03 Modele Experimentale 1

Metodologia cercetării
Modele de cercetare experimentale
Motto
"Nature, will best respond to a logical and carefully thought out questionnaire"
(Ronald A. Fisher)
1
5
Metodologia cercetării Motto
"Nature, will best respond to a logical and carefully thought out questionnaire" (Ronald A. Fisher)
Un tabel al modelelor de cercetare este prezentat John A. Schinka,

Wayne F. Velicer, Irving B. Weiner (2003) redat mai jos :
Din fericire, doar o parte dintre aceste modele de cercetare prezintă

interes pentru disciplinele sociale si comportamentale. În continuare
urmează să fie prezentate o parte dintre acestea.
Aceste modele, denumite și modele experimentale veritabile, sunt
apreciate ca având o validitate internă bună şi se caracterizează
printr-un control adecvat al variabilelor externe care, în lipsa unui
control adecvat, pot să ofere alternative explicative ce sunt atribuite în
mod eronat variabilelor independente.
2
5
3
5
3.1. Modelul – unifactor (IV) complet randomizat (completely randomized single-factor

design) sau design cu eșantioane independente
Mai este denumit: beetwen subjects design, independent-groups design,

posttest-only control-group design, after-only research design, randomized
two-group design. Prin desemnarea aleatorie a subiecţilor fiecărui grup din
experiment se obţine echivalenţa grupurilor.
În mod normal acest design este evaluat prin F-test (ANOVA simplă sau
complet randomizată) sau prin oricare dintre testele folosite pentru
independent-groups design.
4
5

Este important să facem diferenţa dintre desemnarea aleatorie şi eşantionarea

aleatorie.
- Eşantionarea aleatorie implică selectarea aleatorie a subiecţilor dintr-o
populaţie precizată.
- Desemnarea aleatorie înseamnă desemnarea unui eşantion de subiecţi
fiecărei condiţii experimentale avute în vedere.
Situaţia în care un eşantion de subiecţi inclus într-un experiment este sau nu
rezultatul unei eşantionări aleatorii determină gradul în care cercetătorul va
putea face generalizările concluziilor sale.
5
5
Modelul complet randomizat cu 1 factor (B)
Niveluri Factor B
IV B1 B2 B3 … Bk … Bb
DV X1(n1) X2(n2) X3(n3) … Xk(nk) … Xb(nb)
unde n1, n2, …, nk sunt eșantioane distincte,

acestea pot să fie egale sau nu ca volum. b ≥ 2
6
5

Ex.1. Evaluarea performanței mnezice în funcție de procedeul mnezic folosit

IV – tipul de grup (Grup exp.1, Grup exp.2, Grup control)
DV – performanța mnezică
Ex.2. Evaluarea relației dintre tipul de efort intelectual și fatigabilitatea neuronală

IV – tipul de sarcină (calcul aritmetic, silogism logic, memorare-reproducere, inferență
semiotică)
DV – fatigabilitatea neuronală
7
5
3.2. Modelul – unifactor (IV) cu măsurători repetate (single-factor repeated-measures

design) sau design cu eșantioane dependente.
Denumit şi model cu măsurători repetate simplu. Alte denumiri: the matched-
subjects/groups design, single-factor within-subjects design, the correlated-groups design
sau treatment-by-subjects design.
Util mai ales în studiile care au în vedere învăţarea, praxisul, trainingul, etc. Spre
deosebire de designul anterior în care subiecţii dintr-un grup sunt supusi unui singur nivel
al variabilei independente, aici aceştia sunt supuşi fiecărui nivel din cele k ale variabilei
independente.
Marele avantaj este că necesită mai puţini subiecţi şi astfel se reduce variabilitatea dintre
subiecţi şi în consecinţă eroarea de măsurare. Designul are putere mai mare şi este mult
mai sensibil la efectul experimental
Designul are dezavantajul transmiterii unor efecte (carry-over effects) de la o măsurătoare
la alta.
8
5
Modelul unifactorial cu măsurători repetate (factorul B = IV)
Niveluri Factor B
IV B1 B2 B3 … Bk … Bn
DV X1(n) X2(n) X3(n) … Xk(n) … Xn(n)
9
5
3.2. Modelul – unifactor (IV) cu măsurători repetate (single-factor repeated-

measures design) sau design cu eșantioane dependente.
Ex.1. Evaluarea relației dintre tipul de efort intelectual și fatigabilitatea neuronală

IV – tipul de sarcină (calcul aritmetic, silogism logic, memorare-reproducere, inferență
semiotică)
DV – fatigabilitatea neuronală
Ex.2. – Evaluarea relației dintre ritmul cardiac și tipul de examen

IV – tipul de examen la admitere (reproducere text, grilă, colocviu)
DV – ritmul cardiac
10
5
3.2. Modelul – unifactor (IV) cu măsurători repetate (single-factor repeated-

measures design) sau design cu eșantioane dependente.
scris grila Colocviu

S1 79 74 84
S2 80 75 88
S3 84 80 85
S4 86 82 86
S5 85 83 80
S6 80 79 83
11
5
3.2. Modelul – unifactor (IV) cu măsurători repetate
12
5
13
5
14
5
15
5
3.6. Un model particular mixt este modelul Solomon cu patru grupuri.
David Sheskin, Statistical Tests and Experimental Design, A Guidebook, Gardner Press, NY & London, 1984
16
5
Grup A Pretest(T1) Factor-X post-test(T2)
Grup B Pretest(T1) post-test(T2)
Grup C Factor-X post-test(T2)
Modelul
Grup D Solomon cu 4 grupuri post-test(T2)
17
5
Modelul experimental
Modele de cercetare experimentale pre-test/post-test
cu grup de control
Grup B Pretest(T1) post-test(T2) O combinație

de 2 modele
Grup D Modelul post-test(T2)

Solomon cu 4 grupuri
Modelul quasi-experimental
al grupurilor statice 18
5 pre-existente
Grup B Pretest(T1) post-test(T2) Intersecția

celor 2 modele

Modelul quasi-experimental
pre-test/post-test cu grupuri
19
5 separate
cu grup de control
Grup B Pretest(T1) post-test(T2)

Modelul quasi-experimental Modelul quasi-experimental
pre-test/post-test cu grupuri al grupurilor statice 20
5 separate pre-existente
Încărcătura de influențe
Grup A Pretest(T1) Factor-X post-test(T2) AT2=T1, X, M, H
Grup B Pretest(T1) post-test(T2) BT2=T1, M, H

CT2=X, M, H
Grup D Modelul post-test(T2) DT2=M, H

21
5
cu grup de control
Grup A Pretest(T1) Factor-X post-test(T2) FA=T1, X, M, H
Grup B Pretest(T1) post-test(T2) FB=T1, M, H

FC=X, M, H
Grup D Modelul pre-test(T2) FD=M, H

Modelul quasi-experimental Modelul quasi-experimental
pre-test/post-test cu grupuri al grupurilor statice 22
5 separate pre-existente
T1 –pre testarea
T2 –post testarea (conține factorii: maturare-M, istorici-H)
1. (AT2 – BT2) - (CT2 – DT2) = influența pretestării, atât cu factorul X cât și

fără factorul X
2. (BT2 – DT2) = influența pretestării fără factor X
3. (AT2 – CT2) = influența pretestării cu factor X
4. (AT2 – BT2) – (AT1- BT1) = influența factor X
5. (DT2 - BT1) = influența factorilor externi necontrolați
23
5
1. Propuneți un model de cercetare cu măsurători

repetate
2. Propuneți un model de cercetare mixt tip
Solomon
24
5
3.3. Modelul factorial (IV) complet randomizat. (completely randomized Z-

variable factorial design also referred to as treatment-to-treatment design)
Utilizat pentru a evalua efectul celor Z-factori(IV) asupra variabilei

dependente(DV), unde Z ≥ 2. Dacă a = nivelul (nr. de categorii) factorului A,
b = nivelul (nr. de categorii) factorului B, ... z = nivelul (nr. de categorii)
factorului Z atunci: a (x) b (x) c (x)...(x) z reprezintă numărul total de grupuri
rezultate din toate combinațiile posibile ale nivelurilor celor Z factori. Aceste
grupuri sunt independente, fiecare subiect fiind desemnat aleator în aceste
grupuri. În continuare avem un tabel al acestui model factorial cu 2 variabile
independente.
25
5 The term factorial design seems to first appear in Fisher’s book The Design of Experiments (1935): chapter VI is called “The Factorial Design in Experimentation.
26
5
Modelul complet randomizat cu 2 factori (A și B)

Niveluri Factor B
Niveluri
Factor A B1 B2 B3 … Bk … Bb Σ linii
A1 A1B1 A1B2 A1B3 … A1Bk … A1Bb ΣA1

… … … … … … … … …
Aj AjB1 AjB2 AjB3 … AjBk … AjBb Σaj
… … … … … … … … …
Aa AaB1 AaB2 AaB3 … AaBk … AaBb Σaa
Σ coloane ΣB1 ΣB2 ΣB3 … ΣBk … ΣBb ΣAB
27
5
Modelul factorial complet randomizat numit uneori și model factorial

transversal complet (fully crossed design) caută să investigheze atât efectul
fiecărui factor asupra variabilei dependente cât și efectul interacțiunii dintre
factori asupra variabilei dependente.
Adesea factorii au 2-3 niveluri (categorii). Dacă modelul are mulți factori și
multe niveluri devine logic și operațional puțin fezabil și atunci se folosește
modelul, numit generic, modelul factorial fracționat, model care folosește doar
o parte din combinațiile nivelurilor factorilor, celelalte fiind omise/blocate.
Dacă avem 2 factori cu 2 niveluri fiecare atunci modelul se mai numește model
factorial 2 x 2. Similar dacă avem 3 factori cu 2 niveluri modelul este unul
factorial 2 x 2 x 2.
28
5 The term factorial design seems to first appear in Fisher’s book The Design of Experiments (1935): chapter VI is called “The Factorial Design in Experimentation.
29
5

Formula de calcul a numărului de combinații ale factorilor este una simplă
N = ς𝑘𝑖≥2 (niveluri i)(#factori cu niveluri i) , unde k este nivelul cel mai mare.
Ex.1. -1 factori cu 2 niveluri și 1 factor cu 3 niveluri, N = 21x31 = 2x3 = 6

Ex.2. -3 factori cu 2 niveluri și 1 factor cu 3 niveluri, N = 23x31 = 8x3 = 24
Ex.3. -4 factori cu 2 niveluri și 2 factori cu 3 niveluri, N = 24x32 = 16x9 = 144
30
5
3.3. Modelul factorial (IV) complet randomizat. (completely randomized Z-variable factorial
design also referred to as treatment-to-treatment design)
Una dintre problemele acestui model este posibila inegalitate a volumului eșantioanelor
desemnate fiecărei combinații de niveluri, numită nonortogonalitate care generează o serie
de dificultăți de analiză, motiv pentru care o modalitate des utilizată este radierea cazurilor
în plus, din eșantioanele mai mari.
Variante de analiză a efectelor:

ANOVA factorială – Analizează efectul factorilor IVs asupra DV
Analiza de regresie – Utilizează modelul matematic al unei ecuații numită ecuația de
regresie cu DV fiind o expresie a factorilor IVs combinați + o valoare reziduală (variabilitate
neexplicată de acești factori)
Analiza Yates – Folosește ANOVA factorială pentru factorii IVs cu valori dihotomizate în
valori mici/mari, sub mediană/peste mediană, (-,+) 31
5 In statistics, a Yates analysis is an approach to analysing data obtained from a designed experiment, where a factorial design has been used (http://en.wikipedia.org/wiki/Yates_analysis)

Ex.- măsurarea rezilienței (DV) în funcție de factorii vârstă(IV_1), gen(IV_2)

și etnie(IV_3). Fiecare combinație de categorii reprezintă un eșantion
independent, subiecții fiind alocați aleator.
vârstă(IV_1) – sub 25 ani/peste 25 ani

gen(IV_2) – feminin/ masculin
etnie(IV_3) – nativ american/ hispanic / chinez
Numărul total de categorii: 22x31=12 32

5
Genul Etnia Categoria de vârstă Reziliența

1 F nativ-american sub 25 de ani 22,22,21,24
2 F nativ-american peste 25 de ani 23,19,20,23
3 F hispanic sub 25 de ani 21,22,23,20
4 F hispanic peste 25 de ani 19,18,20,21
5 F chinez sub 25 de ani 22,23,26,24
6 F chinez peste 25 de ani 23,24,20,25
7 M nativ-american sub 25 de ani 25,25,26,23
8 M nativ-american peste 25 de ani 24,20,22,23
9 M hispanic sub 25 de ani 27,24,24,20
10 M hispanic peste 25 de ani 18,20,20,23
11 M chinez sub 25 de ani 22,22,24,19
12 M chinez peste 25 de ani 19,19,22,22
33
5
34
5
35
5
Efect principal Efect principal

total Interactiune factori
categ_vrst
36
5
37
5
Fig. a Fig. b Fig. c
38
5
Concluzii:
1. Prezența efectelor principale indică existența unei

semnificații statistice.
2. Absența interacțiunii între 2 variabile se traduce prin
paralelismul liniilor
3. Prezența interacțiunii între 2 variabile se traduce, în
general, prin intersecția acestora (interacțiune disordinală –
Fig. a) la nivelul graficului sau prin neintersectarea
acestora la nivelul graficului (interacțiune ordinală Fig. c).
39
5
Exemplu de interacțiune:
Vorbim de interacțiune atunci când efectul unei variabile independente

este diferit pentru nivelurile unei alte variabile independente.
De exemplu testăm efectul a două variabile(genul, f-m și vârsta, t-a-b)

asupra performanței. Constatând că pentru bărbați performanța diferă
în funcție de vârstă (scade odată cu vârsta) pe când la femei
performanța nu depinde de vârstă vom putea susține că vârsta și genul
interacționează sau că avem o interacțiune gen/vârstă.
40
5
3.4. Modelul bloc randomizat/modelul randomizării pe categorii (randomized block design

also referred to as a treatment x level design, a treatment x block design, a stratified design).
Este în fapt o particularizare a modelului precedent în care unul dintre factori(una dintre
variabile IV) este grupat. În exemplul din Tabelul 3.3 dacă factorul B este grupat, atunci
fiecare dintre nivelurile b ale factorului B are (a) x (n) subiecți, fiind omogene în raport cu
factorul B. (de ex. nivelul Bk este format din grupuri omogene in raport cu factorul B – un
grup pentru fiecare nivel al factorului A – de volum = n subiecti )
Acest model asumă faptul că cele « a » grupuri – determinate de nivelurile factorului A –

care sunt grupate în raport cu nivelul Bk al factorului B sunt aleator desemnate celor « a »
niveluri ale factorului A.
41
5
grupuri
omogene de
volum = n
42
5
Modelul complet randomizat cu 2 factori

Niveluri Factor B
Niveluri

… … … … … … … … …
Aj AjB1 AjB2 AjB3 … AjBk … AjBb Σaj
… … … … … … … … …
Aa AaB1 AaB2 AaB3 … AaBk … AaBb Σaa
Σ coloane ΣB1 ΣB2 ΣB3 … ΣBk … ΣBb ΣAB
43
5
3.4. Modelul bloc randomizat/modelul randomizarii pe categorii
Ex.- măsurarea rezilienței (DV) în funcție de factorii vârstă(IV_1), gen(IV_2) și

etnie(IV_3). Fiecare combinație de categorii reprezintă un eșantion independent, subiecții
fiind alocați aleator (n ex.a). Gruparea unui nivel al factorului etnie (de ex. hispanici)
conduce la modelul bloc randomizat.
44
5

1
2
5
6
7
8
11
12
45
5
Blocul/Grupul - hispanici

46
5
47
5
48
5
49
5
3.5. Modelul factorial complet intra-subiecți (complet within-subjects factorial

design also referred to as a factorial design with repeated measures on all
factors; and a subject x treatment x treatment where the term treatment is
repeated as many times as there are factors in design)
Este utilizat atunci când evaluăm Z factori unde Z ≥ 2 și toți cei n subiecți sunt
alocați tuturor nivelurilor celor Z factori. Astfel în exemplul din Tabelul 3.3
toate combinațiile dintre nivelurile « a » ale factorului A și « b » ale factorului
B au alocate aceeași n subiecți și astfel nu avem grupuri independente ca în
modelul factorial complet randomizat.
50
5
Modelul complet randomizat cu măsurători repetate

Niveluri Factor B
Niveluri
A1 A1B1(n) A1B2(n) A1B3(n) … A1Bk(n) … A1Bb(n) n

… … … … … … … … n
Aj AjB1(n) AjB2(n) AjB3(n) … AjBk(n) … AjBb(n) n
… … … … … … … … n
Aa AaB1(n) AaB2(n) AaB3(n) … AaBk(n) … AaBb(n) n
Σ coloane n n n n n n n n
51
5
3.5. Modelul factorial complet intra-subiecti
Exemplu
Evaluarea preferintelor culinare (pe o scala de la 1 la 10) ale sportivilor în
funcție de aportul caloric(IV_1), de modul de preparare(IV_2) și de nivelul de
condimentare(IV_3). Fiecare combinație de niveluri ale celor 3 IVs reprezintă
situații distincte în care sunt evaluate aceste preferințe pentru același grup de
sportivi.
52
5
Modele de cercetare experimentale 3.5. Modelul factorial complet intra-subiecti
Nivel de condimentare
Mic Crescut
Mod de preparare
Abur Prăjit Abur Prăjit
RMA RMP RCA RCP
5 6 7 7
Redus 6 7 7 9
5 6 8 8
Aport
caloric 5 7 8 9
MMA MMP MCA MCP
7 6 8 9
Mare 6 8 9 10
7 7 9 10
7 8 9 9
53
5
54
5
55
5
3.5. Modelul factorial complet intra-subiecți
56
5
3.6. Modelul mixt (mixed design also referred to as a partial repeated-

measures factorial design)
Unii autori precum Kirk (1982) numesc acest model ”split-plot design” însă
alți autori consideră modelul ”split-plot” drept un caz particular al modelului
mixt (Johnson & Leone, 1977). Acest timp de model este util atunci când
există anumite restricții în modelul factorial. Neale & Liebert (1980)
consideră acest model drept unul de tip bloc randomizat.
În modelul mixt există Z factori, Z ≥ 2, iar subiecții sunt alocați la toate
nivelurile pentru cel puțin unul dintre cei Z factori, însă nu pentru toate
nivelurile celorlalți factori.
57
5
3.6. Modelul mixt (mixed design also referred to as a partial repeated-

measures factorial design)
Niveluri Factor B
Niveluri

A3
…
…
Aa
Σ coloane n n n n n n n n
58
5
1. Propuneți un model de cercetare factorial

complet randomizat
2. Propuneți un model de cercetare factorial block
randomizat
59
5
Referințe
1. Campbell, D.T., Stanley, J.C., Experimental and Quasi-Experimental Designs for Research. Skokie, I11. Rand-
McNally, 1963
2. Stephen Isaac, William B. Michael, Handbook in Research and Evaluation, Robert R. Knapp, Publisher, San Diego,
California, 1974
3. Christensen, L.B. Experimental methodology (2nd ed.) Boston, Allyn & Bacon, 1980.
4. David Sheskin, Statistical Tests and Experimental Design, A Guidebook, Gardner Press, NY & London, 1984
5. John M. Neale, Robert M. Liebert, Science and Behavior - An Introduction to Methods of Research, Prentice-Hall,
New Jersey, 1986
6. Handbook of Psychology -volume -2- Research Methods in Psychology, John A. Schinka, Wayne F. Velicer, Irving B.
Weiner, John Wiley & Sons, Inc., Hoboken, New Jersey, 2003.
60
5

03 Modele Experimentale 1

Încărcat de

Informații document

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

03 Modele Experimentale 1

Încărcat de

Drepturi de autor:

Formate disponibile

Metodologia cercetării

Modele de cercetare experimentale

Un tabel al modelelor de cercetare este prezentat John A. Schinka,

Din fericire, doar o parte dintre aceste modele de cercetare prezintă

3.1. Modelul – unifactor (IV) complet randomizat (completely randomized single-factor

Mai este denumit: beetwen subjects design, independent-groups design,

3.1. Modelul – unifactor (IV) complet randomizat (completely randomized single-factor

Este important să facem diferenţa dintre desemnarea aleatorie şi eşantionarea

Modelul complet randomizat cu 1 factor (B)

DV X1(n1) X2(n2) X3(n3) … Xk(nk) … Xb(nb)

unde n1, n2, …, nk sunt eșantioane distincte,

3.1. Modelul – unifactor (IV) complet randomizat (completely randomized single-factor

Ex.1. Evaluarea performanței mnezice în funcție de procedeul mnezic folosit

Ex.2. Evaluarea relației dintre tipul de efort intelectual și fatigabilitatea neuronală

3.2. Modelul – unifactor (IV) cu măsurători repetate (single-factor repeated-measures

Modelul unifactorial cu măsurători repetate (factorul B = IV)

DV X1(n) X2(n) X3(n) … Xk(n) … Xn(n)

3.2. Modelul – unifactor (IV) cu măsurători repetate (single-factor repeated-

Ex.1. Evaluarea relației dintre tipul de efort intelectual și fatigabilitatea neuronală

Ex.2. – Evaluarea relației dintre ritmul cardiac și tipul de examen

3.2. Modelul – unifactor (IV) cu măsurători repetate (single-factor repeated-

scris grila Colocviu

3.2. Modelul – unifactor (IV) cu măsurători repetate

3.2. Modelul – unifactor (IV) cu măsurători repetate

3.2. Modelul – unifactor (IV) cu măsurători repetate

3.2. Modelul – unifactor (IV) cu măsurători repetate

3.6. Un model particular mixt este modelul Solomon cu patru grupuri.

Grup A Pretest(T1) Factor-X post-test(T2)

Grup B Pretest(T1) post-test(T2)

Grup C Factor-X post-test(T2)

Grup A Pretest(T1) Factor-X post-test(T2)

Grup B Pretest(T1) post-test(T2) O combinație

Grup C Factor-X post-test(T2)

Grup D Modelul post-test(T2)

Grup A Pretest(T1) Factor-X post-test(T2)

Grup B Pretest(T1) post-test(T2) Intersecția

Grup C Factor-X post-test(T2)

Grup D Modelul post-test(T2)

Grup A Pretest(T1) Factor-X post-test(T2)

Grup B Pretest(T1) post-test(T2)

Grup C Factor-X post-test(T2)

Grup D Modelul post-test(T2)

Grup A Pretest(T1) Factor-X post-test(T2) AT2=T1, X, M, H

Grup B Pretest(T1) post-test(T2) BT2=T1, M, H

Grup C Factor-X post-test(T2)

Grup D Modelul post-test(T2) DT2=M, H

Grup A Pretest(T1) Factor-X post-test(T2) FA=T1, X, M, H

Grup B Pretest(T1) post-test(T2) FB=T1, M, H

Grup C Factor-X post-test(T2)

Grup D Modelul pre-test(T2) FD=M, H

1. (AT2 – BT2) - (CT2 – DT2) = influența pretestării, atât cu factorul X cât și

1. Propuneți un model de cercetare cu măsurători

3.3. Modelul factorial (IV) complet randomizat. (completely randomized Z-

Utilizat pentru a evalua efectul celor Z-factori(IV) asupra variabilei

Modelul complet randomizat cu 2 factori (A și B)

A1 A1B1 A1B2 A1B3 … A1Bk … A1Bb ΣA1

Modelul factorial complet randomizat numit uneori și model factorial

3.3. Modelul factorial (IV) complet randomizat. (completely randomized Z-

Formula de calcul a numărului de combinații ale factorilor este una simplă

Ex.1. -1 factori cu 2 niveluri și 1 factor cu 3 niveluri, N = 21x31 = 2x3 = 6

Variante de analiză a efectelor:

3.3. Modelul factorial (IV) complet randomizat. (completely randomized Z-

Ex.- măsurarea rezilienței (DV) în funcție de factorii vârstă(IV_1), gen(IV_2)

vârstă(IV_1) – sub 25 ani/peste 25 ani