(#388). BÚSQUEDA DE SOLUCIONES: METODO DEL PUNTO FIJO Describimos brevemente la iteración de punto fijo como aproximación numérica para obtener una solución para una función no lineal

b388

[MONOTEMA] Continuamos buscando los ceros de una función con aproximaciones numéricas. Tras ver el método de la bisección vamos a continuar con el método del punto fijo. Lo haremos, como siempre, desde el punto de vista práctico, y siguiendo a Burden, Faires & Burden (2017). Función de partida Emplearemos la […]

Leer más

(#387). BÚSQUEDA DE SOLUCIONES: MÉTODO DE LA BISECCIÓN Describimos el método de la bisección como aproximación numérica para obtener una solución para una función no lineal

b387

[MONOTEMA] Vamos a comenzar una serie de posts sobre la búsqueda de soluciones  numéricas (también llamadas raíces o ceros)  para una función. El objetivo es que los alumnos de marketing se familiaricen con técnicas matemáticas y de computación que les ayuden a resolver problemas más complejos en el futuro. Para […]

Leer más

(#380). ÍNDICES APROXIMADOS FLEXIBLES EN ECUACIONES ESTRUCTURALES No se deben emplear criterios de corte fijos para índices aproximados (SRMR, CFI, TLI, RMSEA), sino flexibles en función de las características de cada modelo

b380

[REVISIÓN DE ARTÍCULO] En este artículo publicado en el Journal of the Academy of Marketing Science, los autores proponen desterrar definitivamente los umbrales para índices aproximados en ecuaciones estructurales, y a cambio emplear una perspectiva flexible, basada en los resultados de simulaciones para las condiciones de cada modelo especificado. Esos […]

Leer más

(#376). CAMPOS DIRECCIONALES, COMENZANDO A REPRESENTAR LA COMPLEJIDAD Definimos y representamos las guías sobre las que las trayectorias de las soluciones evolucionan

b376

[MONOTEMA] Avanzando un poco más en la introducción a la complejidad de los fenómenos sociales, los alumnos de marketing de GADE se pueden encontrar con la dificultad de enteder la representación de la dinámica de los sistemas acoplados, como el de Lotka-Volterra. Por ello, en este post vamos a comenzar […]

Leer más

(#373). PREDICCIONES CON BUENAS APROXIMACIONES Aproximaciones excelentes pueden proporcionar errores de cierta entidad. Si, además, no conseguimos llegar a encontrar el modelo adecuado y empleamos aproximaciones lineales, puede que los errores sean inaceptables.

b373

[MONOTEMA] En el contexto de gran incertidumbre en las ciencias sociales, los estudiantes de Administración de Empresas se introducen (sólo un poco) en diferentes técnicas de predicción. Sin embargo, es clave entender que, aunque se consigan buenas aproximaciones a las ecuaciones que rigen un modelo de predicción, el resultado final […]

Leer más

(#366). MODELO DE HOMOGENEIDAD EN TABLAS DE 2X2 Explicación sobre cómo afrontar el análisis en tablas de contingencia sencillas, empleando el test de la chi-cuadrado

b366

[MONOTEMA] A veces los investigadores aplicados no tenemos muy claro qué procedimiento emplear para analizar nuestros datos, incluso en las situaciones más sencillas, como en una tabla de contingencia de 2×2. En este post voy a tratar de mostrar algunos errores comunes, y reflexionar acerca del papel que tiene el […]

Leer más

(#365). BÁSICOS DE ECUACIONES ESTRUCTURALES (V): MATRIZ DE DATOS BRUTOS La matriz de entrada en SEM es una matriz cuadrada de covarianzas de las variables observables, donde en la diagonal están las varianzas, y que además es simétrica

b365

[MONOTEMA] En esta quinta entrega, vamos a explicar en qué consiste la matriz de datos brutos que debemos emplear como entrada para realizar los análisis, que no es más que la matriz de covarianzas entre todos los observables de la muestra. Esa matriz se suele denominar como S. El profesor Leslie […]

Leer más

(#358). BÁSICOS DE ECUACIONES ESTRUCTURALES (IV): REGRESIÓN LINEAL SIMPLE CON FIABILIDADES DIVERSAS La especificación de la fiabilidad en la variable que actúa como causa afecta a la estimación del coeficiente estructural y a la varianza explicada por el modelo. Las fiabilidades no afectan a la covariación entre las latentes, pero sí que la fiabilidad de la variable endógena incide en la estimación de su varianza de error.

b358

[MONOTEMA] En esta cuarta entrega, vamos a pasar del modelo de dos variables correlacionadas a un modelo de regresión en el que una se postula como causa de la otra. La especificación gráfica se muestra en la Figura 4.1. Figura 4.1. Modelo de regresión entre dos variables latentes Como puede […]

Leer más

(#354). BÁSICOS DE ECUACIONES ESTRUCTURALES (III): COVARIANZA Y CORRELACIÓN ENTRE VARIABLES LATENTES La covarianza y correlación entre variables latentes depende de la estructura de errores de los observables que planteemos en el modelo

b354

[MONOTEMA] En este tercera entrega de nuestra introducción a SEM, vamos ir avanzando en el modelo simple de variable latente e indicador, planteando un modelo en el que deseamos saber la covarianza entre 2 variables latentes Z1 y Z2. Para ello, partimos de esta representación gráfica (Figura 3.1), en el […]

Leer más

(#350). BÁSICOS DE ECUACIONES ESTRUCTURALES (I): COVARIANZAS Y DESVIACIONES SOBRE LA MEDIA Los modelos de ecuaciones estructurales emplean las covarianzas entre las variables como datos de entrada. La relación entre las covarianzas permite la estimación de los coeficientes estructurales, que son idénticos a si se hubieran computado empleando los datos brutos (de cada observación) tomados en desviaciones sobre la media.

b350

[MONOTEMA] Comenzamos una serie de entradas sobre una introducción práctica a los modelos de ecuaciones estructurales, en la que emplearemos los programas LISREL y Stata para estimar modelos sencillos, que pretenden ser una guía para estudiantes que comienzan a adentrarse en esta temática. Para ello, necesitamos primeramente abordar varios aspectos […]

Leer más
image_pdfimage_print
1 2 3 4