STUDIOS LONGITUDINALES

Introducción
Como se menciona en Arnau y Bono (2008) las concepciones sobre estudios
longitudinales, dentro del contexto de medidas repetidas, son diversas. Pero se pueden
entender como un método de investigación que mide un fenómeno a través de un
intervalo temporal determinado. El cual, sirven para analizar y observar
secuencialmente la evolución de un fenómeno o de sus elementos.

Por su parte Davis (1998) citado en Arnau y Bono (2008) Señala que el estudio
longitudinal, es una clase de diseño de medidas repetidas, donde los individuos son
observados a través del tiempo. Y en esta misma Ruta Fitzmaurice (1998) propone que
tanto la variable de respuesta como el conjunto de covariables son repetidamente
medidas a lo largo del tiempo. Por su parte Hand y Crowder (1996) es en la que las
observaciones se toman en ocasiones seleccionadas del continuo tiempo subyacente.
Ware y Liang (1996) subrayan que los estudios longitudinales ofrecen la oportunidad de
estudiar patrones individuales de cambio sobre el tiempo y condiciones. En fin,
generalmente estos procesos son utilizados con frecuencia en investigaciones
relacionadas con ciencias de la salud, así como en estadística, psicología, sociología y
educación.

El siguiente texto, presenta un Análisis y resumen, del documento Estudios

longitudinales, modelos de diseño y análisis de, Jaume Arnau y Roser Bono. Se busca
reconocer lo elementos que conlleva en el trabajo de investigación, recolectar datos a
través del tiempo en función de determinadas variables o en la relación entre ellas,
recolectar datos en puntos y períodos específicos, para hacer inferencias respecto al
cambio, sus determinantes y consecuencias.
Desarrollo

Los estudios longitudinales tienen como objetivo obtener información sobre un proceso

de cambio. Sirven así mismo para estimar incidencias y anticipar riesgos. Lo anterior
puede ocurrir a través de la observación y medición de patrones individuales y de su
estabilidad o modificarse a lo largo de un tiempo. Permiten realizar estimaciones de la
tasa de cambio en función del tiempo, y en relación con distintas características del
individuo como la edad u otras condiciones (Arnau y Bono, 2008).

En la década de los 80 ya había un amplio uso de los estudios longitudinales tanto en

las ciencias sociales como en la psicología en un estudio reciente de psicología se
concluye que los estudios longitudinales han crecido a través del tiempo. Dentro del
contexto del diseño de medidas repetidas, las concepciones de los estudios
longitudinales son diferentes, tanto así que diversos autores han opinado acerca de
este estudio aplicado a menudo en las investigaciones sociales. Como principales
dificultades del análisis de datos, nos encontramos con dos, principalmente:

1. El análisis suele ser más complejo

2. El investigador no puede controlar las circunstancias bajo las que obtiene las
medidas repetidas de modo que a veces los datos no son balanceados o
incompletos.

Los estudios longitudinales permiten conclusiones más convincentes sobre el poder

predictivo o las relaciones de causalidad entre variables. El objetivo fundamental del
estudio longitudinal es conocer no solo los cambios o perfiles individuales, sino
determinar si el cambio es significativo y si se dan las diferencias entre los distintos
sujetos de la muestra.

Para la obtención de los datos longitudinales se pueden seguir diversos

procedimientos. Los procedimientos de análisis de los efectos de estos diseños difieren
en cómo se modela la estructura de la variación de los datos. Desde lo más simple
hasta lo más complejo cuyas estrategias pueden ser: Un análisis por separado de cada
punto o intervalo de tiempo; análisis univariante y multivariante de las variables de
contraste temporal y los métodos basados en los modelos mixtos. En este sentido, todo
modelo de análisis que intenta dar cuenta de lo que realmente interesa en el contexto
longitudinal debe afrontar la posible correlación entre las medidas repetidas de los
individuos. El modelo exacto de la estructura de covariancia es una importante
consideración para los investigadores aplicados ya que esto produce un incremento en
la potencia de la estadística para detectar los efectos de los tratamientos.

Ahora bien, Las características de investigación longitudinal son evidentes al

compararlas con su contraparte; los estudios transversales. Estas son las siguientes:
Tabla 1.
Longitudinales Transversales
-Se realiza más de una medición. -Mira las diferencias entre grupos de personas.
-El estudio es observacional o experimental, en la -Es más rápido y barato.
que puede intervenir o no el investigador. No se pierden sujetos, ya que solo se estudian un
-Hay una evaluación de cambios que asola vez.
experimentan una o más personas con el paso del -Enmascara la diferencia entre los individuos ya
tiempo. que se refiere a promedios de grupos.
-Son propensos a los patrones de cambio
individual.
-Son costosos y requieren de mucho tiempo.
-Existe una probable desviación de la muestra

Los modelos que se han aplicado en los datos son de carácter lineal ya que siguen
distintos enfoques entre ellos el más conocido es el ANOVA y el MANOVA, para ellos
se necesita que los datos vayan completos y balanceados. El ANOVA es el más
tradicional en el ámbito de la psicología social puesto que se ha utilizado para hacer
comparaciones entre intervalos de tiempo tanto en diseños simples como en diseños
multimuestra. La principal ventaja es su simplicidad técnica, aunque tenga sus
limitaciones particularmente con estudios longitudinales aplicados que no siempre
cuentan con datos completos e intervalos de tiempo constantes.

Los enfoques surgieron como procedimiento de análisis de datos de medidas repetidas

que pueden ser consideradas multivariadas y se analizan como tales. El ANOVA es
univariado y el MANOVA es multivariado, por la tanto como ya se dijo anteriormente el
ANOVA es mucho más potente en el análisis de datos que el MANOVA. Un
procedimiento paralelo al MANOVA es el análisis de perfiles que sirve para probar,
además de la diferencia de grupos, hipótesis de la diferencia entre dos o más vectores
de medidas de datos multivariados.

Estos dos modelos suelen centrarse en la parte entre sujetos o entre grupos del
análisis. Un supuesto básico del MANOVA es que las observaciones son consideradas
como si fueran múltiples variables dependientes o respuestas interrelacionadas de un
mismo sujeto, además enfatizan en la parte fija del modelo. Los supuestos son: las
respuestas de los sujetos son independientes entre sí; la distribución de las múltiples
variables dependientes es normal multivariada; y el conjunto de datos ha de ser
completo sin observaciones perdidas. La gran desventaja del modelo MANOVA es la
falta de potencia cuando es comparado con el ANOVA, más aún cuando se cumplen
las condiciones en la matriz de covariancia, el ANOVA convencional es el más potente
que la prueba multivariada.

El análisis de la curva de crecimiento consiste en comparar los vectores de medidas

multivariadas con estructuras de corrección no especificadas. La técnica de análisis de
curva de crecimiento, aplicada a datos longitudinales, fue propuesta por Elston y
Grizzle (1962) y generalizada más tarde por Potthoff y Roy (1964), recibió el nombre de
modelo MANOVA generalizado (GMANOVA). Un trabajo posterior de Laird y Ware
(1982) popularizó este enfoque. El GMANOVA es una reformulación del procedimiento
multivariado y ha servido de pauta para la mayor parte de los modelos de datos
longitudinales, consiste en ajustar funciones polinómicas de carácter temporal para
describir los perfiles individuales mediante coeficientes aleatorios y para generar la
estructura de correlación entre las observaciones repetidas de cada individuo.

Este análisis reconoce que los estudios longitudinales suelen tener datos no
balanceados e incompletos, por cuya razón surgió la necesidad de plantear modelos
alternativos. El modelo ANOVA como el MANOVA presentan serias limitaciones ya que
requieren que sean balanceados y completos por medida, por eso a lo largo de los
años ochenta se han desarrollado modelos más generales para el análisis de datos
longitudinales incompletos. A diferencia de los modelos ANOVA (univariado y
multivariado), el modelo multinivel para medidas repetidas no enfatiza el factor entre
sujetos, dado que constituye una forma particular de analizar los datos longitudinales.

El modelo multinivel tiene por objeto modelar las curvas de crecimiento individuales y
analizar, a continuación, las diferencias interindividuales en los parámetros que
describen los patrones de crecimiento. El aspecto fundamental del estudio longitudinal
es identificar el proceso real subyacente, de carácter continuo, en lugar de los simples
cambios discretos entre los intervalos de tiempo.

Por último, un análisis comprensivo de datos longitudinales requiere tener en cuenta un

conjunto de aspectos. Entre estos aspectos está la variación intra-sujetos y entre-
sujetos, la no proporcionalidad de los estudios, la pérdida de datos y el desgaste de
muestra (Gill, 2000). No obstante, cabe destacar, entre una de sus principales ventajas,
que la especificación de la correcta estructura de covariancia produce pruebas más
potentes de los parámetros fijos (Wolfinger, 1996).

Conclusiones
La desventaja de estos enfoques ANOVA y MANOVA es la necesidad de datos
completos y balanceados por lo que los modelos estadísticos mixtos asumen que las
observaciones constan de dos partes, los efectos fijos y los efectos aleatorios
orientados directamente hacia el estudio de las curvas de crecimiento. Los efectos fijos
son los valores esperados de las observaciones y los efectos aleatorios las variancias y
covariancias de las observaciones.
Los estudios longitudinales. modelos de diseño y análisis son muy importantes dentro
de la investigación social que se realiza en el contexto educativo, cada uno de los
temas aquí abordados aporta al conocimiento y a la reflexión, para hacer de la mejor
manera el análisis de la información que se recoge, para dar alternativas de solución a
la problemática planteada, y dar resultados verídicos siguiendo las pautas de
recolección de información y análisis, de manera rigurosa.

Referencias.
Arnau, J., y Bono, R. (2008). Estudios longitudinales: modelo de diseño y análisis (p.
32- 41). Barcelona. Retrieved from. Recuperado de:
http://scielo.isciii.es/pdf/ep/v2n1/original3.pdf