Diseños de Investigación en Psicología

Grado en Psicología

Diseños Experimentales

Terminología básica general

 Experimento: forma particular de investigación en la que se observa la respuesta a

un tratamiento o manipulación experimental frente a una situación de comparación
(no tratamiento, placebo, tratamiento estándar, …). Idealmente se desarrolla en un
contexto de control que garantice la no influencia de posibles variables extrañas.
 Variable de respuesta: Variable dependiente en la que se registra la respuesta a un
tratamiento. En la investigación psicológica son muy frecuentes variables cuantitati-
vas. Sin embargo, cada vez aparecen más trabajos con variables de respuesta ca-
tegórica, sobre todo dicotómicas.
 Unidad experimental: unidad mínima de la que se registran datos. La forma más
habitual en Psicología suele ser una persona, aunque también son frecuentes una
diada o pareja, una familia, un grupo, un animal, …
 Tratamiento: cualquier tipo de manipulación que el investigador administra o pre-
senta a las unidades experimentales.
 Factor: variable (independiente) de naturaleza categórica. Sus valores se denomi-
nan niveles.
 Factor experimental: variables cuyos niveles o valores representan intervenciones
o manipulaciones experimentales por parte del investigador. La ausencia de trata-
miento también se considera un modo de intervención. Variable manipulada de na-
turaleza categórica.
 Forma de administración de los niveles del factor.
o Intersujetos: para cada nivel se utiliza un grupo diferente de unidades ex-
perimentales.
o Intrasujetos: para todos los niveles se utiliza el mismo grupo de unidades
experimentales.
 Tipo de factor:
o De efectos fijos: los niveles del factor han sido elegidos por el investigador.
o De efectos aleatorios: los niveles del factor han sido seleccionados aleato-
riamente de un conjunto de posibles niveles.
 Combinaciones experimentales: Cuando hay más de un factor, son las combina-
ciones entre los niveles de los factores contemplados en el diseño. Si hay un factor
con 4 niveles y otro factor con 3 niveles, el número de combinaciones experimentales
es de 4x3 = 12.
 Asignación aleatoria: proceso por el que se asigna aleatoriamente un nivel de un
factor experimental a cada unidad experimental.
 Réplicas: número de unidades experimentales a las que se les aplica el mismo tra-
tamiento o número de unidades experimentales por cada nivel del factor. Si un factor
tiene 3 niveles, y en cada nivel hay 5 sujetos, el diseño tiene 5 réplicas.
 Diseño: plan de investigación desarrollado por el investigador para probar sus hipó-
tesis. En los estudios experimentales, uno de los objetivos del diseño es controlar la
variabilidad natural de las unidades experimentales, para evitar que influyan sobre la
variable de respuesta.
 Factor de bloque o factor de bloqueo: variable cuyos niveles reflejan valores de
una variable no manipulada (sexo: hombre – Mujer; edad: joven – adulto – mayor;
Área de Metodología de las Ciencias del Comportamiento 1
Departamento de Psicología Básica y Metodología. Facultad de Psicología
 grado de anorexia: bajo – medio – alto; estudios: primarios – secundarios – bachille-
rato – universitarios). Es una variable en la que para cada uno de sus niveles el
tratamiento puede actuar de manera diferente. De no utilizarse en la investigación
sería una variable extraña. Se introduce en el diseño para controlar su efecto sobre
la variable de respuesta. Variable medida (no manipulada) de naturaleza categórica.
 Variable concomitante, covariable o covariante: variable cuantitativa no manipu-
lada. Representa una característica heterogénea de las unidades experimentales re-
lacionada con la variable de respuesta. De no utilizarse en la investigación sería una
variable extraña. Se introduce en el diseño para controlar (estadísticamente) su
efecto sobre la variable de respuesta.
 Relación entre los factores: Las formas más habituales de relación son:
o De cruce: en un nivel o valor de un factor aparecen todos los niveles del otro.
o De anidamiento: en un nivel de un factor sólo aparecen algunos niveles del
otro.

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.

Las hipótesis de los investigadores son las siguientes:

 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.

 Variable de respuesta: nº de cigarrillos fumados al día. No confundir con los datos

que se presentan en un reporte de investigación. En un artículo puede aparecer una
tabla o un gráfico que muestre el promedio de cigarrillos por cada uno de los grupos.
Esto puede dar lugar a pensar, erróneamente, que la variable de respuesta es el
promedio de cigarrillos. La variable de respuesta es el dato, valor o respuesta que
se obtiene de una unidad experimental, en este caso de un sujeto, y sería el nº de
cigarrillos que consume al día.
 Unidades experimentales o participantes: 40 sujetos.
 Tratamientos aplicados:
o Vareniclina y No vareniclina (VRN / nVRN)
o Terapia comportamental y no terapia comportamental (TC / nTC)

Área de Metodología de las Ciencias del Comportamiento 2

Departamento de Psicología Básica y Metodología. Facultad de Psicología
  Factores experimentales: 2 factores
o Vareniclina: Sí y No (categórica, 2 niveles). Efectos fijos. Intersujetos.
o Terapia comportamental: Sí y No (categórica, 2 niveles). Efectos fijos. Inter-
sujetos.
 Relación entre los factores: de cruce (en un nivel de un factor aparecen todos los
niveles del otro). En VRN se encuentra TC y nTC. En nVRN se encuentra TC y nTC.
 Combinaciones experimentales: 4 (2x2)
 Réplicas: 10 (sujetos que hay en cada combinación o grupo)
 Asignación aleatoria: Sí
 Diseño experimental: Sí (los factores son manipulados).
 Factores de bloque: no los hay. Podría haberse considerado, por ejemplo, nivel de
motivación: alta, media, baja, porque puede influir en la variable de respuesta o va-
riable dependiente: los participantes con menos motivación pueden mostrar menos
efectividad en el tratamiento que los más motivados. Como no se ha tenido en cuenta
es una variable extraña potencial.
 Covariantes: no las hay. Podría haberse considerado, por ejemplo, el nº de años
fumando. Personas con más adicción podrían mostrar menos efectividad al trata-
miento.
 Procedimientos de control: las exclusiones en el procedimiento de selección mues-
tral suponen procedimientos de control, posibles variables extrañas que crean hete-
rogeneidad entre los participantes y que pueden influir en la variable dependiente
(resistencia a dejar de fumar, nivel de consumo y problemas de personalidad o aními-
cos). La asignación aleatoria también es un procedimiento de control, permite distri-
buir de manera homogénea posibles variables extrañas no identificadas.

Diseños Experimentales
Los diseños experimentales se caracterizan por:

1. Incluir, al menos, un factor de naturaleza experimental o manipulada.

2. Utilizar la aleatorización para asignar a cada participante a un nivel del factor.
3. Según tengan o no factores intrasujetos, se clasifican en diseños experimentales
intersujetos e intrasujetos.

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

Área de Metodología de las Ciencias del Comportamiento 3

Departamento de Psicología Básica y Metodología. Facultad de Psicología
 los factores no se reproducen exactamente en cada nivel del otro.
 Diseños de Bloques Aleatorios (DBA): diseño factorial que en su forma más simple
presenta un factor experimental y un factor de bloque.
 Diseños con Variables Concomitantes (DVC): también denominados diseños con
covariantes o diseños ANCOVA, por el procedimiento estadístico usado cuando la
variable dependiente es cuantitativa.

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:

 Diseños de medidas totalmente repetidas (DMTR): en general diseños intrasuje-

tos, en los que todos los factores son intrasujeto y, por tanto, en todos los niveles o
combinaciones experimentales se utiliza el mismo grupo de participantes.
o Simples: utilizan un único factor intrasujeto.
o Factoriales: contemplan dos o más factores intrasujeto.
 Diseños de medidas parcialmente repetidas (DMPR): o diseños inter-intra o dise-
ños mixtos, por presentar tanto factores intrasujetos como intersujetos.

Área de Metodología de las Ciencias del Comportamiento 4

Departamento de Psicología Básica y Metodología. Facultad de Psicología
Diseños Experimentales Intersujetos

DCA: Diseños Completamente Aleatorios

DCA Simples

 Un diseño se denomina simple cuando tiene un solo factor.

 Un diseño se denomina factorial cuando tiene más de un factor.

Un diseño completamente aleatorio simple contempla un factor experimental y la va-

riable de respuesta. El factor experimental debe tener al menos 2 tratamientos. Si bien un
experimento se puede realizar con sólo una observación por tratamiento, para poder esti-
mar estadísticamente si hay diferencias entre los tratamientos serán necesarias 2 observa-
ciones, unidades experimentales o réplicas por cada nivel. En diseños intersujetos, como
el DCA, se entiende por réplica el número de observaciones por nivel.

 Un diseño (simple o factorial) se denomina no replicado cuando tiene sólo una

observación por nivel (o combinación de niveles en diseños factoriales).
 Un diseño (simple o factorial) se denomina replicado cuando tiene más de una
observación por nivel (o combinación de niveles en diseños factoriales).
 Un diseño se denomina equilibrado cuando tiene el mismo número de observa-
ciones por nivel (o combinaciones de niveles en diseños factoriales).

El efecto de un tratamiento es el cambio que produce la administración de ese

tratamiento en la variable de respuesta y, generalmente, se evalúa como la diferencia entre
la media de ese tratamiento y la media global. Por ejemplo, en un diseño DCA se asignan
aleatoriamente 20 estudiantes con problemas de ansiedad ante los exámenes a uno de dos
tratamientos: (a) taller de control de la ansiedad; (b) grupo control. Uno de los grupos (a)
asiste durante 2 meses a un taller de control, mientras que el otro grupo (b) no recibe ningún
tipo de intervención específica. Una vez finalizada la intervención, se registran las califica-
ciones de ambos grupos. Se observa que el promedio de los 20 alumnos ha sido de 5,2. El
grupo (a) obtuvo un promedio de 5,6 y el grupo (b) de 4,6. Por tanto, podemos observar:

 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.

Por tanto, el tratamiento presenta un efecto positivo. Para determinar la magnitud y

significación de ese efecto, tendremos que utilizar procedimientos estadísticos.

El desarrollo de un diseño experimental, y por tanto de un DCA simple, supone:

 Determinar los tratamientos a administrar. Para cada tratamiento se creará un grupo.

Según el tipo de tratamiento, denominaciones frecuentes son:
o Grupo experimental: recibe un tratamiento experimental y conocer su efecto
es el objetivo de la investigación.
o Grupo control: no recibe ningún tratamiento (sirve como comparación para
determinar el efecto del tratamiento experimental).
o Grupo placebo: recibe un falso tratamiento o tratamiento inocuo bajo la creen-
cia de que es un verdadero tratamiento (sirve como comparación).
 Determinar la variable de respuesta (Variable Dependiente). La mayor parte de las

Área de Metodología de las Ciencias del Comportamiento 5

Departamento de Psicología Básica y Metodología. Facultad de Psicología
 investigaciones en Psicología utilizan variables de respuesta cuantitativas, no obs-
tante cada vez se encuentran más trabajos con variables de respuesta categóricas,
especialmente dicotómicas.
 Identificar posibles variables extrañas y la posibilidad de su control. Algunas varia-
bles extrañas se pueden controlar en el proceso de selección de la muestra, con la
aplicación de criterios de inclusión y exclusión (las técnicas de eliminación y cons-
tancia se realizan en esta fase). El control de variables extrañas también se puede
realizar mediante procedimientos experimentales (bloqueo o diseños de bloques) o
mediante procedimientos estadísticos (diseños con covariantes) teniendo una me-
dida de la variable extraña en cada participante. Pero esto daría lugar a otros dise-
ños, de bloques DBA y de variables concomitantes DVC, respectivamente.
 Seleccionar la muestra de sujetos (o unidades experimentales). La mayor parte de
las investigaciones suelen utilizar un muestreo de conveniencia: formar la muestra
con los sujetos más fácilmente accesibles. La principal ventaja de este muestreo no
aleatorio es la inmediatez en comparación con un procedimiento de selección alea-
toria. Sin embargo, su principal inconveniente es el sesgo de selección: que no sea
una muestra representativa. Por este motivo y para evitar posibles variables extra-
ñas, es muy conveniente fijar criterios de selección que ayuden a mejorar la repre-
sentatividad de la muestra. Son de dos tipos:
o Criterios de inclusión: características que han de cumplir los sujetos para for-
mar parte de la muestra.
o Criterios de exclusión: características que de presentarlas un sujeto, sería ex-
cluido de la muestra.
 Asignación aleatoria de los tratamientos. A cada sujeto de la muestra final se le
asigna un tratamiento de forma aleatoria.
 Administración de los tratamientos y registro de la variable de respuesta. Es muy
importante que la administración de los tratamientos se realice en igualdad de con-
diciones para todos los participantes. Para ello hay que garantizar:
o Que todos los sujetos reciban las mismas instrucciones (cuando el tratamiento
es de aplicación individual es conveniente grabar las instrucciones).
o Que se apliquen siempre los mismos instrumentos, por los mismos experi-
mentadores y en las mismas condiciones.
o Que los experimentadores desconozcan el grupo o condición al que perte-
nece un sujeto particular (experimentador ciego).
o Que los participantes desconozcan el grupo o condición al que han sido asig-
nados (participantes ciegos).
o Que la investigación se desarrolle bajo un doble ciego (la combinación de las
dos recomendaciones anteriores).
o Evitar la comunicación entre participantes hasta que haya terminado la inves-
tigación.
 Además, habrá de tenerse en cuenta las indicaciones del código deontológico para
el desarrollo de investigaciones, en concreto:

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.

Área de Metodología de las Ciencias del Comportamiento 6

Departamento de Psicología Básica y Metodología. Facultad de Psicología
 o Artículo 35º Cuando la investigación psicológica requiera alguna clase de daños pasajeros y
molestias, como choques eléctricos o privación sensorial, el investigador, ante todo, se asegurará
de que los sujetos participen en las sesiones experimentales con verdadera libertad, sin constric-
ciones ajenas de tipo alguno, y no los aceptará sino tras informarles puntualmente sobre esos
daños y obtener su consiguiente consentimiento. Aún habiendo inicialmente consentido, el su-
jeto podrá en cualquier momento decidir interrumpir su participación en el experimento.
o Artículo 36º Cuando la investigación requiera del recurso a la decepción o al engaño, el/la Psi-
cólogo/a se asegurará de que éste no va a producir perjuicios duraderos en ninguno de los sujetos,
y, en todo caso, revelará a éstos la naturaleza y necesidad experimental de engaño al concluir la
sesión o la investigación.
o Artículo 37º La investigación psicológica, ya experimental, ya observacional en situaciones na-
turales, se hará siempre con respeto a la dignidad de las personas, a sus creencias, su intimidad,
su pudor, con especial delicadeza en áreas, como el comportamiento sexual, que la mayoría de
los individuos reserva para su privacidad, y también en situaciones -de ancianos, accidentados,
enfermos, presos, etc. -que, además de cierta impotencia social entrañan un serio drama humano
que es preciso respetar tanto como investigar.
o Artículo 38º La experimentación con animales evitará también, o reducirá al mínimo, los sufri-
mientos, daños y molestias que no sean imprescindibles y justificables en atención a fines de
reconocido valor científico y humano. Las operaciones quirúrgicas sobre animales se efectuarán
con anestesia y se adoptarán medidas apropiadas para evitar las posibles complicaciones. El
personal directamente implicado en la investigación con animales seguirá en su práctica los pro-
cedimientos de alojamiento, manejo experimental y eliminación eutanásica de los animales, que
se recogen en la Guía para la conducta ética en el cuidado y utilización de animales editada por
el Colegio Oficial de Psicólogos y que se atiene a las normas internacionales.

 También será necesario revisar los requerimientos éticos de la investigación. En

la UMU los realiza la Comisión de Ética de la Investigación. En la dirección:
https://www.um.es/web/comision-etica-investigacion/comision-etica se ofrece in-
formación así como un cuestionario de autoevaluación para saber si un proyecto
de investigación requiere la supervisión de la comisión ética de investigación.

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.

Análisis estadístico del DCA

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:

 Variable Dependiente Cuantitativa. Existen otros procedimientos para VD ordina-

les (Kruskal-Wallis) y para VD nominales (Regresión Logística).
 Normalidad de los residuales (diferencia entre la puntuación observada en la VD
y la puntuación pronosticada por el modelo). Para probar este supuesto se puede
utilizar:
o Shapiro-Wilk (𝑛 ≤ 50). Hipótesis nula (Ho): La distribución es normal.
o Kolmogorov-Smirnov (𝑛 > 50). Ho: La distribución es normal.

Área de Metodología de las Ciencias del Comportamiento 7

Departamento de Psicología Básica y Metodología. Facultad de Psicología
 o Medios gráficos: Q-Q plot. Es un gráfico del ajuste de una
muestra de datos con una distribución teórica. Un gráfico
Q-Q plot normal representa el ajuste de la muestra de
residuales (eje vertical) con respecto a una distribución
teórica normal (eje horizontal). Suele contener una línea
diagonal o de ajuste perfecto y una serie de puntos más
o menos próximos que representan cada puntuación de
la muestra. Si los datos siguen una distribución normal,
los puntos se aproximarán a la línea teórica. El gráfico
superior indica normalidad; el inferior no.

Si se incumple el supuesto de normalidad de los residuales se

puede:
o Transformar la variable de respuesta (p.e. transformar
cada puntuación de la VD, por ejemplo, a su logaritmo u
otra función con la que se cumpla el supuesto de normali-
dad.
o Utilizar procedimientos estadísticos no paramétricos:
 U de Mann-Whitney (si se comparan sólo 2 grupos)
 Kruskal-Wallis (si hay más de 2 grupos).
 Homogeneidad de las varianzas de la variable de respuesta en cada grupo. La
varianza de la VD en los distintos grupos debe ser parecida. Puede probarse con la
prueba de Levene (Ho: las varianzas son homogéneas).
o En el caso de incumplir el supuesto de homogeneidad de varianzas, es posi-
ble calcular una prueba estadística robusta con la que obviar este supuesto
(F robusta de Welch o F robusta de Brown-Forsythe).

La utilización del ANOVA implica la existencia de uno de 2 modelos posibles:

 H1: Los tratamientos tienen un efecto diferente. El promedio de la VD difiere entre

los grupos o niveles del factor. Por tanto, la puntuación de un sujeto 𝑌 es igual a
la media de todos los sujetos (𝜇) más el efecto del tratamiento recibido (𝛼 ) más un
error de cada sujeto (𝑒 ). Los sujetos difieren según el tratamiento administrado,
además de un posible error aleatorio.

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

Cualquiera de los dos modelos es una representación de la variable de respuesta

investigada. Para determinar qué modelo es el más conveniente, se ajusta un modelo
ANOVA simple.

Para decidir qué modelo adoptar, para decidir si los grupos difieren, si hay diferencia

Área de Metodología de las Ciencias del Comportamiento 8

Departamento de Psicología Básica y Metodología. Facultad de Psicología
entre los efectos de los tratamientos, se utiliza la tabla ANOVA, que tiene la siguiente es-
tructura:

Fuente Suma de gl (grados Media F Sig.

cuadrados de libertad) cuadrática
Factor (A) SCA a-1 MCA=SCA/(a-1) MCA/MCR p
Residual (Error) SCR n-a-1 MCR=SCR/(n-a-1)
Total SCA+SCE n-1
Claves: a: niveles del factor experimental
n: nº de sujetos
SCT = SCA + SCR
MC = SC / gl

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.

Comprobada la significación de la prueba F global del modelo y las diferencias entre

los niveles del factor, quedaría calcular el tamaño del efecto de estas pruebas.

Área de Metodología de las Ciencias del Comportamiento 9

Departamento de Psicología Básica y Metodología. Facultad de Psicología
 Área de Metodología de las Ciencias del Comportamiento 10
Departamento de Psicología Básica y Metodología. Facultad de Psicología
Diseño Completamente Aleatorio Simple (DCA simple)
Procedimiento estadístico con JAMOVI
Se realiza una prueba de razonamiento espacial en 3 ambientes distintos. Para ello 30
sujetos fueron aleatoriamente asignados a uno de 3 tratamientos: Música de Mozart, Mú-
sica relajante y Sin música. Los datos de la prueba de razonamiento fueron los siguientes
(datos ficticios):

Música de Mozart Relajación Control

6 4 5
4 5 4
5 3 6
7 6 2
8 6 2
7 3 2
6 3 6
5 4 4
8 4 3
7 2 5

En JAMOVI creamos un nuevo archivo de datos, con 2

variables, Razonamiento y Condición, tal como se muestra a
continuación. Picando sobre Condición, es necesario indicar
que es una variable Nominal, y donde aparecen los valores 1,
2 ó 3, podemos reescribir las etiquetas de esos valores. Ob-
serva los iconos de variable continua (regla) y variable nominal
(círculos). Los factores de los diseños deben introducirse como
variables Nominales. Las variables dependientes y otras varia-
bles cuantitativas, deben introducirse como Continuas.

En JAMOVI, para los DCA y en general para cualquier diseño intersujetos simple, se
puede utilizar:

 T-Tests para un DCA simple con solo 2 grupos.

 ANOVA – One Way ANOVA para un DCA simple. En JAMOVI es el procedimiento
que ofrece la corrección de Welch (sólo aplicable a modelos simples) cuando no se
cumple el supuesto de homogeneidad de varianzas.
 ANOVA – ANOVA para un DCA simple o factorial. Ofrece tamaños del efecto, tanto
del modelo como de las comparaciones post-hoc.

Área de Metodología de las Ciencias del Comportamiento 11

Departamento de Psicología Básica y Metodología. Facultad de Psicología
 Aunque en algunos casos se utilizará el módulo Linear Models, que por defecto no
aparece y se puede incorporar picando, a la derecha, en el signo + de Módulos, seleccio-
nando en “Jamovi Library” el módulo GAMLj (con INSTALL).

Propuesta: utilizar ANOVA-ANOVA como procedimiento por defecto para mode-

los DCA simples, y en general para diseños intersujetos simples. Reservar ANOVA – One
Way ANOVA para los casos en los que hay que utilizar la corrección de Welch por no
cumplir el supuesto de homogeneidad de varianzas.

En este caso, el factor tiene 3 niveles  ANOVA

Seleccionar el procedimiento ANOVA-ANOVA

 Identificar la Variable Dependiente y el Factor

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.

 Comprobar los supuestos del mo-

delo, marcando el test (de Levene) de
Homogeneidad de Varianzas y las
pruebas de normalidad. Normal-
mente con el gráfico Q-Q plot es sufi-
ciente, y en el caso de que resulte un
patrón con una desviación clara de la
diagonal, se puede utilizar la prueba
de Shapiro.

Podemos admitir Homogeneidad de Varian-

zas, puesto que la prueba de Levene resulta
No Significativa (Lev2,27=0.468; p=0.632).

También podemos asumir Normalidad de los

residuales. No se aprecia una importante
desviación sobre los valores teóricos espera-
dos.

 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-

Área de Metodología de las Ciencias del Comportamiento 12

Departamento de Psicología Básica y Metodología. Facultad de Psicología
 hoc, para lo que trasladamos al cuadro de la
derecha el factor de tratamiento y marcamos la
corrección de Bonferroni y los tamaños del
efecto. También se marcan los tamaños del
efecto del modelo.

Hay 3 indicadores del tamaño del efecto del modelo

ANOVA:

 𝜂 (eta cuadrado) equivale a coeficiente de de-

terminación; SCA/SCT. Se calcula como la
suma de cuadrados del factor (SCA) entre la
suma de cuadrados total (SCT): SCA/SCT.
 𝑝𝑎𝑟𝑡𝑖𝑎𝑙 𝜂 (eta cuadrado parcial) equivale al coefi-
ciente de determinación corregido: SCA/(SCA+SCR).
Se calcula como la suma de cuadrados del factor divi-
dido entre el total de la suma de cuadrados del factor y la suma de cuadrados resi-
dual. En modelos simples, eta cuadrado es idéntico a eta cuadrado parcial. En mo-
delos factoriales, siempre es preferible eta cuadrado parcial.
 𝜔 (omega cuadrado) es preferible a las anteriores, porque es la medida más inses-
gada. Se calcula como:

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:

 d = 0,20: tamaño del efecto pequeño.

 d = 0,50: tamaño del efecto mediano.
 d = 0,80: tamaño del efecto grande.

Con todo lo anterior, podemos concluir el análisis de este diseño:

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).

Área de Metodología de las Ciencias del Comportamiento 13

Departamento de Psicología Básica y Metodología. Facultad de Psicología
 Se realizaron comparaciones estadísticas tipo Bonferroni con las que se pudo com-
probar que con la música de Mozart el razonamiento espacial era estadísticamente superior
que con la música de relajación (dif=2.3; p=.004; d=0.096) y que con la estancia en silencio
o control (dif=2.4; p=0.002; d=0.100). En ambos casos, el tamaño del efecto resultó ser
bajo.

Área de Metodología de las Ciencias del Comportamiento 14

Departamento de Psicología Básica y Metodología. Facultad de Psicología