TEMA III

ESQUEMA GENERAL

Definición
Clasificación
Efectos estimables en un diseño factorial
Diseño factorial A x B completamente al azar
Representación de la interacción

DISEÑO FACTORIAL
 Definición

El diseño factorial es una estructura de

investigación en la que se manipulan
simultáneamente dos o más variables
independientes o de tratamiento.
En función de la cantidad de factores o variables de
tratamiento, los formatos factoriales se denominan,
también, diseños de tratamientos x tratamientos,
tratamientos x tratamientos x tratamientos, etc, y se
simbolizan por AxB, AxBxC, etc.
 Ventajas del diseño factorial
• Además de permitir el análisis de los efectos
principales también posibilitan examinar los efectos de
interacción.
• Al introducir varias variables independientes como
factores en el diseño, los efectos asociados a tales
factores se sustraen del término de error. En
consecuencia, se reduce la variancia de error y se
incrementa la potencia de la prueba estadística.
• Ahorro de tiempo y de sujetos.
• Por último, cabe señalar que, dada la complejidad de la
conducta humana, es lógico suponer que la mayoría de
los comportamientos no se hallan determinados por la
acción de una sola variable, sino que responden a los
efectos de un conjunto de factores.
 Clasificación

Cantidad de valores por factor

Criterios Cantidad de combinaciones de

tratamientos

Grado de control
Criterios Diseño

Cantidad de Cantidad fija o variable: 2x2; 2x3; 2x3x4, etc.

valores por factor

Cantidad de Diseño factorial completo

combinaciones de Diseño factorial incompleto y fraccionado
tratamientos

Diseño factorial completamente al azar

Grado de control Diseño factorial de medidas repetidas
 Efectos factoriales estimables

1. Efectos simples
2. Efectos principales
3. Efectos secundarios
 Efectos simples

Los efectos puntuales de cada variable

independiente o factor para cada valor de la
otra variable independiente.
 Efectos factoriales principales

Los efectos factoriales principales son el

impacto global de cada factor considerado de
forma independiente.
 Efectos factoriales secundarios

El efecto secundario o de interacción se define

por la relación entre los factores o variables
independientes, es decir, el efecto cruzado.
Diseño factorial al azar 2x2
 Estructura del diseño
V.E. z1 z2 z3 z4
V.I. a1b1 a1b2 a2b1 a2b2

S1 S1 S1 S1

s Sn1 Sn2 Sn3 Sn4

e
l
e
c Asignación al azar
c M
i
P ó
n
 Ejemplo

Se pretende estudiar la eficacia de dos métodos de

enseñanza (presencial y a distancia) sobre el aprendizaje
de dos materias (matemáticas e historia). Se forman
aleatoriamente cuatro grupos y cada uno seguirá uno de
los cuatro cursos resultantes de combinar las dos
variables independientes. La variable dependiente de
esta investigación será la puntuación obtenida por cada
estudiante en un examen que realizarán al finalizar el
curso.
 Matriz de datos
DISEÑO FACTORIAL 2X2
Matemáticas a1 a 1b 1 a1b2 a2b1 a2b2
Historia a2
A distancia b1 10 4 7 8
Presencial b2 9 3 9 6
4 4 10 9
8 5 8 9
8 2 10 8
4 3 9 7
3 4 10 7
6 2 7 6
Totales: 52 27 70 60 209
Medias: 6.5 3.375 8.75 7.5 6.53
 Modelo de prueba de hipótesis

Paso 1. Según la estructura del diseño son

estimables tres efectos. Por esa razón, se plantean
tres hipótesis de nulidad relativas a la variable A,
variable B e interacción:
H 0 : α 1 = α2 = 0
H0: ß1 = ß2 = 0
H0: (αß)11 = (αß)12 = (αß)21 = (αß)22 = 0
Paso 2. Las hipótesis alternativas se
representan, al nivel estadístico, por
H1: α1 ≠ α2, o no todas las α son cero
H1: ß1 ≠ ß2, o no todas las ß son cero
H1: (αß)11 ≠ (αß)12 ≠ (αß)21 ≠ (αß)22, o no
todas las αß son cero.
Paso 3. El estadístico de la prueba es la F de
Snedecor, con un α de 0.05, para las tres
hipótesis de nulidad. El tamaño de la muestra
experimental es N = 32 y el de las submuestras
n = 8.

Paso 4. Cálculo del valor empírico de las

razones F. Para ello, se toma la matriz de datos
del experimento.
 Modelo estructural del ANOVA:
Diseño factorial AxB

Yyijk =µ + α j + β k + (αβ ) jk + ε ijk

 Especificación del modelo

Yijk = la puntuación del i sujeto bajo la combinación

del j valor del factor A y el k valor del factor B.
μ = la media común a todos los datos del
experimento.
αj = el efecto o impacto del j nivel de la variable de
tratamiento A.
ßk = efecto del k valor de la variable de tratamiento B.
(αß)jk = efecto de la interacción entre el j valor de
A y el k valor de B.
εijk = error experimental o efecto aleatorio de
muestreo.
 Supuestos del ANOVA
Existen tres supuestos que han de cumplirse si
queremos aplicar un ANOVA:

1. Independencia de las observaciones

2. Normalidad de los datos

3. Homogeneidad: Igualdad de las variancias de los

grupos

En este ejemplo, asumimos el cumplimiento de estos

supuestos
Descomposición polietápica de las
Sumas de cuadrados
SCA

SCentre-grupos SCB

SCtotal SCAB

SCintra-grupos SCS/AB
 Cuadro resumen del ANOVA:
Diseño factorial
FV SC g.l CM F p

Factor A 81.28 (a-1)=1 81.28 29.94 <0.05

Factor B 38.28 (b-1)=1 38.28 13.87 <0.05
Inter AxB 7.03 (a-1)(b-1)=1 7.03 2.55 >0.05
Entre-g 126.59 ab-1=3 42.19 15.28 <0.05
Intra-g 77.37 ab(n-1)=28 2.76
Total (T) 203.97 abn-1=31
FV = Fuentes de Variación
SC = Suma de Cuadrados Factor A = Materia
g.l. = Grados de libertad Factor B = Método de enseñanza
CM = Cuadrado Medio o Variancia
Cuadro resumen del ANOVA:
SPSS

Factor A = Materia
Factor B = Método de enseñanza
 Inferencia del análisis

Paso 5. De los resultados del análisis se infiere

el rechazo de la hipótesis nula para los efectos
principales de A y B, con riesgo de error del 5
por ciento. En cambio, no se rechaza la
hipótesis nula para la interacción. En suma,
sólo los efectos principales alcanzan
significación estadística.
Representación gráfica de la interacción para
los datos del ejemplo
ENSEÑANZA ENSEÑANZA
Medias
A DISTANCIA PRESENCIAL

MATEMÁTICAS 6,5 3,4 4,9

HISTORIA 8,8 7,5 8,1

Medias 7,6 5,4 6,5

10
9
8
7
6
5
MAT Interacción nula
HIST
4
3
2
Efectos principales
1 para las dos variables
0
DISTANCIA PRESENCIAL
 Representación gráfica de la interacción:
otros ejemplos
ENSEÑANZA ENSEÑANZA
Medias
A DISTANCIA PRESENCIAL

MATEMÁTICAS 6,2 6,6 6,4

HISTORIA 3,6 3,4 3,5

Medias 4,9 5,0 5,0

10
9
8
7
6
5
MAT Interacción nula
HIST
4
3
2
Efecto principal para
1 la variable Asignatura
0
DISTANCIA PRESENCIAL
 Representación gráfica de la interacción:
otros ejemplos
ENSEÑANZA ENSEÑANZA
Medias
A DISTANCIA PRESENCIAL

MATEMÁTICAS 6,7 6,9 6,8

HISTORIA 2,1 7,1 4,6

Medias 4,4 7,0 5,7

10
9
8
7
6
5
MAT Interacción Asignatura
HIST
4
3
x Método de enseñanza
2
1
0
DISTANCIA PRESENCIAL
 Representación gráfica de la interacción:
otros ejemplos
ENSEÑANZA ENSEÑANZA
Medias
A DISTANCIA PRESENCIAL

MATEMÁTICAS 6,2 3,4 4,8

HISTORIA 3,6 6,6 5,1

Medias 4,9 5,0 5,0

10
9
8
7
6
5
MAT Interacción Asignatura
HIST
4
3
x Método de enseñanza
2
1
0
DISTANCIA PRESENCIAL
 Formato del diseño factorial de medidas repetidas:
SxAx B
Tratamientos
a1 a2 … aj
b1 …bk b1 …bk … b1 …bk Medias
S1 Y111 .. Y11k Y121 .. Y12k … Y1j1 .. Y1jk Y1..
S2 Y211 .. Y22k Y221 .. Y22k … Y2j1 .. Y2jk Y2..
Sujetos

. …………………………………………… .
. …………………………………………… .
. …………………………………………… .
Sn Yn11 .. Yn1k Yn21 ..Yn2k … Ynj1 ..Ynjk Yn..

Medias Y.11 .. Y.12 Y.21 .. Y.2k … Y.j1 .. Y.jk Y…