Upload
others
View
3
Download
0
Embed Size (px)
Citation preview
TEMA IV
DefiniciónClasificaciónDiseño simple de medidas repetidasDiseño factorial de medidas repetidasDiseño factorial mixto
DISEÑOS DE MEDIDAS REPETIDAS
ESQUEMA GENERAL
Definición (Ventajas)
En el diseño medidas repetidas todos los sujetos de lamuestra reciben todos los tratamientos. De este modo,el uso del procedimiento de medidas repetidasproporciona un control más efectivo de las fuentes devariación extrañas asociadas, por lo general, a lascaracterísticas individuales; es decir, se consigue unareducción de la variancia del error. Esto es así porquela variabilidad debida a las diferencias individuales eseliminada del error. De este modo, el diseño demedidas repetidas constituye una estructura máspotente que los diseños completamente aleatorizados.
El principal problema de los diseños de medidasrepetidas son los efectos secuenciales que se derivan dela propia estructura del diseño. Estos efectos deben serneutralizados para que no confundan los efectos de lostratamientos.
Definición (Inconvenientes)
Tipos de efectos secuenciales
A) Efecto de orden
B) Efecto residual
Efecto de orden
Los efectos de orden ocurren cuando,independientemente del tratamiento aplicado,el sujeto responde a la posición que, en lasecuencia, ocupa el tratamiento (período deadministración). Cabe, por lo tanto, laposibilidad de que el sujeto responda mejor alperíodo que al tratamiento en sí mismo.Cuando esto ocurre, el efecto de ordenconfunde la acción del tratamiento.Solución: contrabalanceo o aleatorización delos tratamientos.
Efecto residual
El efecto residual, conocido por errorprogresivo, se caracteriza por la persistencia dela acción de un tratamiento más allá delperíodo o tiempo de aplicación. Representa laprogresiva acumulación tanto de los efectosfacilitadores de la respuesta (efecto de lapráctica, aprendizaje, etc.) como de los efectosobstaculizadores (como la fatiga mental,cansancio físico, etc.) ..//..
Cuando, como es frecuente en esos casos, seproduce una persistencia del efecto deltratamiento anterior sobre el tratamientosiguiente, se corre el riesgo de que los efectosqueden contaminados.Solución: Aumentar el intervalo de tiempoentre un tratamiento y el siguiente.
Clasificación
De un grupo o muestraSimple (S x A)
Factorial (S x A x B, S x A x B x C, etc.)
Factorial Mixto (S(A) x B): combina variables independientes de grupos y de medidas repetidas
Split-Plot (S(A) x B): combina variables independientes de grupos y de medidas repetidas, siendo la de grupos de clasificación (características de sujeto)
Diseño simple de medidas repetidas
Estructura del diseño
La estructura del diseño de medidas repetidassimple es similar al formato factorial de dosvariables independientes. La variable de sujetosno se manipula ya que se trata de un pseudo-factor. La variable de tratamiento estámanipulada por el experimentador y se consideracomo un auténtico factor.
Ejemplo
Se pretende estudiar el efecto de la frecuenciade tres tonos auditivos de igual intensidad (65db) sobre el tiempo de reacción para identificarel tono. De la variable independiente se eligentres valores: 300 cps. (condición a1), 600 cps.(condición a2) y 1200 cps. (condición a3)
Modelo de prueba de hipótesis
Paso 1. Se asume, por hipótesis nula, que losefectos de los tratamientos son nulos. Es decir,
H0: α1 = α2 = α3 = 0
Paso 2. Según la hipótesis experimental seasume que, uno o más tratamientos o efectoses significativo (distinto de cero). En términosestadísticos se afirma que:
H1: α1 ≠ α2, o α1 ≠ α3, o α2 ≠ α3
Por lo menos una desigualdad
Paso 3. Se asume un modelo ANOVA demedidas repetidas. El estadístico de la pruebaes la F normal, a un nivel de significación de α= 0.05. El tamaño de la muestra experimentales N=n=3.
Paso 4. El cálculo del valor empírico de F serealiza a partir de la correspondiente matriz dedatos, una vez ejecutado el experimento.
TONOS
Sujeto a1 a2 a3 Medias
123
3,84,46,9
3,65,04,5
2,52,33,0
3,33,94,8
Medias 5,03 4,37 2,6 4,0
Matriz de datos
Modelo estructural del ANOVA de medidas repetidas
ijjiijY εαηµ +++=
Descripción y supuestos
Yij = la puntuación del i sujeto bajo la jcondición experimental o tratamiento
μ = la media global de todos los datos delexperimento
ηi = μi – μ = el efecto asociado al iésimo sujetoαj = μj – μ = el efecto de jésimo nivel de la
variable de tratamiento Aεij = el error experimental asociado al i
sujeto bajo el j tratamiento..//..
Asimismo, para que el modelo sea válido, se asume que:
a) ηi ∼ NID(0,ση²) b) εij∼ NID(0,σε²)c) Σ = ση²11' + σε²I
Condición de aplicación: Supuesto de esfericidad
Esta condición requiere que las variancias delas diferencias entre todos los pares demedidas repetidas sean iguales (prueba deesfericidad de Mauchly, 1940)
Prueba de esfericidad de Mauchlyb
Medida: MEASURE_1
,619 ,479 2 ,788 ,724 1,000 ,500Efecto intra-sujetosFACTOR1
W de MauchlyChi-cuadrado
aprox. gl Sig.Greenhouse-Geisser Huynh-Feldt Límite-inferior
Epsilona
Contrasta la hipótesis nula de que la matriz de covarianza de error de las variables dependientes transformadas esproporcional a una matriz identidad.
May be used to adjust the degrees of freedom for the averaged tests of significance. Corrected tests are displayed in theTests of Within-Subjects Effects table.
a.
Diseño: Intercept Diseño intra sujetos: FACTOR1
b.
Prueba de esfericidad de Mauchly
FACTOR1 = frecuencia tonos auditivos
Dado que p > ,05, no se rechaza la H0 yse cumple la esfericidad
Cuadro resumen del ANOVA
an-1=816,16Total
>0,05>0,05
2,11 5,86
1,714,75 0,81
(n-1)=2(a-1)=2
(n-1)(a-1)=4
3,429,493,25
SujetosTratamientoResidual
pFCMg.lSCF.V.
FV = Fuentes de VariaciónSC = Suma de Cuadradosg.l. = Grados de libertadCM = Cuadrado Medio o Variancia
Modelo de prueba de hipótesis
Paso 5. No se rechaza la hipótesis nula relativaa la variable de sujetos y a la de tratamiento, aun nivel del riesgo del cinco por ciento.
Alternativas de análisis del diseño de medidas repetidas
F normal
ANOVA F ajustada
Diseño de medidasrepetidas
MANOVA
Grados de libertad de F
F normal F ajustada
Numerador (a-1) ε(a-1)
Denominador (n-1)(a-1) ε(n-1)(a-1)
Fórmulas para el cálculo de los grados de libertad
ε de Greenhouse y Geisser (1959)
Pruebas de efectos intra-sujetos.
Medida: MEASURE_1
9,487 2 4,743 5,832 ,0659,487 1,448 6,550 5,832 ,0979,487 2,000 4,743 5,832 ,0659,487 1,000 9,487 5,832 ,1373,253 4 ,8133,253 2,897 1,1233,253 4,000 ,8133,253 2,000 1,627
Esfericidad asumidaGreenhouse-GeisserHuynh-FeldtLímite-inferiorEsfericidad asumidaGreenhouse-GeisserHuynh-FeldtLímite-inferior
FuenteFACTOR1
Error(FACTOR1)
Suma decuadrados
tipo III glMedia
cuadrática F Sig.
ANOVA de medidas repetidas
FACTOR1 = frecuencia tonos auditivos
Diseño factorial de medidas repetidas
Formato del diseño factorial de medidas repetidas, S x A x B
Y111 Y11k Y121 Y12k … Y1j1 Y1jk
Y211 Y22k Y221 Y22k … Y2j1 Y2jk
………………………………………………………………………………………………………………………………………
Yn11 Yn1k Yn21 Yn2k … Ynj1 Ynjk
MediasS1
S2
Sn
.
.
.
Sujetos
Medias
Y1..
Y2..
.
.
.
Yn..
Y…
…Tratamientos
a1 a2 ajb1 bk… b1 bk… b1 bk… …
..
..
..
..
..
..
..
.. ..
Y.11 Y.12 … Y.21 Y.j1 Y.jkY.2k.. .. ..
Diseño factorial mixto
Estructura del diseño
El diseño factorial mixto combina, en un mismoexperimento, el procedimiento de gruposindependientes y el procedimiento con sujetosde control propio. Se trata de un diseño dondeestán presentes, por lo menos, dos variablesindependientes: una variable entre o deagrupación y una variable intra o de medidasrepetidas
Ejemplo
Un experimentador pretende estudiar el efectoque sobre la memoria icónica tienen dosvariables: campo post-exposición y tiempo deexposición. De la variable entre, selecciona dosvalores: campo post-exposición brillante (a1) ycampo post-exposición oscuro (a2). De la segundaintra, elige cuatro valores: b1 = 45 c/sg, b2 = 90c/sg, b3 = 180 c/sg y b4 = 240 c/sg. ..//..
Para ejecutar este experimento, confeccionatarjetas donde aparecen letras consonantes,seleccionadas al azar y las dispone en matrices3 x 4. La tarea a realizar por los sujetosconsiste en identificar, de forma correcta, lamáxima cantidad de letras. A su vez, decideque cada sujeto ejecute 40 ensayos (dieztarjetas por tiempo de exposición). La variabledependiente es la cantidad de identificacionescorrectas en bloques de 10 ensayos.
TOTALESTRATAMIENTOS
932295242213182TOTALES436
77103142114
30384138
20303633
14193422
13163121
5678
a2
496
112142125117
34394035
27372831
26353330
25312421
1234
a1
V.ASuj.b4b3b2b1Nº Suj.
DISEÑO FACTORIAL MIXTO
Matriz de datos
Modelo de prueba estadística
Paso 1. Formulación de las hipótesis nulas:H0: α1 = α2 = 0H0: ß1 = ß2 = ß3 = ß4 = 0H0: αß11 = αß12 = αß13 = αß14 = αß21 =αß22 = αß23 = αß24 = 0
Paso 2. A cada hipótesis nula está asociada lasiguiente hipótesis alternativa:
H1: α1 ≠ α2, o no todas las α son ceroH1: ß1 ≠ ß2 ≠ ß3 ≠ ß4, o no todas las ß son
ceroH1: por lo menos una desigualdad, o no
todas las αß son cero
Paso 3. Se asume el modelo ANOVA demedidas repetidas. El estadístico de la pruebaes la F normal (bajo el supuesto dehomogeneidad y simetría), con un nivel designificación de α = 0.05. El tamaño de lamuestra experimental es N = an = 8 y lacantidad de observaciones abn = 32.
Paso 4. Se calcula el valor empírico de F apartir de la correspondiente matriz de datos delexperimento.
Modelo estructural del diseño
Yijk = μ + [αj + ηi/j] + [βk + (αβ)jk + (ηβ)ik/j ] + εijk
ANOVA de medidas repetidas y supuestos
Yijk = la puntuación del i sujeto bajo el j valor A yel k valor de B
μ = la media común a todos los datos delexperimento
αj = es el efecto de j nivel de la variable Aηi/j = el efecto asociado al i sujeto dentro de j nivel
de Aßk = el efecto del k nivel de B
(αß)jk = el efecto de la interacción de Aj y Bk(ηß)ik/j = el efecto de la interacción de Si y Bk, intra Ajεijk = el error de medida
..//..
Dado que sólo hay un dato por casilla–combinación de S, A y B–, no hayvariabilidad intra-casilla, Así, SxB/A estima lavariancia del error.
Se asume que:a) ηi ≈ NID(0,ση²)b) (ηß)ik/j ≈ NID(0,ση ß²)c) εijk ≈ NID(0,σε²)
Factor entre-sujetos. Resumen prueba de la homogeneidad de variancias (se basa en la media)
Dado que p > ,05, no se rechazan las H0 y secumple la homogeneidad de variancias
Factor intra-sujetos. Prueba de esfericidad de Mauchly
factor1 = tiempo exposición
Dado que p > ,05, no se rechaza la H0 yse cumple la esfericidad
Factor intra-sujetos
factor1 = tiempo exposición
Factor entre-sujetos
Modelo de prueba estadística
Paso 5. De los resultados del análisis, seinfiere el no rechazo de la hipótesis nula parala variable A y el rechazo de la hipótesis nulapara la variable B y la interacción AxB, conuna probabilidad de error del 5 por ciento.
Medias de grupos de tratamiento
22,2531b2
29,7530,75b3
36,7520,25a2
3725,25a1
b4b1
Gráfico de interacción