Modelado de ecuaciones estructurales: Introducción y ejemplo

Encontrar un modelo que funcione

El empleador de Rob le encargó que averiguara cómo aumentar el nivel de satisfacción laboral de los empleados de línea. Su jefe no estaba preocupado por las personas que habían ascendido a los niveles de supervisión y gestión; le preocupaba la velocidad a la que estaba empezando a perder empleados de bajo nivel a manos de la competencia después de haber gastado el dinero para capacitarlos. Rob se formó como científico social y se había destacado en análisis estadístico como estudiante. Sabía cómo utilizar el análisis de regresión, la varianza y otros conceptos estadísticos, pero necesitaba algo más para satisfacer las necesidades de este empleador. Rob necesitaba realizar este análisis utilizando un modelo que le permitiera determinar variables invisibles como la satisfacción, y necesitaba comprender cómo se podía medir la satisfacción en relación con las variables visibles. Decidió usarModelado de ecuaciones estadísticas (SEM) porque es un sistema de inferencia estadística que le permitió determinar la fuerza relativa de diferentes variables, ya sea que se puedan medir directamente o no.

¿Qué es el modelado de ecuaciones estructurales?

SEM es un modelo de estadística utilizado en las ciencias del comportamiento porque permite a los investigadores determinar relaciones complejas entre variables dependientes e independientes. Combina el análisis factorial y el análisis de ruta (también llamado a veces regresión). Una variable independiente es aquella que puede ser independiente, mientras que una variable dependiente es aquella que está controlada por otras variables. En SEM, generalmente se denominan variables exógenas (independientes) y endógenas (dependientes). El modelo también define si las variables se miden directa o indirectamente: las variables manifiestas se miden directamente y las latentes se miden indirectamente.

¿Cómo se usa SEM?

La psicología y otras ciencias sociales trabajan con constructos, como la satisfacción, que son difíciles de definir e investigar. Ésta es la razón por la que el modelado de ecuaciones estructurales se adapta perfectamente a la investigación en ciencias sociales: puede tratar este tipo de variables latentes. A Rob se le asignó la tarea de medir la satisfacción en el trabajo de una manera significativa, por lo que utilizó SEM. Es posible adivinar por qué alguien puede estar satisfecho con su trabajo, pero es casi imposible descubrir una razón tangible y concreta. SEM proporciona herramientas con las que los investigadores pueden hacer estas preguntas difíciles, como quién tiene la mayor satisfacción laboral, quién es más inteligente o incluso qué causa que un grupo en particular se amotine. Estas y muchas más preguntas no concretas pueden responderse con un mayor grado de especificidad utilizando SEM.

Un ejemplo de SEM

Recuerde, Rob tiene la tarea de determinar la satisfacción laboral entre los empleados de una fábrica en particular. Por supuesto, hay factores tangibles (variables manifiestas) que se pueden utilizar, pero también hay factores subyacentes (variables latentes). Las preguntas que Rob tiene que responder son: ¿Cuál es el vínculo entre las variables, cómo se correlacionan entre sí y qué tan bien se correlacionan con la cuestión general de la satisfacción laboral?

Comienza con la idea de satisfacción laboral y razona los factores que cree que están asociados con ella. Luego hace estimaciones de variables y construye un diagrama de ruta . El análisis de ruta (a partir del cual se dibuja el diagrama) se utiliza para descubrir cómo se relacionan las diferentes variables. Por ejemplo, las variables independientes como el número de horas de trabajo y el salario se muestran con flechas que van a la variable dependiente de satisfacción laboral. En general, las variables manifiestas mensurables (horas trabajadas y salario) se representan dentro de rectángulos o cuadrados, y las variables latentes (satisfacción laboral) están dentro de círculos u óvalos.

A través de la observación y con la ayuda de un cuestionario que entrega a los trabajadores, Rob recopila información y luego usa una computadora para determinar las correlaciones entre las variables. Rob está tratando de determinar las relaciones causales para poder presentar un diagrama de ruta más preciso a sus jefes. Las correlaciones muestran cuán fuertes son las relaciones de las variables manifiestas con la variable latente.

¿Funciona siempre?

Al igual que con cualquier modelo estadístico, existen problemas con el modelado de ecuaciones estructurales. Para realizar SEM, necesita un tamaño de muestra de al menos 200 participantes y debe comenzar con las suposiciones correctas. Desafortunadamente, los problemas de tamaño de la muestra (cuando las personas intentan usar SEM con tamaños de muestra más pequeños) y las suposiciones iniciales deficientes pueden hacer que el análisis final sea sospechoso. Para resolver estos problemas, los investigadores deben utilizar la investigación previa para guiar sus suposiciones y tener un grupo adecuado de participantes para que sus hallazgos sean más válidos.

Resumen de la lección

El modelado de ecuaciones estructurales (SEM) es un método estadístico utilizado en las ciencias del comportamiento porque permite determinar relaciones complejas entre variables dependientes (latentes) e independientes (manifiestas) . El objetivo es responder preguntas que presentan una variable dependiente que no siempre es fácil de medir. Mediante el uso de una combinación de análisis de ruta y análisis factorial (que se ilustra con un diagrama de ruta), se puede determinar la correlación entre diferentes variables y errores. Por ejemplo, la satisfacción laboral, un concepto que es difícil de medir por sí solo, puede cuantificarse utilizando variables conocidas y su relación con la satisfacción laboral. Esto permite a una empresa enfocarse en las variables que más determinan dicha satisfacción.