DISEÑOS DE SUJETO
ÚNICO
INEFC-LLEIDA (2010)
1
Concepto

El diseño de sujeto único, tal como lo
entendemos en la actualidad, tiene su origen en
la investigación conductual operante y su
desarrollo más espectacular se produce dentro
del análisis conductual aplicado.
..//..
2

De hecho, el diseño de sujeto único se
plantea, en la práctica, como alternativa a la
investigación psicológica clásica de
comparación de grupos, y suele utilizar, con
frecuencia, un sólo sujeto de estudio
(Kratochwill et al., 1984).
..//..
3

De acuerdo con ese nuevo enfoque, el
investigador obtiene una gran cantidad de datos
de uno o varios sujetos bajo condiciones tanto
de ausencia como de presencia de tratamiento.
Dado que, con frecuencia, un mismo
tratamiento es aplicado varias veces al mismo
sujeto, este enfoque es conocido también por
estrategia de replicación intra-sujeto (Gentile et
al., 1972).
..//..
4

Mediante la aplicación de los diseños
experimentales de sujeto único, se pretende
evaluar el posible efecto de una
intervención o tratamiento sobre la conducta
o variable de respuesta que es objeto de
estudio.
5
Denominaciones

Con el transcurso del tiempo, el diseño
experimental de sujeto único ha ido
evolucionando y recibiendo distintas
denominaciones. Inicialmente, recibió los
nombres de diseño operante (Sidman, 1960),
diseño de caso único (Hersen y Barlow,
1976; Shapiro, 1961, 1966), diseño intensivo
(Chassan, 1965, 1967), y diseño de control
propio (Millon y Diesenhaus, 1972). ..//..
6

Es evidente que todas esas acepciones
comparten un concepto común: son estudios
donde una sola unidad de observación
(sujeto individual o grupo de sujetos)
constituye la muestra. Por esa razón, Dukes
(1965) los define como estudios de N = 1,
(o N de 1).
..//..
7

Como es obvio, desde un perspectiva más
global, esa clase de diseños puede ser
considerado como un caso extremo de la
estrategia de diseño clásico o de N > 1. Es
decir, donde un sólo sujeto es capaz de
agotar la muestra.
..//..
8

Desde la perspectiva social y educativa,
Campbell y Stanley (1963, 1966) acuñaron,
dentro el contexto cuasi-experimental, el
término diseño de series temporales
interrumpidas que, posteriormente, ha sido
adoptado por una gran cantidad de autores
(Hartmann et al., 1980; Glass et al., 1975;
Kazdin, 1976).
..//..
9

A lo largo de los últimos años, como
consecuencia de la polémica suscitada en
torno a la posibilidad de aplicar análisis
estadísticos y, particularmente, la relativa a la
presencia o no de autocorrelación en los datos
conductuales,
estas
estructuras
de
investigación pasan a denominarse diseños de
series temporales cortas o breves, y diseños
de muestras pequeñas (DeCarlo y Tryon,
1993; Greenwood y Matyas, 1990; Huitema y
McKean, 1991; Huitema et al., 1994; Matyas
y Greenwood, 1991).
10
Características generales
Simbolizados por N = 1 son la alternativa al
diseño clásico de N>1.
Se utilizan en contextos aplicados
Son estructuras experimentales: variable de
respuesta, variable de tratamiento y control de
variables de confundido
Reciben una gran variedad de denominaciones
En contextos sociales: diseños de series cortas
En contextos clínicos: diseños de caso o sujeto
único
11
Consideraciones metodológicas
1.
2.
3.
Unidad de análisis
Longitud de fase
Patrones de cambio entre fases
3.1. Cambio de nivel
3.2. Cambio de pendiente
4. Evaluación de los resultados
4.1. Evaluación visual
4.2. Evaluación estadística
4.3. Evaluación social
5. Generalización de los resultados
12
Lógica de la inferencia de la
hipótesis
13
Estructura y notación del
diseño


a) El diseño está formado por fases o
períodos.
b) A cada fase o período se observa o
registra la respuesta
bajo condiciones
idénticas.
c) La primera fase es conocida por línea
base y las restantes
como fase de
tratamiento.
..//..
14
1.
2.
d) Cada fase está integrada por un
conjunto o muestra de observaciones de
la misma variables de respuesta.
e) Hay dos sistemas de notación: la
propuesta por Campbell y Stanley (1966)
y la propuesta por Hersen y Barlow
(1976).
15
Tipos de patrones de cambio
Patrones de cambio intrafase
Patrones de cambio
Patrones de cambio entrefases
16
Patrones de cambio intrafase
1. patrón de conducta estable
2. conducta deterioro
3. conducta de mejora
4. variación cíclica
5. alternantes
17
Representación de una línea conductual estable
18
Línea conductual de carácter deteriorante
19
Línea conductual tendente a mejorar
20
Patrón conductual de variación cíclica
21
Patrones conductuales alternantes
22
Inferencia de la hipótesis
en contextos conductuales
La hipótesis sobre efectividad del tratamiento se
infiere con base a los cambios que se dan entre
fases.
Estos cambios pueden ser de nivel y de tendencia, y
pueden evaluarse con técnicas visuales/gráficas
y técnicos o procedimiento estadísticos.
El cambio más significativo es el de nivel.
23
Patrones de cambio entrefases

1. cambio de nivel
2. cambio de tendencia
24
Cambio de nivel
El cambio de nivel se caracteriza, en su
formulación más simple, por la variación o
desplazamiento de la línea conductual en el
punto de corte o intervención y es definido por
la discontinuidad de las observaciones o serie
que se produce en el punto de intervención o
aplicación del tratamiento.
25
Formas básicas
El cambio de nivel de la serie suele tomar
cuatro formas básicas:

cambio abrupto y permanente en el nivel
retardado
temporal
de decaimiento progresivo
26
Cambio de nivel
Cuatro formas diferentes de cambio de nivel:
a) Cambio abrupto, b) Cambio retardado, c) Cambio
temporal, y d) Cambio con decaimiento
27
Cambio de tendencia
En determinados ámbitos sustantivos y
aplicados, el investigador puede estar más
interesado en la tasa de incremento o
decremento; es decir, en los cambios de
tendencias o pendientes. Los cambios de
tendencia se caracterizan por la variación que
se produce en la pendiente de la recta en la
fase de tratamiento.
28
Formas básicas
Al igual que ocurre con los cambios de nivel, el
patrón más claramente identificable es el cambio de
tendencia abrupto. Es decir, a partir de la línea de
corte o punto de intervención los datos presentan una
clara tendencia con pendiente acusada. A partir de ese
patrón, pueden derivarse una serie de modalidades
que son función del tiempo. Los patrones de cambio
de tendencia más importante son el demorado, el
temporal y el acelerado.
29
Cambios de pendientes
Cuatro formas diferentes de cambios de pendiente:
a) Cambio abrupto, b) Cambio demorado, c) Cambio temporal,
y d) Cambio acelerado
30
Sistemas de notación
Tradición social y educativa (Campbell y
Stanley, 1963)
Tradición clínica (Barlow y Hersen, 1973;
Hersen y Barlow, 1976)
31
Campbell y Stanley, 1963
32
Sistemas de notación del diseño
1. Sistema propuesto por Campbell y Stanley (1963)
Diseño básico
O 1 O 2 O 3 I1 O 4 O 5 O 6
Diseño de asignación aleatoria
Az O1 O2 O3 I1 O4 O5 O6
Az O1 O2 O3 I2 O4 O5 O6
Diseño de asignación no aleatoria
O 1 O 2 O 3 I1 O 4 O 5 O 6
O 1 O 2 O 3 I2 O 4 O 5 O 6
33
Sistemas de notación del diseño
1. Sistema propuesto por Campbell y Stanley (1963)
[…] continuación
Aplicación secuencial de la intervención
O 1 O 2 O 3 I1 O 4 O 5 O 6 O 7 O 8 O 9
O1 O 2 O3 O4 O5 O6 I2 O7 O8 O9
Aplicación continua de la intervención
O 1 O 2 O 3 I1 O 4 I1 O 5 I1 O 6
Aplicación temporal de la intervención
O 1 O 2 O 3 I1 O 4 O 5 O 6
34
Barlow y Hersen, 1973
Hersen y Barlow, 1976
35
Sistema propuesto por Barlow y
Hersen (1973)
36
Notación propuesta por Hersen y
Barlow (1976)

Diseño de dos fases

Una primera fase, donde se toman registros u
observaciones de la variable de respuesta en ausencia
de tratamiento o de variable independiente. Esta fase
recibe el nombre de línea base o fase A.
 Una segunda fase, en la que se sigue registrando la
conducta del sujeto después de la aplicación del
tratamiento. Esta fase es conocida por fase de
tratamiento o fase B.
37
MODALIDADES DE DISEÑO
NOTACIÓN
1) Diseño de dos fases. Modelo básico
A-B
2) Diseño de reversión de tres fases
A-B-A
3) Diseño de reversión de tres fases con RDO
A-B-A/RDO
4) Diseño de reversión de cuatro fases
A-B-A-B
5) Diseño de cuatro fases (con técnica de inversión)
A-B-A-B
6) Diseño de retirada
B-A-B
7) Diseño de reversión multinivel
A-B1-A-B2
8) Diseño de tratamiento múltiple
A-B-A-C-A
9) Diseño de interacción
A-B-A-B-BC-BBC
10) Diseño de línea base múltiple
11) Diseño de tratamientos alternativos (de programa
múltiple)
12) Diseño de tratamientos simultáneos (de programa
concurrente)
13) Diseño de cambio de criterio
DLBM: (A-B)
DTA
DTS
DCC
38
CRITERIOS PARA LA CLASIFICACIÓN DEL
DISEÑO
Diseño
Naturaleza
V. Dependiente
Caso reversible
Diseños
de sujeto único
Estrategia de
comparación
Intra-series
Entre-series
Combinados o mixtos
Intra-series
Caso no reversible Entre-series
Mixtos
39
Evaluación de resultados
a) evaluación gráfica o visual
b) evaluación social
c) evaluación estadística
40
Generalización de los resultados
a) replicación directa
b) replicación sistemática
41
DISEÑOS EXPERIMENTALES DE
SUJETO ÚNICO
Diseños intra-series
Diseño de un sólo componente o modelo básico
Diseño de cambio de criterio
Diseño de reversión de tres y cuatro fases
Diseño intra-serie complejo
Diseño de tratamiento múltiple o multielemento
Diseño interactivo
Diseños entre-series
Diseño de tratamientos alternantes
Diseños de tratamientos simultáneos
Diseños de series combinadas
Diseño de línea base múltiple
42
Diseños intra-series
43
Diseño de un sólo componente

La modalidad básica de diseño de sujeto único,
que es la expresión más elemental de esta
estructura de investigación, supone una notable
mejora del enfoque basado en el estudio de
casos. Así, el investigador, tras establecer algún
control experimental, aplica el tratamiento a un
individuo o grupo de individuos después de un
período de línea base.
..//..
44

El diseño de sujeto único de un sólo
componente (D1C), sigue el formato A-B de
sólo dos fases: la primera fase es la inicial o
de línea base (A) y en ella se observa y mide
la conducta objeto. La segunda fase (B),
caracterizada por la aplicación de una
intervención o tratamiento. Contrariamente a
los estudios de casos, el diseño de sujeto
único requiere, pues, el control experimental
y el registro preciso de medidas tanto de la
variable independiente como de la
dependiente.
..//..
45
Consideraciones generales
A) El aspecto más específico es, como
destaca Hayes (1981), la observación de un
cambio de fase simple. Para ello, se realizan
registros en condiciones constantes a un
mismo individuo o grupo para determinar el
grado de estabilidad, nivel o tendencia de los
datos. A continuación, se aplica el tratamiento
y se alteran las condiciones. El resultado de
esta alteración es evaluado por los cambios
habidos en la estabilidad, nivel o tendencia de
la serie de datos.
..//..
46

B) En lo relativo a la estructura de diseño A-B,
han de destacarse los aspectos y condiciones
que atañen a las distintas fases. En primer lugar,
está la cuestión del tamaño o amplitud de las
fases, en particular de la línea base. Aunque,
como señalan Hersen y Barlow (1976), son
necesarios al menos tres puntos para conseguir
una estimación de la estabilidad, nivel y
tendencia, este criterio no ha de ser aplicado de
forma estricta. Así, cuando se posee
información acerca del problema investigado
por otros trabajos, es posible reducir la cantidad
de puntos de tiempo (Hayes, 1981).
..//..
47
En caso contrario, deben registrarse los puntos
de datos suficientes para conseguir una
información empírica adecuada de la conducta
estudiada (Kazdin, 1978; Arnau, 1984). En
segundo lugar, cabe considerar la estabilidad de
la línea base. Cuando los datos de respuesta
muestran gran variabilidad, es aconsejable
tomar más registros para la emergencia de algún
patrón conductual estable. Este patrón puede
reflejar una línea estable o una tendencia
(Arnau, 1984).
..//..
48

C) Un nuevo aspecto, relativo a la fase de
tratamiento, tiene que ver con la aplicación de la
intervención o tratamiento. Así, hay que tener en
cuenta, en primer lugar, si todo factor capaz de
afectar a la conducta ha sido correctamente
controlado. De lo contrario, se invalidaría
cualquier conclusión o inferencia. En segundo
lugar, cuando se aplica el tratamiento en la fase
dos, puede ocurrir uno de los resultados
siguientes: no-mejoría, deterioro o mejoría. Si el
resultado es de no-mejoría, cabe preguntar si el
efecto es retardado o si el tratamiento no es
efectivo.
..//..
49

En este sentido, se podría considerar esta
fase como de línea base y tratar de probar
otro tratamiento. Así, se tiene, según Hayes
(1981), la estructura A=B-C. En la medida
que se aumenten las fases, como
A=B=C=D=E-F-E-F, el diseño pierde
fuerza y se aconseja realizar una replicación
sistemática con sujetos distintos (A-F-A-F).

..//..
50

Cuando el efecto es de deterioro, la actuación
es clara. Ha de rechazarse la utilización de la
técnica terapéutica o del tratamiento aplicado.
En caso de mejoría, el investigador puede
continuar con el tratamiento o seguir otra
estrategia, como la retirada, para tener
evidencia empírica sobre el efecto controlador
del tratamiento. Nótese que la retirada del
tratamiento es propia de otras modalidades de
diseño conocidas por diseños de reversión que,
como se verá más adelante, es una extensión
del formato básico del diseño de un sólo
componente A-B.
51
Ejemplo del diseño (Schnelle y Lee , 1974)

A partir de una población de aproximadamente
2.000 reclusos (varones adultos), se analizó el
efecto de un programa de intervención, en
Nashville (Estado de Tennessee), durante el
período comprendido entre Enero de 1969 y
Junio de 1971. La variable de medida consistió
en la cantidad media de faltas de
comportamiento por individuo durante este
período.
..//..
52

El 29 de Julio de 1969, la Prisión del Estado
de Tennessee instauró un régimen de modo
que
los
reclusos
con
problemas
conductuales eran trasladados a la Prisión
de máxima seguridad de Brushy Mountain,
en Petros.
..//..
53

La intervención se definió por el traslado desde
una institución de seguridad media (percibida
como más atractiva), a una institución de
máxima seguridad (percibida como menos
atractiva) y, al mismo tiempo, por la
interrupción de la disciplina carcelaria de un
régimen más relajado, que se estaba aplicando
en la Prisión del Estado de Tennessee.
54
Resultados
55
Diseño de cambio de criterio

Una derivación del diseño de caso único A-B
es conocida por diseños de cambio de criterio
(DCC). Y aunque algunos autores lo consideran
como una variante del de línea base múltiple
(Hartmann y Hall, 1976), parece más coherente
analizarlo desde la perspectiva del diseño A-B.
Se trata de un modelo de investigación con una
fase de tratamiento, dividida en una serie de
subfases que van cambiando a medida que el
nivel de respuesta se ajusta a un criterio
previamente establecido (Hall y Fox, 1977).
56
Ejemplo del diseño (Foxx y Rubinoff, 1979)

Un buen ejemplo de diseño de cambio de criterio
es el estudio publicado por Foxx y Rubinoff
(1979), donde se evalúa un tratamiento en la
ingesta habitual de café. Estos investigadores
aplicaron un diseño de cambio de criterio para
probar la efectividad de un programa basado en
el auto-control y en el registro diario de ingesta
de café.
..//..
57

Los sujetos, de acuerdo con el tratamiento
aplicado, recibían recompensas monetarias
adicionales cuando no superaban el límite
propuesto y perdían parte del dinero ganado
cuando lo excedían.
 Los resultados del sujeto 3 se presentan en la
figura 2. Nótese cómo, en el gráfico de la figura
2, las ingestas de café tienden a decaer
gradualmente desde la línea base lo largo de las
distintas fases de tratamiento.
58
Resultados
59
Diseños de reversión de tres y cuatro
fases

Con frecuencia, es difícil atribuir el cambio de
fase con formatos de diseños simples a la
acción del tratamiento, dada la posibilidad del
cambio se deba a factores distintos al
tratamiento y esto puede contribuir a la
confusión del efecto. Una posible solución
consistiría en repetir la fase de cambio en
sentido inverso, A-B-A, es decir, retirando el
tratamiento (Hayes, 1981).
..//..
60

Los diseños de reversión requieren la
retirada de la variable de tratamiento en una
tercera fase conocida por fase crítica.
Mediante esta tercera fase puede
establecerse, con mayor seguridad, si
realmente el tratamiento controla la
conducta objeto de estudio.
..//..
61

Como destaca Hayes (1981), el cambio de
fase
simple
puede
repetirse
indefinidamente, de modo que cada
secuencia forma un diseño completo (A-BA-B; B-A-B). Aplicando esta misma lógica,
pueden compararse dos tratamientos, como
por ejemplo, B-C-B y C-B-C-B.
62
Lógica del diseño

La lógica del diseño de retirada de tratamiento
(DRT) -la más genuina expresión del enfoque de
reversión-, dota al estudio el carácter
propiamente experimental. Así, dado un cambio
en la variable de respuesta con la aplicación del
tratamiento y el regreso a la línea base cuando es
retirado se cuenta con una base empírica para
inferir el efecto controlador del tratamiento. ..//..
63

Dicho en otros términos, si la
discontinuidad de la línea de respuesta
básica coincide con la presencia y retirada
del tratamiento, es razonable esperar que el
tratamiento haya sido la causa de la
discontinuidad.
Supóngase
que
la
discontinuidad se produce con una serie de
aplicaciones y retiradas, en este caso
aumenta la fuerza de una relación causal
entre el tratamiento y los cambios operados
en la variable de medida.
..//..
64

La probabilidad de que factores extraños
sean responsables de estos cambios es muy
pequeña, dado que su coincidencia debería
ser muy alta. La sucesiva aplicación del
tratamiento, en fases distintas, es la razón
por la que este enfoque de diseño sea
conocido por replicación intra-sujeto o por
experimento replicado.
65
 Diseño A-B-A-B
(diseño de retirada
de cuatro fases, DR4F)
66
Ejemplo del diseño (Murphy, Hutchinson y
Bailey, 1983)

En este estudio se pretende comprobar que la
aplicación de juegos organizados a niños
escolarizados reduce el número de actos
agresivos, en los períodos de descanso. Un total
de 300 niños de jardín de infancia, de primer y
segundo grado, sirvieron de sujetos. Se registró
la cantidad de conductas inapropiadas en
períodos de juego de 20 minutos. La figura 3
muestra los resultados de este estudio.
67
Resultados
68
Desventajas de los diseños de
retirada

Según Poling y Grossett (1986), las desventajas
de los diseños de retirada de tratamiento son
tres. En primer lugar, no permiten evaluar los
tratamientos que producen efectos irreversibles.
En segundo lugar, cuando un tratamiento que ha
sido efectivo es retirado y se provoca un cambio
conductual no deseado, entonces el estudio
puede ser considerado éticamente incorrecto,
particularmente en contextos aplicados.
..//..
69
Por último, aunque menos importante que las
dos anteriores, es la gran cantidad de sesiones
de observación que estas estrategias requieren
para conseguir un diseño completo. Amplios
períodos de observación no son siempre
deseables o posibles, en determinados
contextos aplicados o con determinadas
poblaciones de sujetos.
70
Diseños intra-series complejos
71
Modalidades

La estrategia de diseño de sujeto único puede
utilizarse, también, para comparar los efectos de
distintos tratamientos -diseños de tratamiento múltiple
o multi-elemento- y para verificar la combinación de
dos o más tratamientos -diseños interactivos-, y
evaluar tanto los efectos simples como conjuntos. Así,
el investigador puede comparar, siguiendo la estrategia
de cambio de fase, dos o más variables de forma
separada y conjunta. Siguiendo la terminología
propuesta por Hayes (1981) se tendría, en esos casos,
estructuras de cambios de fase complejos.
72
Diseño de tratamiento múltiple y
multi-nivel

Con frecuencia, el investigador desea conocer
el efecto de dos o más tratamientos, cuando
son aplicados de forma secuencial. Lo que se
pretende es estudiar la efectividad de cada
tratamiento cuando es comparado con la línea
base y, en definitiva, evaluar su acción
diferencial. Esto supone un cambio de fase
más complejo, ya que implica combinar
estrategias de cambio simple para cada
tratamiento.
..//..
73

También,
cuando
se
estudia
dos
tratamientos o elementos, son denominados
diseños ABC o de componente o
tratamiento múltiple (Browning y Stover,
1971; Kratochwill y Levin, 1978).
..//..
74
En otros casos, cuando las intervenciones que
se aplican secuencialmente son simples
variaciones del valor inicial, el diseño es
multi-nivel o multi-elemento. La estructura de
este diseño es una combinación de la técnica
de cambio de criterio y la técnica de retirada
(como, por ejemplo A-B1-B2-B3-B4, A-B-AB1-B2-B3, etc,). Algunos autores no
distinguen entre tratamientos o componentes
de tratamiento y representan al diseño por AB-C-D-E.
75
Ejemplo del diseño (Martens et al., 1992)

Se describe el efecto del programa de refuerzo
de IV (intervalo variable) sobre el grado de
dedicación de dos escolares a actividades
académicas. Después de un período inicial de
línea base, se aplicaron programas de refuerzo
de IV. El programa de refuerzo consistía en
elogiar o alabar al individuo cuando realizaba
una actividad académica, que variaba en
intervalos medios de 5, 4, 3 y 2 minutos. ..//..
76

El estudio se realizó en sesiones de 12 a 30
minutos diarios, en una clase elemental de
cuarto grado. Si se observa el sujeto llamado
Jim, se tiene que durante la fase de línea base la
tasa de ocupación fue baja, con una media de
28.7%. Al aplicar el programa de refuerzo de IV
de 5-mn. la media bajó al 17.5%; con un
programa de IV de 4-mn. la media de ocupación
aumentó al 58.8%; con un programa de IV de 3mn. la media se situó al 55.0% y, por último,
con un programa de IV de 2-mn. la media
alcanzó el 79.5%.
..//..
77
Resultado
78
Diseños interactivos

Al comparar los aspectos específicos de las
técnicas terapéuticas o componentes de la
variable de tratamiento, cabe la posibilidad de
que un componente sea añadido o eliminado,
de modo son examinados en estructuras de
cambio más complejas.
..//..
79

Aunque, como señalan Hersen y Balow
(1976) y Hayes (1981), hay una amplia
gama de secuencias específicas, el formato
básico del diseño, conocido por diseño con
componente interactivo, es A-BC-B-BC
que comparte la lógica del diseño de
reversión de cuatro fases (A-B-C-B). ..//..
80

Al igual que el diseño de reversión de cuatro
fases, se empieza con la evaluación de la línea
base de la conducta objeto de cambio. A
continuación se introduce el elemento de
interacción
-combinación
de
aspectos
terapéuticos-, o de tratamiento y se registran los
cambios operados en la conducta.
..//..
81

La tercera fase requiere la retirada de uno de los
componentes de tratamiento, para comprobar si
controla la conducta en cuestión. La cuarta fase
es volver a aplicar el componente eliminado en la
anterior, y en ella debería observarse una
reversión a la fase de combinación o suma de
elementos.
..//..
82

Aunque este modelo comparte la lógica del
diseño de cuatro fases, la cuestión
primordial se reduce a preguntar los
siguiente: ¿Cuál es el efecto combinado de
los dos tratamientos o componentes de
tratamiento en comparación con uno sólo?
..//..
83
Difícilmente podría resolverse esta cuestión con
el formato propuesto, por cuya razón Barlow y
Hersen (1973) sugieren la conveniencia de
evaluar, por separado, cada uno de los
componentes y que, el paso de una fase a la
siguiente, sea el cambio de una variable a un
tiempo.
..//..
84
Ejemplo del diseño (Jason y Liotta, 1982)

La investigación se llevó a cabo en la zona de no
fumadores de una cafetería universitaria,
formada por 13 mesas redondas. Unos
observadores-estudiantes
contabilizaron
la
cantidad de individuos que fumaban uno o más
cigarrillos, y la cantidad minutos que fumaban en
el área señalada.
..//..
85

El diseño siguió la secuencia A-B-A-B-BCB-BC, más una fase de seguimiento. La
intervención o fase B -sólo señales visuales-,
consistió en colocar unas banderitas sobre la
mesa con la siguiente inscripción: "Sección
de no fumadores para la salud y confort de los
clientes". Se coloraron, también, grandes
carteles en las paredes en que se leía lo
siguiente: "Sección de no fumadores. Por
favor no fumar en esta sección".
..//..
86


En la fase BC -señal+indicación verbal-, además
de las señales visuales, un estudiante de la
Universidad se acercara a los fumadores para
decirles lo siguiente: "Estoy encargado del
mantenimiento de esta sección de no fumadores.
Debería de dejar de fumar, o abandonar el área.“
..//..
87

Después de un intervalo de cinco minutos, si
el fumador persistía, de nuevo el estudiante le
llamaba la atención con el siguiente
recordatorio: "Me gustaría de nuevo
recordarle que se halla Ud. en la sección de
no fumadores. Por favor, no fume aquí". Se
utilizó un total de tres estudiantes para las
indicaciones.
88
Resultado
89
Diseños entre-series
90
Concepto

La estrategia de comparación entre-series
requiere la presencia de dos o más registros de
conducta, a lo largo del tiempo. De este modo,
las comparaciones son hechas de forma
repetida entre las distintas series de puntos,
para cada registro de respuesta.
..//..
91

Según Hayes (1981) y Kratochwill et al.,
(1984), cabe distinguir dos clases
fundamentales de diseños entre-series: los
diseños de tratamientos alternantes (DTA),
y los diseños de tratamientos simultáneos
(DTS). Tanto un formato como otro
compara dos o más intervenciones en el
tiempo.
92
Ejemplo del diseño (Agras et al., 1969)

Se evaluó el efecto del refuerzo social en una
mujer claustrofóbica de 50 años. Esta paciente
era incapaz de permanecer en una habitación
cerrada, subir en ascensor, ir al teatro o cine, e
incluso conducir el coche a largas distancias. Se
midió la fobia, registrando el tiempo que la
paciente era capaz de permanecer sentada en una
pequeña habitación sin ventanas.
..//..
93

El programa consistió en la intervención de
dos terapeutas que trataban a la paciente en
dos sesiones, respectivamente. El terapeuta 1
proporcionaba alabanza cuando la mujer
superaba el tiempo de permanencia en la
habitación, y el terapeuta 2 sólo mantenía con
ella una relación agradable.
..//..
94

En una primera fase de intervención, el terapeuta
1 dio refuerzo, mientras que el 2, no lo dio. En la
segunda fase de intervención, los terapeutas
cambiaron sus roles, y en la tercera, volvieron a
la situación inicial. La figura 6 muestra que en
una situación de alternancia, la paciente fue
capaz de discriminar al terapeuta que aplicaba
refuerzo del que lo no aplicaba.
..//..
95

Se puede concluir, que fue más efectivo el
tratamiento de refuerzo con alabanza, que la
simple relación agradable.
96
Resultado
97
Diseños de series combinadas
98
Concepto

Con los diseños de series combinadas se realizan
comparaciones intra-series y entre-series. El
modelo que mejor se ajusta a esta estrategia es el
diseño de línea base múltiple (DLBM), o
secuencia escalonada de series A-B. Según este
formato, el investigador registra dos o cuatro
conductas objeto y aplica el mismo tratamiento
de forma secuencial en el tiempo (Kazdin y
Kopel, 1975).
..//..
99

Las principales variaciones del modelo
consisten en tomar registros de conductas
diferentes de un mismo sujeto (o grupo de
sujetos), de la misma conducta en sujetos
distintos, y de la misma conducta del individuo
pero en situaciones diferentes.
..//..
100

El uso de estos diseños requiere asumir que
las variables de registro o conductas objeto
han de ser sensibles al mismo tratamiento e
independientes entre sí; es decir, sólo ha de
observarse un cambio a partir del punto de
intervención o aplicación del tratamiento.
..//..
101

Nótese que las distintas líneas base actúan de
controles y sirven para contrastar el efecto del
tratamiento (programa o intervención). La
lógica del diseño es que sólo se infiere el
impacto del tratamiento cuando el cambio se
produce escalonadamente y es función de la
sucesiva aplicación de los tratamientos a las
distintas conductas, sujetos o contextos. ..//..
102

En la medida que se produzca un cambio,
en el sentido esperado y a partir del punto
de aplicación del tratamiento, es posible
inferir que el tratamiento es la causa de la
variación observada.
103
Ejemplo del diseño (Domash et al., 1980)

Un ejemplo de diseño de línea base múltiple, en
el ámbito de la delincuencia, es la evaluación de
un programa de ayuda, para la preparación de
informes casos, a los oficiales de policía. En
este estudio, los oficiales de policía fueron
asignados aleatoriamente a dos grupos.
..//..
104

Después de una fase inicial de línea base en
que se controlaron los informes realizados
por cada grupo, los oficiales de un grupo
pasaron a la sala especial de Preparación de
Casos. En esta sala especial los oficiales
recibieron instrucciones para realizar
informes de investigación criminal. ..//..
105

Mientras tanto, el resto de oficiales
realizando los informes sin ayuda alguna
especial. Los informes fueron controlados
en ambos grupos. Al cabo de un tiempo, los
oficiales del segundo grupo acudieron,
también, a la sala especial de Preparación
de casos.
..//..
106

Los resultados de este estudio muestran que
tras pasar por la sala de preparación, los
informes fueron más documentados, se
realizaron en un tiempo menor después del
arresto, fueron más satisfactorios y mejor
evaluados por el Ayudante del Fiscal del
Distrito.
107
Resultado
108
ESQUEMA GENERAL
Diseño y datos
Modelos de análisis
Análisis visual de los datos
Análisis estadístico de los datos
Ejemplos con el programa SPSS
ANÁLISIS DE DATOS
109
Concepto de diseño
 El
diseño es una estrategia particular de
recogida de datos y es función de los
objetivos o hipótesis propuestos.
 Los diseños experimentales son clásicos (de
grupos) y de sujeto o caso único.
110
Cuestión fundamental
 ¿Cuál
es la relación entre diseño (estudio)
matriz de datos y modelo de análisis?
 ¿Cuál es la estructura de cualquier
investigación científica?
111
Estructura de la investigación
en ciencias sociales
Diseño
Datos
Modelo análisis
Problema
Estadístico
Hipótesis
Estimación
Variables
Inferencia
Modelo de escala
112
A modo de resumen
 Se
ha visto la secuencia entre las tres fases o
momentos de una investigación: diseño,
datos y análisis.
 En toda investigación importante conocer
no sólo el formato del diseño sino también
los distintos procedimientos o técnicas de
análisis.
113
Análisis visuales
Modelos
de
análisis
Análisis estadísticos
114
ANÁLISIS VISUAL DE LOS
DATOS
115
Análisis visual de los
datos
Métodos basados en técnicas visuales
Parsonson y Baer, 1978, 1986, 1992
116
Técnicas visuales
Criterios
1. Estabilidad de la línea base (a-l)
2. Variabilidad intra-fase (q-t)
3. Cambios de nivel entre fases (b)
4. Solapamientos de los registros (t)
5. Variabilidad entre fases (s)
6. Cantidad de puntos
7. Cambio tendencia intra fase (k)
8. Cambio de tendencia entre fases adyacentes (p)
9. Evaluación global de los datos del diseño
117
118
119
ANÁLISIS ESTADÍSTICO
DE LOS DATOS
120
Análisis estadístico de los datos
Pruebas no
paramétricas
Pruebas paramétricas
Prueba de la
aleatorización
Mínimos cuadrados
generalizados
121
PRUEBAS NO
PARAMÉTRICAS
122
Análisis estadísticos
no paramétricos
Pruebas basadas en la aleatorización
•Aleatorización de estímulos
(Edgington, 1992).
123
Pruebas basadas en la
aleatorización de los estímulos
Han sido propuestas por Edgington, 1967, 1969,
1992.
Se aplican a datos directos y a datos de rangos.
Son procedimientos apropiados a diseños de
tratamientos alternantes, diseños de dos fases
(A-B) (también a diseños de línea base
múltiple).
124
Pruebas de la aleatoriedad
Los métodos o pruebas de la aleatoriedad son
descritas por Edgington (1967, 1969, 1992),
Kratohwill y Levin (1980) y por Levin et al.,
(1978), y se aplican a datos directos y a datos de
rangos y, en ningún caso, requieren la asunción
de muestreo aleatorio.
125
Generalmente, con datos de rangos, es
preferible usar pruebas más familiares, como
la U Mann-Whitney o la prueba del Signo.
Por esta razón, se suele reservar el término de
prueba de la aleatoriedad para los datos u
observaciones directas.
126
Las pruebas basadas en la aleatoriedad son no
paramétricas dado que no requieren el
presupuesto de muestreo aleatorio a partir de una
población. Por tanto, asumen que las ocasiones
de observación (ensayos) o bien los estímulos
(tratamientos) son asignadas al azar. Bajo
hipótesis nula, no cabe esperar un efecto
diferencial de los tratamientos a través de las
distintas ocasiones de observación.
127
Por último, destacar que, con datos originales y
con estadísticos descriptivos derivados de estos
datos, se requiere más trabajo computacional
que con datos de rangos.
128
Prueba de la aleatoriedad con
datos directos y de rangos
129
A) Diseño de tratamientos alternantes.
Edgington (1980)
Se pretende probar la efectividad de dos
procedimientos de refuerzo, A y B, a lo largo de
ocho días, sobre la frecuencia de ocurrencia de
una determinada respuesta. Los ocho días
coinciden con las ocho sesiones de tratamiento
en que el sujeto es observado bajo la acción de
uno u otro tratamiento.
130
Para ello, se seleccionan al azar cuatro días
y se aplica el tratamiento A. A los cuatro
días restantes se aplica el tratamiento B. En
ambos casos, al mismo sujeto.
131
Se trata de conocer qué tratamiento es más
efectivo.
Así, hay un total de 8!/4!4! = 70 posibles
aleatorizaciones o permutaciones. Bajo hipótesis
nula, se asume que la respuesta del sujeto bajo
un tratamiento es la misma que la observada
bajo el otro.
132
Datos del estudio
Tabla 1. Datos con dos métodos de refuerzo
Días o Sesiones
Tratamientos
Respuestas
Rangos
1 2 3
4
5 6
7 8
B A B B A B A A
20 16 18 22 19 20 15 17
6.5 2
4
8
5 6.5 1 3
133
Prueba de la t de Student
134
Con la t, para muestras independientes, se
calculan las diferencias entre las medias de las
fases B y A: 20 - 16.75 = 3.25. El valor de t es,
en es caso, 2.75 (valor muestral observado). A
continuación, se calcula el valor de t para todas
las posibles permutaciones, de modo que los
ocho datos se reparten entre A y B (cuatro por
tratamiento).
135
Con ello, se consigue la distribución de t y
derivar de esta distribución la probabilidad de
significación. A tal efecto, se computa el
número de valores de t que son iguales o
mayores al observado (es decir, iguales o
mayores que 2.75).
136
Del ejemplo se tiene que, en valores absolutos,
hay sólo cuatro valores de la distribución que
son tan grandes como el valor empírico del
estadístico (2.75).
Luego, se calcula el valor o probabilidad de
significación que, para una prueba de dos colas,
es de 4/70 = 0.057 (hay dos valores de la
distribución, iguales o mayores a 2.75, en
ambos extremos de la distribución).
137
Se infiere que la probabilidad de que se den
valores tan grandes o mayores que el
observado es de p = 0.057, con la prueba
bidireccional o de dos colas. En consecuencia,
los resultados son no significativos.
138
En cambio, con la prueba unidireccional donde
se predice que el tratamiento B es superior al A
(desestiman los resultados con signo negativo),
la significación por 2/70 = 0.029 con p = 0.029.
139
Resultado final
Se concluye que, con una prueba de carácter
exploratorio, los resultados no son
significativos, dado que superan el nivel de
significación estándar (p > 0.05).
Sí, en cambio, son significativos con la
prueba de carácter confirmatorio, dado que el
nivel de probabilidad es inferior a 0.05.
140
Prueba de Mann-Whitney
141
Supóngase, a continuación, que no se trabaja
con la frecuencia de respuesta y que se ordenan
los datos por rangos, de menor a mayor (última
fila de la tabla 1).
La suma de los rangos, para A y B, es ΣR(A)=
11 y ΣR(B) = 25. Con estas sumas de rangos, es
posible aplicar la prueba de U de MannWhitney considerada como una prueba de la
aleatorización para datos de rangos.
142
Con los datos del estudio se obtiene:
n2(n2 + 1)
U = n1n2 + [----------------] - ΣR(B)
2
(4)(5)
= (4)(4) + [------------] - 25 = 1
2
143
El valor observado del estadístico U es 1.
Entrando en las tablas de significación de la
U de Mann-Whitney, con n2 = 4 y n1 = 4, se
halla un valor de p = 0.029 para una prueba
de una cola, y un valor de p = (0.029)(2) =
0.058 para una prueba de dos colas. Estos
valores de significación coinciden con los
obtenidos mediante la prueba de
aleatorización.
144
B) Diseño experimental A-B.
Edgington (1980a)
Según esta estrategia, se determina al azar la
cantidad de intervalos de observación o
bloques asociados a cada condición de
tratamiento. Obviamente, el experimentador no
está interesado en seleccionar un punto de
intervención que esté muy cerca del principio o
del final de la secuencia. Es lógico que ambas
condiciones o períodos tengan una mínima
cantidad de bloques, con el fin de evaluar la
efectividad de la intervención.
145
Con base a la restricción impuesta, el
experimentador decide tener, como mínimo,
cinco bloques de observaciones por condición.
Así, con 20 observaciones, la intervención no es
anterior al bloque 6 ni posterior al 16. En
consecuencia, la asignación aleatoria de la
intervención consiste en seleccionar un número
entero entre los bloques 6 al 16; es decir, uno de
los 11 bloques (del 6 al 16) es seleccionado al
azar para aplicar el tratamiento.
146
Datos del estudio
Tabla 2. Datos hipotéticos de frecuencia de respuesta. Diseño A-B
Bloques
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Tratamientos A A A A A A B B B B B B B B B B B B B B
Respuestas 3 4 5 4 3 4 7 8 7 8 9 7 8 8 7 9 8 8 9 9
147
Tabla 3. Agrupación de los bloques según las 11
posibilidades de aplicación de la intervención
B
A
B
A
15
14
13
12
11
5
6
7
8
9
10
9
8
7
6
5
10
11
12
13
14
15
148
Estadístico de la prueba
Con la prueba de una cola y con la expectativa de que el
tratamiento producirá valores de frecuencia más grandes
que la condición control, se aplica el estadístico de la
diferencia de medias:
_
_
_
d = YB  YA
Se calcula el valor del estadístico de los 11 posibles
bloques que pueden ser seleccionados para la
intervención; es decir, de los bloques 6 al 16.
149
Tabla 4. Valores de diferencia de medias de las
11 permutaciones.
116/15 - 19/5 = 3.93
112/14 - 23/6 = 4.17
105/13 - 30/7 = 3.79
97/12 - 38/8 = 3.33
90/11 - 45/9 = 3.18
82/10 - 53/10 = 2.90
73/9 - 62/11 = 2.47
66/8 - 69/12 = 2.50
58/7 - 77/13 = 2.36
50/6 - 85/14 = 2.26
43/5 - 92/15 = 2.47
150
El valor del estadístico de la primera
permutación de los datos o bloques se obtienen
de la diferencia entre la media de las 15
observaciones últimas y la media de las 5
primeras, d = 3.93. El valor del estadístico de la
segunda permutación es 4.17. Este valor
coincide con el resultado del experimento, y se
obtienen de la diferencia entre la media de 14
observaciones de tratamiento y la media de las
primeras 6 observaciones control. Y así se sigue
con las restantes nueve permutaciones de datos.
151
Resultado
De la tabla 11, se concluye que sólo la
permutación que coincide con la disposición
del experimento resultado del experimento,
tiene un valor tan grande como 4.17. El valor
de p del resultado es 1/11 = 0.091, lo que no
permite al investigador inferir la significación
del resultado. Esto es atribuible al escaso
número de permutaciones que el experimento
permite.
152
Ejemplos resueltos con SPSS








Datos
Edgington_A-B(ejemplo1)
Sintaxis
DESIGN1 (datos tabla 1)
Analizar (datos tabla 1)
Prueba no paramétrica de
2 muestras independientes
Edgington_A-B(ejemplo2)
DESIGN2 (datos tabla 2)
Edgington_A-B-A(ejemplo3) DESIGN3
Edgington_A-B_basemúltiple(ejemplo4)
DESIGN4
153
Mínimos cuadrados
generalizados (MCG).
Paso a paso
154
Modelo: Yt=b0+b1Tt+b2Xt+et
Paso 1: MCO estimación parámetros (b0, b1, b2),
recuperando los residuales
Paso 2: estimación de la autocorrelación (d-DurbinWatson):
Ausencia de autocorrelación: Paso 1
Presencia de autocorrelación: Paso 3
Paso 3: MCG
corrección de los datos
Y1  Y1 1   1
*
2
Y t  Y t   1 Y t 1
*
Estimación parámetros (b0, b1, b2)
155
Paso
1
Paso 1
Mínimos cuadrados ordinarios (MCO):
Se estiman, por este procedimiento, los
parámetros del modelo de la regresión
inicialmente propuesto.
Se pide al programa el estadístico de DurbinWatson sobre los residuales del modelo.
156
Paso 2
La prueba de Durbin-Watson asume, por
hipótesis nula, la no autocorrelación entre los
residuales.
157
Estadístico d de Durbin-Watson
n
d 

( et  et 1 )
2
t2
n

2
et
t 1
•Si d < dL
Autocorrelación positiva
•Si d > dU
No Autocorrelación
•Si dL < d < dU
La prueba es indecisa
1 = 1 - d/2
158
NA(H0) d <
dL
< d A(H0)
dU
159
Inferencias de la prueba de D-W
Si d < dL, se rechaza la hipótesis, H0, de
que los términos ‘e’ no están
correlacionados, a favor de la hipótesis de
autocorrelación positiva (hay correlación
entre los términos ‘e’).
Si d > dU, no se rechaza la hipótesis de
nulidad (no hay correlación), H0.
Si dL < d < dU, la prueba es indecisa.
160
Paso 3
Si la prueba de Durbin-Watson lleva a inferir
la presencia de autocorrelación en los
residuales, se corrigen los datos mediante la
aplicación del criterio de mínimos cuadrados
generalizados (MCG). Para ello se procede con
al paso 3.
161
MÍNIMOS CUADRADOS GENERALIZADOS
(MCG)
Paso 1
Yt=b0+b1Tt+b2Xt+et
MCO
Y t = Yˆt + e t
d Durbin-Watson
No Autocorrelación
Paso 2
et
= Y t - Yˆt
Autocorrelación
MCG
Yt*=b0+b1Tt+b2Xt+et
162
Modelo de la regresión para el diseño
experimental de sujeto único
Yt = b0 + b1Tt + b2X + et
Yˆ
Se asume la independencia de los residuales
163
Paso 1
Paso 2
MCO
Cálculo de
residuales
Paso 3
Corregir datos por
la dependencia
MCG
Estimación de:
ρ1 = 1 – d/2
b0 = constante
b1 = efecto de T
(tiempo)
b2 = efecto de X
(programa)
e1 = Y1 - Ŷ
e2 = Y2- Ŷ
........
et = Yt - Ŷ
_____
Y1* = Y1√ 1- ρ12
Y2* = Y2 - ρ1Y1
..............
Yt * = Yt - ρ1Yt-1
Estimación
por MCO de los
parámetros
del modelo
corregido
Prueba D-W (d)
A(H0)
d
NA(H0)
NA(H0) d <
< d A(H0)
dL
dU
164
Ejemplos resueltos con SPSS

Datos
Diseño_AB_reg(ejemplo1)
Sintaxis
DESIGN_AB_reg(ejemplo1)
(datos tabla 2)
Diseño_ABA_reg(ejemplo2)
DESIGN_ABA_reg(ejemplo2)
Diseño_ABAB_reg(ejemplo3) DESIGN_ABAB_reg(ejemplo2)
Murphy1
Sintaxis_Murphy_1
165
FIN DISEÑOS
EXPERIMENTALES DE
SUJETO ÚNICO
CURSO DE DOCTORADO/
MASTER
166
Descargar

Presentación de PowerPoint