3 Ecuaciones Estructurales PLS

ESTADÍSTICA PARA EL ANÁLISIS
DE POLÍTICAS PÚBLICAS
SEM – Modelo de Ecuaciones

Estructurales con mínimos
cuadrados parciales
Mag. William René Dextre Martínez
[email protected]
993007106
Que vamos a desarrollar…?
1. Los modelos multivariados
2. Modelos de Ecuaciones Estructurales (SEM)
3. Mínimos Cuadrados Parciales y SEM (PLS – SEM)
4. Pasos para la creación de un modelo
5. Conclusiones
6. Taller
Convertimos tu pasión en éxito

Los modelos multivariados

Organización de los modelos multivariantes

Modelos de Ecuaciones Estructurales (SEM)

ECUACIONES ESTRUCTURALES (SEM)
El propósito de este método Los modelos utilizados

reside en analizar las constan de dos partes: un
relaciones existentes entre un modelo estructural que
grupo de variables especifica las relaciones de
representadas por sistemas de dependencia existente entre
ecuaciones simultáneas en las las variables latentes y un
que se supone que algunas de modelo de medida que
ellas se miden con error a especifica cómo los
partir de otras variables indicadores se relacionan con
observables o manifiestas sus correspondientes
denominadas indicadores. constructos.
ECUACIONES ESTRUCTURALES (SEM)
El modelo de ecuaciones estructurales se compone de dos elementos:
• El modelo de medida, en el cual se analizan las cargas factoriales de

las variables observables (indicadores) con relación a sus
correspondientes variables latentes (constructo). En esta estructura
se evalúa la fiabilidad y validez de las medidas del modelo teórico.
• El modelo estructural en el cual se analizan las relaciones de

casualidad entre las variables latentes independientes y
dependientes.
Mínimos Cuadrados Parciales y SEM (PLS – SEM)

PLS – SEM
SOFTWARE

Uso de SMART-PLS y SEM en la investigación social
https://jssidoi.org/jesi/issue/26
https://izajole.springeropen.com/articles
http://jsbs.org/

Uso de SMART-PLS y SEM en la investigación social
Con más de 2.500 citaciones en

El software estadístico SmartPLS
publicaciones académicas,
fue creado por los profesores
SmartPLS es uno de los softwares
Christian M. Ringle, Sven Wende y La primera versión SmartPLS 2 fue
más utilizados para el modelado de
Jan-Michael Becker de la lanzada en el año 2005.
ecuaciones estructurales con el
Universidad Técnica de Hamburgo,
método de mínimos cuadrados
Alemania.
parciales (PLS-SEM).

Evaluación de PLS – SEM (Pruebas Estadísticas)

Evaluación de PLS – SEM (Pruebas Estadísticas)

Modelos reflectivos vs. modelos formativos


Los modelos reflectivos asumen que el factor (variable latente) es la “realidad” y

las variables medidas son una muestra de posibles indicadores de esa realidad.
Si renunciamos a un indicador puede que no importe mucho, ya que los demás

indicadores son también representativos y la variable va mantener su significado.
En los modelos formativos, cada indicador es una dimensión del significado de la

variable latente.
Los modelos formativos asumen que los indicadores son la “realidad” y que son
todos dimensiones del factor (variable latente).
Si renunciamos a un indicador el significado de la variable latente va cambiar.

Pasos para la creación de un modelo

Paso 1
Se presenta un modelo teórico que surge de la revisión de la literatura; en este caso, asumimos que se tiene ese
pilar teórico para proponer el modelo a contrastar. Como se observa, tiene cuatro constructos o variables (LT, CO,
GC y CS), donde se establecieron cinco hipótesis.

Paso 2
Como segundo paso, es necesario generar las variables observadas (ítems o indicadores); es importante considerar que
deben ser formuladas con un soporte teórico de los constructos o variables latentes.

Paso 3
Como tercer paso, es necesario generar una base de datos en Excel y exportarla a SmartPLS, la cual se elaboró con la
información que reportó el instrumento de medición; en las columnas se codifican los ítems o indicadores y en las filas
las observaciones. Cabe resaltar que la base de datos debe ser guardada con extensión CSV (limitado por comas).

Paso 3
Para iniciar el proceso en SmartPLS, se grafica el modelo de investigación (basado en el modelo

teórico a contrastar) con el ícono de variable latente y se conectan las variables con la flecha de
conector para que, posteriormente, se identifiquen los indicadores de cada constructo o variable.
De forma predeterminada, todos los indicadores tienen una dirección reflectiva; en este caso,
el software permite hacer el cambio de dirección dando clic derecho en el constructo y
seleccionar cambiar entre reflectivo/formativo.

Paso 3

Paso 4
Como cuarto paso, en el menú principal de SmartPLS se calcula el algoritmo de PLS (estimación del modelo), cuyos
resultados del modelo muestran las cargas factoriales de cada indicador, los coeficientes de regresión estandarizados
o coeficientes path y el R2.

Paso 5
Como quinto paso, se evalúa el modelo de investigación, el cual requiere de la evaluación del modelo de medida
reflectivo y del modelo de medida formativo.
La evaluación del modelo de medida reflectivo se lleva a cabo a través de:
1) la consistencia interna (alfa de Cronbach y fiabilidad compuesta);
2) la validez convergente (fiabilidad del indicador y la varianza media extraída [AVE, por sus siglas en
inglés]), 3) la validez discriminante (criterio de Fornell-Larcker) y cargas cruzadas entre indicadores y variables
latentes y la ratio heterotrait-monotrail (HTMT).
La consistencia interna indica la fiabilidad del constructo.
Validez o Parámetro Prueba
Consistencia Interna • Alfa de Cronbash > 0.7
Convergente • CR Composite Reliability o Fiabilidad Compuesta > 0.7

• AVE (Averange Variance Extracted) > 0.5
Divergente Arriva > Debajo
Path Coeficient Coeficiente de Trayectoria o Beta “β”
Boostrapping • Valor T: > 1.96
• Valor p: < 0.05

Paso 5
Fiabilidad del
indicador y
fiabilidad
compuesta

Paso 5
Validez
Discriminante
(Criterio de
Fornell-Larcker)

Paso 5
Por otro lado, es necesario comparar las cargas factoriales cruzadas de los indicadores de una variable latente con las cargas
de los indicadores de las demás variables latentes.
Las cargas factoriales deben tener mayor valor con su propia variable que con las demás que se evalúan en el modelo.
Cargas
factoriales
cruzadas

Paso 6
Como sexto paso, considerando que el modelo reflectivo ha contenido validez y confiabilidad, se procede a evaluar el
modelo estructural, en donde se consideran cinco aspectos:
1) evaluación de colinealidad;
2) evaluación del signo algebraico, magnitud y significación estadística de los coeficientes path;
3) valoración del R2;
4) valoración de los tamaños de los efectos (f2), y
5) valoración de la Q2 y de los tamaños de los efectos (q2) (Ibid.).
Coeficientes path
(coeficientes de
regresión
estandarizados).

Paso 6
Además de evaluar el valor de R2 de todos los constructos endógenos, es necesario conocer el cambio en R2 cuando un
determinado constructo exógeno es omitido del modelo; es decir, el f2 puede ser usado para evaluar si el constructo
omitido tiene un impacto sustantivo en los constructos endógenos.
Para ello, Cohen (1998) especifica los siguientes valores para evaluar el f2:
0.02 es un pequeño efecto,
0.15 es un efecto medio, y
0.35 es un efecto grande.
Tamaños de efectos f2

Conclusiones

A modo de conclusión…
Lo anterior se puede notar en la gran Los trabajos empíricos realizados a

El uso de PLS como herramienta cantidad de artículos publicados en nivel mundial con esta técnica
estadística de segunda generación ha las revistas científicas de alto destacan por su exactitud en la
revolucionado el trabajo empírico de impacto, sobre todo en habla inglesa, predictibilidad de los fenómenos de
los investigadores en las áreas de las sin embargo, son pocos los artículos estudio por la validez tan robusta que
ciencias sociales y administrativas. realizados en Perú que abordan la contiene, pero a la vez muy sencilla
aplicación de SEM y PLS. de desarrollar, interpretar y practicar.
Su poder, permite que el investigador

PLS permite evaluar modelos
Los modelos complejos de antaño tome una mayor conciencia del cómo
complejos en una sola corrida de
donde los investigadores hacían interpretar valores estadísticos para
datos y permite ver cómo una
correlación de variable independiente aceptar o rechazar hipótesis, estamos
variable independiente puede afectar
a dependiente (una a la vez) ha hablando del coeficente path
teóricamente a otras dependientes
quedado atrás. estandarizado, la varianza explicada y
aunque no haya una conexión directa.
la significancia estadística.

Finalmente…
Sin dudas PLS, puede ayudar a los investigadores,

docentes y estudiantes, a contar con una mayor
participación en el desarrollo de investigación
básica y aplicada, así como el aumentar la calidad
de ponencias en congresos nacionales e
internacionales, pero sobre todo en revistas de alto
impacto.

Referencias Bibliográficas
Hair, J., Anderson, R., Tatham, R. y Black, W. (2007). Análisis multivariante. España, Madrid: Pearson.
Hair, J., Hult, G., Ringle, M. y Sarstedt, M. (2011). PLS-SEM: Indeed, a Silver Bullet. Journal of Marketing Theory and Practice, 2(19), 139–151.
Hair, J., Hult, G., Ringle, C. y Sarstedt, M. (2017). A Primer on Partial Least Square Structural Equation Modeling (PLS-SEM). Estados Unidos,
California: Sage.
Hair, J., Sarstedt, M., Ringle, C. y Mena, J. (2012). PLS-SEM. An assessment of the use of partial least squares structural equation modeling in
marketing research. Journal of the Academy of Marketing Science, 40, 414-433.
Henseler, J., Ringle, C. y Sarstedt, M. (2015). A new criterion for assessing discriminant validity in variance-based structural equation modeling.
Journal of the Academy of Marketing Science, 43(1), 115-135
Kwong, K. y Wong, K. (2013). Partial Least Square Structural Equation Modeling (PLS-SEM). Techniques Using SmartPLS. Marketing Bulletin, 24,
1-32.
Marcoulides, G. y Saunders, C. (2006). PLS: A silver bullet? Management Information Systems Quarterly, 30(2), 3-9.
Roldan, J. y Cepeda, G. (2016). Modelos de Ecuaciones basados en la Varianza: Partial Least Squares (PLS) para Investigadores en Ciencias
Sociales (3a ed.). Apuntes del curso en la Universidad de Sevilla, España.
Valdivieso, C. (2013). Comparación de los modelos formativo, reflexivo y de antecedentes de evaluación estudiantil del servicio de la docencia.
Revista de Métodos Cuantitativos para la Economía y la Empresa, 16, 95-120.

Taller

ESTADÍSTICA PARA EL ANÁLISIS
DE POLÍTICAS PÚBLICAS
La estadística y los modelos

multivariantes
Mag. William René Dextre Martínez
[email protected]
993007106

3 Ecuaciones Estructurales PLS

Cargado por

Copyright:

Formatos disponibles

3 Ecuaciones Estructurales PLS

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

3 Ecuaciones Estructurales PLS

Cargado por

Copyright:

Formatos disponibles

ESTADÍSTICA PARA EL ANÁLISIS

SEM – Modelo de Ecuaciones

Mag. William René Dextre Martínez

1. Los modelos multivariados

2. Modelos de Ecuaciones Estructurales (SEM)

3. Mínimos Cuadrados Parciales y SEM (PLS – SEM)

4. Pasos para la creación de un modelo

Convertimos tu pasión en éxito

Convertimos tu pasión en éxito

Convertimos tu pasión en éxito

Convertimos tu pasión en éxito

El propósito de este método Los modelos utilizados

El modelo de ecuaciones estructurales se compone de dos elementos:

• El modelo de medida, en el cual se analizan las cargas factoriales de

• El modelo estructural en el cual se analizan las relaciones de

Convertimos tu pasión en éxito

Convertimos tu pasión en éxito

Convertimos tu pasión en éxito

Con más de 2.500 citaciones en

Convertimos tu pasión en éxito

Convertimos tu pasión en éxito

Convertimos tu pasión en éxito

Convertimos tu pasión en éxito

Convertimos tu pasión en éxito

Los modelos reflectivos asumen que el factor (variable latente) es la “realidad” y

Si renunciamos a un indicador puede que no importe mucho, ya que los demás

En los modelos formativos, cada indicador es una dimensión del significado de la

Si renunciamos a un indicador el significado de la variable latente va cambiar.

Convertimos tu pasión en éxito

Convertimos tu pasión en éxito

Convertimos tu pasión en éxito

Convertimos tu pasión en éxito

Convertimos tu pasión en éxito

Para iniciar el proceso en SmartPLS, se grafica el modelo de investigación (basado en el modelo

Convertimos tu pasión en éxito

Convertimos tu pasión en éxito

Convertimos tu pasión en éxito

Validez o Parámetro Prueba

Consistencia Interna • Alfa de Cronbash > 0.7

Convergente • CR Composite Reliability o Fiabilidad Compuesta > 0.7

Convertimos tu pasión en éxito

Convertimos tu pasión en éxito

Convertimos tu pasión en éxito

Convertimos tu pasión en éxito

Convertimos tu pasión en éxito

Convertimos tu pasión en éxito

Convertimos tu pasión en éxito

Lo anterior se puede notar en la gran Los trabajos empíricos realizados a

Su poder, permite que el investigador

Convertimos tu pasión en éxito

Sin dudas PLS, puede ayudar a los investigadores,

Convertimos tu pasión en éxito

Convertimos tu pasión en éxito

Convertimos tu pasión en éxito

La estadística y los modelos

Mag. William René Dextre Martínez

También podría gustarte