Acceso usuarios
Francisco Pablo Holgado Tello, María Ángeles Morata Ramírez, María Isabel Barbero García
Para obtener evidencias sobre la validez de constructo a través de Análisis Factorial Confirmatorio, ha sido habitual tratar las escalas tipo Likert como si fueran variables continuas medidas según una escala de intervalo. Por tanto, el método de estimación de Máxima Verosimilitud ha sido ampliamente aplicado, pero a su vez esto implica problemas en torno a las correlaciones de Pearson y la asimetría de la distribución de respuestas a los ítems. En este estudio de simulación analizamos —a través de χ2, del error tipo I y de la potencia— modelos bien y mal especificados comparando cinco métodos de estimación (Máxima Verosimilitud —ml—, Máxima Verosimilitud Robusta —rml—, Mínimos Cuadrados Ponderados —mls—, Mínimos Cuadrados no Ponderados —uls— y Mínimos Cuadrados no Ponderados Robustos —ruls—) en relación con las características de los modelos: número de factores, número de categorías de respuesta, asimetría de los ítems y tamaño muestral. Aconsejamos usar el método ruls de estimación, en el cual están implicadas las correlaciones policóricas.Palabras clave: análisis Factorial Confirmatorio, escalas tipo Likert, métodos de estimación, error tipo I, potencia.
In order to obtain evidences about construct validity through Confirmatory Factor Analysis, it has been usual treating Likert-type scales as if they were continuous variables measured on an interval scale. Therefore, Maximum Likelihood estimation method has been broadly applied, but in turn it implies problems concerning both Pearson correlations and skewness in the distribution of responses to items. In this simulation study we analyse —through χ2, Type I error, and power— correctly specified and misspecified models comparing five estimation methods (Maximum Likelihood —ml—, Robust Maximum Likelihood —rml—, Weighted Least Squares —wls—, nweighted Least Squares —uls— and Robust Unweighted Least Squares —ruls—) in relation to the models features: number of factors, number of response categories, items’ skewness, and sample size. We advise using ruls estimation method, in which polychoric correlations are implied.Keywords: Confirmatory Factor Analysis, Likert-type scales, estimation methods, Type I error, power.
Para obter evidências sobre a validez de constructo através da análise fatorial confirmatória tem isso habitual tratar as escalas tipo Likert como se fossem variáveis contínuas medidas segundo ma escala de intervalo. Portanto, o método de estimação de máxima verossimilitude tem sido amplamente aplicado, mas ao mesmo tempo isto implica problemas em torno às correlações de Pearson e a assimetria da distribuição de respostas aos itens. Neste estudo de simulação analisamos –através de χ2, do erro tipo I e da potência— modelos bem e mau especificados comparando cinco métodos de estimação (máxima verossimilitude —ml—, máxima verossimilitude robusta —rml—, mínimos quadrados ponderados —mls—, mínimos quadrados não ponderados —uls— e mínimos quadrados não ponderados robustos —ruls—) em relação com as características dos modelos: número de fatores, número de categorías de resposta, assimetria dos itens e tamanho amostral. Aconselhamos usar o método ruls de estimação, no qual estão implicadas as correlações policóricas.Palavras-chave: análise fatorial confirmatória, escalas tipo Likert, métodos de estimação, erro tipo I, potência.
