420 | Metodos de ivesigacon soca y de ln empresa sta linea son los trabajos de Sprott etal (2009) y Fernandez Sabiote y Romén (2005), 9.4. Cuarto paso: validez de criterio Existen distintos métodos para evaluar la va- lidez de eriterio (por ejemplo, correlaciones 0 re resin). Para ejemplificar est paso analizaremos varios trabajos que utilizan distintas formas de cevaluacin de este tipo de valide En primer lugar, Matsuno etal (2000) exami nan fa validez predictiva de una nueva escala de dorientacién al mereado (OM), Pata ello, uilizan ‘como variable critrio el desempeio del negocio, dado que la literatura indica una relacion postiva entre la OM y ese criterio. Desarrollan un mode- lo de ecuaciones estructurales en el que incluyen siete medidas de desempeilo como variables de- pendientes y la puntuacién total de la escala de ‘OM como variable independiente, Los resultados muestran que la escala est relacionada de mane- 1a positva y significativa con la site variables dependientes, Esto demuestra que la escala goza de una buena validez predictiva tea forma de validar wn concepto dese el punto de vista del crterio es regresar una variable {que mida globalmente el concepto en cuestin so- bre la escala que deseamos validas. Por ejemplo, Walsh y Betty G07) sean una scala mui mensional del conoepto reputacn percibida por el lente sobre la empresa y examinan la validez de criterio apregando todos los items de la escala y regresindolos sobre una variable suma compuesta por dos items que representan el eoncepto de ma- ‘era global (variable dependiente) Los resultados de la regresion muestran un valor relativamente alto del coeficiente de determinacién (R® = 0,60) ‘Yun coefciente de regresin de 0,77 (p <0,01), La relacién postiva y signficativa confirma la vale ddez de citerio de a medida, Stone etal. (1995) desarrollan una escala mul- tidimensional de responsabilidad medioambiental (ECOSCALE) de 31 items Su validee de erterio es demostrada a través de un anilisis de correla ciones entre dca escala y eis comportamientos (como reciclaje, cambios en el estilo de vida, edu- cao persona.) on oy est relacionada esta actin INECOSCALE iv goes aad Si p< 001) con eda comp resultados demuestian un alton a eriterio de la excala. Suongase quel variable latente Fy (que for mma parte de nist modo estructural) et me {ida por tres indicadoes: Vy Vy Fr Amagine tos que la care factorial qe une F con Fy no fuera equivalents en los dos grupos Bajo evala- tion (hombres y mujer qu consecuecias po- dia acrrear eta situacon? Como seustra en la figua 16 (panels co. la variable latent F Pod tomar los mismos valores en los dos eoles- eos con nveles muy diferentes de F', Supongs mow que F, es una medida del nivel de etnoce tis de un individ, un fable sei Ta eeala422 | Netodos de iestigacin socal y dels empresa zie tno por ca trie Seana uns co come ea ile, os intercepos (punta de con ‘Secan dts ane 9) Bo debe queda aro que dstntos proble ees instrments de med de Shimp y Sharma (1987) si esulta que una mux jer puede aleanzar el mismo nivel de etnocentris: to que un hombre con contestaciones totalmente distintas su escala? Hay que destacar que esto Euan 2, Nivele ergo de invarianra ante dst tox problemas de inestigacn 05 DE INVARIANZA INSTRUMENTO DE MEDIDA de los distintos: tipos' de ‘invarianza Figura 16.1. emplos de exstencia y ausencia de invarianza (Brown, 2006) de comparar medias de las variables berin darse una o las dos situacione usr en a Fgura 16.2, i eben coeficente estructural es signiicl {0 en los dos grupos evaluados, bal Tas cargas factoriales sean equivalel loadings invariance), Si embare0, 2 ‘comparar medias de ls variables a dlarse tambin la jgualdad de os int Como ilustra la Figura 16.1, las fuentes de ausencia de invarianza del instrumento de medida van a ser, en esencia, de dos tipos: diferencias en las cargas factories que relacionan las variables latentes con los indicadores (pendiente de la recta de la figura 16.1) 0 diferencias en los intereeplos {punto de corte con el eje pen la misma figura). Pues bien, dependiend de que el problema a re solver sea el de evaluar un efecto moderador o el ‘La inarianan del instamento de medida | 423 Seguir la terminologia propuesta por Brown (2006), ya que es mas pedagogica al denotar claramente qué hay que hacer para contrastar ese tipo de invarianca, Mantener la terminologia en inglés para no contribuir con mas tradueciones i la confusion terminologica exstente Bl euadro 16.1 recog los dtnts nvles de imarianza del insiumento de medida y confor saya layer, los pasos que hay que seguir en evainacién. La primer columna sia termino Tosi usda en ete capitulo La segunda columns ofteeterminologia lteratives que Pueden cr Contrare en tert, Finalmente a tercera column presenta una denon oprativa de st ‘Como se puede comprobar, el planteamiento es ceientementsexigente Es dec cada verse incorporan mis estricones; pseu ll, eas teds! modelo no deberiaempeora Esto lev la Siguente preguntas que nel de exigencia de ima erate nest? Ya seh sefalado que cuando se quiet comprobar sie tos de moderacion sobre los coficientes estat torales express Negara puso 2 equa factor lading) guaimente, cuando seg omparar los niveles dios de as saab ls tenes seria necesario lear al paso 3 feu tereps). Peo, json nestaros Tos pasos 4a 6 De acuerdo con fir etal (2010) lt iguaidad oe covarianas,varianzas deftones varianzas de érrores no solo rtrament existe, sn ue su efecto es minimo pare Ia mayor parte de probe sno de Investigacion & los que nos enfremtamos En a misma tinea se manifesta ls trabajos de MeCsturs, Rosnowski, Mary Reith (1994) 0 de Byrne (2008) De hecho, en literatura, hay abirto un de bate nia por Byrne ea 1989), quienes afi rman qu en la mayor parte de los eos, hecho de que todas las cargas factorial no fuera equ salenes (peo de equal factor loadings) 0 que no io faeran todos os ntereeptos (paso de ull teres), no deberiaimpedir ques avancara en Anis sempre ques aleanzara un vel minim fi) De acuerdo con el cuadro 16.2, para contrastar es hipotesis es necesario previamente evaluar la invarianza del instrumento de medida, al menos hasta el paso 2, esto es, equal factor loadings y que exista, al menos, ivarianza parcial Paso 1. Equal form ‘Como se ha sefalado, consiste en comprobar ‘que exist la misma estructura factorial en ambos ‘grupos. Se realizar en dos pasos. En primer lugar se lecutarin dos anilisisfactoriales confirmate- fos (AFC, en adelante) separados para cada ere po (para comprobar que el ajuste es bueno por Scparado en los ds grupos), y, a continuacion, se hy del empresa Molo estrustral con hipstesis de moderscén cjecutard el mismo analisis, pero multigrupo (Gomprobacién de que el ajuste es bueno, simul ‘neamente en ambos grupos). Como esta diferet- claim a vooes causa eonfusién, Ta mejor forma Se aclararla es explicit ls hipOtesis nus que se tontrastan en ambos anilisis. Cuando se estima Jos AFC por separado, la hipotesis que se contas ta es que las matrices de varianzas y covarian zas muestralesy tedrieas son iguales en los sub srupos: eS] Lee Sol riientras que cuando se estima el modelo mule tigrupo, la hipétesis que se contrasta es la si tina los AFC sepraosiiaosta os gen ant gue alae ee le Je nin ldonee et Tee a wens nombs a Site : toate pabenrten eo Hie omens Ena panes oe intone cea as 3 eimai det AFC maligpo cide BF rsroducir algunas modifieaciones en la sin Sees a 1, Informar al programa que esta realizando tun AFC multigrupo con dos grupos, lo {que se reliza incorporando ala parte de ISPECIFICATIONS, solo en ef primer grupo, la indicacién: GROUPS=2 La tnoaranza del stumento de media / 427 2. Luego sblo hay que tener en cuenta que la Peticion de los indices de modificacién (imultiplicadores de Lagrange y test de Wald) y la solcitud de impresion de to dos los indicadores de ajuste (PRINT FIT=ALL) sélo se han de solicitar en la parte correspondiente al segundo grupo. La sintaxis final aparece en la figura 165. De nuevo, ef tinico requisito es que el ajuste, ahora simultineo, sea bueno. El programa ofte- 8 un nico blogue de indicadores de ajuste para Ja estimacin anterior, tal y como se ilustra en la figura 16.6a, puesto que todos los parimetros se cstiman simultaneamente, Puede comprobarse ‘mo, aunque la chi-cuadrado es signiticatva, el resto de indicadotes de ajuste es excelente. Toma ios est informacion y ln incosporamos al cua- ro 164. Debs notarse que, cuando se estima por maxi- ‘ma verosimilitud, los estadisticos chi-cuadrado son sumativos y el chi-cuadrado global obtenido ten esta etapa es la uma directa de los chi-euadra- {do de la etapa anterior, como tambien Io es el n= mero de grados de libertad CUADRO 163 Resuomen de fa evaluacion dela imvarianza tras la primera etapa del Paso 1 (Table X. Tests of m esr wear] | wscaoncy | som | ct [rica nenie= 005) | Se [1a com wosapoe | wos | 095s] ones Bf 0. RMSE et an ef pit CL cio br RNBEASRR EQS impone wna rei: hay qu bj con Best tr yaa neh jee Px rece ular ua y uve EQS tags oregon Peper Nour Spulo scapes el decal med opto EVEQS De esta manera se ha obtenido un modelo base sobre el cual ir evaluand sila sucesivas res trieeiones que se van intraducienda (por ejemplo, la igualdad de las cargas factorials) son plausi bles 0 no, en Ia medida en que empeoren signifi cativamente © no el juste medido a partir dela chi-cuadrado,428 | Metodas de tigaclon social y del empresa La invarianan del rtrumente de medida | 429 favecrrzcations s MOTlOd = ti ROBUDTS ANALASIS © COVARIANCE, AATRIX = RANT emOMPRe?: ML; ANALYSIS = COVARIANCE; MATRIX = RAK; = pansion, we fsgonrrons seovnnznsces eguarions Figura 16.4. Sinus dea primera tape dl Paso 1 Figura 165. Sintaxis dela 1 Paso430 [eds de investiga sot y dela empress Figura 16.62, Indicadores de iste ara a segunda etapa dl Paso I lesion CUADRO 16.4 Resumen dla enact de a nariana ras k segunda etapa del Paso 1 Soe «]"|#]>| aenena | ae | [aa | ewes 5) [sa [co coer oasenoen | 003s | 0555 | am ‘Women (n= 585) | S61.95e* | 160 0.066 (0.06040.049) | 0.042 oot | Exar [rose [30 [Tens eosspacs [ome [en [oom (CF, comparative fi inex; TLL, Tuckr-Lewis Indes; NNFT (Reoter-Bonnet now-normed fit index) “4p < 00, **¥p < 0.00 Paso 2. Equal loadings Partiondo dela sintaxis anterior, al modelo se le incorpora la restriccion (genérica) de que todas las cargas factoriales han de se iguales. Para ello sélo es necesario afadira la simtaxis rocogida en la figura 16.5 la seccion de CONSTRAINTS, tal ¥¥ como se ilustra en la figura 16.65, La estructura {el comando es muy sencilla: Implica que la earga que une ¢indicador Ven el grupo I s el factor F com obliga aque se igual a la carga que une el mismo factor con é mismo indicador en el grupo 2. Fs importante et tender la restrccion en este sentido: se obliga & que asi sea, porque lo que indica rel ajste sed ta plausibilidad o no de la restriocion, Es deci. 8 la chi-cuadrado se reduce significativamente ajuste mejora) cuando se Levante En EQS, ef multiplicador de Lage cada una de las restricciones sera evaluarnos dicha plausibilidad ange aso elencargad recite | 34 La ncaranzn del instrument ‘/ooxsmencirs Figura 16.60. Modifiaci de a snus para el Paso 2 ual oad. La primera comprobaciéa (y la ditima, si es que, lo que es improbable) 0 no fuera sin poli crevalvars Te impostion simlinea fstivamente peor (chcrado mis grande Boas esas restrioviones (que las cargasfac- lo que es habitual), indcaria que es sensto asu- Brats sean iguaes en ambos grupos) empeo- mir equal loadings. La Figura 16,7 nos muestra He so signlfcaivamenteclajuste del modelo, los indicadores de ajuste dela eximacion en el {Vauste fuera mejor (chi-cundrado mis pe: Paso 2 ROOT HEAK-SQUARE ERROR OF APPR: sea) Figura 16,7, Indcadores de ajuste del Paso 2 Como puede comprobarse, el valor dela chi- ha hecho significativamente? Afortunadament, lt adrado se ha incrementado, pasando de 1089.06 diferencia entre dos chi-cundrados se distribu 311114.36, lo que implica que la imposicin de las como una ehi-cuadrado y se puede buscar en ta Ftricciones de igualdad de los parmetros ha las eu es el valor eritico para la diferencia en- Impeorado el ajuste, Ahora la pregunta es: Jo tre grados de libertad, que, Iogicamente, son 201 instrument de 432 | Mesodos de ives wedida / 433, (G40 ~ 320) porque se han aftadido 20 restriccio- dir las restricciones no empeora significatvay res de igualdad que son 20 parimetros menos que teelajuste. Por tanto, es plausible asumie estima, En nuestro 63s: lanza equal factor loadings ara determinar el valor critica tambign 25,0 de reeurrrse a na formula de p gsociada es signiicativa, Para interpretar bien rio saber qué nlimero ha asociado EQS a cada 1a peslida (Cigura 169), previamente es necesa- —restricvidn (figura 16.8) 114,36 ~ 1089.06 el pate del valor obtenido para ls diteren SOUSTRAINTS. 10 BE RELEASED AR af. = 340 ~320 = 20 Tas chi-cuadrado, Esta es te Puede verse en tablas que el valor critica de = DISTR.CHICUAD.CD(25,30,20) = 0,199 | tuna chi-euadrado para 20 grados de libertad y S p= 00Ses 3141, Como la diferencia no leg a Esta informacign se Nevatia © las tblas gg se valor, no sera significativa, y por lo que ala articulo, emo se observa en el cuadro 16.5.) CUADRO 16.5 Resumen de laevaluacim de la inarianza tas ef Paso 2 (Table X. Tests of measurement invaranc Seer e fa fae lar] » | rsexooxen | sme | cr | ruc 1 Doe wosspomy | 00s | 0955 | _oaMe Men r= 65) ‘Women (n= $85) | 561.95 | 160 | ~ 0.066 (0,06040.049) | 0.042 0.981 0.930 : ‘Equal form 1089.06" | 320 0.064 (0.0590.068) | 0.089 oss | 999 20 th veo RS)" (2 va0.F5) = 0 lrnattcortatagl nase [x0 [2sm[ 30 [a fos coas9eas7 | oom | oon? | 09m Figura 168, Cig ado cata eran sia oe mean uae es wp caneepcnm: En la figura 169, sinos fijamos en la colum- al 5% (p < 0,05), Hay que ser muy cuidadosos (Cr compare inex TLL, Tshe-Lens Ide NF Beter-ognst opel de) p< 0, 4p <0 a donde seinen elineremento que se produce con la eure dela faut 163, porgue la wee, nla ch-cuadrado al liberar cada una delasres- ra columna (nlimeros | al 20) noes el nimero de Ircciones, podemos comprobar como, salvo en la restrieién, sino el que aparece después del Se ha conttastado la invarianza equal factor se encadenarian diversos AFC hasta comprobat eu Waretricion 14 (carga que uncel indicador VI4._mino CONSTR. Identifear correctamente la dating Pons a ao nabiets silo as imo se exstencia 0 no de dos earpas invariants Pt fein el factor Fs vese fa figura 168 para locas restriceion permitré saber (consultand la hte fendrig que haber evaluade (de una manera sene factor. Este enfogue es cl tnico posible en ak: Mizar cl cOdigo), ningi incremento es significa ra 16.8)siexisten ono esos dos indicadores inva Gils) covsiderands que la iavarianza parcial ext; gunos programas de modelizacin estructurl. NEtiv, Es decir, todas las restricciones impuestas rlantes por factor sal Gnense Jos carga factorial iguales por EQS, sin embargo, da una alfernativa much) ills razonables Este resultado era de esperar por Elobjtive dea investigacion planteada como factor? ris eémoda al offecer el multiplicador de La: HE tua el test global realizado ya indieaba que ejemplo era comprobat si el sexo modera 0.n0 la ‘Una posbilidad es ir liberando una a.unalas grange asociado cada restricein. El multi els restricciones consideradas én su conjuiito relacon enlela facidad pereibida de uso y la Ut. restricts y wor qug octave con ia diferencia cador india, presisamente, sla caida en la cht an sensatac Pero la figura 169 hay que lela ldad perlbida, como postulan Nyeween, Pedersen Trtascheeuatiador i cuando seibera una Tes- euadrado fruto de libsrar la restriccibn a ln qo® ‘BE pensando en qué hubria que hacer s esto no fue-_y Thorbjornsen (2003). Pero lo Uico que heron tietiba ie eualdad de cargns la ch-cundrado as. Entonces, se deberia buscar para cada fac- Conseguido hasta este momento es constatar que ‘ae signficativamente, quiet decir QUE cF2 UR > 4s cate tact cmsidern a eoma como fe WEA tenos dos indicadores donde la probabi--_elinstrumento de medida que recog a figura 163 festiazion poco plausible; sno io hace esa car~ iat de lel el cones cone 50 AMTiad “asociada ala resriciGn (univariate esinatianteen su nivel equal fact loadings que fg se puede considerar invariante, Deesta forma fsa'ieundnagor| Jrerement probability en la Figura) fuera inferior eel requisito necesario ra poder realizar la434 / sesodos de investigac a owartanza insrumenia ce medite | 435 [ste pamuer D.P. PROBABILITY CiL-SQUARE. PROBABILITY ecremeeySsotnate matasicn, fea Figura 169, Mukiplcador de Lagrange asocido aca restric, e ees, prucha sobre el coefcient estructural, Sin embar-_16,10se han anotado todas estas pecisiones. Est we nts mew ene Bo, naa se sabe todavia de los valores que toma figura recoge la sintaxis del modelo estructural de ‘s coefcienteen el conjunto de la muestra ni en ejemplo, que sigue siendo un modelo multimues: ringuno de los subgrupos; de hecho solo sehaes- tra donde st ha aftadido la restriecion del efecto timado AFCy en ningin momento seha ahadido —-moderador que se analiza Ja parte estructural para estimar el modelo de ecuaciones estructural (MEC) correspondiente ‘A modo de sintesis,ngase en cucnta que al aatadirlas ecuaciones estructurales, algunos facto- res se comvierten en dependientes, lo que provoca {que no plsedan estimarse sus varianzas ni formar parte de covarianzas, La identificacion de escala fe estos factores ha de realizar fjando a 1 una Ge as cargas Factoriles, pues ya no es factble fi java 1 sus varianzas Esto tiene una gran importaneia a la hora de considera las restrcciones de las eargas factor Tes Si tna earga se fija a1, no se estima. Por tam to, no puede plantearse ninguna resticcibn sobre ella, y bay que eliminarla del apartado de (CONS- ‘TRAINTS. En la sintaxis recogida en Ta figura (FLED) PLLF2);_tRestriceién asociada a a moderacién Logicamente, para obtener las estimaciones del parimetto en euesiin en las submuestras de hom bres ye mujeres, habra sido necesario realizar se dos modelos estructrales no multimuestra com 8 hases de datos de cada grupo, Tenganse en cuenta que, al imponer la restriei6n, la said del ani tultimoestra nos va a dar la misma estimaci6n no ‘Sstandarizada para el parimetro, dado que hemos impuesto que sea igual. Obviaremos los mencions fdos MEC no multimoestra porque no son sino It primera parte dela sintaxis dela Gigura 16.10, si indicat GROUPS =436 | Meiodas de ivesigacin socal y de la empresa Figura 16:10, Sintais para testarel testo moderadorhipottizado EI modelo multimuestra estimado leva aso ciados unos indicadores de ajuste que se deben recoger en el cuadro que se publique en el doct- ‘mento (artculo). Vease el cuadro 16.6, que ius ‘ramos en la figura 16.11 Después hay que fijarse en la parte relevante de la salida, que e la que indica ste efecto de mo- sleracion es sigificativo 0 no. Lo primero es iden: ticar qué cédigo ha dado EQS a la restriecién impuesta. Puede verse en la figura 16.12, que es lt bida) con el fuctor FI (uilidad peribida) supggy (© no una mejora significativa en el ajuste deme Selo através de una caida significativa ene: de la ehi-cuadrado. Se comprueba que esas: ay tad (el que se perder al tener que estima fos day parimetros yno silo 1), Esto implica quel ig ad no es plausible y, efectivamente, podemay mae que existe un efocto moderador del sey | Sobre la relacin. Que el sentido del efecto sad hipotetizado (coeficiente mayor para mujeres qe Y, a continuacion, la figura 16.13 muestra si climinar la restricién de que el coeficente estruc- tural que une el factor F2 (Facilidad de uso perci- Modelo de presentacién de ls resultados de comprobar un efecto de moderacion mediante Pereined eas of we LL EQUALITY Figura 16.11. Indcadors de auste de modelo multimnesra pra tear moderacin sec Figura 16.18 Figura 16.12, La inoariane del instrument de meta OE FOR THE CHI-SQUARE STATISTIC OT MEAN-SQUARE RESIDUAL (RX ROOT MEAN-SQUARE ERROR OF APPRO (COnSTR: 26 (1)F2,F2)- (2,72, 72) =01 Couiteasin de as estrone elon). Contras del Sgifativided del fest de moderacionABB / Neodos de investiga social y et empresa (a ouianen del nstrumento de medida | 439 para hombres) deberi comprobarse en Ia estima- medias de la variable latente:facilidad ién separada del modelo estructural en ambos de uso. La sintaxi, sin embargo, refleja Colectivos, el anilisis multimuestra slo nos per- te la secuencia seguida, que, adem es mite conciir que esos parimetros son signifcati- la planteada con anterioridad, +999 + £ r,, que s6lo tiene un predictor, la constante _ciones de igualdad de carpas factoriales las restric samente diferentes. una ota posible variable explicativa, Cuan- ciones de igualdad ds los intexceptos. que, como Pes ident ceuadro 16.6. De la misma podemos coneluir que, PH iriis tueg0 la constante de esa eouacin recy cfectivamente el sexo modera la relacion entre fa 2 media det factor teas su estimacion, (1,999.2) = @2,V999, ilidad pereibida de uso y utilidad pereibida en la Hay que anotar algunos cambios més en la dliceccién apuntada, por cuanto esta relacion es puaxs cuando se quiere evaluar la igualdad de De nuevo, para evaluar la plausbilidad de que mis intensa en las mujeres (3 = 0.581, p < 0.01) fr interceptos. El primero es que en el apartado los interceptos sean invariantes, basta con comp ue en los hombres (9 = 0,427, p < 0001) : SPECIFICATIONS, ANALYZE pasar de rarla chi-cuadrado obtenida al incorpora la (NALYZE = COVARIANCES a ANALYZE = tricciones con lo que se obfuvo en el paso ante- MOMENTUM, Esto indica al programa que el rior ver la significatvidad dela diferencia entre 32. Aplicacion a la comparacion pis ahora incluya tanto la estructura reflgjada _ambas como se ha venidoilustrando hasta ahora de medias de variables latentes For ia matciz de varianzas y covarianzas como la Como la explicacion del proceso ha eomenzado ructra de las medias El esto de cambios lo directamente en este paso, la figura 1616 ofre. tra hipétesis habitual es la relativa a que el SP oovoce Is adicion de ia ecuacién con la media. ce los indicadores de ajuste del paso anterior nivel medio de una variable latent es signiictiva PP Gimo F, x convierte en un factor dependiente, (igualdad de eargas Factoriles 0 figura 16.164) y mente distinto en un coletivo queen oto Siguien ¢ > gy que Hjar @ la carga de un indicador, dado del actual (igura 16,166). Puede comprobarse do.con el caso que articula este capitulo, se hipote- SB pee su varianza ya no se puede estimar que la diferencia entre las dos chi-euadrado lara que, dada una incorporacin més lenta & lltimo delle importante tiene que vercon (78,35 ~ 75,38) noes signifcatva (p = 0.42) para Internet, a failidad pereibida de uso de esa her problema de identifcacion. En nuestro ejem- la diferencia (18 ~ 15 ~ 3) de grados de libertad ‘mena ¢s menor en mujeres que en hombres Figura 1614, Comparacin dela madis de una vari po tenemos como datos 10 medias de los indica Esta informacion se taslada directamente a Para poder evaluar esta hpétesis mo basta con ble latent en dos erunos 3 pees (S pars hombres y § para mujeres) pero 12 ewaalr 16.7, que se includ en nuestro documento {gue se eumpla la invarianza eyual factor loadings 4 rmettos potencales a estimar (10 intercepios de investigucion (aticulo). También es necesario que los interceptos sean 1050 3. Equal intercepts SF Provasias dela variable tents). Esto hace que la Pudiendo asumir la invarianza de los interep iguales La razon esevidente ise observacl panel P&S? Equal intercen : te de la estructura de medias del modelo mul- tos, se pueden comparar direetamente las medits B de la figura 16.1. En él se aprecia que las pen- Para poder plantear la resriecién de que log Bgrupo est infraidemtificada sino se aiaden res- Sin embargo, queda la duda de qué ocurrria de ientes de las rectas que mucstran la relacion en-_interoeptos sean igual, éstos deben aparecer et ines adicionales. La identificaciOn se consi- no ser asi. Siempre quedarrla la opcion de evaluar tree indicador y el factor son ks mismas; esto es, las ecuaciones que relacionan Factores eindiadae Mie fjando el origen (media) dela variable latente la invarianza parcial es deci, qual menos desde Jas cargasfactoriales son equivalentes Sin embar” res, que en las sintaxis anteriores no aparecen — MMmesLun grupo a0. Este grupo se convierteen el gru- los intereptos del factor fuevan invariantes, De 0, alnoserlo los interceptos, un mismo valor del EQS incorpora los inerceptos bajo el nombre de Bo de referencia y la estimacién de la media en el nuevo, el ret de los multiplicadores de Lagrang indicador puede traducirse en medias muy disin~ _«V999, Por tanto, una ectacion estandar que t= | MMNBEO grupo habria que interpretarla en relacion al proporcionara esta informacion (figura: 16), tas de la variable latente. Es decir, que contestan-_laciona un indicador con su factor quedara coma io, es decir, siel parimetro asociado ala cons- Hay que recordar que primero es importante co do hombres y mujeres igual al cuesionario, sus lite fuera 1,5 querria decir que la media en el nocer el nimere otorgado por el programa a cada hiveles reales de failidad pereibids de uso de In V3 ="V990+ *PI + BS po 2es 1S unidades mis grande que en el gru-_restricci, Como cabia espera, Gado el resultado temet serian distintos, y esto haria imposible in Be rete referencia, dela pruebe global, todas las restieciones se con terpretar los resultados Elsiguiente paso es introducir en Asien la sintaxs de la figura 16.15, se puede sideran plausibles. Deno haber sido asi se deberia Lacomprobacion dela invarianza delos inter-ecuaciones aquella que ha de contener Ia medi“ sSomprobar cSmo el grupo de los hombres se ha buscar al menos dos restrcciones asociadas a os 0:05, oal menos p= 0,01), indica para este nuevo problema refljado en la figura introduce del siguiente modo: 3 ddo que eliminar la restrieciGn de igualdad no 16.14, los comentarios solo se centran en el sltimo Bentras que la media se estima libremente en el mejotasignificaivamente el ajuste, por Io que te de-llos el Paso 3), ys tiene sentido compara las F2=*V999 + D2, Jo de mujeres: ne sentido mantener440 |e fos de Incestigncn scaly de a empresa Ln nwartanzn del instrument de medida J 444 Figura 46.15. Sintonis pra tsar a ual de fos itrceptos. SLL EQUALITY. CONSTRAINTS. MERE Soo? MEAN-SQUARE. RESIDUAL ROOT MEAN-SQUARE ERROR OF APPROX! comr-squane = 78.345 BASED ON 26 ROOT MEAN-SQUARE ERROR OF APPROX! Figura 16.160, Indadores de juste del modelo m ‘Ya-en este punto, se puede dar el iltimo paso ‘incorporar la restriccion de igualdad de las me~ fias dela variable Intente. Antes de hacerlo, sin tmbargo, conviene darse cuenta de que, al tratarse folamente de dos grupos, impliitamente la prue aya la hemos realizado, Recordemos que se ha Bia fjado a 0 el intercepto (la media) de In vari latent para el grupo de los hombres y se habia tstimado exe pardmetro para el grupo de las mu jeres El resultado de la estimacion se observa en Ta igura 16-18. El valor de a estimacion implica tia que la media de Ia facilidad perebida de ws0 4e Internet entre las mujeres seria 0,018 unidades munca para igual de atrcepos less), superior los hombres, pero esa diferencia n0 > a signficativa (t= 0.832; p > 005). Sun embargo, si hubiera més de dos grupos, este procedimiento n0 seria posible, puesto que se produce el misto problema de iflacion del error Tipo T que se da cuando queremos comprar Ia media de una variable entre mis de dos grupos neadenando prusbas ¢, que Teva a fa necesidad {de prusbas post hoc especificas en Tos andlisis de fa aranza, Por este motivo bay que dar wn ite tho paso incorporat la sintans a restriceibn de uuahdad de los interceptos asociados al factor (Gnedian) en los dos grupos y realizar la procha442 metoos de imestigacén socal y de la empresa La iwarones del instrumented media / 443 CUADRO 167 Resumen del proceso de evaluactin dela invarianza tras comprobar la igualdad de intercept, y test de igualdad de medias (Table X. Tests of measurement imariance and population heteogen ‘EQUATIONS WITH STANDARD ERRORS AND TEST STATI erogeetyy c soo a Sige Grup Sout | | | ae | a] » | Rosea pane Men = 05) m0 | 5 once onrsp.0%) | voi | om] Figura 1618, Fstimacin dela media dea variable atete Women n= 585) [sere | 5 1.124 (090.156 96 oo 1 or el procedimiento habitual de comparar las mos afadido dos restrieciones mis, hemos libea hinatem cwadrado de este paso y el anterior. do el valor del coeficieme asociado al intereepto Baya rm ara | 0 ‘ons reo.) | ooze : Como se aprecia sn la figura 16.19, esta res- de la variable latent en el grupo de los hombres, Eval for fonding | 7558" [15 7082 (oneqo.to1 | 004 S econ que se aiade adopta fa forma {ue ya no ese de referencia gealinereps | 7835 | 18 2 | 06 006i0105) | 0041 (,V6.V999) = 2,V6.¥999) epson kets E 4. CONTRASTE DE LA INVARIANZA Tava sae} fom | a foar | oon cacnion [oo Notes que ia eeuacin es F2 = *V999 + D: EN AUSENCIA DE NORMALIDAD wane ~ a estamos obigando a que el nico parametro e Nous N= 190 RMSEA, wot an gure apron YC, 0% nfs pereepto, sa igual en los dos grupos; necesaria- Los modelos. de ecuaciones estructurales tana ot ean uae esa pent, cslemento restant, la varianza del error basados en covarianzas son muy sensibles a la [Ce sompartie oes FA, Tsk ows odes NF Beer ons om ord Gen)" . Di, tambien tendra que ser el mismo, por lo que _ausencia de normalidad. Esto ha llevado, durante jgrestriccién anterior leva aparejada en la sin- mucho tiempo, a la bisqueda de mstoxlos de es sla incorporacién de la resteicion timacion diferentes al de maxima verosimilitud gue sean robustos a este problema. Sin embargo. Ta mayoria de estos procedimientos, como el de lt distribucion asintotiea libre, exigen tamaios mus (0% ceera: 3 (1,¥3,¥2)-{2-Va,7a) = 0: jidentificacion de la parte de estructuras de me- _cientifica en ciencias sociales y de la empresa. onsen: ¢ (Liviopra)-(aevie.e2) «9 is dl modelo ner ado acl coetcente aso. Por este motivo los trabajos de Chou ea fconsmm: $ [1,¥6, 9991 -(2.¥6-V999) Gado al intercepto en el grupo de hombres Por (1991) y Huet al. (1992) recomiendan que, mas RETR: 6 (107 VOR (2.7. Ya08) = 9 fe, pusde manteese ome sigue les dos que Duct metodo altematvos destin, Se 3 (L.v3,v998)-[2,V9,¥999) ‘iantenga la estimacion por maxima verosimilitud 2 = *V999 + D2; ida de las relaciones ¥ la bondad de ajuste del modelo que si sean robustos a problemas de nor- Para evaluar st imponer ta restricién de que malidad. El trabajo de Satorra y Bentler (1988) 8 medias dela variable latente sea igual tiene _ proporciona estadistcos fy ehi-cuadrado correg 2 ass 1002.25 Bo sentido, silo falta comprobar sil ajuste del dos que han sido implementadosen EQS. 2 yee 2 Glos 2.ee pode modido a través de la chi-cuadrado ha Parael problema del contrast dela invarianza 4 2 sore or Frpeorado o no significatvamente. Come puede es especialmente importante el exadstico chic 4 p18 Homprobarse en la figura 16.20 (y asi se traslada _drado corregido o chi-cuadrado escalada. Como se 5 os Alcindro 16.) la diferencia en los valores del es. ha comprabad en losepigrafes anteriores Ia plat come: 8 § fe liisico 79,14 ~ 78,38) no es esadsicamente _sibldad de las resreaones se contrast vendo i 2 comern 2 29 Bsiiativa(p = 0.37) para la diferencia de grax la diferencia entre lo valores dente estado en vs de lberad (19 ~ 18 = 1), Notese que bay un dos pasossucesivosexono signet, Esta proc ado deliberad. jPor qué? Porgue aunque he- base apoyacen la propiedad dela astbucion chic Figura 16.17._Tes de os maipeadores de Lagrange par evar I nvaranca pariMétodo de nvestigacion aly a empresa lode medida | 445 pennsascus feornszanens Figura 1619, Sintaxis par a estan de la signfctvdad de as diferencias en as meds de a vais ete ura 1620. Ajuse ead de que su diferencia también se dsb sso une chicuadrad. Esto ba evado 9 on autora cometerel eer de que cuando onion un problems de norma 9 € ei le ehicundrado excalada de Satora cr (SB ch-cuadeado), proceden del mismo Bs asamiendo que la frencia entre dos SB adradotambn se distbue como una chi- eSiada ¥ eso noes eto Poreste motive es mporianeinalizar eta lo expand cules procedimiento que hay sepuir para compara Ta diferencia de dos S-B (CHI-SQUARE = 79.242 BASED OM 19 DEGREES OF FREEDOM comparacin da siniticatvidad de as diferencias de a media variable Intent. chi-uadrado, dado que es muy habitual que_nos fencontremos con esos problemas de normalidad ‘Queacahan forzandoal uso del estadisic correo. To ilustraremos con el Paso 1 (equal form) y 1 Paso 2 (equal loadings) del timo ejericio re Tizado (diferencias entre las medias de Ta facilidad peteibida de uso entre hombres y mujeres). Ta figura 16.21 muestra las $-B (chi-cuadra do) ¥ chi-cuadrado normales de ambos pasos, ‘gue junto con fos grados de libertad, que logic ‘ene son los mismos para ambos estadisticos en {ada paso, es la nica informacion necesaria equal losding (chi cundrada) y chi-cuadrad PROBABILITY VALUE FOR THE CHI-SOUA aieado) y chi-cuadrado para ¢ CHT-SOUARE = 75.579 BASED ON 15 DEGREES OF square STAIIETIC 18 0,00018 anne it lice Ps Figura 1621. S-B (cicwadrado) ychicuadrado para el contrast dea ivarana446 | Metodos de inwesigacon socal y dela empresa La correocién que es necesario realizar para «que la diferencia se distribuya como una chi-ua ddrado puede encontrarse en Satorra y Bentler (2001). Se procede como sigue, lamemos T, a ka chi-cuadrado del modelo mis restringido (es de cir, en nuestro caso, el paso equal loadings) y T, a Ia chi-euadrado del modelo menos restringido ‘egual form). Llamemos TR, a 1a $-B (chi-cua- ‘drado) del modelo menos restringido y TR, a la ‘del mis restringido, Finalmente, denominemos d, al nimero de grados de liberia asociado a ambos cstadisticos del modelo menos restringido y d, a Tos prados de libertad del mis restringido. En nuestro ejemplo: T= 1888 7,= 6119 TR, = 42567 | TR, = 36.11 dais | a=10 Pues bien, la diferencia que si se distribuye como una ehi-cuadrado puede obtenerse del si- uiente modo: R= Bh siendo: “TR, Para nuestro ejemplo Ay, 1558 TR, 2267 ¥ por tanto: they hey dad, = 15% 17713 ~ 10% 1,8607 - 15-10 Siendo la diferencia: T= T, 7558 - 67,19 <1 25 TR,= = 5.2604 Esta correcciin se distribuye como una chi ‘euadrado con 5 grados de libertad. Bien en tabas ‘bien con la formula de Excel ya comentada, se ccomprucba su signficatividad asociada, senda 1p = 0.3840, No resulta significativa y la introdue- ion de las resticeiones de igualdad de las args Factoriales seria plausible, Metodologia del meta-analisis Julio Sanchez-Meca Fulgencio Marin-Martinez José Antonio Lopez-Lopez (META-ANAUISIS: QUE ES fn la actualidad, hay innumerables estudios 4 YY PARA QUE SE UTILIZA? que hayan abordado casi cualquier problema de {Nrstieaciin, Por tanto, resulta imposible sintti- Ios sin la ayuda de métodos cuantitativos espe Gficos. El meta-analisis es una metodologia de fovetigecin que tiene como fin revisar de forma ‘hetiva ysistematia los estudio empiriens reai- gados sobre un determinado problema de investi- facion. En la integracion de los resultados de los Studios se hace preciso: a) definir un indice del famaio del efecto que refleje Ia Tuerza de la rela- tin entre las variables objeto de esti, y 5) api far téenicas de anlissestadistico para dar senti do a los datos Se abordan en este capitulo las fases para tea fzar un meta-anilisis: a) formulacién del proble ta; b) bisqueda de la literatura; e)codificacibn de los estudios;d) cileulo del tamato del efecto; @)anilisisestadistic e interpretacion, yf) publi cin det meta-analisis. A lo largo del eapitulo fe discuten los problemas que tiene el investiga. or para garantizar la mixima objetividad y va Iidez de las decisiones que vaya tomando. Para el Anlsisestadstico de los datos se presenta el en fogue preconizado por Hedges y Olkin, distin aguiendo entre los modelos de efectos ij, aleato- fios y mixtos. Con objeto de iustrar como se hace un meta-andlisis, se comentay se utiliza par fe de los datos de un meta-anilisis sobre la rela on entre rendimiento en el trabajo y varios es- ftesores psicosociales, como la ambigiedad en los Popeles. La producsin centfica ha experimentado un crecimiento exponencial durante ls iltimas décs- dlas en el Ambito del marketing y de la organize cin empresarial. Esto supone un benefiio direc: te para los investigadores y profesional de este Jimbito, que de este modo disponen cada vez de mis evidencias cientificas como guia para fturos proyectos. Sin embargo, la prolferacion de est tlios dentro de un mismo campo a menudo hace inviable que el lector interesado pueda consultar ¢n profundidad todas las referencias desu interés Por elo, las revisiones dela investigacién han ido cobrando protagonismo en las altimas décadas como una herramienta para la efiiente acumula- tin del conocimiento cientifico (Sinchea-Meca y Botella, 2010) Hasta los ais setenta del siglo pasado, las e- visiones tradicionales de la imvestigactin consti- tuian la prinepal va pura solucionar este proble ma. En las, un investigador experto en el eampo concrete resunia las earacteristicas de diferentes investigaciones primarias sobre este tema y elabo- ‘aba unas conelusiones. Sin embargo, la subjetivi ‘dad y la Tata de repicabilidad que impregna este tipo de rexisiones pronte desaconse su uso (Sin- chez-Meea y Marin-Martiner, 2010), Para solven- tar estas limitaciones, surgieron las revsiones sv temtiens, Es el meta-anilisis un tipo de revision tica,earacterizado por Ia obtencién de un