit muestran que la corrupción tiene un efecto
negativo, no es significativo, pero en general, podemos concluir que un nivel más bajo de corrupción puede llevar a
un nivel más bajo de ingresos. desigualdad.
Los resultados del análisis también muestran que las otras variables que influyen significativamente en el nivel de
desigualdad del ingreso son la tasa de desempleo, el ingreso per cápita, la tasa bruta de matriculación en la
educación primaria, los ingresos fiscales, el gasto en salud, el crecimiento de la población, la inversión extranjera
directa (IED), Sistema de gobierno, crecimiento del PIB per cápita y gasto público total. A mayor tasa de desempleo,
menor nivel de desigualdad de ingresos. Los altos ingresos per cápita pueden llevar a una mayor desigualdad de
ingresos. Cuanto mayor sea el número de personas que reciben educación primaria, el nivel de desigualdad de
ingresos puede aumentar. Los altos ingresos fiscales y el gasto gubernamental en el sector de la salud pueden llevar
a niveles bajos de desigualdad en los ingresos. El aumento del crecimiento de la población tiene un efecto positivo
significativo en la desigualdad de ingresos; esto significa que al aumentar el crecimiento de la población, el nivel de
desigualdad de ingresos será mayor. Un mayor valor de IED para el país puede reducir el nivel de desigualdad de
ingresos. Mientras tanto, los sistemas de gobernanza mejorados pueden aumentar la desigualdad de ingresos.
Además, un mayor porcentaje del gasto público en el PIB puede disminuir el nivel de desigualdad de ingresos.
Mientras tanto, el crecimiento en la formación bruta de capital fijo tiene un efecto positivo significativo en la
desigualdad del ingreso, lo que significa que un mayor crecimiento para el crecimiento bruto.
La formación de capital fijo causará mayor desigualdad de ingresos.
Las variables de interacción entre la corrupción y el crecimiento del PIB per cápita también son significativas
en influir en la desigualdad de ingresos. Con una menor corrupción y un mayor crecimiento del PIB per cápita, esto
puede llevar a niveles más bajos de desigualdad de ingresos. Un mayor crecimiento del PIB per cápita también
puede llevar a una menor desigualdad de ingresos. Las variables de este estudio que no tienen un efecto
significativo en la desigualdad del ingreso son: las tasas brutas de matriculación en la educación secundaria, la
formación bruta de capital fijo (% del PIB), la democracia y las variables comerciales. Por lo tanto, el análisis del
efecto de la corrupción en la desigualdad de ingresos utilizando los métodos OLS y Tobit concluye que la corrupción
tiene un impacto negativo significativo en la desigualdad de ingresos. Esto muestra que el nivel de desigualdad de
ingresos será menor con una menor corrupción en los países asiáticos.

Del mismo modo, el modelo de investigación para probar el efecto de la corrupción en la desigualdad de ingresos
también se utiliza para examinar el efecto de la desigualdad de ingresos en la corrupción. La prueba para identificar
el efecto de la corrupción en la desigualdad del ingreso se realiza con un método robusto, porque algunos modelos
no cumplen con los supuestos de no heterocedasticidad. Por lo tanto, al utilizar un método robusto, el modelo
cumple con el supuesto de no heterocedasticidad. Los resultados de las pruebas del efecto de la desigualdad de
ingresos en la corrupción se pueden ver en la Tabla 3 y la Tabla 4. Se sabe que los modelos (5) y (6) en la Tabla 3 no
cumplen con los supuestos de no multicolinealidad, pero otros modelos en la tabla cumplen con los Suposición de
regresión OLS. Por lo tanto, la conclusión para la Tabla 3 se basará en el Modelo (1) hasta el Modelo (4). La Tabla 4
muestra los resultados de las pruebas utilizando el método de regresión de Tobit.
Del cuadro 3 y del cuadro 4 se sabe que la desigualdad de ingresos puede tener un efecto significativo en el nivel de
corrupción. Cuanto mayor sea el nivel de desigualdad de ingresos que existe, mayor será el nivel de corrupción.
Otra variable que afecta significativamente el nivel de corrupción es el ingreso per cápita, las tasas brutas de
matriculación en educación primaria y secundaria, la formación bruta de capital fijo (% del PIB), el crecimiento de la
población, la IED y la gobernanza. Un ingreso per cápita alto puede llevar a niveles más bajos de corrupción. Cuanto
mayor sea la cantidad de personas que reciben educación primaria, el nivel de corrupción puede disminuir. Sin
embargo, la cantidad de personas que reciben educación secundaria puede llevar a niveles más altos de corrupción
en un 10%. En el modelo (1), (2), (4) Tabla 4, la variable de educación secundaria no tiene importancia para
aumentar la variable de corrupción. Por lo tanto, concluyó que la variable de educación secundaria no afecta la
variable de corrupción.
La alta formación bruta de capital fijo (% del PIB) tiene un efecto positivo significativo sobre la corrupción. Esto
muestra que una mayor formación bruta de capital fijo (% del PIB) puede llevar a una menor corrupción. Un mayor
crecimiento de la población puede tener un efecto significativo, reduciendo el nivel de corrupción. Los valores altos
de IED pueden tener un efecto significativo, causando altos niveles de corrupción en Asia. Además, los sistemas de
gobernanza mejorados pueden reducir el nivel de corrupción en los países asiáticos.
El análisis del efecto de la desigualdad de ingresos en el nivel de corrupción utilizando los métodos OLS y Tobit
concluye que la desigualdad de ingresos tiene un impacto negativo importante en el nivel de corrupción. Esto
muestra que un mayor nivel de desigualdad de ingresos puede llevar a mayores niveles de corrupción en los países
asiáticos. Los resultados del análisis en este estudio concluyen que existe la trampa de la desigualdad de ingresos y
la corrupción, es decir, la corrupción puede afectar la desigualdad de ingresos y la desigualdad de ingresos puede
afectar la corrupción. Los resultados de este estudio apoyan a You & Khagram (2005), Apergis, Dincer & Payne
(2010), Uslaner (2007, 2011).
Para llevar a cabo un análisis más profundo, la investigación intenta identificar la relación entre la corrupción y la
desigualdad de ingresos utilizando un cuadrado mínimo de dos etapas (2SLS). Esto se debe a que los resultados de
You & Khagram (2005) y Uslaner (2007, 2011) indican una influencia mutua entre la corrupción y la desigualdad de
ingresos, lo que puede llevar a un sesgo potencial. Por lo tanto, este estudio intentó utilizar las variables de los
instrumentos del índice de fraccionamiento étnico contra las variables de corrupción utilizadas por Dincer & Gunalp
(2008) y You & Khagram (2005). Sin embargo, este estudio intenta agregar una nueva variable de instrumento, que
es el índice de fraccionamiento de la religión. Según Treisman (2000), la variable religión puede influir en el nivel de
corrupción de un país. El resultado del análisis que utiliza el método 2SLS para identificar el efecto de la corrupción
en la desigualdad del ingreso es el que se muestra en la Tabla 5.

El resultado del análisis con 2SLS muestra que las variables instrumentales que consisten en etnicidad, idioma y el
índice de fraccionamiento de la religión han sido calificadas como buenos instrumentos. Por lo tanto, este estudio
concluye que la corrupción variable afecta significativamente la desigualdad de ingresos en Asia. El signo negativo
indica que un nivel más bajo de corrupción provoca un nivel más bajo de desigualdad de ingresos. Otras variables
sólidas que afectan significativamente la desigualdad de ingresos en Asia son: el ingreso per cápita, la tasa bruta de
matriculación en la educación primaria, la formación bruta de capital fijo (% del PIB), el crecimiento de la población,
la IED y la gobernanza.
El mayor ingreso per cápita tiende a conducir a niveles más altos de desigualdad de ingresos. Una mayor tasa bruta
de matrícula en la educación primaria puede tener un efecto significativo al aumentar el nivel de desigualdad de
ingresos. De manera similar con el crecimiento de la población; un mayor crecimiento de la población puede llevar a
una mayor tasa de desigualdad de ingresos. La alta formación bruta de capital fijo (% del PIB) tiene un efecto
positivo significativo en la desigualdad del ingreso. Esto muestra que una mayor formación bruta de capital fijo (%
del PIB) puede llevar a una mayor desigualdad de ingresos. Además, un alto valor para la IED de un país tiende a
afectar el nivel de desigualdad de ingresos, que se vuelve más bajo. Sin embargo, un mejor nivel de gobierno puede
tener un efecto significativo en la mayor desigualdad de ingresos.
La identificación adicional de los efectos de la desigualdad de ingresos en la corrupción mediante el método 2SLS
todavía no ha mostrado resultados econométricamente sólidos. Esto se debe a que la prueba de endogeneidad
rechazó la variable de instrumento (tamaño de cohorte maduro) utilizada para medir la desigualdad de ingresos.
Los resultados de la prueba de endogeneidad muestran que la variable de desigualdad de ingresos se clasifica como
una variable exógena en el modelo, por lo que no es necesario utilizar las variables del instrumento para identificar
el efecto de la desigualdad de ingresos en la corrupción. Por lo tanto, la conclusión del estudio de la influencia de la
desigualdad de ingresos en la corrupción se refiere a los resultados del análisis con los métodos OLS y Tobit. Por lo
tanto, tal vez sea necesario buscar una variable de instrumento alternativo para futuras investigaciones.
5. Conclusión
Varios estudios han demostrado que la corrupción es perjudicial para el crecimiento económico (Bardhan, 1997;
Dzhumashev, 2014; Mauro, 1995; Meon & Sekkat, 2005; Mo, 2001; Shleifer & Vishny, 1993). Por otro lado, la
corrupción también puede llevar a niveles más altos de desigualdad de ingresos (Batabyal y Chowdhury, 2015;
Dincer y Gunalp, 2008; Gyimah-Brempong, 2002; Gupta, Davoodi y Alonso-Terme, 2002; Mo, 2009). De hecho,
algunos investigadores concluyen que existe una influencia mutua entre la corrupción y la desigualdad de ingresos
(Uslaner, 2007, 2011; You & Khagram 2005).
Los resultados del análisis utilizando los métodos de regresión OLS, Tobit y 2SLS muestran que la variable de
corrupción tiene un efecto sólido y significativo sobre la desigualdad de ingresos en Asia. Los resultados concluyen
que un nivel más bajo de corrupción provoca un nivel más bajo de desigualdad de ingresos. En otras palabras, un
nivel más alto de corrupción puede llevar a niveles más altos de desigualdad de ingresos.
Otras variables que afectan la desigualdad de ingresos en Asia son el ingreso per cápita, la tasa bruta de matrícula
en la educación primaria, la formación bruta de capital fijo (% del PIB), el crecimiento de la población, la IED y la
gobernanza. El ingreso per cápita alto puede llevar a una mayor desigualdad en el ingreso. Una alta tasa bruta de
matrícula en la educación primaria puede influir significativamente en el alto nivel de desigualdad de ingresos. Una
mayor formación bruta de capital fijo (% del PIB) puede llevar a una mayor desigualdad en el ingreso, como parece
ser la tasa de crecimiento de la población; un mayor crecimiento de la población puede llevar a una mayor tasa de
desigualdad de ingresos. Además, un alto valor de IED para un país tiende a conducir a una menor desigualdad de
ingresos. Cuanto mejor es la gobernanza de un país, esto puede tener un efecto significativo en la alta desigualdad
de ingresos.
También se ha identificado que un alto nivel de desigualdad de ingresos puede llevar a niveles más altos de
corrupción. Un ingreso per cápita alto puede llevar a niveles más bajos de corrupción. Cuanto mayor sea el número
de personas que reciben educación primaria, puede disminuir el nivel de corrupción. Una mayor formación bruta de
capital fijo (% del PIB) puede llevar a una menor corrupción. Un mayor crecimiento de la población puede llevar a
un menor nivel de corrupción. Los altos valores de IED pueden provocar altos niveles de corrupción en Asia.
Además, los sistemas de gobernanza mejorados pueden reducir los niveles de corrupción en los países asiáticos. Sin
embargo, esta investigación podría contribuir a la literatura relacionada con la modelización teórica del efecto de la
corrupción en la desigualdad de ingresos, utilizando el desarrollo del modelo Ramsey. Además, este estudio
también demuestra una influencia mutua entre la corrupción y la desigualdad de ingresos en Asia, conocida como la
trampa de corrupción-desigualdad. Por lo tanto, se necesitan más esfuerzos para la erradicación de la corrupción. A
más investigación, es necesario utilizar un objeto de investigación diferente y más completo.

La declaración de ASA sobre los valores de valor: contexto, proceso y propósito

En febrero de 2014, George Cobb, profesor emérito de Matemáticas-Emática y Estadística en el Mount Holyoke
College, planteó estas preguntas en un foro de discusión de ASA: P: ¿Por qué tantas universidades y escuelas de
posgrado enseñan = 0.05? R: Porque eso sigue siendo lo que los científicos la comunidad y los periodistas lo usan. P:
¿Por qué tanta gente todavía llora = 0.05? R: Eso es lo que se les enseñó en la universidad o en la escuela de
posgrado. La preocupación de Bobb era una circularidad preocupante en la sociología de la ciencia basada en el uso
de líneas brillantes como asp <0.05: “Lo enseñamos porque es lo que hacemos; lo hacemos porque es lo que
enseñamos ”. Esta preocupación fue señalada a la atención de ASABoard. La Junta de ASA también fue estimulada
por discusiones altamente visibles en los últimos años. Por ejemplo, ScienceNews (Siegfried2010) escribió: "Es el
secreto más sucio de la ciencia: el 'método científico' de probar hipótesis mediante análisis estadístico es una base
endeble". En noviembre de 2013, el artículo de Phys.org Science Science Wire (2013) citó " Numerosas fallas
profundas ”en la prueba de significación de la hipótesis nula. Un artículo de ScienceNews (Siegfried2014) del 7 de
febrero de 2014 decía que "las técnicas estadísticas para evaluar las hipótesis ... tienen más fallas que las políticas
de privacidad de Facebook". Una semana después, el estadístico y blogger de "Simply Statistics" Jeff Leek
respondió. "El problema no es que las personas utilicen los valores de P de manera deficiente", escribió Leek, "es
que la gran mayoría de los análisis de datos no se realizan por personas debidamente capacitadas para realizar
análisis de datos" (Leek2014). Esa misma semana, la periodista y escritora científica Regina Nuzzo publicó un
artículo titulado "Método científico: errores estadísticos" (Nuzzo2014). Ese artículo es ahora uno de los artículos
más vistos, según lo informado por altmet-ric.com (http://www.altmetric.com/details/2115792#score). Por
supuesto, no fue simplemente una cuestión de responder a algunos artículos en impresión. La comunidad
estadística ha estado profundamente preocupada por cuestiones de reproducibilidad y replicabilidad de
conclusiones científicas. Sin entrar en las definiciones y distinciones de estos términos, observamos que está
surgiendo mucha confusión e incluso dudas sobre la validez de la ciencia. Dicha duda puede llevar a elecciones
radicales, como la adoptada por los editores de Basic Psicología social aplicada, quienes decidieron prohibir los
valores (pruebas de significación de la hipótesis de nulidad) (Trafimow y Marks2015). La falta de comprensión o el
uso indebido de la inferencia estadística se deben a la "reproducibilidad". crisis ”(Peng2015), pero para nuestra
comunidad, es importante. Cuando la Junta de ASA decidió asumir el desafío de desarrollar una declaración de
política sobre valores de valor y significación estadística, lo hizo reconociendo que esto no era un problema. paso a
la ligera. El ASA no ha tomado posiciones previamente en asuntos específicos de la práctica estadística. Lo más
cerca que la asociación está de acuerdo es una declaración sobre el uso de modelos de valor agregado (VAM, por
sus siglas en inglés) para la evaluación educativa (Morganstein y Wasserstein 2014) y una declaración sobre
auditorías postelectorales que limitan el riesgo (American Statistical Association2010). Sin embargo, estas
declaraciones fueron relacionadas con la política. La declaración de VAM abordó un tema clave de política
educativa, reconociendo la complejidad de los temas involucrados, citando las limitaciones de los VAM como
modelos efectivos de desempeño e instando a que se desarrollen e interpreten con la participación de estadísticos.
La declaración sobre las auditorías electorales también respondió a un problema político importante pero específico
(elecciones cerradas en 2008) y dijo que las auditorías electorales basadas en estadísticas deberían convertirse en
una parte rutinaria de los procesos electorales hipótesis ”(johnson2013). Hubo diferentes perspectivas sobre cómo
caracterizar varias alternativas al valor de p y en cuanto a la cantidad de detalles para abordarlas. Para mantener la
afirmación razonablemente simple, no abordamos hipótesis alternativas, tipos de error o poder (entre otras cosas),
y no todos estuvieron de acuerdo con ese enfoque. Al final del proceso de desarrollo de la declaración, Wasserstein
contactó a Lazar y le preguntó si la declaración de política puede ser apropiada para su publicación en The American
Statisti-cian (TAS). Después de considerarlo, Lazar decidió que SAM proporcionaría una buena plataforma para
llegar a un público estadístico amplio y general. Juntos, decidimos que la adición de una discusión en línea
aumentaría el nivel de interés para la Audiencia de TAS, brindando la oportunidad de reflejar la controversia
mencionada anteriormente. A tal fin, se contactó a un grupo de participantes para proporcionar comentarios sobre
la declaración. Puede leer sus declaraciones en el suplemento en línea y, al final de este editorial, aparece una guía
de dichas declaraciones. Damos las gracias a Naomi Altman, Dou-glas Altman, Daniel J. Benjamin, Yoav Benjamini,
Jim Berger, Don Berry, John Carlin, George Cobb, Andrew Gelman, Steve Miguel, Sander Groenlandia, John
Ioannidis, Joseph Horowitz, Valen Johnson, Michael Lavine, Michael Lew, Rod Little, Debo-rah Mayo, Michele Millar,
Charles Poole, Ken Rothman, Stephen Senn, Dalene Stangl, Philip Stark y Steve Ziliak por compartir sus perspectivas
perspicaces. Una nota especial es el siguiente artículo, que es una contribución significativa a la literatura Acerca de
los valores de P y la significación estadística. Greenland, S., Senn, SJ, Rothman, KJ, Carlin, JB, Poole, C., Good-man,
SN y Altman, DG: “Pruebas estadísticas, valores P, intervalos de confianza y poder: una guía para interpretaciones
erróneas”. Aunque hubo desacuerdo sobre lo que debería decir exactamente el estado, hubo un gran acuerdo en
que la ASA debería hablar sobre esto asuntos. Seamos claros. Nada en la declaración de ASA es nuevo. Los
estadísticos y otros han estado sonando la alarma acerca de estos asuntos durante décadas, en vano. Esperamos
que una declaración de la asociación profesional de estadísticos más grande del mundo abra una nueva discusión y
atraiga una atención renovada y enérgica a cambiar la práctica de la ciencia con respecto al uso de la inferencia
estadística. Guía del Material suplementario en línea de la ASAStatement onP-Values y significancia estadística
Muchos de los participantes en el desarrollo de la declaración de ASA contribuyeron con comentarios sobre la
declaración o asuntos relacionados con ella. Sus comentarios se publican como suplemento en línea a la
declaración. Proporcionamos aquí una lista de los suplementos suplementarios. Material complementario a la
Declaración de ASA sobre Valores P y significado estadístico Altman, Naomi: las ideas de las pruebas múltiples de
datos de alta dimensión proporcionan información sobre la reproducibilidad y las tasas de falsa descubrimiento de
hipótesis respaldadas por valores de p Benjamin, Daniel J, y Berger, James O: Una simple alternativa de valores
máximos Benjamini, Yoav: No es culpa de los valores de p, Donald A: Los valores de P no son lo que se rompen para
ser carlin, John B: Comentario : ¿Es posible una reforma sin cambio de posición? Cobb, George: Declaración de ASA
sobre los valores p: dos consecuencias que podemos esperar para Gelman, Andrew: Los problemas con los valores
de p no son solo los valores de p. Goodman, Steven N: Las siguientes preguntas: Quién, ¿Qué, cuándo, dónde y por
qué? Groenlandia, Sander: las pautas de ASA y el sesgo nulo de la enseñanza y la práctica incurrentes Ioannidis,
John PA: Métodos inferenciales adecuados para el propósito: abandonar / cambiar los valores de P versus la
investigación de abandonar / cambiar Valen E.: Comentarios sobre la "Declaración ASA sobre el significado
estadístico y los valores P" y marginalmente significativos valores -Lavine, Michael y Horowitz, Joseph:
CommentLew, Michael J: Tres preguntas inferenciales, dos tipos de P-value Little, Roderick J: DiscussionMayo ,
Deborah G: No desperdicies el control de errores del bebé con la mala estadística tics bathwater Millar, Michele:
ASA declaración onp-valores: algunas implicaciones para la educaciónRothman, Kenneth J: Desconectándose de la
significación estadísticaSenn, Stephen: AreP-Values the Problem? Stangl, Dalene: CommentStark, PB: The value ofp-
valuesZiliak, Stephen T: El significado de la declaración de ASA sobre el significado estadístico y los valores de p
Declaración de ASA sobre la importancia estadística y los valores de p

1. Introducción El aumento de la cuantificación de la investigación científica y la proliferación de grandes conjuntos

de datos complejos en los últimos años ha ampliado el alcance de las aplicaciones de los métodos estadísticos. Esto
ha creado nuevas vías para el progreso científico, pero también genera inquietudes acerca de las conclusiones
extraídas de los datos de investigación. La validez de las conclusiones científicas, incluida su reproducibilidad,
depende de los métodos estadísticos en sí mismos. Las técnicas apropiadas, los análisis realizados adecuadamente y
la correcta interpretación de los resultados estadísticos también desempeñan un papel clave para garantizar que las
conclusiones sean sólidas y que la incertidumbre que las rodea se represente adecuadamente. El hecho de que se
sustenten muchas conclusiones científicas publicadas es el concepto de "significación estadística", típicamente
evaluado con un índice el valor de p Si bien el valor de p puede ser una medida estadística útil, comúnmente se usa
mal y se interpreta incorrectamente. Esto ha llevado a algunas revistas científicas a desalentar el uso de los valores
de p, y algunos científicos y estadísticos que recomiendan su abandono, con algunos argumentos esencialmente
introducidos, se introdujeron por primera vez valores de sincepción. En este contexto, la American Statistical
Association (ASA) cree que la comunidad podría beneficiarse de una declaración formal que aclare varios principios
ampliamente acordados sobre el uso e interpretación adecuados del valor de p. Las cuestiones que se mencionan
aquí no solo afectan a la investigación, sino también a la investigación, las prácticas de revistas, el avance
profesional, la educación científica, las políticas públicas, el periodismo y el derecho. Esta declaración no busca
resolver todos los problemas relacionados con una práctica estadística sólida, ni resolver controversias
fundamentales. Más bien, la declaración del estado articula en términos no técnicos algunos principios selectos que
podrían mejorar la conducta o la interpretación de la ciencia cuantitativa, de acuerdo con el consenso generalizado
en la comunidad estadística.2. ¿Qué es ap-Value? Informalmente, ap-value es la probabilidad en un modelo
estadístico específico de que un resumen estadístico de los datos (por ejemplo, la diferencia muestral entre dos
grupos comparados) sea igual o más extremo que su valor observado. 3. Principios. Los valores de p pueden indicar
cuán incompatibles son los datos con un modelo estadístico específico. Un valor de pA proporciona un enfoque
para resumir la incompatibilidad entre un conjunto particular de datos y un modelo propuesto para los datos. El
contexto más común es un modelo, construido bajo un conjunto de supuestos, junto con la llamada "hipótesis
nula". A menudo, la hipótesis nula postula la ausencia de un efecto, como la ausencia de diferencias entre dos
grupos o la ausencia de una relación Entre un factor y un resultado. Cuanto menor sea el valor de p, mayor será la
incompatibilidad estadística de los datos con la hipótesis nula, si las suposiciones subyacentes se utilizan para
calcular el valor de p. Esta incompatibilidad puede interpretarse como arrojar dudas o proporcionar evidencia
contra la hipótesis nula o las suposiciones subyacentes. Los valores P no miden la probabilidad de que la hipótesis
estudiada sea verdadera, o la probabilidad de que los datos se hayan producido solo por casualidad. Investigadores
a menudo se desea convertir un valor de ap en una declaración sobre la verdad de una hipótesis nula, o sobre la
probabilidad de que el azar produzca los datos observados. El valor de p no es ninguno. Es una declaración sobre la
relación de datos con una explicación hipotética específica, y no es una declaración sobre la explicación en sí
misma. 3. Las conclusiones científicas y las decisiones de negocios o políticas no deben basarse solo en si un valor
nominal pasa un umbral específico. Prácticas que reducen el análisis de datos o las inferencias científicas a las reglas
mecánicas de "línea brillante" (como "p <0.05") para justificar afirmaciones o conclusiones científicas pueden llevar
a creencias erróneas y decisiones deficientes. La aconclusión no se convierte de inmediato en "verdadera" en el
lado de la división y "falsa" en el otro. Los investigadores deberían poner en juego muchos factores contextuales
para derivar inferencias científicas, incluido el diseño de un estudio, la calidad de las mediciones, la evidencia
externa del fenómeno en estudio y la validez de las suposiciones que subyacen en el análisis de los datos. Las
consideraciones pragmáticas a menudo requieren decisiones binarias, "sí-no", pero esto no significa que los valores
de p por sí solos puedan garantizar que la decisión sea correcta o incorrecta. El uso generalizado de "significación
estadística" (generalmente interpretado como "p0.05") como una licencia para hacer una afirmación de una
investigación científica (o una verdad implícita) conduce a una distorsión considerable del proceso científico.4. La
inferencia adecuada requiere un informe completo Los valores P de la transparencia y los análisis relacionados no
deben informarse de forma selectiva. Al realizar múltiples análisis de los datos e informar solo aquellos con ciertos
valores de p (normalmente aquellos que pasan un umbral de significación), los valores de p informados son
esencialmente no interpretables. Hallazgos prometedores, también conocidos por dichos términos como dragado
de datos, búsqueda de significado, búsqueda de significado, La inferencia electiva y el "p-hacking" conducen a un
exceso imperativo de resultados estadísticamente significativos en la literatura publicada y deben evitarse
enérgicamente. No es necesario realizar formalmente múltiples pruebas estadísticas para que surja este problema:
siempre que un investigador elija qué presentar basándose en estadísticas resultados, la interpretación válida de
esos resultados se ve gravemente comprometida si el lector no está informado de la elección y su base. Los
investigadores deben revelar el número de hipótesis exploradas durante el estudio, todas las decisiones de
recopilación de datos, todos los análisis estadísticos realizados y todos los valores estadísticos realizados. -putado
Las conclusiones científicas válidas basadas en los valores de p y las estadísticas relacionadas no se pueden extraer
sin al menos saber cuántos y qué análisis se realizaron, y cómo esos análisis (incluidos los valores de p) se
seleccionaron para el informe.5. El valor de AP, o la significación estadística, no mide el tamaño de un efecto o la
importancia de un resultado. La importancia estadística no es equivalente a la importancia científica, humana o
económica. Los valores de Smallerp no implican necesariamente la presencia de efectos más grandes o más
importantes, y los valores de Greatp no implican simplemente una falta de importancia o incluso una falta de
efecto. Cualquier efecto, no importa cuán pequeño sea, puede producir un valor pequeño si el tamaño de la
muestra o la precisión de la medición es lo suficientemente alta, y los efectos grandes pueden producir valores de p
poco impresionantes si el tamaño de la muestra es pequeño o las mediciones son imprecisas. De manera similar, los
efectos estimados idénticos tendrán diferentes valores de p si la precisión de las estimaciones difiere. 6. Por sí
misma, el valor de ap no proporciona una buena medida de la evidencia con respecto a un modelo o hipótesis. Los
investigadores deben reconocer que el valor de ap sin el contexto u otra evidencia proporciona una evidencia
limitada. información. Por ejemplo, un valor de ap cerca de 0.05 tomado solo ofrece evidencia débil contra la
hipótesis nula. Del mismo modo, un valor relativamente amplio no implica evidencia a favor de la hipótesis nula;
muchas otras hipótesis pueden ser más o menos consistentes con los datos observados. Por estas razones, el
análisis de los datos no debe terminar con el cálculo de un valor de p cuando otros enfoques son apropiados y
factibles. Otros enfoques En vista de los malos usos y los conceptos erróneos que prevalecen en relación con los
valores, algunos estadísticos prefieren complementar o igualar los valores con otros enfoques. Estos incluyen
métodos que enfatizan la estimación sobre las pruebas, como la confianza, la credibilidad o los intervalos de
predicción; Métodos bayesianos; medidas alternativas de evidencia, como los cocientes de probabilidad o los
factores de Bayes; y otros enfoques como el modelado de la teoría de decisiones y las tasas de descubrimiento
falso. Todas estas medidas y enfoques se basan en supuestos adicionales, pero pueden abordar más directamente
el tamaño de un efecto (y su incertidumbre asociada) o si la hipótesis es correcta. Conclusión La buena práctica
estadística, como un componente esencial de la buena práctica científica, enfatiza los principios del buen diseño y
conducta del estudio, una variedad de resúmenes numéricos y gráficos de los datos, la comprensión del fenómeno
en estudio, la interpretación de los resultados en contexto, la presentación de informes completos y una adecuada
lógica y cuantitativa. comprensión de lo que resumen los datos significa. Ningún índice único debe sustituir al
razonamiento científico. Agradecimientos La Junta Directiva de ASA agradece a las siguientes personas por
compartir su experiencia y perspectivas durante el desarrollo de la declaración. La declaración no refleja
necesariamente el punto de vista de todas estas personas y, de hecho, algunos tienen puntos de vista que se
oponen a todo o parte de la declaración. No obstante, estamos profundamente agradecidos por sus contribuciones.
Naomi Altman, Jim Berger, Yoav Benjamini, Don Berry, Brad Carlin, John Carlin, George Bobbobb, Marie Davidian,
Steve Fienberg, Andrew Gelman, Steve Goodman, Sander Greenland, Guido Imbens, John Ioannidis, John Ioannidis,
Valen Johnson, Michael Lavine, Michael Lew, Rod Little, Deborah Mayo, Chuck McCul-loch, Michele Millar, Sally
Morton, Regina Nuzzo, Hilary Parker, KennethRothman, Don Rubin, Stephen Senn, Uri Simonsohn, Dalene Stangl,
PhilipStark, Steve Ziliak.