Documente Academic
Documente Profesional
Documente Cultură
Discusiones
Causalidad. Aunque algunos autores lo llamaron modelos causales, la causalidad no se resuelve con mtodos de estimacin, sino con diseos de investigacin (i.e., diseos experimentales) Construccin de teora vs confrontacin de teora
Qu elementos podemos identificar en un Modelo de Ecuaciones Estructurales? Variable observada o indicador: son aquellas que se mide a los sujetos, por ejemplo, la informacin con la que contamos a partir de un cuestionario. Variable latente: es la caracterstica que se deseara medir pero que no se puede observar.
Qu elementos podemos identificar en un Modelo de Ecuaciones Estructurales? Error: representa tanto los errores asociados a la medicin de una variable como el conjunto de variables que no han sido contempladas en el modelo y que pueden afectar a la medicin de una variable observada. Es decir, la proporcin de la varianza no explicada.
Qu elementos podemos identificar en un Modelo de Ecuaciones Estructurales? Variable exgena: es aquella que afecta a otra variable y que no recibe efecto de ninguna variable. Las variables independientes de un modelo de regresin son exgenas. Variable endgena: es aquella que recibe efecto de otra variable. La variable dependiente de un modelo de regresin es endgena. Toda variable endgena debe ir acompaada de un error.
Variables observadas Variables latentes Variables exgenas Variables endgenas Errores de medicin
De la validez Validez de contenido Validez de criterio Uso de un instrumento externo para saber si lo que se mide realmente mide lo que se dice que mide
De la validez Validez de constructo Mientras que en el grueso de constructos que forman la teora social no es siempre posible tener un indicador externo contra el cual confrontar la variacin de un conjunto de variables observadas, s es posible en cambio, identificar tal variacin a la luz de un concepto tericamente conformado, a lo cual le denominamos constructo (Borsboom, Mellenbergh y Heerden, 2004).
Validez de constructo
Es decir, medir la influencia de una medicin sobre el resultado de esa medicin. Ante la incapacidad del investigador por encontrar lo que realmente se dice que se mide, hay que conformarse con identificar si la variabilidad de un instrumento a afecta consistentemente la variabilidad de un constructo tericamente propuesto. Reconocer que en el mundo social no hay mediciones reales sino imputaciones de los investigadores a fenmenos del comportamiento.
Tipos de SEM Anlisis factorial confirmatorio Path Analysis (anlisis de trayectorias o sendas) Full SEM
AFC
.32
.56 .70
equipamiento
.31
Estufa
.33
.58
comunicaciones
.27
finanzas
-.09 -.46
casa
-.06
propiedades
.10
automvil
ingreso
AFC
El mayor objetivo es determinar cuanto la covarianza propuesta ajusta la covarianza observada. En otras palabras, si las relaciones entre las variables en el modelo hipottico se parecen a las relaciones entre las variables en el conjunto de datos observados.
Full SEM
Un modelo completo de ecuaciones estructurales permite la especificacin de la estructura de regresiones entre las variables latentes. Se denomina modelo completo a este modelo porque contiene un modelo de medicin y un modelo estructural. Por modelo de medicin se entienden las relaciones entre las variables latentes y sus mediciones observadas (AFC), y el modelo estructural se refiere a las relaciones entre las variables latentes. El modelo completo supone el esfuerzo del investigador por proponer un modelo terico, o una serie de modelos tericos, el cual se evala va la bondad de ajuste entre los modelos propuestos y los datos del caso (Byrne, 2010).
Full SEM
Figure 1. Structural model for Political Participation and Civic Awareness
e17 e9
.51 .26
e10
1.03
news1news2
1.02
aware2 .25
.53 .50 .36 .52
e5 e6 e7 e8
aware
news
.16
.71
discuss
.76 .49 .24 .48
.08
e18 particip
.44 .21.85 .75
.71
e13
.58
e12
e11
.23
e1 e2
.27
parents2
Elementos
Factor (variable latente)
Factor loading
error
Variable exgena
1 Regresin (B)
Correlacin
Variable endgena
Factor loading
error
Identificacin
Diferencia entre el nmero de variables y el nmero de parmetros a ser estimado Tiene que haber ms parmetros conocidos que desconocidos, es decir, debemos tener grados de libertad positivos (V(V+1)/2)
.56 .70
equipamiento
.31
Estufa
.33
.58
comunicaciones
.27
finanzas
-.09 -.46
casa
-.06
propiedades
.10
automvil
ingreso
.56 .69
e2 e1 e7 e6 e5 e11 e10 e9 e8
equipamiento
.28 .57
Cable.70
comunicaciones
.61 .35 .60
.22
Internet
.12
finanzas
Tarjeta
Anlisis factorial confirmatorio completo (con base en Blau y Duncan, 1967; Flap y Volker, 2008; Warren y Hauser, 1997)
.67
.82
.44
.34 .58
.79
equip1 .31
.69
e1 e2 e3 e4 e5 e6 e7 e8 e9 e10 e11
.55
.20
equipamiento
.33 .31 .16 .31
equip2 .48
finanzas padre
.64equip3 .40
equip4
.58
.70
.83
comm1 .33
.27 comm2 .67 .82
e17
.59
comm
comm3 .13
.29 .61 .36 .61
fina1.38
.66 .67
finanzas
.53 .44
Modelo operacional
e22
1
educpad educmad
educacin pat
Hiptesis confirmatorias
CH11: A mayor equipamiento del hogar de una persona, ms alta la probabilidad que ese hogar contenga bao dentro de la casa. CH21: A ms alto el nivel de propiedades que una persona tiene, ms alta la probabilidad que esa persona cuente con casa propia.
Bondad de ajuste
Correlaciones
Poblacin general
e22
.30
e23
.36
bienes_padre
bienes_hijo
AFC
Se crea una matriz de correlacin / covarianza El desarrollo y evaluacin de un AFC involucra 5 pasos
Especificacin del modelo Identificacin del modelo Estimacin del modelo Evaluacin del modelo Rediseo del modelo
X2 bsqueda de no significancia Parmetro sensible a n, por lo que se usan ms indicadores para reducir error Tipo II
Absolutas
Cuan bien ajusta la matriz de correlacin observada a la esperada RMSEA es el promedio de los residuales entre la correlacin observada de la muestra y el modelo esperado estimado de la poblacin
Relativas
Mediciones relativas al modelo de independencia (no hay relaciones en los datos) y al modelo saturado (ajuste perfecto) Comparaciones con mediciones baseline CFI
Parsimonia
Penalizan modelos grandes con muchos parmetros estimados SEM es sensible a la cantidad de parmetros a estimar Ms complejo el modelo, ms probabilidad de que ajuste
AGFI y PGFI
Distribucin desigual de la gente a travs de las categoras sociales que son caracterizadas por accesos diferenciados a recursos escasos. Los recursos pueden ser materiales, como ingreso y riqueza; o pueden ser simblicos, como prestigio y posicin social; o pueden ser emocionales, como afecto, amor, o sexo.
Los sistemas de estratificacin ordenan a la gente verticalmente en una estructura social caracterizada por el acceso a recursos diferenciados de arriba abajo. La distancia se caracteriza por el tamao de la brecha en acceso a recursos entre aquellos hasta arriba, y aquellos hasta abajo. Entre ms grande sea esa distancia, se dice que esa sociedad est ms estratificada. (Massey, 2007)
El proceso de estratificacin
Los sistemas de estratificacin pueden ser caracterizados de varias maneras. Una importante se relaciona con los procesos por los cuales los individuos se ubican en posiciones en la jerarqua. Dos extremos, en uno, las condiciones de nacimiento fijan el destino de ego (adscripcin); en el otro, hay ausencia de lmites derivados de las circunstancias de nacimiento o crianza (logro). Dos preguntas tpicas: Cmo, y con qu grado, condicionan las circunstancias de nacimiento al estatus subsecuente? Cmo el estatus alcanzado (va adscripcin o logro) en una etapa del ciclo de vida afecta los prospectos para una etapa subsecuente?
(Blau y Duncan, 1967)
Un sistema de estratificacin es un conjunto de instituciones que generan desigualdad. Componentes Proceso institucional que define ciertos bienes como deseables y valiosos Reglas de asignacin que distribuyen estos bienes a travs de diferentes posiciones y ocupaciones Mecanismos de movilidad que vinculan a individuos con ocupaciones y, de esta forma, dan pie a la existencia de un control desigual sobre recursos valorados socialmente
Grusky; Triano
e4
1
Educacin
1
Competencias
1 e10
Capital humano e9 e2
1 1
e1
1 Bienestar
econmico de padres
Ingreso
1
e8
e7
e6
e5