Fuentes de variabilidad individual en el ajuste de modelos de a´rbol: El caso de las conjunciones ilusorias

• Autores: Juan Ignacio Durán
• Directores de la Tesis: Manuel Suero Suñe (dir. tes.), Juan Botella Ausina (dir. tes.)
• Lectura: En la Universidad Autónoma de Madrid ( España ) en 2017
• Idioma: español
• Tribunal Calificador de la Tesis: Julio Sánchez Meca (presid.), Roberto Colom (secret.), José Manuel Reales Avilés (voc.)
• Materias:
  • Matemáticas
    • Estadística
      • Análisis de datos
  • Psicología
    • Psicopedagogía
      • Procesos cognitivos
    • Evaluación y diagnostico en psicología
      • Estadística
• Enlaces
  • Tesis en acceso abierto en: Biblos-e Archivo
• Resumen

  • La forma más frecuente de analizar los resultados en psicología experimental consiste en comparar promedios de variables obtenidas en diferentes grupos o condiciones realizando contrastes de hipótesis de nulidad mediante modelos lineales. Este enfoque implica el supuesto de que los individuos son esencialmente idénticos y solo les diferencian el error de medida asociado a sus mediciones más la presencia de variables extrañas que interesa controlar más que estudiar. Sin embargo, en muchas ocasiones el supuesto de independencia e idéntica distribución (i.i.d.) es muy cuestionable. A pesar de ello, incluso empleando técnicas más sofisticadas como los modelos matemáticos es también habitual asumir implícitamente supuesto de i.i.d. al promediar los resultados por individuos. El problema principal planteado en esta tesis tiene que ver con los efectos de asumir este supuesto en presencia de participantes heterogéneos en la muestra a partir de la que se realiza la evaluación y selección de un modelo formal.

    La tesis se compone de tres estudios, uno experimental y dos de simulación. El primer estudio es un trabajo experimental en el que se exploran los errores que se producen en forma de conjunciones ilusorias color/forma en Presentaciones Rápidas de Series Visuales (RSVP). Algunos autores han puesto en duda que los resultados que se obtienen con este paradigma experimental no sean otra cosa que ruido producido por variables confundidas. Los resultados de este experimento refuerzan considerablemente la posición contraria: la de que dichos errores realmente existen. Además, el análisis de los resultados llevó a plantear la posibilidad de que entre la muestra de participantes hubiera algunos que sí forman conjunciones ilusorias y otros que no.

    El segundo estudio retoma la cuestión abierta al final del primero, planteando la problemática de la heterogeneidad de los participantes en un experimento en el que se recogen respuestas categóricas, que pueden ser analizadas empleando modelos de árbol. Para ello se realiza un estudio de simulación en el que se generan datos bajo diferentes escenarios de heterogeneidad, distinguiendo entre heterogeneidad cuantitativa bajo un mismo modelo, heterogeneidad cualitativa o de modelos alternativos, y la combinación de los dos anteriores. Naturalmente, como condición de ‘control’ se incluye una de homogeneidad completa. En el estudio se valora el rendimiento de diferentes estrategias analíticas, como el ajuste de datos agregados, promediados o individuales, en las distintas condiciones de heterogeneidad. Entre los principales resultados encontramos que el ajuste a partir de datos agregados puede enmascarar las condiciones de heterogeneidad cualitativa, llevando a rechazar modelos correctos para gran parte de la muestra y a estimaciones de parámetros sesgadas. Como alternativa, el ajuste individual, aunque ofreciendo estimaciones de parámetros menos precisas, es sensible a situaciones en las que los individuos se ajustan a distintos modelos, mostrando resultados que describen correctamente el comportamiento de toda la muestra de participantes.

    El tercer estudio extiende el trabajo anterior a los modelos bayesianos de rasgo latente. En el estudio de simulación que hemos llevado a cabo el rendimiento de los modelos de rasgo latente es similar al obtenido ajustando modelos de árbol tradicionales a cada conjunto individual de datos por separado, permitiendo detectar diferencias discretas entre grupos de participantes a través de distribuciones posteriores con un perfil multimodal. Sin embargo, encontramos que esta ventaja no es tan clara cuando en cada subgrupo existen también diferencias continuas en la probabilidad con la que se emplean los distintos procesos. Los modelos de clase latente presentan también uno de los problemas de la estrategia de ajuste a partir de conjuntos individuales de datos: sobreajuste.

    Concluimos con una serie de recomendaciones de cara al trabajo con modelos formales, analizando el impacto que el problema planteado podría estar teniendo en distintas áreas de investigación en psicología cognitiva.