Documente Academic
Documente Profesional
Documente Cultură
88
Donde aparecen en primer lugar 2 variables de tipo CADENA (ROWTYPE_ y VARNAME_). ROWTYPE indica el tipo de dato que va a aparecer en esa fila: MEAN (media), STDDEV (desviacin tpica), N (nmero de sujetos en esa variable), CORR (correlaciones); VARNAME_ indica la variable a la que se va a referir el dato (slo se especifica para N y para CORR). Cada columna siguiente indica tambin a qu variable pertenece cada dato. Por ejemplo, la correlacin entre FLSPAN y MATR_STO es 0.47. En vista de variables puedes observar el formato de cada variable:
89
2.) Tambin podemos tener una matriz de datos tpica con los datos directos de los sujetos (en filas) a las variables (en columnas):
90
En la parte central se debe dibujar el diagrama correspondiente al modelo que desee estimar. A la derecha aparecen una serie de iconos mediante los cuales se puede dibujar el modelo. Las funciones de la mayora de estos iconos pueden ejecutarse tambin desde el men superior. En primer lugar, debe definirse cul es el fichero donde estn los datos. Para ello se pulsa el icono pantalla: (seleccionar fichero de datos). Aparecer la siguiente
Captulo 6. Introduccin al programa AMOS Seleccione el botn File name y elija el fichero de datos.
91
Ahora debe trazarse el modelo. Existen distintos iconos para este objetivo. Lo mejor es empezar dibujando los factores latentes. Para ello se pulsa en el icono (Dibujo de variables latentes con sus indicadores respectivos), se mueve el puntero a la parte central y, pinchando con el botn izquierdo, se genera un crculo (el factor latente). Posteriormente, se pulsa (con el botn izquierdo del ratn) tantas veces en el circulo como indicadores tenga la variable.
Se repite el procedimiento para cada factor latente que aparezca en el modelo. Otra posibilidad si tenemos varios factores iguales es duplicar. En el ejemplo, tenemos 2 factores latentes con 3 indicadores. Debera quedar un diagrama como el siguiente:
92
93
En realidad, el mismo dibujo puede hacerse utilizando los siguientes iconos de la barra de herramientas: Para dibujar las variables observables Para dibujar los factores latentes Para dibujar el error de las variables observables. Para dibujar las relaciones unidireccionales entre las variables. Para dibujar las relaciones bidireccionales entre las variables.
Para completar el diagrama pinchamos en el icono jamos una correlacin entre los 2 factores.
Ahora decir qu indicador se corresponde con cada variable del fichero de datos. La manera ms sencilla es seleccionar el icono (presentar las variables en la matriz de datos). Nos aparecera una pantalla como la siguiente:
94
Seleccionamos cada variable del recuadro y la arrastramos (pulsando el botn izquierdo del ratn) hacia el indicador correspondiente en el dibujo. Obtendremos los siguiente:
Ahora tendremos que poner nombres a las variables latentes. Pulsamos sobre cualquiera de los circulos (2 veces) y obtendremos el siguiente recuadro:
95
En Variable name ponemos el nombre de la variable (MCP). Variable Label indica la etiqueta con la que se presentar en el grfico. Pulsando en la pestaa de Parameters podremos fijar los parmetros (la varianza, en este caso) de esa variable a un valor concreto. En nuestro caso, ya hemos fijado la mtrica de MCP fijando su peso a FLSPAN a 1. Tras poner nombre a todas las variables latentes tendremos algo parecido a esta interesante figura:
96
Apuntes Modelos de Ecuaciones estructurales (Universidad Autnoma de Madrid) Y ya hemos terminado la especificacin del modelo. Algunos otros iconos pueden resultar tiles para realizar/modificar el dibujo: Seleccionar un objeto del dibujo Seleccionar todos los objetos Deseleccionar todos los objetos Duplicar objetos Desplazar objetos Borrar objetos Cambiar forma objetos Realinear objetos Cambiar propiedades de objetos seleccionados simultneamente
Podemos pinchar sobre cualquiera de los elementos dibujados (flechas, crculos, cuadrados,...) para cambiar sus propiedades.
97
Podemos observar que el mtodo de anlisis seleccionado es el de mxima verosimilitud. Si hay datos perdidos la opcin Estimate means and intercepts debe estar marcada. Otra pestaa importante de esta ventana es Output donde podemos especificar la informacin que queremos que aparezca en la salida. Es importante que este seleccionado Standardized estimates para que el programa nos proporcione el valor de los parmetros estandarizados.
98
Dicho esto, podemos ejecutar el programa pulsando el siguiente icono ra qu nuestro modelo est bien especificado as como identificado...
y rezar pa-
Pero antes de seguir, se guarda el trabajo seleccionando en el men File y luego Save as.
Las primera parte de la salida es importante para saber si el programa se ha ejecutado correctamente (nos indican el tamao de la muestra, el nmero de variables de cada tipo, el nmero de parmetros fijos y libres , la matriz de varianzas-covarianzas y la matriz de correlaciones observadas y el clculo de los grados de libertad).
99
Parameter summary (Group number 1) Fixed Labeled Unlabeled Total Weights 8 0 4 12 Covariances 0 0 1 1 Variances 0 0 8 8 Means 0 0 0 0 Intercepts 0 0 0 0 Total 8 0 13 21
Sample Moments (Group number 1) Sample Covariances (Group number 1) MATR_STO COMP_ST RSPAN_ST DOT_MEM FDSPAN FLSPAN MATR_STO 41.638 11.077 2.706 5.626 8.346 7.519 COMP_ST 13.519 1.919 3.086 4.522 4.149 RSPAN_ST DOT_MEM FDSPAN FLSPAN
8.161 4.104
6.265
Sample Correlations (Group number 1) MATR_STO COMP_ST RSPAN_ST DOT_MEM FDSPAN FLSPAN MATR_STO 1.000 .467 .250 .332 .453 .466 COMP_ST 1.000 .311 .320 .430 .451 RSPAN_ST DOT_MEM FDSPAN FLSPAN
1.000 .574
1.000
Models
Default model (Default model) Computation of degrees of freedom (Default model) Number of distinct sample moments: Number of distinct parameters to be estimated: Degrees of freedom (21 - 13): Result (Default model) Minimum was achieved Chi-square = 7.761 Degrees of freedom = 8 21 13 8
A continuacin aparecen los parmetros no estandarizados y sus errores tpicos de estimacin (S.E.) que nos permiten ver si los parmetros son significativamente distintos de 0. En este caso, todos los pesos son estadsticamente significativos con un nivel de confianza del 95 % puesto que, en todos los casos, |C.R.| > 1.96.
Regression Weights: (Group number 1 - Default model) FLSPAN FDSPAN DOT_MEM RSPAN_ST COMP_ST MATR_STO <--<--<--<--<--<--MCP MCP MCP MT MT MT Estimate 1.000 1.124 .554 1.000 4.091 7.265 S.E. .166 .139 1.132 2.005 C.R. 6.783 3.994 3.614 3.622 P *** *** *** *** Label
Tambin aparecen los mismos pesos para la solucin estandarizada. Estos seran los pesos factoriales.
Standardized Regression Weights: (Group number 1 - Default model) FLSPAN FDSPAN DOT_MEM RSPAN_ST COMP_ST MATR_STO <--<--<--<--<--<--MCP MCP MCP MT MT MT Estimate .748 .737 .396 .370 .690 .698
Captulo 6. Introduccin al programa AMOS El programa tambin ofrece las varianzas estimadas para las variables exgenas.
Variances: (Group number 1 - Default model) MCP MT Efl Efd edo ers eco ema Estimate 3.507 .385 2.758 3.729 5.802 2.424 7.081 21.339 S.E. .805 .199 .535 .697 .749 .312 1.236 3.805 C.R. 4.356 1.937 5.152 5.347 7.746 7.762 5.731 5.608 P *** .053 *** *** *** *** *** ***
101
Label
Si se lo hemos pedido nos dar las matrices de varianzas-covarianzas implcitas o reproducidas segn el modelo, as como los residuos y los residuos estandarizados (i.e., cada residuo estandarizado es el residuo dividido por su error tpico si los datos se ajustan al modelo los residuos deberan estar entre -1.96 y 1.96 con un nivel de confianza del 95 %).
Matrices (Group number 1 - Default model) Implied Covariances (Group number 1 - Default model) matr_sto comp_st rspan_st dot_mem Fdspan Flspan matr_sto 41.638 11.432 2.794 4.143 8.401 7.472 comp_st 13.519 1.574 2.333 4.731 4.208 rspan_st dot_mem fdspan flspan
8.161 3.942
6.265
Implied Correlations (Group number 1 - Default model) matr_sto comp_st rspan_st dot_mem Fdspan Flspan matr_sto 1.000 .482 .258 .245 .456 .463 comp_st 1.000 .255 .242 .450 .457 rspan_st dot_mem fdspan flspan
1.000 .551
1.000
Residual Covariances (Group number 1 - Default model) matr_sto comp_st rspan_st dot_mem Fdspan Flspan matr_sto .000 -.355 -.089 1.484 -.055 .046 comp_st .000 .345 .753 -.210 -.059 rspan_st dot_mem fdspan Flspan
.000 .162
.000
.000 .229
.000
Posteriormente aparece informacin sobre el ajuste del modelo. En este caso, los datos se ajustan al modelo (p > 0.05). Los ndices de ajuste RMSEA, CFI y TLI son adecuados (RMSEA < 0.05; TLI, CFI > 0.95).
Model Fit Summary CMIN Model Default model Saturated model Independence model RMR, GFI Model Default model Saturated model Independence model Baseline Comparisons Model Default model Saturated model Independence model NFI Delta1 .958 1.000 .000 RFI rho1 .920 .000 IFI Delta2 1.001 1.000 .000 TLI rho2 1.003 .000 CFI 1.000 1.000 .000 RMR .404 .000 4.165 GFI .981 1.000 .604 AGFI .951 .446 PGFI .374 .431 NPAR 13 21 6 CMIN 7.761 .000 182.938 DF 8 0 15 P .457 .000 CMIN/DF .970 12.196
Parsimony-Adjusted Measures Model Default model Saturated model Independence model FMIN Model Default model Saturated model Independence model FMIN .058 .000 1.375 F0 .000 .000 1.263 LO 90 .000 .000 .963 HI 90 .079 .000 1.619 PRATIO .533 .000 1.000 PNFI .511 .000 .000 PCFI .533 .000 .000
103
Una versin para estudiantes del AMOS 5.0 se puede descargar en: http://www.amosdevelopment.com/download/ Est limitada a 8 variables observables y 54 parmetros.