Tesis_Ecuaciones_Estructurales

8/13/2019 Tesis_Ecuaciones_Estructurales

1/32

"Probamos por medio de la lgica,pero descubrimos por medio de la intuicin"

Henri Poincar (1854-1912); matemtico francs

Captulo 05

Metodologa utilizada para la realizacin

del estudio de campo de la tesis doctoral


2/32

Relacin entre la Capacidad de Absorcin y las Estructuras Organizativas214

5.1. Introduccin

El presente captulo intenta exponer la metodologa utilizada para evaluar y analizar el

modelo presentado en el captulo anterior. Para ello se ha dividido en cuatro apartados.

En el primer apartado se introduce el uso, cada vez ms frecuente, de los mtodos

cuantitativos dentro de las ciencias sociales mediante un pequeo prembulo de la

investigacin cientfica en las ciencias.

El siguiente apartado presenta la metodologa cuantitativa utilizada en la presente tesis:

las ecuaciones estructurales. Con este fin se introduce los conceptos bsicos y lasconvenciones seguidas en secciones y captulos posteriores para ayudar a la

comprensin de la metodologa. Adems se plantea los pasos a seguir para un anlisis

multivariante con ecuaciones estructurales.

El modelo estructural y los modelos de medida de las variables exgenas y endgenas

del objeto a investigar se desarrollan en el tercer apartado del presente captulo, dando

lugar al modelo de ecuaciones estructurales a analizar. Dicho modelo se expone a travs

de diversas representaciones como en un diagrama de caminos, a travs ecuaciones y en

forma matricial.

Una vez el modelo de ecuaciones estructurales ha sido definido, se procede a elaborar el

cuestionario para la obtencin de informacin cuantitativa para el anlisis del modelo

anterior. Un primer paso es la eleccin de tipo de entrevista a realizar, para continuar

con la elaboracin de cada uno de los elementos del cuestionario sobre las estructuras

organizativas y sobre el constructo capacidad de absorcin.

El ltimo apartado expone los criterios seguidos para seleccin de la muestra utilizada

en la investigacin, as como el tamao mnimo necesario para obtener una

significatividad razonable.


3/32

Metodologa utilizada para el estudio de campo 215

5.2. Mtodos cuantitativos en las ciencias sociales

El trmino investigacin que, en general, significa indagar o buscar, cuando se aplica a

las ciencias sociales, toma la connotacin especfica de crear conocimientos sobre larealidad social, es decir, sobre su estructura, las relaciones entre sus componentes, su

funcionamiento, los cambios que experimenta el sistema en su totalidad o en esos

componentes. Los conocimientos generados por una investigacin en particular se unen

a otros conocimientos ya existentes, acumulados durante mucho tiempo por otros

investigadores, sea en la forma de un aporte original o como confirmacin o refutacin

de hallazgos ya existentes. Cualquiera que sea la situacin que se enfrente, la

investigacin es siempre la bsqueda de la solucin a algn problema de conocimiento.Esa solucin constituye un nuevo conocimiento que se mantiene mientras no haya otras

propuestas mejor fundamentadas de acuerdo con criterios tericos y metodolgicos y

sean aceptadas por la comunidad de cientficos pertenecientes a la misma rea de

indagacin.

La investigacin social, como prctica cientfica que es, implica un camino largo y de

mayor o menor dificultad segn los problemas que se pretenden resolver. En todo caso,

el punto de partida de tal camino comienza con la socializacin del investigador en los

primeros antecedentes de un determinado paradigma que luego se explicita en una o

ms teoras centrales, como tambin mltiples en un sistema metodolgico de reglas y

de tcnicas de investigacin que la persona que ha elegido el camino de la investigacin

debe conocer y saber en que momentos aplicarlas.

La investigacin social cuantitativa est directamente basada en el paradigma

explicativo. Este paradigma utiliza preferentemente informacin cuantitativa o

cuantificable para describir o tratar de explicar los fenmenos que estudia, en las formas

que es posible hacerlo en el nivel de estructuracin lgica en el cual se encuentran las

ciencias sociales actuales.

La reconstruccin de la prctica cientfica, que se hace habitualmente en los textos de

metodologa de la investigacin, presenta ese proceso en una forma un tanto idealizada,


4/32


debido a que por su naturaleza puede ser bastante complejo como consisten en una

serie de etapas y tareas que se daran en forma lineal, unas tras otras. Si bien sta ser la

forma didctica que utilizaremos en este texto, adhiriendo a Kaplan plenamente,

reconocemos que una lgica reconstruida no es una descripcin (exacta), sino ms bienuna idealizacin de la prctica cientfica. Ni siquiera el ms grande de los cientficos

tiene un estilo cognitivo que sea entera y perfectamente lgico... (Kaplan, 1964).

Reconocido el carcter didctico de la lgica reconstruida, segn la expresin del

epistemlogo norteamericano citado, podemos distinguir tres momentos principales en

el proceso de investigacin: 1 ) uno de acercamiento inicial al tema y a la problemtica

existente en una cierta rea de inters; 2 ) otro segundo momento, representado por lapreparacin del proyecto de investigacin; y 3 ) un tercer momento, en el cual se realiza

o ejecuta la investigacin, es decir, se pone en prctica el proyecto de investigacin.

Como se ha recordado, toda investigacin se propone crear conocimiento sobre un

cierto aspecto objeto de la realidad social. Esa intencin no es posible de realizar a partir

de la nada. Muy por el contrario, el investigador debe conocer y tomar en cuenta la

existencia de un conjunto de conocimientos ya acumulados, producto de un largo

proceso de avances y retrocesos en el cual han intervenido otros investigadores dentro

de una tradicin cientfica en la cual se encuentran teorizaciones, propuestas

metodolgicas y resultados con mayores o menores niveles de confirmacin.

Cuando un investigador decide hacer un nuevo estudio, no solo se basa en sus

investigaciones anteriores, sino que debe conocer los trabajos de otros investigadores, lo

cual lo obliga a estar al da en la literatura pertinente, sea para comprobar resultados

presentados en ella o para proponerse otros problemas que se relacionan con su lnea de

trabajo y con la lnea de trabajo de la comunidad cientfica con la cual se identifica.

El proyecto de investigacin es el documento en el cual se sistematizan los

conocimientos de la fase de acercamiento al tema y problemtica de la investigacin por

realizar y se agregan otros menos o no tratados anteriormente. De manera convencional,

el proyecto de investigacin comprende los componentes y tareas que se indicarn en


5/32


cada uno de ellos: (1) Planteamiento del problema de investigacin, (2) Marco

conceptual del problema, (3) Objetivos de la investigacin, (4) Finalidades, (5) Diseo

metodolgico, (6) Cronograma de trabajo.

Una vez que se ha terminado y revisado el proyecto de investigacin, el investigador

est en condiciones de iniciar la ejecucin del proyecto. Esta ejecucin implica cumplir

las etapas y tareas all especificadas como son la preparacin del marco poblacin con el

cual se trabajar, la seleccin del tipo de muestra que se va a emplear y determinacin

de su tamao, la elaboracin de los instrumentos que se utilizarn en la recoleccin de

informacin, la revisin de la informacin recogida, la codificacin de la informacin

recogida y revisada de acuerdo con un cdigo previamente preparado, la preparacin deun plan de anlisis de acuerdo con los objetivos de la investigacin, la preparacin de la

estructura del informe, anlisis e interpretacin de los resultados, y la redaccin del

informe definitivo.


6/32


5.3. Ecuaciones estructurales

En la actualidad los investigadores se ven obligados a recoger un gran nmero de

medidas para poder captar de forma adecuada la complejidad de los fenmenos de lasciencias sociales. Para tratar con este conjunto de muestras se han implantado mtodos

multivariantes o multivariables, los cules permiten analizar simultneamente conjuntos

amplios de variables.

El principal impulso en la utilizacin de estos mtodos y tcnicas multivariantes ha sido

el desarrollo de los ordenadores personales que han permitido a los investigadores tratar

y analizar una gran cantidad de informacin simultneamente. Su aparicin hacolaborado al desarrollo de paquetes de software que permiten implementar con cierta

facilidad los complejos y numerosos clculos que demandan estas tcnicas.

El nmero de mtodos y tcnicas multivariantes que se utilizan en las ciencias sociales

es bastante amplio. Entre las ms comunes destacan la regresin mltiple, el anlisis

factorial, el anlisis multivariante de la varianza, y el anlisis discriminante entre otras

tcnicas. Cada una de estas tcnicas es una poderosa herramienta a la hora de tratar un

amplio abanico de cuestiones prcticas y tericas, sin embargo todas las mencionadas

tienen una limitacin en comn: slo pueden examinar una relacin al mismo tiempo.

La tcnica del modelo de ecuaciones estructurales se considera una extensin de varias

tcnicas multivariantes como la regresin mltiple, el anlisis factorial principalmente y

el anlisis de senderos. El modelo de ecuaciones estructurales abraca una familia entera

de modelos conocidos por muchos nombres, entre ellos anlisis de la estructura de

covarianza, anlisis de variable latente, anlisis factorial confirmatorio e incluso anlisis

LISREL63.

63 LISREL es una de las aplicaciones ms conocidas para el desarrollo de modelos de ecuaciones

estructurales, y desarrollado por Jreskog y Sborm.


7/32


5.3.1. Caractersticas de los modelos de ecuaciones estructurales

Los modelos de ecuaciones estructurales se caracterizan por dos elementos:

1. Estimacin de relaciones de dependencias mltiples y cruzadas, y

2. La capacidad de representar conceptos no observados en estas relaciones y teneren cuenta el error de medida en el proceso de estimacin.

La diferencia ms observable entre los sistemas de ecuaciones estructurales y las otras

tcnicas de anlisis multivariante es la capacidad de analizar relaciones para cada

subconjunto de variables. Adems de permitir interrelaciones entre algunas variables de

estos subconjuntos.

Los sistemas de ecuaciones estructurales permiten, adems de estimar relaciones

mltiples, introducir conceptos o variables latentes64 al anlisis, mientras que las que

estas interrelaciones establecidas fortalecen las correlaciones utilizadas. De esta manera

se puede realizar estimaciones ms precisas de los coeficientes estructurales.

5.3.2. Estrategias de modelizacin

La flexibilidad de los sistemas de ecuaciones estructurales permite a los investigadores

utilizar la tcnica de mltiples formas y en funcin de los objetivos a conseguir. Sin

embargo el investigador debe seleccionar al inicio de la investigacin que estrategia65

quiere seguir para alcanzar su propsito.

Existen tres estrategias que un investigador puede adoptar en la utilizacin de sistemas

de ecuaciones estructurales:

1. La estrategia de modelizacin confirmatoria,

2. La estrategia de modelos rivales, y

3. La estrategia de desarrollo del modelo.

64Una variable latente es un concepto supuesto y no observado que slo puede ser aproximado mediante

variables medibles u observables.65El trmino estrategia hace referencia a un plan de accin orientado a la consecucin de los resultados.


8/32


La aplicacin ms directa de los modelos de ecuaciones estructurales es una estrategia

de modelizacin confirmatoria, donde el investigador especifica un modelo aislado y el

modelo de ecuaciones estructurales se utiliza para evaluar su significacin estadstica.

La estrategia de modelos rivales permite evaluar el modelo estimado con modelos

alternativos. En muchas ocasiones el investigador se encuentra con modelos alternativos

para representar una misma situacin sin conocer cul proporciona un nivel de ajuste

mejor. Esta estrategia proporciona las lneas bsicas para realizar este comparacin y

seleccionar el ms idneo.

La estrategia de desarrollo del modelo difiere de las dos anteriores estrategias en queaunque se propone un modelo, el propsito del esfuerzo de modelizacin es mejorarlo a

travs de modificaciones de los modelos de medida y/o estructurales. El investigador

que sigue esta estrategia intenta reespecificar un modelo bsico de teora para encontrar

uno nuevo.

5.3.3. Fases de un modelo de ecuaciones estructurales

La Figura 5. 1 resume las distintas fases en la obtencin de un modelo de ecuaciones

estructurales. Comienza con la definicin de un modelo terico, el cul se intentar

contrastar estadsticamente, y finaliza con una verificacin parcial o global del

modelo.

La falta de confirmacin de una o varias hiptesis establecidas en la elaboracin del

modelo de ecuacin estructural conlleva a la modificacin de este, manteniendo un

significado lgico-sustantivo, adems de una significatividad estadstica. Toda

modificacin del modelo inicial lleva forzosamente a la repeticin de todo el anlisis

estadstico.

El proceso de anlisis acaba en el momento en que se consigue un modelo con un nivel

de ajuste global o parcial igual o superior al establecido por el investigador.


9/32


10/32


en la investigacin del comportamiento. La fuerza y la conviccin con que el

investigador asume la causacin entre dos variables no descansan en los mtodos

analticos escogidos sino en la justificacin terica ofrecida por los anlisis.

El problema de error de especificacin, caracterizado por la omisin de una o ms

variables predictivas claves, es el ms crtico en el desarrollo de modelos de

fundamentacin terica. La consecuencia de omitir una variable significativa consiste

en sesgar la evaluacin de la importancia de otras variables.

El modelado de ecuacin estructural incluye dos submodelos o componentes:

1.

El modelo estructural (o de variables latentes), y2. El modelo de medicin.

5.3.4. El modelo estructural

El modelo estructural es aquel componente del modelo general que describe relaciones

causales entre variables latentes. Las relaciones entre las variables observadas se

incluyen cuando estas variables no actan como indicadores de las variables latentes.

Las ecuaciones estructurales lineales representan las relaciones estructurales

representando la lnea de causalidad entre las variables latentes. endgenas. Hay tantas

ecuaciones como constructos endgenos que sean explicados por otras variables

exgenas (latentes u observadas).

La estructura de las ecuaciones estructurales lineales es la siguiente:

B ++=

Donde:

(eta) es un vector p X1 de variables endgenas latentes (las predoctoras o

variables no explicadas por otras incluidas en el modelo).

(xi) es un vector q X1 de variables exgenas latentes (las predoctoras o

variables no explicadas por otras incluidas en el modelo).


11/32


(gamma) es una matriz p X q de coeficientes (ij) que relacionan las

variables latentes exgenas () con las endgenas () o variables a explicar.

Indican que una unidad de cambio en la variable exgena i resulta en un

cambio en jijunidades, manteniendo todas las otras variables constantes.Este coeficiente estructural se interpreta, al igual que ij como efectos

directos en las variables endgenas.

(beta) es una matriz q X q de coeficientes que relacionan las variables

latentes endgenas entre s. Cada ij indica una unidad de cambio en la

variable endgena i, manteniendo todas las dems variables constantes.

Para cada efecto hipotetizado de una variable latente endgena en otra, de las

mismas caractersticas, se tendr un coeficiente estructural ij. (zeta) es un vector q X1 de errores o trminos de perturbacin. Indican

que las variables endgenas no son perfectamente predichas por las

ecuaciones estructurales. Se supone que no existe correlacin entre los

errores y las variables exgenas.

5.3.5. Representacin grfica de los modelos de ecuaciones estructurales

La representacin mediante un grfico de sendero es muy usual en el modelado de

ecuaciones estructurales, sin embargo existen convenciones para su realizacin. Segn

la notacin LISREL66, las variables observadas se representan con un cuadro. Estas

variables pueden ser indicadores de variables latentes en el modelo de medicin. En el

modelo estructural pueden igualmente ser variables independientes (exgenas) o

dependientes (endgenas), cuando stas son observadas y no latentes. En este caso, se

representaran en un cuadrado en lugar de un crculo.

Las variables latentes son representadas a travs de un crculo o de una elipse, aunque

los errores de prediccin en el modelo estructural y de medicin en el modelo de

medicin pueden no aparecer en un crculo.

66La notacin LISREL es hasta la fecha la representacin ms ampliamente aceptada (Bollen, 1998: 8).


12/32


Las flechas rectas y unidirecciones indican relaciones causales entre las variables

exgenas () y las variables endgenas (). Por este motivo es imposible encontrar que

una flecha termine en una variable exgena.

Las correlaciones son representadas a travs de flechas bidireccionales y curvas,

mientras que las lneas discontinuas indican senderos no significativos. A cada flecha de

la representacin se le asocia un coeficiente: ij(X), ij

(Y), ij, ij, ij, ij, ij(), ij

().

La falta de flecha entre os variables significa que dichas variables no estn directamente

relacionadas, aunque indirectamente puedan estarlo.

5.3.6. El modelo de medicin

Para especificar el modelo de medicin del sistema de ecuaciones estructurales, se hace

una transicin desde el anlisis factorial, en el que el investigador no tiene el control

sobre qu variables describen cada factor, a un modo confirmatorio, en el que el

investigador especifica qu variables definen cada constructo.

Por lo tanto, el modelo de medicin representa las relaciones de las variables latentes (o

constructor) con sus indicadores (o variables empricas). Para cada constructo que

aparezca en el modelo es necesario determinar cules sern sus indicadores. Estas

variables latentes son variables no observadas, que resultan de las covarianzas entre dos

o ms indicadores. Son las que representan a los conceptos en los modelos de medicin.

El objetivo fundamental del modelo de medicin es corroborar la idoneidad de los

indicadores seleccionados en la medicin de los constructos de inters. La estructura

general de las relaciones entre las variables latentes y sus indicadores se describen de la

siguiente forma:

X X +=

Donde:


13/32


X es un vector p X1 de variables observadas independientes o exgenas.

Aquellas que no son explicadas por otras variables incluidas en el modelo.

p es el nmero de indicadores de .

(xi) es un vector q X1 de variables exgenas latentes.X (lambda) es una matriz p Xm de pesos factoriales (o factores de carga:

i) que relacionan las variables manifiestas X con las latentes . m

expresa el nmero de variables latente . Los coeficientes lambda

representan las influencias lineales de las variables latentes en los

indicadores.

" (delta) es un vector p X 1 de errores de medicin. Convencionalmente,

cada indicador se representa siendo tambin influido por un trmino de error.El modelo de medicin asume que los errores estn incorrelacionados entre

s y con respecto a .

La ecuacin del modelo de medicin mide la relacin entre variables exgenas latentes

y manifiestas. Las interrelaciones entre las variables latentes se indican mediante sus

covarianzas. Las relaciones de las variables latentes con sus indicadores se definen

como direccionales, de cada variable latente a su manifiesta, y no a la inversa.

Para las variables endgenas existe un modelo de medicin, cuando el modelo incluye

variables latentes dependientes (o endgenas) medidas mediante uno o varios

indicadores (Yi). en este caso, las relaciones entre las variables endgenas latentes y las

manifiestas se describen con la ecuacin:

Y Y +=

Donde:

Y es un vector q X1 de variables observadas dependientes.

Y es una matriz q X n de coeficientes factoriales de Y en las variables

endgenas latentes . n identifica el nmero de . Esta matriz muestra

las relaciones de a Y.

(psilon) es un vector q X1 de errores de medicin (o factores nicos)

de los indicadores endgenos Yi.


14/32


El modelo de ecuaciones estructurales es e resultado de la combinacin del modelo

estructural y del modelo de medicin de cuyo resultado aparece un modelocomprehensivo de relaciones entre variables endgenas y exgenas, latentes y

manifiestas.

5.3.7. Eleccin de la matriz de entrada

El modelado de ecuaciones estructurales se diseo para analizar matrices de varianza-

covarinza, sin embargo tambin es posible utilizar matrices de correlacin

67

comoocurre en otras tcnicas multivariantes como en el anlisis de regresin o en el anlisis

factorial.

La utilizacin de matrices de correlacin favorece la comparabilidad de los coeficientes

estructurales y colabora a la interpretacin de los resultados, en especial si la intencin

es comprender el modelo de relaciones entre los constructos. En cambio, si el objetivo

de la investigacin es comparar muestras o poblaciones diferentes en lugar de comparar

distintas variables de una misma muestra es ms adecuado utilizar las matrices de

varianzas-covarianzas.

El uso de matrices e correlacin comportan tres posibles consecuencias negativas a la

utilizacin de la tcnica: (1) la modificacin del modelo que se analiza, (2) la

generacin de valores de 2y de otras medidas de bondad de ajustes incorrectos, y (3) la

obtencin de errores tpicos incorrectos.

5.3.8. La estimacin del modelo

Una vez los modelos estructurales y de medida han sido definidos y formulados, es

necesario elegir cmo se estimar el modelo. En el caso de los modelos de ecuaciones

estructurales hay varias tcnicas y procesos a elegir.

67La matriz de correlaciones es la matriz de varianzas-covarianzas estandarizada.


15/32


Los primeros modelos de ecuaciones estructurales utilizaban la regresin de los

mnimos cuadrados ordinarios (OLS) para su estimacin. Sin embargo, rpidamente

aparecieron nuevas estimaciones que la superaban como la de mximo verosmil(MLE), que es eficiente y no sesgada cuando se cumplen los supuestos de normalidad

multivariante. La sensibilidad de la estimacin de mximo verosmil a la normalidad

condujo a nuevos mtodos como los mnimos cuadrados ponderados (WLS), los

mnimos cuadrados no ponderados (ULS), los mnimos cuadrados generalizados (GLS)

y el asintticamente libre de distribucin (AGL).

Adems de la tcnica de estimacin empleada, es necesario elegir entre varios procesosde estimacin. Estos procesos van desde la estimacin directa del modelo, que es

similar a la utilizada en la mayora de tcnicas multivariantes, a mtodos que generan

miles de estimaciones del modelo para las cuales se obtienen resultados finales del

modelo. Algunos de estos procesos son: la estimacin directa, el bootstrapping, la

simulacin y el anlisis de jacknife.

La estimacin directa es el proceso de estimacin ms habitual, en el cual se estima

directamente un modelo con un procedimiento de estimacin elegido. Los otros tres

procesos de estimacin el bootstrapping, la simulacin y el anlisis de jacknife no

descansan en un nico modelo de estimacin sino en estimaciones del parmetro

calculado y sus intervalos de confianza basados en estimaciones mltiples.

5.3.9. La evaluacin del modelo

Esta seccin trata de mostrar distintas tcnicas de analizar el ajuste global del modelo de

ecuaciones estructurales a travs de ndices. Para facilitar la comprobacin de la

equivalencia entre las matrices de varianzas-covarianzas observada y predicha, o el

ajuste global, existe una amplia variedad de estadsticos.

Existen tres grupos genricos de ndices globales: los ndices de ajuste absoluto, los

ndices de ajuste incremental y los ndices de ajuste parsimonia.


16/32


Los ndices de ajuste absoluto miden el ajuste global del modelo, considerando las

diferencias entre la matriz de varianzas y co-varianzas observada y predicha (matriz

residual). De los ndices incluidos en este grupo genrico, el de mayor aplicacin es elndice de razn de verosimilitud 2, el nico que proporciona una prueba de

significatividad estadstica.

Otros ndices de ajuste global son el de bondad de ajuste similar al ndice de razn de

verosimilitud 2pero sin la dependencia respecto al tamao de la muestra observada ,

la raz cuadrada de la media de residuos cuadrados o el ndice de centralidad.

Los ndice de ajuste incremental no comparan las matrices de varianza-covarianza (o de

correlacin) observada o predicha, sino que comparan el ajuste del modelo propuesto

con un modelo base especificado a priori por el investigador. El modelo base suele

referirse como modelo nulo o modelo de independencia. Entre los ndices ms

utilizados de ajuste incremental est el ndice de Tucker-Lewis, el ndice de ajuste

relativo, el ndice de ajuste normado, el ndice de ajuste incremental, el ndice de ajuste

comparativo o el ndice de centralidad relativa.

Los ndices de ajuste de parsimonia relacionan la bondad de ajuste del modelo con el

nmero de coeficientes estimados. El propsito es equilibrar la bondad de ajuste con la

parsimonia o simplicidad: incluir los menos parmetros posibles. Un modelo es de

elevada parsimonia cuando tiene relativamente pocos parmetros y, en cambio, muchos

grados de libertad. Para ello su tamao muestral ha de ser elevado. Entre los ndices de

ajuste de parsimonia ms utilizados estn el ndice de ajuste parsimonioso, el 2

cuadrado, el ndice de bondad de ajuste ajustado, el ndice de bondad de ajuste de

parsimonia, el error de la raz cuadrada media de aproximacin, el criterio de

informacin de Akaike, y el estadstico N crtico.


17/32


5.4. Modelo estructural del objeto de investigacin

En el siguiente apartado se presentar el modelo estructural y el modelo de medicin a

del sistema de ecuaciones estructurales travs de distintas representaciones, comogrficos de sendero, ecuaciones o formas matriciales.

5.4.1. El modelo estructural

Tal y como se ha definido en el cuarto captulo de la presente tesis doctoral, los dos

objetos de investigacin la estructura organizativa y el constructo capacidad de

absorcin pueden ser analizados a travs de sus componentes o dimensiones.

El objetivo de la investigacin de la tesis es averiguar cmo la estructura organizativa

afecta a cada una de las fases del constructo capacidad de absorcin. La Figura 5. 2

incluye la ilustracin del modelo estructural mediante un diagrama de sendero de tres

variables latentes exgenas y cuatro endgenas.

El modelo de la Figura 5. 2 establece que la variable latente endgena Adquisicin (1)

est causalmente relacionada con las tres variables latentes exgenas Centralizacin

(1), Formalizacin (2) y Complejidad (3). Estas tres variables latentes no logran

explicar perfectamente la Adquisicin, por lo que se incluye el trmino de perturbacin

1.

Por su parte, la variable endgena latente Asimilacin (2) se encuentra relacionada

causalmente con otras cuatro variables latentes. Tres de ellas exgenas y una endgena.

La variable latente endgena es la Adquisicin (1), y est relacionada a travs del

coeficiente 12, mientras que las variables latentes exgenas son la Centralizacin (1),

la Formalizacin (2) y la Complejidad (3). Tambin se incluye el trmino de

perturbacin 2.

Paralelamente, las variables endgenas Transformacin (3) y Explotacin (4) estn

causalmente relacionadas con tres variables latentes exgenas Centralizacin (1),


18/32


Formalizacin (2) y Complejidad (3), y una variable latente endgena Asimilacin (2)

y Transformacin (3) respectivamente.

Figura 5. 2. Modelo estructural del objeto de investigacin

Centralizacin

1

Formalizacin

2

Complejidad

3

Adquisicin

1

Asimilacin

2

Transformacin

3

Explotacin

4

11

21

31

41

1222

42

32

13

23

43

33

12

23

34

1

2

3

4

Fuente propia

A continuacin se presenta las ecuaciones estructurales del modelo anterior, siguiendo

la anotacin de la Figura 5. 2.

13132121111 +++=

23232221211122 ++++=


19/32


33332321312233 ++++=

43432421413344 ++++=

5.4.2. El modelo de medicin de las variables latentes exgenas

El modelo de medicin de las variables exgenas incluye las relaciones entre estas

variables con sus indicadores o variables empricas. Para representar las tres

dimensiones o variables latentes exgenas se han utilizado seis variables empricas, que

se caracterizan por haber sido utilizadas con asiduidad y aceptadas por la comunidad

cientfica en varias ocasiones.

La Figura 5. 3 muestra la representacin grfica del modelo de medicin de las

variables exgenas, segn la convencin introducida en las secciones anteriores del

presente captulo.

A continuacin se introduce cada una de las variables empricas de dicho modelo:

La dimensin formalizacin es medida usando las escalas diseadas por el grupo Astonpara evaluar las variables especializacin(SPEC) yformalizacin(FORMAL) (Inkson,

Pugh, y Hickson, 1970; Pugh y Hickson, 1976), adems de la variable control

(CONTROL) desarrollada por Khandwalla (1974).

La dimensin complejidad se mide a travs de dos variables empricas: la diferenciacin

vertical o niveles de autoridad(VERT SPAN) y el nmero de centros de operaciones.

Ambas variables tambin fueron creadas y escaladas por el grupo Aston.

Finalmente, la dimensin centralizacin es medida a travs de una variable observable

(CENT) definida tambin por el grupo Aston.

La anterior definicin de las dimensiones y de las variables estructurales del modelo de

medicin se basa en la realizada por Miller y Drge (1986) en su investigacin de las


20/32


estructuras organizativas basndose en la personalidad del director general de una

empresa.

Figura 5. 3. Modelo de medicin de las variables latentes exgenas

Centralizacin1

Formalizacin2

Complejidad3

CENTX1

FORMALX2

CONTROLX3

SPECX4

NCENX5

DIFVX6

1

2

3

4

5

6

X11

X22

X32

X42

X53

X63

Fuente propia

A continuacin se presenta las ecuaciones estructurales del modelo de medicin

anterior, siguiendo la anotacin de la Figura 5. 3:

11X111 X +=


21/32


22/32


como lo propone Zahra y George (2002). Adems se complementa con una segunda

variable como es el nmero de proyectos de investigacinen marcha (PROY).

La asimilacin es la dimensin ms compleja de medir debido a su naturaleza tcita. Sinembargo, se han seguido las indicaciones de Cockburn y Henderson (1998), o Zahra y

George (2002) de cuantificarla a travs del nmero de publicaciones internas y externas

realizadas por una organizacin (PUBLIC).

La transformacin es medida a travs del nmero de nuevas ideas o proyectos iniciados

recientemente (NPROY) dentro de la organizacin, tal y como Leonard-Barton (1995)

propuso y llev a cabo en sus investigaciones.

Por ltimo, la dimensin explotacin es representada a travs del nmero de nuevos

productos o servicios que una empresa llega a comercializar en un ao (NPROD).

Adems se incluye el nmero de patentes, licencias y modelos de utilidad (PAT) que

han sido registrados, y por lo que una organizacin puede obtener nuevos beneficios.

La Figura 5.4 muestra la representacin grfica del modelo de medicin de las variables

endgenas, segn la convencin introducida en las secciones anteriores del presente

captulo.

A continuacin se presenta las ecuaciones estructurales del modelo de medicin

anterior, siguiendo la anotacin de la Figura 5. 4:

11Y111 Y +=

21Y212 Y +=

32Y323 Y +=

43Y434 Y +=

54Y545 Y +=

64Y646 Y +=


23/32


Figura 5. 4. Modelo de medicin de las variables latentes endgenas

Adquisicin1

Asimilacin2

Transformacin3

Explotacin4

12

23

34

GASTO

Y1

PROYY2

PUBLICY3

NPROYY4

PAT

Y5

NPRODY6

1

2

3

4

5

6

Y11

Y21

Y32

Y43

Y54

Y64

Fuente propia

Debido a la gran cantidad de variables y ecuaciones que acostumbran a surgir, es comn

representar las ecuaciones del modelo de medicin en forma matricial, como se presentaa continuacin:

+

=

6

5

4

3

2

1

4

3

2

1

Y64

Y54

Y43

Y32

Y21

Y11

6

5

4

3

2

1

000

000

000

000

000

000

Y

Y

Y

Y

Y

Y


24/32


25/32


Figura 5. 5. Modelo de ecuaciones estructurales

Fuente propia


26/32


5.5. Metodologa en el diseo del cuestionario para la captacin de datos

Tras desarrollar el modelo de ecuaciones estructurales en la seccin anterior, se debe

proceder a la obtencin de informacin primaria cuantitativa para el anlisis del modelo.Con este objetivo se procede al desarrollo de un cuestionario para la captacin de dicha

informacin.

5.5.1. Seleccin del tipo de entrevista

Antes de desarrollar el cuestionario es necesario seleccionar el modelo de entrevista que

se va a realizar: personal, telefnica, por correo, virtual, etc. La seleccin de una u otracondicionar la extensin, profundidad, as como el tipo de preguntas que se podrn

plantear en el cuestionario.

Por el tipo de informacin que se necesita, se ha seleccionada la encuesta por correo

electrnico, y la encuesta virtual como una alternativa. Las caractersticas principales de

este tipo de entrevistas son un reducido coste, un alto grado de comodidad y

accesibilidad, as como el nulo nmero de errores de trascripcin.

Por el contrario, se tiene que vigilar con la duracin de la encuesta ya que la falta de un

entrevistador y una baja implicacin por parte del entrevistado pueden llevar a que no se

realice. Segn Francisco Jos Sarabia (1999), en encuestas virtuales o por correo

electrnico el tiempo mximo aconsejable para la realizacin son diez minutos. Adems

hay que constatar que existe un bajo control de las respuestas en este tipo de entrevistas.

5.5.2. Estructura del cuestionario

De la misma manera que el modelo estructural expuesto en el presente captulo, el

cuestionario est estructurado en dos partes: la relacionada con la estructura

organizacional, y la relacionada con el constructo capacidad de absorcin.


27/32


5.5.3. Cuestionario sobre la estructura organizativa

Por la naturaleza de las variables observables o empricas del modelo de medicin de las

variables exgenas se necesita tanto escalas simples o naturales como escalas

compuestas.

Para la formacin de escalas compuestas existe gran cantidad de tcnicas como la

diferencial semntico, la aditiva de Likert, el formato Stapel, la suma constante o la

tcnica de comparacin-par Thurstone Las dos primeras tcnicas se caracterizan por

facilitar la administracin de las respuestas y por un bajo tiempo necesario para

responderlas. Por estos motivos, se han elegido la tcnica aditiva de Likert y la

diferencial semntico.

La utilizacin de la tcnica aditiva de Likert presupone que la variable o indicador que

se est midiendo viene dada por la suma de los valores obtenidos en cada proposicin o

tem elegido. Esta tcnica utiliza una categorizacin del continuo actitudinal, graduada

segn la intensidad, que debe ser indicada por el sujeto cuestionado.

En cambio, la tcnica diferencial semntica se utiliza cuando el objetivo es medir

conceptos o fenmenos, bajo el supuesto de que no son independientes de la reacciones

de los sujetos. Este mtodo, desarrollado por Osgood y Tannenbaum, suele ofrecer altas

cotas de fiabilidad y validez cuando est bien construido. Su aplicacin necesita de la

existencia de adjetivos que califiquen al objeto, de forma que cada adjetivo muestra una

dimensin.

Para medir la variable observable CENT se utiliza once cuestiones que conciernen a

distintas situaciones dentro de una organizacin en donde se tiene que decidir qu

persona o grupo de personas tienen la autoridad necesaria para tomar una decisin sobre

ellas. La categorizacin de la escala utilizada oscila entre el consejo de administracin

hasta los operarios, pasando por los distintos niveles jerrquicos de la empresa.


28/32


La variable observable CONTROL es medida a travs de cuestiones sobre la frecuencia

de uso de cinco dispositivos de control diferentes. En este caso se ha utilizado una

escala basada en la tcnica diferencial semntico.

La variable observable FORMAL representa el nivel de formalizacin de la empresa y

es medida mediante once cuestiones que se caracterizan por tener respuestas binarias (S

No). De la misma forma, la variable ESP se utiliza para medir el nivel de

especializacin de la organizacin a travs de diecisis cuestiones con respuestas

binarias.

Las dos ltimas variables NCEN y DIFV representan el nmero de centros deoperaciones y el nmero de niveles que hay en una organizacin respectivamente.

Ambas variables son escaladas a travs de una escala simple.

La elaboracin de presente cuestionario sobre estructuras organizativas est basada en la

realizada por Miller y Drgue en 1986. Ambos autores realizaron dicho cuestionario

como mecanismo para evaluar las estructuras organizativas de una gran cantidad de

empresas a finales de los aos ochenta. Sus publicaciones basadas en este cuestionario

han recibido ms de seiscientas citaciones desde su publicacin segn el Social Science

Citation Index.

5.5.4. Cuestionario sobre la capacidad de absorcin

En contraposicin al cuestionario sobre estructuras organizativas, no existe ningn

cuestionario para evaluar el constructo capacidad de absorcin. Hasta la actualidad,

cada investigador ha cuantificado el constructo segn sus necesidades.

Para captar la informacin necesaria para cuantificar el constructo capacidad de

absorcin, se ha utilizado escalas simples para cada una de las variables observables o

empricas definidas previamente.


29/32


5.5.5. Presentacin del cuestionario

Como se ha especificado en las secciones anteriores, se ha realizado el cuestionario

sobre dos formatos diferentes:

A travs de una pgina Web, y A travs de un formulario realizado con MS Word (ver Anexo 1).

El cuestionario realizado sobre pgina Web ha sido diseado y desarrollado en HTML,

y proporciona la opcin de enviar la informacin directamente a una base de datos para

procesarla posteriormente.

En cambio, el cuestionario en formato MS Word no est enlazado directamente a labase de datos del investigador, por lo que el encuestado debe reenviar el archivo

resultante por e-mail al investigador. Posteriormente se tendr que introducir los

resultados de la encuesta a la base de datos uno por uno.

Este segundo mtodo tiene el inconveniente de introducir la posibilidad de errores de

trascripcin del formulario a la base de datos, pero debido a la infraestructura de ciertas

organizaciones se ha credo conveniente realizarlo en paralelo para poder acceder a un

mayor nmero de empresas.


30/32


5.6. Seleccin de la muestra

La finalidad de cualquier anlisis estadstico no se limita a la descripcin de los casos de

los que se ha recogido informacin. stos constituyen la muestra de la investigacin.Ante todo, se quiere describir, a partir de las caractersticas observadas en la muestra, al

conjunto de la poblacin a la que sta pertenece.

Respecto al tamao de la muestra, su cuanta incide directamente en la reduccin del

error de estimacin y en la consiguiente significatividad de los resultados del anlisis.

Por este motivo, se precisa que el tamao de la muestra sea lo ms elevado posible, para

favorecer la significatividad de los estadsticos maestrales.

En los modelos de ecuaciones estructurales se barajan distintos ratios mnimos de

observaciones precisas por cada variable independiente introducida al anlisis. Afifi y

Clark (1990) establecieron que el ratio mnimo deba estar entre 5 y 10 veces ms casos

que variables predoctoras.

Segn el tipo de estimacin utilizado en el anlisis del modelo, el mnimo nmero de

muestras necesarias para obtener una significatividad razonable vara. El procedimiento

de estimacin de parmetros de mxima verosimilitud precisa de un tamao muestral

mnimo de 100 unidades. Con otros puede aumentar hasta 200 unidades e incluso

superior el millar de muestras.


31/32


Bibliografa

Afifi, A. A. y Clark, V. (1990). Computer-aided multivariate analysis. Chapman &

Hall: Nueva York.Batista, J. M. y Coenders, G. (2000).Modelos de ecuaciones estructurales. La Muralla:

Madrid.

Cea, M. A. (2002).Anlisis multivariable. Teora y prctica en la investigacin social.

Editorial Sntesis: Madrid.

Cockburn, I., & Henderson, R. (1998). Absorptive capacity, coauthoring behaviour,

and the organization research in drug discovery,Journal of Industrial Economics, 46,

pp. 157-183.Cohen, W. M., y Levinthal, D. A. (1990). Absorptive capacity: A new perspective on

learning and innovation,Administrative Science Quarterly, 35, pp. 128-153.

Hoel, P. G. y Jessen, R. J. (1993). Estadstica bsica para negocios y economa.

CECSA: Azcapotzalco.

Inkson, J.H.K, Pugh, D.S. y Hickson D.J. (1970). Organization context and structure -

abbreviated replication.Administrative science quarterly, 15, pp. 318-329.

Leonard-Barton, D. (1995). Wellsprings of knowledge. Boston: Harvard Business

School Press.

Jreskog, K. G. (1993).Modelado de ecuaciones estructurales. Euskadiko: Guipzcoa.

Kaplan, A. (1964). The conduct of inquiry. Chandler: San Francisco.

Khandwalla P. N. (1974). Mass output orientation of operations technology and

organizational structure,Administrative Science Quarterly, 19, pp. 74-79.

Miller, D., & Drge, C. (1986). Psychological and traditional determinants of

structure,Administrative Science Quarterly,31, pp. 539-560.

Miller, D. (1987). Strategic making and structure: analysis and implications for

performance,Academy of Management Journal,30, pp. 7-32.

Miller, D., Drge, C., & Toulouse, J. M. (1988). Strategic process and content as

mediators between organizational context and structure, Academy of Management

Journal,31, pp. 544-569.

Pugh D.S. y Hickson D.J. (1976). Organizational structure in its context. Westmead,

Farnborough: Saxon House.


32/32


Sarabia, F. J. (1999). Metodologa para la investigacin en marketing y direccin de

empresas. Ediciones Pirmide: Madrid.

Zahra, S. A., & George, G. (2002). Absorptive capacity: a review, reconceptualization,

and extension,Academy of Management Review, 27, pp. 185-203.

Tesis_Ecuaciones_Estructurales

Documents

Transcript of Tesis_Ecuaciones_Estructurales