PONTIFICIA UNIVERSIDAD CATLICA DEL PER ESCUELA DE POSGRADO

Prueba 4: Anlisis Factorial Confirmatorio PRUEBA 4 FASE 1

REALIZADO POR:

Walter Andrade Guido Crespo Maria Guerrero Carlos Manosalvas Marco Mosquera

PROFESOR: Dr. Sergio Chin PhD. Lima, 05 de Marzo del 2014

Desarrollar: 1. El artculo reporta el inters de los autores por analizar la inconsistencia entre la estructura de factores del TMC (Three Component Model propuesta por Allen & Meyer, 1990), para medir el compromiso organizacional, y estudios realizados por otros investigadores. Mencione las inconsistencias que hallaron los investigadores en sus estudios. Los autores encontraron que, la estructura factorial de la medida de tres componentes del compromiso organizacional no es consistente en estudios analticos factoriales (por ejemplo, Allen y Meye, 1990a; Blau, Paul, y St. John, 1993; Carson y Carson, 2002; Hackett, Bycio, y Hausdorf, 1994). Los resultados de estos estudios no determinan claramente si la medida del Compromiso de Continuar en la Organizacin (CCS), es un constructo unidimensional. McGee y Ford (1987) analizaron en su estudio si la escala CCS mide un constructo de compromiso unitario o dos constructos de compromiso separados: un componente de alto sacrificio personal (asociado a los costes de abandonar la organizacin) y un componente de escasez de alternativas percibidas (relacionado con la escasez de posibilidades de encontrar un empleo que pueda ser una alternativa al actual); los resultados de este estudio demostraron que las dos subescalas de CCS se correlacionaban en direcciones diferentes a la escala de compromiso afectivo (ACS), sugiriendo que, CCS est formada por dos constructos. Sin embargo Hackett et al. (1994) encontraron que los dos constructos de CCS estn altamente relacionados y correlacionados del mismo modo a otros constructos.

La falta de discriminabilidad de ACS y NCS es otro tema controvertido sobre el modelo de compromiso de tres componentes de Meyer y Allen (Bergman, 2006). Segn Meyer y Allen (1997), los dos constructos estn correlacionados "ms fuerte de lo esperado " (p.122). Tambin, en un meta-anlisis, Meyer, Stanley, Herscovitch y Topolnytsky (2002) reportaron que la correlacin corregida entre lo afectivo y normativo fue sustancial ( = 0,63), sugiriendo una considerable superposicin de los dos constructos. En el anlisis de la versin original (Allen y Meyer, 1990) de las escalas de compromiso, una correlacin mucho ms grande fue encontrada en la versin revisada de la medida (Meyer y Allen, 1997) ( = 0,77) que en la versin original ( = 0,54).

2. Cul es el objetivo del estudio? El propsito de este estudio fue el de investigar ms a fondo las escalas de la estructura factorial de Allen y Meyer (1990) utilizando una nueva poblacin: los asistentes presidenciales en educacin superior en los Estados Unidos. Se examinaron las propiedades psicomtricas de la medida. Adems se compararon los modelos de tres y de

cuatro componentes en trminos de ndices de ajuste de anlisis factorial confirmatorio. Adems, se evalu la validez discriminante entre el compromiso afectivo y el compromiso normativo. 3. En el anlisis factorial confirmatorio, AFC, qu tcnica fue aplicada para la estimacin de parmetros (principal components, principal axis factoring, maximum likelihood estimation). La estimacin de parmetros se la realiza mediante la tcnica de estimacin de mxima verosimilitud (mximum likelihood estimation) que corresponde a un mtodo estrictamente estadstico basado en la teora de la inferencia a diferencia de los otros mtodos de obtencin de factores que pueden considerarse directos.

4. Los autores indican en la seccin Data Analysis (pag. 301) que utilizarn tres ndices de ajuste para evaluar la bondad de ajuste a los datos, dos de estos se presentan en la siguiente tabla (ver tabla 1). ndice de ajuste RMSEA, Root Mean Square Error of Aproximation SRMR, Standardized Root Mean Square Residual Tabla 1. Punto de corte 0.08 0.08

Cmo deberan ser los ndices (RMSEA y SRMR) obtenidos de la aplicacin de AFC a los datos, respecto a los puntos de corte (menor o mayor a 0.08) para indicar un buen ajuste. Como lo manifiestan Browne & Cudeck (1993), la experiencia prctica seala que, un valor de RMSEA cerca a 0.05 o menor indica un ajuste cercano del modelo en relacin a los grados de libertad. Aunque este puede ser un juicio subjetivo, que no puede ser utilizado como infalible o correcto, es ms razonable que un requerimiento de ajuste exacto con un RMSEA de 0.0. Sin embargo, de acuerdo a la opinin de los actores, un valor de 0.08 o menor para RMSEA se considerara un error razonable de aproximacin, y no debera utilizarse un modelo con un RMSEA mayor a 0.1. Con base en lo expuesto, el valor debe de RMSEA obtenido de la aplicacin de AFC debe ser menor a 0.8. El ndice SRMR, es una medida del error resultante de la estimacin del modelo especfico; por otro lado, la cantidad de error o residual, ilustra cun exacto es el modelo, por tanto, valores bajos de SRMR representa un mejor ajuste del modelo (Swe, 2013). Es una medida absoluta de ajuste y se define como la diferencia estandarizada entre la correlacin observada y la correlacin que se predice; como es una medida absoluta de ajuste, un valor de cero indica un ajuste perfecto; sin embargo, un valor menor a 0.08 se considera

un buen ajuste (Hu & Bentler, 1999). Por tanto, el valor de SRMR debe ser menor a 0.08 una vez aplicada la tcnica AFC en los datos del estudio. 5. Respecto a la normalidad de los datos. Cmo los autores evalan la normalidad y qu concluyen? Usted est de acuerdo con la evaluacin, por qu? En la tabla 1 muestra medias, desviaciones estndar, asimetra y valores de curtsis para cada elemento. Segn. Curran, West, y Finch (1996), por los valores de normalidad univariada, la asimetra y la curtosis de 0 a 2, y 0 7, respectivamente, puede ser tomado como una demostracin de suficiente normalidad, con los datos de la tabla 1, los datos muestran suficiente normalidad. El anlisis factorial confirmatorio supone establecer como hiptesis previa a) el nmero de factores, b) qu factores estn relacionados o son independientes y c) con qu factor o factores estn relacionadas (pesos) cada una de las variables (Long, 1983; Stapleton, 1997a); al menos se especifican el nmero de factores y qu pesos tienen las variables en los factores. Para el caso y por el mtodo de mxima verosimilitud la aplicacin corresponde a una prueba de hiptesis a travs de la estadstica del chi cuadrado, sobre el cual prevalece el supuesto de comportamiento de normalidad, por lo que se debi aplicar pruebas adicionales a fin de concluir sobre la normalidad de la muestra con tcnicas que se proponen a continuacin: Clculo del intervalo intercuartiles, IQR, la desviacin estndar, s para la muestra y luego calcular el cociente IQR/S. Si los datos son aproximadamente normales, IQR/S 1.3. Puede verse que esta propiedad se cumple para las distribuciones normales si se observa que los valores z que corresponden a los percentiles 75o. y 25o. son 0.67 y -0.67, respectivamente. Puesto que desviacin estndar = 1 para una distribucin normal estndar (z),

Otras pruebas que aportan una mayor confiablilidad a la inferencia son los test de hiptesis de Kolmogorv-Smirnov y el de Shapiro-Wilk en los cuales se contrasta la normalidad de la poblacin de una muestra; Con una significancia mayor a 5% se confirma que los datos provienen de una poblacin normal. Si el resultado hubiese sido menor al 5% se poda decir que los datos no provienen de una distribucin normal. 6. En base al software AMOS-SPSS, elabore el diagrama de ruta, path diagram, para el modelo de tres factores, Three Factor Solution o Three Factor model, que servir de input para el referido programa computacional. Enve el archivo trabajado en AMOSSPSS.
Nota: Considere 24 tems (8 tems por cada factor), tome como referencia la figura 3.1 del captulo tres del libro de Byrne.

7. Del modelo de tres factores, Three Factor Solution o Three Factor model, identifique: Los constructos no observables. Las variables, tems, observables. Los parmetros a estimar. Cmo se obtuvo el valor de 249 grados de libertad (reproduzca el clculo).

Los constructos no observables son los tres factores que, segn Allan y Meyer (1990), constituyen las razones por las que los empleados permanecen en su organizacin: 1) compromiso afectivo (ACS), 2) percepcin de costos altos al dejar la organizacin (CSS) y 3) obligacin de permanecer en la organizacin (compromiso normativo NCS). Existen 24 variables o tems observables divididos en tres escalas de 8 items cada una (ACS, CCS, NCS); medidos en una escala de likert de 1 a 6. Existe un total de 51 parmetros a estimar. El valor de 249 grados de libertad se obtuvo aplicando la frmula:

Donde:

g.l. = Grados de libertad. P = Nmero de variables observadas. t = Nmero de parmetros a ser estimados (cargas factoriales + correlaciones de factores + correlaciones de factores especficos). P = 24 variables observadas t = 24+3+24 = 51

En nuestro caso:

Suponiendo que la varianza de los factores es 1 y los factores especficos no son correlacionados.

g.l. = 300 51 = 249

8. Del modelo de tres factores, Three Factor Solution o Three Factor model, interprete la prueba chi-cuadrado y los tres ndices de ajuste de la tabla TABLE 3 Summary of Fit Qu concluyen los autores respecto a este modelo?

La estadstica de chi cuadrado que se obtuvo para el modelo de tres factores fue 2 = 838.95, p < 0.01; ya que el valor de p es menor a 0.01, este valor sugiere que el modelo no es del todo adecuado. Los valores obtenidos de RMSEA (0.093) CI (0.086), SRMR (0.11) y CFI (0.84), muestran que el modelo de tres factores propuestos no se ajusta adecuadamente a los datos ya que sobrepasan los umbrales mnimos (como el caso de los valores de RMSEA y SRMR que deben ser menores a 0.08, lo que provocara el rechazo de la hiptesis nula: Ho: k factores son suficientes para describir los datos).

9. Del modelo de tres factores, Three Factor Solution o Three Factor model, indique los valores de consistencia interna, Chronbachs alphas) para los tres factores (ACS, CCS y NCS) y comente. Las estimaciones de consistencia interna (coeficientes alfa) obtenidos en los estudios mencionados en el artculo, que han empleado estas escalas van 0,74 a 0,89 para la ACS; de 0,69 a 0,84 para los CCS, y 0,69 a 0,79 para el NCS (Allen & Meyer, 1990a, 1993; Meyer & Allen, 1984; Meyer, et al, 1989). El anlisis de confiabilidad realizado a las tres escalas del Modelo TCM fueron: 0,848; 0,746 y 0,658 para ACS, CCS y NCS respectivamente.

10. Brevemente describa qu hicieron los autores con los tems CCS03, NCS03, NCS05 y NCS08.

Los tems CCS03 y NCS03 fueron eliminados; los tems NCS05 y NCS08 fueron cambiados a la escala de compromiso afectivo (ACS), ya que mostraron una gran correlacin con los tems de esta escala y poca correlacin con los de NCS 11. Del modelo modificado de tres factores, Modified Three Factor Model, interprete la prueba chi-cuadrado y los tres ndices de ajuste de la tabla TABLE 3 Summary of Fit Qu concluyen los autores respecto a este modelo?

Este modelo modificado se ensay utilizando CFA. La estadstica de chi-cuadrado para este modelo fue 2 = 520.87, p < 0,01. Los valores obtenidos de los tres ndices de ajuste son: RMSEA = 0.075, IC 90 % = 0.067, 0.083, SRMR = 0.074, y CFI = 0.90. Este modelo modificado de tres factores muestra un buen ajuste del modelo ya que los ndices de ajuste no sobrepasan los umbrales permitidos.

12. Del modelo modificado de tres factores, Modified Three Factor Model, comente las correlaciones entre los factores. Los factores ACS y CSS se pueden considerar dbilmente correlacionados (de forma negativa), corr. (ACS y CSS) = 0.12. Los factores ACS y NCS, presentan una correlacin moderada (0.32); al igual que los factores CSS y NCS (0.30) Se puede ver claramente que los factores no estn muy correlacionados (valores alejados de uno), por lo que se puede decir que hay cierta independencia entre ellos.

13. Del modelo de cuatro factores, Four Factor Model, interprete la prueba chi-cuadrado y los tres ndices de ajuste de la tabla TABLE 3 Summary of Fit Qu concluyen los autores respecto a este modelo? El valor de chi-cuadrado obtenido fue de, 2 = 515.91, y p < 0,01. Igual que el ejercicio 8 al tener un valor p menor que 0,01; la prueba del chi-cuadrado (2) nos sugiere que el modelo no es del todo adecuado. Los resultados obtenidos de los ndices de ajuste fueron: RMSEA = 0.075 ( < 0.08) CFI = 0.90 SRMR = 0.071 (< 0.08) Los autores sugieren que el modelo de cuatro factores proporcionan un buen ajuste, sin embargo pese a que los ndices nos indican que el modelo tiene un buen ajuste; sin embargo, la correlacin entre CCS-L y CCS_H fue de 0.98, lo que indica que, CCS-L y CCS-H son en realidad un solo factor, con lo que el modelo que se acepta, es el modelo de tres factores modificado.

14. Qu modelo es el mejor para los autores? Justifique su respuesta.

Para los autores el mejor modelo es el de tres factores modificado, porque a pesar de desagregar el factor CCS en CCS-L y CCS-H, la correlacin de los dos factores es igual a 0.98, lo que se puede considerar que es igual a 1, es decir existe una alta correlacin, por lo tanto en realidad son un solo factor.