La invariancia de la medición o la equivalencia de la medición es una propiedad estadística de la medición que indica que se está midiendo el mismo constructo en algunos grupos específicos. [1] Por ejemplo, la invarianza de medición se puede utilizar para estudiar si una determinada medida es interpretada de una manera conceptualmente similar por encuestados que representan diferentes géneros o antecedentes culturales. Las violaciones de la invariancia de la medición pueden impedir una interpretación significativa de los datos de la medición. Las pruebas de invarianza de medición se utilizan cada vez más en campos como la psicología para complementar la evaluación de la calidad de la medición arraigada en la teoría clásica de las pruebas . [1]
La invariancia de la medición a menudo se prueba en el marco del análisis factorial confirmatorio de grupos múltiples (AFC). [2] En el contexto de los modelos de ecuaciones estructurales , incluido el AFC, la invariancia de medición a menudo se denomina invariancia factorial . [3]
Definición
En el modelo de factor común , la invariancia de medición se puede definir como la siguiente igualdad:
dónde es una función de distribución, es una puntuación observada, es una puntuación de factor y s denota pertenencia a un grupo (p. ej., caucásico = 0, afroamericano = 1). Por lo tanto, la invarianza de medición implica que, dada la puntuación factorial de un sujeto, su puntuación observada no depende de la pertenencia a su grupo. [4]
Tipos de invariancia
Se pueden distinguir varios tipos diferentes de invariancia de medición en el modelo de factor común para resultados continuos: [5]
- 1) Forma igual : el número de factores y el patrón de relaciones factor-indicador son idénticos en todos los grupos.
- 2) Cargas iguales : las cargas factoriales son iguales en todos los grupos.
- 3) Intercepciones iguales : cuando las puntuaciones observadas se retroceden en cada factor, las intersecciones son iguales en todos los grupos.
- 4) Varianzas residuales iguales : Las varianzas residuales de las puntuaciones observadas no contabilizadas por los factores son iguales en todos los grupos.
La misma tipología se puede generalizar al caso de resultados discretos:
- 1) Forma igual : el número de factores y el patrón de relaciones factor-indicador son idénticos en todos los grupos.
- 2) Cargas iguales : las cargas factoriales son iguales en todos los grupos.
- 3) Umbrales iguales : cuando las puntuaciones observadas se retroceden en cada factor, los umbrales son iguales en todos los grupos.
- 4) Varianzas residuales iguales : Las varianzas residuales de las puntuaciones observadas no contabilizadas por los factores son iguales en todos los grupos.
Cada una de estas condiciones corresponde a un modelo factorial confirmatorio de grupos múltiples con restricciones específicas. La sostenibilidad de cada modelo se puede probar estadísticamente mediante el uso de una prueba de razón de verosimilitud u otros índices de ajuste . Las comparaciones significativas entre grupos generalmente requieren que se cumplan las cuatro condiciones, lo que se conoce como invariancia de medición estricta . Sin embargo, la invariancia de medición estricta rara vez se cumple en el contexto aplicado. [6] Por lo general, esto se prueba mediante la introducción secuencial de restricciones adicionales a partir de la condición de forma igual y eventualmente procediendo a la condición de residuos iguales si el ajuste del modelo no se deteriora mientras tanto.
Pruebas de invariancia
Aunque es necesaria más investigación sobre la aplicación de varias pruebas de invariancia y sus respectivos criterios en diversas condiciones de prueba, dos enfoques son comunes entre los investigadores aplicados. Para cada modelo que se compara (p. Ej., Forma igual, intersecciones iguales), se estima iterativamente un estadístico de ajuste χ 2 a partir de la minimización de la diferencia entre las matrices de covarianza y media implícitas del modelo y las matrices de covarianza y media observadas. [7] Siempre que los modelos en comparación estén anidados, la diferencia entre los valores de χ 2 y sus respectivos grados de libertad de dos modelos de AFC de diferentes niveles de invariancia sigue una distribución de χ 2 (diff χ 2 ) y, como tal, se puede inspeccionar para determinar su importancia como una indicación de si los modelos cada vez más restrictivos producen cambios apreciables en el ajuste de los datos del modelo. [7] Sin embargo, existe alguna evidencia de que diff χ 2 es sensible a factores no relacionados con los cambios en las restricciones objetivo de invariancia (por ejemplo, tamaño de la muestra). [8] En consecuencia, se recomienda que los investigadores también utilicen la diferencia entre el índice de ajuste comparativo (ΔCFI) de dos modelos especificados para investigar la invariancia de medición. Cuando la diferencia entre los CFI de dos modelos de diferentes niveles de invarianza de medición (por ejemplo, formas iguales versus cargas iguales) es mayor que 0.01, entonces la invariancia es probablemente insostenible. [8] Se espera que los valores CFI que se restan provengan de modelos anidados como en el caso de la prueba diff χ 2 ; [9] sin embargo, parece que los investigadores aplicados rara vez toman esto en cuenta al aplicar la prueba CFI. [10]
Niveles de equivalencia
La equivalencia también se puede clasificar de acuerdo con tres niveles jerárquicos de equivalencia de medición. [11] [12]
- Equivalencia de configuración: la estructura factorial es la misma en todos los grupos en un análisis factorial confirmatorio multigrupo.
- Equivalencia métrica: las cargas de los factores son similares en todos los grupos. [11]
- Equivalencia escalar: los valores / medias también son equivalentes entre grupos. [11]
Implementación
Las pruebas de invariancia de medición están disponibles en el lenguaje de programación R . [13]
Ver también
Referencias
- ↑ a b Vandenberg, Robert J .; Lance, Charles E. (2000). "Una revisión y síntesis de la literatura de invariancia de medición: sugerencias, prácticas y recomendaciones para la investigación organizacional". Métodos de investigación organizacional . 3 : 4-70. doi : 10.1177 / 109442810031002 .
- ^ Chen, Fang Fang; Sousa, Karen H .; Oeste, Stephen G. (2005). "Prueba de la invarianza de la medición de modelos de factores de segundo orden". Modelado de ecuaciones estructurales . 12 (3): 471–492. doi : 10.1207 / s15328007sem1203_7 .
- ^ Widaman, KF; Ferrer, E .; Conger, RD (2010). "Invarianza factorial dentro de modelos de ecuaciones estructurales longitudinales: medir la misma construcción a lo largo del tiempo" . Perspectiva de desarrollo infantil . 4 (1): 10–18. doi : 10.1111 / j.1750-8606.2009.00110.x . PMC 2848495 . PMID 20369028 .
- ^ Lubke, GH; et al. (2003). "Sobre la relación entre las fuentes de diferencias dentro y entre grupos y la invariancia de medición en el modelo del factor común". Inteligencia . 31 (6): 543–566. doi : 10.1016 / s0160-2896 (03) 00051-5 .
- ^ Marrón, T. (2015). Análisis factorial confirmatorio para investigación aplicada, segunda edición. La prensa de Guilford.
- ^ Van De Schoot, Rens; Schmidt, Peter; De Beuckelaer, Alain; Lek, Kimberley; Zondervan-Zwijnenburg, Marielle (1 de enero de 2015). "Editorial: Invarianza de medición" . Fronteras en psicología . 6 : 1064. doi : 10.3389 / fpsyg.2015.01064 . PMC 4516821 . PMID 26283995 .
- ^ a b Loehlin, John (2004). Modelos de variables latentes: una introducción al análisis factorial, de ruta y de ecuaciones estructurales . Taylor y Francis. ISBN 9780805849103.
- ^ a b Cheung, GW; Rensvold, RB (2002). "Evaluación de índices de bondad de ajuste para probar la invariancia de medición". Modelado de ecuaciones estructurales . 9 (2): 233-255. doi : 10.1207 / s15328007sem0902_5 .
- ^ Widaman, Keith F .; Thompson, Jane S. (1 de marzo de 2003). "Sobre la especificación del modelo nulo para índices de ajuste incrementales en el modelado de ecuaciones estructurales". Métodos psicológicos . 8 (1): 16–37. CiteSeerX 10.1.1.133.489 . doi : 10.1037 / 1082-989x.8.1.16 . ISSN 1082-989X . PMID 12741671 .
- ^ Kline, Rex (2011). Principios y práctica del modelado de ecuaciones estructurales . Prensa de Guilford.
- ^ a b c Steenkamp, Jan-Benedict EM; Baumgartner, Hans (1 de junio de 1998). "Evaluación de la invarianza de la medición en la investigación de consumidores entre países". Revista de investigación del consumidor . 25 (1): 78–90. doi : 10.1086 / 209528 . ISSN 0093-5301 . JSTOR 10.1086 / 209528 .
- ^ Ariely, Gal; Davidov, Eldad (1 de septiembre de 2012). "Evaluación de la equivalencia de la medición con encuestas transnacionales y longitudinales en ciencias políticas" . Ciencia política europea . 11 (3): 363–377. doi : 10.1057 / eps.2011.11 . ISSN 1680-4333 .
- ^ Hirschfeld, Gerrit; von Brachel, Ruth (2014). "Mejora del análisis factorial confirmatorio de múltiples grupos en R - Un tutorial en invarianza de medición con indicadores continuos y ordinales" . Evaluación práctica, investigación y evaluación . 19 . doi : 10.7275 / qazy-2946 .