Cómo promediar elementos ordinales a lo largo del tiempo

Question

Tenemos 1 punto de medición de pre-estrés (t1), luego un estresor severo, y después de muchos meses, 3 puntos de medición consecutivos (t2 t3 t4) que están muy próximos entre sí. Para aumentar la fiabilidad de estos 3 puntos temporales t2-t4, nos gustaría utilizar toda la información y fusionarlos en un punto temporal posterior al estrés y, a continuación, realizar un análisis longitudinal con un punto temporal anterior y otro posterior al estrés.

Lamentablemente, los ítems son ordinales (0,1,2,3). Al promediarlos se produce el problema de que (salvo por el hecho de que no se deben promediar síntomas ordinales) t1 es ordinal, pero el punto de medición posterior es métrico (t2-t4 promediados), y utilizar estas variables en análisis estadísticos puede ser muy problemático.

¿Cómo lo haría? ¿Podría justificarse dar a una persona un "2" tras el estrés si la persona tiene t2="2" t3="2" y t4="3", por ejemplo? Básicamente, ¿hacer un promedio métrico y luego redondear a ordinal?

Gracias.

Answer 1

Como en general no es muy apropiado hacer cálculos a escala de intervalo en variables ordinales, puede ser mejor mantener la naturaleza ordinal de cada medición y utilizar un modelo logístico ordinal de medidas repetidas, como un modelo de probabilidades proporcionales con efectos aleatorios para los sujetos. Esto puede hacerse utilizando el paquete R ordinal .

Answer 2

A menos que se tome la decisión arbitraria de elegir uno de t2, t3 o t4 (es decir, elegir uno al azar por cada observación de t1), no veo cómo se pueden combinar t2 con t4 de una manera kosher.

Si envías este análisis a una revista, es probable que el comité de revisión no considere adecuada tu versión de la media. Si lo haces para una empresa, es posible que te salgas con la tuya (pero no se trata de eso, obviamente).