UNIVERSIDAD NACIONAL DE LA AMAZONIA PERUANA

ESCUELA DE POST-GRADO
DOCTORADO EN CIENCIAS EN SALUD PUBLICA
ASIGNATURA TESIS II

DOCENTE: DR WALTER CAPA LUQUE

TIPOS DE VALORES ESTADÍSTICOS PARA LA INTERPRETACION DE

CALIDAD DE AJUSTE DE LOS MODELOS EN SEM

BONDAD DE AJUSTE ABSOLUTO:

Determina el grado en que el modelo general predice la matriz de correlaciones y para SEM
(Structural Equation Models = Modelamiento de Ecuaciones Estructurales) , el estadístico
ratio de verosimilitud Chi-cuadrado es la única medida estadística. Un modelo presenta
buen ajuste cuando la probabibilidad de significancia es mayor a .05 (p > .05). Pero como
es un estadístico poco preciso y sensible a las variaciones de la muestra, características de
las valoraciones de adoptan las variables medidas, se recomienda evaluar en conjunto otros
índices de bondad de ajuste robustos como los siguientes:

Chi-cuadrado normado (X2/gl): El modelo tiene un ajuste aceptable si los valores de Chi-
cuadrado /gl son de 2 a 3 (bue ajuste) y de 1 a 2 muy buen ajuste.

GFI (Goodness of Fit Index = Índice de bondad de ajuste) (Jöreskog & Sörbom, 1986) y
AGFI: índices absolutos de mejor funcionamiento (Hoyle & Panter, 1995), oscilan
entre 0 y 1 y se consideran como modelos adecuados los que superan el .90. Entre
más se acerque a cero indica un mal ajuste.

CFI (Comparative Fit Index): uno de los índices relativos de mayor uso y mejor
comportamiento (Tanaka, 1993), también oscila entre 0 y 1, siendo el valor de
.90 es el mínimo requerido para defender el modelo (Bentler & Bonnet, 1980).

RMSEA (Root Mean Square Error of Approximation = Error de Aproximación Cuadrático

Medio ) y SRMR (Standarized Root Mean-Square): Son medidas de cuantía de error del
modelo, indicadores de un buen ajuste son cuando presentan valores inferiores o
igual a .05 para SRMR y .08 para RMSEA (Browne & Cudeck, 1993).

RMR (Root Mean-Square = índice de error de cuadrático medio) mide las varianzas y
covarianzas de la muestra y si éstas difieren de las estimaciones obtenidas. Si este indicador
se acerca a 0, puede considerarse un ajuste casi perfecto, son considerados adecuados para
aceptar el modelo valores menores a .05.

MEDIDAS DE AJUSTE INCREMENTAL DEL MODELO:

Estas medidas comparan el modelo propuesto con algún otro existente, llamado
generalmente modelo nulo.
  El Índice ajustado de bondad de ajuste (AGFI) es una extensión del GFI, el cual
ajusta los grados de libertad entre los dos modelos. Los valores cercanos a 0,90 o
superiores son los que muestran un mejor ajuste del modelo.

 El índice No normalizado de ajuste (NNFI), o índice Tucker Lewis, supera las

limitaciones del NFI al considerar los grados de libertad del modelo propuesto,
siempre y cuando su relación sea débil con el tamaño muestral. El rango de este va
de entre 0 y 1, siendo recomendables los valores superiores o iguales a 0.90.
 NFI (Normed Fit Index= índice normado de ajuste): evalúa a través de la
comparación entre el modelo propuesto y el modelo nulo considerando un valor
aceptable si es mayor a .90.

MEDIDAS DE AJUSTE DE PARSIMONIA:

Estas relacionan la calidad de ajuste del modelo con el número de coeficientes estimados
necesarios para conseguir el nivel de ajuste. Los valores se congregan en tres grupos, bajos,
adecuados o elevados dependiendo de su valor, ya que este oscila entre 0 y 1.

 El Índice de ajuste normado de parsimonia (PNFI) relaciona los constructos con la

teoría que los sustenta. Entre más cerca esté de 1.0 es mayor su relación.

 El Criterio de información de Akaike (AIC) es una medida comparativa entre

modelos con diferente número de constructos. Los valores cercanos a 0 indican un
mejor ajuste y una mayor parsimonia, teniendo que el modelo es mejor por ser una
medida comparativa.

 El Índice de bondad de ajuste de parsimonia (PGFI) es un índice sugerido por

Mulaik y colaboradores50, que constituye una modificación del GFI y considera los
grados de libertad disponibles para probar el modelo. Las magnitudes consideradas
aceptables se encuentran en el rango de 0.5 a 0.7.