Home
Google Scholar
 Nothing psychological is strange to us
III Congreso Nacional de Psicología - Oviedo 2017
Universidad de Oviedo

 

Aviso Legal

SELECTED ARTICLE

Psicothema

ISSN Paper Edition: 0214-9915

2004 . Vol. 16 , nº 1 , pp. 156-162
Copyright © 2014     


Read Article View PDF        

  

ANÁLISIS DE DATOS LONGITUDINALES Y DE CURVAS DE CRECIMIENTO. ENFOQUE CLÁSICO Y PROPUESTAS ACTUALES

 

Jaume Arnau y Nekane Balluerka

Universidadde Barcelona y * Universidad del País Vasco

En el presente trabajo se examinan los principales modelos de análisis aplicados a datos longitudinales y de curvas de crecimiento. Se parte de un enfoque clásico que abarca los modelos de análisis univariado y multivariado de la variancia de medidas repetidas, para proseguir con el MANOVA generalizado (GMANOVA) y con el modelo multinivel de dos estadíos, que constituye la base para el desarrollo del modelo general lineal mixto. Por último, se aborda el modelo multinivel para datos longitudinales y de curvas de crecimiento. Se describen las características y los supuestos esenciales de cada modelo, tratando de poner de manifiesto las razones por las que han ido emergiendo los sucesivos modelos y de establecer las principales similitudes y diferencias existentes entre ellos. Se concluye que los modelos lineales jerárquicos para datos longitudinales constituyen una excelente alternativa para realizar investigaciones aplicadas en el ámbito de las ciencias sociales y del comportamiento.

Longitudinal and growth trajectory data analysis. Traditional approach and current proposals. In this article, the main models for analysing longitudinal and growth trajectory data are examined. We start from a traditional approach that include univariate and multivariate analysis of variance for repeated measures, to continue with generalized MANOVA and with two stage-multilevel model, which constitutes the basis for the development of the general linear mixed model. Lastly, multilevel models for longitudinal and growth trajectory data are studied. The main characteristics as well as assumptions of each model are described, trying to make it clear the reasons why the successive models have appeared and to establish the main similarities and differences between them. It is concluded that hierarchical linear models for longitudinal data constitute an excellent strategy to do applied research in the realm of social and behavioural sciences.

 
Read Article

View PDF

Fecha recepción: 19-3-03 • Fecha aceptación: 20-6-03
Correspondencia: Jaume Arnau
Facultad de Psicología
Universidad de Barcelona
08035 Barcelona (Spain)
E-mail: jarnau@psi.ub.es

 

Top page >>
 
Home Search Contact Home