Modelos de ecuaciones estructurales

Variables medidas métricas

Añade datos numéricos a la tabla para seleccionar variables medidas.

Variables medidas ordinales

Define una columna como ordinal en la tabla de datos para modelarla con umbrales.

Estimadori

ML supone datos con distribución normal. MLR estima el mismo modelo, pero ofrece errores estándar robustos y un estadístico de prueba corregido para datos no normales.

Las variables definidas como ordinales en la tabla de datos, como los ítems Likert, se modelan con umbrales cuando son indicadores o variables dependientes. El modelo se estima entonces con WLSMV, que ofrece errores estándar robustos e índices de ajuste corregidos. Para tratar una variable como métrica, cambia su nivel de escala en la tabla de datos.

Valores perdidosi

Excluir las filas incompletas utiliza solo los casos con valores en todas las variables del modelo. FIML usa todos los valores disponibles e incluye medias e interceptos.

Con variables ordinales, FIML no está disponible; en su lugar se usan todos los pares de valores disponibles.

Escalamiento de los factoresi

Cada factor necesita una escala. Por defecto, la primera carga de cada factor se fija en 1; como alternativa, se fija en 1 la varianza del factor. Las cargas fijadas en la sintaxis tienen prioridad.

Mediasi

Añade para todo el modelo los interceptos de las variables observadas y las medias de los factores (fijadas en 0). Con FIML o variables ordinales se incluyen siempre. Los predictores observados se modelan como variables aleatorias.

Cómo hacerlo

Calculadora de modelos de ecuaciones estructurales

Datos de ejemplo AFC Datos de ejemplo análisis de rutas Datos de ejemplo mediación SEM

Aquí puedes crear y estimar un modelo de ecuaciones estructurales online. La calculadora combina un diagrama de rutas visual con la sintaxis de modelos de lavaan y admite modelos con variables medidas, factores latentes, regresiones, covarianzas, efectos indirectos e interacciones entre variables observadas. El modelo se calcula directamente en tu navegador.

Cómo crear un modelo de ecuaciones estructurales

Introduce o pega tus datos en la tabla situada encima de la calculadora.
Selecciona las variables medidas que forman parte de tu modelo.
Usa + Factor para añadir variables latentes cuando sea necesario.
Arrastra entre variables para crear conexiones. Selecciona una conexión para definirla como carga, regresión o covarianza.
Elige el estimador, el tratamiento de los valores perdidos y el escalamiento de los factores.
Haz clic en Calcular modelo para estimar el modelo y mostrar los resultados.

Puedes mover libremente las variables en el lienzo o usar Ordenar para organizar el modelo. Abre Sintaxis del modelo si quieres revisar o editar la sintaxis de lavaan correspondiente. El mismo editor de modelos está disponible para AFC, análisis de rutas y mediación SEM.

Resultados de la calculadora SEM

Tras la estimación, la calculadora muestra el número de observaciones, la convergencia y el diagnóstico del modelo, el chi-cuadrado, los grados de libertad, el CFI, el TLI, el RMSEA con su intervalo de confianza del 90 %, el SRMR y, cuando están disponibles, el AIC y el BIC. Las tablas de parámetros contienen estimaciones, errores estándar, valores p, intervalos de confianza y estimaciones estandarizadas. La varianza explicada se indica como R² para las variables dependientes y los indicadores.

La calculadora también muestra índices de modificación para conexiones que podrían añadirse al diagrama. Añade una conexión sugerida solo cuando esté respaldada por la teoría en la que se basa el modelo; un índice de modificación alto no es por sí solo motivo suficiente para cambiar un modelo.

¿Qué tipo de modelo quieres calcular?

Usa la calculadora de análisis factorial confirmatorio para poner a prueba un modelo de medida definido de antemano.
Usa la calculadora de análisis de rutas para relaciones direccionales entre variables medidas.
Usa la calculadora de análisis de mediación SEM para estimar efectos indirectos con variables medidas o latentes.

Estimadores y variables ordinales

Para datos continuos, elige máxima verosimilitud (ML) o máxima verosimilitud robusta (MLR). MLR estima el mismo modelo con errores estándar robustos e índices de ajuste corregidos y es útil cuando los datos continuos se alejan de la normalidad multivariante. Las variables definidas como ordinales en la tabla de datos se modelan como ordinales cuando son indicadores o variables dependientes; la calculadora usa entonces automáticamente WLSMV y muestra índices de ajuste corregidos.

Los valores continuos perdidos pueden tratarse excluyendo las filas incompletas o mediante máxima verosimilitud con información completa (FIML). Con variables ordinales, en lugar de FIML se usan todos los pares de valores disponibles.