Documente Academic
Documente Profesional
Documente Cultură
Grado en Psicología
Diseños Experimentales
Una investigación quiere probar la eficacia de la vareniclina como tratamiento para dejar de fumar.
Mediante anuncios en prensa se solicitan personas voluntarias fumadoras que deseen dejar de fumar.
De las personas que se presentan se excluyen las que han intentado dejar de fumar 2 o más veces,
las que fuman menos de 20 cigarrillos/día, las que padecen algún trastorno de personalidad y las que
presentan algún problema anímico. Finalmente son seleccionadas 40 personas.
Los investigadores quieren probar la eficacia de la vareniclina (VRC) en la mitad de las personas. La
otra mitad no tomará este principio activo. Además quieren comprobar el efecto de un programa de
terapia comportamental (TC) combinado con el anterior. Deciden formar 4 grupos: VRC y TC; VRC
no TC; no VRC y TC; no VRC y no TC. Uno a uno van asignando aleatoriamente a cada uno de los
40 participantes a una de las 4 condiciones o combinaciones, resultando 10 personas en cada una
de las combinaciones o grupos.
Durante 3 meses se desarrolla la intervención en cada uno de los grupos. 15 días después de terminar
se solicita a cada uno de los participantes que indique el número de cigarrillos que fuma cada día.
La vareniclina es efectiva para dejar de fumar: las personas que tomaron este compuesto
fuman menos que las personas que no lo tomaron.
La terapia comportamental es efectiva para dejar de fumar: las personas que recibieron TC
fuman menos que las que no la recibieron.
La aplicación de vareniclina es más efectiva cuando va acompañada de TC: las personas
que tomaron vareniclina y recibieron TC fuman menos que las que sólo tomaron vareniclina.
Diseños Experimentales
Los diseños experimentales se caracterizan por:
Diseños Intersujetos: para cada nivel o combinación de niveles se utiliza un grupo dife-
rente de participantes. Cada participante debe asignarse aleatoriamente a los niveles o
combinaciones de los factores experimentales. Los diseños experimentales intersujetos se
clasifican en:
Diseños Completamente Aleatorios (DCA): aquéllos cuyos factores son todos ma-
nipulados y los participantes se asignan aleatoriamente a sus niveles (diseños sim-
ples) o a sus combinaciones experimentales (diseños factoriales).
o Simples: 1 factor experimental con 2 o más niveles manipulados. Los sujetos
son asignados aleatoriamente a los distintos niveles.
o Factoriales: 2 o más factores experimentales, cada uno de ellos con 2 o más
niveles manipulados. Los sujetos son asignados aleatoriamente a una de las
combinaciones entre los factores.
Diseños Jerárquicos (DJE): también denominados diseños anidados, son aquéllos
en los que dos factores tienen una relación de anidamiento. Los niveles de uno de
Diseños Intrasujetos: aquellos que contemplan algún factor intrasujeto, en el que para
todos sus niveles se utiliza el mismo grupo de unidades experimentales o participantes. No
obstante, para poder considerarse diseño experimental, el orden en el que un participante
recibe cada tratamiento debe ser fijado aleatoriamente. Los diseños experimentales intra-
sujetos se clasifican en:
DCA Simples
Efecto del grupo experimental (a): media (a) – media total: 5,6 – 5,2 = 0,4.
Efecto del grupo control (b): media (b) – media total: 4,6 – 5,2 = -0,4.
o Artículo 18º Sin perjuicio de la legítima diversidad de teorías, escuelas y métodos, el/la Psicó-
logo/a no utilizará medios o procedimientos que no se hallen suficientemente contrastados, den-
tro de los límites del conocimiento científico vigente. En el caso de investigaciones para poner
a prueba técnicas o instrumentos nuevos, todavía no contrastados, lo hará saber así a sus clientes
antes de su utilización.
o Artículo 34º En la investigación rehusará el/la Psicólogo/a absolutamente la producción en la
persona de daños permanentes, irreversibles o innecesarios para la evitación de otros mayores.
La participación en cualquier investigación deberá ser autorizada explícitamente por la/s per-
sona/s con la/s que ésta se realiza, o bien por sus padres o tutores en el caso de menores o inca-
pacitados.
Por último, es deseable antes de planificar una investigación, realizar un estudio pi-
loto que permita identificar potenciales problemas en la administración de los trata-
mientos o en el registro de la variable de respuesta.
El análisis de varianza (ANOVA) es la técnica más utilizada. Permite comprobar si los efec-
tos de los distintos tratamientos difieren entre sí. En el caso de sólo 2 grupos puede utili-
zarse la prueba t de Student, que ofrece idéntico resultado. La utilización de estas pruebas
requiere cumplir ciertos supuestos; lo más importantes son:
𝑌 = 𝜇+𝛼 +𝑒
Ho: Los tratamientos tienen el mismo efecto y no difieren entre sí. Los grupos no
difieren. La puntuación de un sujeto 𝑌 es igual a la media de todos los sujetos (𝜇)
más un error de cada sujeto (𝑒 ). Todos los grupos, todos los sujetos son iguales y
sólo se diferencia por un error aleatorio.
𝑌 =𝜇+𝑒
Para decidir qué modelo adoptar, para decidir si los grupos difieren, si hay diferencia
En esta tabla se calcula la prueba global F, con la que se determina que modelo es
el más adecuado para los datos. Una probabilidad significativa (𝑝 ≤ 0.05), es el criterio
usualmente utilizado para admitir la Hipótesis Alternativa (H1), esto es, que los grupos dife-
ren. Por tanto, una probabilidad no significativa (𝑝 > 0.05) es el criterio para admitir la Hi-
pótesis Nula (H0), que los grupos no difieren.
Sin embargo, una prueba F significativa sólo informa que los grupos difieren, pero no
nos indica qué grupos difieren entre sí. Para ello será necesario realizar contrastes post-
hoc. Estos contrastes se realizan con diferentes procedimientos, siendo el más utilizado el
de Bonferrroni. Este procedimiento hace una corrección en la significación según el número
de contrastes a realizar. Cuantos más niveles tiene un factor, más contrastes se pueden
realizar, y mayor es la probabilidad de que resulte una diferencia estadísticamente signifi-
cativa por puro azar. Para evitarlo, el procedimiento de Bonferroni establece un criterio de
significación estadística más exigente cuantas más comparaciones hay que realizar.
En JAMOVI, para los DCA y en general para cualquier diseño intersujetos simple, se
puede utilizar:
Parece que el modelo ANOVA se ajusta a los datos (F2,27=9.05; p<.001), por lo que podemos
seguir con el ajuste del modelo.
Comprobados los supuestos, podemos dar por válido el modelo ANOVA, con el que
admitimos que los grupos tienen un razonamiento medio estadísticamente diferente.
Para determinar entre qué grupos hay diferencias, realizamos los contrastes post-
𝑔𝑙 (𝐹 − 1)
𝜔 =
𝑔𝑙 (𝐹 − 1) + 𝑁
Para los indicadores del tamaño del efecto del modelo (eta u omega), siguiendo a
Cohen, la escala de interpretación es:
1) nula, por debajo de 0.01,
2) baja, de 0.01 hasta 0.09,
3) media o moderada de 0.091 a 0.249, y
4) alta, mayor de 0.249.
Para el tamaño del efecto en las comparaciones post-hoc (d), Cohen propuso la si-
guiente escala:
Para el análisis estadístico de los datos, se utilizó el análisis de varianza, habiéndose com-
probado previamente los supuestos de homogeneidad de varianzas y normalidad de los
residuales. Los resultados obtenidos indicaron diferencias estadísticamente significativas
entre los distintos grupos (F2,27=9.05; p<.001), con un tamaño del efecto alto (𝜔 =0.349).