Ecuaciones estructurales, una técnica estadística para formular y contrastar modelos de relaciones causa-efecto

Abstract

Al pretender explicar un determinado fenómeno, con frecuencia algunas de las variables consideradas como posibles predictoras de la respuesta de interés pueden ser reflejo de un constructo o factor subyacente. Esta complejidad puede ser tratada mediante modelos de ecuaciones estructurales (MEE), ya que los mismos permiten ordenar una gran cantidad de variables, observadas y latentes, cuya combinación –en bloques vinculados según un esquema teórico previo– contribuye a esclarecer las relaciones de causa-efecto que pueden existir. Por ello, el propósito de este trabajo es dar a conocer diferentes aspectos inherentes a los MEE, una secuencia de modelos matemáticoestadísticos que posibilitan estudiar determinadas situaciones, teniendo en cuenta la estructura de covarianzas derivada de las asociaciones entre diversas variables. No obstante, como en cualquier proceso de modelización estadística es esencial dar al conocimiento de la teoría del área de aplicación la máxima importancia, ya que del mismo surgirán el planteamiento y la validación de las hipótesis sustantivas. Desde hace algunos años, se encuentran disponibles en el mercado distintos programas estadísticos (EQS, AMOS, LISREL, MPLUS, R, SAS, etc.) los cuales se requieren para comprobar los MEE; esto es, estimar los parámetros y contrastar la validez de las medidas de bondad de ajuste del modelo teórico a los datos muestrales. En vista de lo expuesto, se puede sostener que la metodología basada en los MEE es uno de los procedimientos que más se aconseja utilizar en la actualidad de cara a la explicación de muchos fenómenos presentes en la compleja realidad educativa, económica y social.

When trying to explain a certain phenomenon, often some of the variables identified aspossible predictors for the interest answer could actually be based on an underlying factor.This complexity can be treated by Structural Equation Modeling (SEM), as they allow to organize a great deal of variables (observed and latent). Their combination in blocks (according to a previous theoretical scheme) contribute to pinpoint the causeeffect relationships that could exist. The purpose of the present paper is to introduce different aspects inherent to the SEM, a sequence of mathematicalstatistical models allowing to model situations through the covariance structure derived from different association of the variables. Nonetheless, in any statistical modeling process, it is vital to focus in the application area theory, as the hypothesis and their validations will come from it. From some time now, are available in the market some statistical tools (EQS, AMOS, LISREL, MPLUS, R, SAS, etc.) required to validate of the SEM, i.e., assess the parameters and check how the theoretical model fits the sample data. In summary, SEM is one of the most advisable procedures to explain complex phenomenon in the educational, economical and social areas.