(#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

(#362). ¿HORMESIS ENTRE EL VOLUMEN DE ENTRENAMIENTO Y LA HIPERTROFIA? La relación entre el volumen de entrenamiento semanal y las ganancias de músculo es compleja y heterogénea.

b362

[MONOTEMA] Emplear ejemplos de otras disciplinas científicas es una herramienta muy interesante para conseguir estimular el aprendizaje de los alumnos que cursan una determinada rama del conocimiento. En mis clases de marketing suelo utilizar, sobre todo, analogías con el ámbito de la salud y el deporte, donde también tengo experiencia […]

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

(#346). MODELO NO LINEAL EN LAS VARIABLES PERO LINEAL EN LOS PARÁMETROS CON STATA Y MAXIMA Ilustración de un modelo de predicción no lineal usando un ajuste por mínimos cuadrados, para la introducción a la toma de decisiones en marketing

b346

[MONOTEMA] Seguimos creando material auxiliar para comprender mejor las herramientas de toma de decisiones en marketing. En este post vamos a comentar uno de los aspectos que quizá cuesta un poco más de trabajo entender en las primeras clases de marketing, y es el de emplear el mismo modelo de […]

Leer más

(#337). EXPLORANDO LA PREDICCIÓN LINEAL EN MARKETING CON MAXIMA Explicación de un modelo sencillo de predicción para la introducción a la toma de decisiones en marketing

B337

[MONOTEMA] Para completar la serie de posts sobre la toma de decisiones en marketing, vamos a ilustrar en qué lugar se encuentran las ciencias sociales frente al determinismo y el puro azar. Y es justo en medio. De este modo, podemos plantear modelos de predicción que tendrán una parte determinista […]

Leer más
image_pdfimage_print
1 2 3 4