tema 5 m1-m3-m6-m7 - universitat de barcelona 5_m1-m3-m6-m7.pdf · transversal a) diseño de grupo...
TRANSCRIPT
ESQUEMA GENERAL
Definición y clasificación del diseño cuasi-experimental
Estructuras básicas: Diseño pre-experimental
Diseño de grupo control no equivalente: Definición
Diseño de grupo control no equivalente: Análisis
DISEÑO CUASI-EXPERIMENTAL
Diseño de grupo control no equivalente: Análisis estadístico
Diseño de discontinuidad en la regresión: Definición
Diseño de discontinuidad en la regresión: Análisis estadístico
Definición del diseño cuasi-experimental
El diseño cuasi-experimental es un plan de trabajo con el quese pretende estudiar el impacto de los tratamientos ensituaciones donde los sujetos no se asignan a los grupos deacuerdo con un criterio aleatorio. Se utilizan gruposnaturaleso intactos.naturaleso intactos.
Clasificación de las estrategias cuasi-experimentales
Diseño cuasi-
EstrategiaTransversal
a) Diseño de grupo control no equivalenteb) Diseño de grupos no equivalentes c) Diseño de discontinuidad en
Diseño cuasi-experimental
Estrategia Longitudinal
c) Diseño de discontinuidad en la regresión
a) Diseño simple de series de tiempo interrumpidas
b) Diseño de series de tiempo interrumpidas con grupo control no equivalente
Representación gráfica de la estrategia transversal y longitudinal
-G1O1
-G2O2
-G3O3-G3O3..
G9O1 G9O2 G9O3 . . . G9Oj
tiempo.
-GiOj
Estructuras básicas
• Diseño de un grupo solamente postest
• Diseño de un grupo con pretest y postest
Grupos Formación Pretest Condiciones Postest
1 Natural - X 1 O1
• Diseño con grupo control sólo postest
Grupos Formación Pretest Condiciones Postest
1 Natural O1 X1 O2
Grupos Formación Pretest Condiciones Postest
12
NaturalNatural
--
X1
X0
O1
O2
Definición
Esta clase de diseño de investigación, denominado inicialmentepor Campbell y Stanley (1963)diseño de grupo control noequivalente, es un formato en que se toman, de cada sujeto,registros o medidas antes y después de la aplicación deltratamiento. Ademásseutiliza un grupoexperimentaly un grupotratamiento. Ademásseutiliza un grupoexperimentaly un grupocontrol.
Debido precisamente a la ausencia de aleatorización en laasignación de las unidades, es posible que se den diferencias enlas puntuaciones pretest. Estas diferencias son la causa de lano-equivalencia inicial de los grupos. Así, cuando en la formaciónde los grupos no interviene el azar, es posible que los grupospresenten sesgos capaces de contaminar el efecto del tratamiento.
Esquema de diseño de grupo control no equivalente
Grupos Formación Pretest Condiciones Postest
12
NaturalNatural
O1
OX1
XO2
O2 Natural O3 X0 O4
Otros diseños cuasi-experimentales de grupos no equivalentes
Diseño con grupo control no equivalente con medidas pretestsustitutivas: Se caracteriza porque no medimos el postest con elmismo instrumento de medida que el pretest.
Diseño con grupo control no equivalente con muestrasDiseño con grupo control no equivalente con muestrasseparadas en el pretest y en el postest: Se caracteriza porque nomedimos el postest con el mismo grupo de individuos para elque hemos medido el pretest.
Técnicas de análisis
�Análisis de la variancia.
�Análisis de la covariancia.
�Análisis de la variancia con puntuaciones de diferencia o con �Análisis de la variancia con puntuaciones de diferencia o con puntuaciones de cambio.
Ejemplo 5
Un psicólogo clínico quiere probar la eficacia de una terapiacognitiva para el tratamiento de la depresión. Selecciona dosgrupos de pacientes de dos centros hospitalarios. Los pacientesdel primer centro reciben la nueva terapia durante un periodo de3 meses. Los pacientesdel otro centro recibensu tratamiento3 meses. Los pacientesdel otro centro recibensu tratamientohabitual durante el mismo periodo. Antes y después de recibirlos tratamientos todos los pacientes contestan un cuestionariopara medir su autoestima y se utiliza esta medida como variabledependiente en esta investigación.
Matriz de datos del diseño
sujeto pretest postest pretest postest
1 33.2 42.2 35.7 48.8
2 34.9 44.1 43.4 52.9
3 34.4 43.3 39.1 51.3
4 34.2 43.2 40.9 50.0
control experimental
4 34.2 43.2 40.9 50.0
5 31.2 40.9 39.8 51.6
6 31.4 41.2 37.1 50.0
7 34.3 41.0 41.7 51.0
8 38.2 45.0 34.3 48.0
9 34.6 45.7 38.1 48.8
10 39.0 46.7 37.0 51.5
medias 34.5 43.3 38.7 50.4
Supuestos del ANCOVA
1. La relación entre la variable dependiente y la covariable ha deser lineal.
2. Homogeneidad de las pendientes de regresión. Las pendientesde regresión deben ser iguales para cada grupo detratamiento. Si las líneasde regresiónde los gruposno sontratamiento. Si las líneasde regresiónde los gruposno sonparalelas, significa que existe un efecto de interacción entrelos tratamientos y la covariable, es decir, que el efecto de lavariable manipulada depende de los valores que obtiene cadasujeto en la covariable.
Prueba de homogeneidad de los coeficientes de la regresión, H0: ββββ1=ββββ2
Y (postest)Grupo 1 (a1)b1
X (pretest)
Grupo 2 (a2 )b2
Análisis de los datos de diferencia: Tabla de datos
sujeto pretest postest DIFERENCIA pretest postest DIFERENCIA
1 33.2 42.2 9.0 35.7 48.8 13.1
2 34.9 44.1 9.2 43.4 52.9 9.5
3 34.4 43.3 8.9 39.1 51.3 12.2
4 34.2 43.2 9.0 40.9 50.0 9.1
experimentalcontrol
5 31.2 40.9 9.7 39.8 51.6 11.8
6 31.4 41.2 9.8 37.1 50.0 12.9
7 34.3 41.0 6.7 41.7 51.0 9.3
8 38.2 45.0 6.8 34.3 48.0 13.7
9 34.6 45.7 11.1 38.1 48.8 10.7
10 39.0 46.7 7.7 37.0 51.5 14.5
medias 34.5 43.3 8.8 38.7 50.4 11.7
Concepto
El diseño de discontinuidad en la regresión ofrece mejoresperspectivas que el diseño de grupos no equivalentes, dado quese conoce la naturaleza del proceso de selección de los grupos (oasignación de las unidades de estudio).
Aunque es escasa la utilización de esta estrategia, constituye unbuen ejemplo de cómo es posible verificar el efecto delbuen ejemplo de cómo es posible verificar el efecto deltratamiento mediante grupos organizados en función de losvalores de la variable pre-tratamiento. En la práctica, su uso seha limitado al ámbito de la investigación sobre educacióncompensatoria (Trochim, 1984).
Concepto
Según la lógica del diseño, los sujetos se consideran, a partir deun punto de corte en la variable pre-tratamiento, comopertenecientes al grupo control y al grupo experimental. Por estarazón, laestrategia de discontinuidad en la regresiónrequiereque se conozca el criterio de formación del grupo control ygrupo experimental; es decir, el criterio de seleccióngrupo experimental; es decir, el criterio de selección(Thistlethwaite y Campbell, 1960).Según Cain (1975), una clara ilustración de la modelación delprocedimiento de selección es el uso de una puntuación pretesten la asignación de los sujetos a los grupos de tratamiento(control y experimental).
Patrones hipotéticos de las líneas de regresión
a) Efecto nuloa) Efecto nulo
b) Efecto de la intervención c) Efecto de la intervención
Análisis estadístico
� Análisis de la variancia
� Análisis de la covariancia
� Análisis de la regresión
Ejemplo 6
Se pretende estudiar el efecto de un programa sobre elrendimiento escolar. Puesto que los sujetos seleccionadosque van a seguir el programa presentan niveles más altos envariables relacionadas con el rendimiento escolar que loscontroles,se decideutilizar estainformación previa comocontroles,se decideutilizar estainformación previa comocovariable. Según la estrategia del diseño, los sujetos quepuntúan bajo en la covariable forman el grupo control y losque puntúan alto, el grupo experimental o de tratamiento. Enla tabla de datos de este hipotético estudio, los sujetoscontrol obtienen puntuaciones entre 1 y 5 en la covariable, ylos sujetos con tratamiento entre 6 y 10. El punto de corte sesitúa en el intervalo 5-6.
Matriz de datos del diseño
CONTROL EXPERIMENTAL
SUJETO PRETEST POSTEST PRETEST POSTEST1234
1122
4346
6677
91012134
5678910
2233445
6657579
77889910
13131112141314
medias 2.7 5.6 7.7 12.1
Análisis de la variancia
<0.0171.37211.252.96
a-1=1a(n-1)=18
211.2553.30
EntregruposIntragrupo
pFCMg.lSCF.V.
an-1=19264.55Total
2.96a(n-1)=1853.30Intragrupo
Análisis de la covariancia
>0.051.882.351.25
a-1=1a(n-1)-1=17
2.3521.30
Variable A (aj)Error S/A (aj)
pFCMg.lSCF.V.
an-2=1823.65Total (aj)
1.25a(n-1)-1=1721.30Error S/A (aj)
Análisis de la regresión
Resumen del modelo
,954a ,911 ,906 1,14630 ,911 183,332 1 18 ,000,959b ,919 ,910 1,11934 ,009 1,877 1 17 ,188,959c ,920 ,904 1,15345 ,000 ,009 1 16 ,924
Modelo123
R R cuadradoR cuadradocorregida
Error típ. de laestimación
Cambio enR cuadrado Cambio en F gl1 gl2
Sig. delcambio en F
Estadísticos de cambio
,959c ,920 ,904 1,15345 ,000 ,009 1 16 ,9243
Variables predictoras: (Constante), pretrata.
Variables predictoras: (Constante), pretrat, tratb.
Variables predictoras: (Constante), pretrat, trat, pretratxtratc.