Acceso usuarios
Madrid, España
Barcelona, España
Los modelos de crecimiento latente han sido un avance para el estudio del cambio en investigación longitudinal. La presencia de datos incompletos durante el proceso de medición es un problema permanente en estos estudios. Se plantea una simulación para explorar el papel de distintos mecanismos de pérdida de datos (MCAR, MAR y MNAR) y en la recuperación de parámetros en los modelos de crecimiento latente. Se esperaba encontrar diferencias en la estimación, el ajuste y el sesgo en función de los diferentes escenarios y del tratamiento de datos perdidos. Se han generado muestras de diferentes tamaños, con valores perdidos bajo distintas condiciones. Algunos mecanismos muestran desajustes en la estimación al aplicar procedimientos de eliminación de sujetos. No obstante, otros tratamientos permiten compensarlo. Los cambios en la parametrización afectan al ajuste, al porcentaje de sesgo y aumentan la variabilidad entre réplicas, mostrándose diferencias entre los distintos métodos aplicados.
Latent growth models have been a move forward for the study of change in longitudinal research. Missing data presence through measuring process is a ubiquitous problem in this research. A simulation is set to exploring the role of different missing data mechanisms (MCAR, MAR y MNAR) on latent growth models’ parameter recovering. Estimation, model adjustment and bias divergencies were expected according to the different scenarios and missing data treatment applied. Different size samples have been generated with missing data under different conditions. Some mechanisms show estimate malfunction when implementing subject deletion methods, nevertheless other treatment solution allows compensation. Parametrization changes affect adjustment, bias proportion as well as they increase variability within replications between different methods applied.
