Diseños Experimentales Multifactoriales

En la vida real más de una variable antecedente o causal puede afectar la conducta de los organismos. La principal ventaja de los diseños multifactoriales es que permiten a los investigadores estudiar distintas variables simultáneamente. Por lo tanto, mediante los diseños multifactoriales los investigadores pueden representar el mundo real de una forma más completa.

Otra gran ventaja de los diseños multifactoriales es que los investigadores tienen la oportunidad de estudiar la interacción de las variables independientes.

En los experimentos de un factor los investigadores estudian la influencia de solo una condición de la variable independiente sobre cada sujeto con la única excepción del diseño de medidas repetidas de un factor. En los diseños multifactoriales, los investigadores estudian la influencia de dos o más condiciones, de dos o más varaíbles independientes, sobre la conducta de los sujetos. Por ejemplo, en el diseño bifactorial de 2 X 2 con grupos al azar, cada una de las cuatro posibles combinaciones de tratamiento se asigna a un grupo diferente de sujetos. Este ordenamiento les permite a los investigadores estudiar las interacciones entre las variables independientes que manipulan.

Los diseños  multifactoriales difieren en cuanto al número de condiciones que se manipulan en cada variable, en cuanto a si son exclusivamente diseños de grupos al azar o de medidas, repetidas y en cuanto a si son una combinación de estos dos diseños  o una combinación de variables independientes y organísmicas.

En las tablas o en las figuras se representan los promedios de ejecución de los grupos de tratamiento de los diseños multivariados. Las curvas graficadas en las figuras se llaman perfiles.

Los perfiles que no son paralelos, permiten inferir; que las variables manipuladas en el experimento interactúan; los perfiles paralelos sugieren que las variables del experimento que se manipularon, no interactuaron.

El diseño de cuatro grupos de Solomon se puede estructurar a la manera de un diseño bifactorial. La ventaja de estructurar el diseño de Solomon de esta forma es que brinda la oportunidad da examinar si hay interacción entre las variables del pre-test y las del tratamiento.

Los efectos de las variables independientes y su interacción se evalúan mediante una forma del ANOVA multifactorial.

Quizá la limitación más importante de los diseños multifactoriales de los grupos al azar es que se necesita un gran número de sujetos. De otra parte los diseños de grupos al azar se cuentan entre los más efectivos, por no decir el más efectivo, que pueda utilizar un investigador para obtener una adecuada validez interna y externa.

En el diseño de tratamiento por niveles los investigadores combinan una variable organísmica, que supuestamente se correlaciona con la variable dependiente, y una variable de tratamiento. El objetivo de incluir una variable organísmica es controlar las diferencias individuales. Ello puede lograrse mediante el ANOVA, el cual separa el efecto de la variable organísmica del de la varianza de error. Como resultado, el efecto de la variable de tratamiento tiene más probabilidad de ser significativo.

Una limitación de ciertos diseños de tratamiento por niveles es que los resultados no se pueden generalizar a la población en general. Esto ocurre cuando los sujetos se extraen solamente de algunos segmentos de la distribución de población, como por ejemplo de los tercios inferior y superior de una escala de ansiedad o de una escala de autoestima.

En los diseños de medidas repetidas los sujetos sirven como su propio control. Las diferencias individuales se controlan porque se utilizan los mismos sujetos en todos los tratamientos. Otra ventaja de los diseños de medidas repetidas es que se requieren pocos sujetos. Sin embargo, la mayor desventaja de estos diseños son los efectos de secuencia; se deben utilizar procedimientos adicionales para controlar estos efectos.

Algunos efectos de secuencia no se pueden controlar, en particular los efectos secuenciales de posición, no lineales.

Para los diseños de medidas repetidas se requiere una forma diferente de ANOVA.

En los diseños de tres factores se varían simultáneamente tres variables. La ventaja del diseño de tres factores sobre los diseños de dos factores radica en que se puede investigar una variable adicional y que se pueden probar las posibles interacciones de dos factores y de tres factores.

Los diseños de tres factores varían en su composición. Constan en su mayor parte de grupos de variables al azar, una combinación de grupos al azar y de variables con medidas repetidas, o una mezcla de variables independientes y variables organísmicas.

Para analizar los datos de los diseños de tres factores, se emplea una forma de ANOVA trifactorial.

Lo expedito es que el análisis del ANOVA de tres factores se  haga por computador. El uso del computador para el cálculo del ANOVA de tres factores es particularmente ventajoso, porque permite mayor precisión y ahorro de tiempo.

Bibliografía

Arnau, J., (1980), Psicología Experimental. Un enfoque Metodológico, México: Editorial Trillas, S. A.

Agregue un comentario

Required fields are marked *.