Una revisión de conceptos y métodos para investigar con datos longitudinales
DOI:
https://doi.org/10.5944/ap.22.1.43402Palabras clave:
investigación longitudinal, cambio, medidas repetidasResumen
En Psicología, entender cómo los fenómenos se influyen unos a otros y se desarrollan a lo largo del tiempo es clave para comprender sus causas, consecuencias y mecanismos subyacentes. En este artículo, presentamos una revisión de los aspectos fundamentales para investigar procesos de cambio longitudinal. Comenzamos explorando los tipos de preguntas que guían este tipo de investigaciones, diferenciando entre el interés por los resultados finales de un proceso (e.g., ¿se reducen los síntomas tras la terapia?), el propio desarrollo del fenómeno (¿cómo evolucionan las capacidades cognitivas durante la infancia?), las diferencias entre individuos (¿por qué algunas personas aprenden más rápido que otras?) y los procesos individuales de cambio (¿cómo fluctúa el afecto de un individuo a lo largo del tiempo?). Posteriormente, abordamos la naturaleza dinámica de los fenómenos y sus posibles patrones de cambio, como trayectorias de crecimiento o fluctuaciones en torno a un equilibrio. También discutimos los diseños de investigación adecuados para capturar estas dinámicas. Finalmente, repasamos los principales modelos estadísticos disponibles para estudiar el funcionamiento y desarrollo de estos procesos. Esperamos que esta revisión y las referencias a la literatura proporcionadas sean de utilidad para investigadores interesados en el estudio de procesos de cambio
Descargas
Citas
Bell, R. Q. (1953). Convergence: An Accelerated Longitudinal Approach. Child Development, 24(2), 145–152. https://doi.org/10.2307/1126345
Borsboom, D., Deserno, M. K., Rhemtulla, M., Epskamp, S., Fried, E. I., McNally, R. J., Robinaugh, D. J., Perugini, M., Dalege, J., Costantini, G., Isvoranu, A.-M., Wysocki, A. C., van Borkulo, C. D., van Bork, R. y Waldorp, L. J. (2021). Network Analysis of Multivariate Data in Psychological Science. Nature Reviews Methods Primers, 1(1), 1–18. https://doi.org/10.1038/s43586-021-00055-w
Cáncer, P. F., Estrada, E., Ollero, M. J. F. y Ferrer, E. (2021). Dynamical Properties and Conceptual Interpretation of Latent Change Score Models. Frontiers in Psychology, 12, Artículo 696419. https://doi.org/10.3389/fpsyg.2021.696419
Driver, C. C. y Voelkle, M. C. (2018). Hierarchical Bayesian Continuous Time Dynamic Modeling. Psychological Methods, 23(4), 774–799. http://dx.doi.org/10.1037/met0000168
Epskamp, S. (2020). Psychometric Network Models from Time-Series and Panel Data. Psychometrika, 85(1), 206–231. https://doi.org/10.1007/s11336-020-09697-3
Ernst, A. F., Albers, C. J. y Timmerman, M. E. (2024). A Comprehensive Model Framework for between-Individual Differences in Longitudinal Data. Psychological Methods, 29(4), 748–766. https://doi.org/10.1037/met0000585
Estrada, E. y Ferrer, E. (2019). Studying Developmental Processes in Accelerated Cohort-Sequential Designs with Discrete- and Continuous-Time Latent Change Score Models. Psychological Methods, 24(6), 708–734. https://doi.org/10.1037/met0000215
Estrada, E., Sbarra, D. A. y Ferrer, E. (2020). Models for Dyadic Data. En A. G. C. Wright y M. N. Hallquist (Eds.), The Cambridge Handbook of Research Methods in Clinical Psychology (pp. 350–368). Cambridge University Press. https://doi.org/10.1017/9781316995808.033
Ferrer, R. y Pardo, A. (2019). Clinically Meaningful Change. Methodology, 15(3), 97–105. https://doi.org/10.1027/1614-2241/a000168
Fritz, J., Piccirillo, M. L., Cohen, Z. D., Frumkin, M., Kirtley, O., Moeller, J., Neubauer, A. B., Norris, L. A., Schuurman, N. K., Snippe, E. y Bringmann, L. F. (2024). So You Want to Do ESM? 10 Essential Topics for Implementing the Experience-Sampling Method. Advances in Methods and Practices in Psychological Science, 7(3), 1–27. https://doi.org/10.1177/25152459241267912
Grimm, K. J., Ram, N. y Estabrook, R. (2017). Growth Modeling: Structural Equation and Multilevel Modeling Approaches. Guilford Press.
Hoffman, L. (2015). Longitudinal Analysis: Modeling within-Person Fluctuation and Change. Routledge.
Hunter, M. D. (2018). State Space Modeling in an Open Source, Modular, Structural Equation Modeling Environment. Structural Equation Modeling: A Multidisciplinary Journal, 25(2), 307–324. https://doi.org/10.1080/10705511.2017.1369354
Hunter, M. D., Fisher, Z. F. y Geier, C. F. (2024). What Ergodicity Means for you. Developmental Cognitive Neuroscience, 68, 1–16. https://doi.org/10.1016/j.dcn.2024.101406
McNeish, D. y Hamaker, E. L. (2020). A Primer on Two-Level Dynamic Structural Equation Models for Intensive Longitudinal Data in Mplus. Psychological Methods, 25(5), 610–635. https://doi.org/10.1037/met0000250
Mestdagh, M., Verdonck, S., Piot, M., Niemeijer, K., Kilani, G., Tuerlinckx, F., Kuppens, P. y Dejonckheere, E. (2023). m-Path: An Easy-to-use and Highly Tailorable Platform for Ecological Momentary Assessment and Intervention in Behavioral Research and Clinical Practice. Frontiers in Digital Health, 5, Artículo 1182175. https://doi.org/10.3389/fdgth.2023.1182175
Mongin, D., Uribe, A., Cullati, S. y Courvoisier, D. S. (2024). A Tutorial on Ordinary Differential Equations in Behavioral Science: What does Physics Teach us? Psychological Methods, 29(5), 980–1002. https://doi.org/10.1037/met0000517
Mulder, J. D. y Hamaker, E. L. (2021). Three Extensions of the Random Intercept Cross-Lagged Panel Model. Structural Equation Modeling: A Multidisciplinary Journal, 28(4), 638–648. https://doi.org/10.1080/10705511.2020.1784738
Usami, S., Murayama, K. y Hamaker, E. L. (2019). A Unified Framework of Longitudinal Models to Examine Reciprocal Relations. Psychological Methods, 24(5), 637–657. https://doi.org/10.1037/met0000210
Voelkle, M. C., Gische, C., Driver, C. C. y Lindenberger, U. (2018). The Role of Time in the Quest for Understanding Psychological Mechanisms. Multivariate Behavioral Research, 53(6), 782–805. https://doi.org/10.1080/00273171.2018.1496813
Widaman, K. F., Ferrer, E. y Conger, R. D. (2010). Factorial Invariance Within Longitudinal Structural Equation Models: Measuring the Same Construct Across Time. Child Development Perspectives, 4(1), 10–18. https://doi.org/10.1111/j.1750-8606.2009.00110.x
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2025 Facultad de Psicología
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
La revista Acción Psicológica se publica bajo licencia Creative Commons Reconocimiento – NoComercial (CC BY-NC). Las opiniones y contenidos de los artículos publicados en Acción Psicológica son de responsabilidad exclusiva de los autores y no comprometen la opinión y política científica de la revista. También serán responsables de proporcionar copias de los datos en bruto, puntuaciones, y, en general, material experimental relevante a los lectores interesados.
Copyright Note
Acción Psicológica is published under Creative Commons Attribution-Non Commercial (CC BY-NC). The opinions and contents of the articles published in Acción Psicológica are responsibility of the authors and do not compromise the scientific and political opinion of the journal. Authors are also responsible for providing copies of the raw data, ratings, and, in general, relevant experimental material to interested readers.
