¿Cómo escoger estrategias robustas para valorar medidas repetidas?

Doctor en Psicología de la Universidad Autónoma de Madrid (España), especialista en análisis y simulación de datos aplicados a las ciencias del comportamiento y de la salud. Actualmente investiga la efectividad de distintos procedimientos psicoterapéuticos en su rol de académico de la Facultad de Psicología de la Universidad de Talca (Chile).

Fundamentales para los ensayos clínicos, los diseños de medidas repetidas (split-plot) y sus modelos de análisis de varianza (ANOVA) son muy utilizados en ciencias agrarias, sociales, psicología y salud. Sin embargo, presentan un problema no resuelto del todo durante sus 60 años de historia: las medidas repetidas no son independientes entre sí, es decir conocer una de las puntuaciones de un sujeto permite saber algo de sus otras puntuaciones. Esto conduce al incumplimiento de los supuestos del análisis y a la pérdida de precisión de los estadísticos; de hecho, los más de 40 estadísticos existentes demuestran que el problema persiste hasta hoy. Mediante una revisión exhaustiva de los estadísticos y la evaluación de su comportamiento utilizando simulación de datos (método de Monte Carlo) en una amplia gama de condiciones, "Cómo escoger estrategias robustas para valorar medidas repetidas?" organiza la información disponible y permite al investigador saber qué estadístico utilizar y en qué condiciones. Además, por primera vez en español, se encuentran todas las fórmulas para calcular todos los estadísticos del ANOVA de medidas repetidas en notación unificada.