Comparación mediante simulación de la potencia y robustez del enfoque multivariado de medidas repetidas frente al correspondiente univariado con la estructura del error modelada a través de procesos autorregresivos

Abstract

Uno de los métodos de investigación más frecuentemente utilizados es tomar observaciones repetidas sobre los mismos sujetos, bien en diferentes puntos del tiempo, bien bajo diferentes condiciones de una variable determinada. Para el análisis de estos datos se hace uso de alguna de las diferentes variedades de los diseños de medidas repetidas. En los años recientes los investigadores han enfocado su atención en determinar cual de las estrategias analíticas resulta más apropiada para este tipo de diseños. Tradicionalmente han sido analizados mediante el análisis univariado de la varianza (avar), el cual asume la independencia de las puntuaciones, que los errores aleatorios de la población siguen una distribución normal y que la matriz de covarianzas sea común para cada uno de los grupos de tratamiento. Debido a la naturaleza correlacionada de las medidas repetidas, el avar aplicado a estos diseños requiere el cumplimiento de una asunción adicional llamada esfericidad o circularidad. La mayoría de los investigadores coinciden en señalar que cumplir la condición de circularidad es difícil de lograr en muchas situaciones, sobre todo cuando trabajamos con datos psicofisiológicos y con datos de investigación en educación y psicología. Para solventar este problema se han desarrollado una gran variedad de procedimientos: min y toda una gran variedad de ellos que consideran conjuntamente A . Cole y Grizzle (1966,) partiendo del hecho de que las observaciones obtenidas en los diseños de medidas repetidas están correlacionadas y, por tanto, son esencialmente de naturaleza multivariada, sugieren que el método adecuado para analizar estos diseños es el procedimiento multivariado. El enfoque multivariado comparte con el enfoque univariado todas las asunciones, excepto que permite a la matriz de varianza-covarianza tener cualquier estructura. Pero en muchas situaciones, la dependencia serial entre las observaciones tomada