DISEÑOS DE INVESTIGACIÓN EN
PSICOLOGÍA
Prof. M. Isabel Núñez Peña
Departamento de Metodología de las Ciencias del Comportamiento
Facultad de Psicología
Universidad de Barcelona
Prepara tus exámenes
Prepara tus exámenes y mejora tus resultados gracias a la gran cantidad de recursos disponibles en Docsity
Consigue puntos base para descargar
Gana puntos ayudando a otros estudiantes o consíguelos activando un Plan Premium
Orientación Universidad
Prepara tus exámenes
Prepara tus exámenes y mejora tus resultados gracias a la gran cantidad de recursos disponibles en Docsity
Busca documentos
Prepara tus exámenes con los documentos que comparten otros estudiantes como tú en Docsity
Busca tu universidad
Encuentra los documentos específicos para los exámenes de tu universidad
Video Cursos
Estudia con lecciones y exámenes resueltos basados en los programas académicos de las mejores universidades
Quiz
Responde a preguntas de exámenes reales y pon a prueba tu preparación
Consigue puntos base para descargar
Gana puntos ayudando a otros estudiantes o consíguelos activando un Plan Premium
Comunidad
Pregúntale a la comunidad
Pide ayuda a la comunidad y resuelve tus dudas de estudio
Ebooks gratuitos
¡Nuestros e-books salva-estudiantes!
Descarga nuestras guías gratuitas sobre técnicas de estudio, métodos para controlar la ansiedad y consejos para la tesis preparadas por los tutores de Docsity
Asignatura: disenys de recerca, Profesor: , Carrera: Psicologia, Universidad: UB
Tipo: Monografías, Ensayos
2012/2013
1 / 82
Esta página no es visible en la vista previa
¡No te pierdas las partes importantes!
Documentos relacionados
Vista previa parcial del texto
¡Descarga llibre disenys recerca y más Monografías, Ensayos en PDF de Psicología solo en Docsity!
DISEÑOS DE INVESTIGACIÓN EN
PSICOLOGÍA
Prof. M. Isabel Núñez Peña
Departamento de Metodología de las Ciencias del Comportamiento
Facultad de Psicología
Universidad de Barcelona
ÍNDICE
- Diseños de investigación en Psicología
- 2.1. La investigación científica
- 2.2. Planificación de la investigación científica
- 2.2.1. Nivel teórico-conceptual..........................................................
- 2.2.2. Nivel técnico-metodológico......................................................
- 2.2.3. Nivel analítico-estadístico........................................................
- 2.3. Tipos de diseños
- 2.3.1. Diseños experimentales clásicos
- 2.3.1.1. Definición y características
- 2.3.1.2. Clasificación de los diseños experimentales clásicos
- 2.3.1.3. Análisis de datos para este tipo de diseños
- 2.3.2. Diseños experimentales de N=1...............................................
- 2.3.2.1. Definición y características
- 2.3.2.2. Clasificación de los diseños de N=1...................................
- 2.3.2.3. Análisis de datos para este tipo de diseños
- 2.3.3. Diseños cuasi-experimentales..................................................
- 2.3.3.1. Definición y características
- 2.3.3.2. Clasificación de los diseños cuasi-experimentales................
- 2.3.3.3. Análisis de datos para este tipo de diseños
- 2.3.4. Diseños no-experimentales
- 2.3.4.1. Definición y características
- 2.3.4.2. Clasificación de los diseños no-experimentales
- 2.3.4.3. Análisis de datos para este tipo de diseños
- 2.3.1. Diseños experimentales clásicos
- Referencias bibliográficas...........................................................................
2 M. I. Núñez Peña
fenómenos, o, lo que es lo mismo, sus causas. ¿Para que nos sirve conocer las causas? Si comprendemos por qué ocurren los fenómenos podremos llegar a predecirlos, es decir, anticiparnos a ellos. En consecuencia, se podrá incluso intervenir en el mundo para mejorar el futuro. Ya a principios de siglo XVII, Francis Bacon propuso que la finalidad de la ciencia es la mejora de la suerte del hombre en la tierra, y, según él, esa finalidad se lograría recogiendo hechos a través de la observación organizada y derivando de ellos teorías. Para alcanzar su objetivo, la Ciencia procede de una manera especial que es utilizando el método científico. Si nos remontamos al origen etimológico de la palabra método comprobaremos que viene de la fusión de las palabras griegas metá y odós , que significan, respectivamente, hacia y camino. Así, literalmente, el método es el camino que nos lleva hacia un fin. En el caso de la ciencia, se trata de un camino que se caracteriza por la sistematicidad, la objetividad y la rigurosidad. Este método, seguido en el razonamiento científico, se conoce como método hipotético-deductivo. Una vez se ha aclarado qué es la ciencia, cuál es su objeto y cuál es su método vamos a proceder con la definición de la investigación científica. Se trata de un proceso de indagación que persigue la elaboración de explicaciones sistemáticas, objetivas y rigurosas de los fenómenos, y que para ello recurre al método científico. Señala Kirk (1995) que no todos los fenómenos pueden abordarse desde un punto de vista científico, puesto que los objetos de investigación científica deber ser comprobables por la observación o producidos por medio de un experimento. Con esto quiere decir que hay cuestiones que no son susceptibles de ser investigadas científicamente, como, por ejemplo, la existencia de vida en otras galaxias. En este caso la razón es muy clara: por el momento no disponemos de tecnologías para observar otras galaxias distintas a la nuestra. Hay otra característica que deben presentar los fenómenos para poderlos investigar: sólo podrán ser objeto de la investigación científica aquellos fenómenos para los cuales pueda repetirse su observación o puedan volver a producirse. Esto quiere decir que un científico debe asegurarse de que sus resultados puedan ser reproducidos por otros investigadores. Para acabar, vamos a presentar los paradigmas metodológicos o tradiciones de la investigación científica en Psicología. Cronbach (1957) en el discurso que realizó en la 65ª convención anual de la Asociación Americana de Psicología en Nueva York describió dos métodos de investigación propios de la Psicología: el método
DISEÑOS DE INVESTIGACIÓN EN PSICOLOGÍA 3
experimental y el método correlacional. Por su parte, Arnau (1995a) nos dice que en la ciencia psicológica están presentes dos paradigmas: el paradigma experimental y el paradigma asociativo (puede verse un esquema de éstos en la Figura 2.1). Según Arnau (1995a) cada paradigma se caracteriza por: (1) la formulación de una clase específica de hipótesis, (2) el grado de intervención del investigador en la situación estudiada, y (3) los procedimientos de recogida de datos. Por lo que se refiere al tipo de hipótesis, en el paradigma experimental se formulan hipótesis causales, mientras que, en el paradigma asociativo se formulan hipótesis de covariación. Una hipótesis causal puede definirse como un enunciado que establece una relación inequívoca de causa-efecto. En términos de variables, esta hipótesis establece una relación entre la variable independiente y la variable dependiente, y presenta la forma lógica Si A entonces B. Una hipótesis de covariación, por el contrario, es un enunciado en el que se establece una relación asociativa (o no-causal) entre fenómenos. Esto quiere decir que este tipo de hipótesis nos informa de que la variable A está asociada o relacionada con la variable B. Obviamente, una hipótesis causal implicará relación entre las variables, sin embargo, una hipótesis de covariación no necesariamente implicará causalidad. Según Kenny (1979) una relación será causal si se dan tres condiciones:
- Precedencia temporal de la causa.
- Relación funcional entre las variables o covariación causa-efecto, de manera que cuando se da la presunta causa aparece el presunto efecto y cuando no se da la presunta causa no aparece el presunto efecto.
- Ausencia de espuriedad, que implica el control previo de las variables extrañas. Es decir, no debe haber otras explicaciones plausibles del cambio.
El segundo elemento diferenciador de paradigmas es el grado de intervención del investigador. En el paradigma experimental el grado de intervención es máximo. Esto se debe a que el objetivo de este tipo de investigaciones es establecer relaciones causales inequívocas entre las variables y para ello el fenómeno se ha de observar en un contexto muy controlado. El experimentador deberá actuar de la siguiente manera: (1) provocará el fenómeno que quiere estudiar y (2) lo aislará para que ningún elemento extraño afecte a la relación causal que está estudiando.
DISEÑOS DE INVESTIGACIÓN EN PSICOLOGÍA 5
ambos tipos de diseños se recurre a la manipulación de una o varias variables independientes y al control de las variables extrañas. ¿Qué es, entonces, lo que los diferencia? El grado de control de las variables extrañas. Estas diferencias en cuanto al grado de control se producen porque los diseños cuasi-experimentales utilizan grupos no equivalentes —también denominados, grupos intactos o naturales—, mientras que los diseños experimentales utilizan grupos equivalentes —es decir, grupos que se forman al azar—. Por lo que se refiere a los diseños observacionales y al diseño de encuestas, éstos se incluyen en el paradigma asociativo (Arnau, 1995a). Se trata de metodologías mediante las que el investigador recaba sus datos sin intentar inducir cambios o introducir tratamientos. La diferencia fundamental entre una y otra radica en que la primera se ocupa de investigar fenómenos directamente observables —en general, la conducta de los individuos—, mientras que la segunda se interesa por el estudio de procesos que no pueden abordarse mediante la observación directa —por ejemplo, opiniones o actitudes—. Esta diferencia repercute en el tipo de técnicas que se utilizan en cada caso para recoger información. De una parte, la metodología observacional se sirve de técnicas sistemáticas de observación de la conducta. De otra parte, la metodología de encuestas emplea cuestionarios, a través de los cuales se obtiene información sobre opiniones, actitudes o determinados constructos psicológicos.
Tabla 2.1. Paradigmas de investigación en Psicología (Arnau, 1995a)
Paradigma experimental Paradigma asociativo
Hipótesis causal Hipótesis de covariación
Manipulación de la variable independiente No manipulación de la variable independiente
Elevado control de fuentes de variación extrañas Mínimo o nulo control de fuentes de variaciónextrañas
Diseños experimentales y cuasi-experimentales Diseños observacionales y diseños de encuesta
6 M. I. Núñez Peña
2.2. PLANIFICACIÓN DE LA INVESTIGACIÓN CIENTÍFICA
Todo investigador seguirá una serie de etapas para realizar su investigación: 1º) planteará el problema de la investigación; 2º) formulará la hipótesis o conjetura; 3º) seleccionará la estrategia para solventar el problema; 4º) recogerá los datos; 5º) analizará los datos; 6º) interpretará los resultados estadísticos; y 7º) elaborará las conclusiones. Dada la naturaleza cíclica de la ciencia, estas conclusiones le llevarán a él o a otros investigadores a plantear nuevos problemas de investigación. Como señalan Box, Hunter y Hunter (1978), el desarrollo de la ciencia es siempre progresivo a través de un proceso cíclico de aprendizaje. Las etapas anteriores se reparten en tres niveles de actuación que están presentes en cualquier proceso de la investigación científica (Arnau, 1989, 1990): el nivel teórico-conceptual, el nivel técnico-metodológico, y el nivel analítico- estadístico. Dentro del nivel teórico-conceptual se incluyen el planteamiento del problema, la formulación de la hipótesis y la elaboración de conclusiones. Dentro del nivel técnico-metodológico se incluyen las fases correspondientes a la selección de la estrategia para solventar el problema y la recogida de datos. Por último, dentro del nivel analítico-estadístico se incluyen las fases de análisis e interpretación de los resultados estadísticos. A continuación vamos a profundizar en cada uno de estos niveles y en las etapas de la investigación científica que incluyen.
2.2.1. Nivel teórico-conceptual
Los científicos invierten una buena parte de sus vidas intentando dar respuesta a problemas de investigación, por lo que el punto de partida de sus investigaciones — en definitiva, el origen de la investigación— siempre será una pregunta. En palabras de Pedhazur y Pedhazur Schmelkin (1991) un problema es un enunciado, usualmente interrogativo, acerca de la relación entre dos o más variables (p. 187). ¿Es eficaz este nuevo fármaco para el tratamiento del trastorno bipolar? ¿Existen diferencias entre hombres y mujeres en cuanto a su aptitud numérica? ¿Podemos situar el procesamiento de las emociones en alguna región concreta del cerebro? ¿Inciden los prejuicios en los veredictos de los jurados populares? Estos ejemplos recogen problemas susceptibles de ser estudiados científicamente. En este
8 M. I. Núñez Peña
- Dirigen la investigación.
- Se deducen de las teorías o de un conjunto de investigaciones previas.
- Se pueden someter a prueba: es decir, se puede demostrar que son probablemente verdaderas o probablemente falsas.
- Son predicciones del tipo Si A entonces B , donde se establece la relación entre las variables A y B.
- Son independientes de los valores y opiniones de una persona.
2.2.2. Nivel técnico-metodológico
Una vez formulada la hipótesis, el investigador se adentrará en el nivel técnico-metodológico. En este nivel lo que deberá hacer es seleccionar la estrategia metodológica más adecuada para contrastar su hipótesis. Es decir: deberá decidir cuál es la mejor manera de proceder para recoger datos que le permitan solucionar el problema de la investigación. Tendrá que responder a las siguientes preguntas: cómo se seleccionará la muestra, cómo se formarán los grupos, cómo se manipulará la variable independiente, cómo se medirá la variable dependiente, cómo se controlarán las variables de confundido, etc. En esta fase de la investigación, es muy importante que el investigador tome las decisiones adecuadas, porque, en caso contrario, puede poner en peligro la validez de su investigación. Las decisiones que tome repercutirán en la validez interna, en la validez externa y en la validez de constructo de su investigación (una amplia descripción de las amenazas a la validez de las investigaciones se encuentra en Cook y Campbel, 1979). Hay básicamente tres maneras de dar respuesta a los problemas de investigación, o, dicho de otro modo, hay tres estrategias que podemos adoptar para recoger los datos:
- Podemos manipular algún aspecto del ambiente en una situación totalmente controlada y esperar a ver qué ocurre. En este caso, utilizaremos un diseño experimental —también denominado, experimento verdadero (Cook y Campbell, 1979; Dwyer, 1983)—.
- Podemos manipular algún aspecto del ambiente en una situación no totalmente controlada y esperar a ver qué ocurre. En este caso, utilizaremos un diseño cuasi-experimental.
DISEÑOS DE INVESTIGACIÓN EN PSICOLOGÍA 9
- Podemos observar el fenómeno que nos interesa de forma natural sin interferir con el mismo. En este caso, deberemos recurrir a un diseño no experimental.
Todos los diseños anteriores comparten las siguientes características (Field y Hole, 2003):
- Empirismo: los tres tipos de diseños intentan obtener evidencias a través de la observación y la medida.
- Medida: todos los métodos intentan medir de la forma más precisa posible aquello que están estudiando.
- Replicabilidad: todos buscan asegurarse de que sus resultados puedan ser reproducidos por otros investigadores.
- Objetividad: todos intentan dar respuesta al problema de investigación de forma objetiva, es decir, independientemente de la interpretación del investigador.
Vamos a ver ahora, a grandes rasgos, cuáles son los principales elementos que diferencian estos tres tipos de diseños. Estos elementos son la existencia de manipulación de la variable independiente, el uso de la aleatorización en la formación de los grupos y el control de las variables de posible confundido. Un experimento verdadero se caracteriza porque en él se manipula la variable independiente, se recurre a la aleatorización para formar grupos equivalentes y se ejerce un control máximo de las variables de posible confundido. Un cuasi-experimento, por el contrario, presenta las mismas características que el experimento verdadero, pero, a diferencia de éste, trabaja con grupos no equivalentes —esto es: grupos naturales o intactos—. Por último, los diseños no experimentales son aquellos en los que no se manipula la variable independiente, hay un control escaso o nulo de las variables de posible confundido y no se recurre a la aleatorización para formar los grupos. En la Tabla 2.2 se presenta un esquema con las principales diferencias entre un experimento verdadero, un cuasi- experimento y un no experimento. Este esquema amplía el esquema de la Tabla 2.1, donde se muestran las características diferenciales entre el paradigma experimental y el paradigma asociativo.
DISEÑOS DE INVESTIGACIÓN EN PSICOLOGÍA 11
observar directamente. Así, una investigación con validez de constructo nos garantiza que las variables observadas son buenos indicadores del constructo o fenómeno no observable que pretendemos medir.
2.2.3. Nivel analítico-estadístico
En el nivel analítico-estadístico el investigador cubrirá las etapas del análisis de los datos y la interpretación de los resultados estadísticos. En este momento, deberá organizar los datos en una tabla o matriz y deberá ser capaz de recurrir a las técnicas estadísticas más adecuadas para obtener información de ésta. Se trata, en definitiva, de ser capaz de extraer conocimiento de esos datos. Hemos afirmado en otro lugar que todo buen investigador debe tener sólidos y precisos conocimientos sobre estadística (Solanas, Salafranca, Fauquet y Núñez, 2005, p. 1). Esto es así porque todas las decisiones que el investigador haya tomado en el nivel técnico- metodológico —por ejemplo, cómo se ha seleccionado la muestra, qué tipo de diseño se ha utilizado, el número de variables independientes, el número de variables dependientes, la escala de medida de las variables, etcétera— delimitarán las opciones del análisis estadístico del que se habrá de valer para resolver el problema de su investigación. De hecho, un científico que conozca bien la estadística la utilizará para tomar decisiones no sólo en el nivel analítico-estadístico, sino también en las etapas previas. Cuando el investigador se enfrenta a la etapa del análisis de datos pondrá en juego todos sus conocimientos de estadística. Las técnicas de análisis a las que podrá recurrir dependerán básicamente de cuatro factores: (1) el objetivo de su análisis, (2) el número de variables que pretenda analizar, (3) la escala en la que haya medido sus variables y (4) la naturaleza de sus datos en cuanto a la posibilidad de existencia de covariación en las medidas. En primer lugar, dependiendo del objetivo del análisis, se recurrirá a las técnicas de estadística inferencial o a las técnicas de estadística descriptiva. Se utilizarán las primeras si el objetivo es elaborar conclusiones para toda la población a partir de los datos de una muestra. Se trata, en definitiva de contrastar una hipótesis de partida tomando una decisión estadística basada en el cálculo de probabilidades. En este momento hay que aclarar que el investigador utiliza dos tipos de hipótesis: las sustantivas y las estadísticas (Kerlinger, 1986). La hipótesis sustantiva es la hipótesis de investigación que plantea el investigador, mientras que la hipótesis
12 M. I. Núñez Peña
estadística —o hipótesis de nulidad— es una afirmación que se realiza sobre uno o más parámetros o sobre la forma de las distribuciones en la población de estudio. Si por el contrario el objetivo del análisis es sintetizar los datos observados en la realidad con el objeto de detectar estructuras subyacentes, y sin pretender realizar inferencias a otras unidades de análisis distintas de las que se está analizando, entonces recurriremos a la estadística descriptiva. Estas técnicas de análisis descriptivo se utilizan en general como punto de partida en cualquier investigación, para realizar una primera exploración que nos informe del comportamiento de los datos. Este tipo de análisis nos permite, entre otras cosas, detectar la presencia de valores anómalos. En segundo lugar, el número de variables que se pretenda analizar también repercutirá en la elección de la técnica estadística. En este sentido, el investigador dispone de técnicas estadísticas univariables —si su interés se centra en el análisis de una sola variable—, técnicas estadísticas bivariables —si se pretende estudiar la relación entre dos variables—, y técnicas estadísticas multivariables —si se pretende estudiar la relación entre más de dos variables—. En tercer lugar, la escala en la que se hayan medido las variables también incidirá en las técnicas estadísticas que se puedan utilizar. Siguiendo la clasificación de Stevens (1946, 1951), las escalas de medida son cuatro: nominal, ordinal, de intervalo y de razón. La escala de medida de una variable determina las transformaciones matemáticas que se pueden realizar con sus valores, por lo que condiciona los índices estadísticos que se pueden aplicar para describir su distribución y las técnicas estadísticas que se pueden aplicar sobre ésta (Michell, 1986). En cuarto y último lugar, la naturaleza de los datos también es un elemento esencial que repercute en la elección de la técnica estadística. La cuestión es si los datos se han obtenido de los mismos individuos o si, por el contrario, los datos provienen de individuos diferentes. En el primer caso se dice que los datos están relacionados y en el segundo se dice que los datos son independientes. Por lo que se refiere a la estadística inferencial, existen algunas técnicas que se fundamentan en el supuesto de que las observaciones sean independientes, por lo que no deberán utilizarse en ningún caso si se viola este supuesto. En resumen, el investigador que alcance la fase de análisis de datos deberá contestar a las siguientes cuestiones para seleccionar las técnicas estadísticas que habrá de utilizar:
14 M. I. Núñez Peña
que se registrará de cada unidad, la forma en que se medirán las variables, los controles que se aplicarán sobre el fenómeno que quiere estudiar, etcétera. De acuerdo con Arnau (1995a) hay que diferenciar entre tres tipos de diseños: diseños experimentales, diseños cuasi-experimentales y diseños no experimentales. Esta misma terminología es la que proponen Pedhazur y Pedhazur-Schmelkin (1991). No obstante, hay otros autores como Campbell y Stanley (1966) que distinguen entre diseño experimental, cuasi-experimental y correlacional, y otros que reducen las estrategias de investigación a dos: diseños experimentales y diseños ex post facto (Dwyer, 1983; Kerlinger, 1986; Roscoe, 1975). En nuestro caso, vamos a adoptar la clasificación propuesta por Arnau (1995a) y Pedhazur y Pedhazur-Schmelkin (1991). Las diferencias esenciales entre los tres tipos de diseños —experimentales, cuasi-experimentales y no experimentales— ya se han comentado anteriormente y estriban en los principios de manipulación de la variable independiente, el control de las variables de confundido y la aleatorización en la formación de los grupos. Dentro de los diseños experimentales se distingue, a su vez, entre diseños experimentales clásicos y diseños de N=1, cuya diferencia esencial es que en los primeros se trabaja con grupos de individuos mientras que en los segundos se trabaja con una sola unidad de observación.
2.3.1. Diseños experimentales clásicos
2.3.1.1. Definición y características
Comenzaremos este epígrafe ofreciendo algunas definiciones del concepto de diseño experimental. Kirk (1995) define el término diseño experimental como un plan para asignar los sujetos a las condiciones experimentales y el análisis estadístico asociado con ese plan (p. 1). Continúa indicando que el diseño de un experimento para investigar una hipótesis científica o de investigación implica un número de actividades interrelacionadas:
_1) Formulación de la hipótesis estadística a partir de la hipótesis científica.
- Determinación de las condiciones experimentales que van a utilizarse (variable independiente), la medida que va a registrarse (variable dependiente) y las variables de posible confundido._
DISEÑOS DE INVESTIGACIÓN EN PSICOLOGÍA 15
_3) Especificación del número de sujetos y de la población de la que se extraerá la muestra.
- Especificación del procedimiento para asignar los sujetos a las condiciones experimentales.
- Determinación del análisis estadístico que se llevará a cabo._
Keppel (1991) nos dice que un experimento consiste en un plan cuidadosamente elaborado y ejecutado para recoger y analizar datos (p. 4). Continúa diciendo que los requisitos de un experimento son: (1) distintos tratamientos se administran a distintos grupos de sujetos (o los mismos sujetos en diferentes órdenes) y (2) se observa y se registra la respuesta de los sujetos después de administrar los tratamientos. Arnau (1990a) define el diseño experimental como un plan estructurado de acción tendente a la demostración de relaciones de carácter causal entre la variable independiente y la dependiente. Con este objeto, el diseño experimental recoge los tres supuestos implícitos en el enfoque experimental: (a) aleatorización, (b) control y (c) manipulación. De las definiciones anteriores se desprenden las principales características del diseño experimental:
- Manipulación de la variable independiente: El experimentador interviene de forma directa sobre el fenómeno que quiere estudiar con el objeto de provocar cambios sobre el mismo. Tales cambios se registrarán en la variable dependiente de la investigación. En muchas ocasiones para referirnos a la manipulación de la variable independiente decimos que hemos introducido un tratamiento. Por esta razón algunos autores utilizan el término variable de tratamiento y variable independiente como sinónimos. La variable independiente o de tratamiento, por definición, tendrá como mínimo dos valores, niveles o tratamientos, y su manipulación implica que el investigador asignará aleatoriamente estos valores a los distintos grupos.
- Control de las variables de confundido: El experimentador controlará todas las variables que puedan incidir sobre el fenómeno que está estudiando. En un caso ideal, el experimentador debería asegurarse de que la variable dependiente varía exclusivamente por su intervención, de manera que debería controlar toda variable que incida sobre ésta. Dicho de otro modo, la
DISEÑOS DE INVESTIGACIÓN EN PSICOLOGÍA 17
Kerlinger (1986) afirma que el propósito del diseño experimental respecto a la variancia de la variable dependiente es triple y se resume en lo que él mismo denominó el principio del MAX-MIN-CON. Primero: el investigador debe maximizar la variancia sistemática primaria de la variable dependiente. Segundo: debe minimizar la variancia del error de la variable dependiente. Y, tercero: debe controlar la variancia sistemática secundaria de la variable dependiente. La variancia sistemática se produce cuando los datos (esto es, la variable dependiente) varían en un sentido determinado. Se trata de variabilidad entre- grupos o entre-tratamientos. Esta variabilidad la puede provocar el efecto de la variable independiente —y en ese caso se habla de variancia sistemática primaria — o la puede provocar variables extrañas que actúan de forma sistemática sobre la variable dependiente —en cuyo caso, se habla de variancia sistemática secundaria —. Dado que la variancia sistemática primaria recoge el principal efecto que se quiere estudiar —recordemos que la intención del investigador es que la variable dependiente varíe por el efecto de la variable independiente—, deberemos maximizarla. De este modo, el efecto de la variable independiente será tan amplio y claro como sea posible. Por el contrario, puesto que la variancia sistemática secundaria recoge el efecto de variables extrañas que provocan variabilidad entre- grupos o entre-tratamientos, deberemos controlarla. La ausencia de control de la variancia sistemática secundaria pone en peligro la relación causal que se pretende establecer. La variancia de error, por su parte, es variabilidad que presenta la variable dependiente debida a factores aleatorios. Ésta es la razón por la que esta variancia también recibe el nombre de variancia aleatoria. Este tipo de variabilidad suele deberse a errores de medida provocados por la utilización de instrumentos mal calibrados o a otros factores relacionados con los propios sujetos, la situación experimental o las condiciones ambientales. Se trata de variabilidad intra-grupo o intra-tratamiento. Dada su naturaleza aleatoria, la variancia de error no se podrá controlar y lo único que estará al alcance del investigador es reducirla o minimizarla. Este objetivo se consigue, en parte, a través de la estructura del diseño.
2.3.1.2. Clasificación de los diseños experimentales clásicos
Vamos a presentar cuatro criterios de clasificación de los diseños experimentales clásicos siguiendo la propuesta de Viader (1995).
18 M. I. Núñez Peña
El primer criterio clasifica los diseños en función del número de variables independientes que se manipulan. Se distingue, así, entre diseños simpl es, en los que se manipula una sola variable independiente, y diseños factoriales , en los que se manipulan dos o más variables independientes. La ventaja del diseño factorial respecto al diseño simple es que nos permite estudiar no sólo el efecto de cada una de las variables independientes por separado —los llamados efectos principales —, sino que también nos permite estudiar el efecto conjunto de las mismas —los llamados efectos interactivos o de interacción entre las variables—. El efecto interactivo recoge el efecto simultáneo de dos o más variables independientes sobre la variable dependiente. En definitiva, con esta información, el diseño factorial nos permitirá detectar si el efecto de una variable independiente sobre la variable dependiente es distinto en función de con qué valor de la otra variable independiente se combina. En términos técnicos, podremos estudiar los efectos simples de cada variable independiente y determinar en qué medida difieren. No es nuestra intención extendernos en este punto, pero sí queremos señalar que los diseños factoriales pueden presentar una estructura de cruzamiento completa o pueden presentar una estructura incompleta. Un diseño factorial con estructura de cruzamiento completa es aquél en el que los distintos niveles de cada variable independiente se combinan con los distintos niveles de la otra variable independiente, obteniéndose todas las posibles combinaciones de valores. Un diseño factorial incompleto (aquí se incluyen los denominados diseños fraccionados y los diseños anidados o jerárquicos) es aquél en el que no se utilizan todas las posibles combinaciones entre valores de las variables independientes, sino que sólo se utiliza una parte o fracción de éstas. Este tipo de diseños se utiliza cuando se trabaja con muchas variables independientes, por lo que la estructura de cruzamiento completa requeriría muchos grupos experimentales. El problema básico que presenta este tipo de diseños es que no nos permiten estudiar todas las interacciones. El segundo criterio clasifica los diseños en función del número de variables dependientes que se registren. Así nos encontramos con diseños univariables , en los que registra una sola variable dependiente, y con diseños multivariables , en los que se registra más de una variable dependiente. El tercer criterio clasifica los diseños en función del número de observaciones por sujeto y condición experimental. Se diferencia así entre diseño transversal (también denominado diseño cross-sectional o estático ) y diseño longitudinal. En el primero disponemos de una sola medida u observación por sujeto y condición, mientras que