(2024-10-24) Bartolelli, Gino; Cuesta, Cristina; Wojdyla, Daniel; Universidad Nacional de Rosario. Facultad de Ciencias Económicas y Estadística. Secretaría de Ciencia y Tecnología. Argentina
La modelización de datos longitudinales consiste en describir la evolución de observaciones medidas a través del tiempo teniendo en cuenta la estructura de
correlación presente entre las mediciones. En situaciones donde se presume la existencia de factores no observables que generan una heterogeneidad que no puede ser explicada a partir de los datos, los modelos longitudinales con clases latentes surgen como una alternativa flexible para reconocer patrones e identificar subgrupos de observaciones con trayectorias similares. El proceso de estimación de estos modelos por el método de máxima verosimilitud se ve dificultado debido a la presencia de múltiples óptimos locales en la superficie de la verosimilitud. Como se muestra en este trabajo, falencias a la hora de tener en cuenta estas soluciones pueden conducir a resultados sesgados e interpretaciones incorrectas. Los resultados de este estudio de simulación muestran que las soluciones locales están presentes incluso en modelos parsimoniosos con datos completos y bien comportados. El uso de rutinas de búsqueda automática considerando valores iniciales distintos es de vital importancia para asegurar la validez de este tipo de análisis.