Cómo elegir la mejor prueba estadística para realizar un diseño de medidas repetidas

• Paula Fernández García ^[1] ; Pablo Esteban Livacic Rojas ; Guillermo Vallejo Seco ^[1]
  1. [1] Universidad de Oviedo

     Universidad de Oviedo

     Oviedo, España

     
• Localización: International journal of clinical and health psychology, ISSN 1697-2600, Vol. 7, Nº. 1, 2007, págs. 153-175
• Idioma: español
• Enlaces
  • Texto completo (pdf)
• Dialnet Métricas: 7 Citas
• Resumen

  • La potencia y robustez de los procedimientos estadísticos para analizar los efectos en los diseños de medidas repetidas están en función de la satisfacción de los supuestos asociados al análisis, en especial, el supuesto de esfericidad y de homogeneidad de las matrices de covarianza. Desafortunadamente, la violación de estos supuestos es habitual en los datos de las investigaciones aplicadas educativas y psicológicas.

    En este artículo teórico revisamos las competencias de varios estadísticos con respecto al error de Tipo I y la potencia obtenidos por diferentes autores mediante estudios de simulación Monte Carlo. También realizamos una investigación Monte Carlo ad hoc para ejemplificar la cuantía del error de Tipo I en los efectos intra-sujeto en un diseño split-plot de medidas repetidas. Examinando todo lo anterior advertimos que diferentes métodos de análisis son apropiados en diferentes situaciones. Concluimos aportando recomendaciones para el análisis de estos diseños en función de la violación o no de las asunciones subyacentes.