MODELOS DE

ECUACIONES
ESTRUCTURALES (SEM)

PAOLA ELIANA CHINCHILLA GARCÍA

ORIGEN:
SEM. Wright
(1921, 1934).
“Path
Diagram” Jöreskog (1973,1977 y
1981) y Jöreskog y Sörbom
(1982). En ellos,
transformaron el “path
analysis” de Wright en un
nuevo método
denominado “Structural
Equation Modelling”
(SEM), en el que se
combina el análisis
Boundon(1965) factorial con el path
y Duncan analysis.
(1966). Análisis
de
Dependencias
o Rutas.
 QUÉ SON?
o Los modelos de ecuaciones estructurales son una familia de
técnicas estadísticas multivariante que permite estimar el
efecto y las relaciones entre múltiples variables.(Sewall
Wright, 1921; Trygve Haavelmo, 1943; Herbet Simon, 1953 y,
finalmente definido por Judea Pearle, 2000)
o Estos modelos no prueban la causalidad, pero ayudan al
investigador en la toma de decisiones, rechazando las
hipótesis causales cuando se contradicen con los datos, esto
es, con la estructura de covarianzas o correlaciones
subyacente entre las variables.
VENTAJAS:
 Menos restrictivos que los modelos de Regresión –
Permiten incluir errores de medida (V. Endógena y
Exógena)
 Permite proponer el tipo y dirección de las relaciones
que se espera encontrar entre las diversas variables
contenidas en él.
 Se basan en las correlaciones existentes entre las
variables medidas en una muestra de sujetos de manera
transversal.
 El desarrollo de convenciones que permiten su
representación gráfica.
 Posibilidad de hipótetizar efectos causales entres las
variables
 Permite la concatenación de efectos entre variables
 Permite relaciones recíprocas entre variables.
Predecir la magnitud de los síntomas psicosomáticos de
una persona a partir de un conjunto de antecedentes
Convenciones
Variables Observables

Variables Latentes

Relaciones
bidireccionales

Efecto
Estructural
CARACTERÍSTICAS
 SEM: Se utilizan en estudios de tipo correlacional,
solo se observa la magnitud de las variables y en los
que nunca se manipulan las mismas.
 La evaluación de un SEM requiere una primera fase
de especificación del modelo, seguida de las fases de
identificación y de estimación.
 En SEM podemos tener tanto variables Observables
como variables latentes.


ESTRUCTURA
 Un modelo de ecuaciones
estructurales completo consta de dos
partes:
1) Modelo de Medida: Está medido por
sus indicadores observables (V.
Predictoras – dependientes)
2) Modelo de Relaciones Estructurales:
Contiene efectos y relaciones entre los
constructos(V. latentes).
 SEM: PUEDE EVALUAR MODELOS:

 Regresión Múltiple con multicolinealidad

 Análisis Factorial Confirmatorio
 Análisis Factorial de 2° orden
 Path Analysis
 Modelo Causal Completo con Variables Latentes
 Modelo de Curva latente
 Modelos Multinivel
 Modelos Multigrupo
 Modelos Basados en las Medias(ANOVA, ANCOVA,
 MANOVA y MANCOVA)
 Análisis de Medición
TIPO DE VARIABLES

Variable Observada o Indicador

 Variable Latente
 Variable error
 Variable de agrupación
 Variable exógena
 Variable endógena
 PASOS PARA LA ELABORACIÓN DE
UN MODELO
1. Formulación de la teoría que lo
sustenta (formato gráfico:
Ecuaciones y parámetros)
2. Parámetros identificados y ser
derivable de matriz de varianzas –
covarianzas.
3. Medición de las Variables
observables
4. Valoración de los ajustes
(parámetros)
TIPO DE RELACIONES:

 Covariación Vs Causalidad: Cuando al

observar una mayor cantidad de uno
de los fenómeno también se observa
una mayor cantidad de otro.
Aptitud Rendimiento

No de Cantidaddd
 Causalidad: fumadores e humo
Relación Espuria:
 Comprende al menos tres variables
 Existencia de Covariación entre dos
variables que es debida, total o
parcialmente, a la relación común de
ambas variables con una tercera.
Inteligenci
a

Edad
Estatura
Relación Causal Directa e Indirecta

 Indirecta:

Aptitud Motivación Rendimiento

Directa e Indirecta:
Motivación
Aptitud

Rendimiento
Relación Causal Recíproca

La relación causal entre dos variables

puede ser recíprocas o unidireccional.

Ansieda Rendimiento
:
d
Path analysis:
 Path Analysis: literalmente traducido como
análisis de senderos, cuyo objeto es el estudio
de los efectos de unas variables consideradas
como causas sobre otras tomadas como
efectos.
 El análisis path es una técnica similar a la
regresión pero con poder explicativo, que
estudia los efectos directos e indirectos en el
conjunto de las variables observables

 Aplicación de inferencia estadística

 Tamaño muestral
TAMAÑO CONDICIONES
MÍNIMO
100 Modelos de cinco o menos variables latentes. Cada
variable latente con más de tres indicadores y con
comunalidades entre los ítems elevadas (0.6 o
mayor)
150 Modelos con siete o menos variables latentes. Las
comunalidades modestas (0.5) y con tres o más
indicadores por variable latente.

300 Modelos con un máximo de siete variables

latentes, comunalidades bajas (por debajo de 0.45)
y/o con varias variables latentes medidas con
menos de tres ítems
500 Modelos con un elevado número de variables
latentes, algunas con comunalidades bajas y/o con
variables medias con menos de tres indicadores
Software para análisis SEM
 AMOS: http://www.spss.com/ amos/
 EQS: http:/ / www.mvsoft.com/
 LISREL: http:/ / www.ssicentral.com/
 Mplus: http:/ / www.statmodel.com/
 Mx: http:/ / www.vcu.edu/ mx/
 PROC CALIS (disponible en SAS,
http://support.sas.com/)
 RAMONA (disponible en SYSTAT, http:/ /
www.systat.com/)
 SEPATH (disponible en Statistica,
http://www.statsoft.com)
 R – PAQUETES LAVAAN (http://cran.r-
project.org/web/packages/lavaan/), y
 SEMPLS (http://cran.r-
project.org/web/packages/semPLS/)