Uso de las ecuaciones estructurales en la confirmación de modelos causales haciendo uso del software AMOS versión 19
Tipo de documento
Lista de autores
Santoyo, Felipe, Rangel, Miguel Ángel, Santoyo, Eliseo y Santoyo, Viviana
Resumen
Un modelo matemático representa cualitativa y/o cuantitativa una parte concreta de la realidad, en el cual se muestran las relaciones predominantes entre sus elementos, sobre los cuales se pueden –y es necesario– realizar previsiones. De acuerdo con Bollen (2002), los fenómenos están influenciados por causas tangibles y elementos no observables (variables latentes). Los Modelos de Ecuaciones Estructurales (SEM, Structural Equation Models), han permitido la contrastación empírica de modelos que incluyen efectos causales entre variables latentes y variables observables; dichos modelos permiten entre otras cosas, la contrastación de teorías a través de la evidencia empírica. El Análisis Factorial Confirmatorio (AFC) es un procedimiento de análisis encuadrado en los modelos de Ecuaciones Estructurales (SEM), cuyo propósito se centra en el estudio de los modelos de medida. En consecuencia, es una estrategia sumamente útil en el ámbito de la prueba de hipótesis y la confirmación de teorías. En el presente trabajo se utilizan modelos de ecuaciones estructurales, concretamente, el análisis factorial confirmatorio, en relación a la validez de las escalas de medida cuando se proponen modelos causales.
Fecha
2017
Tipo de fecha
Estado publicación
Términos clave
Estadística | Gestión de aula | Otro (contenido matemático) | Software
Enfoque
Idioma
Revisado por pares
Formato del archivo
Referencias
Bentler, P. M., y Chu, C. (1987). Practical issues in structural modeling. Sociological Methods & Research, 16, 78-117. Bollen, K. A. (2002). Latent Variables in Psychology and the Social Sciences. Annual review of Psychology, 53, 605-634. Boomsma, A. (2000). Reporting Analyses of Covariance Structures. Structural Equation Modeling: A Multidisciplinary Journal, 7 (3), 461–483. Browne, M. W. y Cudeck, R. (1993). Alternative ways of assessing model fit. In Bollen, K. A. y Lonj, J. S. [eds.] Testing structural equation models. Newbury Park, C. A: Sage, 136-166. Carmines, E. G. y McIver, J. P. (1981). Analizyng models with unobserved variables. In Bohrnstedt, G. W. y Borgatta, E. F. [Ed.] Social measurement: current issues. Beverly Hills: Sage. Cliff, N. y Hamburger, C.D. (1967). The study of sampling errors in factor analysis by means of artificial experiments. Psychological Bulletin, 68, 430-445. Franco, K., González, O. L., Díaz, F. J., López-Espinoza, A., Martínez, A. G. & Aguilera, V. (2010). Reliability and validity of Bulimic Investigatory Test Edinburgh on Mexican women. Journal of Behavior, Health & Social Issues, 2, 17-24. García, E., Gallo, P. y Miranda, R. (1998). Bondad de ajuste en el análisis factorial confirmatorio. Psicothema, 10, 717-724. Hewitt, P. L., Flett, G. L. & Ediger, E. (1995). Perfectionism traits and perfectionistic self-presentation in eating disorder attitudes, characteristics, and symptoms. International Journal of Eating Disorders, 18(4), 317-326. Hu, L. T., & Bentler, P. M. (1999). Cutoff criteria for fit indices in covariance structure analysis: Conventional criteria versus new alternatives. Structural Equation Modeling: A Multidisciplinary Journal, 6, 1-55. Jackson, D. L. (2007). The effect of the number of observations per parameter in misspecified confirmatory factor analytic models. Structural Equation Modeling: A Multidisciplinary Journal, 14 (1), 48–76. Kahn, J. H. (2006). Factor analysis in Counseling Psychology research, training and practice: Principies, advances and applications. The Counseling Psychologist, 34, 1-36. Lomax, G. R. (1982). A guide to LISREL-type structual equation modeling. Behavior Research Methods & Instrumentation, 14, 1-8. Marsh, H. W. y Hocevar, D. (1985). Application of confirmatory factor analysis to the study of self-concept: First and higer-order factor models and their invariance across groups. Psychological Bulletin, 97, 562-582. McDonald, R. P., & Ho, M. R. (2002). Principles and Practice in Reporting Structural Equation Analyses. Psychological Methods, 7 (1), 64–82. Peña, D. (2002). Análisis de datos multivariantes. España. Ed: Mcgraw-hill Pérez, C. (2001). Técnicas Estadísticas con Spss. Ed: Prentice Hall. Vicente Y Oliva, M., Manera, J., y Blanco, F.J. (2000). Análisis Multivariante para las Ciencias sociales. Ed: Dykinson. Wheaton, B., Muthén, B., Alwin, D. F. y Summers, G. F. (1997). Assessing reliability and stability in panel models. In Heise, D. R. [Ed.] Sociological Methodology. San Francisco: Jossey-Bass, 84-136.