Introducción

Para 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
(2008). 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 -Es más rápido y barato.
la que puede intervenir o no el investigador. No se pierden sujetos, ya que solo se estudian
-Hay una evaluación de cambios que un asola vez.
experimentan una o más personas con el paso -Enmascara la diferencia entre los individuos
del tiempo. ya 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