Investigación por Encuesta Longitudinal — Diseño de Encuesta de Medidas Repetidas
- Propuesto por
- Survey methodology tradition; codified in social sciences by scholars including W.S. Robinson (1950) and later Scott Menard
- Año
- Mid-20th century (formalized ~1950s–1970s)
- Tipo
- Quantitative observational research design
- Familia
- Survey / observational design
Este texto es una traducción automática y aún no se ha revisado. Leer el original en inglés
¿Qué hace?
La investigación por encuesta longitudinal recopila datos estructurados de cuestionarios de los mismos individuos (o unidades) en dos o más momentos en el tiempo.
A diferencia de una encuesta transversal de una sola aplicación, este diseño captura el cambio, la estabilidad y el orden temporal de las variables, lo que permite a los investigadores rastrear trayectorias, probar secuencias causales y distinguir los efectos de cohorte de los efectos del envejecimiento dentro de un marco cuantitativo.
La intuición detrás del método
Imagine que desea saber si un nuevo plan de estudios escolar realmente mejora las actitudes de los estudiantes hacia las matemáticas a lo largo de un año, no solo cómo son las actitudes en un momento dado. Una encuesta longitudinal sigue a los mismos estudiantes al comienzo del año, a mitad de año y al final del año, haciendo preguntas idénticas o paralelas cada vez. Debido a que las mismas personas responden repetidamente, puede comparar directamente el cambio de cada individuo en lugar de inferirlo de diferentes personas en diferentes momentos. La estructura temporal es lo que le da a este diseño su poder analítico: puede observar secuencias de cambio en lugar de instantáneas.
Historia
El uso de encuestas repetidas a lo largo del tiempo surgió en las ciencias sociales a mediados del siglo XX. El artículo de W.S. Robinson de 1950 sobre correlaciones ecológicas e individuales llamó la atención sobre los límites de los datos transversales para la inferencia a nivel individual, motivando los diseños de panel. Los programas de encuestas longitudinales a gran escala —incluido el Panel Study of Income Dynamics (PSID, lanzado en 1968) y las National Longitudinal Surveys (NLS) en los Estados Unidos— demostraron la viabilidad y el valor científico de seguir a los mismos encuestados durante décadas. El manual de Scott Menard (1991, 2.ª ed. 2002) y el volumen editado por Peter Lynn sobre metodología de encuestas longitudinales (2009) codificaron las mejores prácticas para el diseño de la muestra, la gestión de la deserción y el análisis.
Cuándo usarlo
Utilice la investigación por encuesta longitudinal cuando la pregunta central se refiera al cambio a lo largo del tiempo, al orden temporal de las variables o al desarrollo de resultados dentro de individuos o unidades, preguntas que una encuesta transversal no puede responder. Es muy adecuada para estudiar el cambio de actitud, las trayectorias de desarrollo, las trayectorias profesionales, los comportamientos de salud y los efectos de las políticas cuando la manipulación experimental no es factible ni ética. El diseño requiere una muestra estable y rastreable; financiación suficiente y capacidad institucional para la recopilación de datos en múltiples olas; y voluntad para gestionar la deserción. NO la utilice cuando: (1) solo se necesita una estimación de prevalencia en un momento dado —una encuesta transversal es más eficiente; (2) el período de estudio es demasiado corto para que ocurra un cambio significativo; (3) el seguimiento de los participantes es operativamente imposible; o (4) la medición repetida es probable que produzca efectos de prueba que contaminen el constructo que se está midiendo.
Limitaciones y consideraciones
- La deserción del panel amenaza la validez interna: los participantes que abandonan a menudo son sistemáticamente diferentes de los que permanecen, lo que introduce un sesgo de selección.
- La administración repetida del mismo instrumento puede producir efectos de prueba: los participantes aprenden o se sensibilizan a las preguntas, inflando el cambio aparente.
- Logísticamente exigente y costosa: el seguimiento de los participantes, la gestión de la información de contacto y el mantenimiento del compromiso entre las olas requiere recursos sustanciales.
- Los horizontes temporales largos significan que los eventos externos (efectos históricos, pandemias, cambios de políticas) entre las olas se convierten en factores de confusión que son difíciles de desentrañar de los constructos de interés.
- La invarianza de la medición debe establecerse entre las olas antes de interpretar las puntuaciones de cambio; no probarla puede llevar a conclusiones espurias sobre el cambio.
Las condiciones de la fuente no sustituyen una revisión científica independiente ni la validación por un motor de análisis.
Fortalezas
- Establece la precedencia temporal —un requisito previo para la inferencia causal— al capturar el orden de los cambios de las variables dentro de los mismos participantes.
- Separa el cambio dentro de la persona de las diferencias entre personas, proporcionando estimaciones más precisas que las comparaciones transversales.
- Detecta efectos de cohorte, período y edad que solo se hacen visibles cuando se sigue a los mismos individuos a lo largo del tiempo.
- Escalable a muestras grandes y representativas a nivel nacional, lo que permite inferencias a nivel de población sobre las trayectorias de cambio.
- Compatible con una amplia gama de técnicas analíticas (GCM, CLPM, SEM) que explotan la estructura temporal de los datos.
- Más eficiente que el reclutamiento de nuevas cohortes en cada ola cuando se estudia la misma población a lo largo del tiempo.
Aplicaciones
- Seguimiento de los cambios en la motivación académica, la autoeficacia o el bienestar de los estudiantes a lo largo de los años escolares o programas de grado.
- Monitoreo de la evolución de las actitudes políticas, las intenciones de voto o el compromiso cívico dentro de los paneles electorales nacionales.
- Estudio del cambio de comportamiento de salud —actividad física, dieta, uso de sustancias— a lo largo de meses o años en estudios de cohortes.
- Evaluación de los resultados a largo plazo en el mercado laboral de los graduados de diferentes trayectorias educativas.
- Evaluación de los efectos sostenidos de las campañas de salud pública o las intervenciones educativas después de que finaliza el programa activo.
- Examen de cómo las actitudes organizacionales (satisfacción laboral, compromiso) responden a los cambios en las políticas del lugar de trabajo a lo largo del tiempo.
Cómo funciona
Cómo funciona
El investigador define las preguntas de investigación, selecciona la población objetivo, determina el número de olas de medición y los intervalos de tiempo entre ellas, y construye o adapta un instrumento de encuesta que sea consistente entre las olas. El tamaño de la muestra debe tener en cuenta la deserción esperada, y los procedimientos de consentimiento informado deben abordar la participación en múltiples olas desde el principio.
La encuesta de la primera ola (Tiempo 1) se administra a la muestra reclutada, recopilando medidas de referencia de todas las variables clave: resultados, predictores y covariables. Las altas tasas de respuesta en esta ola son críticas porque cada participante perdido en la línea de base no puede recuperarse en análisis posteriores.
En cada ola subsiguiente (Tiempo 2, Tiempo 3, …), se vuelve a contactar a los mismos participantes y se les administra nuevamente el instrumento de encuesta. La redacción consistente de las preguntas, los formatos de respuesta y el modo de administración entre las olas preservan la equivalencia de la medición y permiten distinguir el cambio genuino en la puntuación del artefacto de medición.
La deserción del panel —el abandono de participantes entre olas— se evalúa comparando a los que completan la ola con los que no la completan en función de las características de referencia. Si los que abandonan difieren sistemáticamente de los que continúan (deserción selectiva), se aplican estrategias analíticas como la imputación múltiple, la ponderación por probabilidad inversa o la estimación de máxima verosimilitud de información completa para reducir el sesgo.
Los datos longitudinales se analizan con métodos adecuados para mediciones repetidas: modelado de curvas de crecimiento, modelos de puntuación de cambio latente, modelos de panel de retardo cruzado, ecuaciones de estimación generalizadas o regresión de efectos mixtos. El modelo elegido depende de si el interés principal es el cambio a nivel medio, las trayectorias individuales o las relaciones causales recíprocas entre variables a lo largo del tiempo.
Errores comunes
- Ignorar la deserción selectiva: asumir que los que completan la ola son representativos de la muestra original sin probar la deserción diferencial produce estimaciones sesgadas del cambio.
- Cambiar el instrumento de encuesta entre olas: incluso las revisiones menores de la redacción o las modificaciones de la escala de respuesta invalidan las comparaciones directas de puntuaciones a lo largo del tiempo.
- Muestra de referencia con poca potencia: calcular el tamaño de la muestra solo para la potencia transversal sin inflar para la deserción esperada deja el estudio con poca potencia en olas posteriores.
- Tratar la ola como un efecto fijo sin modelar el crecimiento: ejecutar ANOVAs separadas por ola en lugar de una curva de crecimiento o un modelo mixto descarta la información longitudinal e infla el error de Tipo I.
- Informar solo las medias a nivel de grupo: la heterogeneidad en las trayectorias individuales es a menudo el hallazgo sustantivamente importante; las tendencias agregadas pueden enmascarar subgrupos divergentes.
Preguntas frecuentes
¿En qué se diferencia la investigación por encuesta longitudinal de un estudio de panel?
Los términos se superponen sustancialmente. Un estudio de panel es un tipo específico de encuesta longitudinal en la que se encuesta exactamente a los mismos individuos en cada ola. La investigación por encuesta longitudinal es la categoría más amplia; también incluye estudios de tendencias (diferentes muestras aleatorias de la misma población en cada ola) y estudios de cohortes (la misma cohorte de nacimiento o entrada, pero no necesariamente los mismos encuestados). Cuando la gente dice 'encuesta longitudinal', la mayoría de las veces se refieren a un diseño de panel, pero la precisión importa al elegir la estrategia analítica.
¿Cuántas olas son necesarias?
Se requiere un mínimo de dos olas para observar el cambio, pero dos olas solo admiten modelos limitados (puntuaciones de diferencia, regresión simple pre-post). Se necesitan tres o más olas para estimar trayectorias de crecimiento, probar cambios no lineales y aplicar modelos de panel de retardo cruzado. El número óptimo de olas depende de la forma esperada del cambio y del modelo analítico; más olas proporcionan mayor poder para detectar y caracterizar trayectorias.
¿Cómo manejo los datos faltantes por deserción?
Primero, evalúe si la deserción es completamente aleatoria (MCAR), aleatoria (MAR) o no aleatoria (MNAR) comparando a los que abandonan con los que completan en las variables de referencia. Bajo MAR —la suposición más defendible en la mayoría de los estudios de panel— la estimación de máxima verosimilitud de información completa (FIML) o la imputación múltiple son los enfoques preferidos. La eliminación simple por lista es casi nunca apropiada porque descarta datos utilizables y produce estimaciones sesgadas cuando la deserción no es completamente aleatoria.
¿Puede una encuesta longitudinal establecer causalidad?
El orden temporal (una condición necesaria para la causalidad) puede demostrarse cuando un predictor en la Ola 1 predice un resultado en la Ola 2 después de controlar el resultado en la Ola 1, utilizando modelos de panel de retardo cruzado o regresión de puntuación de diferencia. Sin embargo, los factores de confusión no medidos que permanecen estables o cambian entre las olas aún pueden distorsionar las estimaciones causales. Las encuestas longitudinales proporcionan una evidencia más sólida que los diseños transversales, pero siguen siendo observacionales; los experimentos aleatorios son el estándar de oro para la inferencia causal.
¿Cómo establezco que mi instrumento de encuesta mide el mismo constructo en cada ola?
A través de pruebas de invarianza de medición basadas en análisis factorial confirmatorio (CFA) (Vandenberg & Lance, 2000). Como mínimo, la invarianza configural y métrica deben establecerse antes de comparar las medias latentes; la invarianza escalar es necesaria para comparar las medias observadas. Si se encuentra invarianza parcial, restrinja solo los parámetros invariantes e interprete el cambio en los ítems no invariantes con precaución.
Métodos relacionados
Fuentes
Menard, S. (2002). Longitudinal Research (2nd ed.). Sage Publications.
ISBN: 978-0761922452Copiado.Lynn, P. (Ed.). (2009). Methodology of Longitudinal Surveys. Wiley.
ISBN: 978-0470018712Copiado.