ESQUEMA GENERAL DISEÑO CUASI-EXPERIMENTAL

Transcripción

1 TEMA V

2 ESQUEMA GENERAL Definición y clasificación del diseño cuasi-experimental Estructuras básicas: Diseño pre-experimental Diseño de grupo control no equivalente: Definición Diseño de grupo control no equivalente: Análisis estadístico Diseño de discontinuidad en la regresión: Definición Diseño de discontinuidad en la regresión: Análisis estadístico DISEÑO CUASI-EXPERIMENTAL

3 Definición y clasificación del diseño cuasi-experimental

4 Definición del diseño cuasi-experimental El diseño cuasi-experimental es un plan de trabajo con el que se pretende estudiar el impacto de los tratamientos en situaciones donde los sujetos no se asignan a los grupos de acuerdo con un criterio aleatorio. Se utilizan grupos naturales o intactos.

5 Clasificación de las estrategias cuasiexperimentales Diseño cuasiexperimental Estrategia Transversal a) Diseño de grupo control no equivalente b) Diseño de grupos no equivalentes c) Diseño de discontinuidad en la regresión Estrategia Longitudinal a) Diseño simple de series de tiempo interrumpidas b) Diseño de series de tiempo interrumpidas con grupo control no equivalente

6 Representación gráfica de la estrategia transversal y longitudinal -G 1 O 1 -G 2 O 2 -G 3 O 3.. G 9 O 1 G 9 O 2 G 9 O 3... G 9 O j. tiempo -G i O j

7 Estructuras básicas: Diseños pre-experimentales

8 Estructuras básicas Diseño de un grupo solamente postest Grupos Formación Pretest Condiciones Postest 1 Natural - X 1 O 1 Diseño de un grupo con pretest y postest Grupos Formación Pretest Condiciones Postest 1 Natural O 1 X 1 O 2 Diseño con grupo control sólo postest Grupos Formación Pretest Condiciones Postest 1 2 Natural Natural - - X 1 X 0 O 1 O 2

9 Diseño de grupo control no equivalente: Definición y clasificación

10 Definición Esta clase de diseño de investigación, denominado inicialmente por Campbell y Stanley (1963) diseño de grupo control no equivalente, es un formato en que se toman, de cada sujeto, registros o medidas antes y después de la aplicación del tratamiento. Además se utiliza un grupo experimental y un grupo control. Debido precisamente a la ausencia de aleatorización en la asignación de las unidades, es posible que se den diferencias en las puntuaciones pretest. Estas diferencias son la causa de la noequivalencia inicial de los grupos. Así, cuando en la formación de los grupos no interviene el azar, es posible que los grupos presenten sesgos capaces de contaminar el efecto del tratamiento.

11 Esquema de diseño de grupo control no equivalente Grupos Formación Pretest Condiciones Postest 1 Natural O 1 X 1 O 2 2 Natural O 3 X 0 O 4

12 Otros diseños cuasi-experimentales de grupos no equivalentes Diseño con grupo control no equivalente con medidas pretest sustitutivas: Se caracteriza porque no medimos el postest con el mismo instrumento de medida que el pretest. Diseño con grupo control no equivalente con muestras Diseño con grupo control no equivalente con muestras separadas en el pretest y en el postest: Se caracteriza porque no medimos el postest con el mismo grupo de individuos para el que hemos medido el pretest.

13 Diseño de grupo control no equivalente: Análisis estadístico

14 Técnicas de análisis Análisis de la variancia. Análisis de la covariancia. Análisis de la variancia con puntuaciones de diferencia o con puntuaciones de cambio.

15 Análisis de la variancia (ANOVA) Control X Y Experimental X Y

16 Análisis de la covariancia (ANCOVA) Control X Y XY Experimental X Y XY

17 ANOVA de puntuaciones de diferencia Control X Y Y-X Experimental X Y Y-X

18 Ejemplo 5 Un psicólogo clínico quiere probar la eficacia de una terapia cognitiva para el tratamiento de la depresión. Selecciona dos grupos de pacientes de dos centros hospitalarios. Los pacientes del primer centro reciben la nueva terapia durante un periodo de 3 meses. Los pacientes del otro centro reciben su tratamiento habitual durante el mismo periodo. Antes y después de recibir los tratamientos todos los pacientes contestan un cuestionario para medir su autoestima y se utiliza esta medida como variable dependiente en esta investigación.

19 Matriz de datos del diseño control experimental sujeto pretest postest pretest postest medias

20 Cuadro resumen del ANOVA para el Postest

21 Cuadro resumen del ANOVA para el Pretest

22 Supuestos del ANCOVA 1. La relación entre la variable dependiente y la covariable ha de ser lineal. 2. Homogeneidad de las pendientes de regresión. Las pendientes de regresión deben ser iguales para cada grupo de tratamiento. Si las líneas de regresión de los grupos no son paralelas, significa que existe un efecto de interacción entre los tratamientos y la covariable, es decir, que el efecto de la variable manipulada depende de los valores que obtiene cada sujeto en la covariable.

23 Prueba de homogeneidad de los coeficientes de la regresión, H 0 : β 1 =β 2 Y (postest) b 1 Grupo 1 (a 1 ) b 2 Grupo 2 (a 2 ) X (pretest)

24 Relación lineal entre el pretest y el postest

25 Prueba de homogeneidad de los coeficientes de la regresión, H 0 : β 1 =β 2

26 Cuadro resumen del ANCOVA

27 Análisis de los datos de diferencia: Tabla de datos control experimental sujeto pretest postest DIFERENCIA pretest postest DIFERENCIA medias

28 Cuadro resumen del ANOVA con los datos de diferencia

29 Diseño de discontinuidad en la regresión: Definición

30 Concepto El diseño de discontinuidad en la regresión ofrece mejores perspectivas que el diseño de grupos no equivalentes, dado que se conoce la naturaleza del proceso de selección de los grupos (o asignación de las unidades de estudio). Aunque es escasa la utilización de esta estrategia, constituye un buen ejemplo de cómo es posible verificar el efecto del tratamiento mediante grupos organizados en función de los valores de la variable pre-tratamiento. En la práctica, su uso se ha limitado al ámbito de la investigación sobre educación compensatoria (Trochim, 1984).

31 Concepto Según la lógica del diseño, los sujetos se consideran, a partir de un punto de corte en la variable pre-tratamiento, como pertenecientes al grupo control y al grupo experimental. Por esta razón, la estrategia de discontinuidad en la regresión requiere que se conozca el criterio de formación del grupo control y grupo experimental; es decir, el criterio de selección (Thistlethwaite y Campbell, 1960). Según Cain (1975), una clara ilustración de la modelación del procedimiento de selección es el uso de una puntuación pretest en la asignación de los sujetos a los grupos de tratamiento (control y experimental).

32 postest Representación gráfica del Diseño de discontinuidad en la regresión pretest

33 Patrones hipotéticos de las líneas de regresión a) Efecto nulo b) Efecto de la intervención c) Efecto de la intervención

34 Diseño de discontinuidad en la regresión: Análisis estadístico

35 Análisis estadístico Análisis de la variancia Análisis de la covariancia Análisis de la regresión

36 Ejemplo 6 Se pretende estudiar el efecto de un programa sobre el rendimiento escolar. Puesto que los sujetos seleccionados que van a seguir el programa presentan niveles más altos en variables relacionadas con el rendimiento escolar que los controles, se decide utilizar esta información previa como covariable. Según la estrategia del diseño, los sujetos que puntúan bajo en la covariable forman el grupo control y los que puntúan alto, el grupo experimental o de tratamiento. En la tabla de datos de este hipotético estudio, los sujetos control obtienen puntuaciones entre 1 y 5 en la covariable, y los sujetos con tratamiento entre 6 y 10. El punto de corte se sitúa en el intervalo 5-6.

37 SUJETO Matriz de datos del diseño CONTROL EXPERIMENTAL PRETEST POSTEST PRETEST POSTEST medias

38 Análisis de la variancia F.V. SC g.l CM F p Entregrupos a-1= <0.01 Intragrupo a(n-1)= Total an-1=19

39 Análisis de la covariancia F.V. SC g.l CM F p Variable A (aj) 2.35 a-1= >0.05 Error S/A (aj) a(n-1)-1= Total (aj) an-2=18

40 Análisis de la covariancia: homogeneidad de las pendientes de regresión

41 Análisis de la regresión Resumen del modelo Modelo Estadísticos de cambio R cuadrado Error típ. de la Cambio en Sig. del R R cuadrado corregida estimación R cuadrado Cambio en F gl1 gl2 cambio en F,954 a,911,906 1,14630, , ,000,959 b,919,910 1,11934,009 1, ,188,959 c,920,904 1,15345,000, ,924 a. Variables predictoras: (Constante), pretrat b. Variables predictoras: (Constante), pretrat, trat c. Variables predictoras: (Constante), pretrat, trat, pretratxtrat