Download Presentación

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
G2
X
O1
O2
Clasificación por Validez
Interna
• Cuasi-experimentales:
– Dos grupos no equivalentes con prepostest
G1
G2
O1
O3
X
O2
O4
- Dos muestras separadas con pretestpostest
G1
G2
O1
X
X
O2
Clasificación por Validez
Interna
• Experimentales:
– Dos grupos equivalentes con pretest postest
G1
G2
X
O1
O2
Clasificación por Número
Factores
• Simples: una Variable Independiente
• Factoriales: más de una V.I.
Estudio de la interacción
V2
V2
V1
V1
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
Procedimiento 1
Centro
A
B
Procedimiento 2
C
D
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
• G2 X2
• G3
O1
O2
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
3x3
B
B1
B2
B3
A1
17
20
18
19
21
15
17
21
19
18
19
24
25
24
23
A2
16
19
20
17
18
15
12
12
14
12
20
20
24
26
25
A3
22
20
25
23
25
16
14
15
15
10
9
9
12
12
13
A
Suma de
cuadrados
gl
Media
cuadráti
F
Sig.
A
120,000
2
60,000
13,84
,000
B
210,000
2
105,00
24,23
,000
A*B
500,000
4
125,000
28,84
,000
Error
156,000
36
4,333
Total
15566,00
45
Total
corregido
986,000
44
Fuente
Medias marginales estimadas de VD
24
22
20
18
16
B
14
1,00
12
2,00
10
3,00
1,00
A
2,00
3,00
Diseño Intra-sujeto
Sujetos
A1
A2
A3
1
21
28
15
2
17
25
32
3
34
14
22
4
18
24
35
5
30
18
29
6
27
34
16
Fuente
Suma
de
cuadrd
gl
Media
cuadráti
ca
F
Sig.
FACT1
692,33
2
346,16
64,503
,000
Error
53,667
10
5,367
Diseño Mixto
5x2
B1
B2
B3
B4
B5
A1
2
4
7
1
7
3
6
3
6
7
4
3
7
12
12
6
9
14
10
6
A2
4
10
8
5
4
12
7
7
7
12
8
6
9
12
12
7
1
16
10
8
Fuente
Suma
de
cuadrad
gl
Media
cuadráti
ca
F
Sig.
FACT1
126,100
4
31,525
7,233
,001
FAC1 *
A
28,100
4
7,025
1,612
,204
Error
104,600
24
4,358
Fuente
Suma
de
cuadr
gl
Media
cuadráti
ca
F
Sig.
A
32,400
1
32,400
,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
Cov
VD
Cov
VD
3
1
3
1
4
2
6
4
5
3
4
6
4
5
5
4
3
2
8
9
7
9
8
7
3
2
2
3
4
4
6
7
7
7
8
7
Fuente
Suma
de
cuadrad
gl
Media
cuadráti
ca
F
Sig.
COV
1,768
1
1,768
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)
Grupos
Relación
2
K
SI
A
C
NO
B
D
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