Este documento describe el diseño factorial, un tipo de diseño de investigación que involucra la manipulación simultánea de dos o más variables independientes. Explica que un diseño factorial produce efectos simples, principales y de interacción. Con menos sujetos requeridos que diseños unifactoriales, los diseños factoriales permiten estudiar múltiples variables y sus efectos combinados.

1. UNIDAD IV
DISEÑO FACTORIAL
FACILITADOR:
DRA. ADELA MENDOZA

2. El diseño factorial, como estructura de
investigación, es la combinación de dos o
más diseños simples (o unifactoriales); es
decir, el diseño factorial requiere la
manipulación simultánea de dos o más
variables
independientes
(llamados
factores), en un mismo experimento.

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

4. Es posible definir el efecto factorial
simple como el efecto puntual de
una variable independiente o
factor para cada valor de la otra.

5. Los efectos factoriales principales, a
diferencia de los simples, son el impacto
global de cada factor considerado de forma
independiente , es decir, el efecto global de
un factor se deriva del promedio de los
efectos simples.

6. El efecto secundario o de
interacción se define por la
relación entre los factores o
variables independientes, es decir,
el efecto cruzado.

7. CANTIDAD DE
NIVELES POR
FACTOR
GRADO DE
CONTROL
2x2, 2x2x2, 2x3, 2x3x4, etc.
Diseño factorial completamente al azar
Diseño factorial de bloques

10. La disposición bifactorial aporta información no sólo de cada factor
(efectos principales), sino de su acción combinada (efecto de interacción
o efecto secundario). De esta forma, con la misma cantidad de sujetos
requerida para experimentos de una sola variable independiente o factor,
el investigador puede estudiar, simultáneamente, la acción de dos o más
variables manipuladas.
Ello supone un enorme ahorro de tiempo y esfuerzo. Si se tiene en cuenta
la posibilidad de analizar la acción conjunto o cruzada de las variables, se
concluye que el diseño factorial es una de las mejores herramientas de
trabajo del ámbito psicológico y social, puesto que la conducta es función
de muchos factores que actúan simultáneamente sobre el individuo.

11. Los efectos de orden se derivan de la propia estructura del
diseño de medidas repetidas, y deben ser neutralizados para que
no confundan los efectos de los tratamientos.
Hay dos tipos de efecto de orden:
A. EFECTO RESIDUAL
B. EFECTO DE PERIODO

12. El efecto residual, conocido por error progresivo, se caracteriza
por la persistencia de la acción de un tratamiento más allá del
período o tiempo de aplicación. Representa la progresiva
acumulación tanto de los efectos facilitadores de la respuesta
(efecto de la práctica, aprendizaje, etc.) como de los efectos
obstaculizadores (como la fatiga mental, cansancio físico, etc.)
Cuando, como es frecuente en esos casos, se produce una
persistencia del efecto del tratamiento anterior sobre el
tratamiento siguiente, se corre el riesgo de que los efectos
queden contaminados.
Solución: ampliar los intervalos entre tratamientos.

13. Los efectos de período ocurren cuando, independientemente
del tratamiento aplicado, el sujeto responde al período o
posición que, en la secuencia, ocupa el tratamiento (período de
administración). Cabe, por lo tanto, la posibilidad de que el
sujeto responda mejor al período que al tratamiento en sí
mismo. Cuando esto ocurre, el efecto de período confunde la
acción del tratamiento.
Solución: contrabalanceo

15. PASO #1: ACOMODAR LOS RESULTADOS EN LA TABLA
CORRESPONDIENTE
Resultados de un experimento factorial
alta
proteína
baja proteína
Res
Vegetal
Res
Cerdo
Vegetal
73
94
98
90
49
108
102
79
74
76
82
95
118
96
56
90
73
97
104
98
111
64
86
80
81
102
95
86
81
98
107
102
88
51
97
74
100
108
82
72
106
74
87
91
77
90
70
67
117
120
86
95
61
89
111
Total
Cerdo
105
92
78
82
58
1000
995
859
792
787
839

17. PASO #3: HACER TABLA DE ANOVA

18. PASO #4: HACER COMPARACION DE LOS
TRATAMIENTOS
Comparaciones entre tratamientos.
La naturaleza del experimento indica que era mejor haber
realizado un análisis de contrastes ortogonales de los datos.
En este caso algunas comparaciones lógicas o hipótesis a
probar son.
Ho: No existe diferencia entre los niveles de proteína;
Ho: No existe diferencia entre la fuente de proteína animal
(res y cerdo) comparado con la fuente vegetal.
Ho: no existe interacción entre el nivel de proteína y fuente de
proteína (animal o vegetal).
Ho: No existe diferencia entre las proteínas del cerdo y res.
Ho: No existe interacción entre el nivel de proteína y la fuente
de proteína animal.