CORRELACIONES POLICÓRICAS Y TETRACÓRICAS EN ESTUDIOS FACTORIALES EXPLORATORIOS Y CONFIRMATORIOS

Autores

  • Agustín Freiberg Hoffmann Universidad de Buenos Aires
  • Juliana Beatriz Stover Universidad de Buenos Aires
  • Guadalupe de la Iglesia Universidad de Buenos Aires Consejo Nacional de Investigaciones Científicas y Técnicas (CONICET)
  • Mercedes Fernández Liporace Universidad de Buenos Aires Consejo Nacional de Investigaciones Científicas y Técnicas (CONICET)

DOI:

https://doi.org/10.22235/cp.v7i1.1057

Palavras-chave:

correlaciones tetracóricas, correlaciones policóricas, análisis factorial, variables categóricas, ítems ordinales, ítems dicotómicos

Resumo

El incremento de estudios exploratorios y confirmatorios en psicometría debido al avance tecnológico obliga a revisar su metodología. Generalmente estos estudios utilizan el coeficiente de correlación r de Pearson, diseñado para variables continuas y extendido posteriormente a las categóricas (dicotómicas o politómicas). Los paquetes estadísticos actuales permiten aplicar procedimientos robustos ideados específicamente para variables categóricas, entre los que se destacan las correlaciones tetracóricas y policóricas, cuya relevancia metodológica radica en que la mayoría de las escalas psicométricas se compone de reactivos dicotómicos y politómicos (principalmente formatos Likert). El presente trabajo expone en primer lugar particularidades vinculadas al uso de estos estadísticos, softwares que facilitan su ejecución, problemas asociados a su aplicación y posibles soluciones a los mismos. En segundo término se ejemplifican ambas metodologías tanto en análisis factorial exploratorio como confirmatorio.

Downloads

Não há dados estatísticos.

Referências

Alonso, C.M., Gallego, D.J. y Honey, P. (1994). Los estilos de aprendizaje. Procedimientos de diagnóstico y mejora. Bilbao: Mensajero.

American Psychological Association (2010). Publication manual of the American Psychological Association (6a. ed.) Washington, DC: Author.

Bentler, P.M. (2006). EQS 6 Structural equation program manual. Encino, CA: Multivariate Software, Inc.

Bollen, K.A. (1989). Structural Equations with Latent Variables. New York: Wiley

Boomsma, A. (1983). On the robustness of LISREL (máximum likelihood estimation) against small sample size and non-normality (Tesis Doctoral). Recuperado de http://dissertations.ub.rug.nl/faculties/gmw/1983/a.boomsma/

Boomsma, A. (2000). Reporting analyses of covariance structures. Structural Equation Modeling, 7(3), 461-483.

Brown, T. (2006). Confirmatory Factor Analysis for Applied Research. New York: Guildford Press.

Byrne, B. (2006). Structural Equation Modeling with EQS. New Jersey: Lawrence Erlbaum Associates, Inc., Publishers.

Chen, F., Bollen, K.A., Paxton, P., Curran, P.J., y Kirby, J.B. (2001). Improper solutions in structural equation models. Sociological Methods & Research, 29(4), 468-508.

Choi, J, Peters, M., & Mueller, R. (2010). Correlational analysis of ordinal data: from Pearson´s r to Bayesian polychoric correlation. Asia Pacific Educ.Rev., 11, 459-466. doi: 10.1007/s 12564-010-9096-y

Choi, J., Kim, S., Chen, J., & Dannels, S. (2011). A comparison of máximum likelihood and Bayesina estimation for polychoric correlation using Monte Carlo Simulation. Journal of Educational and Behavioral Statistics, 36(4), 523-549.

Christoffersson, A. (1975). Factor analysis of dichotomized variables. Psychometrika, 40(1), 5-32.

Cuttance, P. (2009). Issues and problems in the application of structural equation models. En P. Cuttance & R. Ecob (Eds.), Structural Modeling (pp. 241-280). New York: Cambridge University Press.

Elosua Oliden, P. y Zumbo, B.D. (2008). Coeficientes de fiabilidad para escalas de respuesta categórica ordenada. Psicothema, 20(4), 896-901.

Erceg Hurn, D.M., & Mirosevich, V.M. (2008). Modern robust statistical methods. American Psychologist, 63(7), 591-601.

Ferrando Piera, P.J. y Lorenzo Seva, U. (1993). Algunas relaciones entre el modelo de un factor común y el modelo logístico de dos parámetros. Psicothema, 5(2), 403-412.

Ferrando Piera, P.J., y Lorenzo Seva, U. (1994). Recuperación de la solución factorial a partir de variables dicotomizadas. Psicothema, 6(3), 483-491.

Flora, D., & Curran, P. (2004). An empirical evaluation of alternative methods of estimation for confirmatory factor analysis with ordinal data. Psychological Methods, 9(4), 466-491.

Forero, C.G., Maydeu Olivares, A., & Gallardo Pujol, D. (2009). Factor analysis with ordinal indicators: A Monte Carlo study comparing DWLS and ULS estimation. Structural Equation Modeling, 16, 625-641.

Freiberg Hoffmann, A. y Fernández Liporace, M.M. (2013). Cuestionario Honey-Alonso de Estilos de Aprendizaje: Análisis de sus propiedades psicométricas en estudiantes universitarios. Revista Summa Psicológica UST, 10(1), 103-117.

Gadermann, A.M., Guhn, M., & Zumbo, D. (2012). Estimating ordinal reliability for likert-tipe and ordinal item response data: a conceptual, empirical, and practical guide. Practical Assessment, Research & Evaluation, 17(3), 1-13.

Gerbing, D.W. & Anderson, J.C. (1987). Improper solutions in the analysis of covariance structures: their interpretability and a comparison of alternate respecifications. Psychometrika, 52(1), 99-111.

González Álvarez, N., Abad González, J. y Leví Mangin, J.P. (2006). Normalidad y otros supuestos en análisis de covarianzas. En J.P. Lévy Mangin y J. Varela (Eds.), Modelización con estructuras de covacianzas en ciencias sociales (pp. 31-59). Coruña: Netbiblo.

Hair, J.F., Anderson, R.E, Tatham, R.L. y Black, W.C. (1999). Análisis multivariante. Madrid: Prentice Hall.

Holgado Tello, F., Chacón Moscoso, S., Barbero García, I., & Vila Abad, E. (2010). Polychoric versus Pearson correlations in exploratory and confirmatory factor analysis of ordinal variables. Quality & Quantity, 44(1), 153-166.

Hoyle, R.H. (1995). Structural Equation Modeling. California: SAGE Publications, Inc.

IBM Corporation (2012a). IBM SPSS Statistics (21). Recuperado de http://www-01.ibm.com/software/es/analytics/spss/

IBM Corporation (2012b). IBM SPSS Amos (21). Recuperado de http://www-01.ibm.com/support/docview.wss?uid=swg27035758

Jöreskog, K.G. (2001). Analysis of ordinal variables 2. Cross-sectional data. Taller “Structural Equation Modelling with LISREL 8.51”. Friedrich-Schiller-Universitat, Jena.

Jöreskog, K.G., & Sörbom, D. (1999). LISREL 8: user´s reference guide. Lincolnwood, IL: Scientific Software International, Inc.

Juras, J., & Pasaric, Z. (2006). Aplication of tetrachoric and polychoric correlation coefficients to forecast verification. GEOFIZIKA, 23(1), 59-82.

Katsikatsou, M., Moustaki, I., Yang-Wallentin, F., & Jöreskog, K. (2012). Pair wise likelihood estimation for factor analysis models with ordinal data. Computational Statistics and Data Analysis, 56(12), 4243-4258.

Kelloway, E.K. (1998). Using LISREL for structural equation modeling. Thousand Oaks: Sage Publications.

Kline, P. (2000). Handbook of Psychological Testing (2a. ed.). New York: Routledge.

Kline, R. B. (2005). Structural equation modeling. New York: Guilford Press.

Kolenikov, S., Bollen, K.A., & Savalei, V. (2006). Specification test with Heywood cases. Recuperado de http://web.missouri.edu/~kolenikovs/ASA06procrefs.pdf

Lévy Mangin, J.P. y González, N. (2006). Modelización y Causalidad. En J.P. Lévy Mangin y J. Varela Mallou (Eds.), Modelización con estructuras de covacianzas en ciencias sociales (pp. 155-175). Coruña: Netbiblo.

Lévy Mangin, J.P., Martín Fuentes, M.T. y Román González, M.V. (2006). Optimización según estructuras de covarianzas. En J.P. Lévy Mangin y J. Varela (Eds.), Modelización con estructuras de covacianzas en ciencias sociales (pp. 11-30). Coruña: Netbiblo.

Lorenzo Seva, U., & Ferrando Piera, P.J. (2012). Manual of the Program FACTOR. Recuperado de http://psico.fcep.urv.es/utilitats/factor/

Manzano Patiño, A. y Zamora Muñoz, S. (2009). Sistema de ecuaciones estructurales: una herramienta de investigación. Cuaderno técnico 4. Recuperado de http://www.senasica.gob.mx/includes/asp/download.asp?iddocumento=23068&idurl=45367

Martínez Arias, R. (2005). Psicometría: teoría de los tests psicológicos y educativos. Madrid: Síntesis.

Maydeu Olivares, A, Forero, C.G., Gallardo Pujol, D., & Renom, J. (2009). Testing categorized bivariate normality with two-stage polychoric correlations estimates. Europeal Joournal of Research Methods for the Behavioral and Social Sciences, 5, 131-136.

Méndez Alonso, A. (2001). Estimación robusta: Una aplicación informática con fines didácticos. Estadística Española, 43(147), 105-123.

Moos, R.H. (1993). Coping Responses Inventory – Youth Form. Odessa: Psychological Assessment Resources.

Morales Vallejo, P. (2006). Medición de actitudes en Psicología y Educación. Madrid: Universidad Pontificia Comillas.

Multivariate Software (2012). EQS (6.2). Recuperado de http://www.mvsoft.com/eqsdownload.htm

Muthén, B. (1983). Latent variable structural equation modeling with categorical data. Journal of Econometrics, 22, 43-65.

Muthén, B. (1984). A general estructural equation model with dichotomous ordered categorical, and continuous latent variable indicators. Psychometrika, 49(1), 115-132.

Muthén, B. (1989). Dichotomous factor analysis of symptom data. En Eaton, y Bohrnstedt (Eds.), Latent Variable Models for Dichotomous Outcomes: Analysis of Data from the Epidemiological Catchment Area Program (pp. 19-65), Sociological Methods & Research, 18, 19-65.

Muthén, B., & Hofacker, C. (1988).Testing the assumptions underlying tetrachoric correlations. Psychometrika, 53(4), 563-578.

Muthén, B., & Kaplan, D. (1985). A comparison of some methodologies for the factor analysis of non-normal Likert variables. British Journal of Mathematical and Statistical Psychology, 38, 171-189.

Muthén, L., & Muthén, B. (2012). MPLUS (7). Recuperado de http://www.statmodel.com/index.shtml

Nunnally, J.C., y Bernstein, I.H. (1994). Psychometric Theory (3a ed.). New York: McGraw-Hill.

Ogasawara, H. (2011). Asymptotic expansions of the distributions of the polyserial correlations coefficients. Behaviormetrika, 38(2), 153-168.

Olsson, U.H., Foss, T., Troye, S.V., & Howell, R.D. (2000). The performance of ML, GLS and WLS estimation in structural equation modeling under conditions of misspecification and nonnormality. Structural Equation Modeling, 7(4), 557-595.

Ortiz León, M.C. (1988). Inferencia estadística robusta. Revista la Ciencia y el Hombre, 2, 95-106.

Pfanzagl, J. (1968). Theory of measurement. New York: John Wiley.

Rial Boubeta, A., de la Iglesia, G., Ongarato, P. y Fernández Liporace, M. (2011). Dimensionalidad del Inventario de Afrontamiento para adolescentes y universitarios. Psicothema, 23(3), 464-474.

Rial Boubeta, A., Varela Mallou, J., Abalo Piñeiro, J. y Lévy Mangin, J.P. (2006). El análisis factorial confirmatorio. En: J.P. Lévy Mangin y J. Varela (Eds.), Modelización con estructuras de covarianzas en ciencias sociales (pp. 119-143). Coruña: Netbiblo.

Richaud, M.C. (2005). Desarrollos del análisis factorial para el estudio de ítem dicotómicos y ordinales. Revista Interdisciplinaria, 22(2), 237-251.

Saris, W.E., Scherpenzeel, A.C., & Wijk, T. (1998). Validity and reliability of subjective social indicators: the effect of different measures of association. Social Indicators Research, 45, 173-199.

Schermelleh-Engel, K., Moosbrugger, H., & Müller, H. (2003). Evaluating the fit of structural equation models: Test of significance and descriptive goodness-of-fit measures. Methods of Psychological Research Online, 8(2), 23-74.

Schumacker, R.E., & Lomax, R.G. (2004). A beginner´s guide to estructural equation modeling (2a ed.). New Jersey, London: Lawrence Erlbaum Associates.

Scientific Software International (2006). LISREL (8). Recuperado de http://www.ssicentral.com/lisrel/resources.html

Stevens, S.S. (1951). Mathematics, measurement and psychophysics. En S.S. Stevens (Ed.), Handbook of Experimental Psychology (pp. 1-30). New York: Wiley.

SYSTAT Software (2010). SYSTAT (13.1). Recuperado de http://www.systat.com/SystatProducts.aspx

Torgerson, W.S. (1958). Theory and methods of scaling. New York: John Wiley.

West, S.G., Finch, J.F., & Curran, P.J. (1995).Structural equation models with nonnormal variables: problems and remedies. En: R.H. Hoyle (Ed.), Structural Equation Modeling (pp. 56-76). California: SAGE Publications, Inc.

Yela, M. (1966). Los tests y el análisis factorial. En B. Szekeli (Ed.), Los Tests (pp. 153-178). Buenos Aires: Kapelusz.

Yung, Y.F., & Bentler, P.M. (1994). Bootstrap-corrected ADF test statistics in covariance structure analysis. British Journal of Mathematical and Statistical Psychology, 47, 63-84.

Publicado

2013-11-30

Como Citar

Freiberg Hoffmann, A., Stover, J. B., de la Iglesia, G., & Fernández Liporace, M. (2013). CORRELACIONES POLICÓRICAS Y TETRACÓRICAS EN ESTUDIOS FACTORIALES EXPLORATORIOS Y CONFIRMATORIOS. Ciencias Psicológicas, 7(1), 151–164. https://doi.org/10.22235/cp.v7i1.1057

Edição

Secção

ARTIGOS ORIGINAIS

Artigos mais lidos do(s) mesmo(s) autor(es)

Artigos Similares

<< < 

Também poderá iniciar uma pesquisa avançada de similaridade para este artigo.