Análisis Longitudinal

¿Qué hace Análisis Longitudinal?

Habilidad autocontenida que ejecuta un análisis reproducible de múltiples pasos sobre datos longitudinales / de panel. Cada paso se habilita y audita de forma independiente; R (lme4 / lavaan) se invoca para el trabajo estadístico pesado y la parte de Python orquesta y degrada suavemente cuando R no está presente.

FLUJO DE TRABAJO OBLIGATORIO

Inicialización de dependencias (ejecutar en el primer uso)

Antes de la primera ejecución, verifique las dependencias de tiempo de ejecución de esta habilidad:

• Requeridas (Python): pandas, PyYAML.
• Opcionales (Python): statsmodels, scipy (paso de verificación de manipulación).
• Requeridas (externas): R >= 4.0 con lme4, lavaan, emmeans, jsonlite en PATH — necesarias para los pasos lmm, mediation y sensitivity.

Comportamiento:

• Faltan dependencias Python -> informe al usuario cuáles faltan y pregunte si desea python -m pip install pandas pyyaml (agregue statsmodels scipy para la verificación de manipulación). Instale solo después de su confirmación; prefiera un entorno virtual local al proyecto.
• Faltan R o paquetes de R -> no intente instalar R. Enumere los paquetes de R exactos que faltan, omita los pasos respaldados por R, registre el motivo en el registro de auditoría y entregue los pasos solo de Python que se ejecuten.

1. Cargue la configuración YAML (config/examples/behavior_2x2x2.yaml como referencia).
2. Confirme que data.input existe y que las columnas id_column / time_column están presentes.
3. Ejecute python -m src.cli run --config <ruta> [--step <nombre>].
4. Informe el estado por paso; los pasos omitidos de R significan que R no está instalado: enumere los paquetes faltantes y deténgase (no intente instalar).
5. Señale al usuario los archivos results/tables/*.csv y results/logs/analysis_log.jsonl.

Cuándo usarlo

• El usuario tiene datos de panel / medidas repetidas (una o más sesiones por sujeto, con condiciones entre sujetos) y desea un análisis reproducible en lugar de un cálculo único.
• La solicitud menciona una técnica: "LMM", "modelo mixto", "medidas repetidas", "análisis longitudinal", "mediación en el tiempo", "mediador retardado" o "análisis de sensibilidad de estructura de efectos aleatorios".
• Se deben producir estadísticos descriptivos, una verificación de manipulación o un análisis de sensibilidad sobre estructuras de efectos aleatorios / covarianza con una pista de auditoría.

Ejemplos de uso

# Validar una configuración y listar los pasos que habilita.
python -m src.cli validate --config config/examples/behavior_2x2x2.yaml
python -m src.cli list-steps --config config/examples/behavior_2x2x2.yaml

# Ejecutar el pipeline completo, o un solo paso nombrado.
python -m src.cli run --config config/examples/behavior_2x2x2.yaml
python -m src.cli run --config config/examples/behavior_2x2x2.yaml --step lmm

# Exportar las tablas generadas (csv o docx).
python -m src.cli export --config config/examples/behavior_2x2x2.yaml --format csv

Los resultados se guardan en results/tables/*.csv; la pista de auditoría por paso es results/logs/analysis_log.jsonl.

Manejo de fallos

• Un paso reporta skipped - Falta R o un paquete de R. Enumere los paquetes faltantes y deténgase; no intente instalar ni sustituya con un cálculo hecho a mano.
• Configuración inválida (validate sale con código distinto de cero) - corrija el campo reportado (generalmente data.input, id_column o time_column) y revalide.
• Un paso falla en medio del pipeline - se conservan y auditan las salidas de los pasos anteriores; informe el paso fallido textualmente y deténgase, no lo vuelva a ejecutar a ciegas.
• Código de salida inesperado - informe el mensaje textualmente.

Pasos del pipeline

Tipo	Módulo	Dependencia de R
descriptive	src/steps/descriptive.py	ninguna
anova (verificación de manipulación)	src/steps/manipulation.py	ninguna (statsmodels)
lmm	src/steps/lmm.py	R/lmm.R (lme4 + emmeans)
mediation (retardado)	src/steps/mediation.py	R/mediation.R (lavaan)
sensitivity	src/steps/sensitivity.py	R/lmm.R

Limitaciones

• Los paquetes de R (lme4, lavaan, emmeans, jsonlite) deben estar instalados localmente; el pipeline omite los pasos respaldados por R cuando Rscript no está en PATH y registra el motivo en la auditoría.
• El bootstrap de mediación es elección del usuario (por defecto 5000); el costo de tiempo de ejecución escala con el tamaño de la muestra.