Los datos provenientes de investigaciones de tipo longitudinal en psicología suelen reflejar condiciones características de este ámbito de estudio, como son los tamaños muestrales reducidos, distribuciones no normales, violaciones de los supuestos de esfericidad y homogeneidad de varianza. Actualmente, el modelo lineal mixto (MLM) es uno de los procedimientos más recomendados cuando los supuestos en los que se basan los procedimientos tradicionales no se cumplen. Cuando los tamaños muestrales son reducidos se suele utilizar algún procedimiento de ajuste de los grados de libertad que mejore las propiedades del MLM, como el propuesto por Kenward y Roger (KR; 1997). El objetivo de este estudio fue ampliar el estudio realizado por Arnau et al. (2011) evaluando la robustez de KR con diseños split-plot de muestras pequeñas ante violaciones de la normalidad en diferente grado en los distintos grupos, violaciones de la esfericidad y de la homogeneidad de varianza. Se realiza un estudio de simulación Monte Carlo considerando un diseño split-plot con 3 grupos y 4 ocasiones de medidas repetidas, con tamaños muestrales totales de 36 y 42 individuos, asumiendo una matriz de covarianza no estructurada en la generación de datos. Se han manipulado las siguientes condiciones: a) con grupos balanceados y no balanceados; b) homogeneidad y heterogeneidad de la matriz de covarianza; c) emparejamiento nulo, positivo o negativo entre el tamaño de grupo y la matriz de covarianza y d) esfericidad de 0,57 ó 0,75. Los resultados muestran que KR es robusto cuando los diseños son equilibrados, independientemente de la violación de los supuestos de esfericidad y/o de homogeneidad de varianza. Sin embargo, cuando los diseños no son equilibrados, se halla una tendencia a la liberalidad, especialmente cuando el emparejamiento de las matrices de covarianza y el tamaño de los grupos es negativo. Los resultados de este estudio van en la línea con los obtenidos en estudios previos.
Buscar en Dimension