9.3: Interpretación de los resultados de un experimento factorial
- Page ID
- 144633
\( \newcommand{\vecs}[1]{\overset { \scriptstyle \rightharpoonup} {\mathbf{#1}} } \)
\( \newcommand{\vecd}[1]{\overset{-\!-\!\rightharpoonup}{\vphantom{a}\smash {#1}}} \)
\( \newcommand{\id}{\mathrm{id}}\) \( \newcommand{\Span}{\mathrm{span}}\)
( \newcommand{\kernel}{\mathrm{null}\,}\) \( \newcommand{\range}{\mathrm{range}\,}\)
\( \newcommand{\RealPart}{\mathrm{Re}}\) \( \newcommand{\ImaginaryPart}{\mathrm{Im}}\)
\( \newcommand{\Argument}{\mathrm{Arg}}\) \( \newcommand{\norm}[1]{\| #1 \|}\)
\( \newcommand{\inner}[2]{\langle #1, #2 \rangle}\)
\( \newcommand{\Span}{\mathrm{span}}\)
\( \newcommand{\id}{\mathrm{id}}\)
\( \newcommand{\Span}{\mathrm{span}}\)
\( \newcommand{\kernel}{\mathrm{null}\,}\)
\( \newcommand{\range}{\mathrm{range}\,}\)
\( \newcommand{\RealPart}{\mathrm{Re}}\)
\( \newcommand{\ImaginaryPart}{\mathrm{Im}}\)
\( \newcommand{\Argument}{\mathrm{Arg}}\)
\( \newcommand{\norm}[1]{\| #1 \|}\)
\( \newcommand{\inner}[2]{\langle #1, #2 \rangle}\)
\( \newcommand{\Span}{\mathrm{span}}\) \( \newcommand{\AA}{\unicode[.8,0]{x212B}}\)
\( \newcommand{\vectorA}[1]{\vec{#1}} % arrow\)
\( \newcommand{\vectorAt}[1]{\vec{\text{#1}}} % arrow\)
\( \newcommand{\vectorB}[1]{\overset { \scriptstyle \rightharpoonup} {\mathbf{#1}} } \)
\( \newcommand{\vectorC}[1]{\textbf{#1}} \)
\( \newcommand{\vectorD}[1]{\overrightarrow{#1}} \)
\( \newcommand{\vectorDt}[1]{\overrightarrow{\text{#1}}} \)
\( \newcommand{\vectE}[1]{\overset{-\!-\!\rightharpoonup}{\vphantom{a}\smash{\mathbf {#1}}}} \)
\( \newcommand{\vecs}[1]{\overset { \scriptstyle \rightharpoonup} {\mathbf{#1}} } \)
\( \newcommand{\vecd}[1]{\overset{-\!-\!\rightharpoonup}{\vphantom{a}\smash {#1}}} \)
\(\newcommand{\avec}{\mathbf a}\) \(\newcommand{\bvec}{\mathbf b}\) \(\newcommand{\cvec}{\mathbf c}\) \(\newcommand{\dvec}{\mathbf d}\) \(\newcommand{\dtil}{\widetilde{\mathbf d}}\) \(\newcommand{\evec}{\mathbf e}\) \(\newcommand{\fvec}{\mathbf f}\) \(\newcommand{\nvec}{\mathbf n}\) \(\newcommand{\pvec}{\mathbf p}\) \(\newcommand{\qvec}{\mathbf q}\) \(\newcommand{\svec}{\mathbf s}\) \(\newcommand{\tvec}{\mathbf t}\) \(\newcommand{\uvec}{\mathbf u}\) \(\newcommand{\vvec}{\mathbf v}\) \(\newcommand{\wvec}{\mathbf w}\) \(\newcommand{\xvec}{\mathbf x}\) \(\newcommand{\yvec}{\mathbf y}\) \(\newcommand{\zvec}{\mathbf z}\) \(\newcommand{\rvec}{\mathbf r}\) \(\newcommand{\mvec}{\mathbf m}\) \(\newcommand{\zerovec}{\mathbf 0}\) \(\newcommand{\onevec}{\mathbf 1}\) \(\newcommand{\real}{\mathbb R}\) \(\newcommand{\twovec}[2]{\left[\begin{array}{r}#1 \\ #2 \end{array}\right]}\) \(\newcommand{\ctwovec}[2]{\left[\begin{array}{c}#1 \\ #2 \end{array}\right]}\) \(\newcommand{\threevec}[3]{\left[\begin{array}{r}#1 \\ #2 \\ #3 \end{array}\right]}\) \(\newcommand{\cthreevec}[3]{\left[\begin{array}{c}#1 \\ #2 \\ #3 \end{array}\right]}\) \(\newcommand{\fourvec}[4]{\left[\begin{array}{r}#1 \\ #2 \\ #3 \\ #4 \end{array}\right]}\) \(\newcommand{\cfourvec}[4]{\left[\begin{array}{c}#1 \\ #2 \\ #3 \\ #4 \end{array}\right]}\) \(\newcommand{\fivevec}[5]{\left[\begin{array}{r}#1 \\ #2 \\ #3 \\ #4 \\ #5 \\ \end{array}\right]}\) \(\newcommand{\cfivevec}[5]{\left[\begin{array}{c}#1 \\ #2 \\ #3 \\ #4 \\ #5 \\ \end{array}\right]}\) \(\newcommand{\mattwo}[4]{\left[\begin{array}{rr}#1 \amp #2 \\ #3 \amp #4 \\ \end{array}\right]}\) \(\newcommand{\laspan}[1]{\text{Span}\{#1\}}\) \(\newcommand{\bcal}{\cal B}\) \(\newcommand{\ccal}{\cal C}\) \(\newcommand{\scal}{\cal S}\) \(\newcommand{\wcal}{\cal W}\) \(\newcommand{\ecal}{\cal E}\) \(\newcommand{\coords}[2]{\left\{#1\right\}_{#2}}\) \(\newcommand{\gray}[1]{\color{gray}{#1}}\) \(\newcommand{\lgray}[1]{\color{lightgray}{#1}}\) \(\newcommand{\rank}{\operatorname{rank}}\) \(\newcommand{\row}{\text{Row}}\) \(\newcommand{\col}{\text{Col}}\) \(\renewcommand{\row}{\text{Row}}\) \(\newcommand{\nul}{\text{Nul}}\) \(\newcommand{\var}{\text{Var}}\) \(\newcommand{\corr}{\text{corr}}\) \(\newcommand{\len}[1]{\left|#1\right|}\) \(\newcommand{\bbar}{\overline{\bvec}}\) \(\newcommand{\bhat}{\widehat{\bvec}}\) \(\newcommand{\bperp}{\bvec^\perp}\) \(\newcommand{\xhat}{\widehat{\xvec}}\) \(\newcommand{\vhat}{\widehat{\vvec}}\) \(\newcommand{\uhat}{\widehat{\uvec}}\) \(\newcommand{\what}{\widehat{\wvec}}\) \(\newcommand{\Sighat}{\widehat{\Sigma}}\) \(\newcommand{\lt}{<}\) \(\newcommand{\gt}{>}\) \(\newcommand{\amp}{&}\) \(\definecolor{fillinmathshade}{gray}{0.9}\)Graficando los resultados de experimentos factoriales
Los resultados de experimentos factoriales con dos variables independientes se pueden graficar representando una variable independiente en el eje x y representando la otra usando barras o líneas de diferentes colores. (El eje y siempre está reservado para la variable dependiente.) La figura\(\PageIndex{1}\) muestra los resultados de dos experimentos factoriales hipotéticos. El panel superior muestra los resultados de un diseño de 2 × 2. La hora del día (día vs. noche) está representada por diferentes ubicaciones en el eje x, y el uso del teléfono celular (no vs. sí) está representado por barras de diferentes colores. (También sería posible representar el uso del celular en el eje x y la hora del día como barras de diferentes colores. La elección se reduce a qué manera parece comunicar los resultados con mayor claridad.) El panel inferior de la Figura\(\PageIndex{1}\) muestra los resultados de un diseño de 4 × 2 en el que una de las variables es cuantitativa. Esta variable, la longitud de la psicoterapia, se representa a lo largo del eje x, y la otra variable (tipo de psicoterapia) se representa mediante líneas de formato diferente. Este es un gráfico de líneas en lugar de un gráfico de barras porque la variable en el eje x es cuantitativa con un pequeño número de niveles distintos. Los gráficos de líneas también son apropiados cuando se representan mediciones realizadas a lo largo de un intervalo de tiempo (también conocido como información de series de tiempo) en el eje x.
Efectos principales
En los diseños factoriales, hay tres tipos de resultados que son de interés: efectos principales, efectos de interacción y efectos simples. Un efecto principal es el efecto de una variable independiente sobre la variable dependiente, promediando a través de los niveles de la otra variable independiente. Por lo tanto, hay un efecto principal a considerar para cada variable independiente en el estudio. El panel superior de la Figura\(\PageIndex{1}\) muestra un efecto principal del uso del celular porque el rendimiento de manejo fue mejor, en promedio, cuando los participantes no usaban celulares que cuando lo estaban. Las barras azules son, en promedio, más altas que las barras rojas. También muestra un efecto principal de la hora del día porque el rendimiento de conducción fue mejor durante el día que durante la noche, tanto cuando los participantes usaban teléfonos celulares como cuando no lo estaban. Los efectos principales son independientes entre sí en el sentido de que si hay o no un efecto principal de una variable independiente no dice nada acerca de si hay o no un efecto principal de la otra. El panel inferior de la Figura\(\PageIndex{1}\), por ejemplo, muestra un claro efecto principal de la longitud de la psicoterapia. Cuanto más larga sea la psicoterapia, mejor funcionó.
Interacciones
Hay un efecto de interacción (o simplemente “interacción”) cuando el efecto de una variable independiente depende del nivel de otra. Aunque esto pueda parecer complicado, ya tienes una comprensión intuitiva de las interacciones. Como ejemplo cotidiano, suponga que tu amigo te pide que vayas al cine con otro amigo. Tu respuesta a ella es, “bueno depende de qué película vas a ver y quién más va a venir”. De verdad quieres ver el gran éxito de taquilla del verano pero tienes poco interés en ver la cursi comedia romántica. En otras palabras, hay un efecto principal del tipo de película en tu decisión. Si tu decisión de ir a ver alguna de estas películas más depende de a quién traiga con ella entonces hay una interacción. Por ejemplo, si vas a ir a ver la cursi comedia romántica si trae a su amiga caliente quieres conocer mejor, pero no irás a esta película si trae a alguien más, entonces hay una interacción. Las interacciones medicamentosas son otra buena ilustración de las interacciones cotidianas. Muchos hombres mayores toman Viagara para ayudarlos en el dormitorio, y muchos hombres toman nitratos para tratar la angina o el dolor de pecho. Entonces cada uno de estos medicamentos es beneficioso por sí solo (hay efectos principales de cada uno en el bienestar de los hombres mayores). Pero la combinación de estas dos drogas puede ser letal. En otras palabras, existe una interacción muy importante entre Viagara y la medicación cardíaca que los hombres mayores deben tener en cuenta para evitar su desaparición intempestiva.
Consideremos ahora algunos ejemplos de interacciones de la investigación. Probablemente no te sorprendería escuchar que el efecto de recibir psicoterapia es más fuerte entre las personas que están altamente motivadas para cambiar que entre las personas que no están motivadas para cambiar. Esta es una interacción porque el efecto de una variable independiente (ya sea que una reciba o no psicoterapia) depende del nivel de otra (motivación para cambiar). Schnall y sus colegas también demostraron una interacción porque el efecto de si la habitación estaba limpia o desordenada en los juicios morales de los participantes dependía de si los participantes eran bajos o altos en la conciencia corporal privada. Si eran altos en conciencia corporal privada, entonces los que estaban en la habitación desordenada hacían juicios más severos. Si estaban bajos en conciencia corporal privada, entonces no importaba si la habitación estaba limpia o desordenada.
En muchos estudios, la pregunta principal de investigación es acerca de una interacción. El estudio de Brown y sus colegas se inspiró en la idea de que las personas con hipocondriasis están especialmente atentas a cualquier información negativa relacionada con la salud. Esto llevó a la hipótesis de que las personas con alto nivel de hipocondriasis recordarían palabras negativas relacionadas con la salud con mayor precisión que las personas bajas en hipocondriasis, pero recordarían palabras no relacionadas con la salud aproximadamente lo mismo que las personas bajas en hipocondriasis. Y claro, esto es exactamente lo que sucedió en este estudio.
Tipos de interacciones
El efecto de una variable independiente puede depender del nivel de la otra de varias maneras diferentes. Primero, puede haber interacciones extendidas. Ejemplos de interacciones de dispersión se muestran en los dos paneles superiores de la Figura\(\PageIndex{2}\). En el panel superior, la variable independiente “B” tiene un efecto en el nivel 1 de la variable independiente “A” (hay una diferencia en la altura de las barras azul y roja en el lado izquierdo de la gráfica) pero ningún efecto en el nivel 2 de la variable independiente “A.” (no hay diferencia en la altura de las barras azules y rojas en el lado derecho de la gráfica). Esto es muy parecido al estudio de Schnall y sus colegas donde hubo un efecto de disgusto para aquellos altos en la conciencia corporal privada pero no para los bajos en la conciencia corporal privada. En el panel central, la variable independiente “B” tiene un efecto más fuerte en el nivel 1 de la variable independiente “A” que en el nivel 2 (hay una mayor diferencia en la altura de las barras azul y roja en el lado izquierdo de la gráfica y una diferencia menor en la altura de las barras azul y roja en el lado derecho de la gráfico). Esto es como el hipotético ejemplo de conducción donde hubo un fuerte efecto de usar un celular por la noche y un efecto más débil de usar un celular durante el día. Entonces, para resumir, para difundir interacciones hay un efecto de una variable independiente en un nivel de la otra variable independiente y hay un efecto débil o ningún efecto de esa variable independiente en el otro nivel de la otra variable independiente.
El segundo tipo de interacción que se puede encontrar es una interacción cruzada. Una interacción cruzada se representa en el panel inferior de la Figura\(\PageIndex{2}\), la variable independiente “B” nuevamente tiene un efecto en ambos niveles de la variable independiente “A”, pero los efectos están en direcciones opuestas. Otro ejemplo de interacción cruzada proviene de un estudio de Kathy Gilliland sobre el efecto de la cafeína en los puntajes de las pruebas verbales de introvertidos y extravertidos (Gilliland, 1980) [1]. Los introvertidos se desempeñan mejor que los extravertidos cuando no han ingerido cafeína. Pero los extravertidos se desempeñan mejor que los introvertidos cuando han ingerido 4 mg de cafeína por kilogramo de peso corporal.
La figura\(\PageIndex{3}\) muestra ejemplos de este mismo tipo de interacciones cuando una de las variables independientes es cuantitativa y los resultados se representan gráficamente en un gráfico lineal. Tenga en cuenta que las dos figuras superiores representan los dos tipos de interacciones de propagación que se pueden encontrar mientras que la figura inferior representa una interacción cruzada (las dos líneas literalmente “se cruzan” entre sí).
Efectos simples
Cuando los investigadores encuentran una interacción sugiere que los efectos principales pueden ser un poco engañosos. Piense en el ejemplo de una interacción cruzada donde se encontró que los introvertidos se desempeñaban mejor en una prueba de rendimiento verbal que los extravertidos cuando no habían ingerido cafeína, pero se encontró que los extravertidos funcionan mejor que los introvertidos cuando habían ingerido 4 mg de cafeína por kilogramo de cuerpo peso. Para examinar el efecto principal del consumo de cafeína, los investigadores habrían promediado a través de la introversión y la extraversión y simplemente miraron si en general aquellos que ingirieron cafeína tenían mejor o peor rendimiento en las pruebas de memoria verbal. Debido a que el efecto positivo de la cafeína en los extravertidos sería aniquilado por los efectos negativos de la cafeína en los introvertidos, no se habría encontrado ningún efecto principal del consumo de cafeína. De igual manera, para examinar el efecto principal de la personalidad, los investigadores habrían promediado a través de los niveles de la variable cafeína para observar los efectos de la personalidad (introversión vs. extraversión) independientes de la cafeína. En este caso, los efectos positivos de la extraversión en la condición de cafeína serían aniquilados por los efectos negativos de la extraversión en la condición sin cafeína. ¿La ausencia de algún efecto principal significa que no hay efecto de la cafeína y ningún efecto de la personalidad? No, claro que no. La presencia de la interacción indica que la historia es más complicada, que los efectos de la cafeína en el desempeño de las pruebas verbales dependen de la personalidad. Aquí es donde entran en juego los efectos simples. Los efectos simples son una forma de descomponer la interacción para averiguar con precisión qué está pasando. Una interacción simplemente nos informa que los efectos de al menos una variable independiente dependen del nivel de otra variable independiente. Siempre que se detecte una interacción, los investigadores necesitan realizar análisis adicionales para determinar de dónde proviene esa interacción. Por supuesto, uno puede ser capaz de visualizar e interpretar la interacción en una gráfica, pero un simple análisis de efectos proporciona a los investigadores un medio más sofisticado de desglosar la interacción. Específicamente, un simple análisis de efectos permite a los investigadores determinar los efectos de cada variable independiente en cada nivel de la otra variable independiente. Entonces, si bien los investigadores promediarían los dos niveles de la variable de personalidad para examinar los efectos de la cafeína en el rendimiento de las pruebas verbales en un análisis de efectos principales, para un análisis de efectos simples los investigadores examinarían los efectos de la cafeína en introvertidos y luego examinarían los efectos de cafeína en extravertidos. Como vimos anteriormente, los investigadores también examinaron los efectos de la personalidad en la condición sin cafeína y encontraron que en esta condición los introvertidos se desempeñaron mejor que los extravertidos. Finalmente, examinaron los efectos de la personalidad en la condición de cafeína y encontraron que los extravertidos se desempeñaron mejor que los introvertidos en esta condición. Para un diseño de 2 x 2 como este, habrá dos efectos principales que los investigadores pueden explorar y cuatro efectos simples.
Schnall y sus colegas encontraron un efecto principal de disgusto en los juicios morales (aquellos en una habitación desordenada hicieron juicios morales más severos). Sin embargo, también descubrieron una interacción entre la conciencia corporal privada y el asco. En otras palabras, el efecto del asco dependía de la conciencia del cuerpo privado. La presencia de esta interacción sugiere que el efecto principal puede ser un poco engañoso. Es decir, no es del todo exacto decir que quienes estaban en una habitación desordenada hicieron juicios morales más severos porque esto sólo era cierto para la mitad de los participantes. Mediante análisis de efectos simples, pudieron demostrar aún más que para las personas con alto nivel de conciencia corporal privada, había un efecto de disgusto en los juicios morales. Además, encontraron que para aquellos bajos en la conciencia corporal privada no había ningún efecto de disgusto en los juicios morales. Al examinar el efecto del disgusto en cada nivel de conciencia corporal mediante análisis de efectos simples, Schnall y sus colegas pudieron comprender mejor la naturaleza de la interacción.
Como se describió anteriormente, Brown y sus colegas encontraron una interacción entre el tipo de palabras (relacionadas con la salud o no relacionadas con la salud) y la hipocondriasis (alta o baja) en el recuerdo de palabras. Para descomponer esta interacción mediante análisis de efectos simples, examinaron el efecto de la hipocondriasis en cada nivel de tipo de palabra. Específicamente, examinaron el efecto de la hipocondriasis en el recuerdo de palabras relacionadas con la salud y posteriormente examinaron el efecto de la hipocondriasis en el recuerdo de palabras no relacionadas con la salud. Encontraron que las personas con alto nivel de hipocondriasis pudieron recordar más palabras relacionadas con la salud que las personas bajas en hipocondriasis. En contraste, no hubo efecto de la hipocondriasis en el recuerdo de palabras no relacionadas con la salud.
Una vez más, examinar los efectos simples proporciona un medio para descomponer la interacción y, por lo tanto, solo es necesario realizar estos análisis cuando una interacción está presente. Cuando no hay interacción entonces los efectos principales contarán la historia completa y precisa. Para resumir, en lugar de promediar entre los niveles de la otra variable independiente, como se hace en un análisis de efectos principales, se utilizan análisis de efectos simples para examinar los efectos de cada variable independiente en cada nivel de las otras variables independientes. Por lo que un investigador que utilice un diseño 2×2 con cuatro condiciones tendría que mirar 2 efectos principales y 4 efectos simples. Un investigador que utilice un diseño 2×3 con seis condiciones tendría que mirar 2 efectos principales y 5 efectos simples, mientras que un investigador que use un diseño de 3×3 con nueve condiciones tendría que mirar 2 efectos principales y 6 efectos simples. Como puede ver, mientras que el número de efectos principales depende simplemente del número de variables independientes incluidas (se puede explorar un efecto principal para cada variable independiente), el número de análisis de efectos simples depende del número de niveles de las variables independientes (porque un análisis separado de cada independiente se realiza en cada nivel de la otra variable independiente).