Estadística Aplicada

Semana 15:

Modelamiento de ecuaciones estructurales

Sesión II

Profesores:
Johanna Kohler, Jhonatan Navarro, Sixto Salazar, Fernando
Rosario, Juan Kaneko y Ambrosio Tomás
2023-1
Facultad de Psicología

Estadística aplicada

Semana 14

2023-1
 El estudiante interpreta el análisis de
LOGRO modelamiento de ecuaciones
estructurales
 Permite indicar el tipo y Las relaciones entre
Control estadístico y dirección de las variables representan
teoría relaciones entre relaciones propuestas a
variables nivel teórico

MODELO DE
Tener en cuenta que los modelos SEM
ECUACIONES
Medrano y Muñoz-
hallan relaciones causales porque este se
basa en teorías causales
ESTRUCTURALE
Navarro (2017)
Ruiz et al. (2010)
¡Comprueba hipótesis causales!
S (SEM)
 3. Especificación
del modelo:
1. Modelo basado 2. Diagrama de constructos,
en la teoría relaciones causales variables
endógenas,
exógenas

4. 7. Interpretación,
Especificación 6. Estimación re especificación
5. Estimación
del modelo de del ajuste del y
del modelo reinterpretación
estructura y de modelo
medida del modelo
Revisemos juntos el ARTÍCULO EJEMPLO QUE ESTÁ EN AULA
VIRTUAL
Este es el último párrafo de la introducción y se observa el
objetivo e hipótesis de la investigación.
Método de estimación

Estándares de interpretación
de ajuste del modelo
1. ¿Cuántas variables
endógenas hay?
2. ¿Cuántas variables exógenas
hay?
3. ¿Cuántos modelos de
estructura hay?
4. ¿Cuántos modelos de
medida hay?
Los autores concluyen que el modelo es aceptable y por lo tanto
se acepta la hipótesis de investigación
Para esta sección trabajaremos con la BASE DE DATOS SEMANA 15

Paso 1: Modelo basado en la teoría. Para esta parte de la sesión asumiremos que el modelo tiene un respaldo teórico
y en los antecedentes de investigación.

Paso 2: Diagrama de relaciones causales.

ANS 1

ANS 2
RET 1

RET 2 Ansiedad ANS 3

+
RET 3 ANS 4

RET 4 Retirada +
DEP 1
RET 5

RET 6 + DEP 2
Depresión
RET 7 DEP 3

DEP 4
Paso 3: Especificación del modelo: constructos, variables endógenas, exógenas

Paso 4: Especificación del modelo de estructura y de medida

ANS 1

ANS 2
RET 1
1. ¿Cuántas variables
RET 2 Ansiedad ANS 3 endógenas hay?

RET 3
+ ANS 4
2. ¿Cuántas variables
exógenas hay?
3. ¿Cuántos modelos de
RET 4 Retirada
+ estructura hay?
4. ¿Cuántos modelos de
DEP 1 medida hay?
RET 5

RET 6
+ DEP 2
Depresión
RET 7 DEP 3

DEP 4
1

3 Instalar el Módulo semlj - SEM

1

Agregar en los espacios

correspondientes los ítems
que representan a cada
2 variable latente endógena
y exógena.
Según las especificaciones del
modelo, las variables
endógenas son ANSIEDAD y
DEPRESIÓN.

Según las especificaciones del

modelo, la variable exógena es
RETIRADA.

¡Se sugiere agregar

nombres cortos para
las variables!
En estas secciones vamos a
dar todas las
especificaciones al modelo.

En los espacios en blanco señalados,

tenemos que agregar la variable que afecta a
ANSIEDAD y DEPRESIÓN. En el modelo es la
variable exógena RETIRADA.
Con esto, estamos indicando
a JAMOVI que RETIRADA es
la variable que afecta a
ANSIEDAD y DEPRESIÓN.
1
Con esta opción vamos a
evaluar la normalidad
2 multivariada con el
Coeficiente multivariado de
Mardia.

El coeficiente de curtosis de
mardia es mayor a 70, por lo
tanto, no hay normalidad
multivariada y se tiene que
usar como método de
extracción él mínimo
cuadrado no podenrado
(ULS).
 Tenemos que cambiar el
1 método de estimación. Por
defecto JAMOVI lo identifica
2 de forma automática.

Paso 5: Estimación del Modelo

1
2

4
3

Estas opciones brindan

un gráfico SEM con los
coeficientes beta.
Paso 6: Estimación del ajuste del modelo

Lo señalado indica que los índices de

ajuste del modelo son aceptables
según los estándares.
Paso 7: Interpretación del modelo

Se puede concluir que RETIRADA afecta de forma

significativa positiva y baja a la ANSIEDAD y de
forma positiva y moderada a la DEPRESIÓN.
Además, DEPRESIÓN y ANSIEDAD se relacionan
de forma significativa mediana.
Paso 1: Modelo basado en la teoría. Para esta parte de la sesión asumiremos que el modelo tiene un respaldo teórico
y en los antecedentes de investigación.

Paso 2: Diagrama de relaciones causales.

PROM1

PROM2
-
Prominencia
ENFRE1

ENFRE2 Enfrentar PROM3

el
ENFRE3 problema +
ENFRE4 TOL1
-
Tolerancia TOL2

TOL3
Paso 3: Especificación del modelo: constructos, variables endógenas, exógenas

Paso 4: Especificación del modelo de estructura y de medida

PROM1
1. ¿Cuántas variables
Prominencia PROM2 endógenas hay?
ENFRE1
- 2. ¿Cuántas variables
exógenas hay?
ENFRE2 Enfrentar PROM3
3. ¿Cuántos modelos de
el
ENFRE3 problema + estructura hay?
4. ¿Cuántos modelos de
medida hay?
ENFRE4 TOL1
-
Tolerancia TOL2

TOL3
Según las especificaciones del
modelo, las variables
endógenas son PROMINENCIA
y TOLERANCIA.

Según las especificaciones del

modelo, la variable exógena es
ENFRENTAR EL PROBLEMA.
Con esto, estamos indicando
a JAMOVI que ENFRENTAR
EL PROBLEMA es la variable
que afecta a PROMINENCIA
y TOLERANCIA.
1
Con esta opción vamos a
evaluar la normalidad
2 multivariada con el
Coeficiente multivariado de
Mardia.

El coeficiente de curtosis de
mardia es mayor a 70, por lo
tanto, no hay normalidad
multivariada y se tiene que
usar como método de
extracción él mínimo
cuadrado no podenrado
(ULS).
 Tenemos que cambiar el
1 método de estimación. Por
defecto JAMOVI lo identifica
2 de forma automática.

Paso 5: Estimación del Modelo

1
2

4
3

Estas opciones brindan

un gráfico SEM con los
coeficientes beta.
Paso 6: Estimación del ajuste del modelo

Lo señalado indica que los índices de

ajuste del modelo son aceptables
según los estándares. No obstante,
un ajuste de 1 (perfecto) no es
recomendable porque puede ser
indicador de algún problema en el
modelo.
Paso 7: Interpretación del modelo

Se puede concluir que ENFRENTAR EL

PROBLEMA afecta de forma significativa,
baja y negativa a PROMINENCIA y
TOLERANCIA.
Paso 1: Modelo basado en la teoría. Para esta parte de la sesión asumiremos que el modelo tiene un respaldo teórico
y en los antecedentes de investigación.

Paso 2: Diagrama de relaciones causales. DIST1

DIST2
Distraerse
APOYO1 del DIST3
+ problema
APOYO2 DIST4
Apoyo
APOYO3 social +
APOYO4 FELIZ1
+
Felicidad FELIZ2

FELIZ3
Paso 3: Especificación del modelo: constructos, variables endógenas, exógenas

Paso 4: Especificación del modelo de estructura y de medida

DIST1

DIST2
Distraerse 1. ¿Cuántas variables
APOYO1 del DIST3 endógenas hay?
+ problema 2. ¿Cuántas variables
APOYO2 DIST4 exógenas hay?
Apoyo 3. ¿Cuántos modelos de
APOYO3 social + estructura hay?
4. ¿Cuántos modelos de
FELIZ1 medida hay?
APOYO4
+
Felicidad FELIZ2

FELIZ3
Paso 5: Estimación del modelo

Paso 6: Estimación del ajuste del modelo

Paso 7: Interpretación del modelo

¿Existe normalidad multivariada?

¿Los índices de ajuste son aceptables?

Interpretar los coeficientes beta de las

relaciones causales entre las variables
 +

Paso 1: Modelo basado en la teoría. Para esta parte de la sesión asumiremos que el modelo tiene un respaldo teórico
y en los antecedentes de investigación.
ANS 1
Paso 2: Diagrama de relaciones causales.
ANS 2

Ansiedad ANS 3

+ ANS 4
ABST1
+ +
ABST2 Abstinencia Recaída
DEP 1
ABST3
+ Depresión
DEP 2

DEP 3
REC1 REC2 REC3
DEP 4
Paso 3: Especificación del modelo: constructos, variables endógenas, exógenas

Paso 4: Especificación del modelo de estructura y de medida

ANS 1

ANS 2

Ansiedad ANS 3

+ ANS 4
ABST1
+ +
ABST2 Abstinencia Recaída
DEP 1
ABST3
+ Depresión
DEP 2

DEP 3
REC1 REC2 REC3
DEP 4
Paso 5: Estimación del modelo

Paso 6: Estimación del ajuste del modelo

Paso 7: Interpretación del modelo

¿Existe normalidad multivariada?

¿Los índices de ajuste son aceptables?

Interpretar los coeficientes beta de las

relaciones causales entre las variables
¡Resolvamos los ejercicios juntos!
¿alguna pregunta?
Referencias
Hayes, A., y Preacher, K. (2014). Statistical mediation analysis with a multicategorical independent variable. British Journal of
Mathematical and Statistical Psychology, 67, 451–470.
Hair, J. F., Anderson, R. E., Tatham, R. L., & Black W. C. (2014). Análisis multivariante (5ta edición). Prentice Hall.
Medrano, L. A., & Muñoz-Navarro, R. (2017). Aproximación conceptual y práctica a los modelos de ecuaciones estructurales.
Revista Digital en Investigación y Docencia Universitaria, 11(1), 219-239. http://dx.doi.org/10.19083/ridu.11.486 
 
Rodríguez Ayán, M. y Ruiz, M. (2008). Atenuación de la asimetría y de la curtosis de las puntuaciones observadas mediante
transformaciones de variables: Incidencia sobre la estructura factorial. Psicológica, 29, 205-227
 
Ruiz, M. A., & San Martín, R. (2010). Modelos de ecuaciones estructurales. Papeles del Psicólogo, 31(1), 34-45.
 
Saris, W. E., Satorra, A., y van der Veld, W. M. (2009). Testing structural equation models or detection of
misspecifications? Structural Equation Modeling: A Multidisciplinary Journal, 16, 561–582. 
http://doi.org/10.1080/10705510903203433