Muchas gracias por tus explicaciones. Te quería preguntar si sabes a qué se debe que en el sem puedan salir índices de bondad de ajuste superiores a 1, por ejemplo TLI de 1.018 y un valor de RMSEA de 0.00. Es que me ha ocurrido en un modelo y no sé a qué se debe. Gracias
En un modelo de ecuaciones estructurales (SEM, por sus siglas en inglés), los índices de ajuste, como el Comparative Fit Index (CFI) y el Tucker-Lewis Index (TLI), están diseñados para proporcionar una medida de qué tan bien se ajusta el modelo a los datos observados. Estos índices varían en un rango de 0 a 1, donde valores más cercanos a 1 indican un mejor ajuste del modelo a los datos. Si obtienes valores superiores a 1 para el CFI o el TLI, generalmente hay un problema, ya que estos índices no pueden ser mayores que 1. Aquí hay algunas posibles explicaciones para este fenómeno: Error de redondeo o precisión numérica: Puede ser un problema de redondeo o precisión numérica en el software que estás utilizando para estimar el modelo SEM. A veces, los programas informáticos pueden mostrar valores ligeramente mayores a 1 debido a errores numéricos. Problemas de convergencia: Si el modelo SEM no converge adecuadamente durante la estimación, los resultados pueden ser inestables. Esto podría deberse a problemas en la especificación del modelo, como multicolinealidad, especificación incorrecta de la matriz de covarianza, o demasiados parámetros a estimar en relación con el tamaño de la muestra. Errores en la especificación del modelo: Puede haber errores en la especificación del modelo, como variables mal definidas, relaciones incorrectas entre las variables o restricciones que generan un modelo no identificado. Problemas de datos: Datos atípicos o distribuciones no normales pueden afectar negativamente la estimación del modelo y generar resultados inesperados. Para abordar este problema, considera realizar las siguientes acciones: Revisar la especificación del modelo: Asegúrate de que todas las relaciones entre las variables estén especificadas correctamente y que el modelo sea teóricamente sólido. Revisar los datos: Verifica la calidad de tus datos, busca posibles valores atípicos y asegúrate de que la distribución de las variables sea adecuada. Revisar la configuración de estimación: Ajusta la configuración de estimación en tu software SEM. Puedes probar diferentes métodos de estimación y configuraciones para ver si hay cambios en los resultados. RPTA DE CHATGPT (Bastante acertada) Solo un detalle fijate en la distribución de los datos y el tamaño de muestra
Estuve realizando las operaciones siguiendo su guía queriendo que mi segunda variable explique una dimensión de mi primera variable, sin embargo, al momento de ejecutar la sintaxis en el JAMOVI me aparecen las tablas pero sin valores y algunas de estas marcan error. A que podría deberse?
Buen día, revisa, quizás tienes valores perdidos, otra opción es que no tengas seleccionado el nivel de medición, una tercera es que quizás la muestra es insuficiente, o quizás el estimador no es el adecuado
Excelente explicación. Sin embargo, he tratado de replicarlo y el principal error que sale es "algunos nombres de variables latentes coinciden con nombres de variables observadas" como podría corregirlo, agradeceré mucho su gentil orientación
Buen día, es probable que tengas una variable continua llamada por ejemplo Violencia y cuando intentas denominar la variable latente también la llamas violencia, te recomiendo que las variables latentes (endógenas o exógenas) las llames por siglas, por ejemplo VIO, eso si verifica que esa denominación no la hayas usado en la base de datos. Espero sirva
Gracias por comentar, tomaré en cuenta tu observación, el video solo busca detallar un procedimiento en Jamovi para que mis alumnos se guíen, no el contenido teórico de la técnica eso lo hago en clases
![Modelos de ecuaciones estructurales en R (SEM). [Chupitos de R]](http://i.ytimg.com/vi/CRuQ5IiwhO8/mqdefault.jpg)
Muy buena explicación profesor. Muchas gracias
Con mucho gusto
Excelente explicacion, muchas gracias
Con gusto
Gracias por la explicación profe
Por nada
Buenos días, muchas gracias por la explicacion. Una pregunta, cómo puedo hacer un analisis de segundo orden?
Marianela, creo que eso aplica cuando es un AFC, en este caso aplico para cuando quiero explicar una variable en base como mínimo a dos
Muchas gracias por tus explicaciones. Te quería preguntar si sabes a qué se debe que en el sem puedan salir índices de bondad de ajuste superiores a 1, por ejemplo TLI de 1.018 y un valor de RMSEA de 0.00. Es que me ha ocurrido en un modelo y no sé a qué se debe. Gracias
En un modelo de ecuaciones estructurales (SEM, por sus siglas en inglés), los índices de ajuste, como el Comparative Fit Index (CFI) y el Tucker-Lewis Index (TLI), están diseñados para proporcionar una medida de qué tan bien se ajusta el modelo a los datos observados. Estos índices varían en un rango de 0 a 1, donde valores más cercanos a 1 indican un mejor ajuste del modelo a los datos.
Si obtienes valores superiores a 1 para el CFI o el TLI, generalmente hay un problema, ya que estos índices no pueden ser mayores que 1. Aquí hay algunas posibles explicaciones para este fenómeno:
Error de redondeo o precisión numérica: Puede ser un problema de redondeo o precisión numérica en el software que estás utilizando para estimar el modelo SEM. A veces, los programas informáticos pueden mostrar valores ligeramente mayores a 1 debido a errores numéricos.
Problemas de convergencia: Si el modelo SEM no converge adecuadamente durante la estimación, los resultados pueden ser inestables. Esto podría deberse a problemas en la especificación del modelo, como multicolinealidad, especificación incorrecta de la matriz de covarianza, o demasiados parámetros a estimar en relación con el tamaño de la muestra.
Errores en la especificación del modelo: Puede haber errores en la especificación del modelo, como variables mal definidas, relaciones incorrectas entre las variables o restricciones que generan un modelo no identificado.
Problemas de datos: Datos atípicos o distribuciones no normales pueden afectar negativamente la estimación del modelo y generar resultados inesperados.
Para abordar este problema, considera realizar las siguientes acciones:
Revisar la especificación del modelo: Asegúrate de que todas las relaciones entre las variables estén especificadas correctamente y que el modelo sea teóricamente sólido.
Revisar los datos: Verifica la calidad de tus datos, busca posibles valores atípicos y asegúrate de que la distribución de las variables sea adecuada.
Revisar la configuración de estimación: Ajusta la configuración de estimación en tu software SEM. Puedes probar diferentes métodos de estimación y configuraciones para ver si hay cambios en los resultados.
RPTA DE CHATGPT (Bastante acertada)
Solo un detalle fijate en la distribución de los datos y el tamaño de muestra
muchas gracias por las sugerencias @@ferospe9
Estuve realizando las operaciones siguiendo su guía queriendo que mi segunda variable explique una dimensión de mi primera variable, sin embargo, al momento de ejecutar la sintaxis en el JAMOVI me aparecen las tablas pero sin valores y algunas de estas marcan error. A que podría deberse?
Buen día, revisa, quizás tienes valores perdidos, otra opción es que no tengas seleccionado el nivel de medición, una tercera es que quizás la muestra es insuficiente, o quizás el estimador no es el adecuado
Buenas noches profesor, en caso requiera sacar la invarianza por sexo de una muestra, sería el mismo procedimiento?
Eso lo debes trabajar en R Studio solo es cuestión de tener el scrip
Disculpe profesor ¿Puede brindarme una asesoría sobre ello?
Excelente explicación. Sin embargo, he tratado de replicarlo y el principal error que sale es "algunos nombres de variables latentes coinciden con nombres de variables observadas" como podría corregirlo, agradeceré mucho su gentil orientación
Buen día, es probable que tengas una variable continua llamada por ejemplo Violencia y cuando intentas denominar la variable latente también la llamas violencia, te recomiendo que las variables latentes (endógenas o exógenas) las llames por siglas, por ejemplo VIO, eso si verifica que esa denominación no la hayas usado en la base de datos. Espero sirva
Muy pobre la explicacion.
Gracias por comentar, tomaré en cuenta tu observación, el video solo busca detallar un procedimiento en Jamovi para que mis alumnos se guíen, no el contenido teórico de la técnica eso lo hago en clases