Tema 5 de Fundamentos de Investigación en Psicología. Método y diseños
experimentales. El método experimental es el método científico por
excelencia. Y su objetivo esencial es la identificación de causas y la
evaluación de sus efectos. En el método experimental, el investigador
crea una situación artificial donde manipula un aspecto determinado del
ambiente para estudiar sus efectos sobre la conducta del sujeto. El
investigador trata de buscar la existencia de una relación de causalidad
entre un aspecto del ambiente, que sería la variable independiente, y un
aspecto de la conducta del sujeto, que será la variable dependiente,
controlando el resto de los factores, las variables extrañas, para poder
influir en la conducta estudiada. Pues bien, para poder estudiar el efecto
de la variable independiente sobre la dependiente, es necesario que el
experimentador produzca una situación artificial llamada experimento, ya
sea en el laboratorio, que sería un experimento de laboratorio, o en el
marco natural del sujeto, un experimento de campo. En ambas situaciones, el
investigador crea las condiciones necesarias para la aplicación de la
variable independiente. En lugar de buscar situaciones en las que se debe
de forma natural, y lo hace cuando él considera que es el momento más
adecuado. Y al ser el experimento una situación artificial creada por el
investigador, siempre es posible replicarlo. Por lo tanto, en el
experimento, el investigador manipula una o más variables independientes.
Controla las variables extrañas, y forma grupos experimentales. A veces es
necesario hacer un experimento piloto, que consiste en un ensayo del
experimento, para estudiar cómo funcionan algunos aspectos del
experimento. Como puede ser la influencia de posibles variables extrañas,
el número de los estímulos, el valor de los estímulos, el tiempo
empleado en realizarlo, cómo funcionan los aparatos. Tiene que
comprobarlo. Ensayando o haciendo un experimento piloto. La principal
característica del método experimental es el cumplimiento de los
siguientes cuatro requisitos. 1. Manipulación. 2. Utilización como
mínimo de dos condiciones experimentales. 3. Equivalencia inicial de los
grupos. Y el control. Vamos a ver uno por uno. ¿Qué es la manipulación?
El investigador. El investigador determina los valores de la variable
independiente y crea las condiciones necesarias para la presentación
artificial de esos valores. De esto se deduce una cuestión importante. En
el método experimental, al menos una de las variables independientes tiene
que ser de manipulación intencional. Si las variables solo permiten la
selección de valores, como poderar, ser, inteligencia, habría que emplear
otro método de inteligencia. Investigación. Puede ser, por ejemplo, el
método. En segundo lugar, vamos a ver cómo es la utilización como
mínimo de dos condiciones experimentales. Para poder crear una situación
de contraste entre diferentes condiciones, tendremos que crear esas
condiciones. Es decir, se utilizará como mínimo un grupo de sujetos que
pase por las dos condiciones o dos grupos de sujetos generalmente. Uno
experimental, al que se aplica un tratamiento, y otro de control, al que no
se le aplica el tratamiento. Y así se garantiza la comprobación de la
covariación de las variables. En tercer lugar, teníamos la equivalencia
inicial de los grupos. Para lograr esto vamos a ver qué es la
aleatorización. La técnica de aleatorización. La aleatorización se
tiene que utilizar en dos momentos del experimento. Uno, cuando se asignan
los participantes a los grupos, aleatoriamente. Y dos, cuando se asignan
los grupos a las condiciones experimentales, también aleatoriamente. Pues
bien, con la asignación aleatoria se consigue la formación de grupos
equivalente. Es decir, sin diferencias intergrupales en las variables
extrañas que le interesa controlar o eliminar. Y, por tanto, la
eliminación de posibles efectos de selección. Hay que decir que este
término de aleatorización fue utilizado por primera vez por Fischer en
1935 y establece las bases para efectuar diferencias válidas a partir de
los datos experimentados. En esta técnica de aleatorización cada sujeto
tiene la misma probabilidad de ser asignado a los grupos. Es decir, a los
diferentes grupos experimentales o tratamientos. Lo que garantiza que las
posibles diferencias en la variable independiente antes de la presentación
de la variable independiente se distribuyan al azar dentro de cada grupo y
entre los diferentes grupos. Otro requisito que tiene que cumplir el
método experimental es el control. Es decir, acción directa y
manipulativas del experimentador sobre la variable independiente a estudiar
y sobre las variables extrañas que potencialmente pueden influir sobre la
variable dependiente distorsionando el efecto de la variable independiente.
Bien. El control permite concluir que los cambios encontrados en la
variable dependiente son ocasionados por los diferentes valores de la
variable independiente y no por terceras variables. El método experimental
utiliza técnicas de control de las variables extrañas ya que se
estudiaron en el tema 3 como la eliminación, la constancia, la
aleatorización, etc. Hay que decir que el objetivo en el método
experimental es analizar las relaciones causales entre las variables. Es
decir, estudiar los cambios que se registran en la variable dependiente
como producto de los diferentes valores de la variable independiente. Pues
bien, para que en un experimento se pueda inferir una relación de
causalidad es necesario que se den tres condiciones. Una, que haya una
contingencia temporal entre las variables. Es decir, que la variable causa,
es decir, la variable independiente debe preceder temporalmente a la
variable efecto. A la variable dependiente. En segundo lugar, la segunda
condición es la correlación o comparación entre ellas entre la variable
independiente y la variable dependiente. Un cambio en los valores de la
variable independiente debe conllevar un cambio proporcional directo o
inverso en los valores de la variable dependiente. Es decir, en las
situaciones en las que la variable independiente no ejerce influencia sobre
la variable dependiente. En tercer lugar, la tercera condición para que
podamos inferir una relación de causalidad es la no-espuriedad. Es decir,
tenemos que comprobar que la responsabilidad de esa covariación entre la
variable independiente y la variable dependiente no puede ser atribuida a
otras variables. En resumen, para que se pueda inferir una relación causal
entre dos variables, el experimentador tiene que manipular la variable
independiente. En segundo lugar, establecer un orden temporal entre las
variables y también debe eliminar el efecto de las variables extrañas.
Vamos a ver la clasificación de los diseños experimentales. Vamos a poder
clasificar los diseños experimentales en función del número de variables
independientes. Y niveles o valores de la variable independiente. También
depende de la forma de asignar a los sujetos a los grupos de análisis
estadístico adecuado para cada diseño y del número de variables
dependientes. Si utilizando el número de variables dependientes, los
diseños pueden ser diseños univariados cuando solo se mide una conducta
del sujeto o variable dependiente Y multivariados cuando estudiamos más de
una variable dependiente. Nos vamos a centrar en los diseños
multivariados. No vamos a estudiar aquí los diseños multivariados. Pues
bien, luego en función del número de variables independientes pueden ser
diseños unifactoriales donde se manipula únicamente una variable
independiente o diseños factoriales donde manipulamos más variables que
una variable independiente. En función de los grupos, de que los grupos
estén formados por diferentes o por los mismos sujetos. Si son grupos
diferentes, un diseño intersujetos donde cada grupo lo forman distintos
sujetos. Dentro de los diseños intersujetos podemos tener diseños
intersujetos de grupos aleatorios donde la asignación de los sujetos a los
grupos se hace de forma completamente aleatoria. Y pueden ser diseños de
bloques pues es aquí donde se utiliza alguna técnica de bloqueo en la
asignación de los sujetos a los grupos. Por otro lado, si la forman los
mismos sujetos tenemos un diseño intrasujetos y son donde los mismos
sujetos pasan por todas las condiciones o grupos experimentales. O pueden
ser diseños mixtos donde algunas condiciones son realizadas por distintos
grupos de sujetos mientras que otras son realizadas por todos los grupos.
Vamos a comenzar por las características de los diseños unifactoriales
intersujetos. Se caracterizan fundamentalmente porque los grupos están
formados por diferentes sujetos y porque estudian el flujo de una sola
variable independiente sobre una variable independiente en dos o más
grupos equivalentes. En función de la técnica que se utilice para asignar
los sujetos a los grupos podemos asignarlos por aleatorización o por
bloqueo entonces tendremos diseños de grupos aleatorios o de diseños de
bloques. Vamos a comenzar por los diseños de grupos aleatorios. ¿Cómo es
la lógica de este diseño? Los grupos aleatorios como la de todos los
diseños experimentales se basan en la equivalencia inicial de los grupos
es decir si los grupos son iguales antes de aplicar el tratamiento las
diferencias encontradas después de aplicarlo se deberán al efecto del
tratamiento. Para que esto ocurra es necesario que los grupos se hayan
formado aleatoriamente y que de esta misma forma se hayan asignado los
tratamientos a los grupos en este tipo de diseños se contrasta el efecto
de una variable independiente con dos o más niveles sobre una variable
dependiente dos si tiene dos grupos aleatorios o si es si tiene más de dos
grupos aleatorios en un diseño multigrupo. Son los niveles o grupos de la
variable dependiente sobre una variable dependiente Vamos a ver ahora el
diseño de dos grupos aleatorios. El diseño de dos grupos aleatorios
consta de un grupo experimental al que se le aplica el tratamiento y un
grupo control al que no se le aplica el tratamiento o se le aplica un
placebo aunque también se pueden utilizar dos valores de la variable
independiente distintos de efecto. En este caso el diseño tendría dos
grupos experimentales. Vamos a ver ahora el diseño de dos grupos
experimentales con medida post-tratamiento. Ahí tenemos la representación
simbólica y los pasos que hay que seguir para llevar a cabo este diseño
son los siguientes. En primer lugar se selecciona de la población de
interés una muestra de sujetos lo suficientemente grande para que pueda
actuar el azar. No es necesario que la selección de la muestra se haga de
forma aleatoria aunque si se hace se mejoran las condiciones para el
análisis estadístico de los tratos y se aumenta la validez externa. En
segundo lugar el segundo paso es que se asignan aleatoriamente los sujetos
de la muestra a cada uno de los grupos o condiciones. También de forma
aleatoria se asigna un valor de la variable independiente a cada uno de los
grupos. Se aplica el tratamiento y se toman medidas de la conducta de los
sujetos a cada grupo. El tercer paso es aquel donde se comparan los
resultados de los dos grupos mediante la técnica de análisis más
adecuada y el cuarto paso se extraen las conclusiones pertinentes
generalizando los resultados y se redacta el informe de investigación
según las normas vigentes. La principal ventaja es que la asignación
aleatoria de los sujetos a los grupos garantiza su igualdad antes de
aplicar el tratamiento. Otra ventaja es el control que ejerce sobre las
amenazas a la validez interna de la historia y la maduración ya que
transcurre muy poco tiempo entre la aplicación del tratamiento y la medida
de la conducta. Entre las posibles amenazas a la validez interna de este
tipo de diseño de los grupos con medida post-tratamiento está la
instrumentalización es decir si utilizamos diferentes aparatos para medir
la conducta en los dos grupos también puede ser otra amenaza la selección
diferencial cuando la muestra de los sujetos es pequeña o si no se ha
realizado correctamente la asignación aleatoria de los sujetos. En cuanto
a las amenazas a la validez externa estarían los efectos de interacción
de los sesgos de selección y tratamiento cuando ocurre esto cuando las
muestras no son aleatorias y por ello no son representativas de la
población o de la sociedad impidiéndose la generalización de los
resultados a la población. Otra posible amenaza es la validez externa la
de los efectos reactivos de los dispositivos experimentales porque puede
haber artificialidad de la situación experimental. La técnica de
análisis de datos más adecuada para el diseño de los grupos aleatorios
con medida post-tratamiento suele ser una amenaza a la diferencia de medias
de grupos independientes. Así que, por ejemplo, si las observaciones son
independientes las distribuciones normales y las varianzas homogéneas se
puede utilizar una técnica paramétrica y si no se utilizará una técnica
no paramétrica alternativa a la alternativa Pasamos ahora al diseño de
los grupos aleatorios con medida pre-impostratamiento las características
son básicamente las mismas que las del anterior de los diseños de dos
grupos son sólo con medida post-tratamiento es el efecto que se toman dos
medidas en cada grupo de sujetos una antes y otra después de la
aplicación del tratamiento. En un experimento cuando la muestra es muy
heterogénea muy diferente y el número de sujetos es muy pequeño aunque
hayamos asignado aleatoriamente los sujetos a los grupos nos puede quedar
la duda de si esos grupos son realmente equivalentes antes de aplicar el
tratamiento o si el azar nos ha juzgado una mala pasada y los grupos no son
homogéneos cuando esto ocurre o simplemente cuando nos interesa comprobar
que los grupos son realmente equivalentes en la variable de intereses es
conveniente una vez formados los grupos tomar una medida de la variable
dependiente o de una variable dependiente muy relacionada con ella antes de
administrar las condiciones experimentales o tratamiento esto es
precisamente lo que se conoce como medida pretratamiento sin embargo
siempre que se garantice la equivalencia inicial de los grupos es mejor
utilizar el diseño solo con medida post-tratamiento ya que al tomar una
medida pretratamiento se puede producir una sensibilización de los sujetos
a la medida pre-tratamiento y distorsionar los resultados los casos que se
siguen en este diseño de dos grupos aleatorios con medida pre- y
post-tratamiento son uno cuando los grupos están formados se toma una
medida de la variable dependiente o de otra variable muy relacionada con
ella para asegurarnos de que los grupos son equivalentes hay un análisis
con una técnica estadística apropiada si no hay, hay diferencias entre
los grupos si continúa con el diseño y si existen diferencias se puede
utilizar una técnica de bloqueo para asignar los sujetos a los grupos o
determinadas técnicas estadísticas como por ejemplo el análisis de
covarianza para controlar el efecto de la variable extraña el segundo paso
es que se asignan aleatoriamente para crear al grupo los tratamientos igual
que en el diseño anterior a un grupo se le aplica un valor diferente de
cero de la variable independiente y al otro un valor de cero o un placebo
al grupo control u otro valor de la variable independiente distinto de cero
y del aplicado al otro grupo que sería otro grupo experimental con un
valor distinto de la variable independiente se mide en cada grupo la
conducta del sujeto bajo los efectos del tratamiento y el tercer paso es
cuando se realizan los análisis de datos correspondientes a ese diseño
hay que decir que entre las ventajas de este diseño destacan la medida de
pretratamiento que permite estudiar la equivalencia de los dos grupos de
sujeto y se pueden controlar en este tipo de diseños casi todas las
amenazas a la validez interna como puede ser la historia y la maduración
pueden no aparecer si transcurre poco tiempo entre la medida pre y la
medida post y en el caso de que ocurrieran lo harían y actuarían de la
misma forma en otros grupos estas amenazas se pueden controlar tomando
simultáneamente a los dos grupos las medidas pre y post tratamiento un
problema que suele darse cuando se forman a la vez en los dos grupos las
medidas pre y post es que si los instrumentos de medida y el experimentador
son diferentes en cada grupo lo cual supone una amenaza a la validez
interna del efecto del experimentador y de la instrumentación aquí la
amenaza que era la selección diferencial es casi imposible que se ve ya
que además de asignar aleatoriamente los sujetos a los grupos podemos
comprobar mediante la medida pre que ambos grupos son equivalentes la
mortalidad experimental se puede controlar ajustando en un grupo mediante
la medida pre tratamiento el sujeto equivalente al sujeto que abandonó el
otro grupo y se eliminan sus datos del análisis posterior la pérdida de
los sujetos se puede controlar si solo consideramos en el análisis de los
datos a los sujetos que tienen las dos medidas la pérdida de los sujetos
es la mortalidad externa una de las amenazas más típicas a la validez
externa de estos diseños de medida pre y post es la sensibilización para
familiarizarse con el tipo de tareas adivinar los objetivos de la
investigación o conocer las expectativas del investigador y esto puede
influir en sus respuestas y por lo tanto en los resultados del experimento
también otra amenaza es la regresión estadística ocurre cuando las
situaciones en la medida pre son muy extremas pero al ser los dos grupos
equivalentes es muy probable que estas amenazas influyan en la variable
dependiente de los dos grupos otro de los factores que afectan a la validez
externa fue señalado por un solo homónimo que es la interacción entre la
medida pre y el tratamiento esa interacción será cuando el efecto que
produce el tratamiento depende de la sensibilización que produzca el pre
test en los sujetos es decir la interacción de la selección y el
tratamiento puede darse en la medida en la que la muestra sea o no
representativa de la población a la que se presiste en generalizar los
resultados obtenidos la artificialidad de la situación experimental y el
hecho de que el sujeto sabe que esta participación está participando en
un experimento puede influir en la generalización a la hora de analizar
los datos correspondientes a este diseño hacemos las siguientes
comparaciones para comprobar la equivalencia de los dos grupos comparamos
la medida pre y post perdón me he equivocado para comparar la equivalencia
de los dos grupos comparamos las dos medidas del tratamiento la de A1 o A1
y B1 para ver la influencia de los tratamientos dentro de cada grupo
comparamos OA1 con OA2 y en tercer lugar para contrastar la hipótesis se
comparan las medidas post tratamiento es decir comparamos OA2 con OA1
perdón OA2 con OB2 en el otro caso el primero y el tercer caso se puede
utilizar un estadístico de contraste paramétrico con diferencia de medias
para dos grupos si no se cumplen los supuestos necesarios utilizaremos la
técnica equivalente no paramétrica en el segundo caso dado que las
comparaciones son intragrupo es decir los mismos sujetos nos dan dos
medidas de la misma variable independiente se utilizará un estadístico
para la diferencia de medias para dos grupos relacionados o su equivalente
al término paramétrico si no se cumplen los supuestos necesarios diseño
multi grupo en este diseño que utiliza tres o más valores de la variable
independiente igual en el diseño de dos grupos la asignación de los
sujetos a los grupos o las condiciones se hace de manera aleatoria
aleatoriedad de los diferentes grupos que utiliza este diseño uno de ellos
puede ser control sin tratamiento o con un placebo o también todos los
grupos pueden ser experimentados y este diseño beneficia porque nos da
información sobre el tipo de relación que existe entre las dos variables
entre la variable independiente y la variable dependiente si esa relación
es lineal si es curvilínea y también decir que este tipo de diseño puede
tener medidas sólo de tratamiento o medidas pre y post los factores que
amenazan a la variedad interna y externa en este diseño son básicamente
los mismos que los que aparecían en los diseños de dos grupos aunque el
diseño de un grupo mejora respecto a los anteriores al utilizar más
valores de la variable independiente y saber qué tipo de relación existe
entre la variable independiente y la variable interna sólo con medidas
post tratamiento podemos utilizar si los datos cumplen los puestos
necesarios para un análisis paramétrico un análisis de varianza anónima
unifactorial de medidas independientes diferencias entre dichas medidas y
se utiliza esta técnica cuando es necesario comparar más de los dos
grupos en el caso del diseño con medidas pre y post tratamiento también
se puede utilizar un análisis de covarianza usando la medida pre
tratamiento como variable covariada pasamos al diseño de bloques cuando
uno experimentó las puntuaciones de la medida pre tratamiento nos
significa que los grupos no son homogéneos o cuando sospechamos que la
aleatorización es un procedimiento de control insuficiente y no lograría
la equivalencia de los grupos debido entre otros factores a la
heterogeneidad de la población que es muy diferente de la población o que
la muestra es pequeña o también cuando creemos que existe una variable
extraña que puede estar influyendo sobre la conducta objeto de estudio
aquí es preferible usar para asignar los sujetos una técnica en lugar de
la técnica de aleatorización simple la técnica de bloques homogéneos o
técnica de bloques esta técnica tiene la función última de obtener
grupos homogéneos la técnica de bloqueo se puede utilizar tanto en
diseños unifactoriales como en diseños factoriales y consiste en agrupar
a los sujetos en distintos subgrupos una variable extraña muy relacionada
con la variable dependiente o en la misma variable dependiente es decir los
sujetos de un subgrupo o bloque son todos similares entre sí y diferentes
de los sujetos de otros bloques cada bloque o subgrupo debe tener una
cantidad de sujetos igual o múltiple del número de condiciones
experimentales o tratamientos con el fin de que su presencia sea la misma
en cada condición experimental y es aconsejable ante todo imprescindible
que todos los bloques tengan el mismo número de sujetos una vez formados
los subgrupos o bloques aleatoriamente se asigna el mismo número de
sujetos a cada bloque o a los diferentes grupos o condiciones al asignar
aleatoriamente los sujetos de cada bloque a los grupos la influencia de las
posibles variables extrañas del sujeto que no se han tenido cuenta en la
formación de los subbloques y de los subgrupos es la misma en todas las
condiciones experimentales y por lo tanto no contaminan los resultados con
esta técnica se controla la varianza sistemática secundaria y así se
reduce la varianza error a la variable que se utiliza para formar los
bloques se la llama variable de bloqueo y es imprescindible que tenga alta
correlación con la variable dependiente es más en algunas ocasiones la
medida inicial de la variable dependiente puede ser el mejor criterio para
formar los subgrupos o bloques la variable de bloqueo se diferencia de la
medida pre tratamiento en que se mide antes de la formación de los grupos
y tiene como objetivo poder asegurar la equivalencia de los grupos sin
embargo la medida pre tratamiento se toma a los sujetos cuando los grupos
ya están formados y su finalidad la finalidad de la medida pre tratamiento
es comprobar que los grupos son equivalentes en función del número de
variables de bloqueo utilizadas tendríamos diferentes diseños los
diseños de bloques aleatorios sólo utilizan una variable independiente el
número de grupos puede ser dos o más de dos cuando se utilizan dos
variables de bloqueo el diseño se denomina de cuadrado latino se
caracteriza porque el número de bloques en cada variable de bloqueo tiene
que ser igual al número de condiciones experimentales es decir dos dos
condiciones experimentales control y si tenemos dos o tres variables de
bloqueo junto a la variable independiente o las variables independientes
dan lugar a cuatro variables en total dos de bloqueo y dos variables
independientes o tres de bloqueo y una variable independiente y tendríamos
lo que se conoce como diseños de cuadrado greco latino donde el número de
variables entre bloqueadas independientes tiene que ser cuatro y el número
de niveles en todas las variables tiene que ser el mismo los diseños de
bloques aleatorios pueden ser completos o incompletos son completos los
bloques aleatorios cada bloque constituye una réplica exacta del
experimento ya que dentro de cada bloque se aplican todos los niveles de la
variable independiente son incompletos cuando se aplican solo algunas
condiciones dentro de cada bloque en lugar de todos los tratamientos
importamos con un número elevado de tratamientos y un número reducido de
sujetos dentro de cada bloque por ejemplo un caso especial del diseño de
bloques aleatorios es el diseño de bloques apareados se caracteriza porque
los sujetos tienen que ser identificados dentro de cada subgrupo o bloque
en la variable de bloqueo que se llamaría en este caso variable de apareo
o variable equiparada por ejemplo un caso extremo de este tipo de diseños
es cuando usamos pares de gemelos que se han liado juntos cada gemelo tiene
su otro gemelo son apareados los pasos concretos que hay que seguir es
decir cuando utilizamos un diseño de bloques al azar una vez elegida la
muestra de la población del interés y conocida la variable extraña
relacionada con la variable dependiente serían los siguientes 1 medimos la
variable de bloqueo en todos los sujetos de la muestra y decidimos en
función de la variabilidad de las puntuaciones y del problema que estemos
investigando el número de subgrupos que vamos a formar segundo paso una
vez formados los bloques asignamos aleatoriamente a cada grupo experimental
el mismo número de sujetos de cada bloque y eliminamos los objetos
restantes de forma aleatoria la ventaja principal de la técnica de bloqueo
respecto a la técnica de aleatorización es que los grupos experimentales
son inicialmente más homogéneos entre sí la variabilidad interna es
mayor en los diseños de bloques que en los diseños de grupos aleatorios
el inconveniente principal de los diseños de bloques es además del enorme
esfuerzo y coste que supone la publicación de este diseño es la posible
disminución de su variabilidad externa debido a la cantidad de sujetos que
hay que eliminar por no encajar dentro de ningún bloque de la variabilidad
previa de la variable dependiente cuando se toma esa medida como variable
de bloqueo en el análisis de datos se plantean dos posibilidades uno se
puede considerar un diseño de bloques sencillamente como un diseño de
grupos independientes en los que la aleatorización se aplica de acuerdo
con cierta restricción es decir la organización de los bloques con el fin
inicial de los grupos por lo que las técnicas de análisis de datos serán
las mismas que utilizamos en los diseños de grupos aleatorios
independientes otra posibilidad es que tenemos la opción de incorporar la
variable de bloqueo al análisis de los datos como variable de estudio
utilizando técnicas de dos variables por ejemplo una nova de dos factores
en un planteamiento incluso se puede utilizar los datos proporcionados por
la variable de bloqueo como forma de disminuir la varianza de error en
análisis de los datos utilizando un análisis técnico varianza pasamos
ahora a los diseños unifactoriales intrasujetos vamos a diferenciar
intersujetos que son grupos diseño unifactorial una variable independiente
intrasujetos vamos a ver las diferencias mientras que en los diseños
intersujetos cada grupo de participantes pasa por una condición
experimental diferente y se comparan sus resultados de cada grupo en los
diseños intrasujetos los llamamos también diseños de medidas repetidas
todos los sujetos de la muestra pasan por todas las condiciones
experimentales y cada sujeto proporciona más de una medida de la variable
dependiente y comprobamos la efectividad del tratamiento la comprobamos
comparando entre sí las medidas de la variable dependiente en cada una de
las condiciones en este caso de cada sujeto en cada condición o algún
índice que resuma todas las puntuaciones del sujeto en una condición
experimental un índice puede ser la media etc cuando todas las condiciones
experimentales se aplican secuencialmente al mismo grupo de sujetos el
orden de cada tratamiento la posición de cada tratamiento en cada
secuencia puede alterar los resultados ya que por ejemplo el segundo
tratamiento puede estar afectado por el primero el tercer tratamiento puede
estar afectado por el primero y el segundo es decir la respuesta del sujeto
puede incluir el orden en el que se han presentado los diferentes niveles
de la variable independiente esta diferencia del orden de la presentación
de los tratamientos sobre la variable dependiente o respuesta del sujeto se
denomina efecto de orden o también se denomina error progresivo y efectos
residuales o efectos de arrastre y constituye una amenaza a la validez
interna del experimento que se puede controlar lo que veíamos en el tema 3
en las técnicas de control otro gran inconveniente en estos diseños
intrasujetos es la mortalidad experimental una de las ventajas principales
de este diseño está la falta de tener un control interno mayor de cuando
se utilizan distintos sujetos ya que todas las condiciones se pasan a los
mismos sujetos en un diseño intrasujeto no existe la necesidad de
balancear o equiparar a los participantes con respecto a los atributos
determinados aumentan la potencia estadística aumenta la probabilidad de
rechazar la hipótesis nula cuando es falsa y permite trabajar con muestras
más pequeñas que las necesarias en los diseños intrasujetos para
conseguir el mismo número de observaciones y reducen los costes y el
tiempo del experimento para analizar los datos se puede utilizar la T de
STUDENTS para medidas relacionadas si comparamos dos medias perdón de
medias relacionadas con medias si comparamos dos medias utilizamos la T de
STUDENTS si utilizamos si estamos utilizando más de dos niveles una ANOVA
de un factor de medias dependiendo de la variable independiente tenga dos o
más niveles también podemos utilizar sus equivalentes no paramétricos si
no no se cumplen los presupuestos de las pruebas pasamos al diseño
factorial en el diseño factorial se estudia la influencia simultánea de
dos o más variables independientes sobre una o más de una variable
dependiente a la variable se le suele denominar factor cada factor puede
tener dos o más valores o niveles los valores son iguales y cada
tratamiento o condición experimental consiste en la combinación de los
respectivos valores de un factor con los valores del otro u otros factores
al analizar simultáneamente dos o más variables independientes en un solo
experimento separado como si se tratase de un diseño con una sola variable
independiente y también se puede estudiar el efecto de la combinación de
los niveles de los diferentes factores sobre la variable dependiente el
experimento factorial más sencillo consta de dos factores con dos niveles
cada uno cuando un diseño factorial tiene dos factores se denomina a por b
donde a es el número de niveles del otro factor los valores o niveles de
cada factor se pueden seleccionar de forma aleatoria utilizando para ello
elegir para elegir los valores del factor algún procedimiento aleatorio o
de forma sistemática ya sea eligiendo todos los valores de ese factor como
cuando se aplica se usa la variable sexo o eligiéndolos en función del
criterio del investigador pues bien u otra o las dos tendremos un diseño
factorial de modelo aleatorio o un diseño factorial de modelo fijo o un
diseño factorial de modelo mixto respectivamente esta clasificación hay
que tenerla en cuenta a la hora de analizar los datos hay que ver la
representación simbólica de estos diseños factoriales donde cada celda o
tratamiento y para asignar los sujetos a cada celda o tratamiento se
utiliza la técnica de asignación aleatoria o la técnica de bloqueo los
diseños factoriales se pueden clasificar en factorial inter-sujetos donde
los tratamientos se aplican a diferentes sujetos intra-sujetos cuando los
tratamientos se aplican a los mismos sujetos o mixtos donde algunos
tratamientos se aplican a todos los sujetos mientras que otros tratamientos
se aplican a cada sujeto a diferentes sujetos la principal ventaja de un
diseño factorial es que permite estudiar efectos principales efectos de
interacción también efectos diferenciales y efectos simples estos son los
efectos principales la influencia de cada variable independiente tomada
separadamente sobre la variable dependiente es decir aquí vemos el efecto
de la variación de la variable dependiente que está causado por cada
valor de la variable independiente los efectos diferenciales se detectan
mediante el estudio del efecto principal comparando dos diferentes niveles
de un mismo factor una vez que un efecto principal es significativo
conviene realizar las comparaciones entre sus niveles si son más de dos
para determinar dónde en qué niveles se realizan serán las diferencias
que refleja el efecto principal también podemos buscar efectos de
interacción que aparece cuando la influencia de una variable independiente
sobre la variable dependiente toma la otra o otras variables independientes
se representa mediante la expresión efecto de interacción seguida de la
representación multiplicativa de las variables que intervienen en la
investigación hay que decir que los diseños factoriales presentan tres
desventajas sobre los diseños uniformes factoriales la primera ventaja
está relacionada con lo que se pretende estudiar que normalmente
interactúan entre sí si limitamos el estudio sólo a la consideración de
una variable independiente este estudio sería muy poco etiológico ya que
en la realidad real influye más de un factor del comportamiento en el
comportamiento la segunda ventaja de este diseño sobre los uniformes
factoriales es que se utiliza la misma muestra de sus efectos para evaluar
simultáneamente los efectos de dos o más variables independientes los
efectos de cada variable son evaluados con la misma precisión que los
experimentos uniformes factoriales por esto los diseños factoriales son
más eficientes en cuanto al uso de recursos en tercer lugar la tercera
ventaja del factorial sobre el uniforme factorial es la que permite este
diseño factorial permite evaluar los efectos de la interacción entre las
variables factorial es que se utiliza más de una técnica para el
análisis de datos en los diseños factoriales lo más habitual es el
análisis de varianza bifactorial de dos factores ANOVA bifactorial de dos
o de dos factores o su equivalente no paramétrico cuando los datos no
cumplen y cuando particular Solomon propuso un diseño que tiene como
finalidad controlar explícitamente la interacción de la medida
pre-tratamiento con la variable independiente este es el diseño llamado
puede incluir entre los diseños de grupos aleatorios se le suele
considerar el diseño factorial 2x2, donde un factor es la medida
pretratamiento, ya que permite estudiar el efecto de la interacción de la
medida pretratamiento con el tratamiento. Ahí vemos la representación
simbólica y la estructura simbólica del diseño en solo zonas de 4
grupos. Ojalá podamos entender a más grupos en función del número de
valores niveles de la variable independiente manipulada. En el modelo
básico de 4 grupos tendríamos dos grupos experimentales y dos grupos con
control, dos grupos con medida pre- y post-tratamiento y dos solo con
medida post-tratamiento. La información que proporciona este diseño, el
diseño solo, es la siguiente. Para ver si se ha producido sensibilidad a
la medida de tratamiento, comprobaramos o D1 y o D2. Si la medida pre- no
ha producido sensibilización al tratamiento, no tendría que haber
diferencias significativas entre estas condiciones, ya que la única
diferencia entre el grupo D y el grupo B es que en este grupo se ha tomado
una medida pre- y en el grupo D no. Para ver si la medida pre- ha
interactuado con el tratamiento, su efecto comparamos o C1 con o A1. Ya que
el tratamiento es el mismo para los dos grupos, la única diferencia es que
uno tiene medida pre- y el otro no. Si el efecto del tratamiento no se ve
afectado por la medida pre- no deberían de aparecer diferencias
significativas entre estas dos condiciones. Por lo tanto, en este diseño,
además de utilizar la medida pre-tratamiento para comprobar que los grupos
son equivalentes, se puede estudiar la influencia de la medida pre- como si
fuera un diseño factorial. factorial sobre la variable dependiente y el
efecto de interacción entre la medida pre- y el tratamiento. Los pasos que
se darán en el diseño de un solo monómetro, una vez seleccionada la
muestra y asignados aleatoriamente los sujetos a los cuatro grupos son los
siguientes. 1. Se decide aleatoriamente cuáles van a ser los grupos
experimental y cuáles los controladores, y qué grupo experimental y qué
grupo control van a tener medida pre-tratamiento. A continuación, se toma
la medida en dichos grupos elegidos. Segundo paso, se aplica el tratamiento
a los dos grupos experimentales, uno con medida pre y post, y otro
solamente con medida post. Pues en este diseño, a pesar de haber cuatro
grupos, solo se aplican dos niveles de la variable independiente, ausencia
y presencia del tratamiento. A continuación, se toma la medida
post-tratamiento a los cuatro grupos. La principal ventaja del diseño solo
consiste en poder comprobar explícitamente la posible interacción entre
la medida pre y el tratamiento. Los datos se pueden analizar con un
análisis de varianza de dos factores o su equivalente no paramétrico.
Para ver la eficacia. El tratamiento y el efecto de la medida pre, así
como el posible efecto de interacción entre la medida pre y el
tratamiento. Ya he terminado este tema.