Dr. Eduardo Vidal-Abarca Metodología Cuantitativa de investigación Diseños experimentales y análisis de datos Dr. Eduardo Vidal-Abarca

OBJETIVOS Conocer y aplicar las nociones básicas Evaluar diseños experimentales Formular diseños experimentales correctos Conocer las pruebas estadísticas paramétricas y no paramétricas de análisis de resultados

CONTENIDO Investigación: Nociones generales Experimentos en Educación y Desarrollo Nociones básicas Clasificación de diseños experimentales grado de validez interna número de factores estudiar el cambio evolutivo Análisis de resultados Estadística paramétrica Estadística no paramétrica

Investigación: Nociones generales Conocimiento científico y común Común: Problemas y preguntas Diferencias Sistematización Coherencia Control sobre el proceso Contrastabilidad

Investigación: Nociones generales (cont’) Finalidad de la ciencia ¿Predecir y controlar? Describir y Explicar (COMPRENDER) Factores Mecanismos

Investigación: Nociones generales (cont’) La ciencia psicológica: Invariantes Desacuerdos ¿Modelo o modelos? Psicología: ciencia social y natural Acuerdos: Datos empíricos Investigación teóricamente dirigida Complejidad: interacciones previstas

Nociones básicas: Experimento psicológico y diseño experimental Finalidad: Explicar relaciones Característico: Cambiar + Ver efectos Procedimiento: Diseño Variables y valores Participantes Medidas Dimensiones (continuar)

Nociones básicas: Experimento psicológico y diseño experimental Dimensiones del diseño: Número de variables: simples vs factoriales Manipulación variables: tratamiento vs selección Secuencia temporal: sucesivas vs simultáneas Grado de control: alto vs bajo Información a obtener: explorar vs confirmar

Nociones básicas: Variables e hipótesis Variable: cualitativa vs cuantitativa Variables experimentales: Independiente Dependiente Hipótesis ¿Comprobable? ¿Integrable en teoría?

Nociones básicas: Validez Interna: control en conclusiones Clave: manipulación de VI Fuentes de disminución: Variables personales (historia) Pruebas previas Mortandad experimental Orden de obtención de medidas

Nociones básicas: Validez Externa: generalización de conclusiones Tipos: De población: representatividad de participantes Ecológica: representatividad de tareas y situaciones Fuentes de disminución: Sesgos de selección de participantes Defectos e imprecisiones de medida Interacción tratamiento * experiencia previa Efectos reactivos a medidas o a situación experimental

Clasificación de diseños experimentales CRITERIOS Atendiendo a grado de validez interna Atendiendo a número de factores Específicos para cambio evolutivo

Clasificación por Validez Interna Pseudo-experimentales: un grupo con una sola medida X O pretest-postest de un solo grupo O1 X O2 dos grupos NO equivalentes G1 X O1 G2 O2

Clasificación por Validez Interna Cuasi-experimentales: Dos grupos no equivalentes con pre-postest G1 O1 X O2 G2 O3 O4 Dos muestras separadas con pretest-postest G1 O1 X G2 X O2

Clasificación por Validez Interna Experimentales: Dos grupos equivalentes con pretest - postest G1 X O1 G2 O2

Clasificación por Número Factores Simples: una Variable Independiente Factoriales: más de una V.I. Estudio de la interacción V 2 V 2 V 1 V 1

Experimentos Factoriales Totalmente aleatorizado: (A x B) Ejemplo: Conocimiento x Coherencia (2 x 2) Efecto Conocimiento (A) Efecto Coherencia (B) Efecto Interacción (A*B) Medidas Repetidas: Mismo grupo, medido varias veces Mixto: Entre-sujetos e Intra-sujetos

Experimentos Factoriales (cont) Bloques al azar: Variables que influye validez interna Bloque como factor Jerárquicos o anidados Evitar todas las combinaciones de un factor A B C D Procedimiento 1 Procedimiento 2 Centro

Diseños Evolutivos Foco: cambios en el tiempo Tipos: Longitudinal: cambios de un grupo de participantes Transversal: distintos grupos (de diferentes edades) Secuencial: combinación longitudinal + transversal

Análisis. Estadística Paramétrica Análisis de varianza Conceptos: G1 y G2 muestras de la misma población Homogeneidad de variazas Probabilidad de error (rechazar Ho aceptar H1) ¿Por qué probabilidad?

Análisis. Estadística Paramétrica Análisis de varianza Supuestos: Independencia de observaciones Variables distribuidas normalmente Homogeneidad de varianzas en grupos Variables medidas en escala de intervalo Efectos aditivos de fuentes de varianza

Fuentes de variabilidad. Cociente F Experimento simple: 3 niveles G1 X1 O1 G2 X2 O2 G3 O3 Fuentes de variabilidad Tratamiento (X): ENTRE sujetos (O1-O2-O3) Error: INTRA (Dentro de O1, O2, O3)

Fuentes de variabilidad. Cociente F Suma de cuadrados TOTAL: (X – M)2 ENTRE: (MG – MT)2 INTRA: (Xi – MG)2 Media Cuadrática: ENTRE: (MG – MT)2 / (k-1) INTRA: (Xi – MG)2 / k (n-1) Cociente F: MC ENTRE/ MS INTRA

Diseño Entre-sujetos 3 x 3

B   B1 B2 B3 A1 17 20 18 19 21 15 24 25 23 A2 16 12 14 26 A3 22 10 9 13 A

Fuente Suma de cuadrados gl Media cuadráti F Sig. A 120,000 2 60,000   Fuente Suma de cuadrados gl Media cuadráti F Sig. A 120,000 2 60,000 13,84 ,000 B 210,000 105,00 24,23 A * B 500,000 4 125,000 28,84 Error 156,000 36 4,333   Total 15566,00 45 Total corregido 986,000 44

Diseño Intra-sujeto

Sujetos A 1 A 2 A 3 1 21 28 15 2 17 25 32 3 34 14 22 4 18 24 35 5 30 29 6 27 16

Fuente Suma de cuadrd gl Media cuadrática F Sig. FACT1 692,33 2 346,16 64,503 ,000 Error 53,667 10 5,367

Diseño Mixto 5 x 2

  B1 B2 B3 B4 B5 A1 2 4 7 1 3 6 12 9 14 10 A2 8 5 16

Fuente Suma de cuadrad gl Media cuadrática F Sig. FACT1 126,100 4 31,525 7,233 ,001 FAC1 * A 28,100 7,025 1,612 ,204 Error 104,600 24 4,358

Fuente Suma de cuadr gl Media cuadrática F Sig. A 32,400 1 ,917 ,375 Error 211,90 6 35,317

Diseñar experimentos Número suficiente de casos por celdilla Controlar variables extrañas (error) Maximizar efecto de tratamientos

Comparaciones post-hoc Finalidad: analizar diferencias entre niveles V.I. P. ej. A1, A2, A3 Cuándo: variables con tres o más niveles de V.I. Tipos: Scheffé, Bonferroni

Análisis de covarianza Combinación Análisis de varianza + Análisis de regresión Finalidad: controlar estadísticamente variables extrañas Covariable: variable correlacionada con V. Dependiente

Supuestos ANCOVA Supuestos de ANOVA Homogeneidad de coeficientes de regresión Relación lineal VD y COVAR Error experimental aleatorio Efectos de tratamiento y de regresión son aditivos

A1 A2 A3 Cov VD 3 1 4 2 6 5 8 9 7

R cuadrado = ,761 Fuente Suma de cuadrad gl Media cuadrática F Sig. COV 1,768 1 2,140 ,166 A 20,122 2 10,061 12,179 ,001 Error 11,566 14 ,826 Total 822,000 18 R cuadrado = ,761

Análisis. Estadística NO Paramétrica Empleo: imposible aplicar Paramétrica Inconveniente: no ver efecto de interacción Clasificación: Relación entre observaciones (SI – NO) Número de grupos (2 – K) Relación Grupos 2 K NO SI A D C B

Dos muestras relacionadas McNemar: Diseños “antes – después” (p. ej. Tratamientos) Variables dicotomizadas (Nominal, Ordinal) Rangos de Wilcoxon Diferencias entre pares de puntuaciones (p. ej. Actitudes) Variable ordinal Walsh Variable de intervalo n < 15

Dos muestras independientes Probabilidad exacta de Fisher: Pocas puntuaciones en tabla 2 x 2 (Nom, Ord)   - + Grupo I frecuencia A frecuencia B Grupo II frecuencia C frecuencia D

Dos muestras independientes Chi-cuadrado: Pocas puntuaciones en tabla 2 x n (Nom)   Grupo I Grupo II Categoría 1 Frecuencia A Frecuencia B Categoría 2 Frecuencia C Frecuencia D Categoría 3 Frecuencia E Frecuencia F

Dos muestras independientes Prueba de la Mediana: Medidas docitomizadas (Ord)   Grupo I Grupo II SOBRE la mediana combinada frecuencia A frecuencia B BAJO la mediana combinada frecuencia C frecuencia D

K muestras relacionadas Prueba Q de Cochran: Extensión de McNemar (diseños secuenciales) Variable: Nom, Ord (dicotomizadas) Análisis de varianza de dos clasificaciones por rangos de Friedman : Análisis intra-sujeto NO paramétrico

K muestras independientes Chi-cuadrado para K muestras Variable Nom Precaución: ninguna celdilla con 0   Grup I Grup II Grup III Categ 1 Frec A Frec D Frec G Categ 2 Frec B Frec E Frec H Categ 3 Frec C Frec F Frec I

K muestras independientes Análisis de varianza de una clasificación por rangos de Kruskal-Wallis Análisis entre-sujeto NO paramétrico Variable Ordinal