Sin t

1
TEMA XIV
2
(No Transcript)
3
Marcos metodológicos

• Las distintas estrategias de investigación se
  inscriben dentro de unos marcos de actuación o
  marcos metodológicos que determinan tanto los
  objetivos y su consecución, como los
  procedimientos de obtención de datos. Estos
  marcos reciben el nombre de paradigmas.

4
Paradigma metodológico

• Los paradigmas asumen, entre otras cosas, un
  conjunto de postulados metateóricos y
  metodológicos. Estos postulados dictan las reglas
  para la construcción de los esquemas explicativos
  y para los procedimientos de investigación.
  ..//..

5
Sigue

• Sin hacer referencia a los enunciados de
  carácter metateórico en el sentido kuhntiano, se
  usa el término paradigma para referirnos un
  sistema inspirador de metodologías de trabajo.
• Según este concepto de paradigma, en la ciencia
  psicológica están presentes dos paradigmas o
  tradiciones el paradigma experimental y el
  paradigma asociativo.

6
Sigue

• Cada paradigma se caracteriza por
• la formulación de una clase específica de
  hipótesis.
• el grado de intervención del investigador en la
  situación estudiada.
• los sistemas de recogida de datos.
• los procedimientos de verificación de las
  hipótesis.

7
Marco metodológico de la investigación psicológica
Paradigma Experimental
Paradigma Asociativo
Hipótesis causales
Hipótesis de covariación
D I S E Ñ
O S
Experimental
Cuasi-experimental
De encuesta
Observacional
8

• PARADIGMA PARADIGMA
• EXPERIMENTAL ASOCIATIVO
• Hipótesis causales Hipótesis de
  Covariación
• Manipulación No manipulación
• Control Control
  deficiente
• Verificación de Verificación de
• concomitancia simultaneidad

9
CARACTERÍSTICAS
Investigación básica
Investigación aplicada
OBJETIVOS
Causalidad
Causalidad y estudio del cambio
EFECTOS INFERIDOS
Efectos causales no espurios
Efectos causales con riesgo de espuridad
SUPUESTOS Y CONDICIONES
Propios del paradigma experimental
Propios del paradigma experimental
FUENTES DE CONFUNDIDO
Fuerte control
Escaso control
SELECCIÓN DE LAS UNIDADES
Aleatoria
Sesgada
VALIDEZ ENFATIZADA
Validez interna
Validez externa
ALCANCE DE LOS RESULTADOS
Restringido
Muy generalizables
10
FASES DE LA INVESTIGACIÓN APLICADA

1. Planteo del problema
2. Formulación de la hipótesis
3. Diseño de la investigación
4. Recogida y análisis de datos
5. Interpretación de los resultados
6. Obtención de conclusiones

11
Diseño cuasi-experimental

• El diseño cuasi-experimental es
• un plan de trabajo con el que se pretende
  estudiar el impacto de los tratamientos y/o los
  procesos de cambio, en situaciones donde los
  sujetos o unidades de observación no han sido
  asignados de acuerdo con un criterio aleatorio
• Desde la perspectiva cuasi-experimental se
  plantea la discusión y estudio de los principales
  diseños de investigación aplicados.

12
Clasificación de las estrategias
cuasi-experimentales
Incluye a los diseños de comparación de grupos o
de grupos paralelos. Comparación estática
Estrategia Transversal
Diseños de investigación aplicados
Incluye a los diseños que repiten medidas de la
variable de respuesta. Comparación dinámica
Estrategia Longitudinal
13
REPRESENTACIÓN GRÁFICA DE LA ESTRATEGIA
TRANSVERSAL Y LONGITUDINAL
 
-G1O1
-G2O2
-G3O3 .
. G9O1 G9O2 G9O3 .
. . G9Oj tiempo
.

-GiOj

14
Modelos de causalidad y alternativos en diseños
transversales
15
Modelo de causalidad
U
Error aleatorio
?1
X
Y
Variable Independiente
Variable Dependiente
16
Modelos de explicación alternativosa la
causalidad y diseños cuasi-experimentales
transversales
V
Y
U
?1
Z
?1
X
V
Y
X
?2
Modelo alternativo I Modelo de Espuridad
Modelo alternativo II Modelo de Causalidad
Inversa
U
V
U
X Z1
?1
Y
?1
?2
X
Z
Y
X Z2
?2
Modelo alternativo III Modelo de Causalidad
Mediatizada
Modelo alternativo IV Modelo de Causalidad
Condicionada
17
Causalidad y diseño longitudinal
18
Causalidad y diseño longitudinal

• Cuando, en un diseño transversal, se posee
  evidencia sobre la posible relación entre dos
  variables, es necesario averiguar todas las
  posibles causas que pueden afectar a la variable
  dependiente, a fin de poder aumentar la potencia
  de la inferencia. Ahora bien, dentro del contexto
  longitudinal, el sentido de la relación entre las
  variables puede ser utilizada para obtener pistas
  o claves de la dirección de los efectos causales
  (en el supuesto de que se den).

19
Condiciones para la relación causal

• 1. Que los fenómenos o variables en cuestión
  covarien. Es decir, tiene que verificarse la
  correlación entre las dos variables.
• 2. Que la relación no debe ser atribuible a
  cualquier otra variable o conjunto de variables
  no debe ser espuria. Por lo tanto, debe persistir
  aun cuando las otras variables sean controladas.
• 3. Asumir que la causa debe preceder en el
  tiempo al supuesto efecto. Ello significa que un
  cambio de la variable causa no debe ser posterior
  al cambio asociado con el efecto.
  
  ..//..

20
Sigue

• Según Menard (1991), es posible obtener
  evidencia sobre los dos primeros criterios o
  condiciones a partir de datos simplemente
  transversales o datos transversales ordenados en
  el tiempo. El tercer criterio sólo puede, por lo
  general, ser probado de forma adecuada con datos
  longitudinales.
  
  ..//..

21
Sigue

• Según Dwyer (1983), el principio que permite
  especificar estas claves es el siguiente si un
  cambio en X causa un cambio en Y, entonces los
  eventos causalmente vinculados han ocurrir según
  la secuencia cambio en X, algún retardo en el
  tiempo, cambio en Y. Esa secuencia temporal,
  implícita en la mayoría de las teorías de la
  causalidad, ha de ser modelada para probar la
  hipótesis sobre la dirección causal.

22
Inferencia de causalidad y estrategia de
investigación
Transversal
Longitudinal
Rechazo de la hipótesis de espuridad
Información obtenida del sentido del cambio
23
Unidades de análisis
24
UNIDAD DE ANÁLISIS Y TIPOS DE DATOS
Unidad de análisis
Sujeto individual
Grupo de sujetos
Tipo de datos
Dato agregado
Dato individual
Técnicas de análisis
Modelo AR Modelo ANOVA Modelo ANCOVA Modelo
MANOVA Modelo ARIMA Modelo ACCP Modelo LISREL
25
AMBITOS DE APLICACIÓN
CONTEXTOS
Clínico y Psicopatológico
Social y evaluación de programas
Psicología del desarrollo
26
Enfoque transversal
27
Conceptuación del enfoque

• En contextos aplicados, donde las muestras
  no proceden de las poblaciones según un
  procedimiento de selección aleatoria y los
  sujetos no son asignados al azar a los grupos, la
  investigación transversal (grupos paralelos)
  utiliza formatos similares a los diseños
  experimentos.
  ..//..

28
Sigue

• Dentro del contexto cuasi-experimental, los
  sujetos van a parar al grupo de tratamiento y
  control por la propia decisión de los sujetos o
  por consideraciones prácticas. En consecuencia,
  los grupos experimental y control pueden ser
  diferentes y no comparables en oposición a lo que
  ocurre en la investigación aleatorizada.

29
Efecto del sesgo de selección

• El diseño cuasi-experimental, en su versión de
  comparación de grupos, son esquemas de
  investigación afectados por un sesgo de selección
  o por variables de selección. Esto requiere la
  adopción de técnicas de análisis para corregir
  los posibles sesgos y neutralizar las variables
  de selección, de modo que se infiera el efecto de
  los tratamientos sin que esté contaminado por las
  diferencias iniciales de los grupos.
  ..//..

30
Sigue

• Las diferencias iniciales de los grupos los
  hacen no comparables o no equivalentes, siendo
  éste el sentido último del enfoque
  cuasi-experimental transversal.

31
Clasificación del diseño transversal

• a) Diseño de grupo control no equivalente
• b) Diseño de grupos no equivalentes
• c) Diseño de discontinuidad en la regresión

32
Formatos del diseño transversal
33
Matriz de datos del diseño de grupo control no
equivalente, con medidas antes y después.

• Tratamiento
  Control
• Sujs Antes Después Antes
  Después
• 1
• 2
• .
• .
• .
• n

34
Matriz de datos del diseño de grupo control no
equivalente, con datos de diferencia.

• Tratamiento
  Control
• Sujs Antes Después Diferen. Antes Después
  Diferen.
• 1
• 2
• .
• .
• .
• n

35
Matriz de datos del diseño de grupos no
equivalentes o multigrupo, con medidas antes y
después.

• Tratamiento 1 Tratamiento 2
  Tratamiento 3
• Sujs Antes Después Antes Después Antes
  Después
• 1
• 2
• .
• .
• .
• n

36
Matriz de datos del diseño de discontinuidad en
la regresión, con grupo de tratamiento y control.

• Tratamiento
  Control
• Sujs Antes Después Antes Después
  
• 1 1 6
  
• 2 2 7
  
• . .
  .
• . .
  .
• . .
  .
• n 5 10

37
Enfoque longitudinal
38
Conceptuación del enfoque

• El objetivo de los estudios longitudinales es
  analizar los procesos de cambio y explicarlos. Se
  pretende caracterizar el cambio de la variable de
  respuesta en función del tiempo y examinar qué
  covariables contribuyen al cambio.
• Uno de los aspectos específicos del enfoque
  longitudinal es tomar registros u observaciones
  de la misma (o mismas) unidades a lo largo del
  tiempo.
  ..//..

39
Sigue

• De ahí, el porqué lo longitudinal está siempre
  asociado a los cambios intra-individuales. Ha de
  tenerse cuenta que, en estos estudios, no siempre
  las unidades de observación o análisis son los
  individuos, ya que pueden ser unidades más
  amplias como barrios, áreas urbanas, familias,
  ciudades, países, etc.

40
Medida del cambio

• Los diseños longitudinales usan, como
  estrategia de recogida de datos, la técnica de
  medidas repetidas. De este modo, cada unidad de
  trabajo (por lo general, individuos) es medida en
  distintos puntos del tiempo, de forma secuencial.
  ..//..

41
Sigue

• Y puesto que no es posible prescindir de los
  diseños longitudinales para el estudios del
  cambio, conviene tener en cuenta la forma como se
  obtienen los datos y la distinción entre los
  modelos de cambio intraindividual y los modelos
  de cambio interindividual.
  
  ..//..

42
Sigue

• Es decir, entre los modelos que analizan y
  describen los patrones de cambio durante el
  desarrollo de un individuo y los modelos que
  analizan los patrones de cambio al comparar dos o
  más grupos de sujetos.
• Esta nueva perspectiva del estudio del cambio
  configura un enfoque mucho más coherente y
  comprensivo del diseño longitudinal.

43
Componentes característicos del diseño
longitudinal
1) Unidades de observación
Grupos de sujetos aulas, escuelas, poblaciones,
etc.
Sujetos individuales
2) Registros o medidas datos
Los registros se toman en términos de ítems,
variables o Instrumentos. Datos individuales y
agregados
3) Períodos de observación y registro
Amplios
Cortos
Sesiones, minutos, horas, días, etc.
Semanas, meses, años, etc.
44
Representación de los datos longitudinales
45
El cubo de datos

• I
• 
  T
• V

46
Manejo del datos tridimensionales

• 1. Selección de una sola dimensión
• 2. Promediado
• 3. Reconversión

47
Selección

• a. Selección de un individuo
• b. Selección de una variable
• c. Selección de un intervalo de tiempo u ocasión

48
Promediado

• a. Media de los individuos
• b. Media de las variables
• c. Media de las ocasiones

49
Reconversión

• a. Largo
• b. Alto
• c. Ancho

50
Reconversión

• A. Las columnas como variables matriz de datos
  LARGO.
• V1
  ..... Vk
• S1
  
• T1 .
  
• Sn
  
• S1
• T2 .
  
• (TxS) Sn
• 
  
• S1
  
• Tt .
  
• Sn
  
• D. SERIE TEMPORAL
  MULTIPLE

51

• B. Las columnas como puntos del tiempo matriz
  ALTO
• T1
  ...... Tt
• S1
• V1 .
• Sn
• S1
• V2 .
• (VxS) Sn
• S1
• Vk .
• Sn
• D. SERIE
  TEMPORAL
• DISEÑO EN
  PANEL

52

• C. Las filas son individuos matriz ANCHO.
• (VxT)
• V1 V2
  Vk
• T1 ... Tt T1 ... T2
  ..... T1 ... Tt
• S1
  .....
• .
• .
• .
• .
  .....
• .
• Sn
  .....
• DISEÑOS DE MEDIDAS REPETIDAS

53
Clasificación general del diseño longitudinal

• a) Diseños de series temporales
• b) Diseños de medidas repetidas
• c) Diseños de cohortes
• d) Diseños en panel

54
Formatos del diseño
55
Diseño de series temporales

• X
• tiempo

56
Diseño de medidas repetidas

• Ocasión 1 Ocasión 2 ........ Ocasión k
• Sujeto 1 Sujeto 1 ........ Sujeto 1
• Sujeto 2 Sujeto 2 ........ Sujeto 2
• ............................................
  ..............
• Sujeto N Sujeto N ........ Sujeto N

57
Diseño de cohortes

• Período 1 Período 2 Período
  3 Período 4
• Cohorte 1
• Cohorte 2
• Cohorte 3

58
Diseño en panel

• Período 1
  Período 2
• Variable X
  Variable X
• Variable Y
  Variable Y

59
(No Transcript)
60
(No Transcript)
61
Definición

• Esta clase de diseño de investigación, dominado
  inicialmente por Campbell y Stanley (1963) diseño
  de grupo control no equivalente, es un formato en
  que se toman, de cada sujeto, registros o medidas
  antes y después de la aplicación del tratamiento.
  Debido precisamente a la ausencia de
  aleatorización en la asignación de las unidades,
  es posible que se den diferencias en las
  puntuaciones antes. ..//..

62
Sigue

• Estas diferencias son la causa de la
  no-equivalencia inicial de los grupos. Así,
  cuando en la formación de los grupos no
  interviene el azar, es posible que los grupos
  presenten sesgos capaces de contaminar el efecto
  del tratamiento. ..//..

63
Sigue

• Partiendo de este planteamiento, se tienen
  diseños cuyos grupos no pueden ser considerados
  ni homogéneos, ni comparables. Por esa la razón,
  se han buscado alternativas al clásico modelo de
  Análisis de la Variancia a fin de modelar, en el
  supuesto de que se conozcan, las potenciales
  fuentes de sesgo y distorsión y, de esa forma,
  controlarlas.

64
El porqué de las diferencias antes

• Las diferencias entre las puntuaciones antes se
  dan por la siguientes razones
• 1. Cuando el tratamiento es aplicado a un grupo
  (escuela, clase, etc.), y otro grupo (escuela,
  clase, etc.,) es tomado como control.
  ..//..

65
Sigue

• 2. Cuando se ha planificado un auténtico
  experimento, pero por razones de mortalidad,
  contaminación de las unidades del grupo control
  por los artefactos experimentales o por la
  variación del tratamiento experimental, el
  experimento verdadero se convierte en un
  cuasi-experimento.
  ..//..

66
Sigue

• 3. Cuando, debido a la limitación de recursos,
  el tratamiento sólo es aplicado a un grupo
  seleccionado.
• 4. Cuando los sujetos se auto-seleccionan.

67
Diseño de grupo control no equivalente Clasificaci
ón
Diseño de grupo control no equivalente con sólo
medidas después (post-tratamiento)
Diseño de grupo control no equivalente
Diseño de grupo control no equivalente con sólo
medidas antes y después (medidas pre y
post-tratamiento)
68
Representación diagramática del diseño de grupo
control no equivalente Diseño con medidas después
Universo o Población de origen
Universo o Población de origen
(?)
A s i g n a c i ó n n o a l e a t o r i a
Grupo 1
Grupo 2
S u j e t o s
S u j e t o s
Condiciones V.I.
control
experimental
Y2
V. dependiente
Y1
Prueba hipótesis
Y1
Y2
Comparación entre los grupos
69
Representación diagramática del diseño de grupo
control no equivalente Diseño con medidas antes y
después
Universo o Población de origen
Universo o Población de origen
(?)
A s i g n a c i ó n n o a l e a t o r i a
Grupo 1
Grupo 2
S u j e t o s
S u j e t o s
X1
X2
V. Pre-tratamiento
Condiciones V.I.
control
experimental
Y2
V. dependiente
Y1
Prueba hipótesis
Y1 -X1
Y2 - X2
Comparación de datos diferencia
70
Diseño de grupo control no equivalente Técnicas
de análisis

• Análisis de la variancia.
• Análisis de la covariancia.
• Análisis de la variancia con técnica de bloques
  o emparejamiento.
• Análisis de la variancia con puntuaciones de
  diferencia.

71
ANÁLISIS DE LA VARIANCIA
Experimental
Control
X Y
X Y
M S ( ) S ( )2
72
ANÁLISIS DE LA COVARIANCIA
Control
Experimental
X Y XY
X Y XY
M S ( ) S ( )2
73
ANOVA DE PUNTUACIONES DE DIFERENCIA
Experimental
Control
X Y Y-X
X Y Y-X
M S ( ) S ( )2
74
Ejemplo práctico 1

• Se lleva a cabo un estudio, con dos grupos de
  sujetos ya formados (o sea, grupos intactos). De
  ambos grupos se toman medidas de una variable
  pretratamiento (medidas antes, como por ejemplo
  el nivel intelectual en una escala decil) y a
  continuación, se utiliza a uno de los grupos como
  control y al otro grupo como experimental.
  ..//..

75
Sigue

• Se trata de estudiar el efecto de un método de
  enseñanza programado sobre el rendimiento
  escolar. El primer grupo recibe un tratamiento
  convencional (grupo control), mientras que el
  segundo recibe el método programado (grupo
  experimental). Los datos hipotéticos de este
  cuasi-experimento se presentan en la tabla
  siguiente.

76
Medias ?( ) ?( )2 ?( )( )
77
Estrategias de análisis

• 1) ANOVA(x) V.Pre A(H0)
• ANOVA(y) V. Dep.
• X
• 2) ANCOVA Y
• XY
• 3) ANOVA(Dif.) Y-X

78
Modelo de análisis anova (1)
79
MODELO ESTRUCTURAL DEL ANOVA DISEÑO DE GRUPO
CONTROL NO EQUIVALENTE
80
Supuestos del modelo estadístico

• eij NID(0,se²)
• Yij la puntuación postratamiento del i
  individuo (i 1 a n) del j grupo de tratamiento
  (j 1, 2)
• µ la media total,
• aj el efecto del grupo j de tratamiento
• eij el error de medida

81
CUADRO RESUMEN DEL ANOVA. DISEÑO DE GRUPO CONTROL
NO EQUIVALENTE (VARIABLE DESPUÉS, Y)
82
Modelo de análisis ancova (2)
83
MODELO ESTRUCTURAL DEL ANCOVA DISEÑO DE GRUPO
CONTROL NO EQUIVALENTE
84
Supuestos del modelo estadístico

• eij NID(0,se²)
  
• ß el coeficiente de la regresión lineal
• intra-grupo de la variable post (Y) sobre la
• _
• pre (X), y X.. la media total de la variable
• pre-tratamiento.

85
CUADRO RESUMEN DEL ANCOVA. DISEÑO DE GRUPO
CONTROL NO EQUIVALENTE
86
Prueba de homogeneidad de los coeficientes de la
regresiónH0 ?1?2
Y
A1
b1
A2
b2
 
X
87
Datos de diferencia (3)
88
t de Student (3.1)
89
Medias ?( ) ?( )2
90
t STUDENT. DATOS DE DIFERENCIA
t0.95(8) 2.306
plt0.05
91
Modelo ANOVA Datos de diferencia (3.2)
92
CUADRO RESUMEN DEL ANOVA. DISEÑO DE GRUPO CONTROL
NO EQUIVALENTE (DATOS DE DIFERENCIA)
t 2 F 2.452 6.0025
93
Comparación de los valores F

• Fe
  Ft
• Anova (y) 14.4 F0.95(1/8) 5.32
• Ancova 11.36 F0.95(1/7) 5.59
• Anova (gan.) 6 F0.95(1/8) 5.32

94
Ejemplo práctico 2

• Schorzman y Cheek (2004) desarrollaron nuevas
  pautas de comprensión lectora para niños de
  edades entre los 9 y 13 años (donde las
  dificultades de comprensión lectora se acentúan)
  y evitar así posibles retardos en el aprendizaje.
  Estos autores plantearon tres nuevas estrategias
  de comprensión. La primera consistía en fomentar
  la creación de hipótesis a medida que se va
  leyendo para desarrollar el pensamiento crítico
  (PC) la segunda activaba el conocimiento previo
  de los estudiantes antes de la lectura (CP) y la
  tercera se basaba en la organización gráfica, es
  decir, en desarrollar mapas conceptuales, cuadros
  sinópticos y esquemas (OG).

95
Procedimiento

• Schorzman y Cheek (2004) postularon que el uso
  de tres estrategias de mejora de la comprensión
  lectora afecta positivamente al rendimiento.
• Para ello, seleccionaron de dos escuelas de
  áreas suburbanas seis aulas de enseñanza media
  (tres por escuela). La primera escuela (grupo
  control) trabajó con las lecturas asignadas
  siguiendo la estrategia convencional y la segunda
  (grupo experimental) con las estrategias
  innovadoras.

96
Sigue

• Ambas escuelas trabajaron la comprensión lectora
  cuatro días por semana durante 45 minutos y a lo
  largo de siete semanas. El grupo experimental
  distribuyó semanalmente las estrategias de
  acuerdo con los siguientes valores PC (60), CP
  (10) y OG (30). De ambos grupos (control y
  experimental) se tomaron medidas antes y después
  del tratamiento con el test de lectura
  Gates-MacGinitie Reading Test (Gates-MacGinitie,
  1989). Con los datos obtenidos se aplicó la t de
  Student con datos de diferencia.

97
Estadísticos descriptivos
98
Prueba t
99
Homogeneidad de las variancias
100
Anova
101
(No Transcript)
102
(No Transcript)
103
Definición

• La extensión lógica del diseño de grupo control
  no equivalente con medidas antes y después es el
  diseño con múltiples grupos no equivalentes es
  decir, un diseño multigrupo formado por un
  conjunto de grupos intactos procedentes de
  poblaciones distintas, o no seleccionados al
  azar. ..//..

104
Sigue

• Al igual que el diseño de grupo control no
  equivalente, es importante establecer no sólo la
  equivalencia inicial de los grupos, mediante la
  comparación de las puntuaciones medias de la
  variable antes, sino también considerar de forma
  especial el proceso de selección.

105
Sigue

• Aunque los grupos no muestren diferencias
  significativas en las puntuaciones antes, es
  posible que una serie de factores actúen, de
  forma independiente, sobre los datos después y
  constituyan elementos determinantes en la
  ulterior interpretación de los resultados.
  ..//..

106
Propósito del diseño

• Según esta estructura de trabajo, se trata de
  averiguar si hay efecto de tratamiento. Se
  pretende estudiar la posible relación causal
  entre el factor de tratamiento y la variable de
  resultado. Mediante este formato
  cuasi-experimental o de grupos de selección, las
  diferencias previas (de selección) entre los
  grupos pueden causar cambios en la variable de
  resultado sin efecto alguno de tratamiento.
  ..//..

107
Sigue

• De ahí, lo importante es tener en cuenta las
  diferencias iniciales de los grupos (diferencias
  de selección), mediante algún tipo de control
  estadístico.

108
Estrategias de análisis

• 1) ANOVA(x) V.Pre A(H0)
• ANOVA(y) V. Dep.
• X
• 2) ANCOVA Y
• XY
• 
  X (V.Bloq.)
• 3) ANOVA DE BLOQUES
• 
  Y (V.Result.)
• 4) ANOVA(Gan.) Y-X

109
Técnicas de análisis del diseño de grupos no
equivalentes
Análisis simple de la variancia
Análisis de la covariancia
Técnicas de análisis
Análisis de la variancia con bloques o
emparejamiento
Análisis de la variancia con puntuaciones de
diferencia o ganancia
110
Ejemplo práctico 1
Se pretende estudiar la eficacia de tres métodos
en la enseñanza de las propiedades de los
vectores. Se utilizan los métodos siguientes A1
(método simplemente verbal), A2 (método de
presentación simbólica), y A3 (combinación de
ambos métodos). Para probar la eficacia de los
tres métodos, el investigador utiliza tres clases
o aulas de un centro escolar en el mismo período
de tiempo.
..//..

111
Sigue

• A tal propósito, el investigador pasa una prueba
  al iniciar el estudio y otra a finalizarlo.
• Con base a este hipotético ejemplo, se obtiene
  la correspondiente matriz de datos en la que se
  incluyen las puntuaciones de ganancia (G), o
  diferencia entre la puntuación después (D) y la
  antes (A) de cada sujeto es decir, las
  puntuaciones o valores de ganancia.

112
Medias ?( ) ?( )2 ?( ) ( )
113
Modelo de análisis anova (1)
114
MODELO ESTRUCTURAL DEL ANOVA DISEÑO DE GRUPO
CONTROL NO EQUIVALENTE
115
Supuestos del modelo estadístico

• eij NID(0,se²)
• Yij la puntuación postratamiento del i
  individuo (i 1 a n) del j grupo de tratamiento
  (j 1, 2,...,a)
• µ la media total
• aj el efecto del grupo j de tratamiento
• eij el error de medida

116
CUADRO RESUMEN DEL ANOVA DISEÑO DE GRUPOS NO
EQUIVALENTES (VARIABLE ANTES, X)
117
CUADRO RESUMEN DEL ANOVA. DISEÑO DE GRUPOS NO
EQUIVALENTES (VARIABLE DESPUÉS, Y)
118
Modelo de análisis ancova (2)
119
ANALISIS DE LA COVARIANCIA
Grupos de tratamiento
Trat. A3
Trat. A1
Trat. A2
X Y
X Y
X Y
Totales Medias
120
MODELO ESTRUCTURAL DEL ANCOVA DISEÑO DE GRUPO
CONTROL NO EQUIVALENTE
121
Supuestos del modelo estadístico

• eij NID(0,se²)
  
• ß el coeficiente de la regresión lineal
• intra-grupo de la variable post (Y) sobre la
• _
• pre (X), y X.. la media total de la variable
• pre-tratamiento.

122
Cómputo de las SCs del ANCOVA

• Se requiere
• a) Cálculo de los siguientes valores SCx, SCy
  y SPxy
• b) Ajustar las Sumas de Cuadrados del total y
  del error de la variable Y (SC...(y))
• c) Proceder siguiendo la lógica del ANOVA

123
Medias ?( ) ?( )2 ?( ) ( )
124

• RESULTADO DEL ANCOVA

125
CUADRO RESUMEN DEL ANCOVA DISEÑO DE GRUPOS NO
EQUIVALENTES
126
Anova con técnica de bloques (3)
127
Formación de bloques

• La técnica de bloques o emparejamiento se aplica
  formando bloques o pares de individuos con
  puntuaciones similares en la variable
  pre-tratamiento o antes. Así, a partir de la
  matriz inicial de datos, se forman tres bloques
  de sujetos de acuerdo a los intervalos de la
  variable antes o covariable.
  ..//..

128
Sigue..

• El primer bloque está formado por los individuos
  con puntuaciones entre 0 y 3, el segundo bloque
  por individuos con puntuaciones 4 y 6, y el
  tercer bloque con individuos con puntuaciones 7 y
  9. De esta forma, se obtiene la siguiente matriz
  de datos del diseño.

129
Medias ?( ) ?( )2 ?( ) ( )
130

• Bloques
  Tratamientos
• 
  A1 A2 A3
• bloque I 0-3
  28 24 20
• B1
  29 21 25
• 
  28 16
• 
  19
  
• Totales
  85 45 80
  SY..1 210
• 
  
  _
• medias
  28.3 22.5 20 SY..1
  70.8
• bloque II 4-6
  34 29 24
• B2
  30 28 24
• 
  29 26 22
• 
  32 28 21
• totales
  125 111 91
  SY..2 327

131
Resultado del anova el método de medias no
ponderadas.

• F.V. SC g.l. CM
  F p
• Tratamientos (A) 89.096 2 44.55 24.75
  lt0.05
• Bloques (B) 65.244 2 32.62
  18.13 lt0.05
• Inter. AxB 3.470 4 0.87
  0.48 gt0.05
• Error ajustado 37.852 21 1.80
• F0.95(2/21) 3.47 F0.95(4/21) 2.84

132
Anova con puntuaciones de ganancia (4)
133
Concepto

• En su versión más elemental, el análisis basado
  en las puntuaciones de diferencia puntuaciones
  de ganancia o cambio , consiste en calcular, de
  cada sujeto, la diferencia entre su puntuación
  después y su puntuación antes. De este modo, se
  tienen las diferencias directas o brutas (que no
  deben ser confundidas con las puntuaciones de
  diferencia estandarizadas).
  ..//..

134
Sigue

• A continuación, se calculan los valores de estas
  puntuaciones de los distintos grupos de
  tratamiento y se aplica, para probar la
  significación estadística, el correspondiente
  análisis de la variancia a los datos de
  diferencia o ganancia.

135
Medias ?( ) ?( )2
136
CUADRO RESUMEN DEL ANOVA DISEÑO DE GRUPOS NO
EQUIVALENTES (DATOS DE DIFERENCIA)
137
Comparación de los valores F

• Fe
  Ft
• Anova (y) 16.5 F0.95(2/27) 3.35
• Ancova 48.94 F0.95(2/26) 3.37
• Anova (bloq.) 24.75 F0.95(2/21) 3.47
• Anova (gan.) 50.88 F0.95(2/27) 3.35

138
Ejemplo práctico 2

• Siguiendo con el ejemplo de Schorzman y Cheek
  (2004), supongamos que se está interesado en
  conocer la eficacia de los tres métodos de la
  comprensión lectora pensamiento crítico (PC),
  conocimiento previo (CP) y organización gráfica
  (OG). Para ello, se utilizan tres aulas de un
  centro escolar durante el mismo período de
  tiempo. A tal propósito, se pasa una prueba,
  consistente en rellenar los términos que se han
  eliminado de un texto, al iniciar el estudio y
  otra al finalizarlo. Se calcula la cantidad de
  términos incluidos de forma correcta de un total
  de 50.

139
Anova yPrueba de homogeneidad
140
Resultado ANOVA
141
AncovaEstadísticos descriptivos
142
Prueba de homogeneidad
143
Resultado del ANCOVA-sin interacción-
144
Anova con datos de diferenciaPrueba de
homogeneidad
145
Resultado del Anova
146
(No Transcript)
147
(No Transcript)
148
Concepto

• El diseño de discontinuidad en la regresión
  ofrece mejores perspectivas que el diseño de
  grupos no equivalentes, dado que se conoce la
  naturaleza del proceso de selección de los grupos
  (o asignación de las unidades de estudio).
  
  ..//..

149
Sigue

• Aunque es escasa la utilización de esta
  estrategia, constituye un buen ejemplo de cómo es
  posible verificar el efecto del tratamiento
  mediante grupos organizados en función de los
  valores de la variable pre-tratamiento. En la
  práctica, su uso se ha limitado al ámbito de la
  investigación sobre educación compensatoria
  (Trochim, 1984).

150
Lógica del diseño

• Según la lógica del diseño, los sujetos son
  considerados, a partir de un punto de corte en la
  variable pre-tratamiento, como pertenecientes al
  grupo control o experimental (grupo de
  tratamiento). Por esta razón, la estrategia de
  discontinuidad en la regresión requiere que se
  conozca el criterio de formación del grupo
  control y grupo experimental (o de tratamiento)
  es decir, el criterio de selección
  (Thistlethwaite y Campbell, 1960).

151
Representación gráfica

• Según Cain (1975), una clara ilustración de la
  modelación del procedimiento de selección es el
  uso de una puntuación pre-test (pre-tratamiento)
  en la asignación de los sujetos a los grupos de
  tratamiento (control y experimental). La
  estructura del diseño de discontinuidad en la
  regresión suele representarse, por lo general, en
  forma gráfica.
  ..//..

152
Sigue

• El eje de las ordenadas representa los valores
  de la variable de resultado y el eje de las
  abcisas los valores de la covariable donde está
  marcado un punto de corte, X0, para que queden
  delimitados los grupos.

153
DISEÑO DE DISCONTINUIDAD EN LA REGRESIÓN
154
PATRONES HIPOTÉTICOS DE LAS LÍNEAS DE REGRESIÓN
a) Efecto nulo
b) Efecto principal negativo
c) Efecto principal positivo
d) Efecto de interacción positivo
e) Efectos de interacción y


principal negativo
155
Variable de selección y diseño

• Azar V.S. (?) V.S.
  (Pre)
• D.Exp. DGNE DDR

156
Modelos de análisis del diseño

• A) Análisis de la variancia
• B) Análisis de la covariancia
• C) Análisis de la regresión

157
Estrategias de análisis

• 1) ANOVA(y) V. Dep.
• X
• 2) ANCOVA Y
• XY
• 
  
• 3) ANÁLISIS DE LA REGRESIÓN
  

158
Modelos de análisis
159
Ejemplo práctico 1

• El propósito del análisis de datos es, en
  esta clase de diseños, comparar dos ecuaciones de
  la regresión en el punto de corte. Se pretende,
  por ejemplo, estudiar el efecto de un programa
  sobre el rendimiento escolar.
  
  
  ..//..

160
Sigue

• Puesto que los sujetos seleccionados que van a
  seguir el programa presentan niveles más altos en
  variables relacionadas con el rendimiento escolar
  que los controles, se decide utilizar esta
  información previa como covariable.
  ..//..

161
Sigue

• Según la estrategia del diseño, los sujetos que
  puntúan bajo en la covariable forman el grupo
  control y los que puntúan alto, el grupo
  experimental o de tratamiento. En la tabla de
  datos de este hipotético estudio, los sujetos
  control obtienen puntuaciones entre 1 y 5 en la
  covariable, y los sujetos con tratamiento entre 6
  y 10. El punto de corte se sitúa en el intervalo
  5-6. ..//..

162
Sigue

• Nótese que los sujetos van a parar al grupo
  control o experimental, independientemente de si
  se encuentran en la parte inferior o superior del
  punto de corte.
• La asignación de los sujetos a un grupo u
  otro (control o experimental) es arbitraria y
  depende de los objetivos de la investigación.

163
Medias ?( ) ?( )2 ?( ) ( )
164
Análisis de la variancia (1)
165
Modelo estructural del anova

• Yij ? ?j ?ij

166
RESULTADO DEL ANOVA. DISEÑO DE DISCONTINUIDAD EN
LA REGRESIÓN (VARIABLE Y)
167
Análisis de la covariancia (2)
168
Modelo estructural de Análisis de la Covariancia
(ANCOVA)

_ Yij ? ?j ?1 (Xij X..) ?ij
169
Resultado del ANCOVA
170
Resultado Ancova (SPSS)-sin interacción-
171
Análisis de la regresión (3)
172
Modelo de la Regresión con término de interacción
Yi bo b1Xi b2Ti b3XTi ?i
173
Resultado del análisis de la regresión paso a
paso
174
Comparación de los valores F

• Fe
  Ft
• ANOVA 71.37 F0.95(1/18) 4.41
• ANCOVA 1.88 F0.95(1/17) 4.45
• AR 1.877 F0.95(1/17)
  4.45

175
Ejemplo práctico 2

• De los resultados de Schorzman y Cheek (2004)
  se infiere que el método PC produce un notable
  incremento de la comprensión lectora. Por este
  motivo, se seleccionan sujetos que presentan
  puntuaciones iguales o inferiores a 25 en la
  variable pre a fin de formar el grupo que recibe
  tratamiento. Los sujetos control obtienen
  puntuaciones en la covariable superiores a 25.

176
Sigue

• Así, el punto de corte se sitúa en el intervalo
  25-26. Se registran las la cantidad de espacios
  en blanco de un texto rellenados correctamente,
  antes y después de la intervención.

177
Estadísticos descriptivos
178
Análisis del Anova (y)Prueba de homogeneidad
179
Resultado del Anova
180
Resultado del Ancova-sin interacción-
181
Resultados del análisis de la regresión
182
Análisis de la Covariancia. Líneas de la
regresión no paralelas
183
Análisis de la Covariancia Líneas de regresión no
paralelas
Control
Tratamiento
X - X0 Y
X - X0 Y
Totales Medias
184
Fin diseños cuasi transversales