Redes neuronales artificiales autoasociativas y dimensionalidad en los modelos psicométricos de medida

• Albert Sesé ^[1] ; Alfonso L. Palmer ^[1] ; Juan J. Montaña ^[1]
  1. [1] Universitat de les Illes Balears

     Universitat de les Illes Balears

     Palma de Mallorca, España

     
• Localización: Metodología de las ciencias del comportamiento, ISSN 1575-9105, Vol. 5, Nº. Extra 1, 2004, págs. 567-574
• Idioma: español
• Texto completo no disponible (Saber más ...)
• Resumen
  • español

    El estudio de los modelos de medida mediante técnicas de reducción de la dimensionalidad como el Análisis de Componentes Principales (ACP) es una práctica común. Recientemente, ha emergido un importante interés en el estudio de las Redes Neuronales Artificiales (RNA) como técnicas de reducción de la dimensionalidad. No obstante, el uso de estas técnicas como herramienta de reducción de la dimensionalidad aplicada a la Psicometría es totalmente inexistente en la literatura. El objetivo de este trabajo es comparar el desempeño del Análisis de Componentes Principales Neural y del modelo de red neuronal autoasociativa, frente al ACP mediante procedimiento de simulación. Los resultados indican una importante convergencia entre los tres modelos, incluso en escenarios de dimensionalidad latente difusa. Las RNA pueden considerarse una vía complementaria para evaluar modelos de medida. El carácter pionero del trabajo demanda nuevas investigaciones para profundizar en sus propiedades y la validez de sus resultados.

  • English

    The study of measurement models by means of using dimensionality reduction techniques as Principal Components Analysis (PCA) is a very common practice. In recent times, an upsurge of interest in the study of Artificial Neural Networks (ANN) apt to computing a principal componen! extraction has been observed. Nevertheless, the use of Neural Networks as dimensionality reduction too! applied to Psychometrics is totally non-existen! in the literature. The present work describes Neural Networks Principal Components Analysis (NNPCA), Linear Autoassociative Neural Networks (LANN) and establishes comparison of its results with performance of classical PCA by means of simulated data. Results indicate an important convergence between NNPCA, LANN and PCA, even with diffuse dimensionality. This new tools could be considered as complementary way to assess measurement models. The pioneer character of this work also requires the development of further empírica! evidence that allow to advance in the use of ANN applied to psychometrics.