Acceso usuarios
Daniel Ondé Pérez
En Psicología el Análisis Factorial Confirmatorio (AFC) es ampliamente utilizado en el proceso de elaboración de tests y escalas, siendo una técnica definida formalmente como potencial generadora de modelos causales de medida. No obstante, en numerosos estudios la aplicación del AFC se elabora a partir de diseños de investigación no experimental, en donde muchos investigadores realizan rutinariamente atribuciones sobre los modelos y los instrumentos que van más allá de una perspectiva estrictamente relacional o predictiva. En este trabajo se presenta una revisión del concepto de causalidad desarrollado dentro del marco de los Modelos de Ecuaciones Estructurales (MEE) y del AFC, con varias recomendaciones de carácter teórico y práctico dirigidas a los investigadores aplicados. Se discute sobre el estatus de las relaciones causales en los diseños no experimentales y sobre la necesidad de pensar en términos causales con el fin de potenciar el alcance explicativo de los modelos AFC en Psicología.
In Psychology, Confirmatory Factor Analysis (CFA) is widely used in the tests and scales development process, being a technique formally defined as a powerful tool for generating causal measurement models.
However, in many studies, the application of the CFA is developed from a non-experimental research design, where many researchers routinely make attributions about the models and instruments that go beyond a strictly relational or predictive perspective. This work shows a review of the causality concept elaborated within the Structural Equation Models (MEE) and the CFA frameworks, with several theoretical and practical recommendations for applied researchers. The status of causal relationships in non-experimental designs and the need to think in causal terms to enhance the explanatory scope of CFA models in Psychology are discussed.
