Hispanopedia Wiki
Articulo de referencia

modelado de crecimiento latente

El modelado de crecimiento latente es una técnica estadística utilizada en el marco del modelado de ecuaciones estructurales (SEM) para estimar trayectorias de crecimiento . Se ...

Hispanopedia WikiContenido en espanolLectura gratuita

El modelado de crecimiento latente es una técnica estadística utilizada en el marco del modelado de ecuaciones estructurales (SEM) para estimar trayectorias de crecimiento . Se trata de una técnica de análisis longitudinal que permite estimar el crecimiento a lo largo del tiempo. Se utiliza ampliamente en las ciencias sociales, incluyendo la psicología y la educación. También se conoce como análisis de curvas de crecimiento latente. El modelo de crecimiento latente se derivó de las teorías del SEM. Para estimar trayectorias de crecimiento se puede utilizar software SEM de propósito general, como OpenMx , lavaan (ambos paquetes de código abierto basados ​​en R ), AMOS , Mplus , LISREL o EQS , entre otros.

Fondo

Los modelos de crecimiento latente [ 1 ] [ 2 ] [ 3 ] [ 4 ] representan mediciones repetidas de variables dependientes en función del tiempo y otras medidas. Estos datos longitudinales comparten la característica de que los mismos sujetos son observados repetidamente a lo largo del tiempo, en las mismas pruebas (o versiones paralelas) y en momentos conocidos. En el modelado de crecimiento latente, la posición relativa de un individuo en cada momento se modela como una función de un proceso de crecimiento subyacente, y los mejores valores de los parámetros de dicho proceso se ajustan a cada individuo.

Estos modelos han aumentado su uso en la investigación social y del comportamiento desde que se demostró que pueden ajustarse como un modelo de factor común restringido en el marco del modelado de ecuaciones estructurales . [ 4 ]

La metodología puede utilizarse para investigar el cambio sistemático, o crecimiento, y la variabilidad interindividual en dicho cambio. Un tema de especial interés es la correlación de los parámetros de crecimiento, denominados estado inicial y tasa de crecimiento, así como su relación con covariables que varían e invariables en el tiempo. (Véase McArdle y Nesselroade (2003) [ 5 ] para una revisión exhaustiva).

Aunque muchas aplicaciones de modelos de curvas de crecimiento latente estiman solo el nivel inicial y los componentes de pendiente, se pueden estimar modelos más complejos. Los modelos con componentes de orden superior, por ejemplo, cuadráticos y cúbicos, no predicen una varianza que aumente de forma par, sino que requieren más de dos ocasiones de medición. También es posible ajustar modelos basados ​​en curvas de crecimiento con formas funcionales, a menudo versiones del crecimiento logístico generalizado, como las funciones logística , exponencial o de Gompertz . Si bien son fáciles de ajustar con software versátil como OpenMx , estos modelos más complejos no se pueden ajustar con paquetes SEM en los que los coeficientes de trayectoria se limitan a ser constantes simples o parámetros libres, y no pueden ser funciones de parámetros libres y datos. Los modelos discontinuos donde el patrón de crecimiento cambia alrededor de un punto temporal (por ejemplo, es diferente antes y después de un evento) también se pueden ajustar en software SEM. [ 6 ]

También se pueden responder preguntas similares utilizando un enfoque de modelo multinivel . [ 7 ]

Referencias

  1. ↑ Tucker, LR (1958). "Determinación de parámetros de una relación funcional mediante análisis factorial" (PDF) . Psychometrika . 23 : 19–23 . doi : 10.1007/BF02288975 .
  2. ↑ Rao, CR (1958). "Algunos métodos estadísticos para la comparación de curvas de crecimiento" (PDF) . Biometrics . 14 : 1–17 . Archivado (PDF) del original el 19 de enero de 2025.
  3. ↑ Scher, AM; Young, AC; Meredith, WM (1960). "Análisis factorial del electrocardiograma" . Circulation Research . 8 (3): 519– 526. doi : 10.1161/01.RES.8.3.519 .
  4. 1 2 Meredith, W.; Tisak, J. (1990). "Análisis de curvas latentes" (PDF) . Psychometrika . 55 : 107–122 . doi : 10.1007/BF02294746 . Archivado (PDF) del original el 14 de diciembre de 2024.
  5. ↑ McArdle, JJ; Nesselroade, JR (2003). «Análisis de curvas de crecimiento en la investigación psicológica contemporánea». En Schinka, J.; Velicer, W. (eds.). Manual completo de psicología: Métodos de investigación en psicología . Vol. 2. Nueva York: Wiley. pp. 447–480 . doi : 10.1002/0471264385.wei0218 . ISBN   978-0-471-17669-5.
  6. ↑ Rioux, Charlie; Stickley, Zachary L.; Little, Todd D. (2021). "Soluciones para el modelado de crecimiento latente tras discontinuidades relacionadas con la COVID-19 en el cambio e interrupciones en la recopilación de datos longitudinales" . International Journal of Behavioral Development . 45 (5): 463– 473. doi : 10.1177/01650254211031631 . hdl : 2346/87456 . ISSN 0165-0254 . S2CID 237204627 .  
  7. ↑ Grimm, Kevin J. (2017). Modelado del crecimiento : enfoques de modelado de ecuaciones estructurales y multinivel . Nilam Ram, Ryne Estabrook. Nueva York, NY. ISBN  978-1-4625-2606-2OCLC 926062148​​ {{cite book}}: CS1 mantenimiento: falta el editor de ubicación ( enlace )

Lecturas adicionales

  • McArdle, JJ (1989). Kanfer, R.; Ackerman, PL; Cudeck, R. (eds.). Un experimento de modelado estructural con múltiples funciones de crecimiento . Habilidades, motivación y metodología: El Simposio de Minnesota sobre Aprendizaje y Diferencias Individuales. Lawrence Erlbaum Associates, Inc. pp. 71–117 . doi : 10.4324/9780203762905 . ISBN  978-0-203-76290-5.
  • Willett, JB; Sayer, AG (1994). «Uso del análisis de la estructura de covarianza para detectar correlatos y predictores del cambio individual a lo largo del tiempo» (PDF) . Psychological Bulletin . 116 (2): 363–381 . doi : 10.1037/0033-2909.116.2.363 . Archivado (PDF) del original el 5 de julio de 2023.
  • Curran, PJ; Stice, E.; Chassin, L. (1997). "La relación entre el consumo de alcohol en la adolescencia y el consumo de alcohol entre pares: un modelo longitudinal de coeficientes aleatorios" (PDF) . Journal of Consulting and Clinical Psychology . 65 (1): 130– 140. doi : 10.1037/0022-006X.65.1.130 . Archivado (PDF) del original el 8 de junio de 2024.
  • Muthén, BO; Curran, PJ (1997). "Modelado longitudinal general de las diferencias individuales en diseños experimentales: un marco de variables latentes para el análisis y la estimación de la potencia" (PDF) . Psychological Methods . 2 (4): 371– 402. doi : 10.1037/1082-989X.2.4.371 . Archivado (PDF) del original el 11 de abril de 2024.
  • Su y Testa 2005
  • Bollen, KA; Curran, PJ (2006). Modelos de curvas latentes: Una perspectiva de ecuaciones estructurales . Hoboken, NJ: Wiley-Interscience. doi : 10.1002/0471746096 . ISBN 9780471455929.
  • Singer, JD; Willett, JB (2003). Análisis de datos longitudinales aplicados: Modelado del cambio y la ocurrencia de eventos . Nueva York: Oxford University Press. doi : 10.1093/acprof:oso/9780195152968.001.0001 . ISBN 9780195152968.
  • Fitzmaurice, GM; Laird, NM; Ware, JW (2004). Análisis longitudinal aplicado . Hoboken, NJ: Wiley. doi : 10.1002/9781119513469 . ISBN 9781119513469.