Contribuciones al análisis de datos longitudinales bajo una perspectiva multinivel

• Autores: Wilmer Jesús Fermin Parra
• Directores de la Tesis: Purificación Galindo Villardón (dir. tes.) , Francisco Javier Martín Vallejo (dir. tes.)
• Lectura: En la Universidad de Salamanca ( España ) en 2005
• Idioma: español
• Tribunal Calificador de la Tesis: María Lina Vicente Hernanz (presid.) , José Luis Vicente Villardón (secret.) , Valter Martins Vairinhos (voc.) , Antonio Blázquez Zaballos (voc.) , M. Angeles Muruaga (voc.)
• Texto completo no disponible (Saber más ...)
• Resumen

  • Un problema común en estudios longitudinales es el abandono, un tipo de dato faltante en el cual la serie de mediciones termina prematuramente, Dependiendo de la relación entre la ausencia y la respuesta, los abandonos pueden influir preponderantemente en la interpretación de los efectos de los tratamientos y otras covariables del estudio. El abandono más problemático es el no-aleatorio (MNAR), en el cual la ausencia está relacionada con las respuestas no observadas. Los modelos de patrones mezclados han sido propuestos para datos longitudinales con este tipo abandono. En estos modelos se estratifica la población por el tiempo de abandono y luego se describen los datos observados dentro de cada grupo de ausencia. Un problema con esta estratificación es que en un tiempo particular pueden ocurrir los tres tipos de abandonos: completamente aleatorios (MCAR), aleatorios (MAR) y no-aleatorios. La diferencia entre estos tipos de abandono hace poco sensible detectar efectos de covariables y diferenciar los grupos de abandono.

    En este trabajo se propone un método para analizar datos longitudinales de respuestas continuas con abandonos no-aleatorios. Éste consiste en estratificar la población mediante un "desvío de abandono" y usar un modelo multinivel para el análisis. El método propuesto se compara, mediante un estudio de simulación, con la supresión listwise, la inclusión pairwise y el modelo de patrones mezclados con el tiempo de abandono. Los resultados demuestran que nuestra propuesta es más sensible en la detección efectos de covariables.

    La propuesta se aplica a un conjunto de datos longitudinales, con abandonos, en el área de educación.