Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • Dialnet AlgunasConsideracionesRelativasAlAnalisisDeDisenos 2798916

    Cargado por

    ronaldo fernandez huamani
    5 vistas9 páginas

    Título original

    Dialnet-AlgunasConsideracionesRelativasAlAnalisisDeDisenos-2798916

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    PDF o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    Denunciar este documento

    Copyright:

    © All Rights Reserved
    Descargue como PDF o lea en línea desde Scribd
    Marcar por contenido inapropiado
    5 vistas9 páginas

    Dialnet AlgunasConsideracionesRelativasAlAnalisisDeDisenos 2798916

    Cargado por

    ronaldo fernandez huamani

    Copyright:

    © All Rights Reserved
    Descargue como PDF o lea en línea desde Scribd
    Marcar por contenido inapropiado
    de 9
    Rev. de Psicol. Gra. y Api, 1991, 44 (1), 49.57 ALGUNAS CONSIDERACIONES RELATIVAS AL ANALISIS DE DISENOS ____ EXPERIMENTALES MULTIVARIABLES . VALLEJO SECO; F. J. HERRERO DIEZ Universidad de Oviedo Resumen En la investigacién psicolégica actual un fenéme- ‘no cada dia mas constatado es la creciente uti- zacién de los disefios experimentales con miiti- ples variables dependientes. Y si bien es cierto Que durante décadas este hecho fue poco co- min dentro de fa estrategia de Investigacion de cardcter mas experimental, no lo es menos que hoy en dia, por causa de su capacidad para me- nejar aspectos tedricos, metodolégioos ¢ inclusi ve estadisticos, goza de mayor notoriedad, Con todo, el registrar diversas medidas desde una misma unidad de andlisis no esté exento de pro- biemas; por este motivo, en el presente trabajo hemos centrado nuestra investigacién en tres as- Pectos que, a nuestro modo de ver, son funda- Mentales, a saber: a) ,por qué manejar dos mas Variables dependientes simulténeamente?: ) coudntas variables dependientes emplear?, y ) Zoual do los varios procedmiantos anailticos disponibles utilizar? Introduccion Durante los tltimos tiempos, un fenémeno cada vez mas constatado es la reciente utiizacién, por parte de los experimentadores, de disefios de investiga. cidn con mutiples variables dependientes registra- das desde una misma unidad de andlisis. Asi, por ejemplo, un investigador clinico puede estar intere- sado en evaluar el efecto de la implantacién de un programa basado en la técnica de la economia de fichas sobre la reduccién de la depresién neurstica, consumo de drogas y disputas familiares de un gru- po de pacientes: un investigador en el area de ta psicologia escolar puede desear conocer los efectos de un programa educativo de television sobre la conducta cooperativa, motivacional y actitudinal de tun grupo de nifios de corta edad, y un investigador en ol campo de la psicologia animai puede buscar profundizar en la relacién existente entre los efectos, Cconjuntos de la demora de la recompensa, la canti- Abstract Nowdays it is becoming very frequent the use of Multiple Experimental Designs which include se- veral dependent variables measured on the same subject. Its true that this fact is not anew one in Psychology, in fact, during decades it has been used almost exclusively in the framework of in- vestigations based in selective manipulation; but, currently, it must be noticed that this type of analysis plays a relevant role in those investiga- tions based on any kind of manipulative techni- ques. In this paper we have focused our re- search in three main aspects: a) Why to use more than one dependent. variable simulta- neously; b) How many dependent variables must be used, and c) Which one of the possible analy- tic procedures is more suitable to be employed. Finally, the implications of these three points for the future psychological research are discu- sed. dad de reforzamiento y el esfuerzo requerido en la ejecucién de las respuestas, por un lado, y la veloci- dad de recorrido, resistencia a la extincidn y la recu- peracién espontanea, por el otro. En todos los ca- Sos el investigador registra muitiples variables dependientes. Y, si bien es cierto que este hecho no constituye por si mismo ninguna novedad dentro de fa psicolo- gia. ya que durante décadas ha sido utiizado, casi de un modo exclusivo, dentro del enfoque de inves- tigacién basado en la manipulacién selectiva (pers- pectiva psicométrica-diferencial), no por ello debe- mos dejar pasar por alto que hoy en dia ocupa un lugar destacado en la estrategia de investigacion basada en la manipulacion experimental de cual- quier signo, Para ilustrar lo dicho, baste apuntar que Zinkgraf (1983) refiere tres estudios de caracter es- tadistico-biblometrico en las areas de clinica, experi- mental y evolutiva, donde se pone de relieve que actualmente, dentro de estas materias, se utiizan 49 disefios con més de una variable de medida en mas del 50 por 100 de las veces. ‘Ante lo dicho, se nos ocurren tres preguntas de inmediato: .por qué ios investigadores estén cada dia més interesados en evaluar si existen diferen- ccias entre las medias de diferentes grupos en dos o més variables dependientes comparadas. simulté- rneamente, en vez de analizar una cada vez?, {cusn- tas variables dependientes debemos utilizar? y oul de las diferentes estrategias disponibles para analizer medidas midtiples hemos de utilizar? éPor qué utilizar multiples variables dependientes? Por lo que respecta a la cuestién inicial, existen al menos tres razones importantes por las que un in- vestigador podria estar interesado en registrar mas de una variable de medida. En primer lugar, conside~ raciones de tipo tedrico. Evidentemente, dado que €l sistema psicolégico constituye un todo integrado, es de esperar que cualquier tratamiento afecte all sujeto de forma variada, no sdlo en un sentido; por tanto, considerar mas de un criterio de medida nos permite una descripcién mas detallada del fenéme- Ro que tenemos bajo investigacién. Por ejemplo, si dos 0 mas tratamientos para reducir la ansiedad fueran sometidos a prueba resultaria mucho mas in- formativo registrar la ansiedad por procedimientos diversos (Escalas de ansiedad de Taylor, proved ientos psicofisioldgicos, etc.) que mediante un solo registro. En segundo lugar, apreciaciones de tipo metodo- légico. La utiizacién de varios criterios de medida ‘nos permite generar informacién mas «valida, to- mando esta palabra en el sentido de Cook y Camp- bell (1979). Asi pues, multioperacionalizar el cons- tructo o registrar varias conductas nos va a permitir incrementar la validez de nuestras investigaciones. En efecto, en las ciencias sociales y comportamen- tales donde las medidas son, en general, menos Perfectas (lo cual atenta directamente contra ia vali- dez de conclusién estadistica, al incrementarse ia varianza de error), tener varios criterios y utilizar mé- todos multivariados para evaluar el efecto deos tra- tamientos puede proporcionarnos una informacion mas precisa de la relacién causal existente entre los antecedentes y los consecuentes (Cole, Howard y Maxwell, 1981). Ademas, el andlisis simultneo del efecto de los tratamientos sobre multiples variables, dependientes se converte en un procedimiento de primera magnitud al permitimos indagar acerca de la validez de constructo (Judd y Kenny, 1981), tanto ‘en su vertiente convergente (grado mediante el cual las Variaciones en tas medidas son el resultado de variaciones en el constructo teérica de interés), como en su vertiente discriminante (grado por e cual las variaciones en las medidas no lo hacen ‘como resultado de las variaciones de otros cons- tructos que carecen de interés). Este hecho es con- secuencia directa de la posibilidad que tenemos de 50 estimar las correlaciones entre os indicadores y el constructo desde las correlaciones observadas en- tre los indicadores (Kenny, 1979). Y,_por ultimo, puntualizaciones de tipo estadisti- co. En efecto, si, como ocurre frecuentemente, un investigador esta interesado en indagar acerca de la relacién causal entre dos grupos de variables, la es- trategia univariada, de efectuar andlisis univariados de fa varianza (AVAR), 0 de la regresion miltiple separadamente con cada una de las variables de- pendientes, acarrea una serie de problemas en rela- cidn con la fijacién exacta del nivel de significacion (a) a la hora de efectuar decisiones estadisticas (Mi- ller, 1981), con la interpretacién de los resultados y con la potencia de la prueba. A continuacién comen- taremos brevemiente cada uno de estos inconve- nientes. La utiizacion de pruebas de significacion multiples incrementa la probabilidad de extraer una ‘9 mas conclusiones erroneas como una funcién del ‘nlimero de pruebas ejecutadas, a menos que a haya sido adecuadamente ajustada, 0 se prueben las hi- pétesis acerca de todas las variables de medida si multaneamente. En efecto, uno de los inconvenien- tes que conlleva el efectuar comparaciones miitiples de forma independiente cuando en real dad no lo son, sobre todo cuando se realiza una cantidad de comparaciones elevadas @ un mismo Tivel de a, es la propabilidad cada vez mas alta de cometer errores de Tipo I (the experimentwise error rate). La probabildad de cometer un error de Tipo! fen una sola comparacion nos viene dada por el a establecido, De este mode, si un investigador lleva a cabo C pruebas separadamente, cada una con un nivel « la probabilidad de cometer un error de Tipo | es 1~(1~a¥, lo cual es aproximadamente igual a Ca para pequefios valores de «. Por ende, (1 - af Constituye fa prababilidad de quedarse con las hipo- tesis de nulidad resultantes de las comparaciones cuando son verdaderas. Por ejemplo, si electuamos 8 pruebas F, cada una a un a = 0,05, la probabilidad de rechazar al menos una de ellas falsamente es aproximadamente 0,34; lo que resulta del todo ina- ceptable. Igualmente, llevar a cabo pruebas univariadas se- paradas puede causar problemas interpretativos en el caso de que las variables dependientes estén in- tercorrelacionadas. Por ejemplo, imaginémonos que un investigador encuentra un efecto positivo de su tratamiento en la reduccidn de conductas no desea- das a las cuales subyace el modelo causal esque- matizado en la figura 1 %Cuales serian en este caso las conclusiones del investigador?, zhubiesen sido las mismas de no ha- bberse mantenido ningun tipo de correlacion entre las variables, como aparece en la figura 2? Obviamente, las dos situaciones son distintas, los andlisis requeridos también son distintos (0 al me- nos deberian serio) y las conclusiones a las que se llegaria acerca de la implementacién del tratamiento tambien to sesian, Otro problema que se nos puede presentar al efectuar pruebas univariadas una cada vez tiene que ver con el hecho de no encontrar diferencias cb dL a el eee & & & Ys Figura 1. Diagrama causal de efectos indirectos. Figura 2. Diagrama de causas independientes y efectos drroctos. entre los tratamientos al considerar cada variable dependiente individualmente, mientras que si consi- deramos todas las variables simulténeamente pue- de ocurrir que fuéramos capaces de obtener dife- rencias significativas. De ahi que hayamos ma- nifestado més arriba que las pruebas muttivariadas Son, generalmente, mas paderosas que las univaria- das. Aunque fa potencia de las pruebas multivaria- das es un tema sometido a constante debate (Bray y Maxwell, 1985), sin embargo, lo comin es que dependa de la adecuada eleccién del tamario de muestra, del numero de variables dependientes a inctuir en el andlisis, del tamafio del efecto que se desea conseguir y de la direccién y magnitud de las intercorrelaciones dentro de los grupos (Muller y Pe- terson, 1984). En consecuencia, 10 dicho en este Punto, asi como la consideracién efectuada mas arriba, debe hacemos reflexionar acerca de la suge- rencia harto frecuente de efectuar andlisis univaria- dos independientes si ia hipétesis nula muttivariada ha sido rechazada. Pues, como acertadamente se- fiala Pedhazur (1982), esta sugerencia es una pési- ma recomendacién, ya que, al ignorar las intercorre- laciones entre las variables, desechamos la informacién que las pruebas multivariadas recogen a través de la matriz de covarianza, apartandonos de este modo dei verdadero propésito del andiisis multivariado. Discusiones tedricas e ilustraciones Qraficas sobre esta cuestion las podemos encontrar en Li (1977: 443-444), Tatsuoka (1971: 22-24), Timm (1975: 166) y Bray y Maxwell (1985: 11-12 y 30:31), Finalmente, no deseamos terminar este apartado pasando por alto las posibles desventajas a las que conduce la utilzacion del analisis multivariado, den- tro def contexto en el que nos movemos; bien sea por razones de potencia, bien sea por razones de complejidad, 0 por ambas a la vez. Por ejemplo, en el supuesto caso de disponer de muiltiples variables dependientes, inclusive con una alta correlacién it traclase (0,60-0.80), no es inverosimil que ocurra que la hipdtesis nula multivariada probada mediante un analisis multivariado de la varianza (AMVAR) sea. aceptada con un nivel de significacién del 10 por 100; mientras que si llevasemos a cabo andlisis de la varianza separados con cada una de las medidas, ‘nos podriamos encontrar con la enorme sorpresa de que todas fueran significativas al 5 por 100. Situa- ciones como esta, en que la potencia de prueba esta muy cuestionada, pueden ocurrir con mas fre- cuencia de lo deseado, al aplicar pruebas multivaria- das con un escaso numero de tratamientos (Harris, 1985) y/o en el caso de disponer de pequefios 0 moderados tamafios de muestra (Bray y Maxwell, 1985). Sin olvidar que este hecho se acentua bas tante més en las ocasiones en que las variables sean estadisticamente independientes y que se efectue un AMVAR, Por lo demas, tampoco quisiéramos dejar sin un breve comentario el siguiente aspecto: con relativa frecuencia, un investigador antes de registrar sus datos planifica ejecutar una prueba estadistica multi- variada, comuinmente, un AMVAR, con el tnico fin de controlar ia tasa de error por experimento. En el ‘caso de cumpiirse los supuestos que requieren ap! car este tipo de pruicbas, la situacion aparentemente @s correcta; de manera que cuando éste es el caso, la. combinacién de una prueba multivariada signifi tiva con pruebas F univariadas ha sido frecuente- mente recomendada por Finn (1974), Bock (1975), Wikinson (1975), Hummel y Sligo (1971) para inter- pretar las diferencias entre los grupos. Sin embargo, como ha sido advertido por varios autores (Timm, 1975; Strahan, 1982; Bray y Maxwell, 1982), esta forma de analizar las variables dependientes adole- ce de algunas desventajas que nos deben hacer re- capacitar sobre su complementacién. En conereto, si bien la primera parte de la prueba nos protege de la posibiidad de cometer error de Tipo |, no ocurre lo mismo en el caso de que la hipdtesis nula global sea rechazada por ser solo parcialmente verdadera. Es decir, que en el caso de disponer de dos 0 mas variables dependientes, si rechazamos a hipétesis, ‘hula muttivariada al 5 por 100, porque al menos una de las variables produce diferencias entre los trata- mientos de la poblacién, no tenemos garantias sufi- ientes de que el nivel de significacion se mantenga protegido a la hora de probar la parte de la hip6tesis ‘hula que aun permanece como verdadera. ‘Asi pues, en el caso de que el propésito de nues- to andiisis lo constituya el controlar la tasa de error ante la ejecucién de pruebas de significacién mi ples podemos optat por efectuar andlisis de la va- 51 rianza 0 regresién con el nivel « ajustado mediante la desigualdad de Bonferroni (a/nimero de variables dependientes) y comparar cada raz6n F tedrica con el nivel « corregido, 0 bien, como sefialan Huberty y Morris (1989), optar por et pracedimiento de prueba simuiténeo inventado por Gabriel (1963), propugna- do por Bird y Hadzi-Paviovic (1983), y programado por O'Grady (1986). Conviene recordar que estos procedimientos tampoco estan libres de problemas, pues mientras el primero de los dos procedimientos atentia la potencia de prueba a medida que ol nuime- ro de variables se incrementa, el segundo es en ex- eso conservador por su capacidad para proteger- nos a un mismo nivel a para todas las posibles ‘comparaciones que realicemos. Ahora bien, en el contexto en el que nos movemnos, si bien no nos seria dificil disponer de un gran nimero de variables, si nos seria dificil iograr que las variables estuviesen libres de corretacién, que ha sido et aspecto en tor- 10 al que hemos pretendido situar esta solucién. Es decir, que esta salida seria recomendabie, sobrema- Nera, cuando deseamos averiguar la contribucién de los diferentes tratamientos en cada una de las varia- bles y éstas sean conceptualmente independientes, ©, al margen de la posible interrelaci6n, al investiga- dor le interesa conducirse asi por alguna razén es- ecial, como puede ser la naturaleza exploratoria de la investigacion, o bien la necesidad de explicar al- gun resultado previamente obtenido en aras a su posible generalizacion. Cuantas variables dependientes utilizar? Basicamente, hasta ahora, nos hemos estado refi- riendo a las excelencias de evaluar si existen dife- rencias entre las medias de dos o mas tratamientos en dos 0 mas variables dependientes comparadas simultdneamente. En concreto, hemos dicho que el incluir miltipes variables dependientes en un disefio nos capacita para descubrir relaciones complejas entre las variables, para comprender mejor el fend- ‘meno bajo investigacion, dado que la ejecucién de muchas tareas no es facilmente representada por una sola variable, para protegernos mejor frente a los errores de Tipe |, ¢ inclusive de Tipo ily, en defi- nitiva, para incrementar la vaiidez de nuestras inves- tigaciones. Con todo, aunque el enfoque multivaria- do nos permite manejar un gran nimero de variables de medida, éstas deben ser cuidadosa- mente seleccionadas, si queremos preservar las, ventajas mencionadas. Pues. si no, puede ocurrir que, al conducir una investigacién donde las varia- bles fueran registradas sin seguir ningun critero teo- rico y/o empiric, no se manifiestan como tales tratamientos.significativos. De ahi que sea deter- mminante elegir adecuadamente las variables. Segui- damente, baséndonos fundamentaimente en los trabajos de Stevens (1986) y de Bray y Maxwell (185), vamos a especificar una serie de considera- 52 iones cuya observacién nos proporciona una esti- mable ayuda frente al uso indiscriminado de multi- ples variables dependientes: 1. Las variables no deberian ser inciuidas en el andlisis solamente por estar disponibles, pues tn reducido numero de ellas, ademas de afa- ir robustez, faciita la interpretacién de los resultados (O'son, 1974). 2. Al incluir variables de medida sin una base racional puede ocurrir que pequefias diteren- cias en algunas de ellas oscurezcan las dife- rencias reales existentes en otras. Las prue~ bas multivariadas detectan principalmente errores en el sistema (p. ¢).. en las variables). y por esta razén podemos aceptar erronea- mente la hipotesis de nulidad multivariada 8. La potencia de las pruebas multivariadas dis- minuye a medida que el nimero de variables dependientes aumenta (Das Gupta y Peri- man, 1973). De aqui que sea sensato limitar el numero de variables, ano ser que incre- mentemos el tamafo de muestra, disminuya- mos el efror de medida y las variables estén elegidas en base a criterios teéricas y/o empi- ricos. 4. En areas donde la medida no esta lo suficien- temente desarrollada, como ocurre frecuente- mente en las ciencias sociales, comportamen- tales y de la salud, el uso de criterios multiples puede mostrarse problematico. Por tanto, en estos casos, es conveniente tener presente la recomendacién hecha por Pruzek (1974), en el sentido de combinar linealmente las variables de medida altamente similares, sobre todo, cuando la fiabilidad ¢ intercorrela- Clones de estos criterios ifieren sustancial- mente. En concreto, técnicas de reducciin de datos, tipo analisis Ge componentes principa- les, podrian ser empleadas como un paso preliminar, ya que siempre se deberia consi

    También podría gustarte