El documento resume la historia y conceptos clave del análisis de varianza y covarianza. Cubre tres etapas históricas, desde los antecedentes remotos hasta la formalización y posterior informatización de los modelos. Explica conceptos como variables, teorías, modelos y su aplicación para probar inferencias causales consistentes con los datos. Además, clasifica variables y describe la representación y covariación lineal de las relaciones entre variables.
1. Elaborado por: Dr. Jaime Alberto Sandoval Cerda
Mayo del 2013, Tijuana, B.C.
Estructura de varianza y covarianza
Universidad de Estudios
Avanzados, campus Pedregal.
Elaboración de instrumentos de medición.
2. Antecedentes históricos: Etapas (3)
• 1ra. Etapa; antecedentes remotos; genética, Wright, 1918,
Blalock, 1961, 1963, análisis lineal y correlación parcial y
de caminos.
Estructura de varianza y
covarianza
3. Antecedentes históricos: Etapas
• 2da. etapa; formalización, Blalock 1971, Joreskog y
Sorbom 1979, formalización de las teorías.
Estructura de varianza y
covarianza
4. Antecedentes históricos: Etapas
• 3ra. etapa; informatización, Joreskog y Sorbom
1972, programa LISREL (Linear Strutural Relation ship).
• LISREL 7. y 8. SPSS.
Estructura de varianza y
covarianza
5. Conceptualizaciones generales:
• Variable: atributo o característica a investigar como causa
de un fenómeno, representativo de la realidad.
• Teoría: «grupos de proposiciones lógicamente
interconectadas de las que pueden deducirse
uniformidades empíricas», MERTON.
Estructura de varianza y
covarianza
6. Conceptualizaciones generales:
• Modelo: «representación o descripción de algo (fenómeno
o conjunto de relaciones) que ayuda a entenderlo o
estudiarlo, Voght.
• Teoría = aproximación realidad, modelo = representación
de ella.
Estructura de varianza y
covarianza
7. Conceptualizaciones generales:
• Aplicaciones: por medio del análisis de caminos y sistemas
de ecuaciones estructurales comprobación de
inferencias causales, consistentes con los datos empíricos
disponibles, Blalock.
Estructura de varianza y
covarianza
9. Aplicaciones generales:
• De manera confirmatorio, ver si el modelo sus varianzas y
covarianzas son consistentes con los datos con que se
cuenta.
• Elección entre modelos (determinar el mas se ajuste).
• Exploratorio, se puede ajustar si no se obtiene un dato
esperado.
Estructura de varianza y
covarianza
10. Clasificación de variables:
• Observables: por sus procedimientos para los valores
obtenidos; medibles directamente Xi, Yi (letra latina); edad,
profesión, etc. (rectangulo)
• Latentes: su valor se obtiene por indicadores; salud
mental, patología, etc. ( exámenes clínicos), letras griegas.
Estructura de varianza y
covarianza
11. Clasificación de variables:
• Latentes: por el papel que de desempeña, su valor se
obtiene por indicadores; inteligencia, estatus social
(circulo).
Estructura de varianza y
covarianza
12. Clasificación de variables:
• Independientes: pueden ser ajenas al fenómeno y se
puede representar con una flecha y ahí terminar.
• Dependientes: pueden ser la causa como la
consecuencia, se representa por una fecha y dar otras
variables.
Estructura de varianza y
covarianza
13. Clasificación de variables:
• Validez: mide lo que se pretende medir.
• Interna: exactitud de los conceptos.
• Externa: se puede generalizar.
Estructura de varianza y
covarianza
14. Clasificación de variables:
• Fiabilidad: si se repite resulta lo mismo, aplicación test -
retest.
Estructura de varianza y
covarianza
15. Covariación:
• 2 fenómenos relacionados, coeficiente intelectual –
rendimiento académico.
• Directa e indirecta:
• Causal condicionada.
Estructura de varianza y
covarianza