PPTDisenos PDF

DISEOS
DE INVESTIGACIN
EN PSICOLOGA
Prof. Alfonso Pitarque
Dpto. Metodologa (despacho M107)
Tutoras: Viernes de 9.30h a 12.30h
+ info en www.uv.es/pitarque
ObjeKvos
Saber realizar una invesKgacin desde la pKca de las
principales diseos de invesKgacin uKlizados en Psicologa:
- experimentales y cuasiexperimentales (unifactoriales y factoriales)
- experimentos de caso nico
- encuestas, tests y cuesKonarios
- metodologa observacional

Saber analizar estadsKcamente dichos diseos
Saber realizar el informe de una invesKgacin (normas de publicacin
A.P.A.)
Saber valorar la calidad de un arVculo de invesKgacin
Conocer los principios Kcos que rigen la invesKgacin

2
BibliograZa bsica
Teora:
Len, O.G. y Montero, I. (2003). Mtodos de inves,gacin en Psicologa y
Educacin. Madrid : McGraw-Hill. [ISBN: 8448136705]
PrcKcas:
Gambara, H. (2002). Mtodos de inves,gacin en Psicologa y Educacin.
Cuaderno de prc,cas. Madrid : McGraw-Hill. [ISBN: 8448136691]
Meltzo, J. (2000). Cr,ca a la inves,gacin. Psicologa y campos anes.
Madrid: Alianza. [ISBN: 8420686646] [pps. 195-321]

3
Evaluacin
Examen (de 0 a 5 puntos sobre nota nal): CuesKonario de
unas 25-30 preguntas de 3 alternaKvas (teora, interpretacin de outputs del
SPSS,), donde hay que sacar una nota mnima de 2.5 puntos para poder
aprobar la asignatura.

PrcKcas en el aula (de 0 a 4 puntos): Se valorar la asistencia
a clase y parKcipacin acKva en ella (de 0 a 1 puntos) y 3 prcKcas evaluables
en el aula (de 0 a 1 puntos cada una).

Informe (de 0 a 1 puntos): Informe escrito (individual) en formato
A.P.A. en el que se reeje el Vtulo, introduccin (objeKvo, revisin de la
literatura e hiptesis) y referencias de un problema de invesKgacin
(preferiblemente tu TFG). Longitud mxima 2 folios a doble espacio
(incluidas las referencias). Se valorar la concisin y la adecuacin a normas
A.P.A.
4
Tema 1. InvesKgacin en Psicologa
A) El mtodo cienVco en Psicologa

El hombre siempre ha necesitado conocer y controlar su entorno (conocer las causas)
para vivir ms y mejor. La necesidad incenKva la curiosidad, base del conocimiento.

En los primeros Kempos ese conocimiento lo transmiVan la tradicin oral,
supercheras y religiones. Pero con los rabes (Avicena, ) y sobre todo a parKr del
Renacimiento (tras epidemias de peste), el hombre comienza a creer que es capaz de
controlar la naturaleza por s solo (p.e. Da Vinci, Vesalio, Coprnico, Kepler).

Hoy la Ciencia es el principal modo de adquirir conocimiento para control del entorno
y garanVa de supervivencia de la especie humana.
Denir la Ciencia es diZcil. Lo que dene a una ciencia no es su objeto de estudio si no

su mtodo de trabajo: el mtodo cienVco o hipotKco-deducKvo.

5
El mtodo cienVco sigue una serie de pasos secuenciales:

Plantea un problema o pregunta de invesKgacin
Deriva unas hiptesis contrastables en trminos operaKvos (si entonces )
Contrasta dichas hiptesis empricamente (es decir a travs de la medicin
cuanKtaKva = objeKva) uKlizando diseos de invesKgacin apropiados
Saca conclusiones que avalarn o refutarn teoras

De este modo el conocimiento que nos aporta el mtodo cienVco es:
ObjeKvo (no subjeKvo)
Determinista (todo Kene una causa y sta siempre es cognoscible)
General (busca leyes generales o universales del conocimiento)
Contrastable empricamente y por tanto refutable y relaKvo (abierto siempre a
la revisin, es decir replicable)
Parsimonioso

6
La Psicologa gan el estatus de ciencia slo cuando demostr que era

posible cuanKcar y medir objeKvamente lo mental y adopt el mtodo
cienVco en su forma de trabajo:
Fechner (1860), Wundt (1879), Ebbinghaus (1885), Wertheimer (1912)
en Alemania,
Stanley Hall (1883), William James (1890), Thorndike (1898) y Watson
(1913) en USA,
Pavlov (1906) en Rusia,
Binet y Simon (1905) en Francia.
7
Desde sus inicios se ha hablado de dos tradiciones o enfoques en la

invesKgacin psicolgica:

el enfoque correlacional (o psicomtrico) iniciado por Binet y Simon y
despus Wechsler, cuyo objeKvo es medir lo psquico mediante tests y
cuesKonarios, haciendo especial hincapi en las diferencias individuales
y en el anlisis de las relaciones entre las variables (correlacin,
regresin, anlisis factorial, etc.) que no permiten establecer causalidad.

el enfoque experimental basado en la experimentacin de laboratorio
(Wundt, Pavlov, Watson, ) que permite conrmar relaciones causales
entre variables y leyes generales de la conducta (p.e. condiciomaiento
clsico, operante, vicario, etc.)
8

Inciso terminolgico: En invesKgacin (cuasi)experimental debemos disKnguir entre
tres Kpos de variables:

a) Variables independientes (VI o predictores). Son las que se manipulan para ver si
producen cambios o no en la variable que medimos (o variable dependiente). Dicha
manipulacin se lleva a cabo comparando como mnimo dos niveles de la VI (o
condiciones o tratamientos, uno de los cuales ha de ser siempre una condicin
control sin tratamiento o de tratamiento con placebo).

a1. Si el invesKgador Kene potestad para asignar al azar los sujetos a los disKntos
niveles de la VI se habla entones de manipulacin directa, mientras que si no puede
llevar a cabo dicha asignacin aleatoria porque los sujetos ya estn adscritos a cada
nivel de la VI por la propia naturaleza de dicha VI (p.e. gnero, nacionalidad, edad,
) entonces se habla de manipulacin por seleccin. Esta disKncin es importante
porque determina la disKncin entre diseos experimentales (= manipulacin
directa) y cuasi-experimentales (= manipulacin por seleccin).

a2. Las VI tambin se clasican en VI inter (cuando asignamos una muestra disKnta
de sujetos a cada nivel de la variable) o VI intra (cuando una nica muestra de
sujetos pasa por todos los niveles de la variable, obteniendo medidas repe,das de
los mismos sujetos).
9

b) Variables dependientes (VD o criterio). Son las que medimos para ver si la
manipulacin anterior es efecKva o no. Las VD pueden ser:
cuanKtaKvas (escala de intervalo o razn) --> pruebas de anlisis paramtricas
semicuanKtaKvas (u ordinales) --> pruebas de anlisis no paramtricas
cualitaKvas (o categoriales o escala nominal) --> pruebas 2

c) Variables extraas o contaminantes, que son las que hay que controlar para que
no afecten a la VD.

Cuando todas las posibles variables extraas estn bien controladas, es decir,
cuando podemos armar que la causa de la variacin de la VD es debida,
exclusivamente, a la manipulacin de la(s) VI, se dice que la invesKgacin Kene
validez interna. La validez interna es requisito imperaKvo de toda invesKgacin
experimental y muy recomendable en cuasiexperimental.
10
Los disKntos diseos de invesKgacin en Psicologa se podran sistemaKzar

pues en 4 Kpos (de mayor o menor grado de validez interna):

a) Metodologa experimental: Su objeKvo es conocer las causas de los
fenmenos, los cmo y los por qu de los mismos, es decir, poder
establecer relaciones de causa-efecto entre variables. Para ello el
invesKgador manipula directamente la(s) VI y controla adecuadamente
las variables extraas, mediante la asignacin aleatoria de los sujetos a
los tratamientos (unos 35 sujetos por condicin), lo que garanKza la
validez interna. UKliza prioritariamente las tcnicas estadsKcas
inferenciales paramtricas (pruebas t, ANOVA) y no paramtricas. La
experimentacin se puede realizar tanto en laboratorio como en mbitos
naturales (p.e. en Psicologa Social).
Un caso especial de experimentacin son los experimentos de caso nico
o N=1, uKlizados en el mbito clnico (tema 5). No confundirlos con los
estudios de casos.

11
b) Metodologa cuasi-experimental. Su objeKvo es el mismo que el de la

experimentacin, pero aqu el invesKgador slo puede seleccionar muestras
en base a caractersKcas intrnsecas de los sujetos que no son directamente
manipulables (p.e. gnero, edad, nivel educaKvo,, es decir, manipulacin
por seleccin). Ello implica que los sujetos no son asignados aleatoriamente
a los tratamientos y por tanto la validez interna a priori no queda
garanKzada, pues puede haber un sesgo por seleccin. Para controlar dicho
sesgo tendremos que cerciorarnos, antes de aplicar los tratamientos, de que
las muestras que comparamos son equivalentes en las principales variables
extraas (p.e. gnero, edad, nivel educaKvo,).
La cuasi- experimentacin suele uKlizarse en mbitos naturales e
invesKgacin aplicada (la escuela, el lugar de trabajo, etc.). UKliza las
mismas tcnicas estadsKcas que la experimentacin.
12
c) Metodologa de encuestas (o correlacional, psicomtrica, o de tests y

cuesKonarios). Su objeKvo es describir y analizar relaciones entre datos
mediante la aplicacin de encuestas, tests o cuesKonarios a muestras grandes
(p.e. n > 200) y representaKvas. Suele uKlizar tcnicas estadsKcas descripKvas y
correlacionales (tendencia central, variabilidad, correlaciones, regresin, anlisis
factorial, etc.)

d) Metodologa observacional. Suele aplicarse en poblaciones donde no
podemos aplicar las metodologas anteriores (p.e. nios pequeos, personas
con discapacidad, ancianos, ). Su objeKvo describir fenmenos que ocurren en
ambientes naturales sin intervencin apenas del invesKgador (p.e. mediante
grabacin en vdeo). Se trabaja con muestras pequeas de sujetos o incluso con
un solo sujeto (estudios de casos: p.e. Piaget, Freud, etc.). UKliza tcnicas
estadsKcas descripKvas y correlacionales (p.e. tablas de conKngencia mediante
2,...)

13
B) EL DISEO DE UNA INVESTIGACIN EN PSICOLOGIA

El mtodo hipotKco-deducKvo en Psicologa conlleva aplicar una
serie de pasos secuenciales que podran ser:
Plantear un problema o pregunta de invesKgacin
Documentarse sobre el mismo
Derivar hiptesis operaKvas
Elegir el diseo: VI (niveles y condiciones), VD, estrategias de control
de VE, cuntas muestras, decidir a priori el anlisis estadsKco
Decidir sobre el procedimiento y materiales
Aplicar los tratamientos
Medir o recoger los datos
Anlisis estadsKco de los datos e interpretacin de los resultados
Elaboracin de un informe escrito
14
1) Denir la pregunta o problema de invesKgacin, que debe de ser:

Relevante, original y que no se conozca la respuesta (documentarse* bien antes)
estar formulado de forma operaKva, es decir, que sea resoluble mediante mediciones
objeKvas

*Documentacin en Psicologa:
En la actualidad las dos principales fuentes de documentacin en Psicologa son estas dos bases de
datos informaKzadas disponibles en la direccin web del Servei de Biblioteques i Documentacin de
nuestra universidad:

a) PsycINFO de la APA. Disponible en el apartado Psicologa + 6. PsycINFO.

b) Web of Knowledge (ahora Web of Science) de Thomson-Reuters. Disponible en el apartado
MulKdisciplinars + 17. Web of Knowledge.
Desde ella tambin podemos buscar el ndice de impacto de una revista (desde la pestaa
Journal CitaKon Reports: acKvar SSCI)

15
2) Deduccin de hiptesis contrastables empricamente, y lo ms concisas posible (p.e. en formato SI ...

ENTONCES ...)

3) Eleccin del diseo: Es un parte muy delicada y que requiere reexionar sobre:
a) Determinar la(s) VI (su naturaleza y sus niveles), con cuntas muestras vamos a trabajar y de qu Kpo
(independientes = VI inter, relacionadas o de medidas repeKdas = VI intra) y cul va a ser el mtodo de
muestreo.
b) Determinar la(s) VD (y su naturaleza: cuanKtaKva, semicuanKtaKva o cualitaKva).
c) Determinar cmo vamos a controlar las VE.
d) Determinar con qu tcnica estadsKca analizaremos los datos (hay que saberla antes de llevar a cabo
la medicin).

Kerlinger (1991) seal que el mejor diseo es aquel que saKsface el principio de MAX-MIN-CON:
a) maximiza la varianza tratamental (p.e. haciendo que las condiciones sean lo ms disKntas posibles => mayor
tamao del efecto => mayor probabilidad de rechazar H0);
b) minimiza la varianza errKca debida a diferencias individuales (p.e. dando correctamente las instrucciones,,
=> mayor probabilidad de rechazar H0)
c) controla las variables extraas (p.e. mediante la asignacin aleatoria de los sujetos a las condiciones o
controlando bien el sesgo de seleccin).

16
4) Determinacin de con qu materiales (cuesKonarios, tests, planKllas de registro

observacional, palabras, fotos, etc.) y aparatos (vdeo, ordenador, ERP, etc.)
trabajaremos, y cual ser el procedimiento de medicin (qu tareas debern hacer
los sujetos y su secuencializacin).

5) Recogida de datos mediante mediciones ables

6) Anlisis estadsKco de datos:

17
6) Anlisis estadsKco de datos:
18
7) Interpretacin de resultados: Discusin de los resultados en relacin a las hiptesis planteadas, los
resultados de otros trabajos y las teoras explicaKvas del problema.
8) Elaboracin de un informe escrito. Apartados de un informe (normas A.P.A.):
Ttulo (castellano e ingls)
Autores y liacin
Resumen (castellano e ingls)
Introduccin: Planteamiento del problema. Revisin de la literatura sobre el mismo (leer chero cmo citar).
Planteamiento explcito de las hiptesis.
Mtodo:
- ParJcipantes
- Materiales
- Aparatos
- Procedimiento
Resultados: Anlisis estadsKcos inferenciales de los resultados hallados. Tablas y grcos, si proceden.
Discusin: Implicaciones de los resultados para la hiptesis planteadas y las teoras explicaKvas del problema de
invesKgacin.
Referencias: Todo trabajo que en el texto del informe se cite alguna vez (p.e. Metlzo, 2000) debe aparecer su
referencia completa en el apartado de referencias . Hay tres Kpos disKntos de referencias:
- Libros, p.e.: Pardo, A. y SanmarVn, R. (1995). Anlisis de datos en psicologa II. Madrid: Pirmide.
- ArVculos, p.e.: Westmeyer, H. y Hagebock, J. (1992). Computer-assisted assessment: A normaKve perspecKve.
European Journal of Psychological Assessment, 8, 1-16.
- Captulos de un libro, p.e.: SKnson, C.H. y Palmer, S.E. (1991). Pararell distributed processing models of person
schemas and pathologies. En M.J. Horowitz (ed.), Person schemas and maladap,ve interpersonal paQerns. Chicago:
University of Chicago Press.
19
C) LA ETICA EN LA INVESTIGACION.

La invesKgacin ha de respetar los derechos de los parKcipantes (sean stos personas o animales): No todo
es lcito y jusKcable en nombre de la Ciencia. P.e. experimentos sobre obediencia de Milgram, o dejar
grupos control sin tratamiento clnico.

El Colegio Ocial de Psiclogos de Espaa (www.cop.es) elabora y revisa un cdigo deontolgico que todo
graduado en Psicologa Kene la obligacin de conocer y de cumplir (ver cuadro 2.13, pp. 48 de Len y
Montero):
los sujetos han de estar bien informados de los objeKvos de la invesKgacin y de los riesgos que corren
por parKcipar.
han de parKcipar voluntariamente, dar su autorizacin (por escrito si hay algn riesgo para su salud) y
poder abandonar cuando quieran si as lo desean
evitar los procedimientos crueles y el sufrimiento Zsico y psicolgico de los sujetos, siempre que sea
posible
evitar engaar a los sujetos y cuando esto no sea posible, decirles la verdad inmediatamente
mantener la condencialidad de los datos de los sujetos (secreto profesional)
emplear tratamientos clnicos que han demostrado su ecacia experimentalmente
no dejar sin tratamiento a los sujetos del grupo control, cuando su patologa exiga tratamiento (en ese
caso administrarles el mejor tratamiento conocido hasta la fecha)
no falsicar datos (p.e. Burt)
no plagiar.

Ejercicios del libro de Gambara (pps 8 a 68, a.i.)
20
Tema 2. Diseos experimentales
Un experimento es una invesKgacin: 1) donde el invesKgador Kene

potestad para manipular directamente la(s) VI(s) (comparando al menos
dos tratamientos: grupo control vs grupo experimental); y 2) donde la
validez interna queda garanKzada formando grupos equivalentes
mediante la asignacin aleatoria de los sujetos a las condiciones
experimentales, siendo las muestras como mnimo de 30 sujetos.
Recordemos que la validez interna se reere a la seguridad en que la

variacin observada en la VD es debida exclusivamente a la
manipulacin de la(s) VI(s) y no al efecto de otras variables extraas. La
validez interna depende pues del grado de control de las variables
extraas (VE) o contaminantes (ver ms abajo).
La validez interna es requisito imprescindible de todo experimento.

Dicha validez interna nos permiKr garanKzar la relacin de causa-efecto
entre la(s) VI y la VD.

21
En diseo experimental tambin son importantes:

Validez externa: o posibilidad de generalizacin de
nuestros resultados a otras poblaciones, otros contextos
de invesKgacin, otras condiciones, otros momentos
temporales, etc. Es requisito aconsejable pero no
imprescindible de un experimento. A veces la validez
externa va en detrimento de la validez interna.

Validez estads,ca: o validez de las inferencias derivadas
de los anlisis estadsKcos. Depende entre otros factores
del tamao muestral (n), del nivel de signicacin (1-),
etc.

22
AMENAZAS A LA VALIDEZ INTERNA

Vamos a presentar ahora las principales VE que se involucran en cualquier invesKgacin y cmo
controlarlas:

1. RelaKvas a los parKcipantes:
1.1. CaractersKcas personales y demogrcas. Se pueden controlar mediante:
asignacin aleatoria de muestras grandes (n>30)
uKlizar VI de bloques (=controlar VE desde el diseo)
control estadsKco a posteriori (ANCOVA,)

1.2. Efectos de maduracin, sobre todo en poblacin infanKl
1.3. Mo,vacin
1.4. percepcin del rol o expecta,vas de los sujetos => sujetos ciegos
1.5. Comunicacin entre los parKcipantes
1.6. Ac,tud fasSdiate de los parKcipantes.
1.7. Mortandad experimental (aleatoria o no?)
1.8. FaKga
1.9. Regresin a la media en mediciones repeKdas de los mismos sujetos
1.10. Sesgo de seleccin (en VI manipuladas por seleccin) 23


2. RelaKvas al invesKgador:
2.1. Variables demogrcas (ensayos de prcKca,)
2.2. ExpectaKvas del experimentador (efecto Rosenthal) => doble ciego.

3. RelaKvas al procedimiento, materiales y aparatos:
3.1. Reactancia experimental (ensayos de prcKca,)
3.2. Efecto de la prc,ca cuando trabajamos con VIs intra (p.e. pretest-
pos~est). Se controla mediante la presentacin aleatoria o el
contrabalanceo de los tratamientos para cada sujeto.
3.3. Interacciones entre varios tratamientos
3.4. Instrucciones iguales y bien comprendidas?
3.5. Efectos de suelo/techo, que pueden explicar una interaccin entre 2 VIs
3.6. Ausencia de grupo control adecuado

24

4. RelaKvas a jueces, observadores o expertos: Cuando la VD es cualitaKva
abierta (p.e. descripciones, relatos, comentarios verbales,) hay que
demostrar que la correccin es able: dos o ms jueces han de corregir de
forma independiente y ciega dichas respuestas y hallar luego grado de
acuerdo o abilidad interjueces (mediante r o Kappa > .80). Se consigue
mediante un entrenamiento adecuado (ensayos piloto).

5. Variables de ruido o causas inesperadas: preveerlas y control estadsKco a
posteriori (anlisis de calidad de los datos).

25
TAXONOMIA DE DISEOS EXPERIMENTALES

Las VI pueden ser:

- variables entre o intersujetos (between subjects), cuando
uKlizamos una muestra disKnta de sujetos para cada uno de
los niveles de la VI

- variables intrasujeto (within subjects), cuando uKlizamos
una nica muestra de sujetos que recibe todos los niveles de
la VI. Por eso tambin se las conoce como variables de
medidas repeKdas.

26
En Psicologa Experimental a la(s) VI tambin se les llama factores.
En base a la disKncin entre VIs inter o intra, y al nmero de VI manipuladas
podemos clasicar los diseos experimentales as:

a. 1 VI manipulada:
a1. inter ---> diseo unifactorial de X condiciones intersujeto (tambin llamado
de X grupos al azar o completamente aleatorizados)
a2. intra ---> diseo unifactorial de X condiciones intrasujeto o de X medidas
repeKdas

b. 2 o ms VI manipuladas:
b1. todas las VI inter ---> diseo factorial intersujeto o de grupos al azar AxB (p.e.
3x2, donde 3 y 2 indican el nmero de niveles de cada VI y el producto
resultante 6- indica el nmero de condiciones o tratamientos experimentales
disKntos).
b2. todas las VI intra ---> diseo factorial intrasujeto o de medidas repeKdas AxB.
b3. Una o varias VI inter y una o varias intra ---> diseo factorial mixto A (inter) x27

B (intra).
En funcin del nmero de VD se suele disKnguir tambin entre diseos

univariantes (1 VD) y mulKvariantes (2 o ms VD).

Cuando en un diseo inter bloqueamos (para controlarlas) una o varias
variables extraas se habla entonces de diseos de bloques al azar. Dicha
variable de bloqueo se analiza luego como otra VI inter ms.

Por lKmo un Kpo especial de experimentos son los experimentos n=1 o
de caso nico (tema 5; no confundirlos con los estudios caso).

Tengamos presente que el uso de un diseo experimental no garanKza
que estemos llevando a cabo un experimento: si nuestra invesKgacin
no Kene validez interna no estaremos haciendo experimentacin. ---> El
adjeKvo experimental lo avala la validez interna, no el diseo uKlizado.
28
A. Diseos intersujeto (o de grupos al azar).
Representan el concepto protoVpico de experimento clsico donde los sujetos son

asignados al azar a los tratamientos. Dicha aleatorizacin garanKza la equivalencia de los
grupos y por tanto el control de las VE, siempre que las muestras sean grandes (n >30
sujetos). Cuanto ms grandes sean las muestras ms garanVas habr de control de las VE (y
mayor potencia estadsKca tendremos)

Deberemos comparar siempre como mnimo un grupo experimental frente a un grupo
control, que recibir bien un placebo, o bien el mejor tratamiento conocido hasta la fecha,
si es que, por problemas Kcos, no podemos dejar sin tratamiento a los sujetos (p.e. ante
pacientes con patologas graves). De este modo podremos descartar la hiptesis de que la
mejora observada sea debida a las meras expectaKvas de sanacin de los sujetos (efecto
placebo).

El problema que plantean los diseos intersujeto es que exigen muchos recursos humanos
(pensemos p.e. que un diseo factorial 3x2 ya exigira 6 muestras de unos 30 sujetos = 180
sujetos como mnimo). Otro problema es que al parKcipar tantos sujetos la varianza de
error aumenta, lo que minimiza la probabilidad de rechazar Ho. La solucin a estos
problemas es uKlizar, siempre que se pueda, variables intrasujeto.

29
El concepto de interaccin
En los diseos factoriales no slo hemos de analizar (mediante anlisis

estadsKco por ANOVA) si cada VI por separado afecta o no a la VD, si no si
ambas VI interactan o no:

- Se dice que dos VIs interactan (o que existe interaccin entre ellas)
cuando el efecto de una de las VIs es disKnto en cada nivel de la otra VI.
- Por contra dos VIs no interactan (o muestran efectos adiKvos) cuando el
efecto de una de las VIs es similar sobre cada nivel de la otra VI (ver
diaposiKva 32).
La interaccin AB representa el efecto conjunto sobre la VD de la aportacin
de A y B que no es reducKble ni al efecto de A por s solo ni al de B por s
solo. Por ejemplo cuando se dice que el alcohol y el consumo de
determinado frmaco interactan sobre la salud, se quiere decir que la
salud de los pacientes se ve afectada por el efecto conjunto de ambas
variables, no teniendo por qu verse afectada por los efectos aislados de
cada una de ellas.
30

Una forma intuiKva de entender si dos VIs interactan o no es observar
las grcas de lneas de las medias de las AxB condiciones
experimentales y ver si son paralelas (en cuyo caso no habr interaccin)
o no son paralelas (habr interaccin). De todos modos la
representacin grca de las medias slo nos da una idea intuiKva de si
dos variables interactan o no. Para conrmar dicha suposicin
deberemos aplicar el ANOVA.

Imaginemos que estamos trabajando con un diseo factorial inter 3x2 y
representramos las medias de dichos 6 tratamientos:

31
32
Pueden exisKr as mismo interacciones de ms de 2 VIs.

- A la interaccin AB de dos VIs se le denomina interaccin de primer orden.
- Tres VIs Kenen tres interacciones de primer orden (AB, BC, AC), y una
interaccin de segundo orden (ABC), y as sucesivamente.
- Las interacciones de segundo, tercer, orden son muy diZciles de
interpretar. Es por ello que slo se uKlizan diseos de 1, 2 o 3 VI como
mximo.

Los diseos inter se analizan mediante ANOVAs inter.
En SPSS: Analizar > Modelo Lineal General > Univariante > Opciones: Mostrar
medias para A, B y AB, + comparar los efectos principales (Bonferroni) +
esKmaciones del tamao del efecto (=eta cuadrado).

33
B) Diseos de bloques al azar

Son un Kpo especial de diseos inter donde controlamos una (o varias) variable extraa (VE) mediante la
creacin de grupos homogneos respecto a ella. A dicha VE se la llama variable de bloqueo. P.e. si queremos
comparar la ecacia de tres mtodos de enseanza podra ser conveniente bloquear la inteligencia de los
sujetos en 2, 3, 4, niveles de bloqueo.
El procedimiento a seguir para bloquear una VE es: 1) determinaremos los niveles a controlar de la VE (dos
como mnimo), 2) formaremos grupos homogneos de sujetos respecto a dichos niveles de la variable de
bloqueo y 3) asignaremos aleatoriamente los sujetos de cada uno de los niveles de la variable de bloqueo a
los niveles de la(s) VI. Dicha asignacin aleatoria se encargar de controlar el resto de VE.

Un caso especial de diseos de bloques al azar es cuando formamos parejas, tros, cuartetos, de personas
igualadas en alguna VE, y asignamos luego al azar los sujetos a los tratamientos. En este caso el nmero de
niveles de la variable de bloqueo sera igual al nmero de parejas, ternas, cuartetos, con que contemos.

La variable de bloqueo se analiza estadsKcamente como si fuera una VI ms (es decir analizaremos tanto sus
efectos principales como si interacta con la VI). Al ser los grupos ms homogneos la varianza de error del
diseo disminuye, aumentando as la probabilidad de rechazo de la Ho. El principal problema de los diseos
de bloques es la mortandad experimental que desequilibra los grupos.

Hay otros Kpos de diseos de bloques como los cuadrados laKnos y cuadrados grecolaKnos que no veremos
aqu por su escaso empleo en experimentacin.
34
C) Diseos intrasujeto o de medidas repeKdas

En ellos las VI son intrasujeto (una nica muestra de sujetos pasa por todos los niveles de la VI),
lo que conlleva una serie de ventajas: 1) ms economa de recursos materiales y humanos
involucrados en la invesKgacin; 2) menor varianza de error lo que implica mayor probabilidad
de rechazo de la Ho.

Entre los principales inconvenientes de este Kpo de diseo estn:
1) se inmiscuye siempre en ellos el efecto de la prcKca que deberemos controlar bien
presentando los tratamientos en un orden aleatorio disKnto para cada sujeto o bien
desarrollando todas las secuencias posibles de los tratamientos y presentado una disKnta
a cada sujeto (contrabalanceo)

2) no todas las VI son suscepKbles de ser manipuladas intrasujeto:
- p.e. las variables manipuladas por seleccin (cuasi-experimentacin) son siempre entre
- cuando los efectos de la VI son persistentes en el organismo de los sujetos (p.e.
tratamientos farmacolgicos o clnicos). Es decir, slo podrn ser VI intra aquellas que
produzcan efectos en los sujetos que se eliminan completamente entre un tratamiento y
otro.

Los diseos intra se analizan mediante ANOVAs intra.
En SPSS: Analizar > Modelo Lineal General > Medidas repeKdas > Opciones: Mostrar medias
para A, B y AB, + comparar los efectos principales (Bonferroni) + esKmaciones del tamao del
efecto (=eta cuadrado). 35

D) Diseos factoriales mixtos

Son aquellos en los que manipulamos al menos una VI intra y al menos una VI
entre. Vale en ellos lo dicho para los diseos intra e intersujeto: analizar la
interaccin, controlar el efecto de la prcKca, etc.

Los diseos mixtos se analizan mediante ANOVAs mixtos.
En SPSS: Analizar > Modelo Lineal General > Medidas repeKdas > Opciones: Mostrar
medias para A, B y AB, + comparar los efectos principales (Bonferroni) +
esKmaciones del tamao del efecto (=eta cuadrado).

E) Experimentos de caso nico o N=1 (tema 5)

36

Tema 3. Anlisis estadsKco de diseos experimentales
Conceptos previos de EstadsKca Inferencial:

1) Planteamiento de hiptesis: Hiptesis nula H0 (bilateral o unilateral) e
hiptesis alternaKva H1

2) Eleccin del nivel de riesgo (generalmente =.05)

3) Aplicacin del tratamiento y medicin de la variable dependiente (VD)

4) Seleccin de la prueba estadsKca (o estads,co de contraste) en funcin del
n de muestras, de la(s) VI (inter o intra), y del Kpo de VD (cuanKtaKva, semi o
cualitaKva; ver diaposiKva siguiente)

5) Clculo y toma de decisiones estadsKcas: Con el SPSS si la sig (o p o nivel
cr,co) asociado a mi estadsKco de contraste es sig 0.05 entonces
rechazar H0 (diciendo que el resultado es estads,camente signica,vo),
mientras que si sig >.05 aceptar H0 (no signica,vo o ns). En contrastes
unilaterales para rechazar H0 deber comprobar que las medias van en la
direccin que establece H1 y que al dividir sig/2 el resultado sea .05.
37
38
sig >.05 sig .05
39
El programa SPSS.

Recordemos que los datos se introducen en el editor de datos as:
cada la representa un sujeto disKnto y cada columna una variable
disKnta.

As si comparamos dos muestras independientes de 12 sujetos cada
una en una VD, uKlizaremos 24 las y 2 columnas (1 para la VD y otra
para la VI para indicar el grupo: p.e. 1 vs 2).

Pero si queremos comparar el rendimiento de 12 sujetos medidos 2
veces en una VD (o dos muestras relacionadas o apareadas)
uKlizaremos 12 las y 2 columnas (que representarn las dos
mediciones en la VD).

40
a) Anlisis de diseos unifactoriales de dos niveles inter

(ejercicio 1):

prueba t para muestras independientes
prueba de Mann-Whitney
prueba de chi-cuadrado

SPSS: Analizar + Comparar medias + prueba t para muestras
independientes.
SPSS: Analizar + Pruebas no paramtricas + Cuadros de
dilogo an,guos + 2 muestras independientes
SPSS: Analizar + Estads,cos descrip,vos + Tablas cruzadas (o
de con,ngencia) + Estads,cos: Chi-cuadrado
41
Los resultados se citan as:

- Analizamos los datos con una prueba t para muestras independientes que mostr que
exisVan diferencias signicaKvas entre hombres y mujeres en autoesKma
(t70=3.21, p=0.001)
no exisVan diferencias signicaKvas entre hombres y mujeres en autoesKma
(t70=1.21, ns)

- Analizamos los datos con una prueba no paramtrica de Mann-Whitney que mostr que
exisVan diferencias signicaKvas entre hombres y mujeres en autoesKma (z=3.21,
p=0.01)
no exisVan diferencias signicaKvas entre hombres y mujeres en autoesKma
(z=1.21, ns)

- Analizamos los datos con una prueba de 2 que mostr que
exisVan diferencias signicaKvas entre hombres y mujeres en su opinin respecto
al aborto (218=3.21, p=0.02)
no exisVan diferencias signicaKvas entre hombres y mujeres en en su opinin
respecto al aborto (218=1.21, ns ) 42
b) Anlisis de diseos unifactoriales de dos niveles

intra (o dos muestras relacionadas; ejercicio 2):
prueba t para muestras relacionadas
prueba de Wilcoxon
prueba de McNemar

SPSS: Analizar + Comparar medias + prueba t para
muestras relacionadas.
SPSS: Analizar + Pruebas no paramtricas +
Cuadros de dilogo an,guos + 2 muestras
relacionadas: Wilcoxon o McNemar
43

- Analizamos los datos con una prueba t para muestras relacionadas que mostr que
exisVan diferencias signicaKvas entre el pretest y el pos~est (t70=3.21, p=0.001)
no exisVan diferencias signicaKvas entre el pretest y el pos~est (t70=1.21, ns)

- Analizamos los datos con una prueba no paramtrica de Wilcoxon que mostr que
exisVan diferencias signicaKvas entre el pretest y el pos~est (z=3.21, p=0.01)
no exisVan diferencias signicaKvas entre el pretest y el pos~est (z=1.21, ns)

- Analizamos los datos con una prueba de 2 que mostr que
exisVan diferencias signicaKvas en el cambio de opinin entre el pretest y el
pos~est (218=3.21, p=0.02)
no exisVan diferencias signicaKvas en el cambio de opinin entre el pretest y el
pos~est (218=1.21, ns )
44
c) Anlisis de diseos unifactoriales de tres o ms niveles inter (ejercicio 3)

ANOVA inter
prueba de Kruskal-Wallis
prueba de chi-cuadrado

SPSS: Analizar + Modelo lineal general + Univariante + Post hoc (p.e. Sche)
+ Opciones: es,maciones del tamao del efecto + pruebas de homogeneidad.
Los supuestos del ANOVA inter se analizan mediante el test de Levene que debe de
darnos no signica,vo.

SPSS: Analizar + Pruebas no paramtricas + Cuadros de dilogo an,guos + K
muestras Independientes
SPSS: Analizar + Estads,cos descrip,vos + Tablas cruzadas (o de con,ngencia) +
Estads,cos: Chi-cuadrado

45

- Analizamos los datos con un Anlisis de Varianza (ANOVA) inter que mostr que
exisVan diferencias signicaKvas entre las medias de las tres condiciones
(F2,12=3.21, p=.03, 2p=0.51). Las pruebas a posteriori de Sche mostraron que
exisVan diferencias signicaKvas entre las condiciones
no exisVan diferencias signicaKvas entre las medias de las tres condiciones
(F2,12=1.21, 2p=0.18, ns).
- Analizamos los datos con una prueba no paramtrica de Kruskall-Wallis que mostr que
(258=3.21, p=0.02). Pruebas a posteriori por pares de Mann-Whitney mostraron que
(258=1.21, ns).

46
d) Anlisis de diseos unifactoriales de tres o ms niveles intra (o tres o ms

muestras relacionadas; ejercicio 4)
ANOVA intra
prueba de Friedman
prueba de Cochran

SPSS: Analizar + Modelo lineal general + Medidas repe,das + Opciones: es,maciones
del tamao del efecto + Mostrar las medias para + comparar los efectos principales +
Ajuste.. Bonferroni.
Los supuestos del ANOVA intra se analizan mediante el test de Mauchly (slo para el
caso que la VI tenga 3 o ms niveles), que debe de darnos no signica,vo.

SPSS: Analizar + Pruebas no paramtricas + Cuadros de dilogo an,guos + K
muestras relacionadas: Friedman o Cochran

47

- Analizamos los datos con un Anlisis de Varianza (ANOVA) intra que mostr que
(F2,12=3.21, p=.03, 2p=0.51). Las pruebas a posteriori de Bonferroni mostraron que
(F2,12=1.21, 2p=0.18, ns).
- Analizamos los datos con una prueba no paramtrica de Friedman que mostr que
(258=3.21, p=0.02). Pruebas a posteriori por pares de Wilcoxon mostraron que
(258=1.21, ns).

48
e) Anlisis de diseos factoriales inter

ANOVA factorial inter (ejercicio 5)

SPSS: Analizar + Modelo lineal general + Univariante +
(Opciones: es,maciones del tamao del efecto + pruebas de
homogeneidad + Mostrar las medias para: A, B y AB +
Comparar los efectos principales: Bonferroni).

Si la interaccin sale signica,va deberemos primero gracarla
(bien mediante Excel, bien u,lizando la opcin Gracos del
SPSS, ver siguiente diaposi,va) y luego hacer pruebas t para
muestras independientes a posteriori (aplicando la correccin
de Bonferroni) para interpretarla.
Los supuestos del anlisis se analizan mediante el test de
Levene (que debe darnos no signica,vo) 49

50

- Analizamos los datos con un ANOVA factorial inter 2x3 que mostr que
el efecto principal de la variable A no fue signicaKvo (F1,120=1.21, 2p=0.18, ns),

pero s que lo fue el efecto principal de la variable B (F2,120=3.21, p=.03, 2p=0.51), as
como la interaccin de ambas variables (F2,120=7.21, p=.001, 2p=0.71). Pruebas a
posteriori de Bonferroni sobre las tres medias de B, mostraron que exisVan
diferencias entre las condiciones. Por otra parte pruebas t a posteriori sobre las
medias de la interaccin (ver tabla 1 o gura 1) mostraron que
51

f) Anlisis de diseos factoriales intra ANOVA factorial

intra (ver ejercicio 6)

SPSS: Analizar + Modelo lineal general + Medidas repe,das +
Opciones: es,maciones del tamao del efecto + Mostrar las
medias para + comparar los efectos principales + Ajuste..
Bonferroni

Si la interaccin sale signica,va deberemos hacer pruebas t
para muestras relacionadas a posteriori (aplicando la
correccin de Bonferroni) para interpretarla.
Los supuestos del anlisis se analizan mediante los tests de
Mauchly (solo para el caso que la VI tenga 3 o ms niveles),
que deben darnos no signica,vos.
52


- Analizamos los datos con un ANOVA factorial intra 2x3 que mostr que

53

g) Anlisis de diseos factoriales mixtos ANOVA factorial

mixto (ejercicio 7)

SPSS: Analizar + Modelo lineal general + Medidas repe,das +
(Opciones: es,maciones del tamao del efecto + pruebas de
homogeneidad + Mostrar las medias para + comparar los
efectos principales + Ajuste.. Bonferroni)

Si la interaccin sale signica,va deberemos hacer pruebas t
a posteriori (aplicando la correccin de Bonferroni) bien para
muestras independientes o relacionadas para interpretarla.
Los supuestos del anlisis se analizan mediante los tests de
Levene, Mauchly y Box que deben de darnos no signica,vos.

54


- Analizamos los datos con un ANOVA factorial mixto 2 (gnero: inter) x 3 (evaluaciones:
intra) que mostr que

55
h) Anlisis de diseos con covariables ANCOVA

Para cuando queramos desligar a posteriori el
efecto que una variable contaminante cuanKtaKva
(o covariable) Kene sobre la VD

SPSS: Analizar + Modelo lineal general +
Univariante + meter la covariable + Opciones:
es,maciones del tamao del efecto + Post hoc

P.e. en GSS2012: existen diferencias entre razas (v97) en el nmero de hijos (v14)
controlando el efecto de le edad (v6)?
56

Tamao del efecto y meta-anlisis.

Un meta-anlisis es un trabajo de revisin
donde se promedia los tamaos del efecto de
disKntos experimentos realizados sobre un
mismo tema (p.e. metaanlisis de Smith y Vela,
2001, sobre el efecto del contexto en la
memoria).
57
Temas 4 y 6. Diseos cuasiexperimentales y ex post facto
Los diseos cuasiexperimentales Kenen por objeKvo establecer

relaciones de causa-efecto entre la(s) VI-VD, pero al no poder asignar
aleatoriamente los sujetos a los tratamientos (como ocurre p.e. en
invesKgaciones de mbito escolar, hospitalario, empresas, etc.,
donde la VI se manipula por seleccin), no tenemos garanVas a priori
de que los grupos que comparamos sean equivalentes en las disKntas
variables contaminantes o extraas, por lo que las relaciones de
causalidad no pueden demostrarse al 100% (es decir a priori no
Kenen tanta validez interna como los experimentos).

En la medida en que el invesKgador sea capaz de ir descartando las
hiptesis alternaKvas explicaKvas de la variacin de la VD,
principalmente haciendo que los grupos sean equivalentes en todas
las disKntas variables contaminantes antes de recibir el tratamiento,
es decir controlando el sesgo por seleccin, en esa medida ir
aumentando la validez interna.
58
Se hace muy diZcil sistemaKzar la amplia variedad de

diseos cuasi-experimentales (ver p.e. Cook y Campbell,
1979):

Diseo de grupo nico slo post-tratamiento. Tiene poca
validez interna, pero a veces slo nos queda esta opcin de
diseo (p.e. en la valoracin de programas: evaluar el
impacto de una campaa publicitaria o una ley de
educacin).

Diseo pre-post de un solo grupo: Tiene tambin poca
validez interna, pues no permite p.e. descartar que la
mejora sea por sugesKn, por efecto del
experimentador, por efecto de la prcKca
59

Diseo pre-post con grupo control, es decir, diseo

mixto 2 (pre-post; intra) x 2 grupos (control y
experimental; inter): Uno de los diseos
cuasiexperimentales ms uKlizados. Para aumentar la
validez interna debemos intentar que ambos grupos en
el pre-tratamiento sean lo ms equivalentes posibles en
las variables contaminantes. Si hay efecto tratamental,
entonces en el ANOVA deberemos encontrar una
interaccin signicaKva, no habiendo diferencias en el
pre-test, pero s en el post-test.

60
Diseos evoluKvos: En Psicologa evoluKva y del

desarrollo se suelen emplear diseos en los que
la VI es el Kempo o la edad. Todos ellos son
diseos cuasi-experimentales pues la
manipulacin de dicha VI es por seleccin. Se
suele hablar de diseos evoluKvos:

- Transversales: comparar varios grupos de
edades disKntas (o cohortes) en un mismo
momento temporal.
- Longitudinales: seguir la evolucin en el Kempo
de uno o varios grupos (parecidos a los diseos
de series temporales).
61

Diseos de series temporales: Medimos muchas veces la

VD a lo largo del Kempo (=VI) en una o varias muestras.
P.e:

- Diseo pre-post de un solo grupo: medimos varias veces la
VD antes del tratamiento y despus del mismo para ver su
evolucin.

- Diseo pre-post con grupo control. Es decir obtendremos
dos series temporales: una para el grupo experimental y
otra para el grupo control. Para aumentar la validez
interna debemos intentar que ambos grupos en el pre-
tratamiento sean lo ms equivalentes posibles en todas
las posibles variables extraas.

62
Diseos ex post facto:

- retrospec,vos: cuando analizamos las causas de una
VD anteriores a su medicin (p.e. causas de una
enfermedad, de los accidentes de trco,)
- prospec,vos: cuando analizamos a posteriori los
efectos de la VI seleccionada sobre la VD (p.e. Los
hijos de padres divorciados Kenen la misma
autoesKma que los hijos de padres no divorciados?)
como un diseo cuasi-experimental donde hay
que controlar el sesgo por seleccin

63
Tema 5. Diseos experimentales de caso nico
Se uKlizan en el mbito de la psicologa clnica (tradicin del anlisis experimental de la

conducta), cuando no se puede trabajar con grupos, generalmente para vericar si determinada
terapia clnica ha sido efecKva o no. No son tan aconsejables como los experimentos con grupos,
pues su validez externa es limitada, pero si logramos establecer que las variaciones en la VD son
debidas exclusivamente a la manipulacin de la VI, desterrando otras causas, entonces Kenen
tanta validez interna (que no externa) como los experimentos convencionales. La validez externa
se suele demostrar mediante disKntas replicaciones de la invesKgacin.

No hay que confundir los experimentos de caso nico con los llamados estudios de casos, que no
son experimentos (pues no hay control, ni validez interna) si no invesKgaciones descripKvas de la
evolucin de pacientes clnicos propia corrientes clnicas psicoanalistas, humanistas, etc.

Entre las principales variables extraas que pueden afectar a la validez interna de los
experimentos de caso nico caben destacar: mejora por autosugesKn (efecto placebo),
maduracin biolgica de los sujetos (sobre todo en nios), reacKvidad posiKva del paciente ante
el terapeuta, conductas patolgicas cclicas, etc.

Pero, repeKmos, lo importante en este Kpo de invesKgacin es que el autor nos garanKce la
validez interna de la misma, es decir, garanVas de control de las variables extraas.
Dado que trabajamos con un nico sujeto no se pueden aplicar las pruebas estadsKcas
convencionales, por lo que la ecacia del tratamiento se suele presentar tan slo mediante
grcos.

64
Estructura de los experimentos n=1

A pesar de que hay una gran variedad de diseos n=1 (ver Barlow y Hersen, 1988; Bono y Arnau,
2014; Kazdin, 1988) todos ellos comparten tres fases bsicas secuenciales:

a) Establecer una lnea base de la conducta patolgica. Para ello deberemos de tomar una serie de
registros de la conducta patolgica (VD) durante un periodo de Kempo sucientemente largo que nos
permite analizar la tendencia y variabilidad de dicha conducta. Esta serie se suele llamar por
convencin fase A o lnea base.
b) Aplicar la terapia que sea (refuerzos, casKgo, relajacin, frmacos, economa de chas, Kempo
fuera, aproximaciones sucesivas, etc.) y conKngentemente repeKr la serie de registros sobre la misma
conducta patolgica (o fase B o tratamiento).

c) Interpretacin de los resultados. Por tradicin del anlisis experimental de la conducta se suele
hacer por medio de un simple anlisis visual de las grcas. De todos modos hay que cerciorarse de
que tengamos sucientes registros por serie, prestando singular atencin a los cambios de tendencia
y de nivel de la variable dependiente, y desconando cuando sta muestre mucha variabilidad. Hay
pruebas estadsKcas que nos pueden ayudar a salir de dudas, p.e. anlisis de series temporales,
tcnica de divisin en mitades, etc. pero suelen ser diZciles de interpretar.

65
Principales Kpos de diseo n=1

AB o lnea base-tratamiento. Es el ms sencillo de aplicar pero
Kene poca validez interna, dado que puede haber variables
extraas enmascaradas que expliquen la mejora del paciente
(p.e. por autosugesKn). Pero a veces es el nico que se puede
aplicar (por limitaciones temporales p.e.)
BAB: se aplica cuando la intervencin ha de ser inmediata (p.e. en
conductas autodestrucKvas).
ABA: Poco uKlizado por que acaba en una fase sin tratamiento, lo
que provoca el desinters de los pacientes.
ABAB o de "vuelta atrs". Es el ms uKlizado por ser el que ms
validez interna Kene, pues permite detectar recuperaciones
espontneas por autosugesKn, mejora por empaVa con el
terapeuta, etc.

66
Diseos de lnea base mlKple.

Son una extensin de los diseos AB pero aplicados sobre disKntas conductas (VD) a modicar (o tambin
sobre la misma VD medida en disKntos pacientes) a las que se aplica un mismo tratamiento. Su estructura
general es del Kpo (donde cada columna representa un mismo momento temporal)

AB sobre la 1 conducta a modicar
AAB sobre la 2 conducta
AAAB sobre la 3 conducta
AAAAB, sobre la 4 conducta , etc.

Por ejemplo a travs de un diseo de lnea base mlKple un maestro podra estar interesado en mejorar la
capacidad lectora (VD1), capacidad de clculo (VD2) y habilidades psicomotrices (VD3) de sus alumnos
aplicando un sistema de economa de chas segn el esquema anterior. La ventaja de estos Kpos de diseo
es que Kenen alta validez interna, pues observando las lneas base no tratadas podemos encontrar variables
extraas enmascaradas. En nuestro ejemplo si tras aplicar la economa de chas sobre la capacidad lectora
vemos que la lnea base de la capacidad numrica aumenta querra decir que posiblemente hay una variable
enmascarada detrs (p.e. la moKvacin).
Para aplicar este Kpo de diseos hay previamente que vericar que 1) las disKntas VD no estn
correlacionadas, es decir, sean independientes y 2) sean igualmente sensibles a la misma VI o tratamiento.

67
Tema 7. Diseos de encuestas
Los diseos de encuestas (tambin conocidos como metodologa correlacional,

psicomtrica, selecKva o de tests y cuesKonarios) Kenen por objeKvo describir variables
(psicolgicas, sociales, ...) y analizar sus relaciones mediante la aplicacin de encuestas,
test o cuesKonarios a muestras representaKvas de sujetos. Representa la otra forma de
entender la Psicologa cienVca (Crombach, 1957) siguiendo la tradicin comenzada por
Binet, Pearson, Spearman, Thurstone,...

Se diferencia de las metodologas experimental y cuasi-experimental en que:
no hay manipulacin de variables, es decir no hay VI
no hay control de variables extraas
la informacin se recolecta pasando a los sujetos tests, cuesKonarios o encuestas, que
son herramientas estandarizadas de recogida de informacin, compuestas por una
serie de preguntas (o tems), y que deben cumplir determinados requisitos
psicomtricos (abilidad y validez)
no se pueden establecer relaciones de causa-efecto si no tan slo describir y observar
qu va con qu (relaciones)
las muestras suelen ser ms grandes (>200) y representaKvas (uKlizando para su
seleccin mtodos de muestreo adecuado)

68
FASES EN LA ELABORACION DE UNA ENCUESTA:

Para elaborar una encuesta hay que decidir sobre una
serie de aspectos importantes:
qu es lo que queremos medir (elaboracin de
preguntas, etc.), es decir disear la encuesta
cul es la poblacin objeto estudio (y cmo seleccionar
la muestra)
cmo pasar la encuesta, es decir cmo organizar el
trabajo de campo
como tratar la informacin recogida (codicacin y
anlisis estadsKco)
Ampliaremos ahora cada uno de estos puntos.
69
a) Diseo y elaboracin de la encuesta: Supone un reexin profunda sobre

cada uno de estos puntos:
Establecer claramente los objeKvos de la encuesta (qu se quiere medir)
Operacionalizar dichos objeKvos, lo que no siempre es fcil (p.e. cmo
medir el desarrollo cogniKvo). Esta fase es pues de fundamental
importancia.
Elaborar preguntas concretas (items). Deberemos considerar si las
preguntas sern de alternaKvas cerradas (Kpo cuesKonario, y en ese
caso cuanKtaKvas, semicuanKtaKvas escalas Kpo Likert-, o cualitaKvas)
o abiertas (Kpo entrevista, las cuales complican la codicacin y anlisis
posterior; ver p.e. Len y Montero, pps. 117-122).
Pasar este primer borrador a una muestra piloto para obtener
informacin sobre su abilidad ( de Crombach => 0.80), anlisis de
tems, anlisis de calidad de los datos (preguntas sin responder o muy
cargadas en las alternaKvas NS, NC, etc).
Revisin de la encuesta tantas veces como sea necesario hasta tener
certeza de que todas las preguntas son necesarias y se enKenden bien,
su orden es el adecuado y que la encuesta es able, corta y moKva al
sujeto a responder.
70
b) Seleccin de la muestra. Deberemos aqu:

denir la poblacin objeto de estudio prestando atencin a cmo
se estraKca dicha poblacin (p.e. en provincias, en municipios,
etc.) y qu se pretende comparar (p.e. hombres vs mujeres)
denir cmo seleccionaremos la(s) muestra(s) para que sea
representaKva. La representaKvidad de las muestras se consigue
por medio de tcnicas de muestreo y un tamao muestral
adecuados (ver abajo).
por lKmo no debemos olvidar que siempre que queramos
describir las caractersKcas especcas de un muestra concreta
(p.e. cules son los rasgos de personalidad de las adolescentes
anorxicas?) deberemos sopesar la necesidad de incluir un grupo
control equivalente (p.e. de adolescentes no anorxicas) para
analizar si tales rasgos son idiosincrKcos de aquel grupo o no.

71
Tipos de muestreo:

1) No probabilsKco (plantea problemas de validez externa):

- Muestras accidentales (sesgadas. p.e. encuestas en
peridicos)
- Muestreo a propsito, p.e. para ensayos piloto.
- Muestreo de poblaciones de dcil localizacin (p.e.
drogodependientes, poblaciones clnicas, etc.)

72
Tipos de muestreo:
2) ProbabilsKcos:
Aleatorio simple. Slo se emplea en poblaciones (pequeas) donde tengamos
una lista de todos los individuos.
SistemKco: supone elegir al azar un individuo de los N/n primeros (o entero ms
prximo) de una poblacin y luego ir escogiendo los situados de N/n en N/n
posiciones ms alejadas hasta conformar una lista de tamao n.
EstraKcado (proporcional o no): Para poblaciones estraKcadas (p.e. en
provincias) calculamos la proporcin de sujetos de la poblacin que componen
cada estrato y luego mulKplicamos dicha proporcin por el tamao de mi
muestra n (concepto de ajacin). Luego podemos elegir individuos al azar
dentro de cada estrato.
Por conglomerados. Se aplica tambin en poblaciones estraKcadas, pero a
diferencia del muestreo estraKcado (donde se muestrean todos los estratos),
aqu no muestreamos todos los estratos si no slo una muestra aleatoria de los
mismos (es decir, los estratos que no entran en dicha muestra aleatoria no son
encuestados).
Polietpico: Combinacin de todos los anteriores. P.e. siguiendo un
procedimiento estraKcado o por conglomerados ajar el tamao muestral
adecuado a cada estrato y luego elegir una ruta aleatoria por cuotas de edad,
sexo, etc.
73
Tamao muestral:
Depende entre otras cosa del tamao de la poblacin, del nivel de conanza, y
del error de muestreo (= o la mitad de la amplitud del intervalo condencial
del parmetro a esKmar) dispuestos a asumir. Con ello consultaremos
cualquier tabla de los libros de estadsKca (ver p.e. Len y Montero, 2003, pp.
111)

Tanto el Kpo de muestro uKlizado como los anteriores parmetros deben de
reejarse claramente en la cha tcnica de la encuesta .

74
c) Organizacin del trabajo de campo.

Debemos decidir aqu cmo vamos a pasar a la
encuesta a los sujetos: mediante un pase colecKvo
con instrucciones por escrito (Kpo cuesKonario),
mediante encuestas personales a pie de calle, por
correo postal, por telfono, por internet, etc.
debiendo conocer las ventajas e inconvenientes de
cada uno de estos medios (ver Len y Montero,
pps. 123-124).

75
d) Codicacin y anlisis estadsKco de los datos.

Antes de analizar se recomienda:

elaborar un libro de cdigos que especique los valores permiKdos para cada variable y
recodicaciones lcitas (tems inverKdos, etc).
llevar a cabo un control de calidad de los datos analizando la coherencia de los mismos, analizar
si hay muchos valores faltantes (aleatorios o no?), su signicado y cmo tratarlos (eliminacin,
imputacin, etc.)

Una vez contrastada la calidad de los datos ya podemos llevar a cabo los anlisis estadsKcos. Las
tcnicas ms uKlizadas son anlisis descripKvos de cada tem, tablas de conKngencia y anlisis de
correlaciones entre ellos (y en su caso regresin, Anlisis Factorial, etc.). Hay que calcular la
abilidad de la encuesta ( de Crombach =>.80). Dado su coste no se suelen hacer estudios de
validacin de las encuestas: la estrategia suele ser dar por vlidos los datos mientras no se
demuestre lo contrario.

No olvidar nunca que a la hora de interpretar los resultados que no podemos sugerir nunca
relaciones de causa y efecto.

No debemos olvidarnos de elaborar la cha tcnica de la encuesta donde se debe especicar,
entre otras cosas, la poblacin objeto de estudio, el Kpo de muestreo empleado, el tamao
muestral, el nivel de signicacin con el que trabajamos y el error de muestreo, la fecha de
realizacin, y la abilidad.
76

DISEOS DE ENCUESTAS:

La taxonoma ms aceptada suele disKnguir entre:
diseos transversales: una muestra medida una sola vez. Son los ms
uKlizados.
diseos longitudinales, donde se persigue analizar cmo una poblacin
cambia en el Kempo (p.e. en su tendencia de voto). Cabe hablar de
varios Kpos:
1. Cuando la misma muestra es encuestada ms de una vez (p.e. antes y
despus de una campaa polKca o publicitaria) se habla de diseos de
panel. Su principal problema es la mortandad.
2. Ms comn es encuestar muestras disKntas (pero equivalentes) en
disKntos momentos temporales (como se hace en los sondeos de
intencin de voto, barmetro del CIS,). Se les llama diseos de
tendencias.
3. En los diseos de cohorte se estudia la evolucin de una cohorte (o
generacin) a lo largo del Kempo y/o su contrastacin con otras
cohortes (p.e. educados en la dcada de los 60 vs educados en la
dcada actual).
Ejercicios del libro de Gambara (pps 32 a 55, a.i.) 77

Tema 8. InvesKgacin observacional
La metodologa observacional se caracteriza por:

se suele aplicar en poblaciones donde es diZcil hacer
(cuasi-) experimentos o encuestas como p.e. en
poblacin infanKl, poblacin con patologas severas
(p.e. deterioro mental)
las conductas se observan en sus contextos naturales de
aparicin, con un objeKvo descripKvo (no demostrar
relaciones causales)
poca o nula intervencin del invesKgador para observar
conductas generadas espontneamente (p.e. mediante
grabacin en vdeo)
78
La observacin cienVca ha de ser:

SistemKca y estructurada, es decir replicable por otro
invesKgador
able, es decir, que otro invesKgador en condiciones
similares debera obtener registros similares
vlida, es decir, que mida lo que realmente
pretendemos medir y no otra cosa: que no produzca
reacKvidad en el sujeto observado y que las
expectaKvas del invesKgador no afecten a los
resultados.

79
El invesKgador, antes de llevar a cabo una invesKgacin

observacional, ha de tener claro qu, cmo, cundo y dnde y por
qu (hiptesis) observar.

Para ello es muy Kl documentarse sobre trabajos llevados a cabo
sobre el mismo tema, y llevar a cabo estudios previos asistemKcos,
que nos ayudarn a establecer las categoras de observacin.

A) QU OBSERVAR:
Es imprescindible operaKvizar la conducta a observar (p.e. la
conducta agresiva), y descomponerla en sub-conductas que la
evidencien (p.e. pega al nio de lado, le empuja, le grita, le Kra sus
cosas al suelo, etc).

El objeto a observar puede ser: animales, una sola persona (incluido
uno mismo o autoobservacin), las interacciones sociales (parejas,
familias o cualquier otro grupo social), etc.
80

B) CMO OBSERVAR:

En primer lugar hemos de decidir sobre el grado de intervencin del invesKgador: Podemos
elegir entre no intervenir para nada en la observacin (observacin naturalista, que es la
que provoca menos reactancia en los sujetos), intervenir lo menos posible (en la
observacin parKcipante o en el estudio de casos clnicos) hasta intervenir plenamente
(p.e. en estudios etnogrcos).
En la actualidad es de muchsima uKlidad el uso de video-cmaras para facilitar la
observacin sin intervenir en ella. Hay que dar un Kempo de habituacin a los sujetos y
pedirles permiso por escrito para grabarles.
Podemos elegir entre llevar a cabo un mero registro verbal de lo observado, pero es mejor
uKlizar planJllas de registro observacional ( cdigos de observacin) formadas por
categoras excluyentes y exhausKvas situadas en un mismo nivel de anlisis (ver consejos
Len y Montero, pps. 87-88). En ellas deberemos decidir si vamos a medir:
Ocurrencias (s-no)
Frecuencias (absolutas o relaKvas)
Latencias (Kempo que tarda un sujeto en responder a un esVmulo)
Duracin de una conducta
Intensidad de una conducta
La documentacin previa y realizacin de uno o varios registros previos asistemKcos nos
darn retroalimentacin sobre la adecuacin o no de las categoras que hemos elegido.

81
C) CUANDO OBSERVAR:
Lo ideal sera observar siempre al objeto de estudio pero eso casi
nunca es posible. Por ello se suelen uKlizar muestreos de Kempo,
bien sistemKcos o jos (p.e. siempre a la misma hora o
coincidiendo con determinadas conductas), bien aleatorios
(empleando mtodos de muestreo). Y pudiendo elegir tambin
entre muestreos conKnuos (registramos todo lo que ocurre en un
determinado periodo de Kempo) o por intrvalos (intercalando
periodos de observacin con periodos de registro).

D) DONDE OBSERVAR:
Cabe aqu lo dicho arriba. Casi nunca es posible observar en todas
las situaciones al sujeto observado, por lo que se suele recurrir a
los muestreos de situaciones, bien sistemKcos, bien aleatorios.

82
ANALISIS DE LA FIABILIDAD
Es imprescindible que nuestras observaciones sean ables.
Para demostrarlo hay que analizar el grado de acuerdo o
consenso entre dos o ms observadores o jueces
independientes (entrenados debidamente y ciegos
respecto a las hiptesis):
Si la variable observada es cuanKtaKva o semi-cuanKtaKva se
uKliza el coeciente de correlacin de Pearson, mientras que
si es cualitaKva se uKliza el coeciente Kappa de Cohen, que
descuenta la probabilidad de coincidir por azar:
SSPS: Analizar > Estads,cos descrip,vos > Tablas de
con,ngencia + Estads,cos + Kappa
En cualquier caso se exige que la abilidad interjueces sea
como mnimo de 0.80. Dicha abilidad debe de ser siempre
incluida en el informe.
83
La validez de la observacin depende sobretodo de la

calidad del muestreo de situaciones y momentos elegidos.
Dos fuentes de error que afectan a la validez son:

la reacKvidad en el sujeto observado (que se puede
reducir habitundolo a la presencia de la cmara o del
invesKgador)
las expectaKvas del invesKgador que pueden sesgar los
registros. La mejor manera de controlar esta variable es
trabajar con invesKgadores ciegos.

84

PPTDisenos PDF

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

PPTDisenos PDF

Uploaded by

Copyright:

Available Formats

DISEOS

A) El mtodo cienVco en Psicologa

Denir la Ciencia es diZcil. Lo que dene a una ciencia no es su objeto de estudio si no

El mtodo cienVco sigue una serie de pasos secuenciales:

La Psicologa gan el estatus de ciencia slo cuando demostr que era

Desde sus inicios se ha hablado de dos tradiciones o enfoques en la

Los disKntos diseos de invesKgacin en Psicologa se podran sistemaKzar

b) Metodologa cuasi-experimental. Su objeKvo es el mismo que el de la

c) Metodologa de encuestas (o correlacional, psicomtrica, o de tests y

B) EL DISEO DE UNA INVESTIGACIN EN PSICOLOGIA

1) Denir la pregunta o problema de invesKgacin, que debe de ser:

2) Deduccin de hiptesis contrastables empricamente, y lo ms concisas posible (p.e. en formato SI ...

4) Determinacin de con qu materiales (cuesKonarios, tests, planKllas de registro

Un experimento es una invesKgacin: 1) donde el invesKgador Kene

Recordemos que la validez interna se reere a la seguridad en que la

La validez interna es requisito imprescindible de todo experimento.

En diseo experimental tambin son importantes:

AMENAZAS A LA VALIDEZ INTERNA

AMENAZAS A LA VALIDEZ INTERNA

AMENAZAS A LA VALIDEZ INTERNA

TAXONOMIA DE DISEOS EXPERIMENTALES

En funcin del nmero de VD se suele disKnguir tambin entre diseos

A. Diseos intersujeto (o de grupos al azar).

Representan el concepto protoVpico de experimento clsico donde los sujetos son

En los diseos factoriales no slo hemos de analizar (mediante anlisis

Pueden exisKr as mismo interacciones de ms de 2 VIs.

D) Diseos factoriales mixtos

Conceptos previos de EstadsKca Inferencial:

sig >.05 sig .05

a) Anlisis de diseos unifactoriales de dos niveles inter

Los resultados se citan as:

b) Anlisis de diseos unifactoriales de dos niveles

Los resultados se citan as:

c) Anlisis de diseos unifactoriales de tres o ms niveles inter (ejercicio 3)

Los resultados se citan as:

d) Anlisis de diseos unifactoriales de tres o ms niveles intra (o tres o ms

Los resultados se citan as:

e) Anlisis de diseos factoriales inter

Los resultados se citan as:

el efecto principal de la variable A no fue signicaKvo (F1,120=1.21, 2p=0.18, ns),

f) Anlisis de diseos factoriales intra ANOVA factorial

Los resultados se citan as:

el efecto principal de la variable A no fue signicaKvo (F1,120=1.21, 2p=0.18, ns),

g) Anlisis de diseos factoriales mixtos ANOVA factorial

Los resultados se citan as:

el efecto principal de la variable A no fue signicaKvo (F1,120=1.21, 2p=0.18, ns),

h) Anlisis de diseos con covariables ANCOVA

Tamao del efecto y meta-anlisis.

Los diseos cuasiexperimentales Kenen por objeKvo establecer

Se hace muy diZcil sistemaKzar la amplia variedad de

Diseo pre-post con grupo control, es decir, diseo

Diseos evoluKvos: En Psicologa evoluKva y del

Diseos de series temporales: Medimos muchas veces la

Diseos ex post facto:

Se uKlizan en el mbito de la psicologa clnica (tradicin del anlisis experimental de la

Estructura de los experimentos n=1

Principales Kpos de diseo n=1

Diseos de lnea base mlKple.

Los diseos de encuestas (tambin conocidos como metodologa correlacional,

FASES EN LA ELABORACION DE UNA ENCUESTA:

a) Diseo y elaboracin de la encuesta: Supone un reexin profunda sobre

b) Seleccin de la muestra. Deberemos aqu:

c) Organizacin del trabajo de campo.