Dissenys de recerca Tema 2 (2015)

Apunte Catalán
Universidad Universidad de Barcelona (UB)
Grado Psicología - 3º curso
Asignatura Dissenys de Recerca
Año del apunte 2015
Páginas 9
Fecha de subida 26/04/2016
Descargas 3
Subido por

Vista previa del texto

DISSENYS DE RECERCA BLOC II - DISSENYS EXPERIMENTALS, QUASI-EXPERIMENTALS I NO EXPERIMENTALS Alguns problemes i recursos 1. Falta 2. Falta 3. Una mostra independentment de com sigui l’utilitzo com a grup a l’atzar. Si volem que l’atzar funcioni, la mostra ha de ser gran. 30 mínim o més. És la llei dels grans números (com més subjectes més m’aproximo a la probabilitat que els grups siguin equivalents). 4. Problemes relatius als participants: Si l’estudi fos longitudinal i no transversal quan fas participar els participants molt de temps, hi ha la mort experimental (es cansen, canvien de ciutat, emmalalteixen). Com més dura un estudi més probabilitat hi ha de perdre subjectes. És útil fer un registre Pre-test: recollida de dades de la variable dependent abans de fer el test. Com podem saber si els grups són equivalents o no? Doncs fent un registre pre-test abans d’aplicar el tractament. Alguns manuals diuen que el pre-test és optatiu, excepte quan hi ha risc que l’atzar no funcioni bé. Si l’atzar no funciona bé: 1. Torna a començar: Torna a realeatorietzar. 2. Canviar de disseny: Aplicar grups homogenis, grups on hi ha persones lentes, moderades i ràpides en resposta. 3. Si és possible, val la pena afegir un grup control com a element de comparació. Anàlisi de la variància disseny simple 3 fonts de variació a estudiar 1. Tractaments 2. Error (intra-grup) 3. Total o global El normal és treballar amb 2 o 3 variables dependents (dissenys factorials): Una sèrie de causes donen un efecte. Com que sabem que la realitat és complexa treballem amb dissenys factorials de creuament. En la diapositiva 34 hi ha la variable independent A i la variable independent B. Cada una té valors, nivells o tractaments (A1, A2, A3, B1, B2). Un disseny AxB és un disseny factorial amb dues variables independents. Molts investigadors dirien enlloc de AxB, disseny 3x2 (A amb 3 valors i B amb 2 valors). T’està dient quantes condicions experimentals hi haurà a l’estudi. 3x2 = 6 à 6 grups o 6 condicions experimentals. Exemples diapo 34: Per a fer totes les possibles condicions apliquem una taula per a fer l’encreuament. B1 B2 A1 A2 A la última filera posaríem les mitjanes marginals. Sumem els dos valors i dividim entre 2. La última columna és la mitjana de les mitjanes. Disseny factorial 2x2: interacció Ens poden donar el gràfic enlloc de la taula. La interacció és: la influència mútua que tenen les variables independents respecte a la variable dependent. A: tipus d’entrenament B: lloc on es fa l’entrenament. B1 – aire lliure, B2 – lloc tancat Hi ha interacció? Si allarguéssim les línies hi hauria creuament. Si que hi ha interacció, encara que no ho veiem. N’hi ha perquè les distàncies o els efectes són diferencials. Si en un gràfic les línies són paral·leles, no hi ha interacció, no hi ha influència mútua. Quan no hi ha línies paral·leles hi ha interacció o influència sobre la variable dependent. A2 és millor tractament que A1. En aire lliure hi ha millor rendiment en el tractament 2. En l’entrenament 2 veig que el rendiment és millor a l’aire lliure i que el tractament és millor perquè millora el rendiment. En primer lloc omplim la taula 2x2 i els traspassem al gràfic. Seguidament fem els càlculs marginals: 1. Efectes principals: Estudiar l’afecte de A respecte a la variable rendiment. Miro les mitjanes marginals de A: fem la diferència del valor últim respecte al primer (10-6 = 4). L’efecte de B està a les mitjanes marginals de sota: resta del segon valor respecte al primer (5 – 11 = -6). 2. Efectes simples: s’agafa la variable independent A respecte a un valor de l’altre variable. A /B2 à 6-4 = 2. En els resultats veiem lo típic de la interacció i m’adono que els resultats sempre són diferents, per tant, hi ha interacció, veiem el mateix que veiem a la gràfica. La no interacció: dóna lloc a línies paral·leles en el gràfic i en el càlcul dels efectes simples els resultats són iguals dos a dos (diapo. 39). A la diapositiva 38 hi ha un gràfic amb interacció creuada. És lo més radical, però existeix. Li direm creuada quan veiem que les línies es creuin. L’efecte de B1 o B2 es creua en les dues condicions. Si l’efecte simple el valor és el mateix però de signe contrari, parlem d’interacció creuada. Quan l’efecte principal és 0 lo normal és que sigui nul però si veiem que la interacció és creuada llavors no ha de perquè ser nul. Interaccions possibles en dissenys factorials complexos La interacció de primer ordre: A x B à Mínim de variables independents. Normalment es treballa amb 3 o 4 variables independents. Si tinc un estudi A x B x C quins efectes tinc? - De primer ordre: A x B / A x C / B x C - Segon ordre: A x B x C - Tercer ordre: No puc! Un cop aquí em falten els efectes principals: efecte de cada variable dependent per si sola respecte a les independents. Si tinc un estudi A x B x C x D - De primer: fem parelles - De segon: Triplets. - De tercer ordre: A x B x C x D - De quart: No puc! Exemple: disseny factorial 2 x 2 x2 (23) A les files: dos valor variable independent. Columnes: variable B amb seus dos valors i dins la variable C amb els 4 valors. Per analitzar: 1. Agafo la taula i la tallo per la meitat a nivell de columnes. Haig de treballar amb un 2 x 2. És a dir diferenciarem entre B1 i B2. 2. A la gràfica del tractament B1 no hi ha interacció. 3. A la segona si que hi ha interacció, creuada respecte a A i C. 4. A nivell global hi ha interacció? Si veiem que en una de les dos gràfiques, n’hi ha, voldrà dir que en general n’hi ha. 5. Anàlisi de la variància: Exercici: Estudi grups aleatoritzats 4x3 N=24. Construir quadre del AVAR amb graus de llibertat. El nivell de significació de la variable A és 0,08 i el de la B és 0,00 i la interacció A x B és 0,03. Un disseny 4x3 (4 valors variable independent A i 3 per la B). La combinació de les 4 i les 3 dóna 12 condicions experimentals (A1B1, A2B1...). La mostra és de 24. Els graus de llibertat són el nombre de condicions per cada variable menys 1. Si el total suma 23 ho hem fet bé. La interacció és de 0,03 à Hi ha significació estadística. Disseny balancejat Els grups són iguals en quant a nombre de persones i/o són proporcionals (lo ideal és que siguin iguals en quant a nombre de persones). No confondre amb la tècnica de balanceig = igualar. Repartiment equitatiu entre els grups (tècnica de control). Els grups són les condicions experimentals. Aquest és un estudi ideal 2x2. És ideal perquè els grups són iguals. Apareixen el nombre de persones (n= nombre de subjectes dins de cada situació experimental). A les marginals hi ha la suma i la N= grandària de la mostra (suma de sumes). Hi ha grups amb nombre de persones diferents. És a dir n és diferent. Per comprovar que es compleix la condició del balanceig (proporcionalitat) fem: 12 x 8 / 24 = 4 Un cop he fet el càlcul, si el resultat que em surt és el que tinc a la casella, llavors són proporcionals. No sempre encara que es compleixi la formula i per tant, la proporcionalitat, serà correcte. A nivell d’investigació tenir grups de 2 i de 8, encara que es compleixi la proporcionalitat, 2 subjectes són molts. S’ha de procurar que la opció que es posi sigui el més equilibrada possible. DISSENYS DE GRUPS HOMOGENIS Els grups homogenis no apliquen només l’atzar sinó que ajuden a l’atzar a que funcioni bé. Hi ha dos formes: aplicar el bloqueig i el balanceig. Hi ha 3 formes de homogeneïtzar: Tècniques de control - Balanceig: la més senzilla. Autors diuen que obtenim un disseny de grups a l’atzar. Hi ha autors, però que obtenim grups homogenis. Encara que procurem que hi hagi el mateix nombre d’homes que dones (no hi ha feina prèvia). No demanes res als subjectes, simplement “procures”. Per tant, alguns consideren que no hi ha feina prèvia i per tant és atzar. Altres, al veure que procurem diuen que hi ha en part una feina i per tant que són homogenis. - Bloqueig: variable de confussió identificada (anys de conducció) i en funció d’aquesta informació estratifiques segons la variable. Això és feina prèvia. - Aparellament: fer un pre-test o prova prèvia (temps de reacció dels conductors davant de senyals), agafo les dades de cada subjecte i estratifico del més lent al més ràpid. Hi ha feina prèvia. Quan fem bloqueig o aparellament tenim grups homogenis: NO HI HA DUBTES! Ens podem trobar en situacions fàcils o difícils. La difícil (típica) ens fa estratificar. Lo més típic és grups homogenis amb bloqueig o aparellament i apliquem un AVAR típic de grups amb estratificació. Quan no estratifiquem podem fer un AVAR amb grups a l’atzar. La idea básica dels grups homogenis és: Aparallar els diferents subjectes o unitats experimentals en funció de la seva semblança en alguns aspectes importants que podrien confondre els resultats. El resultats del procés són dos o més grups similars en la seva composició. Tota aquesta feina a priori m’ajuden a mirar si són equivalents. L’error en grups homogenis es disminueix, perque per l’atzar aplico bloqueig o aparallement que m’ajuden a garantir que els grups siguin diferents pel que m’interessa. Hi ha diferents criteris d’homogeització, (balenceig, bloqueig o aparallement). Criteris d’homogeneïtzació - Aparellament: registre pre-test. - Bloqueig: registre d’una variable de possible confusió concreta i identificada. També a partir del registre de diverses variables de possible confusió. Homogeneïtzació amb o sense estratificació NO ESTRATIFICACIÓ Fet amb aparellament. S’ordenen les puntuacions de l’examen abans de fer l’estudi. Sense estratificació. Les mitjanes és 5, són iguals (perfecte, ideal). És un disseny de grups homogenis fet amb aparellament. Hi ha una variable dependent (rendiment) i independent 1 també. Una variable independent ha de tenir com a mínim 2 valors, en aquest cas en tenim 3. En l’AVAR la font de variació serà entre grups o tractament, la següent serà l’error ja. Puc analitzar les dades com un grup a l’atzar perquè no hi ha estratificació. ESTRATIFICACIÓ Dividir en nivells. Els nivells no els faig de forma aribitraria: 1. Criteri d’homegeneïtzació: pre-test o bé variables rellevants. 2. Límit de tolerància: establir uns nivells d’imprecisió tolerats en l’homogeneïtzació. Contemplar un interval determinat de puntuacions per a cada nivell o estrat determinat. 3. Anàlisi de dades: Com faig l’estratificació? De 91 a 115. Per anar de 5 en 5 comencen del 90. De 90-95 CI baix, del 95 a 100 el segon grup, etc. Fins al 115. Surten 5 nivells on col·loco els diferents subjectes. Les tres mitjanes són “iguals” i per tant han aconseguit la homogeneïtzació. n= 1 vol dir que hi ha una persona a cada casella. La font de variació són els tractaments. Tenim també la font de variació nivells. És molt similar el de grup a l’atzar només varia que ho ha els nivells com a font de variació. La primera línia no canvia. Nivells: r= nombre de nivells o estrats. Residual: el que no es pot explicar. No és N-k! És N-k-r+1. L’altre AVAR (més d’un subjecte): Hi ha font de variació Nivells x tractament (interacció). Podria ser que el CI, la variable independent seria una prova d’examen, potser el CI influeix en el rendiment en l’examen. L’error experimental es diu intra-caselles, perquè ara l’error és lo que no està explicat, que està en la variabilitat dins de cada casella. La total és la suma de tot. L’error: K (tractaments) x r (num. nivells). ANÀLISI DE LA VARIÀNCIA: GRUPS HOMOGENIS Agafar alba primer paràgraf. 1. Mirar el nombre de nivells. Mirar límits de tolerància (si són estrets millor). 2. Dqw 3. Si hi ha un afecte molt gran del factor nivells vol dir que hi ha un efecte molt gran del factor “nivells”. DISSENY DE MESURES REPETIDES El mateix grup de subjectes passa per totes les condicions (factorial) o per tots els tractaments (simple). En aquesta matriu abstracta (hi ha Y), veiem els subjectes (fins a n subjectes) i veiem els tractaments (fins a k tractaments). Això és un disseny simple. Faltaria posar les mitjanes a sota cada columna per tenir la mitjana de cada tractament . Tenim la font de variació de la variable independent o dels tractament i la dels subjectes. Hi ha diferències individuals? Normalment l’error són les diferències individuals, però en aquest cas, els grups seran equivalents? 1. Grups no n’hi ha. 2. Seran perfectament equivalents perquè les mateixes persones passen per totes les condicions. 3. La literatura diu que és el disseny més sensible: el que té menys error. Hi ha diferents factors que fan que les respostes variïn en les diferents mesures que s’obtenen: EFECTES SEQÜENCIALS: efectes fruit de la seqüencialitat (de què els fas passar per diferents moments): 1. Efectes residuals: Efecte que queda després d’un tractament i si no ens assegurem de què aquest marxa això pot afectar en la següent mesura. Si en un tractament farmacològic no prenc la mesura d’assegurar-me que ha desaparegut l’afecte, quan mesuri la resposta, aquesta pot estar determinada pel tractament que arrosseguen i per el que els acabo d’administrar. 2. Efecte d’ordre: passen pel dia 1 tract. 1, dia 2 tracta. 2, etc. Pot ser que el dia 4 hagin après i que donin millors resultats en el tractament fruit de l’aprenentatge. Com ho puc evitar? Desordenant els tractaments à Que uns passin dia 1 tractament 1, dia 1 tractament 3, el dia 2, alguns pel tractament 2, altres 1, etc. Això es fa amb el CONTRABALANCEIG: canvia l’ordre seguint un mètode per evitar els efectes seqüencials tipus ordre. És una tècnica inespecífica. Les mesures repetides no només utilitzen el contra balanceig (quan sospites que l’ordre altera els resultats). També s’utilitza: - Subjecte com a control propi: tècnica de control directe que em dóna un disseny de mesures repetides. - Grup control: pot estar en tots els dissenys. - Constància: pertany a tots els dissenys. - Contrabalanceig: només en mesures repetides. FALTA!CONTRABALANCEIG Anàlisi de la variància en mesures repetides L’error és el residual. Subjectes és la nova font de variació diferent d’altres dissenys. n= nombre de persones que tinc en el grup. Es compleixen les condicions d’aplicació per fer l’AVAR? 1. Homogeneïtat (homoscedasticitat) de les variàncies: la comprovem 2. Normalitat de les dades: la assumim 3. Independència de les observacions: cada resultat és independent. Aquí no es compleix del tot perquè les persones són les mateixes en els tractament o condicions. Per tal de mirar si puc aplicar l’AVAR: Prova d’Esfericitat. Independentmet de si es compleix o no es compleix, tenim una prova esxtra que funciona sempre independentment de la condició d’aplicació à AMVAR (Anàlisis multivariable de la variància): funciona com l’AVAR però és diferent la prova. Acabarà donant un grau de significació (p). L’AMVAR es salta la condició d’aplicació però és més dèbil, no és tant potent com l’AVAR. Disseny factorial de mesures repetides Disseny 3x2 = 6 columnes. Dins de cada columna hi ha n subjectes (matriu abstracta). Què li falta? Les 6 mitjanes (efecte de les variables independents) i les mitjanes de la font de variació subjectes. On està la variància sistemàtica primària o l’efecte dels tractaments? A dalt. Subjectes, subjectes x A, subjectes x B i subjectes x A x B. FALTEN! Disseny factorial mixte AVAR disseny factorial mixte ...