El método del gallego

Los negacionistas dicen ahora que han demostrado que el CO2 no es la causa del calentamiento, sino la consecuencia. Es decir, que podemos tirar alegremente todo el CO2 que queramos, que no pasa nada.

Aquí explicaremos qué método han empleado para demostrarlo: El método del gallego. Así es como he bautizado el engendro de Lon Hocker. Se trata de una falsificación estadística que sirve para demostrar más o menos lo que te apetezca. Se publicó en junio de este año en el blog de Anthony Watts (WUWT) y me imagino que está siendo difundido en medios negacionistas, dada su afición a repetir sin comprobar.

Un modelo sencillo para jugar y ver cómo funciona se puede descargar aquí.

El problema consiste en que tenemos una variable, la concentración atmosférica de CO2, que va ascendiendo con ciclos estacionales muy marcados y regulares. Aquí se explica por qué. Además de los vistosos ciclos también apreciamos una tendencia bastante regular al aumento. Se trata de relacionar esta gráfica con otras variables mediante el coeficiente de correlación.

El modelo simplificado que he hecho en hoja de cálculo Excel podría representar, por ejemplo, la altura con respecto al nivel del mar de la cabeza de un señor que sube una escalera. Cada vez que sube un escalón, la cabeza sube y baja un poquito, pero la tendencia de la cabeza (y del cuerpo que la sostiene) es a subir. Esto está representado por la columnas B y C. Además hay que sumar las pequeñas oscilaciones o RUIDO (columna D). Vosotros mismos podéis añadir o quitar pequeñas cantidades de ruido a la gráfica problema (en la columna D) y veréis su efecto inmediatamente. Es como si hacéis dar un saltito al señor que sube la escalera. O como si le provocarais hipo.

Hocker decide hacer un tratamiento de los datos bastante curioso: con la excusa de eliminar las oscilaciones anuales (en nuestro caso los escalones), elimina la tendencia. En la hoja de cálculo hemos reproducido el filtro de Hocker. Si os colocáis en una de las casillas de la columna F podréis ver qué ecuación utiliza, y el resultado en la gráfica 2. Después, con los datos así transformados, calcula la correlación con el parámetro que le interesa (en nuestro caso usaremos RUIDO) y le sale muy alta (en la casilla rosa) -0,70, o sea una correlación negativa que explica el 70% de la variabilidad. Pero es trampa, las pequeñas alteraciones quedan muy exageradas en la transformación de Hocker. El ruido no es lo más importante.

El análisis de Hocker detecta que la altura de la cabeza y el hipo están muy relacionados. Como no tenemos más o menos hipo por tener la cabeza más o menos alta, Hocker concluiría que es el hipo la causa que influye sobre la altura.

Lo simpático de este sistema de análisis es que si cambiamos la pendiente (ponemos un signo negativo a la tendencia, en la casilla verde B2) y hacemos que el señor baje en vez de subir, el gráfico de Hocker ni se entera y el coeficiente de correlación sigue siendo el mismo. El efecto del hipo se sigue viendo igual de bien pero, como el gallego del chiste, no sabemos si sube o si baja. Hemos eliminado la tendencia.

¿Cómo puede alguien pretender sacar conclusiones sobre la relación entre la ALTURA y cualquier otra cosa si en su análisis no se sabe ni siquiera si estamos subiendo o bajando?

La conclusión correcta del estudio sería que el hipo tiene efecto SÓLO sobre las pequeñas variaciones de la altura de la cabeza. Y no se pueden sacar más conclusiones porque el análisis de Hocker elimina la tendencia.

Responder

Introduce tus datos o haz clic en un icono para iniciar sesión:

Logo de WordPress.com

Estás comentando usando tu cuenta de WordPress.com. Cerrar sesión / Cambiar )

Imagen de Twitter

Estás comentando usando tu cuenta de Twitter. Cerrar sesión / Cambiar )

Foto de Facebook

Estás comentando usando tu cuenta de Facebook. Cerrar sesión / Cambiar )

Google+ photo

Estás comentando usando tu cuenta de Google+. Cerrar sesión / Cambiar )

Conectando a %s

A %d blogueros les gusta esto: