La experimentación

Introducción

En investigación científica hay dos tipos de ciencias: empíricas y no empíricas. En las empíricas los enunciados deben de haber sido contrastados con la realidad en las segundas no. El contraste con la realidad se puede hacer por observación, encuestas, experimentación, etc.

En la experimentación el investigador trata de analizar el efecto que una o varias variables independientes producen sobre otra variable dependiente.

Se trata de analizar la causalidad y para ello se manipulan situaciones a las que se enfrenta a los sujetos.

El investigador manipula una o más variables sobre las que ejerce algún tipo de control (precio, producto, comunicación, distribución) y mide su efecto sobre variables que no puede controlar, como ventas o cuotas de mercado; pero, además, necesita neutralizar el efecto de variables externas que puedan distorsionar el efecto de la prueba.

La experimentación es un método para contrastar hipótesis y también para descubrir nuevas hipótesis.

Las aplicaciones en investigación comercial son muchas: fijación de precios, selección de medios y promociones, elección de puntos de venta, envases, etc.

 

La experimentación: Definiciones

La experimentación se puede definir como la creación de unas determinadas condiciones para medir, mediante procedimientos diversos, entre los cuales se incluyen los estadísticos, los efectos de una variable o variables que se controlan, sobre unos resultados que se suponen consecuencia de las variables controladas.

Un experimento, consiste en la creación de unas condiciones para comprobar la influencia de una causa sobre unos resultados. Los experimentos pueden ser de dos clases.

 

Experimentos directos

Semejantes a los que se desarrollan en las ciencias naturales, que suponen un conocimiento previo del fenómeno que se pretende estudiar, porque existe una teoría que relaciona las variables.

Por ejemplo, la Teoría Económica establece que precio y cantidad se mueven en sentido inverso.

 

Experimentos indirectos

Consisten en crear unas condiciones para observar unas consecuencias, sin hipótesis formales previas.

Por ejemplo, una empresa podría probar un nuevo producto en un mercado para observar su aceptación por los consumidores, el interés de distribuidores, su difusión, determinar qué canal de distribución es el más conveniente, etc.

 

En cualquier experimento se definen las siguientes variables.

Variables independientes

Son aquellas que se controlan en el desarrollo del experimento y que se suponen causales: por ejemplo, el precio que una empresa fija a su producto, o el envase que diseña, son variables independientes.

Si se decide sobre que niveles de esa variable independiente van a estar en el experimento (controlados por manipulación) entonces estas variables son tratamientos.

 

Variable dependiente

Es aquella que se supone tiene que responder antes las modificaciones de las variables independientes.

Son las que miden la variación del concepto principal del experimento; el que se presupone afectado por los tratamientos y otras variables independientes.

 

Variables ajenas o extrañas

Son aquellas distintas de las independientes que afectan a los resultados, o consecuencias y que no se controlan o no son controlables.

Por ejemplo, una empresa puede bajar el precio de un producto para estudiar su efecto sobre las ventas, pero, es posible que al mismo tiempo tenga lugar una campaña publicitaria, acciones de la competencia etc. Son variables extrañas, que  pueden ser controladas o no, pero que afectan al desarrollo del experimento.

 

Unidades de prueba

Son las que responden a las causas. Por ejemplo, las personas, los establecimientos comerciales o los mercados geográficos son ejemplos de unidades de prueba.

 

Repetición

Consiste en repetir dos o más veces una experimentación bajo las mismas condiciones. También se llama réplica.

 

Los experimentos deben tener la propiedad de validez. Es decir, deben permitir proponer la existencia de relaciones causa efecto. La validez de los experimentos puede ser interna y externa.

 

La validez interna

Es una medida de la precisión de un experimento. Lo que se examina es si los efectos observados en las unidades de prueba pueden haber sido causados por otras variables externas distintas del tratamiento.

Existe validez interna en un experimento si la causa origina un efecto. Sin validez interna, los resultados del experimento están confundidos.

El control de las variables externas es algo necesario para que pueda haber validez interna.

 

La validez externa

Hace referencia a la posibilidad de generalización de la relación de causalidad encontrada en el experimento.

Consiste en poder llegar a formular leyes de comportamiento. Si existe validez externa quiere decir que se puede confiar en que las mismas causas provocan los mismos efectos.

 

Lo deseable es que el experimento tenga validez interna y externa. En investigación comercial para controlar la influencia de variables externas se puede realizar en un ambiente artificial.

Esto aumenta la validez interna pero puede limitarla generalización de los resultados y por lo tanto reducir su validez externa.

 

Condiciones para la experimentación

Para poder establecer relaciones de causalidad es necesario que se den las siguientes condiciones.

 

Secuencia temporal de ocurrencia de los sucesos

Esta condición significa que el suceso que se supone causa, tiene que producirse antes que la consecuencia. Es decir, la causa antecede a la consecuencia.

 

Variación concomitante

Esta condición consiste en que una causa y un efecto ocurren casi juntos o que la consecuencia se observa de forma casi inmediata a la causa. La secuencia temporal de ocurrencia causa-efecto tiene que ser muy rápida.

 

Ausencia de otras causas posibles

La relación causa efecto debe excluir otras posibles causas. Para poder detectar las relaciones causa efecto es necesario proceder al desarrollo de un diseño experimental, que consiste en la especificación de los grupos que se analizarán, del conjunto de procedimientos y pruebas que se efectuarán, variables que se controlarán y cómo se actuará.

 

El diseño es fundamental para la eficacia del experimento y se tiene que tener en cuenta:

Los experimentos deben ser aleatorios

Las unidades de prueba no deben ser elegidas. Si una cadena de hipermercados deseara medir el efecto de las modificaciones del precio de un producto sobre las ventas, debería sortear en qué establecimientos habría que alterarlo.

Los seleccionaría al azar. Si se quisiera medir el efecto del diseño de unos anuncios en la población se seleccionarían al azar las personas y los diseños que se les mostrarían.

 

Control de las variables extrañas

En la medida de lo posible deberá procederse a un control de las variables extrañas, las que no se pueden controlar, aplicando para ello algunas técnicas cuantitativas, como el análisis de la varianza con datos absolutos o por rangos.

 

La experimentación: Tipos de diseños

Si se representan las observaciones o mediciones de variables dependientes en los diseños como O y las aplicaciones de los tratamientos como X.

Los distintos grupos del experimento se identifican con distintas líneas de representación de las variables dependientes y tratamientos a los que están sometidas.

R: representa la asignación aleatoria de tratamientos a unidades de prueba.

M: cuando las unidades de prueba o grupos de control son similares con respecto a una o más  variables.

GP: grupo de unidades de prueba expuestas al tratamiento.

GC: grupo de control no expuesto al tratamiento. Se definen los distintos tipos de experimentos de la siguiente forma:

 

Clasificación de los diseños experimentales

Diseños pre experimentales

Se llaman así porque son una aproximación a los métodos verdaderamente experimentales. Tienen una característica común y es que ninguno de ellos elimina las variables extrañas y su interés es sólo exploratorio.

En ellos las unidades de prueba se seleccionan de forma arbitraria, no se puede defender su validez interna.

Por ejemplo un diseño de dos grupos, que implica dos variables, dependiente e independiente, donde la independiente tiene dos niveles. La representación sería:

X1  O1

X2  O1

X1 y X2 representan los tratamientos y O1 es la observación de la variable

El diseño de múltiples grupos sería una extensión del anterior, también se parte de dos variables (dependiente  e independiente) pero los niveles de  la segunda son más de dos, generando una estructura del siguiente tipo:

X1 O1

X2 O1

.     .

.     .

.     .

Xn O1

Si se considerara información previa al experimento y procedente de la variable dependiente en un diseño como el anterior, tendríamos un diseño pretest-postest, se generaría la siguiente estructura:

O1 X1 O2

O1 X2 O2

..

..

..

O1 Xn O2

Este diseño es útil cuando no hay grupo de control.

En el caso de que haya grupo de control o grupo estático, se utilizan dos grupos: uno ha sido expuesto al tratamiento y otro no. Ambos grupos se observan sólo después de haber presentado el tratamiento.

Grupo experimental:      X           O1

Grupo control:                              O2

En el caso de que las unidades experimentales sean similares:

Grupo experimental:      M             X1              O1

Grupo control:                 M                               O2

Estos tres tipos de diseños podríamos considerarlos pre-experimentales por la debilidad teórica que puede invalidarlos.

 

Diseños experimentales verdaderos

En los pre-experimentales no se controla bien el efecto de variables que pueden afectar a los resultados.

Para controlar estos efectos a la hora de hacer diseños más complejos, están los diseños experimentales verdaderos, en los que el investigador elimina todas las variables extrañas que puedan disturbar el efecto del tratamiento.

Algunos son:

El diseño pre-prueba post-prueba con grupo de control

Grupo experimental: R     01     X1     02

Grupo control:            R     03              04

Donde R indica que se han seleccionado al azar los grupos de individuos para separar los grupos de tratamiento.

También nos indica que los mismos grupos se han distribuido al azar para separar los tratamientos.

O2 – O1   determinaría el efecto del tratamiento y el efecto de variables extrañas.

O4 – O3   determinaría el efecto de las variables extrañas

(O2 – O1  ) – (O4 – O3 )    = efecto tratamiento.

La dificultad de este modelo está en que la medida previa en los grupos pueda afectar a la reacción de las unidades experimentales hacia el tratamiento.

 

Diseño de cuatro grupos de Solomon

Este diseño nos permite controlar el posible  efecto que produce sobre las unidades la medida anterior.

Grupo experimental 1:    R   01   X   02

Grupo control 1:              R    03        04

Grupo experimental 2:   R          X    05

Grupo control 2:              R                06

 

Otros diseños específicos

Experimento en series de tiempo

Se toman datos periódicamente en las unidades del experimento.

Después se introduce el tratamiento y continúan haciéndose medidas periódicas.

O1 O2 O3 O4 O5 O6 O7 O8

 

Experimento en series de tiempo múltiples

Es un proceso como en el caso anterior al que se añade un grupo de control sobre el que no se aplica ningún tratamiento.

Grupo experimental:                   O O O  X  O O O

Grupo control:                              O O O       O O O

 

Diseños experimentales estadísticos

Los diseños estadísticos consisten en una serie de experimentos básicos que hacen posible el control estadístico (contraste estadístico de hipótesis) y el análisis de variables externas.

 

Los diseños estadísticos ofrecen las siguientes ventajas:

1) Se pueden medir los efectos de una o varias variables independientes

2) Es posible controlar estadísticamente variables externas específicas.

 

Los diseños más comunes son:

–  Diseño completamente aleatorio.

–  Diseño aleatorio por bloques completos.

–  Diseño en cuadro latino.

–  Diseño factorial.

El análisis en estos diseños se basa en el análisis de la varianza.

Esta  técnica estadística permite discernir el efecto que sobre la variable dependiente ejerce un solo factor controlado, del efecto de otros factores no controlados.

Permite contrastar la influencia de un factor sobre unos resultados.

 

Te puede interesar leer:

El muestreo y tipos de muestreo

 

Originally posted 2022-01-12 15:23:14.