DISEÑOS MIXTOS

MULTIGRUPO O FACTORIAL
MIXTO
 CARACTERÍSTICAS

Combina en un solo estudio comparaciones:

entre-grupos intra-grupos (sujetos).

El diseño mixto requiere siempre una estructura factorial donde

intervienen al menos dos variables independientes (factores), una
intergrupo (agrupamiento) y otra intragrupo (medidas repetidas).
 CLASIFICACIÓN
Diseño de medidas Repetidas
Multigrupo (Mixtos)

Diseños factorial mixto Diseño split-plot: La V.

La V. Inter puede ser Inter. es de naturaleza
manipulativa. no manipulativa.

Tipo de variables Tipo de variables

1 V. Inter. y 1 V. Intra S(A)xB Una V. categórica y una Intra S(A)xB.

2V. Inter y 1 V.Intra S(AxB)xC Dos V. categóricas y Una intra S(AxB)xC
………………………………… Etc. (No se tratan aquí, como aclaración
K V. Inter y N K. Intra Ver siguiente diapositiva)
Nota: Diseño split-plot
Dentro de un mismo estudio se comparan
grupos y se analizan los cambios en
función del tiempo.
Esta clase de diseño se asocia con el
análisis de perfiles (esta técica nos erá
estudiada en este curso).
 ANOVA PARA DISEÑOS MIXTOS
(Presentaremos el correspondiente a
Un Factor Inter y un Factor Intra).
MODELO ESTRUCTURAL ADITIVO:
Interacción αxβ nula Y s ijk ijk   j   k  eijk

• Yijk= la puntuación del sujeto i en el nivel j de A y medida k (nivel k) de

B
• μ = Constante (la media común a todos los sujetos

• αj = es el efecto del factor A (inter sujetos)

• βk= Efecto del factor B (Intra o efecto de la k-ésima medida

• Si(j) = el efecto asociado al sujeto i dentro del nivel j de A.

• eijk= Error

α y β representan los factores ambos de efectos fijos.

Nótese que la interacción αxβ no aparece (modelo aditivo) y las interacciones tratamiento
con el pseudofactor S no parecen ya que deben ser 0 y están contempladas en el término
re error)
MODELO ESTRUCTURAL:
NO ADITIVO Yijk    si ( j )   j   k  ( ) jk  eijk

• Yijk= la puntuación del sujeto i en el nivel j de A y la medida K (nivel k) de B

• μ = Constante (la media común a todos los sujetos

• αj = es el efecto del nivel j del factor A

• ßk = el efecto de a medida k (nivel k) de B.

• (αß)jk = el efecto de la interacción de Aj y B

• SI(J) = el efecto asociado al sujeto i dentro del nivel j de A

• eijk= Error

α y β representan los factores ambos de efectos fijos.

Nótese que las interacciones tratamiento con el pseudofactor S no parecen
ya que deben ser 0 y están contempladas en el término re error)
VALORES ESPERADOS DE LAS MC MODELO (NO
ADITIVO: interacción entre los tratamientos α y β
significativa)
Fuentes de variación E(MC)
A  2  b s2  nb2

S(A)  e2  b s2

B  2  a s2  na 2

AB
 2   s2  n
2

BxS(A)
 
2
e
2
s
 Estimadores
  ˆ  Y
  ˆ  Y  j   Y
  ˆ  Y   k  Y
  jk  Y  jk  Y  j   Y  k  Y
Sijk  Sˆijk  Y ij  Y  j 

Eˆ ij k  Yijk  Y  j   Y   k  Y i    Y
 SUMAS DE CUADRADOS

Fuente SC
Kn (Y  j   Y )
2
A
j

S(A)
K  (Y ij  Y  j  )2
i j

Jn  (Y   K  Y )2
B
j

AB n (Y  jk  Y  j   Y  k  Y )2
j k

Y
BxS(A)
ijk  Y ij   Y  jk  Y  j  ) 2

i k
 Fuentes de Variación

A Factor A
Entre sujetos
S(A)
S(AB)
BxS(A)
B Factor B Intra sujetos
AB Interacción (AxB))
 RAZONES F
(interacción entre los tratamientos α y β significativa)

Fuente Gl. Razón F

A (J-1) MCA/MCS(A)

S(A) J(n-1)

B (K-1) MCB/MCB*S(A)

AB (J-1)(K-1) MCAB/MCB*S(A)

BxS(A) J((K-1)(n-1))
 HIPÓTESIS

Factor A (Inter) H0 (A): αj = 0 para todo j

H1 (A): αj ≠ 0 para algún j

Factor B (Intra) H0 (B): βk = 0 para todo k

H1 (B): βk ≠ 0 para algún k

Interacción H0 (AB): (αβ)jk = 0 para todo j o k

H1 (AB): (αβ)kj ≠ 0 para algún j o k.
 SUPUESTOS
• Normalidad
• Homocedasticidad
• Independencia de las observaciones
• Linealidad
• Independencia sujetos tratamientos (las
interacciones Factores con el pseudofecto
S deben ser nulas y forman parte del
término de error).
• Circularidad (para los factores intra)
 Tamaño del Efecto:

glefecto Fefecto
̂ 2
efecto 
glefecto Fefecto  glerror

Cuando α y β de efectos fijos se puede estimar por:

glefecto ( Fefecto  1)
ˆ 2
efecto 
glefecto ( Fefecto  1)  abn
El estadístico ̂ 2
se relaciona con la
medida del efecto de Cohen según:
ˆ efecto
2
̂ 2 ˆ 2 
1  ˆ 
2
efecto

Para evaluar el TE sigue siendo válida la regla de Cohen:

ˆ y ˆ valores : .01; .06 y .14

2 2

En el caso de ̂ (f en la notación de Cohen) los valores son : .10; .25 y .40

 Potencia y Tamaño muestral
Como en casos anteriores
Calcular
̂  glefecto Fefecto

ˆ  ˆ
glefecto  1

Consultar la Tabla de Distribuciones F no centradas.

n  (ˆefecto / ˆefecto )2
Tamaño muestral
Recordar:
 COMPARACIONES MÚLTIPLES
FACTOR INTER (A)
Se procede igual que en lo ya visto respecto a un
Factor medidas no repetidas.
FACTOR INTRA (B) E INTERACCIÓN AB
Esfericidad asumida: Se procede como en el
modelo de dos factores.
Esfericidad NO asumida:
• “A Posteriori”: prueba de T (muestras
relacionadas corrigiendo αc (error tipo I por
comparación por Dunn-Bonferroni, esto es dividiendo α
(.05) entre el número de pares comparados.
• “A Priori: Los procedimientos habituales para
varianzas desiguales.
 COMPARACIONES MÚLTIPLES
FACTOR INTRA
Esfericidad asumida: Se procede como
en el modelo de dos factores.
Esfericidad NO asumida:
• “A Posteriori”: prueba de T (muestras
relacionadas corrigiendo αc (error tipo I por
comparación por Dunn-Bonferroni, esto es
dividiendo α (.05) entre el número de pares
comparados.
• “A Priori: Los procedimientos
habituales para varianzas desiguales.