Acceso usuarios
Guillermo Vallejo Seco, Francisco Javier Herrero Díez, Marcelino Cuesta Izquierdo
Tradicionalmente se ha enfatizado la importancia de escudriñar la relación funcional entre las observaciones registradas en períodos previos a la intervención y las registradas posteriormente a través de procedimientos gráficos o bien mediante alguna modificación de las pruebas estadísticas clásicas de t y F. Sin embargo, como ha sido puesto de relieve en varias ocasiones, ambos procedimientos son inválidos por ignorar la dependencia serial entre las observaciones. La solución comúnmente practicada para abordar este problema ha consistido en emplear el modelamiento ARIMA originalmente propuesto por Box y Tiao (1965). Con todo, para identificar el modelo de dependencia mediante esta técnica se necesita un elevado número de puntuaciones, lo cual conlleva a que el enfoque vea restringida su aplicación en muchos ámbitos sociales y comportamentales. Para superar este hándicap diversos investigadores (Harrop y Velicer, 1985) han sugerido eliminar la problemática fase de identificación en aras de algún modelo asumido de antemano [ARIMA (1,0,0), ARIMA (5,0,0)]. Los resultados obtenidos por nosotros centrándonos, sobre todo, en la eficacia de los estimadores, nos obligan, cuando menos, a poner en entredicho este tipo de recomendaciones.
The analysis of the functional relationship between pre-treatment and post-treatment observations has been traditionally carried out using graphic procedures or by means of some modifications of the statistic tests, t and F. Nevertheless, as many authors have pointed out, both procedures are inadequate, due to the fact that they do not take into account the serial dependence between observations. The most typical solution to this problem of serial dependence has been the use of the ARIMA models proposed by Box and Tiao (1965). But, for a realiable use of these models, too many observations are required, which implies that they can't be properly used in many social and behavioral practical situations, where the number of observations is rather small. To avoid this shortcoming, some investigators (Harrop and Velicer, 1985) have sugested to suppress the problematic phase of model identification, in favor of using some models previously assumed [ARIMA (1,0,0), ARIMA (5,0,0)]. To prove this strategy a simulation study was carried out. Our results, specially centered on the estimators eficiency, do not confirm the adequacy of this recommendation.
