Suscríbete a DeepL Pro para poder traducir archivos de mayor tamaño.

Más información disponible en www.DeepL.com/pro.

Utilización del modelo PLS Path Modelling para

estimar el modelo del Índice Europeo de Satisfacción
del Consumidor (ECSI)
Marie-Paule Bayol, Anne de La Foye, Michel Tenenhaus, Carole Tellier

Para citar esta versión:

Marie-Paule Bayol, Anne de La Foye, Michel Tenenhaus, Carole Tellier. Use of PLS Path Modelling to
estimate the European Consumer Satisfaction Index (ECSI) model. Statistica Applicata - Revista
Italiana de Estadística Aplicada, 2000. hal-03110080

HAL Id: hal-03110080

https://hal.inrae.fr/hal-03110080
Enviado el 14 Ene 2021

HAL es un archivo multidisciplinar de acceso El archivo abierto pluridisciplinar HAL, está

abierto para el depósito y la difusión de
documentos de investigación científica, publicados
o no. Los documentos pueden proceder de
instituciones de enseñanza e investigación
francesas o extranjeras, o de centros de
investigación públicos o privados.
destinado al depósito y la difusión de documentos
científicos de nivel de investigación, publicados o
no, procedentes de centros de enseñanza e
investigación franceses o extranjeros, de
laboratorios públicos o privados.
 Publicado en Statistica Applicata Vol. 12, n. 3, 361-375, 2000

Utilización del modelo PLS Path Modelling para

estimar el modelo del Índice Europeo de Satisfacción del
Consumidor (ECSI)
Marie-Paule Bayol1 , Anne de la Foye1 , Carole Tellier1 y Michel Tenenhaus2
(1) Cisia-Ceresta, Montreuil, (2) HEC Graduate School of Management, Jouy-en-Josas

Resumen

El Índice Europeo de Satisfacción del Consumidor (ECSI) es un indicador económico que mide la
satisfacción del cliente. Es una adaptación del Barómetro Sueco de Satisfacción del Cliente y es
compatible con el Índice de Satisfacción del Cliente estadounidense. En este artículo se presenta en
detalle el modelo ECSI. Se describe el método PLS utilizado para estimar los parámetros del modelo.
Por último, se presenta un ejemplo.

I. El modelo ECSI
El Índice Europeo de Satisfacción del Consumidor (ECSI) es un indicador económico que
mide la satisfacción del cliente. Es una adaptación del Barómetro Sueco de Satisfacción del
Cliente (Fornell, 1992) y es compatible con el Índice de Satisfacción del Cliente
estadounidense. Se ha creado un modelo específico para el ECSI. En este modelo se
introducen siete variables latentes interrelacionadas. Se basa en teorías y enfoques bien
establecidos sobre el comportamiento de los clientes y debe poder aplicarse a distintos
sectores.

El modelo ECSI (figura 1) contiene :

1. Un modelo central, es decir, las variables latentes tradicionales: calidad percibida,

expectativas, valor percibido, índice de satisfacción y fidelidad, mostradas en
negrita para los constructos e impactos en líneas continuas.

2. Dos variables latentes opcionales que pueden ser añadidas por los comités
nacionales: imagen y quejas - mostradas en cursiva e impactos en líneas
punteadas.

Pueden ensayarse otros impactos distintos de los indicados en la figura 1.

Las variables de la izquierda deben considerarse factores que explican el Índice de

Satisfacción del Cliente (ISC) y el indicador de resultados de la derecha
(fidelidad/reclamaciones). Se indican las principales relaciones causales.

A cada una de las variables latentes se asocia un conjunto de variables manifiestas

(observables o medibles). Esta estructura se denomina modelo ECSI. Todo el modelo es
importante para determinar la variable objetivo principal, que es la ECSI.

El concepto de calidad percibida incluye dos partes ("software" y "hardware"). Con el

componente "hardware" se entiende la calidad del producto como tal (a los ojos del
cliente), mientras que el "software" se refiere al servicio asociado, como las garantías
ofrecidas, el servicio posventa, etc.
prestación de servicios, condiciones de exposición y surtido de productos, documentación
y descripciones, etc.

Image
n

Lealtad
Expectativa
s de los
clientes

Satisfacció .
Valor
percibid n del cliente
o

Calidad Quejas
percibid
a

Figura 1: Modelo de causalidad que describe las causas y consecuencias de la satisfacción del
cliente

Las expectativas del cliente se refieren a las expectativas previas que el cliente tiene de
dicho producto. Dichas expectativas son el resultado de la promoción activa de la empresa
o el producto, así como de rumores y experiencias previas del producto o proveedor.

La imagen es una variable opcional relacionada con el nombre de la marca y el tipo de

asociaciones que los clientes obtienen del producto/marca/empresa. Las flechas entre imagen
y CSI y fidelidad, respectivamente, podrían ser en realidad bidireccionales.

El valor percibido se refiere a la "relación calidad-precio" tal y como la percibe el cliente. La

calidad percibida y las expectativas influyen en este aspecto.

Quejas es otra variable opcional y está relacionada con la intensidad de las quejas de los
clientes y la forma en que la empresa gestiona estas quejas. Está vinculada (probablemente
con una flecha bidireccional) al ISC y a la Lealtad.

En la tabla 1 se presentan las variables manifiestas Vjh que describen las variables latentes ξj para
el sector de la telefonía móvil.

2
Cuadro 1 : Instrumento de medida para el sector de la telefonía móvil
Todos los ítems tienen una escala del 1 al 10. La escala 1 expresa un punto de vista muy negativo
sobre el producto y la escala 10 una opinión muy positiva.
Variables latentes
Imagen (ξ )1
Expectativas del cliente sobre la
calidad global (ξ )2
Calidad percibida (ξ )3
Valor percibido (ξ )4
Satisfacción del cliente (ξ )5
Reclamaciones de los clientes (ξ
)6
Fidelización de clientes (ξ )7
Variables manifiestas
a) Se puede confiar en lo que dice y hace
b) Es estable y está firmemente establecida
c) Tiene una contribución social para la sociedad
d) Se ocupa de los clientes
e) Es innovador y tiene visión de futuro
a) Expectativas sobre la calidad general de "su proveedor de
telefonía móvil" en el momento en que se convirtió en cliente
de este proveedor.
b) Expectativas de que "su proveedor de telefonía móvil" le
proporcione productos y servicios que satisfagan sus necesidades
personales.
c) ¿Con qué frecuencia esperaba que las cosas fueran mal
en "su proveedor de telefonía móvil"?
a) Calidad global percibida
b) Calidad técnica de la red
c) Servicio de atención al cliente y asesoramiento personalizado
d) Calidad de los servicios que utiliza
e) Gama de servicios y productos ofrecidos
f) Fiabilidad y precisión de los productos y servicios prestados
g) Claridad y transparencia de la información facilitada
a) Dada la calidad de los productos y servicios que ofrece "su
proveedor de telefonía móvil", ¿cómo calificaría las tarifas y
precios que paga por ellos?
b) Dadas las tarifas y precios que paga por "su teléfono móvil
proveedor", ¿cómo calificaría la calidad de los productos y
servicios ofrecidos por "su proveedor de telefonía móvil"?
a) Satisfacción general
b) Cumplimiento de las expectativas
c) ¿Qué le parece "su proveedor de telefonía móvil" en
comparación con su proveedor de telefonía móvil ideal?
a) El año pasado te quejaste de "tu proveedor de telefonía móvil".
¿Cómo de bien o mal se gestionó su última queja?
o
b) El año pasado no se quejó de "su proveedor de telefonía móvil".
Imagina que tienes que quejarte a "tu proveedor de telefonía
móvil" por una mala calidad del servicio o del producto. ¿Hasta
qué punto cree que "su proveedor de telefonía móvil" se
preocupará por usted?
sobre su queja?
a) Si tuviera que elegir un nuevo proveedor de telefonía móvil,
¿qué probabilidades hay de que volviera a elegir "su
proveedor"?
b) Supongamos ahora que otros proveedores de telefonía móvil
deciden bajar sus tarifas y precios, pero "su proveedor de telefonía
móvil" se mantiene al mismo nivel que hoy. ¿A qué nivel de
diferencia (en %) elegiría otro proveedor de telefonía móvil?
c) Si un amigo o colega le pide consejo, ¿qué probabilidades hay de
que le recomiende "su proveedor de telefonía móvil"?
3
Estas variables manifiestas Vjh se normalizan del siguiente modo:

Los elementos originales Vjh , escalados de 1 a 10, se transforman en nuevas variables

normalizadas
100
x = (Vjh - 1) . El valor mínimo posible de xjh es 0 y su valor máximo posible
jh 9
es igual a 100. Si faltan datos para la variable xjh , se sustituyen por la media de esta x jh de
variable.

Relación entre las variables manifiestas y las variables latentes

Cada variable latente ξj es observable indirectamente por un conjunto de variables

manifiestas xjh . Cada variable manifiesta se relaciona con su variable latente mediante
regresión simple:

(1) xjh = λjh0 + λjh ξj + εjh

donde ξj tiene media mj y desviación típica 1. Es un esquema reflexivo: cada variable

manifiesta xjh refleja su variable latente ξj . Se formulan las hipótesis habituales sobre los
residuos.

La normalización de la variable latente elegida por Wold (1985) - ξj tiene una desviación
típica igual a uno - es arbitraria. Fornell (1992) ha propuesto otra normalización, pero tanto
la variable latente de Wold como la de Fornell son colineales. En otras palabras, la variable
latente de Fornell puede deducirse de la variable latente de Wold mediante una relación
lineal.

Relación entre las variables latentes

El modelo de causalidad descrito en la figura 1 conduce a ecuaciones lineales que relacionan las
variables latentes (modelización de ecuaciones estructurales):

(2) ξ j = β j0 + ∑β ji ξi + ζ j
i

Escribamos las seis ecuaciones estructurales correspondientes a la figura 1:

(2.1)Expectativa del cliente = β20 + β21 Imagen + ζ2

(2.2)Calidad percibida = β30 + β32 Expectativa del cliente + ζ3
(2.3)Valor percibido = β40 + β42 Expectativa del cliente + β43 Calidad percibida + ζ4
(2.4) ECSI = β50 + β51 Imagen + β52 Expectativas del cliente + β53 Calidad percibida
+ β54 Valor percibido + ζ5
(2.5)Reclamación del cliente = β60 + β65 ECSI + ζ6
(2.6)Fidelización del cliente = β70 + β71 Imagen + β75 ECSI + β76 Reclamación del cliente + ζ7

Se formulan las hipótesis habituales sobre los residuos.

II. Estimación por mínimos cuadrados parciales (PLS) del modelo ECSI

4
Para estimar los parámetros del modelo ECSI se utiliza el PLS Path Modelling de Herman Wold
(Wold, 1985, Lohmöller, 1989, Fornell & Cha, 1994, Tenenhaus, 1999). En este documento
recordamos los distintos pasos del algoritmo PLS y describimos las opciones específicas elegidas
para la estimación

5
del modelo ECSI. El cálculo se realiza con el programa LVPLS 1.8 de J.B. Lohmöller
(1987).

En primer lugar, en el modelo ECSI, el PLS se aplica a las variables manifiestas brutas xjh .
No están normalizadas.

Estimación de las variables latentes

Las variables latentes ξj se estiman de acuerdo con el siguiente procedimiento.

Estimación externa Yj de la variable latente estandarizada (ξj - m )j

Las variables latentes normalizadas (media = 0 y desviación típica = 1) se estiman como

combinaciones lineales de sus variables manifiestas centradas:

(3) Yj α [∑ w jh (x jh - x jh )]

donde el símbolo "α" significa que la variable de la izquierda representa la variable

normalizada de la derecha. La variable latente normalizada se escribe finalmente como

(4) Yj = ∑ w~ jh (x jh - x jh )

La media mj se estima mˆ j = ∑ w~ jh y la variable latente ξj por

mediante x jh
∑ w~ jh = Yj + mˆ j .
x jh

Estimación interna Zj de la variable latente normalizada (ξj - m )j

Siguiendo el algoritmo PLS original de Wold (1985), se utiliza el esquema de centroides:

(5) Zjα ∑ e ji Yi
i : ξi está conectado a ξ j

donde eji es el signo de la correlación entre Yj e Yi . Dos variables latentes están conectadas
si existe un vínculo entre las dos variables: una flecha va de una variable a la otra en el
diagrama de flechas que describe el modelo de causalidad.

Estimación del peso wjh

Las ponderaciones wjh se estiman utilizando el modo A (o modo saliente) de cálculo. La

ponderación wjh es la covarianza entre la variable manifiesta xjh y la estimación interna Zj :

(6) wjh = cov(xjh , Z )j

El algoritmo PLS consiste en comenzar con una elección arbitraria de pesos wjh , por
ejemplo wj1 se fija en 1 y todos los demás wjh en 0. A continuación se iteran los pasos 3, 5 y
6 hasta la convergencia (no garantizada, pero prácticamente siempre encontrada en la
práctica).
6
Cálculo específico de las variables latentes para el modelo ECSI

En el modelo ECSI, siguiendo a Fornell (1992), cada variable latente se obtiene como media
ponderada de sus variables manifiestas:

∑ w~ jh x jh
ξˆ h
(7)
∑ w~
j

= jh h

En esta operación se supone que todos los pesos normalizados ( w ~ jh / ∑ w~ jh ) son positivos.
Si
h
algunas de estas ponderaciones normalizadas son negativas, la variable correspondiente xjh
debe eliminarse del modelo, ya que esta variable no describe correctamente su variable
latente.

Estos constructos tienen más significado práctico que las variables latentes estandarizadas, ya
que están en las mismas unidades que las variables manifiestas escaladas de 0 a 100. La
relación lineal entre la variable latente de Wold Yj y la variable latente de Fornell ξ ˆ j se
desprende claramente de
ecuaciones (4) y (7):

ξˆ = 1
(8) ~ (Yj + mˆ j )
j
∑ jh
h
w

Estimación de la ecuación estructural

Las ecuaciones estructurales (2) se estiman mediante regresiones múltiples individuales en

las que las variables latentes ξj se sustituyen por sus estimaciones Yj . Estas regresiones son
salidas estándar del programa de Lohmöller. Los niveles de significación de los coeficientes
de regresión se calculan utilizando el estadístico t de Student habitual. Preferimos esta
solución a la solución Jackknife por dos razones: (1) La solución Jackknife no está
disponible en el programa de Lohmöller cuando el número de sujetos es demasiado alto (más
de 400), y (2) Cuando la solución Jackknife está disponible en el programa de Lohmöller
(menos de 400 sujetos) las soluciones t de Student y Jackknife son bastante comparables.

III. Construcción del Índice de Satisfacción del Consumidor para un

proveedor de telefonía móvil
En este apartado estudiaremos cómo utilizar el programa de Lohmöller para calcular el
Índice de Satisfacción del Cliente. Los datos representan las respuestas de 250 consumidores
de un proveedor de telefonía móvil en un país europeo concreto. El código del programa
LVPLS 1.8 de Lohmöller figura en el anexo 1. Los resultados se presentan en el anexo 2. Los
resultados figuran en el anexo 2.

Estimación de las variables latentes El programa de Lohmöller

da las variables latentes
7
estandarizadas Yj

= ∑ w~ jh (x jh - x jh ) .
w~
Los pesos aparecen en la salida del programa en la columna Peso de la tabla Modelo
exterior y
jh

8
la media estimada mˆ j = ∑ w~ jh x en la columna Media de la tabla Modo interno. Por ejemplo
jh
la variable latente normalizada CSI_std se calcula según la fórmula siguiente:

CSI_std = 0,0158×C_sat1 + 0,0231×C_sat2 + 0,0264×C_sat3- 4,6523

Para el modelo ECSI las variables latentes se calculan como

∑ w~ jh x jh
ξˆ = h

∑ w~
j

jh h

Por ejemplo, la variable latente "Satisfacción del cliente" se calcula como

0,0158 × C _ sat1 + 0,0231× C _ sat2 + 0,0264 × C _ sat3

CSI =
0.0158 + 0.0231 + 0.0264

Se trata de una media ponderada de las variables manifiestas C_sat1 a C_sat3 escalada de 0

a 100. Las medias y desviaciones típicas de las distintas variables latentes figuran en el

cuadro 2: Cuadro 2 : Media y desviación típica de las variables latentes

N Mínimo Máximo Media Desviación

est.
Desviación
IMAGEN 250 26.49 100.00 72.6878 13.7660
EXPECTATIVAS DEL CLIENTE 250 25.85 100.00 72.3198 14.1259
CALIDAD PERCIBIDA 250 23.95 100.00 74.5765 14.2573
VALOR PERCIBIDO 250 .00 100.00 61.5887 20.5987
SATISFACCIÓN DEL CLIENTE 250 23.68 100.00 71.2876 15.3417
QUEJA 250 .00 100.00 67.4704 25.2684
LEALTAD 250 1.29 100.00 69.1757 21.2668

En la tabla 3, comprobamos que cada variable manifiesta está más correlacionada con su
propia variable latente que con las demás variables latentes. Para facilitar la lectura de esta
tabla, no se muestran las correlaciones inferiores a 0,5. Puede observar que la variable
manifiesta Lealtad2 no describe correctamente su variable latente (de hecho cor(Lealtad2,
Lealtad) = 0,272). Esta variable debería eliminarse del modelo. De hecho, es difícil dar una
respuesta significativa a este ítem.

El modelo ECSI para un proveedor de telefonía móvil

El modelo de causalidad de la figura 2 resume las distintas regresiones estructurales del

modelo ECSI. Los coeficientes de trayectoria son los coeficientes de regresión normalizados.
También se muestra la R2 . Estos coeficientes aparecen en el anexo 2 en las tablas Coeficientes
de trayectoria y Modelo interno. Como las ponderaciones de las variables Valor percibido y
Lealtad del cliente son negativas, tenemos que tomar la inversa de los coeficientes path
relacionados con estas dos variables. Los niveles de significación que aparecen junto a los
coeficientes de trayectoria se han calculado mediante regresiones simples o múltiples. Las
9
flechas significativas aparecen en negrita.

10
Las variables imagen, valor percibido y calidad tienen un impacto significativo en la
satisfacción del cliente. Sin embargo, la variable que más influye en la satisfacción del cliente
es la calidad percibida (.544). La imagen y el valor percibido tienen un impacto menor (
0,200 y 0,153). No es sorprendente que las cualidades reales del proveedor de telefonía móvil
sean mucho más importantes para el cliente que algunas características abstractas de
marketing. Las Expectativas del Cliente no tienen un impacto directo en la Satisfacción del
Cliente. La fidelidad es un factor muy importante en el sector de la telefonía móvil. Depende
principalmente de la satisfacción del cliente (,466) y, en menor medida, de la imagen (,212).
Es interesante observar que las reclamaciones dependen de la satisfacción del cliente, pero no
tienen un impacto directo en la fidelidad. Por supuesto, debemos tener cuidado con la
interpretación de los coeficientes no significativos, ya que pueden deberse a un problema de
multicolinealidad. Esto sugiere utilizar la regresión PLS (Martens & Næs, 1989, Tenenhaus,
1998) en lugar de la regresión múltiple.

Image R2=.432
.212 (.002)
.493 n
R2=.243 (.000)

.153 Lealtad
Expectativa (.006)
s de los .037
clientes (.406) .466
.066 (.000)
(.314)

.545 .200 (.000) .05

(.000)
Valor Satisfacció
(.399)
percibi n del
do cliente
.540
.540 R2=.335 R2=.672
(.000)
(.000)
.544
(.000)
Calidad Denuncia
percibid
a
R2=.297
R2=.292

Figura 2 : Modelo de causalidad ECSI para un proveedor de telefonía móvil

11
Cuadro 3 : Correlaciones entre las variables manifiestas y las variables latentes

Expectativa Calidad Valor Satisfacció

Imagen s de los percibid percibi n del cliente Denuncia Lealtad
clientes a do
Imagen1 .717 .571 .539
Imagen2 .565
Imagen3 .657
Imagen4 .791 .571 .543
Imagen5 .698 .544 .500
C_exp1 .689
C_exp2 .644
C_exp3 .724
P_qual1 .622 .537 .778 .661
P_qual2 . .651
P_qual3 .621 .801 .651
P_qual4 . .760 .587
P_qual5 .599 .732 .516
P_qual6 .551 .766 .539
P_qual7 .596 .803 .547 .707
P_val1 .933
P_val2 .541 .594 .911 .631 .524
C_sat1 .558 .638 .711
C_sat2 .524 .672 .872
C_sat3 .613 .684 .588 .884 .547 .610
Denuncia .537 .540 1
Lealtad1 .854
Lealtad2
Lealtad3 .528 .537 .659 .869

CONCLUSIÓN
En su artículo del 92, Fornell describió con gran detalle los fundamentos de marketing del
Barómetro Sueco de Satisfacción del Cliente, pero sólo tocó los aspectos estadísticos del
problema. El objetivo de este trabajo era describir con gran precisión toda la metodología
estadística de Fornell. Hemos mostrado cómo utilizar el programa LVPLS 1.8 de Lohmöller
para estimar el modelo ECSI. Se ha comprobado en un estudio piloto que el programa de
Fornell (el programa no está disponible, pero tuvimos acceso a los resultados del estudio
piloto) y el programa de Lohmöller dan exactamente los mismos resultados.

REFERENCIAS
FORNELL C. (1992): "Un barómetro nacional de satisfacción del cliente: La experiencia sueca",
Journal of Marketing, Vol. 56, 6-21.
FORNELL C. & CHA J. (1994): "Partial Least Squares", en Advanced Methods of Marketing
Research, R.P. Bagozzi (Ed.), Basil Blackwell, Cambridge, MA., pp. 52-78.
LOHMÖLLER J.-B. (1987): LVPLS Program Manual, Version 1.8, Zentralarchiv für Empirische
Sozialforschung, Colonia.
LOHMÖLLER J.-B. (1989): Latent Variables Path Modeling with Partial Least Squares, Physica-
Verlag, Heildelberg.
MARTENS H. & NÆS T. (1989): Multivariate Calibration. John Wiley & Sons, Nueva York.
TENENHAUS M. (1998): La Régression PLS. Éditions Technip, París
TENENHAUS M. (1999): "L'approche PLS", Revue de Statistique Appliquée, vol. 47, n°2, pp. 5-40.
WOLD H. (1985): "Partial Least Squares", en Encyclopedia of Statistical Sciences, vol. 6, Kotz, S &
Johnson, N.L. (Eds), John Wiley & Sons, Nueva York, pp. 581-591.

12
ANEXO 1
El código del programa Lohmöller LVPLS 1.8
LVPX
Estudio Telefonía móvil
7 250 132562 100 5 4 0
5 3 7 2 3 1 3
0 0 0 0 0 0 0
0 0 0 0 0 0 0
IMAG1 IMAG2 IMAG3 IMAG4 IMAG5 CUEX1 CUEX2 CUEX3 PERQ1
PERQ2 PERQ3 PERQ4 PERQ5 PERQ6 PERQ7 PERV1 PERV2 CUSA1
CUSA2 CUSA3 CUSCO CUSL1 CUSL2 CUSL3
0 111 (2A4,7F2.0)
IMAGEN 0 0 0 0 0 0 0
CUS_EXP 1 0 0 0 0 0 0
PER_QUAL 0 1 0 0 0 0 0
PER_VAL 0 1 1 0 0 0 0
ECSI 1 1 1 1 0 0 0
CUS_COMP 0 0 0 0 1 0 0
CUS_LOY 1 0 0 0 1 1 0
0 0 (2A4,23F7.0,F6.0)
100293 66.67 44.44 44.44 44.44 33.33 66.67 66.67 55.56 66.67
55.56 33.33 66.67 55.56 44.44 44.44 11.11 22.22 55.56 33.33 66.67
66.67 55.56 44.44 55.56
100382 100.00 8 8 . 89 100.00 100.00 8 8 .89 100.00 100.00 88.89 100.00
88.89 100.00 100.00 88.89 100.00 100.00 100.00 100.00 100.00 100.00 77.78
100.00 100.00 11.11 100.0
100386 77.78 66.67 55.56 33.33 66.67 66.67 66.67 66.67 66.67
77.78 44.44 66.67 77.78 6 6 . 67 66.67 66.67 66.67 77.78 66.67 66.67
55.56 55.56 11.11 66.67
.
.
.
302284 66.67 77.78 44.44 77.78 77.78 77.78 77.78 66.67 77.78
66.67 55.56 77.78 88.89 66.67 88.89 77.78 77.78 77.78 66.67 77.78
77.78 66.67 100.00 77.78
302291 77.78 77.78 55.56 77.78 66.67 66.67 55.56 66.67 66.67
55.56 55.56 77.78 66.67 55.56 66.67 44.44 44.44 77.78 44.44 66.67
11.11 66.67 66.67 66.67
300589 7 7 . 78 100.00 77.78 88.89 88.89 100.00 77.78 44.44 88.89
100.00 100.00 77.78 77.78 77.78 88.89 44.44 88.89 66.67 77.78
77.78 88.89 100.00 22.22 100.00
STOP

Comentarios

Las líneas 3 a 6 de este programa describen las opciones específicas seleccionadas. Se explican en
la salida del programa (anexo 2).
Las líneas 7 a 9 dan los nombres de las variables manifiestas y su orden en el archivo
de datos. La línea 10 da el formato de lectura de las ecuaciones estructurales.
Las líneas 11 a 17 presentan el modelo de ecuaciones estructurales. Cuando el modelo es
recursivo (sin bucle) la matriz es diagonal inferior. Éste es el caso.
La línea 18 indica el formato de lectura de los datos.
Las líneas siguientes contienen los datos (identificación del cliente y variables manifiestas xjh
(escaladas entre 0 y 100)).

13
ANEXO 2
Los resultados

JBL 1.8
====================================
-- P L S X --

-- ANÁLISIS DE TRAYECTORIAS DE VARIABLES LATENTES --

- ESTIMACIÓN PARCIAL POR MÍNIMOS CUADRADOS -

Estudio Telefonía móvil

==================================== COMMENTS

Número de bloquesNBLOCS = 7
Número de casosNCASES = 250
Número de dimensionesNDIM = 1
Cantidad de salidaOUT = 3256
Esquema de ponderación interna IWGHT = 2 Esquema de centroides
Número de iteracionesNITER = 100
Precisión de la estimaciónEPS = 5
Datos analizados MetricMETRIC = 4 Las variables manifiestas no son
estandarizado

====================================
BlockN-MV Desinflar modo LV Modelo

IMAGEN 5 no hacia el Exógeno Modo A (Modo BT = hacia fuera), 0

exterior encendido
CUS_EXP 3 no hacia el Endogen línea 5 del programa,
exterior
PER_QUAL 7 no hacia el Endogen 1 variable latente por bloque
exterior (Deflate
PER_VAL 2 no hacia el Endogen = no), 0 en la línea de programa 6
exterior
ECSI 3 no hacia el Endogen
exterior
CUS_COMP 1 no hacia el Endogen
exterior
CUS_LOY 3 no hacia el Endogen
exterior
24
====================================

14
Estudio Telefonía móvil

Dimensión nº 1

Estimación de parámetros por mínimos cuadrados

parciales Cambio del criterio de parada durante

la iteración

Nº de ciclo CR1 CR2 CR3 CR4 CR5

1 .1026E+01 .3231E+00 .5287E+00 .5147E+00 .1773E-01

2 .5873E-02 .1176E-02 .5439E-02. 4155E-02 -.3903E-03
3 .9046E-04 .5615E-04 .1597E-04 .2670E-04 .2143E-04
4 ,2483E-05 -,4172E-06 -,1550E-05 -,1371E-05 .3166E-07

Convergencia en el ciclo de iteración nº. 4

Coeficientes de trayectoria
================================================================================
IMAGEN CUS_EXP PER_QUAL PER_VAL ECSI CUS_COMP CUS_LOY

IMAGEN .000 .000 .000 .000 .000 .000 .000

CUS_EXP .493 .000 .000 .000 .000 .000 .000
PER_QUAL .000 .545 .000 .000 .000 .000 .000
PER_VAL .000 -.066 -.540 .000 .000 .000 .000
ECSI .153 .037 .544 -.200 .000 .000 .000
CUS_COMP .000 .000 .000 .000 .540 .000 .000
CUS_LOY -.212 .000 .000 .000 -.466 -.050 .000
================================================================================

Correlaciones de las variables latentes

================================================================================
IMAGECUS_EXP PER_QUALPER_VAL ECSICUS_COMP
CUS_LOY

IMAGEN 1.000
CUS_EXP .493 1.000
PER_QUAL .731 .545 1.000
PER_VAL -.508 -.360 -.576 1.000
ECSI .671 .481 .791 -.604 1.000
CUS_COMP .469 .250 .537 -.348 .540 1.000
CUS_LOY -.548 -.366 -.524 .517 -.635 -.401 1.000
================================================================================

Modelo interior
======================================================================
Bloque Media Ubicación Mult.RSq AvResVar AvCommun AvRedund

IMAGEN 5.2903 5.2903 .0000 207.3363 .4760 .0000

CUS_EXP 5.1199 2.5116 .2431 219.8322 .4711 .1145
PER_QUAL 5.2422 2.4514 .2971 149.0872 .5737 .1705
PER_VAL -2.9955 .1743 .3351 73.8087 .8495 .2846
ECSI 4.6523 .2026 .6717 88.7433 .6825 .4585
CUS_COMP 2.6735 .1611 .2916 .0000 1.0000 .2916
CUS_LOY -3.2648 .1574 .4318 433.2169 .5200 .2246

Media .3244 185.5536 .5881 .1853

======================================================================

15
Modelo exterior
======================================================================
Variable Peso Cargando Ubicación ResidVar Comunitar Redundan
io
IMAGEN hacia el
exterior
IMAG1 .0145 13.5115 2.2992 172.8140 .5137 .0000
IMAG2 .0126 10.5838 19.3434 238.0597 .3200 .0000
IMAG3 .0136 15.5489 -18.4351 317.1061 .4326 .0000
IMAG4 .0176 16.1672 -12.3277 155.7097 .6267 .0000
IMAG5 .0144 12.0500 13.2760 152.9918 .4869 .0000

CUS_EXP hacia el
exterior
CUEX1 .0231 12.3473 9.8955 170.9680 .4714 .1146
CUEX2 .0224 12.8096 6.9954 231.1035 .4152 .1009
CUEX3 .0253 16.9216 -15.2583 257.4248 .5266 .1280

PER_QUAL hacia el
exterior
PERQ1 .0098 12.2630 12.8720 98.1148 .6052 .1798
PERQ2 .0085 13.6473 -2.7407 253.6826 .4234 .1258
PERQ3 .0118 16.1807 -10.3771 146.3491 .6414 .1906
PERQ4 .0094 13.9255 3.8455 141.5140 .5781 .1718
PERQ5 .0084 11.8000 14.4994 120.4663 .5361 .1593
PERQ6 .0095 13.8490 2.6912 134.8588 .5871 .1745
PERQ7 .0129 16.4124 -12.7914 148.6248 .6444 .1915

PER_VAL hacia el
exterior
PERV1 -.0239 -22.5804 -10.3504 76.3317 .8698 .2914
PERV2 -.0247 -18.6053 10.0025 71.2857 .8292 .2779

ECSI hacia el
exterior
CUSA1 .0158 9.7212 32.4203 92.6286 .5050 .3392
CUSA2 .0231 17.0633 -11.2935 92.0410 .7598 .5104
CUSA3 .0264 17.1403 -9.5627 81.5605 .7827 .5258

CUS_COMP hacia el
exterior
CUSCO .0397 25.2193 .0000 .0000 1.0000 .2916

CUS_LOY
hacia el
exterior
CUSL1 -.0185 -25.2005 -10.5839 234.0672 .7307 .3155
CUSL2 -.0061 -8.6089 16.2050 917.0478 .0748 .0323
CUSL3 -.0225 -21.3694 4.3239 148.5356 .7546 .3258
======================================================================

Variables latentes (estandarizadas)

================================================================================
IMAGEN CUS_EXP PER_QUAL PER_VAL ECSI CUS_COMP CUS_LOY

100293 -1.893 -.681 -1.633 2.180 -1.245 -.030 .715

100382 1.688 1.678 1.598 -1.869 1.292 1.292 -.905
100386 -1.016 -.400 -.630 -.247 -.123 -.470 .668
.
.
.
302284 -.245 .105 -.001 -.788 .170 .411 -.330
302291 -.092 -.650 -.782 .834 -.637 -2.233 .124
300589 1.008 .057 .927 -.266 .251 .851 -.973
================================================================================

16