Research Methods - Interactions Pt3 - Graphing Factorial Results

¿Cómo graficar resultados factoriales?

Introducción a los diseños factoriales

• En este video se explicará cómo graficar resultados factoriales y entender los efectos de interacción.

• Se utilizará un diseño factorial 2x2 con dos factores, cada uno con dos niveles.

• No se realizarán estadísticas, solo se discutirá la apariencia de diferencias o efectos.

Contexto del estudio

• Se simula una investigación en un distrito escolar sobre la instrucción especial para estudiantes rezagados.

• Se debate entre dar una hora o cuatro horas de instrucción especial por semana.

• También se considera el entorno de la instrucción: en clase versus fuera del aula.

Diseño del experimento

• Se asignarán aleatoriamente grupos a diferentes condiciones: 1 hora en clase, 1 hora fuera, 4 horas en clase y 4 horas fuera.

• El objetivo es observar la mejora promedio de cada grupo para identificar combinaciones efectivas.

• Se explorarán posibles resultados y cómo graficarlos para interpretar efectos principales e interacciones.

Caso nulo: Sin efecto

• En el caso nulo, todos los grupos tienen una mejora promedio de cinco; no hay diferencia significativa.

• Al graficar, las líneas rojas (1 hora) y azules (4 horas) se superponen completamente.

• Esto indica que no hay diferencia entre los grupos en cuanto a tiempo o entorno.

Comparación gráfica

• La comparación gráfica muestra que ni el tiempo ni el entorno afectan los resultados; ambas configuraciones gráficas son equivalentes.

• Es importante colocar una variable en el eje X y otra representada por líneas o barras en el eje Y.

• El eje Y debe representar la variable dependiente que se está comparando.

Efecto del Tiempo y Configuración en el Rendimiento

Análisis de Datos

• Se observa que la configuración no afecta el rendimiento general, con un promedio de seis para ambos grupos.

• Al graficar, se nota una diferencia clara entre los tiempos: 1 hora (promedio 5) y 4 horas (promedio 7).

• Independientemente de la configuración, el tiempo tiene un efecto significativo en el rendimiento.

Efectos de Configuración

• En otro escenario, no hay efecto del tiempo; ambos promedios son seis.

• Sin embargo, los estudiantes en clase tienen un promedio de siete, mostrando que la configuración sí importa.

• Al graficar por grupos de tiempo, las líneas son paralelas; esto indica que no hay interacción entre variables.

Interacción entre Variables

• Las líneas paralelas indican efectos principales sin interacción; si hay interacción, las líneas se cruzan.

• Ignorando la configuración, el grupo de 4 horas siempre supera al de 1 hora.

• De igual manera, ignorando el tiempo, los grupos en clase superan a los fuera de clase.

Ejemplo de Efecto Interactivo

• La presencia de efectos interactivos complica la interpretación; no se pueden tomar los efectos principales al pie de la letra.

• Un análisis más detallado muestra que más tiempo solo beneficia a quienes están en clase.

• Los resultados sugieren que decir "más tiempo es mejor" puede ser engañoso sin considerar la configuración.

Conclusiones sobre Interacciones

• La instrucción en clase es efectiva solo si dura cuatro horas; una hora no marca diferencia significativa.

• Hay un efecto interactivo entre tiempo y configuración que debe considerarse para entender completamente los datos.

Efectos de Interacción en Diseño Factorial

Comprendiendo los Efectos de Interacción

• En clase, la línea azul muestra que no siempre es mejor; depende del nivel de otros factores.

• Si solo observamos efectos principales, podríamos concluir erróneamente que el tiempo y el entorno no importan.

• Es crucial interpretar los efectos de interacción para entender cómo se combinan los niveles de factores.

Análisis de Efectos Simples

• Debemos aislar filas o columnas para analizar efectos simples; por ejemplo, menos tiempo es mejor para niños fuera de clase.

• Para niños en clase, más tiempo es preferible; esto varía según el contexto y la duración.

• La configuración óptima depende del tiempo recibido y viceversa; graficar ayuda a visualizar estas relaciones.

Identificación de Efectos No Paralelos

• Las líneas no paralelas indican un efecto de interacción; esto se observa cuando las líneas cruzan.

• Al graficar, usa líneas separadas para cada nivel del factor y busca patrones paralelos o no paralelos.

• Si las líneas son paralelas, reporta solo los efectos principales; si son no paralelos, hay un efecto de interacción.

Interpretación Detallada

• Selecciona una línea o barra y concluye sobre su significado; por ejemplo, 1 hora fuera de clase es mejor.

• Para 4 horas en clase, este entorno resulta ser más efectivo; ambos son ejemplos de efectos simples.

• Examina cada nivel del otro variable para obtener una comprensión más matizada del contexto.

Complejidad en Diseños Factoriales

• Los diseños factoriales pueden incluir múltiples variables independientes que afectan resultados como la memoria.

• Se requieren suficientes grupos para cada combinación posible al probar varios factores simultáneamente.

• Un diseño 4x3x2 necesitaría 24 grupos diferentes con sujetos suficientes para asegurar potencia estadística.

¿Cómo interpretar los efectos de interacción?

• Es necesario interpretar los efectos de interacción y probar su significancia estadística para considerarlos genuinos.

• Se puede expandir el diseño factorial a más de dos factores, aunque es complejo visualmente (ej. diseño 2x2x2x2).

• Líneas paralelas en gráficos indican ausencia de interacción; líneas no paralelas sugieren un efecto de interacción que debe ser probado estadísticamente.

Lecciones sobre efectos principales e interacciones

• Siempre se deben interpretar primero los efectos de interacción antes que los efectos principales.

• En caso de un efecto de interacción, enfócate en los efectos simples individuales por fila o columna.