USO DE LAS ECUACIONES ESTRUCTURALES EN LA CONFIRMACIÓN DE MODELOS CAUSALES HACIENDO USO DEL SOFTWARE AMOS VERSIÓN 19

Felipe Santoyo Telles, Miguel Ángel Rangel Romero, Eliseo Santoyo Teyes, Viviana Santoyo Telles

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.


Palabras clave


Análisis Factorial, Modelos causales, Estadística multivariable

Texto completo:

PDF PDF

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.