La complejidad puede ser difícil de abordar, y en el ámbito estadístico, el modelado de ecuaciones estructurales (SEM) y el análisis factorial confirmatorio (CFA) son técnicas multivariadas que pueden resultar hasta cierto punto intimidantes.
Estos modelos requieren un amplio conocimiento estadístico y comprensión de técnicas fundamentales como la regresión lineal múltiple y el análisis factorial. Además, se necesitan programas estadísticos específicos como Amos, Lisrel o Mplus, o también se puede utilizar R con paquetes como OpenMx o lavaan.
En este post, no profundizaré en SEM y CFA hasta que hayamos tratado otras técnicas básicas como la regresión lineal. En su lugar, quiero recomendarles algunas lecturas introductorias que pueden ayudar a comprender este tipo de análisis.
Un buen punto de partida puede ser el artículo de Cupani (2012), que está en castellano, es breve y ofrece una visión general de la técnica, sus usos y estrategias de modelación.
También pueden leer una introducción más completa en el manual de Hair et al. (2007), que dedica un capítulo y dos apéndices a esta técnica. Es una buena guía y ofrece ejemplos y recomendaciones útiles.
Finalmente, hay varios manuales específicos, como el de Byrne (2016) y el de Collier (2020). El manual de Byrne es accesible y proporciona muchos ejemplos de aplicación, aunque su organización puede resultar un poco confusa. El manual de Collier es más denso, pero está estructurado de manera clara y eso facilita el aprendizaje.
En conclusión, SEM y CFA son técnicas estadísticas multivariadas sofisticadas, pero con el estudio y la práctica, se pueden comprender y aplicar adecuadamente. Esperamos que estas lecturas introductorias te ayuden a empezar a comprender estas técnicas.
Referencias:
Byrne, B. (2016). Structural equation modeling with Amos. New York: Routledge.
Collier, J. (2020). Applied structural equation modeling using Amos. New York: Routledge.
Cupani, M. (2012). Análisis de Ecuaciones Estructurales: conceptos, etapas de desarrollo y un ejemplo de aplicación. Revista Tesis, 1, 186–199.
Hair, J., Anderson, R., Tatham, R. & Black, W. (2007). Análisis multivariante. Madrid: Pearson Prentice Hall.
* Foto Canva
Comments