04.

Métodos de investigación en el estudio de diferencias individuales

Contenidos

1. 1 Investigación en diferencias individuales

1. 1.1 Las dos disciplinas de la psicología científica
1. 1.1.1 La psicología experimental
2. 1.1.2 La psicología correlacional
2. 1.2 Diseños de investigación en el estudio de las diferencias
individuales
3. 1.3 Técnicas multivariadas en el estudio de las diferencias
individuales
4. 1.4 Manipulabilidad de los diseños
1. 1.4.1 Diseños ex-post-facto
2. 1.4.2 Diseños cuasiexperimentales
5. 1.5 Temporalidad de los diseños
1. 1.5.1 Diseño transversal
2. 1.5.2 Diseño longitudinal

El Cubo de Datos de Cattell o la matriz básica de datos representa los

diferentes tipos de relaciones bivariadas que pueden darse entre las
variables objeto de estudio. En concreto, las relaciones entre las variables
pueden representarse mediante un cubo cuyas tres dimensiones se
corresponden con las tres fuentes de variación existentes: personas (o
individuos), situaciones (tests) y ocasiones (tiempo). Cada una de las caras
del cubo representa un tipo de relación bivariada posible, es decir, se ponen
en relación dos de las tres variables (o dimensiones) y se mantiene
constante la tercera.

El Cubo da lugar a seis tipos de análisis bivariados:

 La técnica R (la más frecuente) y la técnica Q estudian en una sola

ocasión personas y tests. La primera correlaciona pares de variables
(tests) en múltiples personas y trata de hallar factores que los
agrupen; y la segunda correlaciona individuos a través de múltiples
tests con el fin de formar grupos de individuos. Ambas técnicas no
nos informan sobre la variabilidad intraindividual.
 Las técnicas P y O estudian en un único sujeto las relaciones entre
ocasiones y tests. La primera estudia el cambio intraindividual y la
segunda se centra en determinar qué grupo de situaciones afectan a
una persona a lo largo del tiempo.
  Las técnicas S y T estudian en una variable concreta las relaciones
entre ocasiones y personas. La primera determina las semejanzas y
diferencias que hay entre un grupo de personas en función de una
conducta objeto de estudio; la segunda las estudia entre ocasiones
de observación de esa particular variable en la muestra de personas.

Investigación en diferencias individuales

Las dos disciplinas de la psicología científica

La psicología experimental

El objetivo fundamental es comprender los fenómenos estudiados

basándose en la causalidad provocada experimentalmente bajo control del
investigador. Trata de encontrar Leyes Generales, y, en última instancia, lo
que busca es explicar, predecir y controlar el comportamiento humano.

La Psicología experimental sigue el principio de causalidad y se enmarca

dentro del paradigma Estímulo-Respuesta (E-R). Realiza un análisis
sistemático de los efectos producidos sobre la denominada variable
dependiente a partir de la manipulación de otra independiente, manteniendo
constante cualquier otro parámetro que pudiera incidir sobre la relación
funcional objeto de estudio y que pudiera contaminar los resultados
obtenidos.

Mediante el control se trata de garantizar, en la medida de lo posible, que

todos los cambios de la VD se deban exclusivamente a la manipulación de
la VI, es decir, que el experimento tenga una elevada validez interna
eliminando la varianza de error que pudiera interferir. Ya que el interés de
la orientación experimental es estudiar la “varianza entre tratamientos”, se
procura suprimir la influencia de las diferencias individuales, que en este
ámbito representan un tipo de “varianza error a desestimar”.

En este sentido, se trata de reducir la varianza de error formando grupos

experimentales que sean homogéneos en las variables organísmicas. Dicha
homogeneización se obtiene mediante la asignación aleatoria de cada sujeto
a los distintos grupos experimentales sobre los que posteriormente se
aplicará una condición de la VI. Otro aspecto que contribuye a minimizar la
influencia de la variabilidad individual es contar con un número elevado de
sujetos por cada grupo experimental. Por tanto, una vez garantizado esto,
se debe realizar un riguroso control manipulativo sobre las variables
situacionales.
El tipo de experimento que se realiza bajo este paradigma es “provocado”
por el experimentador pues crea artificialmente una situación controlada
para poder detectar las relaciones causales existentes entre las variables
que estudia.

Desde el punto de vista estadístico, el método experimental en sus

comienzos descriptivos se basó en la estimación de los parámetros de
tendencia central o promedio, claro predominio del “Análisis de Varianza”
(AVAR).

La psicología correlacional

La psicología correlacional se basa en el principio de correlación y se

enmarca dentro del paradigma Respuesta-Respuesta (R-R); mediante las
estrategias correlacionales se intenta descubrir las posibles relaciones de
covariación (variación conjunta) entre múltiples variables. No se habla en
términos de causalidad sino en términos de covariación entre múltiples
variables y de cómo se agrupan éstas entre sí.

El objetivo es describir, ordenar y clasificar los datos observados (no

controlables experimentalmente) y tal y como se manifiestan éstos en la
naturaleza.

La PD estudia variables endógenas que no se pueden manipular

experimentalmente, ya sea por razones externas a la variable (aspectos de
carácter ético o histórico) o debido a causas internas a la misma (naturaleza
no modificable).

La metodología correlacional se mantiene en estadios descriptivos relativos

a las interdependencias existentes entre las variables consideradas.

Exige tratamientos uniformes (control de las variables ambientales o

situacionales) para garantizar, en mayor medida, la validez externa de las
diferencias individuales observadas.

En cuanto a las técnicas estadísticas, los psicólogos correlacionales en sus

comienzos se centraron en parámetros de dispersión como la desviación
típica y la varianza; más adelante, desarrollaron el coeficiente de
correlación para estudiar las semejanzas hereditarias, lo cual transformó la
investigación diferencial descriptiva en el estudio de la organización mental.
Esta técnica representó el punto de partida del Análisis Factorial.

Diseños de investigación en el estudio de las diferencias individuales

Las distintas estrategias técnico-metodológicas de investigación estarán
vinculadas a una serie de técnicas estadístico-analíticas que posibilitarán el
logro de los objetivos propuestos. Si bien las hipótesis descriptivas y
predictivas han sido las habituales en una PD de corte clásico, cada vez un
número mayor de investigaciones parten de hipótesis de carácter
explicativo asociadas a modelos teóricos. Según Burgaleta et al. (1991), tres
serán las cuestiones a dilucidar:

 Identificar la función que cumplen las variables analizadas al

operativizar las hipótesis.
 Identificar las variables extrañas y modeladoras, a fin de establecer
los procedimientos adecuados para su control.
 Elegir las técnicas de análisis de datos adecuadas a las hipótesis
planteadas.

De acuerdo con Arnau (1989), los teóricos del método científico han
distinguido tradicionalmente tres tipos de estrategias de investigación:

 La descriptiva.
 La correlacional (método selectivo).
 La manipulativa.

Técnicas multivariadas en el estudio de las diferencias individuales

Las técnicas multivariadas con las herramientas estadísticas más utilizadas

en la PD. El concepto multivariado se refiere a un amplio rango de
estrategias de investigación y de análisis de datos con muchas variables
simultáneamente. Estos análisis, representados en la figura 4.3., se dividen
en técnicas o modelos de interdependencia (vinculados al paradigma R-R, de
carácter descriptivo y basados en la covariación entre las variables
estudiadas) y de dependencia (vinculados al paradigma E-R)

Además de este criterio clasificatorio, se ha considerado el tipo de escala

de medida de las diferentes variables estudiadas. En concreto, las variables
pueden ser de dos tipos:

 Métricas (cuantitativas), ya que se puede medir la cantidad o

magnitud que en esa variable presenta cada sujeto. Además permite
comparar en una escala graduada en unidades iguales la puntuación
de cada sujeto con respecto a los demás (altura, peso, etc.).
 No métricas (cualitativas), aquellas que sólo designan una cualidad o
atributo del fenómeno a estudiar pero no permiten una
cuantificación. Por ejemplo, se puede identificar a una persona como
 hombre o mujer, pero no se puede medir el grado en que un hombre
es persona.

En resumen, la elección de un análisis multivariante concreto estará

condicionado por el modelo seguido, por la escala de medida de cada
variable, por el número de variables y por el objeto de estudio propuesto.

A) Técnicas de interdependencia: estudian la covariación entre múltiples

variables, y permiten describir, clasificar y hallar estructuras latentes (o
constructos) de interés en los fenómenos estudiados. Los datos se reducen
a dimensiones para poder extraer una estructura que facilite describir los
fenómenos de estudio.

B) Técnicas de dependencia: estudian una serie de variables

independientes para predecir y explicar una o más variables dependientes.
Permiten valorar el grado de relación que hay entre variables dependientes
e independientes.

Manipulabilidad de los diseños

Diseños ex-post-facto

Según Kerlinger (1973), la investigación ex-post-facto es una búsqueda

sistemática empírica, en la cual el científico no tiene control directo sobre
las VI, porque ya acontecieron sus manifestaciones o por ser
intrínsecamente no manipulables. Se hacen inferencias sobre las relaciones
entre ellas, sin intervención directa, a partir de la covariación concomitante
de las VI y VD.

Los diseños ex-post-facto se caracterizan por:

 El investigador no puede manipular ni tampoco modificar la VI, puesto

que ya viene dada.
 El investigador, al no poder realizar una asignación aleatoria de los
sujetos a las condiciones experimentales, lleva a cabo una selección
de los sujetos en función de que posean o no determinadas
características relacionadas con la VI.

En estos diseños, se concibe la VD como el constructo descriptivo que debe

explicarse, y la VI aquella que tiene valor explicativo, siendo la VI anterior a
la VD.
Se establecen dos tipos de diseños, también denominados métodos
comparativos:

a) Diseños correlacionales: engloban todos aquellos procedimientos

destinados a explorar y estructurar un campo de observación dado, así como
al estudio de hipótesis de naturaleza meramente relacional, si bien con
grados diversos de complejidad y aproximación a niveles inferenciales de
orden explicativo. Pueden seguir objetivos:

 Descriptivos: Los “diseños correlacionales de covariación” o

descriptivos son de gran utilidad en campos poco estudiados o
demasiado complejos para establecer taxonomías o dimensiones
básicas. Según los propósitos de la investigación se pueden distinguir
los siguientes apartados:
o Análisis de relaciones: siempre que el objetivo básico de la
investigación sea conocer las relaciones entre variables de
interés, las estrategias adecuadas serán de tipo correlacional.
o Análisis de estructuras: se refiere a la posibilidad de
encontrar las estructuras subyacentes que puedan inferirse
de la realidad observada y de reducir un cúmulo de variables a
un número restringido y parsimonioso de agrupaciones
significativas de carácter conceptual (hipotéticas). Para lograr
este objetivo se recurre a técnicas multivariadas de
interdependencia (ver Fig. 4.3)
 Predictivos: cuando el conocimiento de las variables que se van a
estudiar permite establecer una división entre variables predictoras
(VI) y variables criterio (VD), técnicas como al análisis de regresión
(simple o múltiple), el análisis discriminante o la correlación canónica
permiten estimar la potencia predictiva del modelo previo elaborado.
La elección de un tipo de análisis u otro estará en función de la
naturaleza de las variables (métrica o no métrica) y del no de
variables predictivas y criterio. En este sentido, los modelos de
regresión permiten estimar, a partir del análisis de las relaciones
entre los datos recogidos, los valores o magnitudes de cambio.
 Explicativos: o también llamados “diseños correlacionales causales”,
según Hair et al. existen cuatro criterios imprescindibles para
realizar afirmaciones causales: asociaciones suficientes entre dos
variables, antecedentes temporales de la causa frente al efecto,
falta de alternativas a las variables causales y una base teórica para
la relación. Las principales ventajas para la PD es que permiten
trabajar con variables latentes a los indicadores externos con los
 que se trabaja y concluir acerca del ajuste de los datos desde un
modelo estadístico a un modelo teórico postulado a priori.

El Análisis Factorial exploratorio es una técnica multivariante de

interdependencia que estudia las interrelaciones entre un elevado número
de variables observadas (también denominadas manifiestas, iniciales o
patentes).

Su objetivo es extraer la información que se oculta en estas variables,

obteniendo un conjunto más pequeño de variables latentes denominadas
factores.

Para realizar un análisis factorial es preciso seguir las siguientes fases:

 Seleccionar las variables a factorizar según el objeto de estudio.

Las variables deben ser cuantitativas continuas.
 Calcular la matriz de correlaciones entre variables. Esta matriz
muestra las correlaciones existentes entre todas las variables
iniciales.
 Extraer la matriz factorial básica. De esta forma se obtienen las
dimensiones iniciales que explican la mayor parte de la variabilidad
común entre las variables iniciales.
 Rotar la solución factorial siguiendo unos criterios determinados,
facilitando la interpretación de las relaciones entre las variables.
Existen dos tipos de rotación diferenciados: oblicua (permite
establecer estructuras factoriales de tipo jerárquico basadas en la
sucesiva factorización de los factores obtenidos en niveles previos
de carácter más específico) y ortogonal (técnica y matemáticamente
más adecuada ya que se entiende que los factores representan
dimensiones independientes entre sí).
 Interpretar conceptualmente la matriz factorial rotada.

Las principales controversias en torno a este análisis son las siguientes:

 La interpretación de la solución factorial obtenida, que presenta un

cierto grado de subjetividad.
 El tipo de rotación factorial utilizado. Desde un punto de vista
matemático es mejor la ortogonal, porque entiende que los factores
representan dimensiones independientes entre sí y la solución es más
fácilmente interpretable. Cuando los datos están relacionados es
mejor utilizar la oblicua.
En sentido psicométrico uno de los debates más relevantes fue
protagonizado por Spearman y Thurstone. Ambos utilizaron el análisis
factorial, pero de diferente rotación; Spearman encontró un solo factor
general de capacidad mental y diversos componentes residuales, y
Thurstone postuló la existencia de 7 factores primarios independientes
relacionados con las capacidades mentales.

b) Diseños propiamente comparativos: Son calificados de planes

experimentales que, a diferencia de los anteriores, no están fundamentados
en la estimación de covariaciones sino en el análisis comparativo de valores
medios. Se pretende estudiar si existen diferencias estadísticas
significativas al comparar las puntuaciones medias que obtienen diferentes
grupos en la VD de interés. A diferencia de los experimentos, en estos
diseños no se pueden manipular las VI para observar los cambios producidos
en la VD y tampoco se pueden formar los grupos mediante una
aleatorización de los sujetos.

Diseños cuasiexperimentales

Son aquellos estudios en los que, si bien no puede establecerse una

aleatorización de los sujetos, sí pueden manipularse, de forma sistemática,
las condiciones o tratamientos a los estos sujetos experimentales son
expuestos.

Por sus características son considerados por muchos autores como el

auténtico puente entre dos aproximaciones extremas, la experimental y la
correlacional.

En el estudio de las diferencias individuales, representan una vía de análisis

que hace más factible el contraste de hipótesis relativas a los procesos
subyacentes y al valor funcional de las variables personales a través del
estudio de la interacción con el contexto o, de forma más específica,
mediante aquellas manipulaciones experimentales diseñadas al efecto.

Temporalidad de los diseños

Históricamente se han diferenciado dos tipos de diseños temporales o

evolutivos: transversales y longitudinales. Ambos tienen como objeto
genérico de estudio los cambios vinculados a la edad cronológica (VI) en
la VD.

La edad cronológica es una variable de selección, no manipulable

experimentalmente, pero proporciona un mayor juego metodológico que el
resto de variables de selección, porque además de permitir realizar
comparaciones intergrupales en función de la edad, posibilita estudiar el
cambio que se produce a lo largo del tiempo.

La edad no es la causante del cambio sino los procesos evolutivos que actúan
en función de la edad, tales como la maduración, el aprendizaje y la
interacción entre ambos.

Diseños transversales Diseños longitudinales

Recogida de Sincrónica Diacrónica
datos
Diseño Intersujeto (o de Intrasujeto (o de medidas
medidas independientes) repetidas)
Variable Un único momento Una única muestra
constante temporal generacional
Objeto de Las diferencias entre Cambios (variación con la
estudio edades edad
Procedimiento Comparar diferentes Estudiar la evolución de cada
grupos de edad en la VD sujeto a lo largo del tiempo en
la VD
Aspectos Mayor economía, Mayor garantía explicativa
positivos facilidad y rapidez Análisis real de los cambios
Baja tasa de abandonos observados
Control de los efectos Control de los efectos de
históricos cohorte
Principal sesgo Los efectos de cohorte o Los efectos históricos o del
metodológico de generación aprendizaje

Diseño transversal

El diseño transversal recoge los datos de manera sincrónica, se estudia en

un “mismo momento temporal” una variable dependiente determinada en
diferentes grupos de sujetos seleccionados según la edad cronológica.

El objeto de este diseño es estudiar las diferencias entre edades, y por

tanto, se emplea un diseño intersujeto o de medidas independientes.

Este tipo de diseños han sido y son profusamente utilizados por la mayor
economía, facilidad, rapidez, tanto de aplicación como de obtención de
datos. También muestran una tasa baja de abandonos y permiten controlar
los defectos históricos.

Las principales limitaciones de estos diseños son las siguientes:

 El efecto de cohorte: es inevitable, al comparar generaciones,

existen influencias propias de cada generación.
 Dificultad para establecer con propiedad relaciones causales: ya que
la variable edad no se puede manipular experimentalmente.
 No se sabe hacia dónde se puede dirigir el cambio de cada
generación, o de cada individuo particular.
 En cada generación evaluada se incluyen sujetos de la misma edad
cronológica, pero con una edad mental, edad biológica o edad social
distintas.

Diseño longitudinal

El diseño transversal obtiene los datos de manera diacrónica, se estudia en

“distintos momentos temporales” el cambio que se produce vinculado a la
edad en la variable dependiente de interés.

Ya que el objeto de interés de esta metodología es estudiar el cambio a lo

largo del tiempo de los mismos sujetos o grupos, se emplea un diseño
intrasujeto o de medidas repetidas.

Estos diseños son muy necesarios y útiles, porque además de estudiar el

desarrollo de un sujeto a lo largo del tiempo, controlan el “efecto de
cohorte”, por eso también se les llama “diseños intracohorte”.

En suma, el diseño longitudinal simple (o secuencial) permite estimar

directamente los efectos ocasionados por la edad. Sus limitaciones son las
siguientes:

 Efectos históricos o efectos del aprendizaje. Se puede confundir el

efecto de la edad con el efecto asociado al momento en que se
realizó la prueba.
 Mayores costes de realización y organización que los diseños
transversales.
 Elevada tasa de abandonos (=”mortandad experimental”)
 Ausencia de equivalencia en los instrumentos de evaluación empleados
para edades diferentes.
 Ceñirse al estudio de una sola generación, limita la investigación a un
análisis de los efectos propios de una sola generación.
Los investigadores motivados por estas limitaciones han sugerido algunas
modificaciones:

 Diseño Longitudinal transverso: combina ambos diseños mediante un

seguimiento longitudinal de varios grupos generacionales y análisis de
cortes transversales entre los mismos.

Diseño longitudinal de poblaciones: tomando una(s) población(es) como

referencia, se analizan distintas muestras en períodos de interés
determinados. Este diseño permite estimar cómo afectan los cambios
sociales y culturales a la población.