Valor de corte de los índices de ajuste en el análisis factorial confirmatorio
DOI:
https://doi.org/10.62174/psocial.6764Palabras clave:
punto de corte, índices de ajuste, análisis factorial confirmatorio, validezResumen
Es importante saber si el cuestionario utilizado mide el constructo latente. Para ello se realiza un análisis de validez, como el Análisis Factorial Confirmatorio. El cual utiliza diferentes índices como medición. Por lo cual es necesario conocer los puntos de corte tradicionales de los índices de ajuste más utilizados. Sin embargo, también, hay que tener en cuenta que estos puntos de corte pueden cambiar por diferentes motivos; por ejemplo, el tamaño de la muestra.Referencias
Batista-Foguet, J. M., Coenders, G., & Alonso, J. (2004). Análisis factorial confirmatorio. Su utilidad en la validación de cuestionarios relacionados con la salud. Medicina Clínica, 122 (1), 21-7. https://doi.org/10.1157/13057542
Brown, T. (2015). Confirmatory factor analysis for applied research, Second Edition. New York: Guilford Press.
Cadena-Iñiguez, P., Rendón-Medel, R., Aguilar-Ávila, J., Salinas-Cruz, E., del Rosario de la Cruz-Morales, F., & Sangerman-Jarquín , D. M. (2017). Métodos cuantitativos, métodos cualitativos o su combinación en la investigación: un acercamiento en las ciencias sociales. Revista Mexicana de Ciencias Agrícolas, 8 (7), 1603 - 1617.
Chen, F. F. (2007). Sensitivity of Goodness of Fit Indexes to Lack of Measurement Invariance. Structural Equation Modeling, 14 (3), 464 - 504. https://doi.org/10.1080/10705510701301834
Cho, G., Hwang, H., Sarstedt, M., & Ringle, Ch. M. (2020). Cutoff criteria for overall model fit indexes in generalized structured component analysis. Journal of Marketing Analytics. https://doi.org/10.1057/s41270-020-00089-1
Curran, P. J., Bollen, K. A., Chen, F., Paxton, P., & Kirby, J. B. (2003). Finite Sampling Properties of the Point Estimates and Confidence Intervals of the RMSEA. Sociological Methods & Research, 32 (2), 208 - 252. https://doi.org/10.1177/0049124103256130
Domínguez-Lara, S. (2019). Correlación entre residuales en análisis factorial confirmatorio: una breve guía para su uso e interpretación. Interacciones, 5 (3), 1 - 7. https://doi.org/10.24016/2019.v5n3.207
Escobedo Portillo, M. T., Hernández Gómez, J. A., Estebané Ortega, V. E., & Martínez Moreno, G. (2016). Modelos de ecuaciones estructurales: características, fases, construcción, aplicación y resultados. Ciencia y Trabajo, 18 (55), 16-22. https://doi.org/10.4067/S0718-24492016000100004
Hernández Sampieri, R., Fernández Collado, C., Baptista Lucio, M. P. (2014). Metodología de la Investigación (Sexta Edición). Mc Graw Hill Education.
Hu, L., & Bentler, P. M. (1999). Cutoff criteria for fit indexes in covariance structure analysis: Conventional criteria versus new alternatives. Structural Equation Modeling: A Multidisciplinary Journal, 6 (1), 1 – 55. https://doi.org/10.1080/10705519909540118
Kamp, K, Wyatt, G., Dudley-Brown, S., Brittain, K., & Given, B. (2018). Using cognitive interviewing to improve questionnaires: An exemplar study focusing on individual and condition-specific factors. Applied Nursing Research. https://doi.org/10.1016/j.apnr.2018.06.007
Kline, R. B. (2011). Principles and practice of structural equiation modeling (Third Edition). The Guilford Press.
Kretzschmar, A., & Gignac, G. E. (2019). At what sample size do latent variable correlations stabilize? Journal of Research in Personality, 80, 17 - 22. https://doi.org/10.1016/j.jrp.2019.03.007
Lai, K. (2020). Fit Difference Between Nonnested Models Given Categorical Data: Measures and Estimation. Structural Equation Modeling: A Multidisciplinary Journal, https://doi.org/10.1080/10705511.2020.1763802
Lewis, T. F. (2017). Evidence Regarding the Internal Structure: Confirmatory Factor Analysis. Measurement and Evaluation in Counseling and Development. https://doi.org/10.1080/07481756.2017.1336929
McNish, D., An, J., & Hancock, G. R. (2017). The Thorny Relation Between Measurement Quality and Fit Index Cutoffs in Latent Variable Models. Journal of personality assessment. https://doi.org/10.1080/00223891.2017.1281286
Shi, D., & Maydeu-Olivares (2019). The Effect of Estimation Methods on SEM Fit Indices. Educational and Psychological Measurement, 1 - 25. https://doi.org/10.1177/0013164419885164
Shi, D., Maydeu-Olivares, A., & Rosseel, Y. (2019). Assessing Fit in Ordinal Factor Analysis Models: SRMR vs. RMSEA. Structural Equation Modeling: A Multidisciplinary Journal. https://doi.org/10.1080/10705511.2019.1611434
Smith, T. D., & McMillan, B. F. (2001) Primer of Model Fit Indices in Structural Equation Modeling. Artículo presentado en Southwest Educational Research Association.
Walker, D. A., & Smith, T. J. (2017). Computing Robust, Bootstrap-Adjusted Fit Indices for Use With Nonnormal Data. Measurement and Evaluation in Counseling and Development, 50, 131 - 137. https://doi.org/10.1080/07481756.2017.1326748
Wu, H., & Leung, S. O. (2017). Can Likert Scales be Treated as Interval Scales?—A Simulation Study. Journal of Social Service Research, 43 (4), 527 - 532. https://doi.org/10.1080/01488376.2017.1329775
Xia, Y., & Yang, Y. (2019). RMSEA, CFI, and TLI in structural equation modeling with ordered categorical data: The story they tell depends on the estimation methods. Behavior Research Method, 51, 409 - 428. https://doi.org/10.3758/s13428-018-1055-2
Publicado
Número
Sección
Licencia
Los/as autores/as conservan los derechos de autor, garantizan a la revista el derecho de ser la primera publicación del trabajo y aceptan que los artículos publicados por esta revista se encuentran disponibles bajo una Licencia Creative Commons Atribución No Comercial Compartir Igual 4.0 Internacional (CC BY-NC-SA 4.0): los/as interesados/as pueden compartir (copiar y redistribuir el material en cualquier medio o formato) y adaptar (remezclar, transformar y crear a partir del material otra obra), siempre que: a) se cite la autoría y la fuente original de su publicación (revista, editorial y URL de la obra); b) no se usen para fines comerciales; c) se mantengan los mismos términos de la licencia. Este tipo de licencias se basan en el principio de la libertad creativa con fines académicos, científicos y culturales.
