Tema 4:

I. Introducción
Nada que destacar

II.Objetivos
Nada que destacar

III. Contenidos específicos del tema

Por un lado, se compararán las dos disciplinas de la Psicología científica, y su relación con las
diferencias individuales. Por otro se analizarán las estrategias metodológicas de la disciplina.

1. De este punto solo entra El "cubo de datos" de R.B. Catell que procedemos a explicar.

Ya hemos hablado de que la Psicología diferencial se basa en muchos tests y ver luego que
características influyen y como en otras variables, con métodos estadísticos correlacionales (que
miran que relación tienen unas variables con otras, como se influyen mutuamente). Lo que llamamos
técnicas multivariadas (después se profundiza en estas técnicas) en el cual encontramos el "cubo de
datos" de Catell. Representa los diferentes tipos de relaciones bivariadas (bivariadas porque la
tercera no varía) que pueden darse entre las variables objeto de estudio:
1. Personas o individuos.
2. Situaciones (tests, conductas) (como se reacciona a situaciones estresantes, por ejemplo).
3. Ocasiones (tiempo) (en qué ocasión, cuándo)
De la relación de estas variables surgen una serie de técnicas, que vamos a describir por pares,
teniendo en cuenta que variable queda constante:

Técnica R Técnica Q
Características comunes para ambas técnicas:
Variable constante: la 3º. El tiempo (en una sola ocasión o momento temporal)
Relación bivariada: Personas y situaciones
No informan de la variabilidad intraindividual. (Si la constante fuera las personas, entonces
si informaría de variabilidad intraindividual, pues se estudiaría diversidad de situaciones en
distintos momentos, pero en el mismo sujeto, por lo que se podría ver como varía el sujeto en
distintas situaciones y momentos, al ser la variable constante el tiempo, se usan distintos
individuos no pudiendo ver la variabilidad intraindividual).
Estudio transversal (es transversal por que la variable constante es la del tiempo, todo sucede
en el mismo momento temporal, y eso es la definición de transversal).
Correlaciona pares de variables o Tests en Personas x Tests
múltiples Personas en un momento en Correlaciona pares de variables o test en
concreto. múltiples personas, en un momento concreto.
Es la más usada Trata de hallar tipos de personas o grupos
Trata de hallar factores que agrupen los de individuos. Aquí sería la complementaria,
distintos tipos de situaciones (o tests). Por al correlacionar personas con tests
ejemplo, aquí lo que se pretendería sería ver (situaciones), sería ver que tipos de personas
que situaciones (tests) causan estrés, es decir, son más nerviosas, o más calmadas, etc… ante
poseen factores estresantes. Por eso se una misma situación las personas puntuarán
compara Tests (tests y situaciones aquí es lo más o menos en una característica puediendo
mismo) en distintas personas. clasificarlas en, por ejemplo, neuróticas, o
cariñosas, o lo que se quiera.
Técnica P Técnica O

Manuel Mateu 2018

 Variable constante: 1 único sujeto (aquí sí que se mediría la variabilidad intraindividual)
Relación bivariada: situaciones y tiempo
Estudio longitudinal
Estudia el cambio intraindividual con la La complementaria, que tipos de situaciones
conducta. Tests (situaciones) x Tiempo. Por afectan a una persona a lo largo del tiempo.
ejemplo, como ha ido variando la capacidad Por ejemplo, que tipos de situaciones son
intelectual del sujeto con la edad. alegres para un individuo
Técnica S Técnica T
Variable constante: situación concreta (test o conducta)
Relación bivariada: personas y ocasiones.
Estudio longitudinal.
Personas x ocasiones (tiempo), trata de Ocasiones x Personas, estudia las semejanzas
determinar las semejanzas y diferencias de un y diferencias de los momentos temporales en
grupo de personas a lo largo del tiempo en una distintas personas, de esa situación en
situación en concreto (que es la variable que concreto. Por ejemplo, se podría estudiar el
dejamos constante). Por ejemplo, la comportamiento altruista en diferentes
frecuencia con la que se va al médico en las momentos y en diferentes individuos.
distintas etapas de la vida.

2. Investigación en diferencias individuales

2.1 Las dos disciplinas de la Psicología Científica.

Nos acercamos a la "Psicología experimental" y a la "Psicología Correlacional". Dos disciplinas con

orígenes distintos y metodologías claramente diferenciadas. Según Eysenck "las dos caras de la
Psicología":

a) La psicología experimental

Se encuentra enraizada a las investigaciones de W. Wundt y I. Pavlov, quienes adaptaron la

metodología empleada por la fisiología experimental al estudio de las actividades psíquicas. Sigue un
enfoque nomotético (de encontrar las leyes generales)

Sigue el principio de causalidad dentro del paradigma Estímulo-Respuesta. Con ello se pretende ver
como la manipulación de la variable independiende (dada por el investigador), influye en la variable
dependiente. Se intenta controlar todas las demás variables, por lo que posee una alta validez interna
(validez interna es que solamente influye lo que se está estudiando, por contra, al realizarlos así se
dan situaciones de laboratorio que muchas veces nada tienen que ver con la realidad donde se
desenvuelve normalmente el sujeto. Experimentos que respetan el hábitat natural poseerían validez
externa, claro que entonces se dan muchas más variables, que no se pueden controlar).

Para conseguir la validez interna se procura suprimir en la medida de lo posible la influencia de las
diferencias individuales (la varianza entre individuos), consiguiendo grupos experimentales
homogéneos. Eso se consigue con la asignación aleatoria de la muestra. La aleatorización no elimina
la variabilidad debida a "variables extrañas", sino que la distribuye equitativamente entre las
diferentes condiciones experimentales.

Desde el punto de vista estadístico lo más usado es el Análisis de varianza.

Manuel Mateu 2018

 b) La psicología correlacional

Influyó sobre todo F.Galton y Ch. Spearman, influidos a su vez por la "Teoría de la evolución". Se
basan en el paradigma Correlacional cuyo objetivo es la "varianza entre individuos". Sigue un enfoque
nomotético, en el intento de establecer principios generales sobre las diferencias individuales, que
permitan, el conocimiento del individuo, es decir, que permitan un enfoque ideográfico.

Se sirve de técnicas multivariadas de análisis de datos, especialmente el "análisis de correlaciones" y

posteriormente el "análisis factorial".

Esta disciplina no habla en términos de causalidad sino en términos de covariación entre múltiples
variables y de cómo se agrupan entre sí, teniendo como objetivo describir, ordenar y clasificar los
datos observados (no controlables experimentalmente) tal y como éstos se manifiestan en la
naturaleza. Para ello se usan contextos naturales en ausencia de manipulación experimental (validez
externa). De hecho, las variables que estudia esta disciplina no pueden ser manipuladas
experimentalmente, pues son el sexo, la edad, clase social, nivel educativo etc...

El paradigma correlacional requiere de tratamientos uniformes (control de las variables ambientales

o situacionales) para garantizar, en mayor medida, la validez externa de las diferencias individuales
observadas y sólo mediante el paradigma correlacional se podrá conocer el alcance y las
características de las diferencias individuales existentes en una variable psicológica dada.

En todo caso, la Psicología de las Diferencias Individuales no debe identificarse, en última instancia, ni
con las estrategias correlacionales ni con las experimentales. La de corte clásico (Psicología Diferencial)
si es verdad que se había encorsetado en las técnicas correlacionales, pero esto solo permitía llevar a
cabo el Primer estadio, descriptivo y predictivo, por lo que la actual también aboga por las
aproximaciones experimentales cuando se llega al segundo estadio.

Una vez entendido esto, es muy importante aprenderse el siguiente cuadro.

Manuel Mateu 2018

3. Diseños de investigación en el estudio de las diferencias individuales.

Las hipótesis descriptivas y predictivas has sido las habituales en una Psicología Diferencial de corte
clásico, pero cada vez aumenta el número de investigaciones de hipótesis de carácter explicativo
asociadas a modelos teóricos.

Las técnicas multivariadas son las herramientas estadísticas que más se utilizan en la Psicología de las
diferencias individuales. El concepto multivariado se refiere a un amplio rango de estrategias de
investigación y de análisis de datos que operan con muchas variables simultáneamente.

Estos análisis se dividen en técnicas o modelos de interdependencia (v y

a) Técnicas de interdependencia.

Vinculados al paradiga R-R, propio de la Psicología Diferencial clásica, que poseen un carácter
descriptivo y se basan en la covariación entre las variables estudiadas

Posibilitan describir, clasificar y hallar estructuras latentes (o constructos) de interés en los fenómenos
estudiados. Es decir, permite agrupar los muchísimos datos observados en una serie de dimensiones
con el fin de obtener una estructura que facilite describir los fenómenos estudiados.

b) Técnicas de dependencia

Cuyo paradigma representativo es el E-R, ya que trata de predecir uno o más variables criterios, o
variables dependientes en función de una o más variables predictoras o variables independientes.
Estas variables pueden ser de dos tipos, métricas (cuantitativa, normalmente será la variable
dependiente) y no métricas (cualitativas, como ser hombre o mujer, normalmente será la variable
independiente).

A continuación, se van a describir brevemente los diseños de investigación más utilizados en el estudio
de la variabilidad humana, diferenciados en dos bloques: el primero, referido al grado de
manipulabilidad, en donde se incluyen los diseños correlacionales y los propiamente experimentales
y el segundo referido a la variable tiempo.

3.1. Manipulabilidad de los diseños

3.1.1. Diseños ex-post-facto

Se caracterizan por lo siguiente:

a) El científico o investigador, no puede manipular ni tampoco modificar la variable

independiente (VI), puesto que ya viene dada (los sujetos que van a ser investigados ya
presentan ese valor, por ejemplo, comparar hombres y mujeres, o personas con ojos verdes y
ojos negros).

b) El investigador no realiza una “asignación aleatoria” de los sujetos, si no que lleva a cabo
una selección de los sujetos en función de que posean o no esa variable independiente.

Estos diseños representan el experimento típico en una Psicología de las diferencias individuales en
donde se analizan las interdependencias entre las variables. A pesar de no basarse en análisis causales,
sí es frecuente distinguir entre variable dependiente, con valor descriptivo, pues es la que tiene que
explicarse a través de su relación con la variable independiente, que por tanto será la que tiene ese
valor explicativo. Lo primero que se realiza es la selección de sujetos y después se mira como puntúan
en distintos test, por eso, la VI es anterior a la VD.

Manuel Mateu 2018

De acuerdo con estos aspectos, se establecerán dos tipos de diseños, también denominados
“métodos comparativos”

a) Diseños correlaccionales

Son aquellos procedimientos destinados a explorar y estructurar un campo de observación dado, así
como al estudio de hipótesis de naturaleza meramente relacional. Seguidamente se analizan estos
aspectos según los tipos de objetivos propuestos por el investigador: (estos objetivos, van a ser los ya
mencionados propios de la disciplina, en un Primer estadio, objetivos descriptivos y predictivos, y en
un segundo estadio, los explicativos).

1. Objetivos descriptivos: Un buen estudio descriptivo facilitará el posterior enunciado de

hipótesis empíricas más elaboradas en función de las relaciones detectadas. Se pueden distinguir los
siguientes apartados:

• Análisis de relaciones: Es de gran utilidad al explorar nuevas áreas de conocimiento. Trata

de conocer las relaciones entre variables de interés, las estrategias del investigador serán
de tipo correlacional. Específicamente, el índice de correlación de Pearson para muestras
paramétricas, y el de Spearman para no paramétricas.
• Análisis de estructuras: Se refiere a la posibilidad de encontrar la estructura según la cual
se relacionan esas variables, es decir, como se agrupan esas variables en función de sus
características comunes.

Para lograr este objetivo se recurre a múltiples técnicas multivariadas de interdependencia,

siendo el Análisis factorial el más importante. El análisis factorial clásico es conocido como análisis
factorial exploratorio, que pretende extraer la variación conjunta o la variabilidad que tienen en
común las variables observadas y con la mínima pérdida de información relevante, es decir, obtiene
la estructura que subyace a las relaciones entre dichas variables. El inventor fue Ch. Spearman, que
utilizó el método de las diferencias tetraédricas para estudiar la estructura de la inteligencia. Con su
fórmula, si daba cero, quería decir que había un único factor general del que dependían esas variables
estudiadas, en cambio si el valor era diferente de cero (con signo positivo o negativo), significaba que
había múltiples factores de grupo, es decir, que no dependían de un único factor.

El análisis factorial sigue las siguientes fases:

a) Seleccionar las variables a estudiar. Deben medirse en una escala métrica, es decir, deben
de ser cuantitativas y continuas.

b) Calcular la matriz de correlaciones entre las variables. Esto lo que significa es calcular las
correlaciones existentes entre todas las variables iniciales.

c) Extraer la matriz factorial básica. Una vez calculada, se extrae, haciendo una síntesis inicial
de las relaciones entre las vriables observadas.

d) Rotar la solución factorial: Es una movida matemática que lo que hace es facilitar la
interpretación de todas esas relaciones entre variables que ya hemos calculado y extraído.
Existen dos tipos de rotaciones, y en función de cual uses vas a obtener una interpretación de
los datos u otra, distinguimos:

Rotación Ortogonal: Desde el punto de vista matemático es la más recomendable ya

que ofrece una estructura simple y más fácil de interpretar. Se entiende que al usar esta
rotación te quedas con factores que son independientes entre sí. Usada por Thurstone.

Manuel Mateu 2018

 Rotación Oblicua: Es la que se usa si se cree que esos factores están relacionados
(como es habitual al investigar constructos psicológios). Este tipo de rotación permite
establecer estructuras factoriales de tipo jerárquico. Usada por Spearman.

e) Interpretar conceptualmente la matriz factorial rotada: Se interpreta todo los datos

obtenidos.

En este sentido de rotación e interpretación (uno de los puntos más débiles de la Psicología
Diferencial clásica era justo esa, esa subjetividad a la hora de interpretar datos), promovió el debate
entre Thurstone y Spearman. Ambos postularon teorías distintas, a raíz de usar distintas rotaciones.
Cada una de esas teorías se verán más adelante.

Uno de sus problemas más serios radica en su manifiesta dificultada a la hora de lograr la
necesaria invarianza factorial (Que no sea tan subjetiva y que dependa de la interpretación del
investigador, que sea más objetiva). Tal disparidad ha sido superada con los procedimientos de análisis
factorial modernos (como el análisis factorial confirmatorio, posible gracias a K. Jöreskog) que señalan
que la organización de la inteligencia, al igual que la personalidad, es jerárquica. En este sentido, los
factores que justifican las capacidades mentales y de personalidad se organizan jerárquicamente,
presentando distintos niveles de abstracción que se obtienen del análisis factorial de cada nivel.
Empiezas haciendo test, de diferentes capacidades específicas y a partir de la correlación de estos test
se obtienen los factores primarios (por ejemplo, la capacidad lectora, o verbal…). A su vez, estos
factores también se pueden relacionar (tienen una varianza común), dando factores secundarios
(inteligencia fluida, inteligencia viso- espacial, etc..) y si volvemos a factorizar obtenemos el factor de
inteligencia general. Sí, lo sé, menuda movida.

Así, mientras el análisis factorial exploratorio (el clásico), es muy útil en la elaboración de
hipótesis relativas a la organización del mundo que se observa (fase inductiva del proceso de
investigación), el análisis factorial confirmatorio (fase deductiva), pretende abordar la evaluación y el
correcto ajuste de los modelos teóricos. Es decir, su objetivo será, no ya explorar la organización de
un conjunto de datos, sino estimar si la estructura factorial que éstos configuran se ajusta a un modelo
teórico postulado a priori, es decir, lo confirma, por eso lo de confirmatorio.

2. Objetivos predictivos

De las variables que se van a estudiar permite establecer una división entre posibles variables
predictoras (variables independientes) y variables criterio (variables dependientes), técnicas como el

Manuel Mateu 2018

análisis de regresión, análisis discriminantes o la correlación canónica permiten estimar la potencia
predictiva del modelo previamente elaborado.

3. Objetivos explicativos.

A pesar de que la metodología correlacional (a diferencia de la experimental, como ya se dijo

en tema 3) ha sido escasamente utilizada para comprobar hipótesis explicativas, los nuevos avances
estadísticos abren paso a los “diseños correlacionales causales” que permiten establecer ciertas
inferencias causales (de causa-efecto). Existen cuatro criterios imprescindibles para realizar
afirmaciones causales:

1. Asociaciones suficientes entre dos variables

2. Antecedentes temporales de la causa frente al efecto. (Que se dé primero la causa y

después el efecto, si no, no hay causa-efecto).

3. Falta de alternativas a las variables causales

4. Base teórica para la relación

Guiado por este objetivo, el uso de modelos estructurales es cada vez más común, pues
permite trabajar con variables latentes a los indicadores externos con los que se trabaja (nos
acordamos que como los internos no eran directamente medibles, lo que se hacía era inferirlos a
través de indicadores externos), y, en segundo lugar, concluir acerca del ajuste de los datos desde un
modelo estadístico a un modelo teórico postulado a priori. Se recomienda el uso de este tipo de
técnicas sólo cuando el conocimiento previo del fenómeno a estudiar sea lo suficientemente
exhaustivo, y se encuentre en una fase de madurez adecuada para la toma de decisiones acerca del
mismo. De igual modo, los resultados obtenidos deben tomarse con cautela.

b) Diseños propiamente comparativos

Este tipo de diseño son calificados de “planes experimentales”. Están centrados en el análisis
comparativo de los valores medios. De esta forma, se pretende estudiar si existen diferencias
estadísticamente significativas al comparar las puntuaciones medias que obtienen diferentes grupos
(intergrupales) en la variable dependiente de interés.

Presentan importantes diferencias con el experimento riguroso. En concreto, los diseños

comparativos no se pueden manipular las variables independientes para observar los cambios
producidos en las variables dependientes y tampoco se pueden formar los grupos mediante una
aleatorización de los sujetos.

Los análisis estadísticos más usados son la prueba “t de Student” para comparar dos grupos, el
“Análisis de varianza” (ANOVA) para comparar tres o más grupos, y el “Análisis multivariado de
Varianza” (MANOVA) para comprar grupos en dos o más variables dependientes.

3.1.2. Diseños cuasi-experimentales

Si bien no puede establecerse una aleatorización de los sujetos, dado que estos son escogidos
en función de una variable independiente dada (sexo, raza, etc…), sí pueden manipularse, de forma
sistemática, las condiciones o tratamientos a los que estos sujetos experimentales son expuestos

Manuel Mateu 2018

pretenden analizar la interacción existente entre fuentes de variación individual significativas y
determinadas situaciones. Por sus características son considerados como el auténtico puente entre
las aproximaciones experimental y la correlacional.

En el estudio de las diferencias individuales hace más factible el contraste de hipótesis relativas a los
procesos subyacentes y al valor funcional de las variables personales a través del estudio de la
interacción con el entorno. Así, a través de estrategias de correlatos se examina el rendimiento de los
sujetos ante una serie de tareas experimentales.

3.2. Temporalidad de los diseños

El efecto de cohorte: Representa un sesgo metodológico inevitable en los diseños transversales. Una
cohorte de edad (o generación), es un grupo de personas que han nacido en el mismo año, y, por lo
tanto, han tenido las mismas influencias históricas (culturales, sociales, biológicas, etc.). Por ello,
cuando se encuentran diferencias al comparar diferentes cohortes de edad, éstas no se pueden
atribuir exclusivamente a la diferente edad cronológica de cada grupo, sino también a todas las
influencias culturales y ambientales que comparten cada generación y que se diferencian entre sí.

Efectos históricos o del aprendizaje: Se puede confundir el efecto de la edad con el efecto asociado
al momento en el que se realizó la prueba. Por ejemplo, si se evalúa a un grupo a los 15 años, y
posterior a los 17, en habilidades espaciales, un aumento significativo en la puntuación puede ser
debida al aprendizaje en la anterior prueba, modificaciones curriculares que hicieran hincapié en el
dibujo de figuras geométricas, a videojuegos relacionados con esta capacidad, como el Tetris, etc…

FIN DE TEMA 4.

Manuel Mateu 2018