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

2006 . Vol. 18 , nº 2 , pp. 293-299
Copyright © 2014     


Read Article View PDF        

  

MODELOS DE ANÁLISIS PARA LOS DISEÑOS MULTIVARIADOS DE MEDIDAS REPETIDAS

 

Guillermo Vallejo y Luis M. Lozano

Universidad de Oviedo

En las investigaciones sociales, conductuales y de la salud resulta frecuente realizar mediciones a lo largo del tiempo de dos o más grupos de participantes en múltiples variables dependientes. El análisis de tales datos es bastante complicado por la existencia de correlación, tanto entre las medidas tomadas en puntos diferentes a tiempo, como entre las variables de respuesta. Aunque diversos enfoques permiten realizar el análisis de estos datos, en la práctica, un modelo mixto multivariado o un modelo doblemente multivariado son comúnmente usados. Ambos enfoques requieren normalidad conjunta multivariada, homogeneidad de las matrices de dispersión, independencia entre las observaciones de distintos participantes, ausencia de desgaste de muestra y covariantes independientes del tiempo. Bajo desviaciones de uno o más de los supuestos referidos dichos enfoques no controlan de manera adecuada las tasas de error de Tipo I, afectando con ello la validez y precisión de las inferencias. Por este motivo, en el presente artículo se discutirán algunas soluciones que superan parcial o totalmente los problemas referidos. También se presentan varios programas para efectuar correctamente los análisis mediante el módulo Proc Mixed del SAS.

Multivariate repeated measures designs. In the social, behavioral, and health researches it is a common strategy to collect data along time on more than one group of participants on multiple dependent variables. To analyse this kind of data is very complicated due to the correlations between the measures taken in different points of the time, and between the answers. Usually to analyse these data the multivariate mixed model, or the doubly multivariate model, are the most frequent approaches. Both of them require combined multivariate normality, equal covariance matrices, independence between the observations of different participants, complete measurements on all subjects, and time-independent covariates. When one ore more of these assumptions are not accomplished these approaches do not control in the correct way the Type I error, and this affects the validity and the accuracy of the inferences. In this paper some solutions that solve the problems with the error Type I will be shown. Several programs for a correct realization of the analyses through the SAS Proc Mixed procedure are presented.

 
Read Article

View PDF

Fecha recepción: 12-7-05 • Fecha aceptación: 1-12-05
Correspondencia: Guillermo Vallejo Seco
Facultad de Psicología
Universidad de Oviedo
33003 Oviedo (Spain)
E-mail: gvallejo@uniovi.es

 

Top page >>
 
Home Search Contact Home