Una introducción al modelamiento multinivel en psicología de la salud usando R
DOI:
https://doi.org/10.22544/rcps.v44i02.10Palabras clave:
Psicología de la salud, conductas de salud, actividad física, análisis multinivel, regresión multinivelResumen
El uso de técnicas estadísticas convencionales, como el análisis de la varianza (ANOVA) o regresión de mínimos cuadrados ordinarios, puede llevar a conclusiones erróneas y resultados sesgados cuando existen datos anidados, como pacientes en hospitales o adultos en vecindarios. El modelamiento multinivel permite abordar esta complejidad examinando relaciones entre variables en distintos niveles de una estructura de datos jerárquica. El presente artículo describe los conceptos básicos del análisis multinivel a través de aplicaciones en psicología de la salud usando el programa R. Se ilustran diferentes modelos de regresión multinivel usando datos simulados. Los materiales están disponibles en línea. Los resultados de los análisis representan los efectos predictivos entre grupos e intra grupo de la disponibilidad de áreas para ejercicio en el vecindario y de la intención conductual sobre la actividad física en adultos de distintos vecindarios. La implementación de modelos multinivel puede aportar a la comprensión del cambio conductual y estrategias de intervención para la prevención de enfermedades crónicas.Citas
Aparicio, A., & Morera, M. (2006). La conveniencia del análisis multinivel para la investigación en salud: una aplicación para Costa Rica. Población y Salud en Mesoamérica, 4(2). https://doi.org/10.15517/psm.v4i2.4556
Asparouhov, T., Hamaker, E. L., & Muthén, B. (2018). Dynamic Structural Equation Models. Structural Equation Modeling: A Multidisciplinary Journal, 25(3), 359-388. https://doi.org/10.1080/10705511.2017.1406803
Bates, D., Maechler, M., Bolker, B., & Walker, S. (2015). Fitting Linear Mixed-Effects Models Using lme4. Journal of Statistical Software, 67(1), 1-48. https://doi.org/10.18637/jss.v067.i01
Bell, B., & Schoeneberger, J. (2022). Introduction to Multilevel Models for Organizational Data. En A. O’Connell, D. McCoach, & B. Bell (Eds.), Multilevel Modeling Methods With Introductory and Advanced Applications (pp. 13-50). Information Age Publishing.
Cohen, J., Cohen, P., West, S., & Aiken, L. (2003). Applied Multiple Regression/Correlation Analysis for the Behavioral Sciences (3rd ed.). Lawrence Erlbaum Associates.
Finch, H. (2017). Multilevel modeling in the presence of outliers: A comparison of robust estimation methods. Psicológica, 38(1), 57-92.
Finch, W., Bolin, J., & Kelley, K. (2019). Multilevel Modeling Using R (2nd ed.). Taylor & Francis Group.
Finch, W. H., & French, B. F. (2014). Multilevel Latent Class Analysis: Parametric and Nonparametric Models. The Journal of Experimental Education, 82(3), 307-333. https://doi.org/10.1080/00220973.2013.813361
Geiser, C. (2013). Data Analysis with Mplus. The Guilford Press.
Hancock, G., Stapleton, L., & Mueller, R. (2019). The Reviewer’s Guide to Quantitative Methods in the Social Sciences (2nd ed.). Routledge.
Heck, R., & Thomas, S. (2020). An Introduction to Multilevel Modeling Techniques (4th ed.). Routledge.
Hoffman, L. (2014). Longitudinal Analysis Modeling Within-Person Fluctuation and Change (1st ed.). Routledge.
Hox, J., Moerbeek, M., & van de Schoot, R. (2018). Multilevel Analysis Techniques and Applications (3rd ed.). Routledge.
Jacqmin-Gadda, H., Sibillot, S., Proust, C., Molina, J.-M., & Thiébaut, R. (2007). Robustness of the linear mixed model to misspecified error distribution. Computational Statistics & Data Analysis, 51(10), 5142-5154. https://doi.org/https://doi.org/10.1016/j.csda.2006.05.021
Kajosaari, A., & Laatikainen, T. E. (2020). Adults’ leisure-time physical activity and the neighborhood built environment: A contextual perspective. International Journal of Health Geographics, 19(1). https://doi.org/10.1186/s12942-020-00227-z
Kim, S. Y., Jang, M., Yoo, S., JeKarl, J., Chung, J. Y., & Cho, S. (2020). School-Based Tobacco Control and Smoking in Adolescents: Evidence from Multilevel Analyses. International Journal of Environmental Research and Public Health, 17(10). https://doi.org/10.3390/ijerph17103422
Kumle, L., Võ, M., & Draschkow, D. (2021). Estimating power in (generalized) linear mixed models: An open introduction and tutorial in R. Behavior Research Methods, 53, 2528-2543. https://doi.org/10.3758/s13428-021-01546-0/Published
Kuznetsova, A., Brockhoff, P. B., & Christensen, R. H. B. (2017). lmerTest Package: Tests in Linear Mixed Effects Models. Journal of Statistical Software, 82(13), 1-26. https://doi.org/10.18637/jss.v082.i13
Lin, Y.-H., Hsu, H.-C., Bai, C.-H., & Wu, W.-C. (2022). Dietary Patterns among Older People and the Associations with Social Environment and Individual Factors in Taiwan: A Multilevel Analysis. International Journal of Environmental Research and Public Health, 19(7). https://doi.org/10.3390/ijerph19073982
LoPilato, A. C., & Vandenberg, R. J. (2015). The not-so-direct cross-level direct effect. In C. E. Lance & R. J. Vandenberg (Eds.), More statistical and methodological myths and urban legends (pp. 292-310). Routledge/Taylor & Francis Group.
Lüdtke, O., Robitzsch, A., & Grund, S. (2017). Multiple imputation of missing data in multilevel designs: A comparison of different strategies. Psychological Methods, 22(1), 141-165. https://doi.org/10.1037/met0000096
Luke, D. (2020). Multilevel modeling (2nd ed.). SAGE Publications.
Maruyama, G. (1998). Basics of Structural Equation Modeling. SAGE.
Mulder, J. D., & 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
Murillo, F. (2008). Los modelos multinivel como herramienta para la investigación educativa. Magis, Revista Internacional de Investigación En Educación, 1, 45-62.
Nezlek, J. B. (2008). An Introduction to Multilevel Modeling for Social and Personality Psychology. Social and Personality Psychology Compass, 2(2), 842-860. https://doi.org/10.1111/j.1751-9004.2007.00059.x
O’Connell, A., McCoach, D., & Bell, B. (2022). Introduction to Multilevel Modeling Methods: Pedagogy and Context. En A. O’Connell, D. McCoach, & B. Bell (Eds.), Multilevel Modeling Methods With Introductory and Advanced Applications (pp. 1-13). Information Age Publishing.
Oliver, J., Rosel, J., & Jara, P. (2000). Modelos de regresión multinivel: aplicación en psicología escolar. Psicothema, 12(3), 487-494.
Pardo, A., Ruíz, M., & San Martín, R. (2007). Cómo ajustar e interpretar modelos multinivel con SPSS. Psicothema, 191(2), 308-321.
Pedersen, E. J., Miller, D. L., Simpson, G. L., & Ross, N. (2019). Hierarchical generalized additive models in ecology: An introduction with mgcv. PeerJ, 7(e6876). https://doi.org/10.7717/peerj.6876
Peugh, J. L. (2010). A practical guide to multilevel modeling. Journal of School Psychology, 48(1), 85-112. https://doi.org/10.1016/j.jsp.2009.09.002
Raudenbush, S., & Bryk, A. (2002). Hierarchical Linear Models: Applications and Data Analysis Methods (2nd ed.). Sage Publications.
Rhodes, R. E., & Dickau, L. (2013). Moderators of the intention-behaviour relationship in the physical activity domain: a systematic review. British Journal of Sports Medicine, 47(4), 215-225. https://doi.org/10.1136/bjsports-2011-090411
Rights, J., & Sterba, S. (2019). Quantifying Explained Variance in Multilevel Models: An Integrative Framework for Defining R-Squared Measures. Psychological Methods, 24(3), 309-338. https://doi.org/10.1037/met0000184.supp
Schielzeth, H., Dingemanse, N. J., Nakagawa, S., Westneat, D. F., Allegue, H., Teplitsky, C., Réale, D., Dochtermann, N. A., Garamszegi, L. Z., & Araya-Ajoy, Y. G. (2020). Robustness of linear mixed-effects models to violations of distributional assumptions. Methods in Ecology and Evolution, 11(9), 1141-1152. https://doi.org/10.1111/2041-210X.13434
Snijders, T., & Bosker, R. (2012). Multilevel Analysis: An Introduction to Basic and Advanced Multilevel Modeling (2nd ed.). SAGE Publications.
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
El Colegio, como institución editora, tiene todos los derechos reservados (copyright) sobre lo que se publica en la revista. Los autores y las autoras firman una declaración de cesión de derechos de autoría en el caso de aceptación de sus manuscritos para publicación en la revista, conforme con lo establecido en la legislación vigente.
Los artículos publicados representarán el punto de vista de su autoría y no de la revista, por lo que la autoría asume responsabilidad ante cualquier litigio o reclamación relacionada con derechos de propiedad intelectual y exonera de cualquier responsabilidad a la Revista Costarricense de Psicología y al Colegio.
La revista publicará en cada edición su política de acceso abierto (p.ej., Creative Commons). El material publicado en la revista puede ser copiado, fotocopiado, duplicado y compartido siempre y cuando sea expresamente atribuido al Colegio. El material de la revista no puede ser usado para fines comerciales.
