Bienvenidos al sitio

El espacio está destinado a aquellos que están interesados en la metodología de la investigación social y sus aplicaciones, especialmente profesionales, estudiantes e instituciones que requieren apoyo en estas áreas. También pretende enriquecer la comunicación con alumnos, tesistas y colegas. Sean bienvenidos a establecer contacto conmigo para hacer críticas, sugerencias y compartir ideas o pensamientos.

Pablo Cáceres Serrano

¿ANCOVA O ANOVA en diseños con grupo control y pretest-postest?

Pequeña nota que conviene recordar porque es sumamente relevante y explica algo que siempre sospeché, pero que realmente no podía asegurar.

Cuando uno lleva a cabo un experimento se asume que el grupo experimental y control han sido aleatorizados, lo que implica que ambos grupos presentan variaciones debidas al azar. No obstante, cuando ambos grupos no han sido aleatorizados, los grupos no sólo difieren por variaciones al azar sino también por diferencias sistemáticas que pueden presentarse entre los grupos.

Esta situación entraña implicaciones relevantes para el tipo de análisis a aplicar. En efecto, cuando se estudia el “cambio”, desde el pretest al postest en diseños con grupo control, es común que la puntuación del postest (en ocasiones “ganancia” o “diferencia”) se regresione sobre la del pretest con el fin de controlar el efecto de éste último. El procedimiento implica un análisis de covarianza, en que se intenta eliminar la influencia de la covariable (puntuación pretest) sobre la variable efecto o respuesta (puntuación postest).

Sin embargo, el ANCOVA sólo es apropiado aplicarlo cuando en efecto los grupos han sido asignados aleatoriamente a los tratamientos. En otro caso, el uso de ANCOVA para grupos que no difieren sólo por variaciones al azar, sino también por diferencias sistemáticas, es inapropiado. Es el típico caso de diseños con grupos naturalmente conformados, como puede ocurrir con los diseños cuasiexperimentales.

Un ANOVA, en este último caso, resulta una elección más adecuada porque no implica la regresión del postest sobre el pretest y de este modo provee una estimación insesgada de la diferencia respecto del cambio entre los grupos, cuando los grupos difieren en la línea base.

Esto conlleva el importante hecho de que NO se debería llevar a cabo regresiones cuando los grupos pueden verse amenazados por la presencia de variación sistemática no controlada, y que el ANCOVA, que operacionaliza este proceder, tampoco es una elección adecuada. Y lo digo y rescato porque existe la tendencia a aplicar ANCOVA si se tiene un diseño clásico (pretest-postest con grupo control), independiente de si los grupos han sido o no aleatorizados.

Tener presente.

Referencias:

Mara, C. A., Cribbie, R. A., Flora,  D. B., Labrish, C., Mills, L. y Fiksenbaum, L. (2012). An improved model for evaluating change in randomized pretest, posttest, follow-up designs. Methodology, 8(3), 97-103.

Rangos… rangos… ¿usarlos o no?

¿Saben la diferencia entre aleatorización de rangos y transformación por rangos?

Ya viene…

Estudio de casos cualitativo

Revisando el artículo de Reyes y Hernández, quiero destacar varias cosas que ahí se señalan y que realmenrte son importantes a objeto de concebir los estudios de caso cualitativos. La propuesta de los autores es por demás ilustrada, aunque como siempre, y como suele ocurrir con los cualitativos, se suele caer en esas inconsistencias propias de un área que tiene demasiadas aristas, demasiados discursos y argumentos y muy poco consenso.

Allí se proponen algunas ideas de las cuales yo quiero destacar unas cuantas que me parecen claves para aquellos interesados en utilizar este tipo de estrategias en sus investigaciones.

Comenzando con la clasificación del tipo de estudio de caso que se puede llevar a cabo. Esto es fundamental, porque muchos trabajos cualitativos adolecen de cierta indefinición al inicio, situación que tiende a prolongarse hasta el final del estudio, especialmente entre los noveles. Con una directriz clara, las cosas marchan mejor.

Según estos autores, los tipos de estudios que se pueden emprender son:

Leer más Estudio de casos cualitativo

Balanceo y contrabalanceo.

En los diseños de investigación experimental, usualmente se utilizan estas expresiones. Me confundían porque las asociaba con el mismo atributo en dichos diseños. Pero ambos definen dos situaciones distintas sobre el control experimental:

Balanceo: según el diccionario abierto del sitio www.academiagauss.com se define como “Técnica de control experimental, consistente en equilibrar el efecto de la variable extraña manteniendo constante la proporción de cada valor de la misma en todos los grupos experimentales. Se utiliza en los diseños intersujetos.” En efecto, el balanceo se traduce como mantener el mismo número de unidades experimentales en cada nivel del tratamiento. Está fuertemente relacionado con el tipo de Suma de Cuadrados que el investigador debe considerar para hacer un contraste. Así, para diseños balanceados se prefiere el tipo I y II, mientras que para diseños no balanceados, se prefiere el tipo III (que es el que utiliza por defecto SPSS y SAS). En este sentido, “diseño balanceado” equivale a “diseño equilibrado” que es otra denominación para lo mismo. Cabe notar que hay algunos autores que prefieren utilizar regresión múltiple con variables dummy, cuando el diseño está desbalanceado. Lo discutiremos en una situación posterior.

Contrabalanceo: según el diccionario de www.academiagauss.com, se define como “Técnica de control experimental que consiste en ordenar de tal modo los tratamientos experimentales que el error progresivo se distribuya equitativamente entre todas las condiciones experimentales. Se utiliza en los diseños intrasujetos.”. Dicho de otro modo, consiste en distribuir las condiciones que se aplican a los mismos sujetos de modo aleatorio, para neutralizar en la medida de lo posible efectos de aprendizaje, o carry over (arrastre). No está relacionado con los sujetos o las unidades experimentales, sino con la aplicación de condiciones a los mismos sujetos.

 

Dime ¿dónde sobran investigadores?

No acostumbro a escribir otra cosa en este blog que aspectos técnicos. Pero esto que he leído y que paso a comentar ahora, realmente no puedo dejarlo pasar. Porque lo considero grave y porque en cierto modo me atañe en lo que respecta a mis intereses.

Hace unos cuantos días, la secretaria de Estado de Investigación del gobierno de España, Carmen Vela, dijo en declaraciones para la revista Nature, que en España sobran investigadores. En concreto dijo: “Tenemos que cambiar el número de investigadores manteniendo y mejorando la calidad de los contratos mientras que reducimos la cantidad”.

He decidido comentarlo aquí porque queda más destacado, porque es una realidad que conozco y porque seguro que si escribo un comentario bajo la noticia de un medio español, me censurarán, considerando la tendencia “centrista” de la mayoría de ellos. Y honestamente yo también lo haría, porque voy a decir las cosas tal como las siento ahora.

Lo primero que debo decir es que esta mujer, supuestamente Dra. en Química, claramente no tiene conciencia de la enorme idiotez que ha dicho. Aunque en general, creo que ella no es más que la representación de lo que el gobierno español es en este momento, un gobierno tecnocrático, superficial y claramente desconectado de los problemas reales de la gente. Sólo en ese concierto se puede entender que un gobierno ponga en un puesto tan importante a alguien tan increíblemente perdida.

Por supuesto, esta “Sra.”, posterior a sus dichos, hizo “algunas aclaraciones”, que no es sino un eufemismo para reconocer que la había “embarrado” sin tener que pedir disculpas, y señaló que en realidad se refería a los investigadores jóvenes, que recién llegaban al trabajo, pero como suele suceder cuando un gobierno en realidad no tiene la menor idea de sus planes a futuro, aparecen campañas como ésta:

Leer más Dime ¿dónde sobran investigadores?

Bases de datos psicométricas: Insertar espacios entre números

¿Trabajas en el área psicométrica? Tendrás entonces que generar o procesar muchas bases de datos con cientos o miles de datos. Deberás generar configuraciones de datos del tipo sujetos por ítems, o bien, frecuencias de patrones de respuesta, etc. Uno de los problemas que se me ha presentado en estos casos tiene relación con aquellos formatos o bases en las que todos los valores de ítems están pegados unos con otros, así:

85        101221202211
86        121201102221
87        101201212210
88        121201112201
89        221222222212
90        101120122201

Como ven, cada fila está numerada (sujetos) pero luego sigue un patrón de respuestas. En análisis TRI, es común que los poco amistosos programas para análisis requieran este formato. Sin ir más lejos, MULTILOG requiere esta estructura. Mi inquietud, es que si quiero utilizar la base con otro programa, ¿cómo separo los números o agrego un separador entre ellos? Algo que se puede presentar si, por ejemplo, deseo pasar el análisis a R o a SPSS. Con LibreOffice u OpenOffice, no lo he podido hacer. Pero aquí que aparece la pequeña maravilla llamada Npp++ que es un editor “recargado” similar al Notepad pero con muchas funciones extras extremadamente útiles.

Leer más Bases de datos psicométricas: Insertar espacios entre números