Hvor tværsnitsundersøgelser består i at undersøge forskellige forhold på samme tidspunkt, handler længdesnitsundersøgelser, forløbsundersøgelser om at beskrive hvordan noget forandrer sig over tid.
Typiske eksempler er undersøgelser af børns udvikling, hvor forskellige færdigheder forøges over tid, og undersøgelser af behandling, hvor forskellige symptomer ønskes reduceret over tid.

Hvor det har været almindeligt at undersøge børns udvikling ved at foretage en række målinger gennem tiden, har behandlingsundersøgelser ofte bestået i at undersøge tilstanden før behandlingens begyndelse, efter behandlingens afslutning, og måske også et stykke tid efter. Denne praksis har ført til nogle meget vigtige erkendelser, hvoraf den vigtigste for psykologer nok er at psykoterapeutisk behandling generelt set har kunnet påvises at have virkning, og oven i købet meget ofte en vældig stor virkning.

Samtidig har denne praksis med før-efter målinger, altså kun to dataindsamlinger (evt med en opfølgning) mange ulemper. I sig selv indebærer dette design statistiske usikkerheder, herunder vanskeligheder ved analyse af data fra de personer som ikke medvirker ved efterundersøgelsen. Der er også mange vigtige spørgsmål som ikke kan belyses med denne ‘two-wave’ metode, f.eks. hvordan tidsforløbet er under behandlingen, og om det er det samme for alle personerne, eller om der måske f.eks er personer der hurtigt bedres og holder bedringen, andre der er længere om at bedres, nogle der bedres men når at forværres igen før efterundersøgelsen. Sådanne resultater vil være vigtige for at kunne tilpasse behandlingen til forskellige grupper af personer.

Der findes imidlertid stadig datasæt der består af kun to dataindsamlinger, og dette mangelfulde design anvendes også stadig i nye undersøgelser, f.eks. begrunder i ressourceproblemer, eller i at de behandlede personer ikke forventes at kunne medvirke i designs med flere dataindsamlingstidspunkter. Der findes metoder til bedst muligt at analyser denne form for data. Her skal særligt fremhæves metoden Latent change. [indsæt henvisning]

Ved analyse af forløbsdesigns med flere dataindsamlingstidspunkter findes udviklet en række kraftfulde statistiske metoder. Ved analyse af observerede variable anvendes typisk en form for multi-level analyse, som er beskrevet af Singer og Willett [henvisning til bog og til netressourcer]. Denne form for analyse introduceres her (som ppt-fil)

En nyere meget kraftfuld metode anvender statistik med latente variable, Growth Modeling, hvor parametrene til ændringskurverne (starttilstanden, ændringshastigheden, og måske ændring i ændringshastigheden) beregnes som latente variable. Metoden kan suppleres med Latent klasseanalyse som kan anvendes til at undersøge om der er forskellige typer af gennemførelsesforløb. [henvisninger – og PowerPoint-præsentationer]

Jan Ivanouw
12. maj 2018