CAPTULO 5

OTROS DISEOS EXPERIMENTALES

SERIES CRONOLGICAS, FACTORIALES Y CUASIEXPERIMENTOS
En el captulo 7 de Metodologa de la investigacin, 4 edicin, se comenta sobre
los diseos experimentales, sin embargo quedaron pendientes dos tipos de stos:
las series cronolgicas mltiples y los factoriales. Ambos, en ediciones anteriores,
se haban tratado en el libro. Se retomarn algunas cuantas lneas del contenido
del captulo 7, con la finalidad de que el lector ubique sin problemas cada tema.
Cuando el experimentador se interesa en analizar efectos en el mediano o largo
pl azo, porque tiene bases para suponer que la influencia de la variable
independiente sobre la dependiente tarda en manifestarse. Por ejemplo,
programas de difusin de innovaciones, mtodos educativos o estrategias de las
psicoterapias. En tales casos, es conveniente adoptar diseos con varias
pospruebas. A estos diseos se les conoce como series cronolgicas
experimentales. En realidad, el trmino serie cronolgica se aplica a cualquier
diseo que efecte varias observaciones o mediciones sobre una variable a travs
del tiempo, sea o no experimental, slo que en este caso se les llama
experimentales porque renen los requisitos para serlo.
Tambin en estos diseos se tienen dos o ms grupos y los sujetos son
asignados al azar a dichos grupos. nicamente que, debido a que transcurre
mucho ms tiempo entre el inicio y la terminacin del experimento, el investigador
debe tener cuidado de que no ocurra algo que afecte de manera distinta a los
grupos (con excepcin de la manipulacin de la variable independiente). Lo mismo
sucede cuando la aplicacin del estmulo lleva mucho tiempo (por ejemplo,
programas motivacionales para trabajadores que duran semanas). Con el paso del
tiempo es ms difcil mantener la equivalencia inicial de los grupos.
Un ejemplo de cmo se diagraman las series cronolgicas experimentales se
muestra en la tabla 5.1.
Tabla 5.1
Ejemplos de experimentos de series cronolgicas
Serie cronolgica sin preprueba, con varias pospruebas y grupo de control
RG
1
X
1
0
1
0
2
0
3
RG
2
X
2
0
4
0
5
0
6
RG
3
X
3
0
7
0
8
0
9
RG
4
0
10
0
11
0
12
Serie cronolgica con preprueba, con varias pospruebas y grupo de control
RG
1
0
1
X
1
0
2
0
3
0
4
RG
2
0
5
X
2
0
6
0
7
0
8
RG
3
0
9
0
10
0
11
0
12
Serie cronolgica basada en el diseo de cuatro grupos de Solomon
RG
1
0
1
X 0
2
0
3
RG
2
0
4
0
5
0
6
RG
3
X 0
7
0
8
RG
4
0
9
0
10
Las pospruebas pueden ser tantas como se requiera y sea posible aplicar.
Asimismo, en otras ocasiones se desea analizar la evolucin de los grupos antes
y despus del tratamiento experimental. En esta situacin pueden incluirse varias
prepruebas y pospruebas, en cuyo caso se tendran esquemas como el siguiente:
R G
1
0 0 0 X
1
0 0 0
R G
2
0 0 0 X
2
0 0 0
R G
3
0 0 0 0 0 0
Ejemplo
De un diseo experimental de serie cronolgica
Un consultor en cuestiones organizacionales estudia el efecto sobre la dedicacin
en el trabajo que tiene el hecho de que se difundan una serie de valores, que la
directiva de una corporacin considera deben ser implantados en la empresa.
Pregunta de investigacin: cuanto ms conozca el personal de una
corporacin los valores de sta (definidos por su directiva), tendr mayor
dedicacin en el trabajo?
Hiptesis de investigacin: El mayor conocimiento de los valores corporativos
genera mayor dedicacin en el trabajo.
Hiptesis estadstica: r
xy
> 0
El consultor selecciona 99 personas de la corporacin, de todos los niveles
jerrquicos, los asigna al azar a tres grupos: 1. un grupo participa en una reunin
de dos horas de duracin, en donde se les presentan con cuidado los valores
corporativos con aplicaciones a situaciones especficas de trabajo, posteriormente
se les entrega un folleto con explicaciones adicionales. 2. otro grupo asiste a una
sesin breve donde se proporciona un folleto sobre los valores corporativos (no
hay explicacin verbal ni discusin o sesin de preguntas y respuestas). 3. el tercer
grupo asiste a una sesin donde se trata algn aspecto no relacionado con el
trabajo o la organizacin (digamos, un tema cultural de inters general).
Antes de administrar los tratamientos a todos los sujetos, se les aplican tres
mediciones de la dedicacin en el trabajo. Asimismo, despus de los tratamientos,
tambin se les aplican tres mediciones de la misma variable (al corto, mediano y
largo plazos). El diseo se diagramara como se muestra en la figura 5.1.
Recurdese que las mediciones son de la dedicacin en el trabajo. Cada grupo
estara integrado por 33 personas.
Figura 5.1
Diseo del ejemplo de serie cronolgica sobre
la dedicacin al trabajo con tres grupos
Una ventaja del diseo es que es posible evaluar la evolucin comparativa de
los grupos. Por ejemplo, si se encontraran los siguientes resultados con una escala
(hipottica) de dedicacin en el trabajo, con valores de 0 a 25:
R G
1
11 11 11.2 X
1
16 18 21
R G
2
10.8 11 10.9 X
2
15 14 11.8
R G
3
11.1 10.9 11.3 11 10.8 11.4
R G
1
0
1
0
2
0
3
Sesin informativa (X
1
) 0
4
0
5
0
6
y de discusin ms
folleto informativo
R G
2
0
7
0
8
0
9
Folleto informativo (X
2
) 0
10
0
11
0
12
R G
3
0
13
0
14
0
15
Sesin sobre un () 0
16
0
17
0
18
tema general
Un mes antes del
tratamiento
Cuatro das
antes del
tratamiento
Tres meses
despus del
tratamiento
Un da
despus del
tratamiento
Quince das
antes del
tratamiento
Un mes
despus del
tratamiento
Vemos que X
1
tiene un efecto que
aumenta con el paso del tiempo y X
2
produce un efecto en el corto plazo,
pero tiende a desvanecerse con el paso del tiempo. Esto podra graficarse del
siguiente modo:
En los diseos experimentales de series cronolgicas se realizan este tipo de
grficas, las cuales enriquecen la interpretacin de la evolucin de los grupos.
Series cronolgicas Diseos que, a travs del
tiempo, efectan diversas observaciones o
mediciones sobre una variable.
N
i
v
e
l

d
e

l
a

v
a
r
i
a
b
l
e

d
e
p
e
n
d
i
e
n
t
e
(
d
e
d
i
c
a
c
i

n

e
n

e
l

t
r
a
b
a
j
o
)
Tratamiento uno
0

0
1
0
2
0
3
X
1
0
4
0
5
0
6
25
12.5
Grupo 1
Efecto
creciente
N
i
v
e
l

d
e

l
a

v
a
r
i
a
b
l
e

d
e
p
e
n
d
i
e
n
t
e
(
d
e
d
i
c
a
c
i

n

e
n

e
l

t
r
a
b
a
j
o
)
Tratamiento dos
0

0
7
0
8
0
9
X
2
0
10
0
11
0
12
25
12.5
Grupo 2
Efecto
temporal
N
i
v
e
l

d
e

l
a

v
a
r
i
a
b
l
e

d
e
p
e
n
d
i
e
n
t
e
(
d
e
d
i
c
a
c
i

n

e
n

e
l

t
r
a
b
a
j
o
)
Tratamiento dos
0

0
13
0
14
0
15
---

0
16
0
17
0
18
25
12.5
Grupo 3
No efecto
Algunas de las diversas configuraciones que se presentan se muestran en las
figuras 5.2 y 5.3.
En este caso, debe observarse que no sea algn suceso ajeno el que provoque
el efecto, en lugar de la manipulacin de la variable independiente. Podra ocurrir que:
Figura 5.2
Ejemplo de un suceso ajeno a X que provoca el efecto
Figura 5.3
Ejemplo de un efecto que perdura
e
t
n
e
i
d
n
e
p
e
d

e
l
b
a
i
r
a
v

a
l

e
d

a
l
a
c
s
E
0
1
0
2
0
3
0
4
X

0
5
0
6
0
7
A. Efecto inmediato que perdura y crece
e
t
n
e
i
d
n
e
p
e
d

e
l
b
a
i
r
a
v

a
l

e
d

a
l
a
c
s
E
0
1
0
2
0
3
0
4
X

0
5
0
6
0
7
Suceso
que es
independiente
a X
Figura 5.4
Ejemplo de ausencia de efecto por el tratamiento
Este diagrama se comparara con el del grupo de control o dems grupos para
analizar lo que ocurre. Quiz se deba a que no se obtuvo una equivalencia real de
los grupos al inicio del experimento.
Se tendran tantos diagramas o grficas como grupos, o bien podran
agruparse los efectos provocados en los distintos grupos en una sola grfica (varios
diagramas en sta), como se observa en la figura 5.5.
tendr un diagrama para cada grupo por cada variable dependiente; mientras que
en el segundo caso, un diagrama por cada variable dependiente.
e
t
n
e
i
d
n
e
p
e
d

e
l
b
a
i
r
a
v

a
l

e
d

a
l
a
c
s
E
0
1
0
2
0
3
0
4
X

0
5
0
6
0
7
B. Efecto no provocado por el tratamiento
experimental, sino por una tendencia del
grupo independiente al tratamiento:
el efecto se produjo antes de este
Desde luego, si se mide ms de una variable dependiente, en el primer caso se
Ejemplo
Si el tratamiento es un programa motivacional y las variables dependientes son la
motivacin intrnseca, la productividad y la calidad en la produccin (con dos
grupos experimentales y uno de control), se tendran las opciones que se muestran
en las figuras 5.6 y 5.7.
Figura 5.5
Ejemplos de grficas en series cronolgicas
Varios diagramas
Grupo 1
Grupo 2
Grupo 3
Un solo diagrama
Grupo 1 Grupo 2
Grupo 3
0
1
0
2
0
3
X

0
4
0
5
0
6
0
1
0
2
0
3
X

0
4
0
5
0
6
0
1
0
2
0
3
X

0
4
0
5
0
6
0
1
0
2
0
3
X

0
4
0
5
0
6
Figura 5.6
Ejemplo de varios diagramas para cada variable dependiente
Diversos diagramas para varios grupos y variables dependientes
Grupo 1
0
1
0
2
0
3
X

0
4
0
5
0
6
Motivacin
intrnseca
Grupo 3
0
1
0
2
0
3
--- 0
4
0
5
0
6
Motivacin
intrnseca
Grupo 2
0
1
0
2
0
3
X

0
4
0
5
0
6
Motivacin
intrnseca
Grupo 1
0
1
0
2
0
3
X

0
4
0
5
0
6
Productividad
Grupo 3
0
1
0
2
0
3
--- 0
4
0
5
0
6
Productividad
Grupo 2
0
1
0
2
0
3
X

0
4
0
5
0
6
Productividad
Grupo 1
0
1
0
2
0
3
X

0
4
0
5
0
6
Calidad
Grupo 3
0
1
0
2
0
3
--- 0
4
0
5
0
6
Calidad
Grupo 2
0
1
0
2
0
3
X

0
4
0
5
0
6
Calidad
Figura 5.7
Ejemplo de un solo diagrama por variable dependiente
En estos diseos de series cronolgicas se controlan todas las fuentes de
invalidacin interna, siempre y cuando se lleve a cabo un seguimiento minucioso
de los grupos, para asegurarse de que la nica diferencia entre ellos sea la
manipulacin de la variable independiente. En algunos casos, llega a haber una
influencia de la repeticin de las mediciones sobre la variable dependiente
(administracin de pruebas mltiples), sobre todo en las pruebas donde el sujeto
participa activamente y sabe que est respondiendo a una prueba (cuestionarios,
entrevistas, tests estandarizados); no tanto as en las mediciones en que el sujeto
es ms pasivo y no se encuentra consciente de qu se le mide (por ejemplo, la
observacin). De cualquier manera, en caso de que exista dicha influencia, se
presentar de forma similar en todos los grupos (porque son equivalentes y el
nmero de pruebas aplicadas es el mismo).
Un solo diagrama por variable dependiente
Grupo 1
Grupo 2
Grupo 3
0
1
0
2
0
3
X

0
4
0
5
0
6
Motivacin
intrnseca
Grupo 1
Grupo 2
Grupo 3
0
1
0
2
0
3
X

0
4
0
5
0
6
Productividad
Grupo 1
Grupo 2
Grupo 3
0
1
0
2
0
3
X

0
4
0
5
0
6
Calidad
Para estos diseos se suelen utilizar diversas tcnicas estadsticas complejas,
esto depende del nivel de medicin de las variables y del tipo de anlisis e
interpretacin que se desee realizar, como anlisis de regresin mltiple o anlisis
de cambio. Se recomiendan las siguientes fuentes para conocer tales anlisis:
Markus (1979), Ostrom (1990), Kessler y Greenberg (1981), Henkel (1976), Siegel
(1995), Monge y Cappella (1980), Kerlinger y Pedhazur (1997), SPSS (1999),
Camacho (2001), Ferrn (2001), Kerlinger y Lee (2002).
En ocasiones, el investigador anticipa que el tratamiento o estmulo experimental
no tiene efecto o es mnimo si se aplica una sola vez, tal como sera hacer ejercicio
fsico un solitario da (no se esperara un cambio en la musculatura); o como sera
consumir vitaminas por una nica vez. Tambin en ocasiones el investigador quiere
conocer el efecto sobre las variables dependientes cada ocasin que se aplica el
estmulo experimental.
Por ejemplo, en tcnicas de condicionamiento es comn que uno se cuestione:
cuntas veces debo aplicar el reforzamiento a una conducta para lograr
condicionar la respuesta a un estmulo? En estos casos es posible repetir el
tratamiento experimental y administrar una posprueba despus de cada aplicacin,
para evaluar su efecto.
Los sujetos se asignan al azar a los distintos grupos, a cada grupo se le
administra varias veces el tratamiento experimental que le corresponde. Algunos
de estos diseos diagramados se muestran en la tabla 5.2.
Tabla 5.2
Ejemplos de diseos cronolgicos con repeticin del estmulo
El mismo tratamiento se aplica dos veces al grupo experimental:
R G
1
0
1
X
1
0
2
X
1
0
3
R G
2
0
4
0
5
0
6
Cada tratamiento se aplica cuatro veces al grupo respectivo:
R G
1
0
1
X
1
0
2
X
1
0
3
X
1
0
4
X
1
0
5
R G
2
0
6
X
2
0
7
X
2
0
8
X
2
0
9
X
2
0
10
R G
3
0
11
X
3
0
12
X
3
0
13
X
3
0
14
X
3
0
15
R G
4
0
16
0
17
0
18
0
19
0
20
En algunos casos se prescindira de las pruebas, y el experimentador, por
alguna justificacin terica o emprica, podra aplicar pospruebas a intervalos
sistemticos diferentes.
R G
1
X
1
0
1
X
1
X
1
X
1
0
2
X
1
X
1
X
1
0
3
R G
2
X
2
0
4
X
2
X
2
X
2
0
5
X
2
X
2
X
2
0
6
R G
3
0
7
0
8
0
9
O bien, aplicar las pospruebas a intervalos irregulares (por alguna determinada
razn):
R G
1
X
1
X
1
0
1
X
1
0
2
X
1
X
1
X
1
0
3
X
1
0
4
R G
2
X
2
X
2
0
5
X
2
0
6
X
2
X
2
X
2
0
7
X
2
0
8
R G
3
0
9
0
10
0
11
0
12
Un ejemplo de estos diseos sera el caso de un publicista que pretende
analizar los efectos de un comercial televisivo en la preferencia del producto
anunciado, en comparacin con otras marcas, y postula la hiptesis de que una
sola exposicin al comercial no surtir efecto alguno.
Las pruebas estadsticas usuales para estos diseos son las mismas que para las
series cronolgicas mltiples.
A veces el investigador desea analizar el efecto de la aplicacin de los distintos
tratamientos experimentales a todos los grupos o participantes. En estos casos es
posible utilizar los diseos con tratamientos mltiples. La aplicacin de
tratamientos puede ser individual o en un grupo y hay distintas variaciones:
a) Vari os grupos. En este caso, se tienen varios grupos a los cuales se asignan
los sujetos o participantes al azar. A cada grupo se le aplican todos los
tratamientos. La secuencia de la aplicacin de tratamientos puede o no ser la
misma para todos los grupos y es posible administrar una o ms pospruebas a los
grupos (posteriores a cada tratamiento experimental). Dos diagramas de estos
diseos son los de la tabla 5.3.
Tabla 5.3
Diseos con tratamientos mltiples, varios grupos
Con secuencia diferente. El experimentador debe tener cuidado al interpretar
las segundas pospruebas y mediciones subsecuentes, ya que quizs exista una
influencia diferente en los grupos provocada por distintas secuencias de los
Misma secuencia para los grupos Secuencia diferente
R G
1
X
1
0
1
X
2
0
2
X
3
0
3
R G
1
X
1
0
1
X
2
0
2
X
3
0
3
R G
2
X
1
0
4
X
2
0
5
X
3
0
6
R G
2
X
2
0
4
X
3
0
5
X
1
0
6
R G
3
X
1
0
7
X
2
0
8
X
3
0
9
R G
3
X
3
0
7
X
2
0
8
X
1
0
9
tratamientos. De hecho, durante el experimento es muy probable que haya
diferencias entre grupos, incluso al finalizar el experimento los resultados se
deban, en buena medida, a la secuencia con que fueron administrados los
tratamientos.
Los diseos experimentales con tratamientos mltiples y secuencia diferente en
los grupos, as como los dos casos que vamos a ver a continuacin, llegan a tener
distintos efectos que deben analizarse con minuciosidad. Algunos tratamientos
tienen efectos reversibles; en esta situacin no hay interferencia entre tratamientos
y las pospruebas se ven influidas nicamente por el tratamiento inmediato anterior
(por ejemplo 0
3
, del diseo con secuencia diferente, se vera afectada por X
3
, pero
no por X
2
o X
1
), ello facilita la interpretacin. Pero a menudo los efectos no son
reversibles, sino aditivos o interactivos; esto es, los resultados de una posprueba se
pueden ver influidos no slo por el tratamiento inmediatamente anterior, sino por
los que le antecedieron a ste, y no es fcil saber cunto se debi a X
1
, cunto a
X
2
, o X
k
. Para ello, en el anlisis debe incluirse la secuencia como factor.
b) Un solo grupo. En situaciones donde slo se cuenta con un nmero
reducido de participantes para el experimento, es posible realizar un diseo con
tratamientos mltiples y un solo grupo. No hay asignacin al azar puesto que se
tiene a un nico grupo. La equivalencia se obtiene puesto que no hay nada ms
similar a un grupo que este mismo. El grupo hace las veces de grupos
experimentales y de control. Este diseo se diagrama as:
G nico X
1
0
1
X
2
0
2
0
3
X
3
0
4
0
5
X
k
0
k

Cuando se considere conveniente, se utiliza como grupo de control, por

ejemplo, antes de 0
3
y 0
5
. Sin embargo, tal diseo est limitado a que los efectos
de los tratamientos mltiples sean reversibles; de lo contrario no es un diseo
experimental, sino cuasiexperimental. Si en estos diseos se introduce
sistemticamente y como variable independiente la secuencia de administracin de
los tratamientos, se convierten en factoriales (que se vern a continuacin).
Las pruebas estadsticas que se utilizan en estos diseos son las mismas que se
tienen para las series cronolgicas y los diseos con repeticin del estmulo.
Hasta aqu se han revisado diseos experimentales que manipulan una sola
variable independiente (los tratamientos representan niveles de presencia o
manipulacin de sta; X
1
, X
2
, X
3
, X
k
son variaciones de la misma variable
Con el fin de ver si las secuencias se relacionan con caractersticas de los
elementos a los diseos, tales como presencia-ausencia de la preprueba (por
ejemplo, el diseo de cuatro grupos de Solomon, visto en el captulo 7 de
Metodologa de la investigacin, 4 edicin), as como secuencias diferentes de
tratamientos en varios grupos. Por ejemplo, tener un diseo as:
Nios de 8 ao, G
1
X
1
0
1
X
2
0
2
G
2
X
2
0
3
X
1
0
4
Nios de 6 ao, G
3
X
1
0
5
X
2
0
6
G
4
X
2
0
7
X
1
0
8
Nios de 4 ao, G
5
X
1
0
9
X
2
0
10
G
6
X
2
0
11
X
1
0
12
grupos, algunos autores consideran introducir sistemticamente otros
independiente; al menos como se han concebido en este libro) y miden una o ms
variables dependientes. Por ejemplo, en un experimento con mtodos educativos,
en lugar de medir nada ms el aprendizaje, es posible medir adems la motivacin
del alumno, su integracin al grupo, etc.; esto sera en la preprueba y la posprueba.
Normalmente, se miden diversas variables dependientes para optimizar el costo, al
analizar los efectos de la variable independiente sobre cada dependiente. En ocasio-
nes, como parte de las pospruebas, se incluyen mediciones para verificar qu tanto
funcion la manipulacin (verificaciones de la manipulacin) o a veces estas verifica-
ciones son independientes de las pospruebas.
O un nmero de pospruebas diferentes en los grupos. Por ejemplo, con un diseo
como el siguiente, se tienen diseos factoriales:
R G
1
X
1
0
1
0
2
R G
2
X
1
0
1
R G
3
X
2
0
1
0
2
R G
4
X
2
0
1
R G
5
0
1
0
2
R G
6
0
1
Diseos factoriales
Los diseos factoriales manipulan dos o ms variables independientes e incluyen
dos o ms niveles de presencia en cada una de las variables independientes. Se
utilizan muy a menudo en la investigacin del comportamiento. La construccin
bsica de un diseo factorial consiste en que todos los niveles de cada variable
independiente sean tomados en combinacin con todos los niveles de las otras
variables independientes (Wiersma y Jurs, 2005).
Diseo factorial 2 X 2
El diseo factorial ms simple manipula (hace variar) dos variables, cada una con
dos niveles. A este diseo se le conoce como diseo factorial 2 X 2, en donde el
nmero de dgitos indica el nmero de variables independientes:
De hecho, son factoriales, porque se manipulan como si fueran una variable
independiente. Sin embargo, la experiencia ha demostrado a algunos profesores
que los alumnos que ven por primera vez el tema suelen desconcertarse si se
analizan como diseos factoriales, a menos que stos se expliquen primero.
2 X 2
Un dgito Otro dgito
(primera variable independiente) (segunda variable independiente)
El valor numrico de cada dgito indica el nmero de niveles o modalidades
de la variable independiente en cuestin. En este caso es 2, lo cual quiere decir
que cada una de las variables tiene dos niveles. Como mencionan Wiersma y Jurs
(2005), no es necesario que los valores numricos sean los mismos para todas las
variables independientes. En teora, puede haber cualquier nmero de variables
independientes con cualquier nmero de niveles cada una. Por ejemplo, el diseo
factorial 2 X 2 X 3 indica que hay tres variables independientes, la primera y la
segunda con dos niveles, mientras que la tercera con tres niveles. El diseo
factorial 4 X 5 X 2 X 3 indica una variable independiente con cuatro niveles, otra
con cinco, otra ms con dos y una ltima con tres.
Un ejemplo de un diseo factorial 2 X 2 sera tener como variables
independientes mtodo de enseanza y gnero. La primera con dos niveles:
mtodo de enseanza por tradicional-oral y mtodo de enseanza por medio
de video. La segunda con los niveles masculino y femenino.
Otros diseos factoriales
El nmero de grupos que se forman en un diseo factorial es igual a todas las
posibles combinaciones que surjan al cruzar los niveles de una variable
independiente con los niveles de las otras variables independientes. As, en un
diseo 2 X 2 tendremos cuatro grupos (2 por 2 = 4); en un diseo 3 X 2 resultarn
seis grupos, y en un diseo 3 X 3 X 3, 27 grupos. Debe observarse que el resultado
de la multiplicacin es el nmero de grupos resultante. En estos diseos, el
nmero de grupos aumenta con rapidez con el incremento del nmero de
variables independientes o niveles (exponencialmente). Vemoslo:
2 X 2 = 4
2 X 3 = 6
3 X 3 = 9
3 X 4 = 12
3 X 2 X 2 = 12
3 X 3 X 4 = 36
Ello se debe a que los niveles tienen que tomarse en cuenta respecto a todas
sus posibles combinaciones.
Wiersma y Jurs (2005) sealan que en los diseos experimentales factoriales, al
menos una de las variables independientes debe ser experimental; las dems
pueden ser variables orgnicas, introducidas en el diseo con fines de control (por
ejemplo, gnero, edad, ao, escolaridad, inteligencia en intervalos, etctera).
Figura 5.8
Un diseo factorial 2 X 2
Con objeto de simplificar la forma en que se diagraman los diseos factoriales,
acudiremos a la simbologa que comnmente se utiliza.
1
Para designar a las

1
Por ejemplo, Matheson, Bruce y Beauchamp (1983); Christensen (2000); Arnau-Grass (1981);
Wiersma (1999), y Wiersma y Jurs (2005).
Nmero de grupos resultantes o
del experimento.
Diseo 2 X 2
Variable independiente B Variable independiente A
A
1
A
2
A
1
B
1
A
2
B
1
A
1
B
2
A
2
B
2
B
1
B
2
Diseo 2 X 4 X 3
A
A
1
A
2
C
1
C
2
C
3
C
1
C
2
C
3
A
1
B
1
C
1
A
1
B
1
C
2
A
1
B
1
C3 A
2
B
1
C
1
A
2
B
1
C
2
A
2
B
1
C
3
A
1
B
2
C
1
A
1
B
2
C
2
A
1
B
2
C
3
A
2
B
2
C
1
A
2
B
2
C
2
A
2
B
2
C
3
A
1
B
3
C
1
A
1
B
3
C
2
A
1
B
3
C
3
A
2
B
3
C
1
A
2
B
3
C
2
A
2
B
3
C
3
A
1
B
4
C
1
A
1
B
4
C
2
A
1
B
4
C
3
A
2
B
4
C
1
A
2
B
4
C
2
A
2
B
4
C
3
variables independientes se usan letras (A, B, C, K) y para los niveles, nmeros
(1, 2, 3, K); las combinaciones de letras y nmeros que aparecen en las casillas
(o celdas) representan las mezclas de niveles de las variables independientes. Cada
celda es un grupo. En la figura 5.8 (en la pgina anterior) se diagrama un diseo
factorial 2 X 2. Otro ejemplo sera un diseo factorial 2 X 4 X 3 (figura 5.9).
Figura 5.9
Diseo 2 X 4 X 3
Obsrvese en la figura 5.9 que todas las posibles combinaciones de los niveles
entre A, B y C estn presentes; adems, ninguna combinacin es exactamente
igual a la otra. Cada combinacin representa una celda o un grupo. Si las tres
variables se manipulan deliberadamente (recordemos que al menos una debe serlo
para que hablemos de experimento), los participantes tienen que asignarse al azar
a todas las celdas o grupos. Si dos variables se manipulan intencionalmente (por
ejemplo, B y C), los sujetos de cada nivel de la variable restante (A) sern asignados
al azar a las casillas que les corresponde. Vemoslo con un ejemplo. Si A = gnero
(A
1
, masculino; A
2
, femenino),
B
1
B
2
B
3
B
4
B = violencia televisada (B
4,
elevada; B
3
, mediana; B
2
, baja, y B
1
, nula) y C =
orientacin paternal sobre el programa visto (C
1
, por parte de ambos padres; C
2
,
del padre, y C
3
, de la madre). Si hay 120 nios y 120 nias, los nios (A
1
) se
asignaran al azar a las celdas donde A
1
est presente (10 nios en cada celda), y
las nias (A
2
) a las 12 casillas restantes (donde A
2
est presente, 10 nias por
celda). Si una sola variable es la que se manipula deliberadamente (C por ejemplo),
los participantes de los niveles combinados de las otras dos variables se asignan al
azar a los niveles de aqulla (C
1
, C
2
y C
3
, en el ejemplo). Los sujetos A
1
B
1
seran
asignados aleatoriamente a C
1
, C
2
y C
3
, igual los sujetos A
1
B
2
, A
1
B
3
, etctera.
En los diseos factoriales es posible agregar un grupo de control o varios (que no se
expongan a la variable o las variables manipuladas deliberadamente, figura 5.10).
Figura 5.10
Diseo factorial con grupo de control
Utilidad de los diseos factoriales
Los diseos factoriales son sumamente tiles porque permiten al investigador
evaluar los efectos de cada variable independiente sobre la dependiente por
separado, as como los efectos de las variables independientes de manera
conjunta. Por medio de estos diseos se observan los efectos de interaccin entre
las variables independientes.
Diseo 2 X 2
A
1
A
2
A
1
B
1
A
2
B
1
A
1
B
2
A
2
B
2
control
B
1
B
2
En trminos de Wiersma y Jurs (2005), la interaccin es un efecto producido
sobre la variable dependiente, de tal manera que el efecto de una variable
independiente deja de permanecer constante en los niveles de la otra u otras
independientes. El efecto de interaccin est presente si el efecto conjunto de las
variables independientes no es igual a sus efectos por separado (aditivos). Ello
significa que el efecto de una variable independiente por s mismo no es igual que
cuando se toma en combinacin con los niveles de otra variable independiente.
Por ejemplo, si el alto contenido de violencia televisada afecta slo cuando hay
orientacin sobre el programa por parte de la madre, pero no cuando dicha
orientacin est a cargo del padre o de ambos.
As, hay dos tipos de efectos que es posible evaluar en los diseos factoriales:
los efectos de cada variable independiente (llamados efectos principales) y los
efectos de interaccin entre dos o ms variables independientes (si se tienen
cuatro variables, por ejemplo, pueden interactuar dos entre s y otras dos entre s,
o pueden interactuar tres o las cuatro variables independientes). Los diseos
factoriales responden a estructuras entre variables que se esquematizan en la
siguiente forma:
Figura 5.11
Ejemplo de estructura de un diseo factorial
Variables Variable
Independientes dependiente
X
W

Y
K
Asimismo se analizan el efecto de X sobre Y (X Y), de W sobre Y (W Y) y
el de K sobre Y (K Y); el efecto conjunto de X y W sobre Y.
El efecto conjunto de X y K sobre Y.
El efecto conjunto de W y K sobre Y.
Finalmente el efecto conjunto de todas las variables independientes sobre Y (tres
variables).
Ejemplo
Supongamos una investigacin que tiene como hiptesis: A mayor exposicin por
parte de los adolescentes a videos musicales con alto contenido sexual, habr una
mayor predisposicin para establecer contacto heterosexual.
Posteriormente se disea un experimento para someterla a prueba. La variable
independiente es la exposicin a contenidos sexuales (por medio de la televisin) y
la dependiente es la predisposicin para establecer contacto sexual. Se decide
agregar otra variable independiente: gnero o sexo. Entonces se tiene un diseo
factorial con dos variables independientes. La exposicin tendra tres niveles: a)
contenido sexual elevado y manifiesto, b) contenido sexual moderado y c)
contenido romntico.
Cada video que se elabore tendr, entonces, tres versiones: la msica es la
misma, los modelos, la duracin, la historia y el contexto tambin. La nica
diferencia es el tratamiento sexual de los contenidos verbales y no verbales. El
gnero o sexo implicara dos niveles: masculino y femenino.
El esquema del diseo se indica en la figura 5.12.
Figura 5.12
Diseo factorial 2 X 3 (correspondiente al ejemplo)
Elevada Moderada Mnima
Masculino
Exposicin al conetnido sexual
Sexo
Femenino
Christensen (2000) desarrolla una excelente explicacin de los efectos
principales e interactivos en los diseos factoriales, la cual sirve de base para la
exposicin de dichos efectos que se incluye a continuacin.
Supongamos que, una vez que los grupos se han expuesto a los videos, se les
aplica una posprueba que mide su predisposicin para establecer contacto sexual y
se obtiene el promedio de cada grupo (asimismo, pensemos que los resultados que
lleguen a obtenerse en esta prueba oscilaran entre 0 y 30, donde un valor mayor
indica una ms alta predisposicin). Analizamos varias configuraciones posibles de
resultados (figura 5.13).
Figura 5.13
Diagramas del ejemplo de diseo factorial.
Interpretacin y posibles configuraciones
Interpretacin de efectos
Marginal Marginal Marginal
Si hay diferencias entre los promedios de los
marginales, hubo efecto de la variable vertical
(en el ejemplo, exposicin al contenido sexual).
25 15 7
25 15 7
Marginal
Marginal
Si hay diferencias entre los
promedios de los
marginales, hubo efecto de
la variable horizontal
(en el ejemplo, el sexo o
gnero)
No efecto
Efecto
Promedios de
marginales
A.
Elevada Moderada Mnima
Masculino
Femenino
La variable exposicin
tiene efecto; la
variable sexo no tiene
efecto. No hay efecto
de interaccin.
25 15 7
25 15 7
B.
Elevada Moderada Mnima
Masculino
Femenino
La variable exposicin
no tiene efecto; la
variable sexo tiene
efecto. No hay efecto
de interaccin.
18 18 18
8 8 8
C.
Elevada Moderada Mnima
Masculino
Femenino
Ninguna de las
variables tiene efecto
por si mismas, pero
hay un efecto de
interaccin.
26 18 10
10 18 25.9
D.
Elevada Moderada Mnima
Masculino
Femenino
Las dos variables
tienen efecto, pero
no hay un efecto de
interaccin.
23 18 13
18 13 8
E.
Elevada Moderada Mnima
Masculino
Femenino
Las dos variables
tienen efecto y hay
efecto de interaccin.
29 23 12
20 12 12
F.
Elevada Moderada Mnima
Masculino
Femenino
No hay ning tipo
de efecto.
8 7.9 8.1
7.9 8 8
En la configuracin A, no hay diferencias por sexo (cada casilla en cada nivel de
sexo es igual a la del otro nivel). En cambio, hay diferencias entre los niveles de
Posibles configuraciones
exposicin en ambos sexos. Los efectos principales (es decir, los de cada variable
por separado) se observan comparando los promedios de los marginales de los
niveles de cada variable (ver interpretacin de efectos de la figura 5.13).
En la configuracin B, no hay diferencias por exposicin, pero s por sexo.
En la configuracin C, las diferencias entre las celdas se explican porque las dos
variables interactan (cuando el sexo es masculino y la exposicin elevada,
asimismo cuando el sexo es femenino y la exposicin mnima, se obtiene un valor;
cuando el sexo es masculino y la exposicin mnima, y cuando el sexo es femenino
y la exposicin elevada, se obtiene otro valor; finalmente, cuando ambos sexos se
exponen moderadamente se obtiene un valor distinto de las dems celdas). El
mximo efecto se encuentra en masculino y elevada y femenino y
mnima (26 y 25.9). No hay efectos principales.
En la configuracin D, hay cambios verticales y horizontales, provocados por
efectos principales, pero no efecto de interaccin (ambas variables tienen efecto
por s mismas, nicamente).
En la configuracin E, hay efectos principales (cada variable por s misma
afecta) y tambin efecto de interaccin (ste se alcanza si la diferencia entre las
medias de los niveles de variacin de una variable independiente cambian en
funcin de los niveles de variacin de la otra variable independiente, como
tambin ocurri en la configuracin C).
En la configuracin F, las diferencias entre todas las celdas es prcticamente
nula: no hay ninguna clase de efecto.
Mtodos estadsticos de los diseos factoriales
Los mtodos estadsticos ms usuales para estos diseos son el anlisis de varianza
factorial (ANOVA) y el anlisis de covarianza (ANCOVA), con la variable
dependiente medida en intervalos, y la ji-cuadrada (!2) para mltiples grupos, con
esa variable medida nominalmente.
Por ltimo, a estos diseos se les pueden agregar ms variables dependientes
(tener dos o ms) y se convierten en diseos multivariados experimentales que
utilizan como mtodo estadstico el anlisis multivariado de varianza (MANOVA).
Ya se coment, en el captulo 7 del libro, que los diseos cuasiexperimentales
tambin manipulan deliberadamente una o ms variables independientes para
observar su efecto y relacin con una o varias dependientes, slo que trabajan con
grupos intactos, formados por motivos ajenos al experimento: en los diseos
cuasiexperimentales los sujetos no se asignan al azar a los grupos ni se emparejan,
sino que dichos grupos ya estaban integrados previamente al experimento. Por
ejemplo, si los grupos del experimento son cuatro grupos de diferentes reas de
una empresa que estaban conformados con anterioridad al experimento (las
razones por las que cada participante se integr a cada rea no tienen que ver con
la realizacin del experimento). Vemoslo grficamente:
Grupo A (50 empleados del departamento de producci n)!Gr upo
experimental con X
1.
Grupo B (26 empleados de la gerencia de recursos humanos) !Grupo
experimental con X
2.
Grupo C (37 empleados de la gerencia de administracin y finanzas) !Grupo
experimental X
3.
Grupo D (29 empleados del departamento de aseguramiento de la calidad)
!Grupo de control.
Problema de los diseos cuasiexperimentales
Estos diseos se utilizan cuando no es posible asignar en forma aleatoria los
sujetos o participantes a los grupos que recibirn los tratamientos experimentales.
La falta de aleatorizacin introduce posibles problemas de validez interna y
externa. Como comenta Weiss (1990, p. 89):
Estos diseos deben luchar con la seleccin como fuente posible de interpretacin
equivocada, lo mismo que con la interaccin de la seleccin y otros factores; as como,
posiblemente, con los efectos de la regresin.
Asimismo, diversos elementos pudieron operar en la formacin de los grupos
(que no estn bajo el control del investigador), que impiden afirmar que stos son
representativos de poblaciones ms amplias. De este modo, dado que su validez es
menor que la de los experimentos puros, reciben el nombre de
cuasiexperimentos.
A causa de los problemas potenciales de validez interna, en estos diseos el
investigador debe intentar establecer la semejanza entre los grupos; esto requiere
considerar las caractersticas o variables que estn relacionadas con las variables
estudiadas (Wiersma y Jurs, 2005). Por ejemplo, si grupos intactos de trabajadores
se involucran en un experimento sobre motivacin, el turno probablemente tenga
que ser introducido como una constante (grupos intactos, que sean todos del
mismo turno) o como otra variable independiente (de control). Asimismo, el
investigador deber buscar evidencia de que los grupos son equiparables en
salario, productividad, competencia, antigedad en la organizacin y, en general,
en todo lo que genere diferencias entre los grupos. Cuanta mayor informacin se
obtenga sobre los grupos, mayores bases se tendrn para establecer su semejanza.
En algunos casos se observar si hay la misma proporcin de mujeres y hombres
en los grupos, si la edad promedio es similar, si los grupos no fueron constituidos
con base en un criterio que pudiera afectar (por ejemplo, formacin de los salones
por inteligencia) y si a los grupos en el pasado no les ha ocurrido algo que llegara a
influir los resultados. Adems, como mencionan Campbell y Stanley (1966, p. 70):
Precisamente porque hay falta de control experimental total, es imprescindible que el
investigador conozca a fondo cules son las variables particulares que su diseo especfico
no controla. As, estar ms pendiente de su posible influencia y tendr mejores elementos
para evaluarla.
La ausencia de asignacin al azar hace que se ponga especial atencin al interpretar
los resultados y se tenga sumo cuidado de no caer en interpretaciones errneas. Las
limitaciones deben identificarse con claridad, la equivalencia de los grupos debe
discutirse y la posibilidad de generalizar los resultados, as como la representatividad,
debern argumentarse sobre una base lgica (Wiersma y Jurs, 2005).
Los cuasiexperimentos difieren de los experimentos puros en la equivalencia
inicial de los grupos (los primeros trabajan con grupos intactos y los segundos
utilizan un mtodo para hacer equivalentes a los grupos). Sin embargo, esto no
quiere decir que sea imposible tener un caso de cuasiexperimento, donde los
grupos sean equiparables en las variables relevantes para el estudio. Si as fuera,
los cuasiexperimentos ya hubieran sido desechados como diseos de investigacin.
Ms bien quiere decir que, en algunos casos, los grupos pueden diferir
significativamente o no ser equiparables; de este modo, el investigador debe
analizar si los grupos son o no comparables desde el inicio. En esta ltima situacin
el investigador debe declinar la realizacin de la investigacin con fines explicativos
y limitarse a propsitos descriptivos y/o correlacionales.
Una recomendacin con el fin de consolidar la validez interna de esta clase de
diseos experimentales, es que los tratamientos o estmulos deben asignarse al azar.
Tipos de diseos cuasiexperimentales
Con excepcin de la diferencia que acabamos de mencionar, los
cuasiexperimentos son muy parecidos a los experimentos puros. Por lo tanto,
podemos decir que hay casi tantos diseos cuasiexperimentales como
experimentales puros. Slo que no hay asignacin al azar ni emparejamiento.
Pero por lo dems son iguales, la interpretacin es similar, las comparaciones son
las mismas y los anlisis estadsticos iguales (salvo que a veces se consideran las
pruebas para datos no correlacionados). Es por ello que nos limitaremos a ver slo
algunos de los diseos cuasiexperimentales (el resto puede ser deducido de sus
correspondientes diseos experimentales puros, adems de quitarles la R de
asignacin al azar) y se comentarn brevemente porque las comparaciones,
interpretaciones y los anlisis son prcticamente equipares.
2
Consideramos que no
sera adecuado volver a explicar dichas comparaciones, interpretaciones y anlisis.
1.Diseo con posprueba nicamente y grupos intactos.
Este primer diseo utiliza dos grupos: uno recibe el tratamiento experimental y el
otro no. Los grupos son comparados en la posprueba para analizar si el
tratamiento experimental tuvo un efecto sobre la variable dependiente (0
1
con 0
2
).
El diseo puede diagramarse del siguiente modo, tal como se ve, no hay
asignacin al azar ni emparejamiento:
G
1
X 0
1
G
2
0
2
Obsrvese que si los grupos no son equiparables entre s, las diferencias en las
pospruebas de ambos grupos se atribuiran a la variable independiente, pero
tambin a otras razones diferentes, lo peor es que el investigador quiz no se d
cuenta de ello. Por ejemplo, supongamos que se lleva a cabo un cuasiexperimento
para analizar el efecto de la retroalimentacin que los mdicos dan a sus pacientes
(respecto a su conducta en el tratamiento prescrito) sobre la obediencia o apego al
tratamiento. Se podra partir de la siguiente hiptesis: Los pacientes que reciban
mayor retroalimentacin de parte de sus mdicos, acerca de cmo se comportan
en el tratamiento prescrito, se apegarn ms a dicho tratamiento. Es decir, los
mdicos que informen ms a sus pacientes sobre su conducta en el tratamiento
prescrito propiciarn en los pacientes un mayor deseo de seguir el tratamiento. La
cuestin es motivar al paciente. Entonces, el investigador toma dos grupos de
pacientes. Un grupo recibe retroalimentacin sobre su conducta en el tratamiento
prescrito y el otro no. Posteriormente se evala qu tanto se apega cada grupo, en
lo sucesivo, al tratamiento. Supongamos que obtenemos el siguiente resultado: 0
1

2
Si al lector le surge alguna duda respecto a qu comparaciones, interpretaciones y anlisis pueden
llevarse a cabo en un diseo cuasiexperimental, le recomendamos revise el diseo experimental
puro correspondiente, vale recordar que la diferencia es que en el cuasiexperimental no hay
aleatorizacin y los grupos pueden estar no correlacionados.
> 0
2
(el grupo experimental se apega ms al tratamiento), entonces deducimos
que la hiptesis fue confirmada. Pero para establecer lo anterior, debemos analizar
con mucho cuidado que sea posible comparar a los grupos.
Imaginemos que el grupo experimental estaba formado por pacientes que
asisten a un hospital donde con frecuencia se dan plticas motivadoras para que
los enfermos sigan los tratamientos prescritos, mientras que el grupo de control
estaba integrado por pacientes que asisten a un hospital donde no se le asigna
importancia a ello. A qu razn se le podran atribuir con certeza los resultados: a
la manipulacin de la variable independiente, a que los grupos de pacientes
provienen de diferentes hospitales, a ambos factores, a algn otro? Como los
grupos no son razonablemente equiparables, no tendramos la certeza de cul fue
la causa o qu tanto contribuyeron los diversos factores involucrados. Hay un
problema de validez interna.
Tambin podra ser que el grupo experimental estuviera compuesto por
pacientes que, desde antes del experimento, tuvieran una motivacin elevada para
apegarse a tratamientos mdicos; o tal vez acten otros factores que provocaran
diferencias iniciales entre los grupos. Por ello, es importante que los grupos sean
inicialmente comparables y que durante el experimento no ocurra algo que los
haga diferentes, con excepcin de la presencia-ausencia del tratamiento
experimental (por ejemplo, misma enfermedad y tratamiento mdico, hospital,
galeno que los atiende, instrucciones y lugar, equivalencia como grupos en
gnero, edad, avance de la enfermedad, etc.; nada ms imaginemos que el grupo
experimental, en promedio, est ms enfermo que el de control, y los pacientes
lo saben; llega a suceder que los ms enfermos se apeguen ms al tratamiento). El
criterio de los experimentos puros en relacin con mantener la igualdad de los
grupos (salvo la manipulacin de la variable independiente) se aplica por igual a los
cuasiexperimentos.
Puede extenderse el diseo para incluir ms de dos grupos. Se tienen as
diferentes tratamientos experimentales o niveles de manipulacin. Su formato
general sera:
G
1
X
1
0
1
G
2
X
2
0
2
G
3
X
3
0
3



G
k
X
k
0
k
G
k + 1
0
k + 1
El ltimo grupo es de control.
Un ejemplo de este diseo sera con cuatro grupos escolares de un mismo
semestre y carrera (licenciatura) en una universidad, como grupos del
cuasiexperimento. Vemoslo esquemticamente en la tabla 5.4.
Tabla 5.4
Diagrama de un ejemplo del diseo
cuasiexperimental con posprueba nicamente
Recurdese que los grupos son intactos (no se generan) y ya se haban
Universidad del Centro
Escuela de Psicologa
Tercer semestre
Grupo A X
1
0
1
Grupo B X
2
0
2
Grupo C X
3
0
3
Grupo D 0
4
constituido por motivos diferentes al cuasiexperimento (en este caso, la eleccin de
estudiar una carrera y la asignacin de alumnos a los grupos por parte de la
Escuela de Psicologa). Los tratamientos experimentales podran ser mtodos
educativos.
2.Diseo con preprueba-posprueba y grupos intactos (uno de ellos de
control).
Este diseo es similar al que incluye posprueba nicamente y grupos intactos, slo
que en este caso a los grupos se les administra una preprueba. La cual puede servir
para verificar la equivalencia inicial de los grupos (si son equiparables no debe
haber diferencias significativas entre las prepruebas de los grupos). Su esquema
ms sencillo sera el siguiente:
G
1
0
1
X 0
2
G
2
0
3
0
4
Aunque puede extenderse a ms de dos grupos (niveles o modalidades de
manipulacin de la variable independiente), lo cual se esquematizara as:
G
1
0
1
X
1
0
2
G
2
0
3
X
2
0
4
G
3
0
5
X
3
0
6



G
k
0
2k1
X
k
0
2k
G
k+1
0
2k+1
0
2(k+1)
Las posibles comparaciones entre las mediciones de la variable dependiente y
las interpretaciones son las mismas que en el diseo experimental de preprueba-
posprueba con grupo de control; solamente que, en este segundo diseo
cuasiexperimental, los grupos son intactos y en la interpretacin de resultados
debemos tomarlo en cuenta. Recurdese todo lo que se ha dicho de la probable
no equivalencia de los grupos. Este aspecto se aplica a todos los diseos
cuasiexperimentales.
3. Diseos cuasiexperimentales de series cronol gicas.
En ocasiones el investigador pretende analizar efectos al mediano y largo plazos o
los efectos de la administracin del tratamiento experimental varias veces; pero no
cuenta con la posibilidad de asignar al azar a los sujetos o participantes a los
grupos del experimento. En estos casos, pueden utilizarse los di seos
cuasiexperimentales, salvo que los grupos deben ser intactos. En ambas
situaciones se aplican mediciones repetidas de la variable dependiente y se inserta
el tratamiento experimental entre dos de esas mediciones en, al menos, un grupo;
mientras que a otro grupo no se le aplica ningn tratamiento en el periodo de
experimentacin. Aunque desde la perspectiva de la literatura clsica sobre
experimentos (vase Campbell y Stanley, 1966) se reconoce como
cuasiexperimento a un diseo que no tiene grupo de control. Bien, hablemos
brevemente de estos diseos.
Series cronolgicas de un solo grupo
A un nico grupo se le administran varias prepruebas, despus se le aplica el
tratamiento experimental y finalmente varias pospruebas. El diseo se diagrama
as:
G 0
1
0
2
0
3
X 0
4
0
5
0
6
El nmero de mediciones est sujeto a las necesidades especficas de la
investigacin que realizamos.
Un ejemplo muy difundido de este diseo lo constituy la evaluacin de un
programa que tena por objeto disminuir la velocidad en carreteras del estado de
Connecticut, EE. UU. (Campbell, 1975). Los investigadores recolectaron informes y
datos de accidentes de trnsito correspondientes a varios aos anteriores y
ulteriores a la implantacin del programa. Encontraron que despus del programa
el nmero de accidentes disminuy. Pero como las distintas mediciones haban
mostrado una pauta ascendente y descendente inestable durante varios aos, no
se poda tener la certeza de que el programa hubiese sido la razn del descenso en
el nmero de accidentes (Weiss, 1990). Entonces, fue necesario comparar las
estadsticas de Connecticut con las de otros cuatro estados vecinos en los que no
se haban efectuado los cambios en los reglamentos de trnsito propuestos por el
programa del mencionado estado. Estos otros cuatro estados actuaron como
grupos de control. Finalmente, se observ que en los otros estados no se haba
registrado una disminucin equivalente al nmero de accidentes. Las
comparaciones dieron pie para concluir que el programa haba generados los
efectos deseados (Campbell, 1975; Glass, 1968).
Esta investigacin cuasiexperimental en su primera etapa utiliz las series
cronolgicas de un solo grupo (ver figura 5.14).
Figura 5.14
Ejemplo de un cuasiexperimento en su primera etapa
G
(Estado de
Connecticut)
Accidentes
1951
Accidentes
1955
Accidentes
1953
Accidentes
1954
Accidentes
1955
Accidentes
1956
Accidentes
1957
Accidentes
1958
(Programa
para
disminuir
accidentes)
X
Figura 5.15
Ejemplos de resultados en series cronolgicas de un solo grupo
Otro ejemplo de este diseo
sera medir las ventas de un
producto durante varios meses,
introducir una campaa publi-
citaria para ese producto y, des-
pus, medir durante meses el
nivel de ventas.
Las series cronolgicas de un
solo grupo llegan a producir
diversos patrones de resultados.
A manera de ejemplo podramos
tener los patrones mostrados en
la figura 5.15 (algunos de los cuales
fueron expuestos en las series
cronolgicas experimentales).
En las series cronolgicas de
un nico grupo debe tomarse
muy en cuenta que no se tiene
punto de comparacin (grupo de
control); por lo tanto, la
interpretacin del patrn en la
variable dependiente (o patrones
de las variables dependientes)
tiene que ser muy cuidadosa, y
habr de analizarse si no han
E
s
c
a
l
a

d
e

l
a

v
a
r
i
a
b
l
e

d
e
p
e
n
d
i
e
n
t
e
0
1
0
2
0
3
0
4
X

0
5
a)
Interpretacin: Aparentemente no hay efecto,
sino una tendencia de aumento
en la variable dependiente
que comienza desde antes
del tratamiento.
E
s
c
a
l
a

d
e

l
a

v
a
r
i
a
b
l
e

d
e
p
e
n
d
i
e
n
t
e
0
1
0
2
0
3
0
4
X

0
5
b)
Interpretacin: Posible efecto del tratamiento
sobre la variable dependiente.
E
s
c
a
l
a

d
e

l
a

v
a
r
i
a
b
l
e

d
e
p
e
n
d
i
e
n
t
e
0
1
0
2
0
3
0
4
X

0
5
0
6
0
6
0
6
Interpretacin: Aunque entre la primera y la
ltima mediciones se aprecian diferencias, no
puede concluirse que haya o no efecto, pues el
patrn es irregular.
actuado o interactuado otras posibles causas, adems del tratamiento experimental o
variable independiente. La historia y el hecho de que el grupo sea atpico son riesgos que
se afrontan en este diseo, al igual que la instrumentacin. Normalmente, este diseo
cuasiexperimental se utiliza con propsitos correlacionales y no explicativos.
Seri es cronolgicas cuasiexperimentales con mltiples grupos.
Estos diseos pueden adoptar la estructura de las series cronolgicas
experimentales, con la diferencia de que en estas ltimas los individuos se asignan
al azar a los grupos, mientras que en las cuasiexperimentales tenemos grupos
intactos. Por lo tanto, ocurriran las mismas variaciones
3
que se muestran en la
figura 5.16.
Figura 5.16
Ejemplos de diseos cuasiexperimentales con series cronolgicas
Estas series tambin son similares a sus correspondientes experimentales, pero
Recomendamos al lector que revise los apartados relativos a las series cronolgicas experimentales
antes de leer este apartado. De hecho, podr notar que los diseos son los mismos, salvo que en
los esquemas y diagramas de las series experimentales aparece el smbolo R de asignacin al
azar. Por ello, aqu se omiten explicaciones, interpretaciones y ejemplos; de lo contrario, pecaramos
de redundantes. nicamente nos limitaremos a esquematizar los diseos, sin explicaciones, porque
lo que puede decirse es lo mismo que lo dicho en las series cronolgicas experimentales. Desde
luego, debe resaltarse que en las series cuasiexperimentales los grupos son intactos y es necesario
asegurar que los grupos sean equiparables.
G
1
X
1
O
1
O
2
O
3
O
1
O
2
O
3
G
2
G
1
G
2
X
2
O
4
O
5
O
6
O
4
O
5
O
6
G
3
X
3
X
O
7
O
8
O
9
O
7
O
8
O
9
G
4
__
__
O
10
O
11
O
12
O
10
O
11
O
12
Sin prepruebas y grupo de control
Con prepruebas y grupo de control
Cuasiexperimento Experimento
en el que los sujetos no se
asignan al azar a los grupos ni se
emparejan, porque tales grupos
ya existan (grupos intactos).
con grupos intactos. As, tendramos los siguientes diagramas para ilustrarlas:
G
1
0
1
0
2
X
1
0
3
0
4
X
1
0
5
0
6
0
7
X
1
0
8
0
9
0
10
G
2
0
11
0
12
0
13
0
14
0
15
0
16
0
17
0
18
0
19
0
20
G
1
0
1
X
1
0
2
X
1
0
3
X
1
0
4
X
1
0
5
0
6
G
2
0
7
X
2
0
8
X
2
0
9
X
2
0
10
X
2
0
11
0
12
G
3
0
13
0
14
0
15
0
16
0
17
0
18
Seri es cronolgicas cuasiexperimentales con tratamientos mltipl es
Al igual que en los casos anteriores, estas series son similares a sus
correspondientes experimentales, slo que con grupos intactos. Por lo tanto,
tendramos diagramas como stos:
G
1
X
1
0
1
0
2
X
2
0
3
0
4
X
3
0
5
0
6
0
7
G
2
X
2
0
8
0
9
X
1
0
10
0
11
X
3
0
12
0
13
0
14
G
3
X
3
0
15
0
16
X
2
0
17
0
18
X
1
0
19
0
20
0
21
G
4
X
2
0
22
0
23
X
3
0
24
0
25
X
1
0
26
0
27
0
28
G
5
X
1
0
29
0
30
X
3
0
31
0
32
X
2
0
33
0
34
0
35
G
6
X
3
0
36
0
37
X
1
0
38
0
39
X
2
0
40
0
41
0
42
Tipos de variables en experimentos y cuasiexperimentos
Como complemento a lo que se menciona en el libro
sobre variables y experimentos, nicamente queremos
ahondar un poco sobre los tipos de variables en los
diseos experimentales y cuasiexperimentales. Los
principales tipos de variables son:
1. Independiente: Tratamiento experimental que provoca efectos (causa).
2. Dependiente: Efecto o consecuencia (provocado o provocada por el
tratamiento o variable independiente).
3. Interviniente: Moderador de la relacin causal entre la variable
independiente y dependiente. Si no se conoce su efecto o no se controla, el
experimento puede invalidarse.
4. Explicaciones rivales o fuentes de invalidacin interna (pueden ser variables
controlarse, de no ser as, el experimento puede invalidarse. Asimismo, es
factible que se combine con otras variables para afectar a la dependiente.
5. Variable de control: Influye en la dependiente, pero es neutralizada por el
diseo o por los procedimientos estadsticos.
La diferencia entre la variable de control e interviniente reside en que en la
primera se neutralizan sus efectos, y en la segunda se conocen stos (Creswell,
2005). Un ejemplo sera el que se muestra en la figura 5.16
Figura 5.16
Diferencia entre variable interviniente y de control
La variable independiente se manipula (a un grupo se le expone a un mtodo,
al otro a un mtodo distinto). El tipo de escuela se controla al asignar a los dos
grupos por igual (en la misma proporcin) alumnos de escuelas pblicas y privadas
Variable independiente:
mtodo educativo
(tradicional-moderno):
Dos grupos
experimentales.
Variable dependiente:
aprendizaje de
estadstica.
Variable interviniente:
Horas de estudio.
Variable de control: Tipo de
escuela (pblica-privada).
independientes o intervinientes): Su influencia debe conocerse o
(la composicin de cada uno sera: 50% de estudiantes de instituciones pblicas y
50% de estudiantes de escuelas privadas). Los efectos de la variable interviniente
se conocen, al medir el nmero de horas dedicadas al estudio (con su introduccin
al anlisis). La variable dependiente se mide. Los anlisis estadsticos ayudan a
esclarecer las relaciones entre todas las variables.
Nota final: Los pasos para un diseo cuasiexperimental son los mismos que para
uno experimental.