Diseño de investigación factorial en psicología

En estadística, un experimento factorial completo es un experimento cuyo diseño consta de dos o más factores, cada uno con valores posibles discretos o «niveles», y cuyas unidades experimentales adoptan todas las combinaciones posibles de estos niveles en todos esos factores. Un diseño factorial completo también puede denominarse diseño completamente cruzado. Un experimento de este tipo permite al investigador estudiar el efecto de cada factor sobre la variable de respuesta, así como los efectos de las interacciones entre los factores sobre la variable de respuesta.

En la gran mayoría de los experimentos factoriales, cada factor tiene sólo dos niveles. Por ejemplo, con dos factores que tienen dos niveles cada uno, un experimento factorial tendría cuatro combinaciones de tratamiento en total, y suele denominarse diseño factorial 2×2.

Si el número de combinaciones en un diseño factorial completo es demasiado alto para ser logísticamente factible, puede hacerse un diseño factorial fraccionado, en el que se omiten algunas de las combinaciones posibles (normalmente al menos la mitad).

Ronald Fisher argumentó en 1926 que los diseños «complejos» (como los diseños factoriales) eran más eficaces que el estudio de un factor cada vez[2]. Fisher escribió: «No hay aforismo que se repita con más frecuencia en relación con los ensayos de campo, que el de que debemos hacer a la naturaleza pocas preguntas o, idealmente, una pregunta cada vez». El autor está convencido de que esta opinión es totalmente errónea».

Ejemplo de diseño factorial 2^3 pdf

Un factor es una variable discreta utilizada para clasificar las unidades experimentales. Por ejemplo, el género puede ser un factor con dos niveles, masculino y femenino, y la dieta puede ser un factor con tres niveles, bajo, medio y alto en proteínas. Los niveles dentro de cada factor pueden ser discretos, como el fármaco A y el fármaco B, o pueden ser cuantitativos, como 0, 10, 20 y 30 mg/kg.

Un diseño factorial es aquel que incluye dos o más factores en un solo experimento. Estos diseños se clasifican por el número de niveles de cada factor y el número de factores. Así, un factorial 2×2 tendrá dos niveles o dos factores y un factorial 2×3 tendrá tres factores cada uno en dos niveles.

Normalmente, hay muchos factores como el sexo, el genotipo, la dieta, las condiciones de alojamiento, los protocolos experimentales, las interacciones sociales y la edad que pueden influir en el resultado de un experimento. A menudo es necesario investigarlos para determinar la generalidad de una respuesta. Puede ser importante saber si una respuesta sólo se observa, por ejemplo, en las hembras pero no en los machos. Una forma de hacerlo sería realizar experimentos por separado en cada sexo. Sin embargo, este enfoque OVAT o One Variable at A Time (una variable a la vez) es un gran desperdicio de recursos científicos. Una alternativa mucho mejor es incluir ambos sexos o más de una cepa, etc., en un único experimento factorial. Estos diseños pueden incluir varios factores sin utilizar un número excesivo de sujetos experimentales.

Ejemplo de diseño factorial 2^4

El propósito de esta página es aclarar algunos conceptos, notación y terminología relacionados con los diseños experimentales factoriales, y comparar y contrastar los experimentos factoriales con los ensayos controlados aleatorios (ECA). En el capítulo 3 de Collins (2018) se puede encontrar una introducción más profunda.

El investigador planea utilizar un diseño experimental factorial. Cada variable independiente es un factor en el diseño. Como hay tres factores y cada factor tiene dos niveles, se trata de un diseño factorial 2×2×2, o 23. Este diseño tendrá 23=8 condiciones experimentales diferentes. La tabla 1 muestra cuáles serán las condiciones experimentales.

La notación utilizada para denotar los experimentos factoriales transmite mucha información. Cuando un diseño se denota como factorial 23, se identifica el número de factores (3); cuántos niveles tiene cada factor (2); y cuántas condiciones experimentales hay en el diseño (23=8). Del mismo modo, un diseño 25 tiene cinco factores, cada uno con dos niveles, y 25=32 condiciones experimentales; y un diseño 32 tiene dos factores, cada uno con tres niveles, y 32=9 condiciones experimentales. Los experimentos factoriales pueden incluir factores con diferentes números de niveles. Un diseño 243 tiene cinco factores -cuatro con dos niveles y uno con tres niveles- y tiene 16×3=48 condiciones experimentales.

Tipos de diseño factorial

El diseño factorial es un método importante para determinar los efectos de múltiples variables sobre una respuesta. Tradicionalmente, los experimentos se diseñan para determinar el efecto de UNA variable sobre UNA respuesta. R.A. Fisher demostró que existen ventajas al combinar el estudio de múltiples variables en el mismo experimento factorial. El diseño factorial puede reducir el número de experimentos que hay que realizar al estudiar múltiples factores simultáneamente. Además, puede utilizarse para encontrar tanto los efectos principales (de cada factor independiente) como los efectos de interacción (cuando deben utilizarse ambos factores para explicar el resultado). Sin embargo, el diseño factorial sólo puede dar valores relativos, y para conseguir valores numéricos reales las matemáticas se complican, ya que hay que realizar regresiones (que requieren minimizar una suma de valores). En cualquier caso, el diseño factorial es un método útil para diseñar experimentos tanto en el laboratorio como en la industria.

El diseño factorial prueba todas las condiciones posibles. Dado que el diseño factorial puede dar lugar a un gran número de ensayos, que pueden resultar caros y requerir mucho tiempo, el diseño factorial se utiliza mejor para un pequeño número de variables con pocos estados (de 1 a 3). El diseño factorial funciona bien cuando las interacciones entre las variables son fuertes e importantes y cuando cada variable contribuye significativamente.