DISEÑO COMPLEJO O

FACTORIAL
Carolina Cárcamo Vergara
Mg. En Psicología
 Directrices para identificación un
diseño experimental
• Los investigadores utilizan diseños complejos para
estudiar los efectos de dos o más variables
independientes en un experimento.
• En diseños complejos, cada variable independiente
se puede estudiar con un diseño de grupos
independientes o con un diseño de medidas
repetidas.

04/23/2020 2
 ¿Porqué hacer experimento
complejos?
• Incrementar la eficiencia
– Se examinan dos variables independientes
simultáneamente.
– Permite observar el efecto de cada variable
independiente.

04/23/2020 3
 Combinación factorial

• Empareja cada nivel de la VI con una segunda VI.

• El diseño más simple: 2 X 2, dos VI, cada uno con
dos niveles.
– Ejemplo: 2 x 2 = la primera VI tiene dos niveles y la
segunda también.
• El número de condiciones se puede determinar
multiplicando el número de niveles para cada
VI(por ejemplo, 2 X 2 = 4).
– No de condiciones = producto del No de niveles para
04/23/2020
cada V I. 4
• Diseños complejos más potentes y eficientes se
pueden crear mediante la inclusión de más niveles
de una VI o mediante la inclusión de más VI en el
diseño.

04/23/2020 5
 Efectos: principales y de
interacción
• Efecto principal y representa la diferencia entre el
rendimiento promedio para cada nivel de VI
promediado a lo largo de los niveles de la VI. P.299

• Efectos principales y de interacción: Se produce

cuando el efecto de una VI varía en función de los
niveles de la segunda VI.

04/23/2020 6
 Estadísticos descriptivos

• La evidencia de interacciones pueden ser

identificadas mediante estadísticos descriptivos:
– Gráficos (líneas no paralelas)
– Tablas (método de sustracción)
• Las estadísticas descriptivas son necesarios para
interpretar los resultados de la estadística
inferencial

04/23/2020 7
 Análisis de diseños
complejos
• La interacción se confirma con la estadística
inferencial:
– Los efectos principales para cada VI
– La interacción entre las dos VI.
• Cómo los investigadores interpretan los resultados
de un diseño complejo difiere dependiendo de si
una interacción estadísticamente significativa está
presente o ausente en los datos.

04/23/2020 8
 Las interacciones y la
comprobación de teorías
• Las teorías predicen que con frecuencia dos o más
VI interactúan para influir en el comportamiento, por
lo tanto, los diseños complejos son necesarios para
probar teorías.
• Las pruebas de las teorías a veces puede producir
resultados contradictorios. Efectos de la interacción
puede ser útil para resolver estas contradicciones.

04/23/2020 9
 Las interacciones y la
validez externa
• Cuando no hay interacción los efectos de cada
variable independiente se puede generalizar a
través de los niveles de la otra variable
independiente. La validez externa de VI aumenta.
• La interacción identifica los límites de la validez
externa de un hallazgo, especificando las
condiciones en las que un efecto de una VI se
produce

04/23/2020 10
 Interacciones y efectos
techo y suelo
• Cuando el rendimiento de los participantes alcanza
un máximo (techo) o mínimo (piso), los resultados
de una interacción no se pueden interpretar.
• Restricciones en el rango de medida de la VD

04/23/2020 11
 Interacciones y el diseño de
grupos naturales
• Inferencias causales sobre las variables de los
grupos naturales cuando se prueba una teoría de
porqué los grupos naturales son diferentes.
• Inferencia causal:
– Teoría
– Manipular una variable independiente
– Comprobar si la hipótesis de la interacción

04/23/2020 12