Diseño Factorial

Diseño factorial: son aquellas investigaciones que tienen dos o más variables
independientes y en las cuales se analiza el efecto combinado que producen estas
variables.

A la variable independiente también se la llama factor y a la variable dependiente

variable criterio. A los factores se los representa mediante las primeras letras
mayúsculas del alfabeto. De manera que un diseño factorial:

AxBxC

Este es un diseño factorial con tres variables independientes, ya que cada letra
representa una variable independiente. También se lo podría representar de la
siguiente manera:

2x3x2

En este caso sería también un diseño factorial con tres factores, ya que cada
número representa una variable independiente. El valor del número, lo que nos
indica es la cantidad de niveles que toma esa variable independiente. En este
caso tendríamos un factor con dos niveles, otro con tres y el último con dos. Los
factores pueden tener tanto manipulación intencional como manipulación de
selección. Cuando todos los factores son de manipulación intencional el diseño
factorial puede ser un experimento (si se cumplen con otros requisitos para que
una investigación sea un experimento). Cuando todos o algunos de los factores
son de manipulación de selección es un cuasiexperimento.

Los factores pueden ser de medidas independientes o de medidas repetidas. En

función de esto vamos a tener:

 Diseños factoriales con medidas independientes en todos los factores

 Diseños factoriales con medidas repetidas en todos los factores
 Diseños factoriales con medidas repetidas en algunos factores. En estos
diseños tenemos tanto factores con medidas independientes como factores
con medidas repetidas.

Matriz factorial correspondiente a un diseño factorial 2 x 2 (A x B)

En estos casos los tratamientos no son sólo el nivel de una variable

independiente, sino que son el resultado de la combinación de los niveles de los
distintos factores. Por ejemplo, en este caso un tratamiento sería a1b1, que sería
la aplicación conjunta del nivel 1 del factor A y del nivel 1 del factor B. En la
siguiente tabla se muestran cómo quedarían constituidos los 4 tratamientos de un
diseño 2x2.

La cantidad de tratamientos depende de la combinación de los niveles de los

factores. Por ej., en un diseño 2 x 3 x 2, la cantidad de tratamientos es de 12 (se
obtiene multiplicando los niveles de los factores) y en un diseño 2 x 2 son 4
tratamientos. Sin embargo, la cantidad de grupos va a depender del tipo de
medidas (independientes o repetidas), que tenga el diseño factorial:

 Si son todas medidas independientes la cantidad de grupos es igual a la

cantidad de tratamientos. Por ej. en un diseño 2x3x2 con medidas
independientes sería 12 tratamientos y 12 grupos.

 Si son todas medidas repetidas, la cantidad de grupos es siempre uno. Si el

ejemplo anterior (2x3x2) fuera de medidas repetidas, seguirían siendo 12
tratamientos, pero un solo grupo.

 Si hubiera tanto medidas repetidas como medidas independientes, la

cantidad de grupos estaría dada por los factores de medidas
independientes. Por ej. en un diseño factorial 2x3x2 con medidas repetidas
en C, habría 12 tratamientos y 6 grupos (que estarían dados por los
factores A y B).

Ventajas de los diseños factoriales respecto a los diseños univariados:

1) Nos brindan mayor información, ya que no solo analizan los efectos aislados de
cada variable independiente, sino que también brindan información sobre el efecto
que producen las mismas al combinarse.

2) Es más sencillo controlar variables contaminadoras, porque es más fácil el

control en una sola investigación que en varias. Además, al involucrar más
factores, nos permite dar cuenta de una mayor respuesta inequívoca de cómo
funciona el fenómeno.
3) Dan una mejor capacidad de generalización a situaciones naturales (validez
externa ecológica), ya que en la realidad las variables suelen interactuar con otras
y no solamente presentar efectos aislados. Además, puedo tener una comprensión
del fenómeno mucho más similar como cuando ocurre en el contexto natural.

4) Se requiere menor tiempo y menor cantidad de sujetos que si se hicieran varias

investigaciones con cada variable independiente por separado.

Efectos que se analizan en un diseño factorial:

Efectos que producen los factores aisladamente:

 Efectos principales: son los efectos que tiene cada una de las variables
independientes (factores) por separado, tomados de forma aislada.

Efectos que son producidos por la combinación de los factores:

 Efectos simples: son los efectos que tiene cada uno de los factores bajo
cada nivel (valor) del otro factor, o bajo cada combinación de niveles de los
otros factores (para diseños factoriales con más de dos factores). Por
ejemplo, en un diseño 2x3 el factor A tendrá 3 niveles del otro factor
mientras que el factor B tendrá solamente 2 niveles del factor A.

 Efectos de interacción: hay interacción cuando el efecto de cada factor

varia (se ve modificado) en función de los valores que tome del otro u otros
factores. De manera que la “interacción sería una medida de la no
adicionabilidad de los efectos individuales de los factores”.

Efectos simples

Los efectos simples se utilizan para interpretar la interacción. Y los efectos simples
se dan dentro de cada efecto de interacción. Vamos a tener efectos simples para
cada factor, de manera que en un diseño A x B, vamos a tener varios efectos
simples para A y varios efectos simples para B. Para cada factor vamos a tener
tantos efectos simples como niveles tenga el otro factor. Por ejemplo para un
diseño 2 x 4 tendríamos 6 efectos simples. Cuatro de estos efectos simples
corresponden al factor A (ya que el factor B tiene cuatro niveles), y los otros dos al
factor B, porque el factor A tiene solo dos niveles

Efectos de interacción
En un diseño A x B se analiza un solo efecto de interacción. En cambio en un
diseño A x B x C tenemos 4 posibles efectos de interacción. Los efectos de
interacción pueden ser estadísticamente significativos o no. De manera que, de los
posibles efectos de interacción que se analizan, podemos encontrar que hay
efecto de interacción en algunos casos y en otros no. En el diseño A x B x C que
tiene 4 posibles efectos de interacción, pueden ser todos estadísticamente
significativos o no serlo ninguno de ellos, o alguno/s si y otro/s no.

Pasos a cumplir para realizar un correcto análisis de los ejercicios que tengan
diseño factorial 2x2 (AxB)

1- Realizar una correcta lectura del ejercicio.

2- Identificar las variables independientes (con sus valores) y la variable

dependiente

3- Identificar el tipo de diseño con los tratamientos posibles.

4- Realizar la tabla a partir de los datos que el ejercicio menciona.

Supongamos que queremos estudiar el fracaso/éxito sobre el estado del
ánimo según complejidad del yo.

Nos queda una tabla así, los números representan la media en la VD bajo
cada uno de los niveles.
5- Identificar los efectos principales (las variables independientes) y
determinar si son significativos. ¿Cómo me doy cuenta? Puede ser por
medio del valor de P que arroja el estadístico, que siempre tiene que ser
<=05 (el ejercicio me da ese dato) o también puedo saber mediante las
medias marginales de cada factor.

Para sacar las medias marginales del factor complejidad del yo, hay que
sumar las medias de la alta complejidad y el resultado dividirlo por 2. Lo
mismo se hace con las medias de baja complejidad del yo. Entonces 55 +
50 = 115 / 2= 52,5. Por otro lado tenemos 70 + 30= 100 / 2= 50.

 Hasta aquí podemos decir que el Factor Principal Complejidad del

Yo NO es significativo ya que la diferencia no alcanza para ser
estadísticamente significativa. Además, en un gráfico quedaría como
una constante, lo cual tener alta o menor complejidad del yo, no
modifica el estado del ánimo.

 Con tipo de situación (éxito/fracaso) hacemos el mismo

procedimiento: sumamos las medias de éxito y fracaso. Por lo tanto:
55 + 70= 125/2= 62,5 tenemos por un lado y por el otro 50 + 30=
80/2= 40. Aquí observamos que la diferencia es estadísticamente
significativa. Es decir, estar en una situación de éxito arroja
puntuaciones más altas sobre el estado del ánimo que estar en una
situación de fracaso. El tipo de situación influye de manera
significativa sobre el estado del ánimo. Con el gráfico queda mejor
ilustrado:
  El Factor Principal Tipo de Situación es SIGNIFICATIVO

6- Identificar los efectos simples:

Efectos simples de tipo de situación:

 Con alta complejidad del yo, es NO significativo

 Con baja complejidad del yo, es SIGNIFICATIVO.

Efectos simples de complejidad del yo:

 En situación de éxito es SIGNIFICATIVO

 En situación de fracaso es SIGNIFICATIVO

7- Identificar la interacción para cada factor. ¿Cómo modifica la interacción el

efecto de tipo de situación?
En el caso de los efectos simples de tipo situación, si graficamos nos queda así:

Concluimos que la variable tipo de situación influye de manera significativa. En

sujetos con alta complejidad no genera diferencias significativas en tanto éxito o
fracaso de la tarea. HAY UNA INTERACCIÓN POR PÉRDIDA DE UN FACTOR
SIMPLE (NO SIGNIFICATIVO).

¿Cómo modifica la interacción el efecto de Complejidad del yo?

Por lo tanto, en este caso hay interacción por cambio en la dirección del efecto.

HASTA AQUÍ EL EJERCICIO Y LOS EJEMPLOS

NOTAS del PDF:

- Para ver si los efectos simples son significativos hay que mirar la tabla y
fijarse los niveles de cada factor con los niveles del otro factor. Si el número
es <= a 01 es significativo. Si es mayor, no hay efectos significativos.

- Para ver si cambia la dirección del efecto, en el caso de A se hace la resta

entre A2 - A1 bajo el nivel de B1 y luego la resta entre A2 - A1 bajo el nivel
de B2. Si los resultados de cada cuenta da resultados con diferentes
signos, por ejemplo, un resultado con valor positivo y otro resultado con
valor negativo, CAMBIA LA DIRECCIÓN DEL EFECTO. Pero si los
resultados tienen un mismo signo ya sean positivos o negativos, NO
CAMBIA la dirección del efecto.

- Para el caso de B, es la misma lógica que A.

- Para ver si cambia el tamaño del efecto, en el caso del factor de A, hay que
hacer la resta entre los valores extremos entre A1 y A2 bajo el nivel de B1 y
luego bajo el nivel de B2 y luego hacer la división de los resultados dividido
2.

- EN CLASE SE TRABAJARÁ SOBRE CASOS DONDE CAMBIA EL

TAMAÑO DEL EFECTO Y CASOS DONDE CAMBIA EL TAMAÑO DEL
EFECTO Y LA DIRECCIÓN TAMBIÉN.