Tema 2 - Dissenys Experimentals (2016)

Apunte Catalán
Universidad Universidad de Barcelona (UB)
Grado Psicología - 2º curso
Asignatura Dissenys de Recerca
Año del apunte 2016
Páginas 33
Fecha de subida 01/05/2016
Descargas 5
Subido por

Vista previa del texto

Bloc II Dissenys Grup M4 Laura Rodríguez Mesa TEMA 2: DISSENYS EXPERIMENTALS 1. CARACTERÍSTIQUES BÀSIQUES Manipulació de la variable o variables independents.
Es treballa amb grups diferents de subjectes i cada grup rep un tractament o condició experimental diferent.
L’objectiu de l’experimentador és que els grups siguin equivalents.
Anàlisi del canvis globals en els grups amb escassa o nul·la referència a casos individuals. És a dir, tractarem de detectar els canvis entre els grups sota el supòsit de que aquestes diferències han estat causades per les variables.
A l’hora d’analitzar les dades utilitzarem les proves estadístiques clàssiques.
La classificació dels dissenys ve determinada per 4 criteris: Disseny factorial: interacció Un disseny factorial ens permet analitzar l’efecte de cada VI, però no només ens dóna informació d’aquest efecte, sinó de la interacció entre les dues VI (en comptes de fer dos dissenys simples per cada variable, fem un disseny factorial i analitzem alhora les dues variables).
El disseny factorial, com a aportació important, ens dóna informació de la interacció entre les dues VI.
En la gràfica hi ha dues VI: el tipus de material presentat (amb/sense significat) i l’interval de record (curt/llarg).
Mirant la gràfica veiem que l’interval de record influeix en les paraules recordades.
En l’interval curt recordem una mitjana de 12 ítems i en el llarg, es redueix a uns 8-9.
Veiem que es recorda més si la paraula té significat que si no en té, i es recorda més si l’interval és curt que si és llarg.
1 Bloc II Dissenys Grup M4 Laura Rodríguez Mesa L’efecte del tipus de material amb significat o sense es modifica en funció de que l’interval sigui curt o llarg.
La diferència entre paraules amb significat i sense és més elevada quan l’interval de record és llarg que quan és curt.
Concloem que hi ha interacció, tot i que no és molt elevada  si les rectes estiguessin creuades la interacció seria màxima, i si fossin paral·leles no hi hauria interacció (l’efecte d’una variable no es veuria modificat pels nivells o tractaments de l’altre variable).
- Mirant les gràfiques, sabem que hi ha més interacció quan l’interval és curt perquè hi ha menys distància entre les rectes.
Després, segons l’anàlisi de la variància, veurem si la diferència és estadísticament significativa.
Disseny multivariable: covariació Aquest disseny té lloc quan mesurem més d’una VD i ens permet analitzar la covariació, que no s’ha de confondre amb la interacció: - Interacció: efecte combinat de les VI Covariació: efecte combinat de les VD La covariació fa referència a que els valors d’una variable varien alhora que varien els valors de l’altre variable dependent.
En el següent cas les dues VD són la quantitat d’errors en una prova lingüística i la qualitat dels errors, és a dir, si són fonètics, semàntics, etc.
Aquí apliquem 3 tractaments i les dues VD covarien inversament: quan augmenta la quantitat d’errors, disminueix la qualitat d’aquests errors (cometem més errors però són més senzills), quan cometem menys errors són de major qualitat.
Disseny longitudinal: evolució temporal del fenomen Els dissenys longitudinals, respecte als tranversals, ens permeten estudiar la evolució temporal del fenomen estudiat.
Per exemple, tenim dos grups de subjectes amb una determinada intervenció: un no tractat (vermell) i un tractat (blau), i tenim 4 ocasions de registre.
La gràfica ens indica el nombre d’errors de mitja que comet el grup tractat i el no tractat.
2 Bloc II Dissenys Grup M4 Laura Rodríguez Mesa *El grup tractat manté el nombre d’errors, mentre que el no tractat sí té una tendència a augmentar el nombre d’errors.
*Interpretaríem que el tractament evita que augmenti el nombre d’errors dels subjectes.
Resultats hipotètics en un disseny de grups aleatoritzats Es vol comprovar si la repetició de la informació influeix en el record d’aquesta. Tenim 20 subjectes (5 en cada grup) i 4 grups, els quals reben 1 tractament diferent de la VI, per tant, tenim una sola VI amb 4 tractaments (de 1-4 repeticions).
La VD (el record) està mesurada amb el nombre de paraules correctament recordades. De mitjana global es recorden 15 paraules.
Les desviacions són les diferències de la mitjana de cada grup respecte la mitjana global.
- Observem que hi ha un increment de paraules recordades a mesura que s’incrementa el nombre de repeticions de la llista de paraules.
Ens interessa avaluar si la variabilitat entre aquestes mitjanes la podem atribuir a l’efecte de l’atzar o l’hem d’atribuir a algun efecte sistemàtic. Aquest increment en el nº de paraules a partir de repetir més la llista, és significatiu o podria donar-se simplement per atzar? Anàlisi de la variància En l’anàlisi desglossem les dues variables: - La deguda a l’efecte del tractament La deguda als efectes aleatoris.
És a dir, comparem la variabilitat entre les mitjanes dels grups (causada segurament per la VI, les repeticions de la llista), respecte la variabilitat dins de cada grup (causada aleatòriament).
3 Bloc II Dissenys Grup M4 Laura Rodríguez Mesa COM QUANTIFIQUEM LES VARIÀNCIES? o La variància de cada subjecte la podem calcular restant el nº de paraules recordades per cada subjecte, menys la mitjana global.
 EXEMPLE: el subjecte 1 del tractament 1 tindria una variància de -7, ja que (8-15 = 7)  Si sumem totes les variàncies de tots els subjectes, ha de donar 0  per que no doni 0 elevem al quadrat aquestes diferències.
Exemple numèric (ho farà l’SPSS) 2 Suma de quadrats (s’eleva al quadrat per a que no doni 0)  o SQ Total: 534, i la dividim en variabilitat entre els grups i variabilitat dins un grup.
o SQ Entre: [5 subjectes en cada grup x (mitjana del primer grup és 8 – mitjana total)2] + [mitjana del segon grup és 13 – mitjana total)2] + .... = 470  De la variabilitat entre grups, 470 correspon a la Variable Independent, la resta correspon a l’atzar.
o SQ Intra: (resultat del primer subjecte – mitjana total del grup)2 + (resultat del segon subjecte del primer grup – mitjana total del grup)2 + .... = 64 Amb aquest anàlisi comparem la variabilitat intra amb la variabilitat entre. Però les sumes de quadrats no són directament comparables, perquè el nombre de dades és diferent en un cas que en l’altre.
- Per comparar-les hem de dividir pel nombre de dades  graus de llibertat (nº de dades que poden variar lliurement).
GRAUS DE LLIBERTAT: - Entre  k – 1 (on k és el nombre de tractaments o nivells).
Intra  N – k (del nombre total de subjectes, perdem un grau de llibertat per grup).
Total  N - 1 (d’aquestes 19, tres les hem utilitzat per l’entre i les 16 restants per l’anàlisi intra).
o Segueix una distribució F d’Snedecor.
4 Bloc II Dissenys Grup M4 Laura Rodríguez Mesa La hipòtesis nul·la diu que no hi ha diferències, és a dir, que no hi ha diferències entre el nº de paraules recordades entre - intra.
La hipòtesis alternativa diu que sí hi ha diferències, és a dir, que sí hi ha diferències entre el nº de paraules recordardades entre – intra.
La F d’Snedecor és 39’17, i la p (nivell de significació) és 0’0000.
- Quan la p és > 0’05 és diu que la prova és estadísticament significativa  ACCEPTEM LA HIPÒTESIS ALTERNATIVA.
o En aquest cas, interpretaríem la p així: hi ha 0’000 probabilitats que el quocient F (39’17) es doni per atzar.
o Si p > 0’05 la diferència no serà per atzar, sinó a causa de l’aplicació dels diferents tractaments.
 Si la F ens dóna 1 és que no hi ha cap efecte, no hi ha variabilitat (acceptem Ho). Ens ha donat 39’17.
o 39’17 és el quocient entre la variabilitat mitjana entre – intra, és a dir, el nº de cops que la variabilitat entre és superior a la intra.
o En aquest cas, és més elevada la diferència entre que intra.
o La F d’Snedecor és un indicador de la divergència que hi ha entre la variabilitat produïda per un efecte sistemàtic i una variabilitat produïda per un efecte aleatori.
Efectes analitzables en els dissenys El principal problema dels dissenys de grups a l’atzar és la seva poca sensibilitat (capacitat de detectar els efectes dels tractaments).
La F (Ventre/Vintra) és d’elevada magnitud, perquè hem format els grups a l’atzar, sense cap restricció i els subjectes tenen DDII que poden ser notòries.
Solucions possibles: - Disminuir la variància (reduir el soroll de fons) Augmentar la intensitat del senyal (Ventre).
o Augmentar la VI escollint els valors adequats d’aquesta.
5 Bloc II Dissenys Grup M4 Laura Rodríguez Mesa Podem reduir la variància intra mitjançant l’aplicació de 2 dissenys: dissenys de grup homogenis o dissenys de mesures repetides.
En els grups aleatoritzats podrem estudiar la variància dels tractaments (variable entre) i de l’error (variable intra).
En els grups homogenis la variància de l’error es podrà descompondre en nivells de funció de la variable que es bloqueja o es controla.
o Els nivells seran una nova font de variació que es podrà estudiar.
En els grups de mesures repetides l’error també es podrà descompondre en l’error i en la variabilitat del subjecte.
Tots els dissenys tenen la variabilitat producte del tractament o variabilitat sistemàtica que prové de la VI. El que canvia serà la variabilitat aleatòria de l’error que segons el disseny es podrà descompondre.
Anàlisi de la variància: grups aleatoritzats Per cada grup, veiem el nombre de paraules que ha recordat cada persona.
- Podem quantificar tres variabilitats: o La total: comparant cada dada amb la mitjana o La entre grups o La intra grups Per tant, el total queda descompost en la variabilitat del tractament més la de l’error.
Anàlisi de la variància: grups homogenis Es vol controlar amb el bloqueig una variable característica dels subjectes (ex: capacitat de memòria) que pot influir en el record de paraules.
- Per exemple, passem una prova de capacitat de memòria i establim tres nivells: subjectes amb poca memòria, subjecte amb mitja i subjectes amb alta capacitat de memòria.
6 Bloc II Dissenys Grup M4 Laura Rodríguez Mesa De cada nivell tenim 8 subjectes amb baixa capacitat de memòria, 8 mitjans i 8 alts distribuïts en cada tractament. Els distribuïm a l’atzar en cadascun dels 4 tractaments (enviem dos a cada tractament aleatòriament).
- Aquí hem format el grup amb una homogeneïtzació prèvia dels grups per estratificar-los segons els nivells, però segueix havent 4 grups (4 tractaments): als que passem un sol cop la llista, 2, 3 i 4 cops.
Podem calcular la variabilitat total (suma de quadrats total). Aquesta la podem descompondre en la mitjana de les columnes (les de cada tractament).
També podem saber la variabilitat (suma de quadrats) deguda a les diferències entre els nivells (capacitat de memòria) a partir de la mitjana de cada nivell.
- En el cas anterior, de grups a l’atzar, no ho podríem quantificar perquè en cada grup hi havia subjectes amb més i menys capacitat.
Saber la variabilitat provoca: o Que controlem la influència de la capacitat de memòria dels subjectes (els tenim en cada grup) o Que es minimitzi l’error intra que, en general, hi ha en grups aleatoritzats, a causa de que a l’error intra li hem tret la part de variabilitat que és produïda per la variable bloquejada i que podem quantificar.
Finalment, dins de cada casella, també tenim una variabilitat (entre el 9 i el 7, el 8 i el 9...)  variabilitat intra real, aleatòria: - No podem controlar-la i dóna l’error com a tal.
Per tant, tenim la total (tractaments), que ens permet quantificar els nivells de la variable bloqueig, que està quantificant l’efecte d’una capacitat del subjecte (EX: capacitat de memòria que influeix en la variable dependent, que és el nombre de paraules recordades).
Aquest disseny de grups homogenis té dos objectius: - Controlar la variable de confusió (memòria) Reduir l’error extraient la variabilitat produïda per les característiques dels subjecte.
Tenim, per tant, un disseny més sensible. L’error sempre serà més gran en grups aleatoritzats.
7 Bloc II Dissenys Grup M4 Laura Rodríguez Mesa Anàlisi de la variància: mesures repetides Els mateixos subjectes passen per tots els tractaments (el subjecte és el control propi)  s’aconsegueix la màxima homogeneïtzació.
- Així, la minimització de l’error és encara més efectiva.
Les mesures repetides són els dissenys més sensibles.
En aquests dissenys, l’error aleatori està encara més minimitzat, ja que molta part d’aquest el podem quantificar en la variabilitat de subjecte (la que dóna el fet de passar per cada tractament), i per tant, aquest és més petit que l’error en els grups homogenis i aleatoritzats.
El 5 és un subjecte amb alta capacitat de memòria i el 1 és de baixa capacitat. Les mitjanes ens quantifiquen les DDII dels subjectes respecte tots els factors que afecten el seu rendiment en aquesta prova, no només la capacitat de memòria... També motivació, atenció, etc.
A l’hora de fer l’anàlisi de variància veiem que la variància total la descomponem en 3 components: - Variabilitat dels tractaments (columnes) Error (com en les anteriors) Variabilitat produïda pels subjectes (files) La variància deguda als subjectes la calculem.
Proves complementàries a l’AVAR - L’AVAR és l’anàlisi de la variància.
És una prova que ens permet detectar l’efecte global d’una variable independent sobre una variable dependent.
- No permet analitzar les diferències entre tractaments, per tant, cal realitzar proves complementàries: o Contrastos parcials: descomposició de l’efecte global dels tractaments en efectes parcials.
Proves que permeten detectar les diferències significatives entre tractaments o grups de tractaments, permeten comparar l’efectivitat dels tractaments. Sempre es poden aplicar, ja sigui VI quantitativa o qualitativa.
8 Bloc II Dissenys Grup M4 Laura Rodríguez Mesa  A priori: responen a hipòtesis prèviament establertes. Per exemple, prèviament s’hipotetitza que el tractament combinat de psicoteràpia i psicofàrmac es millor que aquests tractaments separats.
 A posteriori: al principi no teníem coneixement de si l’efecte de la VI era significatiu o no, però un cop he realitzat l’estudi, l’anàlisi de la variància ha determinat que hi ha un efecte significatiu de la VI.
A partir d’aquí, m’interessa aprofundir en l’efecte. Habitualment, consisteix en la comparació de grups 2 a 2.
 Hi ha recerca de diferències significatives entre tractaments sense preferència específica.
 Per exemple, es pot esperar que a més repetició hi ha més record, però no sabem si 2 repeticions respecte a 3 suposen diferència significativa.
o Anàlisi de tendències: l’apliquem quan tant la VI com la VD són quantitatives.
És la prova adequada quan l’objectiu es determinar el tipus de relació que s’estableix entre la VI i la VD.
Ens permet determinar si la relació és lineal, si és quadràtica (U invertida), cúbica, etc.
Només permet detectar ‘’k – 1’’ funció (sent k el nombre de tractaments.
 Si tinc 5 tractaments, puc analitzar 4 funcions.
 Com més tractaments tinguem, més tendències podré analitzar.
 Si només tinc 2 tractaments, la tendència serà sempre lineal.
2. DISSENYS DE GRUPS ALEATORITZATS S’utilitza l’aleatorització com a tècnica de control. Es pot aplicar a 3 nivells: - - Població – mostra: al escollir els participants en l’estudi. Això repercuteix en la representativitat de la mostra (afecta a la validesa externa, al grau de generalització).
Mostra – grups: un cop tenim la mostra, distribuïm els subjectes als grups de forma aleatòria.
És el requisit necessari per poder identificar un disseny de grups a l’atzar.
o Repercuteix l’equivalència dels grups.
o Un dels factors que afecten a l’equivalència és la grandària.
o Afecta la validesa interna.
Tractaments – grups: assignació dels tractaments o nivells, aleatòriament.
o Permet evitar els biaixos en l’efecte d’aquests tractaments, no esbiaixament.
Possibles dificultats de l’aleatorització - Definició de la població de referència Dificultats d’un mostratge realment aleatori L’eficàcia de l’aleatorització depèn de la grandària de la mostra i dels diferents grups.
Problemes relatius als participants: subjectes voluntaris, incentius, pèrdua diferencial en estudis llargs, etc.
Possibles recursos - Un pre-test consisteix en fer la prova experimental igual que la prova experimental real, o similar, per tots els grups. És a dir, fer una prova abans d’aplicar els tractaments.
9 Bloc II Dissenys - - Grup M4 Laura Rodríguez Mesa o Això em permet analitzat i detectar l’equivalència o no equivalència dels grups.
o Si no hi ha equivalència podem tornar a formar els grups (però ja no seria un disseny aleatoritzat).
canviar el tipus de disseny. Un disseny de grups homogenis assegura l’equivalència.
o Amb la informació del pre-test podríem formar els grups fent nivells (per tant, ja no es formarien a l’atzar) Tenir un grup control per comparar els resultats dels altres grups.
Anàlisi de la variància: disseny simple Estructura factorial de creuament El disseny factorial ens aporta un element més a avaluar: la interacció’ Es combinen tots els tractaments d’una de les VI amb tots els tractaments de l’altre VI.
- Per exemple: o Variable A: tipus de presentació de la informació (auditiva, verbal o ambdues) o Variable B: tipus de material que presentem (amb o sense significat) 10 Bloc II Dissenys - Grup M4 Laura Rodríguez Mesa L’estructura de creuament ens permetrà estudiar les 6 condicions que es deriven d’aquestes dues variables (condicions experimentals) És un disseny 3x2 Disseny factorial 2x2 Hi ha dues variables independents. En un disseny com aquest podem analitzar els efectes principals de cada variable per separat, i després els efectes d’interacció.
Efectes principals  creuament entre variables A i B o Canal visual amb material sense significat, la mitjana és 8. // Material sense significat, la mitjana és 14, etc.
o Si obtenim mitjanes marginals, podrem quantificar els efectes principals (columna i fila).
Interacció  és pot interpretar a partir de la gràfica, però també calculant els efectes simples.
- - Efectes simples: són els de cada variable, per cadascun dels nivells o tractament de l’altre.
Si els dos efectes simples són iguals, això ens estaria indicant que NO hi ha interacció, perquè l’efecte de la modalitat sensorial és el mateix amb i sense significat.
 Si els efectes simples són diferents, si hi ha interacció.
En aquest cas no és el mateix quan és amb significat, que quan és amb sense: o Amb significat recordem més.
o Podem veure que hi ha interacció a partir de que els efectes simples són diferents, i també a partir de que les rectes de la gràfica no són paral·leles.
11 Bloc II Dissenys Grup M4 Laura Rodríguez Mesa Interacció creuada Podem veure que els efectes simples no només no són iguals, sinó que són contraris i les rectes de la gràfica es creuen.
No interacció Podem veure que els efectes simples són els mateixos i, per tant, les rectes de la gràfica són paral·leles i no es creuen.
Interaccions possibles en dissenys factorials complexos Poden haver-hi dissenys amb més de 2 VI.
- - Quan més VI tenim, més efectes podrem analitzar.
Per cada VI podrem calcular el seu efecte simple, però en funció del nombre de VI que tinguem podrem calcular més tipus d’interaccions.
Si tenim 3 VI (A, B i C) podrem analitzar 3 interacció de 1r ordre (interacció entre cada parell de variables d’aquestes tres: AxB, AxC i BxC) o A més, podrem analitzar interaccions de 2n ordre (interacció entre les tres VI  AxBxC Tot això ho podem fer extensible a qualsevol nº de VI.
o Si tenim 4 VI, hi haurà 6 interaccions de 1r ordre, 4 interaccions de 3n ordre i 1 interacció de 3r ordre (interacció entre les 4 variables  AxCxBxD) 12 Bloc II Dissenys Grup M4 Laura Rodríguez Mesa Suposem un disseny factorial de grups a l’atzar 2x2x2 (23): - - Això representa 8 condicions experimentals.
Quants grups haurem de formar? 8, ja que en els dissenys de grups aleatoritzats, per cada condició experimental hem de formar un grup diferent de subjectes (hem de formar tants grups com condicions) o A = presentació visual/auditiva o B = paraules sense/amb significat o C = fer la prova relaxadament/fer la prova amb estrès Aquí podem analitzar l’efecte de cada variable per sí sola, les interaccions de 1r ordre i l’anàlisi de la interacció de 2n ordre.
Com analitzem/interpretem una interacció de 2n ordre? El recurs que tenim és representar gràficament la interacció entre les 3 variables, però no es pot representar amb 1 sola gràfica, sinó que s’ha de representar amb 2 gràfiques.
- GRÀFICA: la interacció entre 2 d’aquestes variables per cada nivell o tractament de la tercera AxC és la interacció que estem representant per cada tractament de B.
- Podem escollir les que vulguem, és totalment indiferent, és a dir, també podem fer la interacció AxB per cada tractament de c.
o Si no hi ha interacció les dues gràfiques són iguals (les dos mostren interacció o no, però iguals) o Si les gràfiques són diferents SÍ hi ha interacció entre les 3 variables.
En aquest cas, la interacció entre 2 variables canvia o es modifica en funció dels nivells de la tercera, i això vol dir que interactuen les 3.
Si aquestes gràfiques fossin iguals, ens indicaria que l’efecte d’interacció de les 2 variables no es veu alterat per l’efecte de l’altre variable.
. quan les paraules AMB SIGNIFICAT (B1) es presenten auditivament i visualment, no hi ha diferències si són presentades en una situació d’estrès o en una situació relaxada.
Disseny balancejat La interpretació d’aquestes interaccions és molt més directa i senzilla quan el disseny que hem aplicat és un disseny balancejat.
13 Bloc II Dissenys Grup M4 Laura Rodríguez Mesa Els dissenys balancejats van en funció del nº de subjectes per grup, és quan tots els grups o bé tenen la mateixa grandària (mateix nº de subjectes per grup) o aquestes grandàries són proporcionals (no cal que siguin iguals) Si no són ni iguals ni proporcionals, ens trobem en un cas no balancejat i aquest requereix una interpretació de les interaccions més acurades.
Quan el nombre de subjectes és igual, ja sabem que és un cas balancejat. El problema és determinar si és un cas balancejat o no quan el nombre de subjectes no és el mateix.
Per cada casella hem de fer el producte del nº total de subjectes de la seva fila X nº total de subjectes de la seva columna, dividit pel total de subjectes.
- Si el resultat és igual al nº que hi ha en la casella que s’està analitzant, és proporcional.
8 (n1.) x 12 (.1) = 96 96/24(N) = 4  n (A1B1) = 4  ÉS PROPORCIONAL 14 Bloc II Dissenys Grup M4 Laura Rodríguez Mesa Dissenys amb dues variables independents Els graus de llibertat de la variable són els tractament o nivells d’aquesta variable – 1 (tant per la variable A com per la variable B).
Els graus de llibertat de la interacció d’aquestes dues variables són el nombre de graus de llibertat d’una de les variables, per el nombre de graus de llibertat de l’altre variable.
En l’error sempre perdem un grau de llibertat per cada condició experimental: - N – k, on k és el nombre de condicions.
Els graus de llibertat total són N – 1.
Dissenys amb 3 variables independents Els graus de llibertat de la variable són els tractaments o nivells d’aquesta variable – 1 (tant per la variable A, com per la B, com per la C). Els graus de llibertat de l’error continua sent N – k i els graus de llibertat totals N – 1.
La interacció de 2n ordre (AxBxC) la podem interpretar a partir de la gràfica de la interacció.
15 Bloc II Dissenys Grup M4 Laura Rodríguez Mesa 3. DISSENYS DE GRUPS HOMOGENIS La idea bàsica és aparellar els grups en funció de la seva semblança en alguns aspectes importants. És a dir, que els grups de subjectes que formem siguin el més equivalents possibles. Tracten de pal·liar aquest possible problema de confusió de resultats, homogeneïtzant els grups, fent-los lo més similars possibles.
Hi ha diferents criteris d’homogeneïtzació: A partir de registres pre-test (mateixa tasca experimental o tasca similar).
A partir dels resultats d’aquesta prova distribuïm als subjectes  grups aparellats.
Si la prova prèvia consisteix en obtenir subjectes amb un mateix nivell d’una característica que prèviament hem identificat, és lo que anomenem blocs i registrem una variable concreta (intel·ligència, introversió, ansietat, neuroticisme...) A partir del registre d’una variable de possible confusió concreta i identificada.
Podríem fer-ho amb més d’una variable (classificar els subjectes en funció de la intel·ligència i la extraversió).
Per altre banda, també ho podríem fer estratificant als subjectes, fent nivells (és més habitual). El problema és que el nº de subjectes ha de ser exacte.
A partir del registre de diverses variables de possible confusió.
També hi ha un recurs d’homogeneïtzar els grups sense fer estratificació de la variable, senzillament tenint cura de que la mitjana d’edat de cada grup sigui similar.
Exemple d’aparellament per rendiment acadèmic Suposem que estem fent un estudi del possible efecte d’una VI amb 3 nivells/tractaments i cada tractament el passaran a 5 subjectes diferents.
- Apliquem el procediment d’homogeneïtzació de grups mitjançant una prova prèvia (prova d’aparellament) i a partir dels resultats homogeneïtzarem els grups.
Segons el criteri d’aparellament ens ha donat els valors per cada subjecte: 3, 8, 2, 5, 7, 7, 3, 8, 2, 5, 5, 2, 7, 8 i 3.
La mitjana de rendiment és la mateixa en els tres grups, per tant, els grups són homogenis. En aquest cas, podem parlar d’estratificació perquè podrem definir nivells a cada grup.
16 Bloc II Dissenys - Grup M4 Laura Rodríguez Mesa Si només homogeneïtzem per la mitjana, no serà estratificat perquè cada grup en sí pot tenir qualsevol valor sempre que compleixin la mitjana total.
Estratificació de l’exemple anterior 6 casos teòricament possibles Qüestions bàsiques Relevància del criteri d’homogeneïtzació: si utilitzem l’aparellament, hem de saber segur que aquesta prova està altament relacionada amb la prova experimental.
En el cas que no utilitzem la mateixa prova experimental, tot i que en passar la mateixa prova pot passar que els subjectes ja agafin pràctica per fer-la i ens pot donar un efecte no desitjat, per tant, lo ideal és trobar una prova molt similar o relacionada.
Si utilitzem l’estratègia de les variables identificades, hem de tenir coneixements previs de que realment són possibles variables de confusió.
Límits de tolerància: grau de desviació que podem admetre entre les puntuacions dels subjectes d’un mateix nivell o estrat.
Criteris a tenir en compte: o Si augmentem els límits de tolerància, la conseqüència és que el resultat de la homogeneïtzació no sigui tan elevat, perdem eficàcia.
o Si disminuïm els límits, la homogeneïtzació serà més efectiva (subjectes més similars entre ells), però perdrem subjectes, ja que no els podríem agrupar en el mateix límits.
Hem de definir quin criteri seria el millor: si tenim subjectes suficients el millor és tenir un límit de tolerància el més baix possible.
Anàlisi de les dades: a l’hora d’analitzar les dades, veiem que hi ha diferències si estratifiquem o si no ho fem.
17 Bloc II Dissenys Grup M4 Laura Rodríguez Mesa o Si hem estratificat la variable o el pre-test, tenim la variació total, els tractaments, el nivells i l’error, per tant, és un disseny més sensible.
Disseny de blocs *Faltan pags 22, 23 i 24 Resum de qüestions a considerar en l’estratificació - - - - - Nombre de nivells, límits de tolerància, etc.
o En el cas n > 1 de la tècnica de bloqueig, tenim per exemple cinc nivells (5 blocs) o És millor augmentar els nivells i reduir els límits de tolerància, ja que probablement serà més efectiu perquè els grups seran més homogenis.
Distinció entre cas n=1 (un sol subjecte per casella) i cas > 1.
 El cas n = 1 (un subjecte per casella) comporta una dificultat a l’anàlisi de dades, per tant, hem de fer el cas n=1 sempre que sigui possible.
 La diferència principal entre n=1 i cas > 1, és el càlcul de l’error:  En el cas n=1 no el podem estimar directament, em de fer una estimació indirecta (residual).
 Tot i així, en el cas n=1 pot ser que no tot sigui error, pot ser que hi hagi una part de BLOCS x TRACTAMENTS  aquest error està inflat (no es produeix normalment)  En el cas n > 1 això desapareix perquè ja tenim una estimació directa de l’error.
 Sempre serà preferible el cas n > 1, que el cas n = 1. Però a vegades no disposem de prous subjectes per fer n >1.
Significat d’un efecte molt gran del factor ‘’nivells’’.
o Es convenient que hi hagi diferència entre els nivells, perquè això vol dir que té sentit controlar o bloquejar la variable per formar nivells.
o La diferència entre els nivells ha de ser molt significativa, per exemple nivel1=baixa intel·ligència, nivell2=intel·ligència mitjana, nivell3=intel·ligència elevada.
 La diferència entre els subjectes de cada nivell ha de ser notòria.
Possible interacció VI – Criteri d’homogeneització: o No és convenient que hi hagi interacció entre els tractaments.
o Variable que homogeneïtzem  no podríem arribar a unes conclusions generals i globals, ja que els tractaments són en funció dels nivells, i comporten una dificultat per interpretar els efectes d’aquests tractaments (si hi hagués interacció entre els tractaments) o Per exemple, si el tractament 3 interactua amb el nivell baix però no amb l’alt, només és efectiu en aquest nivell i potser en el nivell alt interactua el tractament 1  si el que volem es trobar efectivitat del tractament global, la interacció dels tractaments amb els nivells no ens serveix.
o Si el que volem estudiar és l’efecte de la variable  actuarà com a VI o Si el que volem és controlar l’efecte de la variable  estudis homogenis Valoració del paper de les variables homogeneïtzades dins de l’estudi. Han de ser variables rellevants.
18 Bloc II Dissenys Grup M4 Laura Rodríguez Mesa Exemple penjat al campus Mesures repetides 384 = diferències entre la mitjana de cada subjecte, menys la mitjana total 12, al quadrat. Així consecutivament, i ho sumem tot.
- - La variabilitat la contabilitzem sempre respecte la mitjana total.
o Si no hi hagues variabilitat, voldria dir que tots els subjectes són iguals (CÒNICS), que per molt que repetim els test sempre obtindrien la mateixa puntuació  la puntuació de la mitjana total Les mesures repetides són dissenys més sensibles.
4. MESURES REPETIDES El disseny de mesures repetides és aquell tipus d’estratègia en que apliquem la tècnica del subjecte com a control propi. Això vol dir que cada subjecte passa per tots els nivells o tractaments de la VI. Cada subjecte rep el tractament 1, el 2, el 3...
Estructura bàsica (tractaments X subjectes): És una possible matriu de dades del disseny: - Una sola variable independent amb k tractaments.
A les files hi tenim n subjectes.
El subjecte 1 passa per cadascun dels k tractaments.
De cada subjecte, no només tenim un valor de la seva VD, sinó que tindrem això però per cadascun dels tractaments al que ha estat sotmès el subjecte.
Cada subjecte tindrà k valors de la VD Els dissenys de mesures repetides segueixen la mateixa lògica que els dissenys homogenis, però porten a l’extrem aquesta lògica: són tan específiques les característiques de cada bloc/nivell, que només hi pot haver-hi un subjecte per cada nivell  per això es diu que l’estructura és n = 1.
19 Bloc II Dissenys Grup M4 Laura Rodríguez Mesa Qüestions a considerar - - - - - Subjecte com a control propi. Tècnica de control inespecífica.
o Ara podem fer un símil amb grups homogenis: files (subjectes), columnes (tractaments), caselles (creuament de la fila subjectes amb la columna tractaments) o La tècnica és inespecífica perquè no s’especifica les variables que controlem.
 Una tècnica específica seria, per exemple, el bloqueig.
 L’aparellament, en canvi, es inespecífic.
 La tècnica de subjecte com a control propi també és inespecífica: totes les variables de subjecte estan controlades.
Reducció radical de l’error experimental: anàlisi exhaustiu de les DDII.
o La lògica dels dissenys homogenis és aconseguir que els subjectes s’assemblin i això ho aconseguim totalment amb els de mesures repetides, ja que és el mateix subjecte (només 1) o Hem reduït al màxim l’error experimental, ja que hem reduït les DDII o Si abans amb les columnes teníem els diferents nivells, aquí podem comprovar si el subjecte 1 té el mateix comportament sota cadascun dels tractaments.
o Aquests són els nivells més sensibles (els que redueixen al màxim la variància de l’error.
EFECTES SECUNDARIS. Possibilitat d’efectes seqüencials: efectes residuals i efectes d’ordre. Els efectes seqüencials són els efectes derivats de que cada subjecte passa una seqüència de tractaments (si es tracta d’una prova de record, cada subjecte passa per una seqüència de proves de record)  això aporta pràctica, cansament, habituació... al subjecte.
o Es pot corregir amb el contra – balanceig o aleatoritzant l’ordre.
o Efectes residuals: quan al aplicar el tractament encara hi ha cert efecte del tractament anterior.
 Per exemple, passem una dosi d’un psicofàrmac quan encara no s’ha eliminat la dosi del psicofàrmac anterior.
 Habitualment els controlem espaiant suficientment l’aplicació d’aquests tractaments per assegurar-nos que els seu efecte ha desaparegut quan apliquem el següent tractament.
o Efectes d’ordre: l’ordre en que es passen els tractaments.
 Si tots els subjectes segueixen el mateix ordre i hi ha factor de pràctica, l’últim tractament es veure afectat per aquests factor de pràctica (independentment del que sigui el tractament últim).
 Els controlem amb el contra-balanceig: cada subjecte rep els tractaments amb un ordre diferent.
Dificultat quan el nº de condicions experimentals és gran. Si el nº és elevat, l’aplicació dels tractaments comportarà dificultats.
o Suposem que és un disseny factorial 3x3: aquí tenim 9 condicions diferents (hauríen de fer 9 cops la prova), la qual cosa comporta la dificultat de que un mateix subjecte passi nou tractaments (el grup és un amb 9 subjectes que passen per les 9 condicions cadascun) Distinció entre mesures repetides entre-tractaments i intra-tractaments.
o Entre-tractaments és la més habitual i és la que s’ha comentat, cada mesura es pren sota cada tractament diferent.
o Intra-tractament: només apliques un tractament (condició), en diverses ocasions temporals als mateixos subjectes.
 La VI seria ocasió d’observació (temps) que s’aplica el tractament.
20 Bloc II Dissenys Grup M4 Laura Rodríguez Mesa Possible neutralització d’efectes seqüencials: contra – balanceig Per neutralitzar els efectes d’ordre, tenim tècniques de control com el contra – balanceig: és la variació o modificació de l’ordre de presentació de tractaments als diferents subjectes (cada subjecte rep el tractament amb diferents ordres).
Hi ha dues grans maneres d’aplicar el contra-balanceig: Contra – balanceig complet: cada tractament es dóna en tots els ordres possibles.
o Dos tipus:  En sentit lax o dèbil: al menys cada tractament s’ha donat en cadascun dels ordres.
Únicament necessitem tants subjectes com tractaments (o múltiples).
 En sentit fort o estricte: necessitem més subjectes, tants com factorial de k (nº de tractaments).
 Si tenim 3 tractaments, necessitem 6 subjectes (o múltiple de 6) a partir del factorial.
 No només cada tractament es dóna en cada posició, sinó que sempre ha anat precedit per cada tractament el mateix nº de vegades  tots els ordres possibles en tots els casos.
 Cada tractament està precedit, i precedeix, a qualsevol dels altres tractaments.
 En cada tractament necessitem el factorial de n  n! (n=nº de trataments) Contra – balanceig incomplet: seria el cas en que no tots els tractaments es passen el mateix nº de cops (el tractament 1 s’ha donat més vegades en 1r ordre que el nivell 3).
o De totes les seqüències d’ordre possible, només podem aplicar algunes.
21 Bloc II Dissenys Grup M4 Laura Rodríguez Mesa o Aquí no tenim ni que cada tractament es dóna el mateix nº de cops en cada ordre (A1 es dóna dos cops en primer ordre i el subjecte 2 només una vegada) o Tampoc es compleix que darrera d’un tractament, hi ha tots els altres possibles.
Anàlisi de la variància: disseny simple de mesures repetides És semblant a l’anàlisi en cas n=1, en comptes de nivells hi ha subjectes.
- - Hi ha diferència però amb la F, per obtenir significació de tractaments.
En el cas de mesures repetides, aquesta variància residual no pot estar contaminada per la interacció. Sempre la residual és un terme de contrast adient, no està inflada com en els homogenis.
La conseqüència és que no ens pot provocar dificultat en la valoració de l’efecte del tractament.
Sempre es divideix la variància del tractament entre la variable residual.
Qüestions relatives a l’anàlisi de dades Possible incompliment de la condició d’independència de les observacions.
o Independència de les observacions: les puntuacions de la VD entre els grups no han d’estar relacionades, han de ser independents.
En aquest cas, sobrevaloració dels graus de llibertat. Aquesta manca d’independència afecta als graus de llibertat, perquè les dades estan relacionades entre elles, ja no varien lliurement.
22 Bloc II Dissenys Grup M4 Laura Rodríguez Mesa Condició aplicació de l’AVAR: esfericitat de la matriu de variàncies – covariàncies  homogeneïtat entre variàncies  HOMOCEDASTICITAT.
Anàlisi multivariable de la variància com a alternativa eficaç.
Independència: en mesures repetides podem sospitar que no es compleix la independència.
Perquè? Les puntuacions dels subjectes fila estan, generalment, correlacionades entre elles  no hi ha independència.
Habitualment s’incompleix la condició d’aplicació que és la independència de les observacions: - - Com les observacions estan generades pel mateix subjecte, és lògic pensar que les puntuacions del mateix subjecte sota tractaments diferents estaran correlacionades entre elles.
En aquests dissenys, s’ha de complir una condició més, ja que incomplim la independència  homogeneïtat de covariàncies: o Perquè no cal comprovar l’esfericitat en els dissenys de grups a l’atzar o homogeneïtzats?  En el grups a l’atzar i grups homogenis, si les condicions d’independència es compleixen, la covariància es 0.
 En el cas de les mesures repetides la covariància no serà 0, per tant, s’ha de comprovar si són homogènies  comprovar si es compleix el requisit de l’esfericitat.
Hi ha una alternativa d’anàlisi per aquests dissenys, que no comporta comprovar l’esfericitat: o Anàlisi multivariable de la variància: considerar que la VD sota cada tractament és una VD diferent. Per tant, hem d’aplicar l’anàlisi de variàncies per diferents variables.
Disseny factorial (tractament X tractament X subjecte) Fins ara hem comentat el disseny simple de mesures repetides, però habitualment també ens trobem amb dissenys factorials de mesures repetides.
En aquest tenim 1 sol grup de subjectes que passen per totes les condicions que resulten de l’encreuament dels tractaments o nivells de cada VI.
EXEMPLE PENJAT AL CAMPUS Matriu de dades:   A les files hi ha n subjectes Hi ha dues VI: A i B La variable A té 3 tractaments o nivells (A1, A2 i A3) La variable B té 2 tractaments o nivells (B1 i B2) És un disseny factorial de mesures repetides 3x2.
Tenim 6 condicions (columnes) Obtindrem totes les puntuacions de cada subjecte per cada condició.
Y111 és la puntuació del 1r subjecte quan l’hem obtinguda reben la condició A 1B1 23 Bloc II Dissenys Grup M4 Laura Rodríguez Mesa AVAR disseny factorial de mesures repetides Disseny factorial mixte - - - Factorial: hi ha més d’una VI Mixte: en les VI que tenim i analitzem, en almenys una d’elles seguim una estructura de grups aleatoritzats, és a dir, per cada nivell d’aquesta variable tenim 1 grup diferent de subjectes.
o En una altre VI tots els subjectes es sotmeten a tots els nivells o tractaments d’aquesta variable, és a dir, que la tractem com si fos de mesures repetides.
o En definitiva, és un disseny que combina característiques de les dues proves: grups aleatoritzats i mesures repetides.
o A partir d’aquí poden haver-hi dues variables entre (grups diferents de subjectes), dues variables intra (mateix grup de subjectes), etc....
Diferenciem subjectes de A1 i subjectes d’A2, això vol dir que no són els mateixos subjectes.
o La variable A és entre-subjectes.
o En la variable B sí que tots els subjectes passen per B1, B2..., per tant, és intra-subjectes (tots els subjectes passen per tots els nivells = mesures repetides).
EXEMPLE DISSENY FACTORIAL MIXTE 2x3: o El prímer dígit indica la variable entre-subjectes  2 grups de subjectes o El segon dígit indica la variable intra-subjectes  3 registres per cada un d’aquests subjectes 24 Bloc II Dissenys Grup M4 Laura Rodríguez Mesa 1) En aquest disseny combinem la lògica de l’estructura de grups aleatoritzats amb la lògica de l’estructura de mesures repetides.
2) En quins casos específics s’apliquen aquests dissenys? - Quan volem analitzar l’efecte d’un VI que no pot ser tractada com mesures repetides, per exemple, una variable de subjecte (nivell d’ansietat, intel·ligència...). Aquí és necessari.
o A causa de les DDII un subjecte no tindrà el mateix nivell d’extraversió que un altre, no es poden fer mesures repetides  disseny factorial mixte.
- Quan tenim moltes condicions experimentals, per exemple, un disseny factorial 4x4.
o Aquí no és necessari, però és aconsellable (també podríem fer mesures repetides, però millor factorial mixte).
o En el cas d’un disseny 4x4 els subjectes haurien de passar 16 vegades la prova, si féssim mesures repetides.
 Alguna de les VI fer-la de grups a l’atzar per tal de poder fer disseny factorial mixte.
3) Hi ha moltes possibles combinacions: - En un disseny 2x3x4 hi ha 3 VI, però encara no sabem si són intra o entre.
o (2x3)x4 el parèntesi ens indica que les dues primeres variables són entre i la tercera és intra.
 Allò que està entre parèntesis indica que les variables són entre.
 En aquest cas, QUANTS GRUPS HI HA? 6 grups (multiplicació de 2x3 o Cada subjecte d’aquest 6 grups passarà per cadascun d’aquests 4 nivells o tractaments de la variable intra (tindrem 4 registres).
o Les condicions totals del dissenys seran 24  2x3x4 = 24 - En un disseny (2)x3x3: o Hi ha 3 VI.
o Tindrem 2 grups de subjectes, però formarem 9 registres (3x3) Les interaccions sempre s’analitzen a la part intra quan en la interacció hi ha implicada una variable intra.
- Si només hi ha dues VI, segur que una ha de ser intra, per tant, la interacció l’analitzem a la part intra.
25 Bloc II Dissenys - Grup M4 Laura Rodríguez Mesa Quan hi ha més de dues variables i hem d’analitzar la interacció de dues VI entre, les analitzem en la part entre perquè no hi ha cap variable intra.
AVAR disseny factorial mixte Com a idea general, aquest anàlisi de variància tindrà dues parts: 1) La part entre:on s’analitzaran les variables de grups a l’atzar 2) La part intra: on s’analitzaran les variables de mesures repetides.
El que faltarà decidir és que les interaccions en quina part van: - Les interaccions entre variables entre van a la part entre.
Les interaccions que incloguin una variable intra sempre van a la part intra.
o Per exemple, si tenim dues variables entre i una variable intra, sempre ho analitzarem com a intra (encara que hi hagi dues variables que siguin entre) - Aquests errors són iguals que un disseny simple de grups a l’atzar.
COM ANALITZARIEM? o VARIABLE A: a  De cada subjecte faríem el promig de tots els resultats de l’altre variable, per exemple, subjecte 1: promig de Y111, Y112...
 A partir d’aquí, podem calcular els graus de llibertat.
o VARIABLE B:  No tenim una estimació directe de l’error de la part intra, l’obtenim a partir del residual (igual que en mesures repetides).
La F són els tres efectes factorials: o La VARIABLE A (intra): té el seu propi terme de contrast o La VARIABLE B (entre): és l’estimació indirecte de l’error.
- Amb l’SPSS ens calcularia la prova de Levene per la part entre.
- Per la part intra ens calcularà la prova de Mauchly Per exemple, un disseny factorial (3)x3x4: - Entre parèntesi hem posat la variable entre, per tant, s’analitzen 3 VI.
26 Bloc II Dissenys - - Grup M4 Laura Rodríguez Mesa També podria ser (3x3)x4: hi hauria dos variables entre, cadascuna amb 3 nivells. A més, hi hauria una intra amb 4 nivells.
o Tot i així també serien 3 VI.
Aquí formaríem 9 grups, perquè el que determina el nº de grups són els nivells de les variables entre subjectes, els que apliquem amb grups a l’atzar.
TEMA 2b: DISSENYS QUASI-EXPERIMENTALS 1. ESTUDIS AMB MOSTRES NO ALEATORITZADES – GRUPS NATURALS Característiques generals - - - Manipulació de les variables independents. Hi segueix havent manipulació de VI i el registre donarà el resultat de la manipulació en una VD.
Treball amb grups ‘’naturals’’ (ja formats): l’equivalència inicial dels grups no queda garantida, i s’introdueix un element de possible confusió en els futurs resultats.
o S’utilitzen estratègies per minimitzar el dèficit de control, utilitzant altres estratègies que tenen un control intern menor.
Substitució del control experimental més potent, per altres elements de control més dèbils.
o És habitual que s’utilitzin en situacions de camp o externes al laboratori, cosa que dificulta la introducció de tècniques de control potents.
o Mecanismes complementaris de control:  Realització de registres pretest per valor el nivell d’equivalència inicial dels grups  Grup control Els dissenys quasi-experimentals donen un menor nivell de validesa interna, comparats amb els experimentals.
Classificació dels dissenys quasi-experimentals tranversals Els dissenys quasi-experimentals (al igual que els experimentals) poden ser tranversals o longitudinals.
A) COMPARACIÓ ESTÀTICA o grup control no equivalent: és el més habitual - Implica la comparació de resultats d’un o més grups que reben tractament amb els d’un grup control.
- Esquema bàsic: comparació de dos o més grups amb mesures pre-test i post-test.
o Tenim dos grups de subjectes, un grup que rep el tractament (grup experimental) i un que no rep (grup control). La formació dels dos grups es de manera natural. En tots els grups hem obtingut un registre de la VD abans de l’aplicació del tractament (pretest).
o Apliquem el tractament al grup experimental (X1) i no l’apliquem al grup control (X0).
o En tots els casos registrem la VD en tots dos grups (registre posttest).
- Casos especials: mesures pre-test substitutives, mostres separades, inversió de tractament.
- Mesures pretest diferents del posttest, o diferents subjectes per el pretest que pel posttest.
Hi ha altres tipus de dissenys quasi-experimentals en els que el grup control es substituït per altres principis de control (a causa de que no podem trobar un grup control) que serviran com a comparació amb 27 Bloc II Dissenys Grup M4 Laura Rodríguez Mesa el nostre tractament. Realment el que estem buscant sempre és comparar el nostre tractament amb quelcom.
B) VD no equivalents: registrar més d’una conducta dels subjectes.
C) UN SOL GRUP I UNA VD: hem de buscar alguna alternativa que ens permeti comparar l’efecte del tractament. Per exemple, mesurar dues VD, o del mateix grup de subjectes fer alguna fase de retirada del tractament.
- Tractament repetit: quan retirem el tractament i després el tornem a reintroduïr, direm que és un tractament repetit.
Dissenys transversals: comparació estàtica (grup control no equivalent) Característiques bàsiques: - - Hi ha un o més grups ‘’experimentals’’ (depenent dels tractaments a aplicar) Existència d’un grup control que no rep tractament i serveix com a element de comparació.
No es pot garantir l’equivalència dels grups: si els grups no són equivalents, no tenim forma d’arreglar la no equivalència (no podem homogeneïtzar, etc...) perquè els grup són grups NATURALS (són intactes).
o En l’anàlisi de dades és on aplicarem l’alternativa adequada per solucionar aquesta no equivalència, però a nivell metodològic no es pot fer.
Existència de mesures pretest de diversos tipus tant els grups que reben tractament com en els grups control: els pre-test ajuden a valorar el possible efecte de la intervenció.
L’estructura bàsica és dos grups (un experimental i un control), però també poden tenir més alternatives, per exemple, 4 grups (1 grup control i 3 grups experimentals).
La denominació de grup control no equivalent es refereix al fet que no podem garantir l’equivalència inicial entre els grups experimentals i control, tot i que els registres pretest ens orienten sobre el possible grau de les diferències entre un i l’altre.
Si volem aplicar més d’un tractament cal disposar de tants grups com intervencions previstes. Per altre part, a vegades el mateix tractament s’aplica a diferents grups, de forma que podem obtenir informació complementària. També es poden trobar casos on s’utilitza més d’un grup control.
Tot plegat ens aporta més dades, que podem interpretar amb un major grau de seguretat. En tot cas, com podem veure, l’estructura dels dissenys quasi-experimentals de grup control no equivalent permet diferents variants, que es poden utilitzar a conveniència de l’investigador.
28 Bloc II Dissenys Grup M4 Laura Rodríguez Mesa A més del disseny estàtic ‘’estàndard’’ hi ha dues variants d’interès que cal conèixer: Mesures pretest substitutives: en aquest cas no s’utilitza el mateix instrument de registre per obtenir els resultat pretest i postest (utilitzem un similar que el substitueixi). Això es fa perquè utilitzant el mateix test per ambdós casos (pre/post-test) podria provocar un biaix  el subjecte ja sap com és el test.
o Per exemple, si es vol valorar si una determina intervenció produeix canvis en l’actitud dels subjectes cap a un determinat fenomen social (consum drogues) es pot utilitzar una escala psicomètrica d’actituds per fer el registre de dades, abans i després de l’aplicació dels tractaments.
o Ara bé, és aconsellable no utilitzar exactament els mateixos ítems abans i després del tractament, per evitar possibles efectes re-test.
o En aquest cas és habitual utilitzar escales diferents (però relacionades) o emprar ítems diferents dins de la mateixa escala.
o Naturalment, és fonamental assegurar que els dos instruments de mesura utilitzats són totalment comparables.
Mesures separades: els subjectes als quals es realitzen els registres pretest no són els mateixos que aquells amb els que s’obtenen els registres posttest.
o Normalment això no és deliberat, sinó el resultat de les característiques de l’estudi.
o Per exemple, suposem que volem esbrinar si l’horari de funcionament d’un servei sanitari influeix en el nivell de satisfacció dels usuaris:  Obtenim mesures de satisfacció (qüestionari d’opinió) amb l’horari habitual.
 Posteriorment introduïm una modificació en l’horari i s’obtenen registres de satisfacció després del canvi.
o És evident que no podem garantir que les persones que utilitzen el servei després del canvi són les mateixes que les que ho feien abans. Per tant, no són la mateixa ‘’mostra’’ de subjectes, és un cas de mostres separades.
o El requisit essencial és que els grups diferents siguin equivalents entre ells. Això ho podem comprovar pels expedients acadèmics promig, etc.
Inversió de tractament: els tractaments que reben els grups tenen efectes contrapossats. Un grup rep un tractament que millora el seu rendiment, i l’altre un tractament que l’empitjora.
29 Bloc II Dissenys Grup M4 Laura Rodríguez Mesa o La comparació es donarà a causa de que els resultats siguin oposats entre cadascun dels grups.
o No hi ha grup control, però hi ha manera de contrastar l’efectivitat del tractament.
COM NO PODEM ASSEGURAR QUE ELS PRE-TEST SIGUIN IGUALS, UTILITZEM DIFERENTS ALTERNATIVES: L’anàlisi de les dades d’un disseny quasi-experimental de comparació estàtica es pot fer de manera semblant a la d’un disseny experimental de grups aleatoritzats, utilitzant únicament els registres posttest.
Ara bé, això només té sentit si comprovem prèviament que els diferents grups són aproximadament equivalents abans de començar. En cas contrari, la interpretació dels resultats postest, per més correcta que pugui ser l’anàlisi de dades, està greument compromesa.
- Anàlisi de la variància de puntuacions postest: anàlisi similar al d’un disseny de grups aleatoritzats Hi ha algunes alternatives que s’utilitzen amb freqüència i que es basen en utilitzar simultàniament els resultats pretest i postest - La més senzilla és l’anàlisi de puntuacions de diferència  aquesta és la millor tècnica.
30 Bloc II Dissenys Grup M4 Laura Rodríguez Mesa o En aquest cas, per a cada subjecte es calcula la diferència (la resta) entre la puntuació postests i la pretest, i després es fa l’anàlisi de la variància amb les puntuacions obtingudes.
o D’aquesta manera s’intenten neutralitzar o compensar, en part, les possibles DDII i les diferències entre els grups que puguin existir i que no s’han pogut controlar de cap altre forma al treballar amb grups naturals.
o Les puntuacions de diferència:  Un pre-test molt alt només pot tenir una puntuació de diferència molt petita (perquè en el post-test pot augmentar molt poc el rendiment).
 Un pre-test molt baix només pot tenir una puntuació de diferència molt gran (perquè en el post-test pot augmentar molt el rendiment).
 Si utilitzem les puntuacions de diferències no estem extraient les diferències pre/post-test. En canvi l’anàlisi de covariància sí ho fa, mitjançant el model de regressió.
o Tampoc es tant dolent el mètode de puntuacions de diferència perquè aquest mètode identifica per cada subjecte l’efecte del tractament (individual). En canvi, la covariància ho fa de manera global.
- El grup experimental ha augmentat el seu rendiment, però no respecte al grup control. En el grup control es mantenen les diferències, però en el grup experimental no tant (increment considerable del rendiment).
Anàlisi de covariància: registres pre-test com a covariant.
o També és una tècnica de control, que permet controlar una variable de confusió.
o En aquest cas, controla el registre pre-test: veure l’efecte del posttest extraient l’efecte del pre-test. És a dir, igualar tots els subjectes respecte al pre-test (tots parteixen d’un pre-test igual).
o En l’exemple, la mitjana del pre-test dels dos grups és de 68’7.
 La covariància fa el següent raonament: si la mitjana del pre-test de cada subjecte fos de 68’7... Quin seria la seva puntuació en el post-test?  Va ajustant la puntuació del post-test de cada subjecte, en funció de la mitja del pre-test de ambdós grups.
31 Bloc II Dissenys Grup M4 Laura Rodríguez Mesa  Les diferències INTRA-GRUPALS es minimitzen, per tant, tindrem un error molt més reduït.
o La diferències entre l’anàlisi de covariància i les puntuacions de diferències és que s’introdueix una nova font de variància, la ‘’covariant’’. Tot i així, al suma de quadrats és la mateixa.
 En les puntuacions de diferències, la majoria era l’error.
 Ara, la majoria és la covariant.
 ÉS A DIR, MINIMITZEM L’ERROR.
 L’anàlisi de variància ens dona una significació quasi significativa (p=0’06). ÉS CASI SIGNIFICATIU. Si hi haguessin més subjectes donaria significació.
o L’anàlisi de covariància és l’alternativa més adequada per aquests tipus de dissenys.
Hi ha altres tècniques que es basen en principis semblants, com és l’anàlisi de la covariància (ACOVAR). En el cas concret d’un disseny amb pretest i postests, aquest tipus d’anàlisi permet eliminar la variabilitat dels resultats postest associada a les diferències detectades en el pretest, mitjançant l’ús de models de regressió lineal.
Si el pre-test fos igual en tots els subjectes, no fa falta fer les puntuacions de diferència o la covariància.
Cas especial: disseny de discontinuïtat en la regressió - Característiques fonamentals.
o Els grups són formats a partir del rendiment obtingut en una prova pre-test o Un dels grups rep tractament i l’altre no o Aplicació especial en recerca ATI (Interacció Aptituds x Tractaments) o No són grups aleatoritzats, però tampoc ‘’naturals’’.
32 Bloc II Dissenys Grup M4 Laura Rodríguez Mesa Dissenys tranversals: variables dependents no equivalents - Característiques bàsiques: o Un sol grup ‘’experimental’’ o Mesure pre/postest en dues variables dependents diferents, o la mateixa VD mesurada en situacions diferents.
o S’espera que el tractament produeixi canvis en una de les variables dependents i no a l’altre.
o La variable dependent no equivalent juga un paper semblant al del grup control.
Dissenys tranversals: un sol grup i una sola VD - Característiques bàsiques: o No inclouen com a element comparatiu ni grup control ni variable dependent no equivalent o Aquests elements són substituïts per la retirada i reintroducció del tractament o Cada reintroducció del tractament es pot considerar com una rèplica o La retirada de tractament permet valorar una possible reversió dels canvis 33 ...