Modelado de la heterogeneidad cualitativa entre personas en series temporales utilizando modelos autorregresivos de...

Área de la Ciencia:

• Investigación Psicológica
• Psicología Cuantitativa
• Análisis de Series Temporales

Sus antecedentes:

• Los datos de series temporales son cruciales para comprender la dinámica intraindividual en psicología.
• Los modelos autorregresivos de vectores (VAR) se utilizan comúnmente para aproximar estas dinámicas.
• Los modelos jerárquicos existentes a menudo asumen heterogeneidad cuantitativa entre individuos.

Objetivo del estudio:

• Introducir el modelo autorregresivo de vectores de clases latentes (LC-VAR) como una alternativa a los métodos tradicionales.
• Abordar la falta de accesibilidad de los modelos LC-VAR en la investigación psicológica aplicada.
• Proporcionar herramientas y orientación prácticas para estimar e interpretar modelos LC-VAR.

Principales métodos:

• Se desarrolló una introducción accesible a los modelos VAR de clases latentes.
• Se realizó un estudio de simulación para evaluar la estimación del modelo en escenarios realistas.
• Se introdujo el paquete R ClusterVAR para la estimación de modelos LC-VAR fácil de usar.
• Se proporcionó un tutorial reproducible para modelar la dinámica emocional utilizando LC-VAR.

Principales resultados:

• El modelo VAR de clases latentes captura eficazmente la heterogeneidad cualitativa en la dinámica intraindividual.
• Las simulaciones demostraron la viabilidad de estimar modelos LC-VAR con datos aplicados.
• El paquete ClusterVAR simplifica la aplicación de modelos LC-VAR.
• El tutorial ilustra un flujo de trabajo completo para el análisis LC-VAR.

Conclusiones:

• Los modelos VAR de clases latentes ofrecen un marco valioso para comprender las diferencias individuales en los procesos psicológicos.
• El paquete R y el tutorial desarrollados mejoran la accesibilidad y aplicación de los modelos LC-VAR.
• Este enfoque avanza el análisis de datos complejos de series temporales en la investigación psicológica.