PIR 2018 · Pregunta 32
Diseño y métodos de investigaciónEn relación con los diseños factoriales, indique por favor la afirmación CORRECTA:
Ver respuesta sin contestar
Respuesta correcta: B (clave oficial publicada)
Explicación
La respuesta correcta es la 2. En un diseño factorial, una interacción estadísticamente significativa indica que el efecto de una variable independiente depende del nivel de la otra, por lo que los efectos principales (promedios a lo largo de los niveles del otro factor) pueden ser engañosos y se recomienda analizar los efectos simples. Las demás opciones contienen errores conceptuales: la 1 confunde la interacción (que se produce entre variables independientes, no entre una VI y la VD); la 3 mezcla el ANOVA factorial con el análisis factorial/ACP (técnicas de reducción de datos); y la 4 confunde los diseños mixtos/parcialmente repetidos (que combinan factores entre e intra-sujetos) con diseños multivariados (múltiples variables dependientes).
B. Cuando la interacción es significativa, el efecto de un factor varía según el nivel del otro factor. Los efectos principales, al ser promedios, pueden ocultar o distorsionar esta dependencia (especialmente en interacciones disordinales). Por ello, la práctica estándar en el análisis de diseños factoriales es descomponer la interacción en efectos simples (el efecto de un factor en cada nivel fijo del otro) y analizarlos por separado, completando a menudo con comparaciones post hoc.
- A. La interacción se define como el efecto conjunto de dos o más variables independientes sobre la variable dependiente, no como una interacción entre una VI y la VD. La ventaja real del diseño factorial frente al multigrupos (un solo factor) es la eficiencia y la posibilidad de estudiar interacciones entre factores.
- C. Confunde dos técnicas distintas. El análisis propio de un diseño factorial es el ANOVA factorial (compara medias y contrasta efectos/interacciones). El 'análisis factorial' y el 'análisis de componentes principales' son técnicas de reducción de dimensionalidad para variables latentes/correlacionadas, no para contrastar hipótesis experimentales sobre medias.
- D. Los diseños de medidas parcialmente repetidas (mixtos o split-plot) se definen por combinar al menos un factor inter-sujeto y otro intra-sujeto. El número de variables dependientes es irrelevante para esta clasificación; tener dos o más VD corresponde a diseños multivariados (MANOVA), no a diseños mixtos.
Fuentes
- Keppel, G. & Wickens, T. D. (2004). Design and Analysis: A Researcher's Handbook (4th ed.). Pearson
- Field, A. (2018). Discovering Statistics Using IBM SPSS Statistics. SAGE
- Maxwell, S. E. & Delaney, H. D. (2004). Designing Experiments and Analyzing Data. Lawrence Erlbaum
Explicación generada con IA y verificada por consenso entre modelos de distintas familias.
Ha caído también en
- PIR 2017 · pregunta 235 (mismo concepto, otra respuesta)
- PIR 2014 · pregunta 34 (mismo concepto, otra respuesta)