2019-02-082019-02-082018-12-111668-5008http://hdl.handle.net/2133/13910Los modelos lineales mixtos se utilizan para el análisis de datos longitudinales. La elección de un modelo adecuado para los datos depende, necesariamente, del uso de herramientas de diagnóstico para mostrar alguna deficiencia en el modelo estimado. Se justifica su uso ya que en muchos casos hay poca o ninguna base teórica disponible para sugerir la forma específica de las interrelaciones de las variables intervinientes. Estos métodos pueden ayudar a mejorar la elección del modelo y a identificar valores atípicos o unidades influyentes que merecen una mayor atención por parte del investigador. Aunque el modelo mixto ofrece gran flexibilidad para modelar la correlación dentro de la unidad, frecuentemente presente en datos con mediciones repetidas, sufre de la misma falta de robustez frente a observaciones distantes que otros modelos estadísticos basados en la distribución gaussiana. En este trabajo se presentan diferentes estrategias que ayudan a la modelación, introduciendo tanto los enfoques clásicos, que son habitualmente utilizados, como los de reciente aparición. Para la aplicación se utiliza un conjunto de datos, clásico en el análisis de datos longitudinales, que fueron recolectados para evaluar el cambio a través del tiempo de la longitud maxilar de varones y mujeresMixed linear models are used for longitudinal data analysis. The choice of a suitable model for the data depends, necessarily, on the use of diagnostic tools to show some deficiency in the estimated model. They are used in many cases where there is little or no theoretical basis available to suggest the specific form for the variable´s relation. These methods can improve the model selection process, the outlier detection and the detection of influential units that deserve greater attention from the researcher. Although the mixed model offers great flexibility for modeling the correlation within the unit, often present in data with repeated measurements, it suffers from the same lack of robustness to distant observations as other statistical models based on the Gaussian distribution. In this paper, different strategies that help modeling are introduced, using, both, the classical approaches, which are commonly used, and those recently proposed. In the application stage a classic data set used for longitudinal analysis is used to evaluate the change over time of the maxillary length of males and femalesapplication/pdfspaopenAccessDatos longitudinalesModelos mixtosdiagnósticoconferenceObjectFacultad de Ciencias Económicas y Estadística. Universidad Nacional de Rosario