¡Descarga Técnicas de control en diseños experimentales y ajuste estadístico - Prof. Arnau y más Apuntes en PDF de Psicología solo en Docsity!
Diseños experimentales y aplicados
TMA 1 INTRODUCCIÓN
Un diseño es una estrategia de recogida de datos que pretende resolver los problemas científicos planteados previa- mente. Los datos se analizan mediante procedimientos estadísticos, pero la estadística es sólo un instrumento, y está al servicio de la metodología. Distinguimos dos grandes grupos de diseños:
- El diseño experimental
- El diseño casi-experimental ó aplicado
La principal diferencia entre ellos reside en el origen y formación de los grupos experimentales: mientras que en los diseños experimentales la muestra se selecciona al azar y se asigna al azar a las condiciones experimentales (Fisher; instaura el análisis de la varianza), en los diseños aplicados los grupos ya están formados (grupos intactos o natura- les), y yo desconozco la “causa” (la “causa” constituye una V. de selección) de dicha agrupación, que en cualquier caso no es el azar. La introducción del azar en la formación de los grupos experimentales permitirá la posibilidad de plantear la H. de nu- lidad.
Existen dos tradiciones en investigación experimental:
- Fisher compara las varianzas, esto es, la estrategia es la comparación de grupos (los sujetos de los cuáles han sido asignados al azar); esta tradición está muy ligada a la estadística.
V.E Z1 Z2 (control) V.I A1 A2 (manejo)
S1 S
.. .. .. Sn Sn
Y1 Y2 N> (medias)
A su vez, distinguimos dos perspectivas dentro de esta estrategia:
- Comparación entre-sujetos ó entre-grupos, cuyo análisis será el ANOVA
- Comparación intra-sujetos (todos los sujetos reciben todas las condiciones experimentales), cuyo análisis será el ANOVA de medidas repetidas (ANOVA RM) ó ANOVA mixto.
- Skinner la estrategia es la comparación de fases (no era muy amante de los procedimientos estadísticos), esto es, un solo sujeto pasa por varias fases. Z (historia) Y X(I)
t N=
¡¡OJO!! Fijarse en que esto no permite comparar las medias del sujeto en los dos momentos temporales, ya que la estadística clásica postula:
- Independencia de observaciones (este es el punto más problemático aquí: el mismo sujeto genera to- dos los datos, con lo que podría haber interdependencia entre las dos fases;¡¡ojo!! que no se refiere a un “efecto de orden”).
- Normalidad
- Igualdad de varianzas (homocedasticidad)
A su vez, distinguimos también dos enfoques dentro de esta estrategia:
- Clínica series cortas MCG (-mínimos cuadrados generalizados- permite corregir la interdepen- dencia de los datos).
- Social educativa series temporales largas ARIMA (esta no la daremos).
Dentro de los diseños casi-experimentales, el autor más significativo es Cambell. Los principales enfoques de este ti- po de diseños son:
- Enfoque transversal comparación de distintos grupos en el mismo momento temporal.
a. Diseño de grupo control no equivalente b. Diseño de grupos no equivalentes c. Diseño de discontinuidad en la regresión
- Enfoque longitudinal comparación del mismo grupo a lo largo del tiempo
a. Diseño de series temporales b. Diseño longitudinal de medidas repetidas c. Diseño de cohortes d. Diseño en panel
Por último, conviene apuntar la distinción entre investigación básica VS investigación aplicada: la básica estaría re- lacionada con el diseño experimental, mientras la aplicada lo estaría con el casi-experimental.
- Investigación básica: a) validez interna, b) máximo control y c) aleatorización.
- Investigación aplicada: a) validez externa, b) máxima generalización y c) no aleatorización.
TMA 2 MODELO GENERAL DE LA INVESTIGACIÓN CIENTÍFICA
El objeto de estudio de la psicología, y de las ciencias sociales en general, es cualquier manifestación conductual glo- bal humana. En este contexto, el modelo general de investigación se basa en una especie de “espiral”, que va y vuelve de la teoría a la realidad. La característica fundamental del conocimiento científico es pues su comparación o contrastación, y la objetividad.
TEORÍA
Contrasta Añade conocimientos (vía deductiva) (vía inductiva)
REALIDAD (empiria)
- Nivel técnico metodológico en este nivel se vinculan los conceptos teóricos con la realidad empírica, fun- damentando la representación conceptual o imagen teórica de lo real. Así pues, la actividad fundamental de esta fase es el contraste o comprobación de las H y la reducción de los elementos de la H a referentes reales.
PLAN DE INVESTIGACIÓN ESTRATEGIAS DE RECOGIDA DE DATOS NO EXPERIMENTAL EXPERIMENTAL
El plan de investigación es el proceso de toma de decisiones relativo a: VD, VI, VE, V de sujeto, V de proce- dimiento y tarea, e Instrumentos de medida.
Control de las variables ESTRATEGIAS Independiente Dependiente Extrañas Investigación de campo (^) NULO MÍNIMO DÉBIL
Métodos de en- cuesta (^) NULO REGULAR DÉBIL
Manipulativas o experimentales (^) MÁXIMO MÁXIMO MÁXIMO
La estrategia de recogida de datos vendrá determinada por los objetivos; las principales estrategias son:
Observación directa Ex post facto Observación indirecta Estrategia Experimental Causal Cuasi-experimental
El enfoque Ex post facto no requiere la manipulación directa de las condiciones de producción de los fenó- menos; el investigador no elige arbitrariamente los valores de la VI. Este enfoque es propio de las situaciones en las que no es posible la asignación aleatoria de las unidades a las condiciones de tratamiento, y en las que el control de las VE es nulo o limitado. Las principales estrategias o procedimientos que asumen esta clase de condiciones son:
- La observación directa agrupa un conjunto de técnicas conocidas por investigación de campo, que requieren observación directa de los fenómenos tal y como ocurren de modo natural, y poseen un escaso control de las VE, p.e. observación naturalista, estudios de campo, auto-informes.
- La observación indirecta se caracteriza por el registro y medida de un gran número de V. Las técnicas utilizadas en observación indirecta son conocidas por métodos selectivos ó métodos de encuesta. El objetivo de la metodología de encuesta es la obtención de infor- mación con el propósito de conocer las características y propiedades de una determinada población, p.e. entrevistas, cuestionarios.
El enfoque causal plantea el estudio de los efectos causales entre las V objeto de estudio, y se caracteriza por un mayor control de las VE: la estrategia causal se caracteriza por el control que se posee sobre los registros, condiciones y sujetos.
- La estrategia experimental tiene tres componentes básicos: manipulación, control y alea- torización. En esta estrategia, existe una manipulación activa de la VI, esto es, el investiga- dor elige arbitrariamente los valores de la VI y los aplica a diferentes grupos de sujetos. La
lógica de de la investigación experimental consiste en atribuir los cambios observados en la variable de respuesta (VD) a la variación sistemática de los tratamientos (valores de la va- riable manipulada o VI).
- La estrategia cuasi-experimental prueba también relaciones de causalidad, pero a diferen- cia de la anterior los grupos no se forman al azar, sino que utiliza grupos naturales, intactos o ya formados. Por tanto, se puede decir que la asignación aleatoria o no de los sujetos a los dos grupos marca el límite entre las dos estrategias.
- Nivel estadístico-analítico
ELABORACIÓN Y REUNIÓN AJUSTE DEL MODELO INFERENCIA DE LA H ESTADÍSTICA DE DATOS ESTADÍSTICO
En la fase de elaboración y reunión de datos se representan los resultados en tablas o gráficos sin otro tratamiento posterior. La conversión de una observación directa en un dato científico se realiza mediante la aplicación de una adecuada escala de medida, p.e. frecuencias. Así, los datos generados por cada escala de medida son cualitativamente distintos (datos paramétricos y datos no paramétricos), y permiten análisis y pruebas estadísticas distintas.
OBSERVACIÓN DIRECTA ESCALA DE MEDIDA DATO CIENTÍFICO O VALOR NUMÉRICO
**Recordar que las escalas de medida pueden ser débiles (nominales y ordinales) o fuertes (de intervalo y de razón); las débiles no permiten modelos paramétricos, mientras que las fuertes sí, son mucho más potentes.
Las tablas se usan en los informes científicos para resumir datos u otra información que no puede ser presentada de forma conveniente en la narrativa del texto. Las tablas deben tener un título que informe claramente de su con- tenido, y las tablas estadísticas deberían informar también sobre el número de observaciones que se incluyen (fre- cuencias). Las tablas que informan sobre una única V se conocen como tablas univariadas, mientras que las que informan de dos V bivariadas o tabla de contingencia (una V está asociada a las filas y otra a las colum- nas). Los gráficos pretenden una representación visual de los datos, permiten clarificar resultados y facilitan su inter- pretación. El histograma de frecuencias es un gráfico que muestra la distribución de frecuencias de una V de in- tervalo: el eje horizontal representa los intervalos y el eje vertical la cantidad de puntuación de cada uno de ellos (frecuencias).
La segunda fase es la de elección de un modelo estadístico adecuado, con el fin de determinar el grado de ajuste entre el modelo y los datos del experimento. El modelo estadístico o ecuación de carácter lineal supone que:
Y = f (x) + g (E) (VD)(constante)(error)
Se asume por tanto, que una observación Y es el resultado de la combinación aditiva de de alguna función (f) de V fijas y de alguna función (g) de componentes aleatorios, y que tanto (f) como (g) pueden tomar parámetros cono- cidos como desconocidos. Considerada esta ecuación como un modelo estadístico general se tiene que, cualquier observación es la suma de dos componentes: una parte fija o determinista f(x) y una parte aleatoria desconocida g(E). Los modelos que se ajustan a esta ecuación parten de unos supuestos teóricos, y describen cómo se compor- ta la VD o variable de medida, siempre y cuando el azar haya tenido la oportunidad de actuar. Lo que nos va a interesar en el estudio del comportamiento son los parámetros asociados a la parte fija del modelo estadístico, ya que representan o la magnitud de un cambio (grado de asociación entre las V), o el efecto causal (el impacto de una V sobre otra), en función de la estrategia de recogida de datos. El objetivo de cualquier prueba de hipótesis es determinar el nivel de significación de estos parámetros, pudiendo ser esta prueba más o menos potente, en el sentido de que nos permita rechazar la Ho con más seguridad (los datos pa- ramétricos permiten pruebas estadísticas más potentes).
Discusión de los resultados
En este estadio se distinguen dos actividades básicas:
- Se determina, en la medida de lo posible, la aceptación de los presupuestos teóricos que han inspirado la investigación; esto requiere interpretar los resultados y, al mismo tiempo, inferir la H de investigación. Siendo así, con esta primera actividad el investigador fija el nivel de validez interna de la investigación.
- En segundo lugar se especifica el alcance de los resultados obtenidos, es decir, para qué valores de las variables implicadas y presentes en la situación es vigente el efecto inferido. Se trata, por tanto, de esta- blecer el alcance de los resultados (su generalización) y el grado de validez externa del trabajo.
Por validez entendemos la consistencia de un estudio o trabajo científico: puede entenderse como consistencia interna (cohesión) y como consistencia externa (ámbito de aplicación).
La validez interna es el grado en que se puede establecer de forma exacta que la VI ha producido el fenómeno observado o es causa de los valores que toma la VD.
La validez externa es el grado en que los resultados de un estudio pueden generalizarse a otras personas, con- textos, tratamientos y tiempos, esto es, el alcance que tienen los resultados de una investigación.
Interpretación de los resultados
Las actividades propias de esta fase son:
- Inferir la H de investigación
- Examinar los resultados en función de esta H, extrayendo los contenidos científicamente significativos.
- Interpretar los resultados en términos de H alternativas o rivales.
Generalización de los resultados
Se evalúa el alcance de los resultados, esto es, para qué poblaciones son vigentes los supuestos teóricos proba- dos. La generalización de los resultados suele realizarse, por lo común, con la población de sujetos. No obstante, en toda investigación está presente más de una población: la población de tratamientos, experimentadores, contextos…etc. Con- viene pues tener en cuenta las diferentes poblaciones para establecer los márgenes de acción de los efectos constatados y el grado de validez externa de la investigación.
TMA 3 DISEÑOS EXPERIMENTALES
Un experimento es “una experiencia cuidadosamente planificada de antemano”, lo que le confiere una naturaleza cla- ramente activa, en el sentido de opuesta a pasiva. También se puede entender como un modelo de variación y constancia, en el que:
- Se hace variar sistemáticamente la VI
- Se controlan y se neutralizan las VE
La tarea a realizar sobre las V de un diseño experimental son las siguientes:
- La acción ejercida sobre la VI es la manipulación, y se le otorga el papel de “causa”.
- La acción ejercida sobre la VD es la medición, y se le otorga el papel de “efecto”.
- La acción ejercida sobre la VE es el control, y se le otorga el papel de V de confundido. ¡¡Ojo!! las VE pue- den clasificarse en relevantes e irrelevantes, y es para las primeras que realizaremos las acciones de control,
mientras que las que consideremos irrelevantes simplemente las omitiremos. El control experimental consiste en eliminar o bien neutralizar cualquier fuente de variación extraña capaz de confundir la acción de la V de tratamiento.
*La VD suele ser cuantitativa continua, y la VI dicotómica.
La clasificación de los diseños experimentales es la que sigue:
- Clásico (Tradición Fisheriana)
- Entre grupos ó entre sujetos es el más común, dos grupos independientes reciben un tratamiento o condición de la VI cada uno.
- Intra-sujetos ó de medidas repetidas el mismo grupo de sujetos pasa por todas los tratamientos o condiciones de la VI.
- Mixtos una V sigue el diseño entre grupos y la otra el diseño intra-sujetos.
- De sujeto único (Tradición Skinneriana)
- Una serie es el registro de una R de un sujeto a lo largo del tiempo, manteniendo todas las condiciones constan- tes.
- Intra-series
- Entre-series
- Series combinadas
TMA 4 DISEÑO EXPERIMENTAL CLÁSICO
Por diseño clásico (Fisheriano) se entiende una estructura de investigación en la que al menos se manipula una V, y las unidades son asignadas aleatoriamente a las distintas condiciones de dicha V.
Manipulación Grupos
A1 Y1 Ỹ1 - Ỹ2 - Ỹ3 (valor muestra, estadístico) VI (A) A2 Y2 N μ1 - μ2 - μ3 (valor poblacional, parámetro) A3 Y Azar
Este modelo está muy saturado de análisis estadístico. El número de grupos dependerá de si:
- Es un modelo simple: en este caso, coincidirá con en número de condiciones de la VI.
- Es un modelo complejo o factorial: en este caso, el número de grupos será el producto de todos los valores de cada una de las VI.
o Nominales los valores sólo representan categorías o nombres, p.e. género. El tipo de datos que ge- nerará esta escala es cualitativo y no paramétrico.
La potencia de una prueba se define como la capacidad de rechazar una Ho cuando es falsa, esto es, es se relacio- na directamente con la probabilidad de cometer un error tipo II. La potencia de una prueba se puede incrementar au- mentando el tamaño de la muestra (¡¡ojo!! que con muestras grandes es posible demostrar casi cualquier cosa, y esto tampoco es…), o dotando a α de valores mayores. Las pruebas paramétricas son más potentes que las no paramé- tricas.
Objetivos específicos del diseño experimental clásico
- Maximizar la varianza sistemática primaria, esto es, la que produce la VI y que observamos a partir de la variación en la VD. Esto se conseguirá eligiendo los valores óptimos de la VI.
- Control de las fuentes de variación secundarias, esto es, las que producen VE pertinentes y que observamos a partir de la variación en la VD. Esto se conseguirá mediante la selección de un diseño adecuado.
- Minimizar la varianza del error, aumentando la precisión en la medida de los registros y seleccionando su- jetos homogéneos.
Las técnicas de control
- Experimentales o directas, o asociadas al diseño:
o Aleatorización diseño de los grupos completamente al azar o Constancia diseños de dos grupos apareados y de bloques o El sujeto como control propio diseños intra-sujeto o de medidas repetidas
- Estadísticas o indirectas (ajuste)
La lógica de la prueba de H en el diseño clásico supone que todo ocurre al azar hasta que se demuestre lo contrario; para esta demostración el investigador utiliza un modelo estadístico que atribuye al azar la distribución de los datos ob- servados; así pues, adoptamos como estrategia el modelo de prueba estadística. Los pasos de este modelo son:
- Formulación de la Ho
- Formulación de la H
- Estadístico de la prueba y nivel de significación
- Cálculo del valor empírico del estadístico de la prueba (este paso requiere hacer el experimento y recoger los datos en la “matriz de datos del experimento”, que te da el valor del estadístico y la probabilidad de que se haya dado al azar -p valor o nivel de significación-)
- Decisión estadística de aceptar o rechazar la Ho
La problemática básica del diseño experimental se reduce a la cuestión de cómo conseguir que los grupos iniciales se- an equivalentes. Esto se consigue mediante la completa aleatorización de la asignación de las unidades de observación a las distintas condiciones experimentales; en virtud de la aleatoriedad se asume que los grupos son iguales en todas las VE y, por tanto, son comparables o equivalentes. Así, cualquier diferencia constatada al comparar los grupos experimentales debe ser atribuida al efecto de la VI.
Varianza sistemática 1ª (VI) y 2ª(VE)
varianza del error (variabilidad interindividual) Y1 Y2 Y
Ho: μ1 = μ2 = μ H1: μ1 ≠ μ2 = μ3 ó μ1 = μ2 ≠ μ3 ó μ1 ≠ μ2 ≠ μ
TMA 5 DISEÑO EXPERIMENTAL DE DOS GRUPOS
Una de las situaciones más simples de investigación experimental es la formada por dos grupos, uno de control y otro experimental. La condición básica de cualquier experimento es la presencia de un grupo de contraste denominado grupo de no tratamiento o control ¡¡ojo!! en el diseño de dos grupos no siempre uno de ellos tiene que ser el control, pueden darse dos tratamientos de la VI.
Clasificación general
TÉCNICA DE CONTROL DISEÑO
Aleatorización Diseño de dos grupos completamenteal azar
Constancia
Diseño de dos grupos aparea- dos/Diseño de bloques de dos trata- mientos
Experimental o directa
El sujeto como con- trol propio
Diseños de medidas repetidas (sujetos x tratamientos)
Estadística o indirecta Diseño de covariancia de dos grupos
Dos grupos completamente al azar
UNIVERSO O POBLACIÓN Selección MUESTRA EXPERIMENTAL asignación aleatoria DE ORIGEN muestreo
G1 G
Dos grupos apareados
UNIVERSO O POBLACIÓN Selección MUESTRA EXPERIMENTAL S1, S2 asignación aleatoria DE ORIGEN muestreo S3, S G1 G ¡¡ojo!! para cada pareja, un sujeto a G1 y un sujeto a G2 (aleatoriamente)
*diferencia entre prueba unilateral y bilateral: en la primera no marcamos el sentido de la diferencia. La que cojas dependerá de cómo hayas formulado la H1.
1
α = 0, Región de no aceptación de la Ho
0
Paso 5 (esto que sigue es lo único que hay que ponerle en el examen, si nos pide el paso 5)
NA (Ho) p < 0,05 RS (resultado significativo) *
Se estudia el efecto de dos fármacos sobre la tasa de retención verbal. H1 el fármaco 1 (A1) produce una mejor ejecución que el fármaco 2 (A2). Se seleccionan al azar una muestra de 12 sujetos, y se asignan al azar a las dos condiciones:
- G1 5 sujetos
- G2 7 sujetos
Tras aplicar el tratamiento, se somete a los sujetos a una prueba de retención verbal de 10 ítems (sílabas sin sentido con idéntica dificultad).
*La escala es de intervalo, ya que todas las sílabas tienen el mismo valor asociativo (igual dificultad); la uni- dad de medida es constante.
Paso 1 especificamos la Ho, o de la no diferencia significativa entre las medias de ambos grupos
Ho: μ1 = μ2 ó Ho: μ1 - μ2 = 0
Paso 2 especificamos la H1, que coincide, en este experimento, con la H experimental.
H1: μ1 > μ
Paso 3 especificación del nivel de significación, tamaño de los grupos, estadístico de la prueba, y valor teó- rico del estadístico de la prueba.
Estadístico de la prueba: t de Student (datos paramétricos) para grupos independientes.
α = 0, n1 = 5 n2 = 7 t 0,95 (5+7-2 = 10) =1,812 (valor teórico del estadístico, a partir de las tablas)
Paso 4 cálculo del valor empírico del estadístico de la prueba, a partir de la matriz de datos del experimento.
*¡¡ojo!! debemos comprobar las 3 condiciones de aplicación. Notar que existen dos tipos de Ho: las de signi- ficación, que nos interesará que no se cumplan, y las de ajuste, en las que nos interesará que se cumpla la Ho, p.e. homogeneidad de varianzas.
Paso 5
De la prueba de Levene se obtiene una p altísima, esto es, aceptamos la Ho hay igualdad de variancias
A(Ho)p>0,05RNS (prueba de ajuste) 1
α = 0, Región de no aceptación de la Ho
0
NA (Ho) p < 0,05 RS (resultado significativo) * (Prueba de significación)
Ejemplos de diseño de dos grupos emparejados (muestras relacionadas)
Estudiamos el efecto de la motivación sobre las puntuaciones de un grupo de escolares en una prueba de ren- dimiento. A partir de una muestra de sujetos se forman 15 pares de ellos. Los dos miembros de cada par son iguales en género, edad y nivel de escolaridad, y son asignados al azar a una u otra condición experimental.
N = 30 15 pares (de la pareja, uno va a una condición y otro a otra)
G1 lectura, antes de la ejecución de una tarea escolar, de instrucciones de carácter motivador. G2 realizan la tarea tras la lectura de unas instrucciones neutras.
Este emparejamiento permitirá controlar el efecto de posibles VE sobre el registro de la VD
Podemos sospechar que no todos los ítems tienen la misma carga de “rendimiento escolar”, por lo que las unidades de la escala podrían no ser equivalentes escala ordinal, situación no paramétrica
Paso 1 Especificación de la Ho
Prueba de muestras independientes
,004 ,953 3,865 10 ,003 2,6000 ,6727 1,1011 4,
3,874 8,843 ,004 2,6000 ,6712 1,0776 4,
Se han asumido varianzas iguales No se han asumido varianzas iguales
retención
F Sig.
Prueba de Levene para la igualdad de varianzas
t gl Sig. (bilateral)
Diferencia de medias
Error típ de la diferencia Inferior Superior
Intervalo de confianza para la diferencia
Prueba T para la igualdad de medias
Estadísticos del grupo
5 7,6000 1,1402 , 7 5,0000 1,1547 ,
droga 1, 2,
retención
N Media
Desviación típ.
Error típ. de la media
Utilizando el ejemplo anterior, supondremos que las puntuaciones de la prueba de rendimiento escolar han sido obtenidas mediante una escala de intervalo. Se asume, pues, que cada tarea tiene la misma dificultad y que los in- tervalos de la escala son constantes.
Paso 1 especificación de la Ho
Ho: μD = 0 (la media de las puntuaciones de diferencia es igual a 0)
Paso 2 especificación de la H1, en la que se asume que la media de las puntuaciones de diferencia entre A1 y A2 es significativamente mayor que 0
H1: μD > 0
Paso 3 especificación del nivel de significación, tamaño de los grupos y valor teórico del estadístico de la prueba.
α = 0, n1 =15 y n2 = 15 Prueba, t de Student (datos paramétricos) para grupos relacionados
t0,95 (15-1=14) = 1,
Paso 4 cálculo del valor empírico del estadístico de la prueba, a partir de la matriz de datos del experimento.
Paso 5 para tomar una decisión estadística, se halla el valor teórico de t entrando en la tabla de los valores teó- ricos o críticos del estadístico con n-1 grados de libertad, al nivel de significación establecido en el paso 3, siendo t 0,95(14) = 1,76. Puesto que el valor observado es mayor que el valor teórico, se infiere la no aceptación de la Ho con una probabilidad de error o de tomar una decisión falsa del 5 por ciento.
NA (Ho) p < α RS *
Prueba de muestras relacionadas
Par 1 motivación -no motivación 6,2000 6,4829 1,6739 2,6099 9,7901 3,704 14 ,
Media
Desviación típ.
Error típ. de la media Inferior Superior
Intervalo de confianza para la diferencia
Diferencias relacionadas
t gl Sig. (bilateral)
Correlaciones de muestras relacionadas
Par 1 motivación yno motivación 15 ,927 ,
N Correlación Sig.
Estadísticos de muestras relacionadas
75,6000 15 16,7195 4, 69,4000 15 17,0621 4,
motivación no motivación
Par 1
Media N
Desviación típ.
Error típ. de la media
*Las tablas t de Student son las mismas para grupos relacionados que independientes. Lo que cambia son los grados de libertad, en este caso nº de parejas -1.
Ventajas y desventajas del diseño de dos grupos
Los diseños experimentales de dos grupos son instrumentos de investigación adecuados para estudios exploratorios, cuyo objetivo consiste en detectar la relación entre V e identificar las posibles causas de unas respuestas o medidas con- ductuales dadas. Estos diseños son, pues, especialmente indicados en el estudio de áreas donde no se ha realizado ningún tipo de trabajo previo. Dado que se comparan dos grupos, se cumple con el requisito mínimo de la estrategia experimental, es decir, la pre- sencia de un grupo control o contraste para probar el efecto de la VI. Estos diseños suelen denominarse diseños de grupo control. Con diseños de dos grupos es posible controlar, mediante el análisis de la covariancia, el efecto de un factor de sesgo capaz de confundir la acción de la V de tratamiento. Las desventajas del diseño son propias de la estructura unifactorial. Con este enfoque, cualquier conclusión está condicionada a la V que ha sido objeto de estudio y que ha sido estudiada de forma independiente y aislada. Esto va en contra de la naturaleza de la ciencia psicológica, en la que se da una interdependencia entre los distintos factores y en la que, con frecuencia, es imposible pensar en el efecto de una V sin tener en cuenta el efecto modulador que pueden ejer- cer otro conjunto de V interconectadas con aquella.
TMA 6 DISEÑOS EXPERIMENTALES MULTIGRUPO
Los diseños multigrupo, muy frecuentes en ciencia psicológica o social, son estructuras de una sola VI que tiene tres o más condiciones. Al seleccionar más de dos valores de la VI o causal, es posible extraer la relación funcional entre la VI y la VD del experimento. Es por esta razón que estas estructuras se conocen con el nombre de diseños funcionales o paramétricos. Así, los resultados de este tipo de diseño se podrán representar gráficamente.
Y (VD) Y (VD) Y (VD)
X (VI) X (VI) X (VI)
Función lineal función cuadrada función cúbica
*Aquí estaríamos ante una ley universal psicológica. Conocer la función nos permitirá hacer predicciones. En psico- logía, las más comunes son estas tres:
- y = ßo + ß1x + ε función lineal (corta la horizontal una vez)
- y = ßo + ß1x²+ ε función cuadrada, p.e. estrés, motivación (corta la horizontal dos veces)
- y = ßo + ß1x³ + ε función cúbica (corta la horizontal tres veces)
Ejemplo de diseño multigrupo al azar (caso paramétrico)
Se pretende probar si la cantidad de repasos es una V decisiva en la retención o memoria de recuerdo, para un conjunto de sílabas de igual valor asociativo.
VI (repaso) A1(presentación de la lista sin repaso), A2 (1 repaso), A3 (2 repasos) y A4 (3 repasos).
Al terminar las lecturas, los sujetos realizan una prueba de recuerdo de la mayor cantidad de ítems que puedan.
VD cantidad de ítems recordados.
Paso 1 La Ho asume que las medias de los grupos experimentales proceden de una misma población y, por consi- guiente, son idénticas.
Ho: μ1 = μ2 = μ3 = μ
Paso 2 La H1 asume que la cantidad media de palabras recordadas variará positivamente en función de la cantidad de repasos (Esto es un ejemplo de una H unidireccional).
H1: μ1 < μ2 < μ3 < μ
Paso 3 se aplica una prueba de significación general o prueba ómnibus, cuyo estadístico es la F de Snedecor. El ni- vel de significación de α = 0,05. El tamaño de la muestra experimental y las submuestras de tratamiento son:
N = 20 y n = 5 F0,95 (3/16) = 3,
*Ya que la F compara la variación intra con la entre, tendremos dos valores de grados de libertad:
- Intra nº de sujetos – 1(para cada grupo)
- Entre nº de condiciones o grupos -
Paso 4 Tas la ejecución del experimento se calcula el valor empírico de F, a partir de la matriz de datos del experi- mento.
Ho: б1² = б2² = … бj² A (Ho) p > 0,05 RNS
Prueba de homogeneidad de varianzas
recuerdo
Estadístico de Levene gl1 gl2 Sig.
Descriptivos recuerdo
5 2,4000 1,1402 ,5099 ,9843 3,8157 1,00 4, 5 5,0000 1,5811 ,7071 3,0368 6,9632 3,00 7, 5 6,6000 1,1402 ,5099 5,1843 8,0157 5,00 8, 5 8,2000 ,8367 ,3742 7,1611 9,2389 7,00 9, 20 5,5500 2,4597 ,5500 4,3988 6,7012 1,00 9,
1, 2, 3, 4, Total
N Media
Desviación típica Error típico Límite inferior
Límite superior
Intervalo de confianza para la media al 95%
Mínimo Máximo
Paso 5 dado que el valor observado de F es mayor que el teórico al 5%, y en función de los grados de libertad co- rrespondientes, se rechaza la Ho y se acepta la H1 a dicho nivel de significación.
NA (Ho) p < 0,05 RS *
El ANOVA realizado es una prueba ómnibus, te dice si hay o no diferencias significativas, pero no la dirección de las diferencias, esto es, F es una prueba general de significación. Las comparaciones o contrastes entre medias son el 2º nivel de análisis, buscan diferencias entre combinaciones de medianas. Una clasificación de los distintos procedimientos para el contraste de medias podría ser la siguiente:
A priori o planificadas: propuestas teóricas planteadas antes de realizar la experiencia, que responden a los inter- eses teóricos del investigador. Se corre el riesgo de cometer más errores tipo I.
a. No ortogonales (o lineales) comparación de medias ponderada por una serie de cocientes (pesos), que indican el sentido de la comparación. La condición de la linealidad es que la suma de los pesos sea igual a 0. En este caso, las microhipótesis no tienen límite, puedo generar las que quiera (*en el ejemplo hay 5 microhipótesis, pero podríamos haber generado las que quisiéramos). El signo del pe- so marcará la diferencia: al que le doy el signo + es el que creo que es mayor. Se tomará una decisión como la del paso 5 para cada microhipótesis. Siguiendo con el ejemplo anterior,
- Ho: μ2 - μ1 = 0 (dos lecturas de la lista no difiere de una sola lectura)
- Ho: μ3 - μ1 = 0 (se asume la igualdad entre la condición 3 y la 1)
- Ho: μ4 - μ1 = 0 (se asume igualdad entre 4 lecturas y 1 lectura)
- Ho: μ3 – ½ (μ1 + μ2) = 0 (se establece la igualdad entre tres lecturas y el promedio entre 1 y 2 lecturas)
- Ho: μ3 – 1/3 (μ1 + μ2 + μ3) = 0 (se establece la igualdad entre 4 lecturas y el promedio de las res- tantes)
Si reformulamos las Ho en combinaciones lineales:
- (-1)μ1 + (1)μ2 + (0)μ3 + (0)μ4 = 0
- (-1)μ1 + (0)μ2 + (1)μ3 + (0)μ4 = 0
- (-1)μ1 + (0)μ2 + (0)μ3 + (1)μ4 = 0
- (-1/2)μ1 + (-1/2)μ2 + (1)μ3 + (0)μ4 = 0
- (-1/3)μ1 + (-1/3)μ2 + (-1/3)μ3 + (1)μ4 = 0
Coeficientes de contraste
-1 1 0 0 -1 0 1 0 -1 0 0 1 -1 -1 2 0 -1 -1 -1 3
Contraste 1 2 3 4 5
1,00 2,00 3,00 4,
repasos
ANOVA
recuerdo
91,750 3 30,583 21,092 , 23,200 16 1, 114,950 19
Inter-grupos Intra-grupos Total
Suma de cuadrados gl
Media cuadrática F Sig.
