Clasificación de diseño experimental
Seguidamente se presenta cuatro criterios de clasificación de los diseños experimentales siguiendo la propuesta de Viader (1995)[1] según el detalle:
El primer criterio clasifica los diseños en función del
número de variables independientes que se manipulan.
Se diferencia, así, entre diseños simples, en los que se manipula una sola variable independiente, y diseños factoriales, en los que se manipulan dos o más variables independientes. La ventaja del diseño factorial con relación al diseño simple es que nos admite estudiar no solamente el efecto de cada una de las variables independientes separadamente -los llamados efectos principales-, sino que también nos admite estudiar el efecto conjunto de las mismas -los llamados efectos interactivos o de interacción entre las variables-. Cabe precisar que el efecto interactivo recoge el efecto simultáneo de dos o más variables independientes sobre la variable dependiente. De manera que con esta información, el diseño factorial nos permitirá detectar si el efecto de una variable independiente sobre la variable dependiente es diferente en función de con qué valor de la otra variable independiente se combina. En términos técnicos, podremos estudiar los efectos simples de cada variable independiente y determinar en qué medida difiere.
En virtud de lo expuesto anteriormente, el autor resalta que los diseños factoriales pueden presentar una estructura de cruzamiento completa o pueden presentar una estructura incompleta. Un diseño factorial con estructura de cruzamiento completa es aquél en el que los distintos niveles de cada variable independiente se combinan con los distintos niveles de la otra variable independiente, obteniéndose todas las posibles combinaciones de valores. Un diseño factorial incompleto (aquí se incluyen los denominados diseños fraccionados y los diseños anidados o jerárquicos) es aquél en el que no se utilizan todas las posibles combinaciones entre valores de las variables independientes, sino que sólo se utiliza una parte o fracción de éstas. Este tipo de diseños se utiliza cuando se trabaja con muchas variables independientes, por lo que la estructura de cruzamiento completa requeriría muchos grupos experimentales. El problema básico que presenta este tipo de diseños es que no nos permiten estudiar todas las interacciones.
a)
El segundo criterio
clasifica los diseños en función del número de variables dependientes que se
registren.
Así nos encontramos con diseños univariables, en los que registra una sola variable dependiente, y con diseños multivariables, en los que se registra más de una variable dependiente.
b)
El tercer criterio
clasifica los diseños en función del número de observaciones por sujeto y
condición experimental.
Se diferencia así entre diseño transversal y diseño longitudinal. En el primero disponemos de una sola medida u observación por sujeto y condición, mientras que en el segundo disponemos de más de una medida u observación. La diferencia esencial entre uno y otro tipo de diseño radica en el objetivo que persiguen. Si bien el primero se interesa en el estudio de un fenómeno en un momento puntual del tiempo, el segundo por el contrario, persigue el estudio de la evolución temporal del fenómeno de modo que, da respuesta a cuestiones acerca de procesos como la persistencia, el cambio, el crecimiento o el desarrollo (Pedhazur y Pedhazur Schmelkin, 1991).
c)
El cuarto criterio de
clasificación diferencia los diseños en función de su capacidad para controlar
las variables extrañas y reducir la variancia de error.
Esta reducción de la variancia de error repercute en que
el diseño sea más o menos sensible para detectar el efecto del tratamiento.
Así, ordenados de menos a más reducción de la varianza de error, tenemos los
diseños de grupos al azar, los diseños de bloques al azar y los diseños de
medidas repetidas. Nos vamos a dedicar ahora a presentar con más detalle cada
uno de ellos.
Los diseños de grupos al azar se caracterizan porque en
ellos la aleatorización interviene a tres niveles (Viader, 1996).
v Primero: la muestra se selecciona aleatoriamente de la
población, con objeto de que todos los individuos de la población tengan la
misma probabilidad de pertenecer a la muestra.
Como principales desventajas vamos a destacar dos
v La primera es que necesitaremos un número amplio de
sujetos o unidades que formen parte de cada uno de los grupos para que se
alcance la deseada equivalencia inicial entre éstos.
No hay comentarios:
Publicar un comentario