Desarrollos recientes en estadística: Aportes teórico-metodológicos a la investigación sociológica

  • Karina Rdz-Navarro Universidad de Chile
  • Rodrigo A. Asún Universidad de Chile

Abstract

La presente investigación muestra y discute las ventajas empíricas de emplear herramientas estadísticas modernas (i.e., correlaciones policóricas, análisis factorial de ítems y modelos de ecuaciones estructurales) específicamente desarrollados para analizar variables latentes medidas con ítems ordinales categóricos, y compara estos procedimientos con dos tipos de análisis estadísticos clásicos desarrollados para trabajar con variables observadas (no latentes) medidas a nivel de intervalo (i.e., correlaciones de Pearson y análisis de regresión lineal). Los resultados de dos estudios Monte Carlo revelaron que los métodos estadísticos específicamente desarrollados para trabajar con variables observadas de tipo categórico y variables latentes permiten una mejor caracterización de los instrumentos de medida y los constructos teóricos, así como también una caracterización más precisa de la fuerza de la asociación entre las variables y la varianza explicada global del modelo. Se discute la relevancia de estas técnicas estadísticas para la investigación sociológica cuantitativa con la finalidad de iluminar un posible cambio en el enfoque metodológico y epistemológico de la investigación en ciencias sociales, desde el simple contraste de hipótesis nulas hacia el contraste de modelos teóricos alternativos.

Downloads

Download data is not yet available.

Author Biographies

Karina Rdz-Navarro, Universidad de Chile
Departamento de Sociología, Académico
Rodrigo A. Asún, Universidad de Chile
Departamento de Sociología, Académico

References

Abdi, H., Valentin, D., & Edelman, B. (1999). Neural Networks (Quantitative Applications in the Social Sciences). London: Sage.

Asún, R. A., Rdz-Navarro, K., & Alvarado, J. M. (2016). Developing multidimensional Likert scales using item factor analysis: The case of four-point items. Sociological Methods and Research, 45(1), 109-133.

Batista-Foguet, J. M., & Coenders, G. (2000). Modelos de ecuaciones estructurales. Madrid: La Muralla.

Bernstein, I. H., & Teng, G. (1989). Factoring items and factoring scales are different: Spurious evidence for multidimensionality due to item categorization. Psychological Bulletin, 105(3), 467-477.

Bollen, K. A., & Barb, K. H. (1981). Pearson's r and coarsely categorized measures. American Sociological Review, 46(2), 232-239.

Borsboom, D. (2008). Latent variable theory. Measurement: Interdisciplinary Research and Perspectives, 6(1), 25-53.

Carifio, J., & Perla, R. J. (2007). Ten common misunderstandings, misconceptions, persistent myths and urban legends about Likert scales and Likert response formats and their antidotes. Journal of Social Sciences 3(3), 106-116.

Chow, S. L. (1988). Significance test or effect size? Psychological Bulletin, 103(1), 105-110.

Cilliers, P. (2000). What can we learn from a theory of complexity? Emergence, 2(1), 23-33.

Cupani, M. (2012). Análisis de ecuaciones estructurales: conceptos, etapas de desarrollo y un ejemplo de aplicación. Revista Tesis Facultad de Psicología, 2(1), 186-199.

DiStefano, C. (2002). The impact of categorization with confirmatory factor analysis. Structural Equation Modeling: A Multidisciplinary Journal, 9(3), 327-346.

Epstein, J. M. (2002). Modeling civil violence: An agent-based computational approach. Proceedings of the National Academy of Sciences, 99(suppl 3), 7243-7250.

Fernández-Cano, A. & Fernández-Guerrero, I. M. (2009). Crítica y alternativas a la significación estadística en el contraste de hipótesis. Madrid: La Muralla.

Ferrando, P. J., & Anguiano-Carrasco, C. (2010). El análisis factorial como técnica de investigación en psicología. Papeles del Psicólogo, 31(1), 18-33.

Garson, G. D. (1998). Neural networks: An introductory guide for social scientists. London: Sage.

Gilbert, N., & Terna, P. (2000). How to build and use agent-based models in social science. Mind & Society, 1(1), 57-72.

Green, S. B. (1983). Identifiability of spurious factors using linear factor analysis with binary items. Applied Psychological Measurement, 7(2), 139-147.

Holgado–Tello, F. P., 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.

Ibáñez, J. (1986). Perspectivas de la investigación social: el diseño en las tres perspectivas. En M. García-Ferrando, J. Ibáñez & F. Alvira (Eds.), El análisis de la realidad social: métodos y técnicas de investigación (pp. 42-75). Madrid: Alianza.

Ioannidis, J. P. (2012). Why science is not necessarily self-correcting. Perspectives on Psychological Science, 7(6), 645-654.

Jamieson, S. (2004). Likert scales: How to (ab)use them. Medical Education, 38(12), 1212-1218.

Kelava, A., Werner, C. S., Schermelleh-Engel, K., Moosbrugger, H., Zapf, D., ... West, S.G. (2011). Advanced nonlinear latent variable modeling: distribution analytic LMS and QML estimators of interaction and quadratic effects. Structural Equation Modeling: A Multidisciplinary Journal, 18(3), 465-491.

Lewin, R. C. (2002). El caos como generador del orden. Barcelona: Tusquets Editores.

Likert, R. (1932). A technique for the measurement of attitudes. Archives of Psychology, 22(140), 44-55.

Likert, R., Roslow, S., & Murphy, G. (1934). A simple and reliable method of scoring Thurstone attitudes scales. The Journal of Social Psychology, 5(2), 228-238.

Luhmann, N. (1998). Sistemas sociales: lineamientos para una teoría general. Anthropos Editorial.

Martínez, M. (2006). La investigación cualitativa (síntesis conceptual). Revista de investigación en psicología, 9(1), 123-146.

Meadows, D. H., Randers, J., & Meadows, D. L. (2006). Los límites del crecimiento: 30 años después. Galaxia Gutenberg.

Macy, M. W., & Willer, R. (2002). From factors to actors: Computational sociology and agent-based modeling. Annual Review of Sociology, 28(1), 143-166.

Medina, J. I. G. V. (2011). La simulación basada en agentes: una nueva forma de explorar los fenómenos sociales/Agent-based Modelling: A New Way of Exploring Social Phenomena. Reis, 91-109.

Meehl, P. E. (1978). Theoretical risks and tabular asterisks: Sir Karl, Sir Ronald, and the slow progress of soft psychology. Journal of consulting and clinical Psychology, 46(4), 806-834.

Michell, J. (2009). The psychometricians’ fallacy: Too clever by half? British Journal of Mathematical Statistical Psychology, 62, 41-55.

Mulaik, S. A. (2009). Foundations of factor analysis. London: CRC Press.

Muthén, B. O. (2002). Beyond SEM: General latent variable modeling. Behaviormetrika, 29(1), 81-117.

Muthén, B., & Asparouhov, T. (2015). Causal effects in mediation modeling: An introduction with applications to latent variables. Structural Equation Modeling: A Multidisciplinary Journal, 22(1), 12-23.

Muthén, L.K. and Muthén, B.O. (1998-2015). Mplus user’s guide. Seventh edition. Los Angeles, CA: Muthén & Muthén.

Norman, G. (2010). Likert scales, levels of measurement and the “laws” of statistics. Advances in Health Sciences Education, 15(5), 625-632.

Ragin, C. C., & Pennings, P. (2005). Fuzzy sets and social research. Sociological Methods & Research, 33(4), 423-430.

Ramos-Zincke, C. (2005). Cómo investigan los sociólogos chilenos en los albores del siglo XXI: Paradigmas y herramientas del oficio. Persona y Sociedad, 19(3), 85 – 119.

Rdz-Navarro, K., & Alvarado, J. M. (2015). Reexamining nonlinear structural equation modeling procedures: The effect of parallel and congeneric measures. Multivariate Behavioral Research, 50(6), 645-641.

Stevens, S. S. (1946). On the theory of scales of measurement. Science, 103(2684), pp. 677-680.

Vivanco, M. (2010). Sociedad y complejidad: del discurso al modelo. Santiago: Lom Ediciones.

Wirth, R. J., & Edwards, M. C. (2007). Item factor analysis: current approaches and future directions. Psychological Methods, 12(1), 58-79.
Published
21/06/2016
Section
Guest Signature