TEMA X

ESQUEMA GENERAL

Definición general

Clasificación
Diseño factorial mixto con una variable entre y otra
intra. Modelo estructural y componentes de variación
Diseño split-plot
Comparación de las fuentes de variación del Diseño
mixto con el de medidas repetidas simple y el
completamente al azar

DISEÑOS FACTORIALES MIXTOS

 Diseño de medidas repetidas
multigrupo o factorial mixto
El diseño de medidas repetidas multigrupo,
conocido también por diseño factorial mixto,
incorpora dos estrategias de inferencia de
hipótesis: estrategia de comparación entre
grupos y estrategia de comparación intra
sujetos. La estructura mixta combina, en un
mismo experimento, el procedimiento de
grupos independientes y el procedimiento con
sujetos de control propio. ..//..
Puesto que el diseño mixto integra, en un
mismo estudio, dos enfoques de investigación
se aplica a aquellas situaciones donde están
presentes, por lo menos, dos variables
independientes. Así, los valores o niveles de
la primera variable independiente genera
grupos separados y su efecto se infiere por la
comparación entre grupos o entre sujetos. ..//..
Esta variable independiente es conocida como
variable entre. Los valores de la segunda
variable se administran a todos los sujetos, en
cuyo caso los sujetos repiten medidas. Dado el
carácter de repetición, esa segunda variable
recibe el nombre de variable intra. De esto se
concluye que el diseño mixto requiere siempre
una estructura factorial. O sea, son
experimentos donde intervienen como mínimo
dos variables.
Clasificación
 1 V.E. y 1 V.I. S(A)xB
2 V.E. y 1 V.I. S(AxB)xC
Diseño factorial ......................................
mixto ......................................
Diseño de N V.E. y N V.I
medidas
repetidas Una variable categórica
multigrupo y una intra S(A)xB
Diseño split-plot Dos variables categóricas
y una intra S(AxB)xC
Etc.
Formato del diseño de medidas
repetidas de dos grupos
Grupo Tratamientos

A1 A2 ........... Ak

S1 Y11 Y12 ............ Y1k

G1

Sn1 YN1 YN2 ............ YNk

S1 Y11 Y12 ............ Y1k

G2

Sn2 YN1 YN2 ............ YNk

 Ejemplo práctico 1

Un experimentador pretende estudiar el efecto

que sobre la memoria icónica tienen dos
variables: campo pos-exposición y tiempo de
presentación. De la primera variable, selecciona
dos valores: campo pos-exposición brillante (A1)
y campo pos-exposición oscuro (A2). De la
segunda, elige cuatro valores: B1 = 45 c/sg, B2 =
90 c/sg, B3 = 180 c/sg, y B4 = 240 c/sg. ..//..
Para ejecutar este experimento, confecciona
tarjetas donde aparecen letras consonantes,
seleccionadas al azar y las dispone en matrices
3 x 4. La tarea a realizar por los sujetos,
consiste en identificar, de forma correcta, la
máxima cantidad de letras. A su vez, decide
que cada sujeto ejecute 40 ensayos (diez
tarjetas por tiempo de presentación). La
variable dependiente es la cantidad de
identificaciones correctas en bloques de 10
ensayos.
 Modelo de prueba estadística

Paso 1. Formulación de las hipótesis de

nulidad:
H0: α1 = α2 = 0
H0: ß1 = ß2 = ß3 = ß4 = 0
H0: αß11 = αß12 = αß13 = αß14 = αß21 =
αß22 = αß23 = αß24 = 0
Paso 2. A cada hipótesis de nulidad está
asociada la siguiente hipótesis alternativa:

H1: por lo menos una desigualdad

Paso 3. Se asume el modelo ANOVA lineal de
medidas repetidas (ANOVAMR). El
estadístico de la prueba es la F normal (bajo el
supuesto de homogeneidad y simetría), con un
nivel de significación de α = 0.05. El tamaño
de la muestra experimental es N = an = 8 y la
cantidad de observaciones abn = 32.

Paso 4. Se calcula el valor empírico de F a

partir de la correspondiente matriz de datos del
experimento.
Matriz de datos del diseño
 DISEÑO FACTORIAL MIXTO
TRATAMIENTOS TOTALES
Nº Suj. B1 B2 B3 B4 Suj. V.A
A1 1 25 26 27 34 112
2 31 35 37 39 142
3 24 33 28 40 125
4 21 30 31 35 117 496
A2 5 13 14 20 30 77
6 16 19 30 38 103
7 31 34 36 41 142
8 21 22 33 38 114 436
TOTALES 182 213 242 295 932
 Modelo estructural del diseño

Yijk = μ + [αj + ηi/j] + [βk + (αβ)jk + (ηβ)ik/j ] + εijk

 Supuestos del ANOVARM

Yijk = la puntuación del i sujeto bajo el j valor A y

el k valor de B
μ = la media común a todos los datos del
experimento
αj = es el efecto de j nivel de la variable A
ηi/j = el efecto asociado al i sujeto dentro de j nivel
de A
ßk = 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 Aj
εijk = el error de medida
..//..
Dado que sólo hay un dato por casilla
–combinación de S, A y B–, no hay
variabilidad intra-casilla, Así, SxB/A estima la
variancia del error.
Se asume que:
a) ηi  NID(0,ση²)
b) (ηß)ik/j  NID(0,σηß²)
b) εijk  NID(0,σε²)
Resumen de las fuentes de variación
del diseño factorial mixto
Entre sujetos
Variable A
Sujetos intra A
Intra sujetos
Variable B
Interacción A x B
Sujetos x B intra A
 Tabla de totales
Datos de la interacción AxB
B1 B2 B3 B4 Totales

A1 101 124 123 148 496

A2 81 89 119 147 436

Totales 182 213 242 295 932

 Cuadro resumen del ANOVA:
Diseño factorial mixto
F.V. SC g.l CM F p
Entre sujetos 785.5 an-1=7
Variable A 112.5 a-1=1 112.50 1 >0.05
S/A (e. entre) 673 a(n-1)=6 112.17
Intra sujetos 1086 an(b-1)=24
Variable B 865.75 b-1=3 288.58 40.76 <0.05
Inter AxB 92.75 (a-1)(b-1)=3 30.92 4.37 <0.05
SxB/A (e. Intra) 127.5 a(n-1)(b-1)=18 7.08
Total 1871.5 abn-1=31

F0.95(1/6) = 5.99; F0.95(3/18) = 3.16

 Modelo de prueba estadística

Paso 5. De los resultados del análisis, se

infiere la aceptación de la hipótesis de nulidad
para la variable A y su no-aceptación para la
variable B y la interacción AxB, con una
probabilidad de error del 5 por ciento.
Medias de grupos de tratamiento

B1 B2 B3 B4
A1 25.25 31 30.75 37
A2 20.25 22.75 30.5 37
 Gráfico de interacción
40
Identificaciones correctas

38 37
36
34 31 30,75
32
30
28 25,25 30,5 A1 (Campo brillante)
26 A2 (Campo oscuro)
24
22 22,75
20
18 20,25
16
14
g)

g)
g)

g)

c/s

c/s
c/s

c/s

80

40
5

0
(4

(9

(1

(2
B1

B2

B3

B4
 Ejemplo práctico 2

Jones et al. (2003) estudiaron el efecto que tiene

el consumo de alcohol sobre la valoración del
atractivo de personas no conocidas. En el
experimento, participaron 40 varones a los que se
les presentaron caras de hombres y de mujeres y
tenían que valorar su atractivo físico en una
escala del 1 al 7 (de menor a mayor) ..//..
Antes de la presentación de los estímulos, la
mitad de los participantes ingirió una dosis de
alcohol, mientras que la otra mitad ingirió una
bebida refrescante. Se trata de un diseño factorial
mixto 2 x 2 con una variable intrasujeto (el sexo
de la persona cuya cara se ha de valorar) y una
variable entresujeto (el consumo de alcohol)
 Prueba efectos intra-sujetos

Pruebas de efectos intra-sujetos.

Medida: MEASURE_1
Suma de
cuadrados Media
Fuente tipo III gl cuadrática F Significación
cara Esfericidad as umida 2.960 1 2.960 8.841 .005
Greenhouse-Geiss er 2.960 1.000 2.960 8.841 .005
Huynh-Feldt 2.960 1.000 2.960 8.841 .005
Límite-inferior 2.960 1.000 2.960 8.841 .005
cara * consumo_alcohol Esfericidad as umida 2.150 1 2.150 6.422 .016
Greenhouse-Geiss er 2.150 1.000 2.150 6.422 .016
Huynh-Feldt 2.150 1.000 2.150 6.422 .016
Límite-inferior 2.150 1.000 2.150 6.422 .016
Error(cara) Esfericidad as umida 12.724 38 .335
Greenhouse-Geiss er 12.724 38.000 .335
Huynh-Feldt 12.724 38.000 .335
Límite-inferior 12.724 38.000 .335
 Prueba de homogeneidad de
variancias

a
Contraste de Levene sobre la igualdad de las varianzas error

F gl1 gl2 Significación

cara_hombre .833 1 38 .367
cara_mujer 3.054 1 38 .089
Contras ta la hipótesis nula de que la varianza error de la variable
dependiente es igual a lo largo de todos los grupos .
a.
Dis eño: Intercept+cons umo_alcohol
Dis eño intra sujetos: cara
 Prueba efectos inter-sujetos

Pruebas de los efectos inter-sujetos

Medida: MEASURE_1
Variable transformada: Promedio
Suma de
cuadrados Media
Fuente tipo III gl cuadrática F Significación
Intersección 1006.698 1 1006.698 3054.816 .000
consumo_alcohol 4.767 1 4.767 14.466 .001
Error 12.523 38 .330
Gráfico de interacción