Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 230 vistas

    Ecuaciones Estructurales Con Lavaan

    Cargado por

    Naldo
    Este documento presenta una introducción a las ecuaciones estructurales utilizando el paquete lavaan en R. Explica conceptos básicos como variables latentes y observadas, componentes de medida y estructura, y tipos de modelos. También cubre temas como especificación, identificación y estimación de modelos, así como indicadores de bondad de ajuste. Finalmente, proporciona detalles sobre cómo construir y evaluar modelos en lavaan.

    Copyright:

    © All Rights Reserved
    Descargue como PPTX, PDF, TXT o lea en línea desde Scribd

    Ecuaciones Estructurales Con Lavaan

    Cargado por

    Naldo
    230 vistas32 páginas
    Este documento presenta una introducción a las ecuaciones estructurales utilizando el paquete lavaan en R. Explica conceptos básicos como variables latentes y observadas, componentes de medida y estructura, y tipos de modelos. También cubre temas como especificación, identificación y estimación de modelos, así como indicadores de bondad de ajuste. Finalmente, proporciona detalles sobre cómo construir y evaluar modelos en lavaan.

    Título original

    Ecuaciones estructurales con lavaan.pptx

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    PPTX, PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    Este documento presenta una introducción a las ecuaciones estructurales utilizando el paquete lavaan en R. Explica conceptos básicos como variables latentes y observadas, componentes de medida y estructura, y tipos de modelos. También cubre temas como especificación, identificación y estimación de modelos, así como indicadores de bondad de ajuste. Finalmente, proporciona detalles sobre cómo construir y evaluar modelos en lavaan.

    Copyright:

    © All Rights Reserved
    Descargue como PPTX, PDF, TXT o lea en línea desde Scribd
    Descargar como pptx, pdf o txt
    230 vistas32 páginas

    Ecuaciones Estructurales Con Lavaan

    Cargado por

    Naldo
    Este documento presenta una introducción a las ecuaciones estructurales utilizando el paquete lavaan en R. Explica conceptos básicos como variables latentes y observadas, componentes de medida y estructura, y tipos de modelos. También cubre temas como especificación, identificación y estimación de modelos, así como indicadores de bondad de ajuste. Finalmente, proporciona detalles sobre cómo construir y evaluar modelos en lavaan.

    Copyright:

    © All Rights Reserved
    Descargue como PPTX, PDF, TXT o lea en línea desde Scribd
    Descargar como pptx, pdf o txt
    Está en la página 1de 32

    ECUACIONES

    ESTRUCTURALES CON
    LAVAAN
    Ejemplo

    Kline (2010)
    Introduccin a SEM
    Derivado del Path Analysis
    Familia de modelos que integra:
    Path Analysis (PA)
    Confirmatory Factorial Analysis (CFA)
    Structural Regresion (SR)
    A su vez pertenece a la familia de modelos
    latentes: (clase latente, transicin latente,
    regresin latente, etc.)
    Origen en el modelo de JWK (Jreskog, Wiley and
    Keesling) que dar lugar a LISREL creado por
    Jreskog.
    Caractersticas
    Las latentes son continuas, y las observadas
    mejor que tambin lo sean
    Filosofa confirmatoria, no exploratoria
    Deben estar fuertemente guiados por la teora
    Se debe partir de buenos datos
    Similar al modelo lineal general (se puede
    considerar como un caso especial de SEM)
    De forma simplista es la fusin de la regresin
    lineal con el anlisis factorial
    Causacin
    Confirmacin no es causacin
    Mismas condiciones de siempre para la
    causacin:
    Caeteris Paribus
    Precedencia temporal de causas y efectos
    No te lo da el modelo, slo el diseo y la forma
    de obtener los datos
    Todo el mundo lo sabe pero todo el mundo
    sobre-interpreta en las conclusiones
    Captulo de Mulaik
    Conceptos bsicos,
    Sistema RAM (Reticular Action Model)
    Variables latentes y observadas
    Variables endgenas y exgenas
    Efectos direccionales
    Varianzas
    Covarianzas

    Kline (2010)
    Tipos de modelos:

    Se distinguen dos tipos de componentes:


    Componente de medida

    Componente de estructura

    Esto da lugar a los tres tipo de modelos en SEM :


    Path Analysis
    Componente de estructura

    UCLA: SCG (2007)


    Confirmatory Factorial Analysis
    Componente de medida

    Rosseel (2012)
    Structural Equation:
    Componente de medida y de estructura

    Rosseel (2012)
    Condiciones para los datos
    Problemtico, condiciones severas
    Delicado para la estimacin
    Mejor tener el modelo y conseguir buenos datos
    que tener los datos y trastear con el modelo
    Necesita muestras muy numerosas
    Se parte de datos raw o matrices de
    correlaciones/covarianzas + sd + medias
    (opcional)
    Matrices Definidas Positivas
    Condiciones para los datos
    Normalidad multivariada
    Linealidad
    Homocedasticidad
    Independencia de las observaciones
    Especial cuidado con:
    Colinealidad
    Variables excluidas
    Outliers
    Datos missing (sistemas de imputacin)
    Varianzas muy extremas
    Condiciones para var, covar y cor
    Condiciones para los datos
    Se recomienda partir de buenas
    mediciones con fiabilidad alta y poca
    varianza error

    Especificacin del modelo:


    Cada SW usa su sistema
    Interfaces grficas (no tan tiles como parecen)
    Mismas recomendaciones que con el resto de
    modelos
    Cuidado con la direccionalidad
    Cuidado con el significado de las varianzas
    Cuidado con la saturacin del modelo (dfm=0 ajuste
    perfecto)
    Cuidado con la complejidad, bucles, recursividad, etc.
    Mejor guiado por una hiptesis fuerte
    Identificacin del modelo:
    Determinar si el modelo es estimable o no
    Hay heursticos simples para casos sencillos
    Para casos complejos nunca es fcil saber si es
    o no identificado
    Truco:
    Si no es identificado el modelo no se estima
    Problema:
    Puede estimarse pero dando resultado incongruentes
    Estimacin:
    Bsicamente por Mxima Verosimilitud (ML)
    Estimaciones especiales:
    WLS
    WLSMV
    GLS, ULS
    etc
    Estadsticos de Satorra-Bentler
    Tambin estimaciones MCMC y Bayes
    Indicadores de bondad de ajuste:
    X2
    AIC
    BIC
    RMSEA
    CFI
    Estudio de residuos
    Hay muchos ms
    prcticamente lavaan tiene todos
    SW para SEM
    De pago:
    Todos los grandes paquetes estadsticos tienen una
    versin de SEM:
    Lisrel, Amos, SAS (CALIS y TCALIS), EQS, Mplus,
    Ramona (Systat), Sepath (statistica), Matlab
    Gratuitos:
    Hay muchos, destacan:
    Mx
    OpenMx (extensin para R)
    R (sem y lavaan)
    Extensiones de SEM
    Mucho trabajo en violaciones de las condiciones
    Armonioso con las tendencias:
    Multinivel
    Longitudinal
    Modelos de crecimiento latente
    Modelos no lineales
    Modelos no normales (generalizados)
    etc.
    R: Librera Lavaan
    Creada por Yves Rosseel de Universidad de
    Gante (Blgica)
    Es muy buena, funciona muy bien
    La que ms se usa y se extiende en R
    Funciones bsicas:
    lavaan() Control total del usuario
    cfa() Wrapper sobre lavaan para factorial
    confirmatorio
    sem() Wrapper sobre lavaan para facilitar path
    analysis y structural equation
    Lavaan
    Bsicamente definen la estructura de varianzas
    y covarianzas de forma automtica
    Recomendable usar lavaan(), especialmente en
    la construccin del modelo (dfm1-dfm2=0)
    Opcin mimic
    mimic="Mplus
    mimic="EQS
    mimic="LISREL
    mimic="AMOS"
    Construccin del modelo en lavaan
    No tiene interfaz grfica, pero es bastante
    intuitivo
    Slo usa dos operadores: = ~
    Variable latente: =~
    Regresin: ~
    Var y cov: ~~
    Otros comandos para las restricciones: *, :=,
    ==, < y >
    Ejemplo con lavaan()
    Resultados con summary()
    Estimacin de parmetros

    Heywood
    Otras utilidades
    parameterEstimates(m1)
    modificationIndices(m1)
    anova(m1,m2)
    inspect(m1) (matrices de LISREL)
    Imputacin de missing (missing = "fiml)
    Datos no normales
    test = "satorra.bentler
    estimator = "WLS"
    test = "bootstrap estimacin errores tpicos
    Contrastes multigrupos
    Conclusiones sobre Lavaan
    Muy completo
    Sigue en desarrollo
    Estima tan bien como permita hacerlo R (Rosseel, 2012)
    Le faltan ciertas herramientas de ayuda (PRELIS) pero
    para eso est R
    No hay visualizacin final del modelo:
    librera sem s tiene pero no es adaptable
    qgraph.lavaan (Sacha Epskamp)

    Muy Bueno y muy recomendable


    Referencias
    Introduction to SAS. UCLA: Statistical Consulting Group. from
    http://www.ats.ucla.edu/stat/sas/notes2/ (accessed November 24, 2007).
    Kline, R. B. (2011). Principles and Practice of Structural Equation Modeling.
    Guilford Press.
    Mulaik, S. A. (2009). Linear causal modeling with structural equations. Crc
    Press.
    Rosseel, Y. (2012). Lavaan: An R Package for Structural Equation
    Modeling. Journal of Statistical Software, 48, 2.
    Mypersonality project

    Inicio en 2007
    mypersonality.org
    http://www.psychometrics.cam.ac.uk/page/255/m
    ypersonality.htm
    Mantenida por la universidad de Cambridge
    Bases de datos sobre uso de Facebook
    mypersonality
    Se recogen datos de actividad en FB y de
    cuestionarios que contestan los sujetos
    7.5m de usuarios nicos
    1m de sujetos contestaron el BIG5
    25 cuestionarios distintos de personalidad
    Datos de ms de 40 pases
    Acceso a los perfiles de FB (40%)
    mypersonality
    Informacin sobre:
    User's demographic details
    User's geo-location details
    Facebook activity
    User's religion and political views
    BIG5 Personality Scores
    IQ scores
    Satisfaction With Life Scale
    muchas ms bases de datos
    mypersonality
    Se obtienen las bases de datos bajo registro
    Se firma un contrato legal entre el usuario y la
    universidad de Cambridge
    Uso con condiciones

    Una vez firmado te dan acceso a las bases de


    datos, en distintos formatos

    Cuidado con la fusin de bases, los datos


    perdidos no son aleatorios.

    También podría gustarte