T3+4: Experimental, intergrupos Flashcards
Ds. intragrupos (between subjects): caract.
- 1 grupo
- No suele haber pretest, ya que se presupone la equivalencia de los grupos
- Todos van a recibir todos los tratamientos de forma sucesiva
Ds. intergrupos (within subjects): caract.
- Puede haber tantos grupos como condiciones
- Al menos, 2 grupos. Suele haber más
Ds. unifactoriales intergrupos: qué estudian, requisito fundamental
- Estudian el efecto de 1VI sobre +2 grupos equivalentes
- Debe darse toda la aleatorización
Ds. unifactoriales intergrupos: tipos
- Diseños de grupos aleatorios
- 2 o K grupos
- con pre y post o solo con post
- Diseños de bloques aleatorios
- 1 participante por condición
- varios participantes por condición
Diseños unifactoriales intergrupos de grupos aleatorios: solo post. Ventajas e inconvenientes
- Ventajas: Igualdad inicial de los grupos y control de riesgos como historia y maduración.
- Inconvenientes: selección diferencial (val. int.) por muestra pequeña, y selección diferencial x tratamiento (val. ext.)
Diseños unifactoriales intergrupos de grupos aleatorios: pre-post. Ventajas e inconvenientes
Ventajas: garantiza equivalencia de los grupos y controla casi todas las amenazas a la validez interna
Inconvenientes:
- Validez interna: error progresivo, sensibilización a la medida pre
- Validez externa: medidas pre x tratamiento, y artificialidad de la situación experimental
Diseños unifactoriales intergrupos de grupos aleatorios: 2 grupos. Técnicas de análisis de datos
Pi (Xa1 - Xa2) y W (Xd1 - Xd2):
- T de Student para muestras independientes.
- No paramétrica: U de Mann-Whitney
Alfa y Beta (influencia de los tratamientos en cada grupo):
- T de Student para muestras relacionadas
- No paramétrica: T de Wilcoxon
Diseños unifactoriales intergrupos de grupos aleatorios: multigrupo. Técnicas de análisis de datos
Pi:
- ANOVA unifactorial para muestras independientes
- No paramétrica: Kruskaal-Wallis
- Comparaciones post-hoc: Scheffé o Bonferroni
Alfa, Beta…
- T de Student para muestras relacionadas
- No paramétrica: T de Wilcoxon
W: lo mismo que Pi, pero añadiendo:
- ANCOVA usando la medida pre como variable covariante
Diseños unifactoriales intergrupos de bloques: características
Según las variables de bloqueo que haya:
- 2 variables: cuadrado latino
- 3 variables: cuadrado grecolatino
Técnicas de análisis de datos:
- T o ANOVA como en los ds de grupos aleatorios
- ANOVA de 2 factores
- ANCOVA
Diseño factorial univariado intergrupos: qué estudia, características, ejemplo de diseño factorial 3k
- Estudia el efecto de varias VI sobre una VD
- Cada factor puede tener dos o más valores
- Cada tratamiento es la combinación de los valores de los factores
- Ds. factorial 3k: A x B x C
Diseño factorial univariado intergrupos: análisis de datos
- Efectos principales con ANOVA de dos o más factores (se estudia la influencia de cada VI separadamente). Si hay +3 factores, comparación post-hoc (Scheffé o Bonferroni)
- Efectos de interacción: aparecen cuando el efecto de la VI sobre la VD varía en función de los valores de la otra VI.
- Posibles interacciones: nula, positiva, negativa, inversa.
- En un diseño 3k, las interacciones pueden producirse entre: AxB, AxC, BxC ó AxBxC
¿Es mejor el diseño factorial o el unifactorial? ¿Por qué?
Tiene más ventajas el factorial:
- Es más “natural”, permitiendo evaluar conjuntamente los efectos de todas las variables de interés
- Proporcionan más información
- Incrementa la validez externa porque hay más variables en el estudio, y eso se parece más a una situación natural
- Uso de recursos más eficiente: se usa una sola muestra de sujetos
- Mayor validez interna: permite incluir variables no controladas previamente
- Reducción de la varianza de error (errores de medida y diferencias individuales) e incrementa la potencia estadística (sabe distinguir “la señal del ruido”)
Diseño factorial univariado: tipos
- Factorial intergrupo (cada grupo es sometido a un tratamiento distinto)
- Factorial intragrupo
- Factorial mixto
