Diseños de Investigación Análisis de Datos I Semestre Otoño 2009

Diseño de investigación Definición: “Plan estructurado de acción que, en función de unos objetivos básicos se orienta a la obtención de información o datos relevantes a los problemas planteados” Arnau (1990; 1996). Características generales, Kerlinger (2002) Constituye el plan y la estructura de la investigación Se caracteriza por los objetivos y el tipo de datos que constituyen la investigación Se concibe de manera que pueda dar respuesta a la pregunta de investigación. Permiten seleccionar las técnicas de análisis de datos Busca controlar la varianza: MAX-MIN-CON

El origen de la variabilidad se explica por dos tipos de Varianza y… ¿Qué es la Varianza? Los datos recogidos en una investigación varían y la aceptación o rechazo de las Hipótesis se basan en el análisis de estas variaciones y las causas que las originan El origen de la variabilidad se explica por dos tipos de Varianza 1. Varianza Sistemática: Tendencia de los datos a desviarse en su promedio en un determinado sentido 1.1 Varianza Sistemática primaria: se produce como consecuencia de manipular la Variable Independiente

1.2 Varianza Sistemática Secundaria: se produce como consecuencia de Variables extrañas 2. Varianza del Error: Fluctuaciones de los datos debidas al azar y que no se pueden controlar

Max: Maximizar la varianza Sistemática primaria Obtener el mayor efecto de la variable Independiente sobre la Variable Dependiente Min: Minimizar la Varianza del error Disminuir las variaciones en la variable dependiente debidas a fluctuaciones aleatorias Con: Controlar la Varianza secundaria Controlar la influencia de variables extrañas

Tipos de Diseños de Investigación Existen tres grandes Divisiones de los Diseños de Investigación: Diseños No Experimentales Diseños Cuasi-experimentales (Algunos autores incorporan esta categoría en los diseños experimentales) Diseños Experimentales Esta División atiende principalmente dos principios: Manipulación y Aleatorización

Pedhazur y Pedhazur (1991), proponen: i) Si la investigación cumple con ambos principios será EXPERIMENTAL. ii) Si sólo se cumple con el con el primer principio, se trata de una investigación CUASI EXPERIMENTAL. iii) Si se incumplen ambos principios, se trata de una investigación NO EXPERIMENTAL

1. Diseños No experimentales: Estos Diseños de Investigación son usados en las Investigaciones Descriptivas y Correlacionales Se dividen en dos tipos 1.1 Transeccionales o seccionales: La investigación se realiza en un corte del tiempo No existe un seguimiento de la investigación Se dividen en seccionales descriptivas, correlacionales, explicativas y transversales

1.2 Longitudinales El proceso de investigación se realiza a lo largo del tiempo Estos diseños entregan estrategias de seguimiento de la investigación Existen distintos tipos 1.2.1 Longitudinales de Tendencia Entregan estrategias para evaluar el comportamiento de una o más variables a lo largo del tiempo en base a una población o una muestra

Ej. Objetivo: “Evaluar el rendimiento de los alumnos de psicología de UB durante 3 años” Primer Año (2006) Segundo Año (2007) Tercer Año (2008) Alumnos de Psicología Alumnos de Psicología Alumnos de Psicología Alumnos de 1º Alumnos de 1º Alumnos de 1º

No necesariamente es el mismo grupo el que será evaluado La idea es evaluar el rendimiento a lo largo del tiempo, independientemente de la muestra 1.2.2 Evolución de grupo o cohorte En este Diseño se estudia en el tiempo a un grupo con características definidas El grupo se puede transformar por pérdida de sujetos y por incorporación Ej. Estudiar el rendimiento académico de los alumnos que ingresaron el año 2004 durante 3 años consecutivos

No se pueden incorporar ni aceptar la exclusión de sus miembros 1.2.3 De Panel Entregan estrategias para estudiar el comportamiento de una o más variables a lo largo del tiempo en función de un Mismo grupo de sujetos No se pueden incorporar ni aceptar la exclusión de sus miembros Ej. Jean Piaget Estudió el proceso evolutivo de sus propios hijos y nadie más Hasta aca para examen

2. Diseños Experimentales: Estos Diseños de Investigación son usados en las Investigaciones de Tipo Explicativas Se dividen en un continuo: Pre-experimentales Cuasi-experimentales Experimentales propiamente tal Factoriales

2.1 Diseños Pre – Experimentales Son los más básicos en términos de experimentación Existen varios tipos Como a todos los diseños experimentales, se les asocia una Simbolización Donde X = tratamiento (VI) O1 = Medición Cada uno tiene asociada Técnicas de análisis de datos

2.1.1 De un solo grupo con post test solamente Aplica una variable independiente y se mide Notación X O1 Técnicas de análisis de datos Utilizan la estadística descriptiva Hipótesis utilizadas Plantean Hipótesis de Tipo Descriptivas Ej. “Despues de haber enseñado la unidad de geometría analítica los alumnos tendrán un rendimiento superior a lo esperado para su grupo” Ho: μ ≤ 4.0 Ha: μ > 4.0

2.1.2 De un grupo con pre y post test Notación O1 X O2 Técnicas de análisis de datos Dependen del nivel de medición de la Variable Dependiente así: Razón: prueba no paramétrica de diferencia de proporciones para muestras dependientes Intervalo: prueba paramétrica de diferencia de medias para muestras dependientes Ordinal: prueba no paramétrica que puede ser la prueba de Wilcoxon o la prueba de los signos Hipótesis utilizadas Plantean Hipótesis del tipo muestra – muestra (Antes y Después) Ej. “Despues de haber aplicado el tratamiento el grupo experimentaldisminuirá sus niveles de estrés” Ho: μa ≤ μd Ha: μa > μd ó Ho: μa - μd ≤ 0 Ha: μa - μd > 0

2.1.3 Diseños Ex Post Facto Estrategia utilizada para evaluar o comparar grupos que han sido afectados por la Variable Independiente con anterioridad Se utiliza cuando falta el control de la situación inicial y el del estímulo Se comparan dos grupos que han sido igualados por el investigador Uno ha sufrido un cierto impacto y el otro no La mejor forma de igualación es la aleatorización en la asignación de los sujetos a cada uno de los dos grupos Notación X OI OI Ejemplo: “Se quiere ver si los alumnos con buen rendimietno difieren de los de mal rendimiento en sus niveles de autoestima” Alumnos con Buen Rendimiento VI: Rendimiento académico Alumnos con mal rendimiento VD: Autoestima

El rendimiento académico ya ocurrió y generó sus impactos en la autoestima La configuración de los grupos ya está dada Hipótesis: “Aquellos alumnos que presentan buen rendimiento tienen mejores niveles de autoestima que aquellos que presentan bajo rendimiento” Ho: μab ≤ μam (autoestima buen – mal rendimietno) Ha: μab > μam ó Ho: μab - μam ≤ 0 Ha: μab - μam > 0

Técnicas de Análisis de Datos Dependen del nivel de medición de la Variable Dependiente, así: Razón: se utilizará la prueba paramétrica de diferencias de proporciones para muestras independientes Intervalo: prueba paramétrica de diferencia de medias para muestras independientes Ordinal: se usa la prueba no paramétrica de diferencias de medias para muestras independientes “U de Mann Whitney”

2.2 Diseños Cuasi Experimentales Se dividen en dos tipos 2.2.1 Diseños de series cronológicas Es una extensión del diseño pre experimental de un solo grupo con pretest y postest (O1 x O2) Posee varias mediciones previas y posteriores al tratamiento Notación: O1 O2 O3 X O4 O5 O6

Técnicas de análisis de datos Dependen del nivel de medición de la Variable Dependiente, así: Razón: se usa la prueba no paramétrica denominada “Q de Cochrane” que compara varias proporciones dependientes Intervalo: se usa la prueba paramétrica Anova de medidas repetidas Ordinal: Se usa la Prueba no paramétrica de Friedman

2.2.2 Diseño de Muestras Cronológicas Es una derivación del anterior Notación O1 X O2 (Tº) O3 X O4 (Tº) O5 X O6 Técnicas de Análisis de Datos Dependen del nivel de medición de la Variable Dependiente, así: Razón: se utilizará la prueba paramétrica llamada prueba de Homogeneidad de Chi2 Intervalo: prueba paramétrica de Anova de Medidas repetidas Ordinal: se usa la prueba no paramétrica de Anova de Friedman

2.3 Diseños Experimentales Existe manipulación de la Variable Independiente para ver su efecto sobre la Variable Dependiente Existe presencia de al menos un Grupo Experimental y un Grupo de Control Los participantes se asignan aleatoriamente a los grupos experimental y de control Existen varios tipos

2.3.1 Diseño de grupo control con pretest y postest Se incorpora al diseño la Randomización o asignación aleatoria de los sujetos a los grupos Comprende además del grupo experimental la incorporación de un grupo de control al cual no se le aplica el tratamiento Notación RO1 X O2 Grupo experimental RO1’ O2’ Grupo control

Ejemplo Hipótesis General: “El tratamiento es efectivo para reducir los niveles de agresividad de los estudiantes secundarios” Hipótesis específicas: H1 “Después de la aplicación del tratamiento el grupo experimental reducirá significativamente sus niveles de agresividad” (compara O1 con O2) H2 “Después de la aplicación del tratamiento el grupo experimental presentará niveles de agresividad significativamente inferiores en relación al grupo control” (compara O2 con O2’)

H3 “El grupo experimental y el control son equivalentes en relación a los niveles de agresividad antes de la aplicación del tratamiento” (comparo O1 con O1’) La idea es que antes de la aplicación del tratamiento exista equivalencia entre los dos grupos y que no existan diferencias estadísticamente significativas entre ambas para que sea adecuada la posterior comparación Esta es una condición sinequanon y si se incumple la investigación no puede seguir, es lo primero que debe hacerse

H4 “Después de la aplicación del tratamiento al grupo experimental el grupo control no presentará diferencias estadísticamente significativas en sus niveles de agresividad” (Comparo O1’ con O2’) Se espera que no existan diferencias pues no fueron expuestos a la VI

Si se cumplen las 4 hipótesis propuestas el tratamiento es efectivo, por lo que se puede contrastar positivamente la Hipótesis General que no se puede contrastar por sí misma sino que por sus Hipótesis Específicas Si se cumplen sólo algunas Hipótesis Específicas sólo se puede contrastar parcialmente la Hipótesis General.

Técnicas de Análisis de Datos La técnica a escoger dependerá del nivel de medición de la Variable Dependiente que se esté trabajando De esta manera, para H1: Razón: Se usa la Prueba paramétrica de diferencia de proporciones para muestras dependientes Intervalo: Se usa la Prueba Paramétrica de Diferencias de Medias para muestras Dependientes (Prueba T)

Ordinal: Se usa la Prueba no Paramétrica denominada de Wilcoxon o la Prueba de los Signos ambas comparan muestras dependientes Para H2: Razón: Se usa la prueba paramétrica de Diferencias de Proporciones para muestras independientes Intervalo: Se usa la prueba paramétrica de Diferencia de medias para muestras independientes Ordinal: Se usa la Prueba no paramétrica de U de Mann Whitney

Para H3: Las técnicas de Análisis son las mismas que se usan para H2 Para H4: Las técnicas de Análisis de datos son las mismas que H1

2.3.2 Diseño de grupo control sin pretest Acá no existe evaluación antes sólo después Se considera que la asignación aleatoria de los sujetos (R) asegura la igualdad inicial Se eliminan variables Historicistas que evalúan el paso del Tiempo Notación: R X O1 R O1’

Hipótesis: “Después de la aplicación del tratamiento el grupo experimental presentará niveles de estrés significativamente inferiores que el del grupo control” Técnicas de Análisis de Datos (Igual a H2): Razón: Se usa la prueba paramétrica de Diferencias de Proporciones para muestras independientes Intervalo: Se usa la prueba paramétrica de Diferencia de medias para muestras independientes Ordinal: Se usa la Prueba no paramétrica de U de Mann Whitney

2.3.3 Diseño de los Cuatro Grupos de Solomon Consiste en complementar los dos diseños anteriores La repetición de las mediciones permite una mayor verificación del Impacto de la VI Notación: R O1 X O2 Diseño de grupo control R O1’ O2’ con pre y post test R X O3 Diseño de grupo control R O3’ sin pre test

Hipótesis General: “El tratamiento será efectivo para aumentar los niveles de autoestima de los niños en riesgo social” R O1 X O2 R O1’ O2’ R X O3 R O3’ Se Agrega a las Hipótesis Anteriores La Contrastación de la nueva combinación

En el caso de la Hipótesis Propuesta lo que se busca, entre otras, es comparar: De manera que: O2 > O2’ O2 > O3’ O2’ ~ O3’ O2 ~ O3

Técnicas de Análisis de Datos Las técnicas son las mismas que para cada diseño mencionado anteriormente Se agrega la contrastación de la nueva Hipótesis mencionada También está en función de la VD Intervalar: se usa la prueba paramétrica denominada Anova Simple (una VI y una VD) Ordinal: Se usa la prueba no paramétrica denominada Anova de Kruskall - Wallis

Ahora ¿Podemos analizar TODO de una vez?, o sea R O1 X O2 R O1’ O2’ R X O3 R O3’ Sí, para ello se debe utilizar la técnica de Análisis de datos denominada Anova Factorial Es factorial pues existen Factores de Medición (Pre, post, post) y varios grupos (experimental, control)

Ejemplificando según nuestra Hipótesis (“El tratamiento será efectivo para aumentar los niveles de autoestima de los niños en riesgo social”) Autoestima en una escala de 1 - 10 Medición Pre Medición Post Medición Post 1 Grupo Experimental 5 10 Control Acá se FUERZA el Diseño de 4 Grupos de Solomon a UN grupo Factorial

2.3.4 Diseños Factoriales propiamente tal Lo más completo y potente de los diseños experimentales Se caracterizan por: Existencia de 2 o más VI Pueden existir 2 o más VD Algunos de estos diseños controlan Variables Intervinientes lo que da POTENCIA al Diseño Trabaja con factores y también con niveles de estos factores Los sujetos se asignan aleatoriamente al o los tratamientos a aplicar

Según lo anterior, cada persona es asignada al azar en cada “celda” Medición Pre Medición Post Medición Post 1 Grupo Experimental Control Sujetos Asignados aleatoriamente a estas celdas

Ejemplo, Hipótesis General: “El sexo del terapeuta y su Orientación Psicoterapéutica inciden en el tratamiento de la depresión” Así, tenemos que preguntarnos: ¿De qué manera ser hombre o mujer influye en el tratamiento de la depresión? ¿De qué manera influye la orientación psicoterapéutica en el tratamiento de la Depresión? ¿De qué manera la combinación de 1 y 2 influye en el tratamiento de la depresión?

En cada celda va el valor de la VD Conductual Humanista Total Hombre Media Depresión pacientes de terapeutas hombres conductistas Media Depresión pacientes de terapeutas hombres Humanistas Media Depresión pacientes de terapeutas hombres Mujer Media Depresión pacientes de terapeutas mujeres conductistas Media Depresión pacientes de terapeutas mujeres humanistas Media Depresión pacientes de terapeutas mujeres Media Depresión pacientes de terapeutas conductistas Media Depresión pacientes de terapeutas humanistas Media depresión de pacientes general En cada celda va el valor de la VD

Técnicas de Análisis de datos Depende del nivel de medición de la variable dependiente Razón: Se usa la Técnica no paramétrica denominada Prueba de Independencia de Chi2 Intervalar: Se usa la técnica paramétrica denominada Anova Factorial Ordinal: se debe asumir como Intervalar

2.3.5 Diseño de Bloques Aleatorizados Es un diseño factorial que se diferencia del Propiamente tal en que CONTROLA una Variable Interviniente (tiene una variable Controlada) Ejemplo Objetivo general “Evaluar la incidencia del Sexo del Terapeuta y su Corriente Psicoterapéutica en el tratamiento de la Depresión controlando la edad del terapeuta”

Técnicas de Análisis de Datos: Depende del nivel de medición de la VD Razón: Se debe dejar constante la Variable Interviniente y luego aplicar la prueba de Independencia de Chi2 ¿Cómo se deja constante la variable Interviniente? Se arman BLOQUES según edad y se escoge sólo a los jóvenes, sólo a los de edad mediana, o sólo a los viejos

Intervalar: No hay problema, se usa la técnica no paramétrica ANCOVA (Análisis de Covarianza) Para que funcione la ANCOVA todas las Vs deben ser intervalar (VI, VD, VC) Por último si existen dos (2) o más VD con este nivel de medición se debe utilizar la MANOVA (análisis multivariado de la varianza)

2.3.6 Cuadrado Latino Es una extensión del Diseño de Bloque porque controla 2 variables extrañas Es un “Cuadrado” porque las tablas en que se trabaja deben ser simétricas: dos x dos tres x tres X Y A B A B C X Y Z

Tiene una VI y puede tener una o más VD Ej. “Evaluar el efecto de la modalidad psicoterapéutica (conductual, humanista, psicodinámica) en el tratamiento de la depresión controlando los niveles de ansiedad y las características de personalidad de los pacientes”

Conductista Humanista Psicodinámica Alta Moderada Leve Media Depresión Modalidad Depresión Conductista Humanista Psicodinámica Alta Media Depresión Media Moderada Leve

Técnicas de Análisis de Datos Depende del nivel de medición de la VD Razón: se usa la prueba no paramétrica de Chi 2, no siendo necesario que las otras Vs sean de razón Intervalo: todas las variables deben estar medidas en un nivel intervalar para usar la prueba MANOVA

2.3.7 Cuadrado Griego También es una extensión del Diseño de Bloque porque controla 2 variables intervinientes También es un “Cuadrado” porque las tablas enque se trabaja deben ser simétricas A diferencia del Cuadrado Latino acá se trabaja con 2 VI, se puede tener una o más VD y se asemeja en controlar 2 variables intervinientes

Ejemplo: “Evaluar el impacto del sexo y la modalidad del terapeuta sobre el nivel de depresión controlando la edad del terapeuta y su nivel de empatía” Modalidad Sexo Conductual Humanista Hombre Media Depresión Mujer

Técnicas de Análisis de Datos Depende del nivel de medición de la VD Razón: se usa la prueba no paramétrica de Chi 2, no siendo necesario que las otras Vs sean de razón Intervalo: todas las variables deben estar medidas en un nivel intervalar para usar la prueba MANOVA