MÉTODOS CUALITATIVOS Y

CUANTITATIVOS EN LA INVESTIGACIÓN
EDUCATIVA II
Doctorado en Ciencias de la Educación

JOSE ALIRIO MÁRQUEZ VERA

C.C: 4´513.645 de Pereira Rda.

RESUMEN: ESTUDIOS LONGITUDINALES.

Unidad 1

Dr. JORGE ANTONIO RANGEL

MAGDALENO
19 de Mayo de 2019
 1. INTRODUCCIÓN
.

Para realizar diferentes investigaciones se pueden abordar desde diseños experimentales y

no experimentales, en este último los investigadores no interfieren con los sujetos de estudio de
forma que realizan observaciones generalmente temporales para extraer información que les
permitan tomar decisiones, vislumbrar el efecto de cierto estimulo o ver los efectos de cierta
política o condicional social. En este tipo de diseños se pueden encontrar datos con distribución
normal o no métrica y cada uno de estos tiene un tratamiento diferente. Entre las técnicas de
análisis de datos distribuidos de forma métrica se pueden encontrar la ANOVA, MANOVA,
GMANOVA y MML, cada uno con sus supuestos, sus fortalezas y debilidades como se muestra
a continuación.
 2. DESARROLLO

Los diseños longitudinales hacen parte de métodos no experimentales, donde una de las
principales características es la observación en forma secuenciada, de una o varias variables
según la técnica utilizada como una función del tiempo y hacen parte de los diseños de
medidas repetidas los cuales han sido utilizados con mayor fuerza en psicología y educación.
Sus inicios fueron en los años setenta y ochenta en investigación agrícola, y luego para
estudiar las ciencias conductuales y luego fue introducida en educación mediante el nombre de
diseños mixtos donde se tienen en cuenta los efectos entresujetos e intrasujetos. Uno de los
factores que permitió su mayor aplicación fueron los avances metodológicos y el desarrollo de
los programas de análisis de información, aparte de esto se incrementó la cantidad de
investigaciones de corte longitudinal publicados en diferentes revistas de psicología.

En este tipo de diseños se realiza una observación sobre unidades, individuos o sujetos en
diferentes ocasiones y son medidos en instantes de tiempo variados, los cuales se observan en
ciertos puntos de tiempo (minutos o años), con lo cual se construye un perfil de respuesta
mediante una tendencia o una curva, la cual es analizada y de donde se obtiene la información,
estas son las características de un diseño longitudinal el cual es un sinónimo de diseño de
medidas repetidas, de panel o de cohortes. Este tipo de diseños presenta dos dificultades que
han tenido que irse corrigiendo con el tiempo con el uso de métodos estadísticos apropiados
para su análisis y estas son:

A. Análisis complejo debido a la dependencia entre las medidas repetidas.

b. El investigador no puede controlar las circunstancias de estudio por lo cual se puede

encontrar con datos no balanceados o incompletos.

Cuando se tienen medidas repetidas, se pueden analizar situaciones donde por ejemplo se
quiere investigar los cambios entre estadios de cierta población. En algunos casos se utiliza el
diseño transversal repetido pero en este caso los individuos trabajan en forma de réplicas
siguiendo un mismo patrón o proceso pero en este caso no se puede ejecutar para casos
individuales. Por esto el diseño longitudinal es más robusto ya que permite realizar examinar
los cambios interindividuales, asociados con el paso del tiempo. El objetivo fundamental del
diseño longitudinal es no solo conocer los cambios individuales en función del tiempo, sino
analizar si estos cambios son significativos y se dan diferentes entre los sujetos de las
diferentes muestras, sin embargo es una condicional necesaria que sean estudios con
distribuciones normales o linéales.

Una ventana de los diseños longitudinales son los variados metodos estadísticos que
permiten su análisis dependiendo de su naturaleza podemos encontrar las siguientes técnicas:

*Distribución normal: Análisis multivariable, análisis de variancia de medidas repetidas,

análisis de curvas de crecimiento, modelos de efectos mixtos y modelos de ecuaciones de
estimación generalizada.

*Distribución no métrica: Modelos log-lineales, y modelos de ecuaciones de estimación

generalizadas.

En las distribuciones normales se pueden aplicar técnicas desde las más sencillas hasta
las más complejas como: El análisis por separado el cual no requiere procedimientos
especiales, ya que se trata el estudio como si fuera de corte transversal, mientras que el
análisis uni-variable, multi-variables, y los modelos mixtos requieren una metodología especial
como son el uso de programas de software especializados. El problema en el diseño
longitudinal es afrontar la posible correlación entre las medidas repetidas de los sujetos en el
tiempo mediante inferencias validas, ya que las diferentes técnicas parten de supuestos
estadísticos diferentes hay unos que evitan de forma directa el problema de la correlación y la
covariancia y de esta forma corren el riesgo de obtener conclusiones poco acertadas, ya que
algunas técnicas suelen ser muy restrictivas y otras demasiado flexibles, es por esto que se
debe buscar ajustar la matriz de covarianza de forma exacta o por lo menos de forma ajustada
como se hace en los enfoques mixtos. Los enfoques estadísticos de análisis del diseño
longitudinal más utilizados son:

1. ANOVA (Univariado o de medidas repetidas): Requiere datos completos y balanceados,

es uno de los más tradicionales en psicología y el ámbito social, sirve para hacer
comparaciones entre los intervalos de tiempo, donde se hace una sola muestra, como con
sujetos de dos o más. Sus requisitos son: a) Independencia entre las respuestas de los sujetos
b) Distribución normal multivariada c) Que no haya perdida de observaciones. Emplea el
supuesto de esfericidad múlti-muestra. Si no se modela de forma adecuada las correlaciones
puede haber sesgos. Es una técnica simple pero es sensible frente a datos incompletos e
intervalos de tiempo no constantes.

2. MANOVA: Requiere datos completos y balanceados, alternativa al modelo ANOVA. Aquí

las observaciones de medidas repetidas se analizan y consideran multivariadas, parten también
de una distribución normal, la diferencia es que mientras el ANOVA presume una matriz de
varianza-covarianza con un patrón específico el MANOVA no lo hace. Pues requiere que dicha
matriz sea común a todas las poblaciones. De esta forma hay menor sensibilidad para detectar
los efectos de las variables intra, de forma tradicional esta técnica permite identificar el tipo de
tendencia desde un cambio líneal, cuadrado, u otro en función del tiempo. Sus supuestos son
los siguientes: a) Respuestas independientes de los sujetos. b) Distribución normal, c)
Observación de datos completo. Aunque se pone en tela de juicio su robustez respecto a la
violación de estos supuestos y es menos potente que el ANOVA.

3. GMANOVA (MANOVA generalizado): No requieren datos balanceados, modelan la

variancia intra individuos y asumen los siguientes supuestos a) La variable de respuesta sigue
una distribución normal b) El resultado no varía a través del tiempo o los sujetos c)
Observaciones repetidas son independientes. Este integra los métodos alternativos de
enfoques mixtos, los datos de medidas repetidas de los sujetos están correlacionadas.
Consiste en ajustar funciones de tipo polinómicas en función del tiempo, para describir los
perfiles individuales mediante coeficientes aleatorios y así generar estructuras de correlación
entre las diferentes mediciones.

4. MLM: Se utiliza cuando hay datos longitudinales incompletos, en los contextos educativo
y social por medio de un modelo multinivel, el cual es una extensión de los modelos mixtos.
Estos no enfatizan el factor entre los sujetos es una forma particular de analizar los datos
longitudinales. En el modelo MLM se estiman los componentes intrasujetos y entresujetos,
combinando parámetros de efectos fijos y efectos aleatorios. En el primer nivel se especifican
las curvas de variación y en el segundo nivel estas curvas se tratan como variables aleatorias.
 Para terminar un análisis de los estudios longitudinales debe considerar las variables, intra
e entre sujetos, la no proporcionalidad de los estudios, la perdida de datos y el desgaste de la
muestra, se deben tener en cuenta que una adecuada estructura de covariancia influye de
forma positiva para obtener mejores resultados en los estudios.
 3. CONCLUSIONES

Los diseños longitudinales parten de ciertos supuestos, los cuales deben de ser tenidos en
cuenta cuando se quiere seleccionar la técnica más adecuada para analizar estudios no
experimentales con muestreos temporales. Entre estos hay que considerar que algunos
métodos como el ANOVA y el MANOVA son débiles respecto a que los datos deben ser
balanceados y completos, pero tambien tienen sus ventajas cuando es pertinente su uso con
distribuciones métricas, mientras que las técnicas GMANOVA y MML son más robustas frente a
datos multinivel y multivariados ya que usan funciones polinómicas de carácter temporal para
perfiles individuales utilizando diferentes coeficientes de correlación, modelando de esta forma
cambios temporales en las diferentes muestras, pero hay que tener en cuenta que se requieren
programas estadísticos que faciliten el análisis de los diferentes datos.
 4. REFERENCIAS

Arnau, J., & Bono, R. (2008). Estudios longitudinales. Modelos de diseño y análisis. Escritos de
Psicología - Psychological Writings, 2 (1), 32-41.