TEMA X

1. TEMA X

2. ESQUEMA GENERAL DISEÑOS FACTORIALES MIXTOS

3. Diseño de medidas repetidas multigrupo o factorial mixto El diseño de medidas repetidas multigrupo, conocido también por diseño factorial mixto, incorpora dos estrategias de inferencia de hipótesis: estrategia de comparación entre grupos y estrategia de comparación intra sujetos. La estructura mixta combina, en un mismo experimento, el procedimiento de grupos independientes y el procedimiento con sujetos de control propio. ..//..

4. Puesto que el diseño mixto integra, en un mismo estudio, dos enfoques de investigación se aplica a aquellas situaciones donde están presentes, por lo menos, dos variables independientes. Así, los valores o niveles de la primera variable independiente genera grupos separados y su efecto se infiere por la comparación entre grupos o entre sujetos. ..//..

5. Esta variable independiente es conocida como variable entre. Los valores de la segunda variable se administran a todos los sujetos, en cuyo caso los sujetos repiten medidas. Dado el carácter de repetición, esa segunda variable recibe el nombre de variable intra. De esto se concluye que el diseño mixto requiere siempre una estructura factorial. O sea, son experimentos donde intervienen como mínimo dos variables.

6. Clasificación

7. 1 V.E. y 1 V.I. S(A)xB 2 V.E. y 1 V.I. S(AxB)xC Diseño factorial ...................................... mixto ...................................... Diseño de N V.E. y N V.I medidas repetidas Una variable categórica multigrupo y una intra S(A)xB Diseño split-plot Dos variables categóricas y una intra S(AxB)xC Etc.

8. Formato del diseño de medidas repetidas de dos grupos Grupo Tratamientos A1 A2 ........... Ak S1 Y11Y12 ............ Y1k G1 Sn1 YN1YN2 ............ YNk S1 Y11 Y12 ............ Y1k G2 Sn2 YN1YN2 ............ YNk

9. Ejemplo práctico 1 Un experimentador pretende estudiar el efecto que sobre la memoria icónica tienen dos variables: campo pos-exposición y tiempo de presentación. De la primera variable, selecciona dos valores: campo pos-exposición brillante (A1) y campo pos-exposición oscuro (A2). De la segunda, elige cuatro valores: B1 = 45 c/sg, B2 = 90 c/sg, B3 = 180 c/sg, y B4 = 240 c/sg. ..//..

10. Para ejecutar este experimento, confecciona tarjetas donde aparecen letras consonantes, seleccionadas al azar y las dispone en matrices 3 x 4. La tarea a realizar por los sujetos, consiste en identificar, de forma correcta, la máxima cantidad de letras. A su vez, decide que cada sujeto ejecute 40 ensayos (diez tarjetas por tiempo de presentación). La variable dependiente es la cantidad de identificaciones correctas en bloques de 10 ensayos.

11. Modelo de prueba estadística Paso 1. Formulación de las hipótesis de nulidad: H0: α1 = α2 = 0 H0: ß1 = ß2 = ß3 = ß4 = 0 H0: αß11 = αß12 = αß13 = αß14 = αß21 = αß22 = αß23 = αß24 = 0

12. Paso 2. A cada hipótesis de nulidad está asociada la siguiente hipótesis alternativa: H1: por lo menos una desigualdad

13. Paso 3. Se asume el modelo ANOVA lineal de medidas repetidas (ANOVAMR). El estadístico de la prueba es la F normal (bajo el supuesto de homogeneidad y simetría), con un nivel de significación de α = 0.05. El tamaño de la muestra experimental es N = an = 8 y la cantidad de observaciones abn = 32. Paso 4. Se calcula el valor empírico de F a partir de la correspondiente matriz de datos del experimento.

14. Matriz de datos del diseño

15. DISEÑO FACTORIAL MIXTO TRATAMIENTOS TOTALES Nº Suj. B1 B2 B3 B4 Suj. V.A A1 1 2 3 4 25 31 24 21 26 35 33 30 27 37 28 31 34 39 40 35 112 142 125 117 496 A2 5 6 7 8 13 16 31 21 14 19 34 22 20 30 36 33 30 38 41 38 77 103 142 114 436 TOTALES 182 213 242 295 932

16. Modelo estructural del diseño Yijk = μ + [αj + ηi/j] + [βk + (αβ)jk + (ηβ)ik/j] + εijk

17. Supuestos del ANOVARM Yijk = la puntuación del i sujeto bajo el j valor A y el k valor de B μ = la media común a todos los datos del experimento αj = es el efecto de j nivel de la variable A ηi/j = el efecto asociado al i sujeto dentro de j nivel de A ßk = el efecto del k nivel de B (αß)jk = el efecto de la interacción de Aj y Bk (ηß)ik/j = el efecto de la interacción de Si y Bk, intra Aj εijk = el error de medida ..//..

18. Dado que sólo hay un dato por casilla –combinación de S, A y B–, no hay variabilidad intra-casilla, Así, SxB/A estima la variancia del error. Se asume que: a) ηi NID(0,ση²) b) (ηß)ik/j NID(0,σηß²) b) εijk NID(0,σε²)

19. Resumen de las fuentes de variación del diseño factorial mixto Entre sujetos Variable A Sujetos intra A Intra sujetos Variable B Interacción A x B Sujetos x B intra A

20. Tabla de totales Datos de la interacción AxB B1 B2 B3 B4 Totales A1 101 124 123 148 496 A2 81 89 119 147 436 Totales 182 213 242 295 932

21. F.V. SC g.l CM F p Entre sujetos Variable A S/A (e. entre) Intra sujetos Variable B Inter AxB SxB/A (e. Intra) 785.5 112.5 673 1086 865.75 92.75 127.5 an-1=7 a-1=1 a(n-1)=6 an(b-1)=24 b-1=3 (a-1)(b-1)=3 a(n-1)(b-1)=18 112.50 112.17 288.58 30.92 7.08 1 40.76 4.37 >0.05 <0.05 <0.05 Total 1871.5 abn-1=31 F0.95(1/6) = 5.99; F0.95(3/18) = 3.16 Cuadro resumen del ANOVA: Diseño factorial mixto

22. Modelo de prueba estadística Paso 5. De los resultados del análisis, se infiere la aceptación de la hipótesis de nulidad para la variable A y su no-aceptación para la variable B y la interacción AxB, con una probabilidad de error del 5 por ciento.

23. B1 B2 B3 B4 A1 25.25 31 30.75 37 A2 20.25 22.75 30.5 37 Medias de grupos de tratamiento

24. Gráfico de interacción

25. Ejemplo práctico 2 Jones et al. (2003) estudiaron el efecto que tiene el consumo de alcohol sobre la valoración del atractivo de personas no conocidas. En el experimento, participaron 40 varones a los que se les presentaron caras de hombres y de mujeres y tenían que valorar su atractivo físico en una escala del 1 al 7 (de menor a mayor) ..//..

26. Antes de la presentación de los estímulos, la mitad de los participantes ingirió una dosis de alcohol, mientras que la otra mitad ingirió una bebida refrescante. Se trata de un diseño factorial mixto 2 x 2 con una variable intrasujeto (el sexo de la persona cuya cara se ha de valorar) y una variable entresujeto (el consumo de alcohol)

27. Prueba efectos intra-sujetos

28. Prueba de homogeneidad de variancias

29. Prueba efectos inter-sujetos

30. Gráfico de interacción