Ayuda
Ir al contenido

Dialnet


Resumen de Robustness of statistical procedures for the analysis of longitudinal data

Rebecca Bendayan

  • En la investigación actual existe un creciente interés por describir, pronosticar y explicar procesos biológicos, psicológicos y sociales que se producen como consecuencias del paso de tiempo. Los diseños de medidas repetidas se muestran especialmente útiles en estos casos, entre los cuales los diseños mixtos o split-plot son los más frecuentemente utilizados. Éstos son considerados una extensión del diseño de medidas repetidas de un solo grupo e incluyen factores intersujeto y factores intrasujeto. Entre las distintas alternativas de análisis estadístico que se pueden utilizar cuando se violan los supuestos del enfoque univariante, es destacable el enfoque del modelo lineal mixto, y cuando las muestras son pequeñas el procedimiento de corrección de los grados de libertad propuesto por Kenward-Roger (1997) proporciona resultados precisos. El objetivo general de esta Tesis Doctoral es analizar la robustez del modelo lineal mixto, con el procedimiento de ajuste de los grados de libertad propuesto por Kenward y Roger, ante violaciones de normalidad y esfericidad en diseños split-plot con tamaños muestrales pequeños. Para ello, se han realizado una serie de estudios de simulación Monte Carlo. Los cinco estudios empíricos han sido publicados en revistas nacionales e internacionales indexadas en JCR-Social Sciences. En general, los resultados de estos estudios permiten destacar las dos variables que parecen ser más relevantes para decidir si es adecuado aplicar el procedimiento KR: el tamaño muestral total y el grado de asimetría de las distribuciones de los grupos. El procedimiento KR es robusto con tamaños muestrales totales de 45 o mayores cuando las distribuciones no presenta una violación alta o extrema de la simetría. Sin embargo, KR es liberal con tamaños muestrales totales iguales a 30. Futuros estudios deberían explorar procedimientos estadísticos alternativos para el análisis de datos cuyos tamaños muestrales totales sean iguales a 30 o menores.


Fundación Dialnet

Dialnet Plus

  • Más información sobre Dialnet Plus