Tengo datos sobre un estudiante en prácticas para mi tesis de máster. Las variables se midieron en 3 momentos (antes, inmediatamente después y 1 año después de la formación). Algunos estudiantes han rellenado los 3 cuestionarios, mientras que otros sólo han rellenado cuestionarios en 1 o 2 puntos temporales. Estoy intentando calcular un modelo de curva de crecimiento en R para una variable (acción emprendedora). ¿Debo incluir todas las observaciones? ¿O sólo los participantes que han rellenado los 3 cuestionarios? (¿Por qué?)
Respuesta
¿Demasiados anuncios?
No creo que haya una respuesta correcta o incorrecta, sino más bien que el enfoque adecuado, especialmente para una tesis, es explicar por qué se hace lo que se decide hacer, y se puede incluir el otro análisis en un apéndice o mencionarlo en una nota a pie de página.
Para poner de relieve lo que puede salir mal en cualquiera de los dos casos, consideremos el siguiente. Supongamos que sólo responden a los cuestionarios de seguimiento los estudiantes que han tenido éxito en sus iniciativas empresariales y que, por tanto, están motivados para ser cada vez más emprendedores. Así, al fijarse sólo en los encuestados que responden a todas las encuestas, está seleccionando en la población de encuestados que tienen "tasas de crecimiento" personales más altas para la acción emprendedora. La tasa de crecimiento que mide es correcta, pero para esa población de individuos. Sin embargo, al incluir todas las observaciones, la tasa de crecimiento parecerá cada vez más alta que si sólo nos fijamos en los que responden a las 3, porque el primer periodo de tiempo estará lleno de personas no emprendedoras que luego abandonan.
Debe quedar claro que se puede plantear cualquier otra situación hipotética, y cada una tendrá conclusiones diferentes. Pero en el fondo, la disyuntiva está entre medir la tasa de crecimiento que podría estar observando diferentes poblaciones a lo largo del tiempo, o estar observando una con la misma población, pero con un sesgo de selección potencialmente fuerte. Típicamente, creo que este último es más "limpio" en la interpretación de los efectos, pero entonces el objetivo es entender realmente qué población selecciona en esto. Lo ideal es que el abandono sea simplemente aleatorio, y no tenga nada que ver con la acción empresarial, en cuyo caso observar la submuestra de encuestados que completan todo está bien. Pero debe quedar claro que esto rara vez es cierto: los que responden a todas las encuestas son personas muy diferentes a las que no lo hacen (quizá más organizadas, quizá más solidarias, etc., todo lo cual podría afectar de algún modo a la acción emprendedora).
Seguro que hay mucho sobre la falta de respuesta en las encuestas de seguimiento, pero algunas formas clásicas de entenderlo mejor son: 1. ¿tiene otras covariables de referencia (sexo, raza, promedio académico, etc.) que pueda estudiar a lo largo del tiempo y ver si la composición de la población cambia con el tiempo? Si no es así, quizá los que abandonaron simplemente se olvidaron, y se olvidan aleatoriamente independientemente de su espíritu emprendedor. Entonces quizás esté bien mirar la submuestra de los que responden a todas. 2. ¿Es estadísticamente insignificante la diferencia en la media de la primera pregunta entre los que responden a las tres y los que no? Este es otro indicio de que tal vez los grupos son los mismos, aunque de nuevo, la evolución temporal podría importar aquí. 3. 3. ¿Puede intentar conseguir un seguimiento de los no encuestados? ¿Quizás incentivarlo de alguna manera?
Al final, creo que lo más importante es que demuestres que has estudiado detenidamente este asunto. Sea cual sea el que utilices, apóyalo (definitivamente utiliza los puntos 1 y 2 si analizas la submuestra de todos los encuestados) e incluye alguna robustez en un apéndice.
