Modelos de Ecuaciones Estructurales
Transcripción
Modelos de Ecuaciones Estructurales
Departament d’Administració d’Empreses i Marketing. Universitat Jaume I X Jornadas de Técnicas de Investigación Cuantitativa Programa del seminario: Modelos de Ecuaciones Estructurales Junio 13–14, 2011 Profesor: Albert Satorra Departamento de Economía y Empresa Universitat Pompeu Fabra. Barcelona Introducción Los modelos de ecuaciones estructurales (Structural Equation Models, SEM) permiten el análisis de la relación estadística entre variables. Utilizando datos a menudo no experimentales, dichos modelos permiten analizar efectos entre variables así como contrastar modelos de interdependencia entre las mismas. Actualmente, la metodología SEM se utiliza en campos diversos como Economía, Sociología, Ciencias del Comportamiento, Marketing, Ciencias de la Salud, etc. La metodología SEM permite simultaneidad de ecuaciones de regresión, error de medida en las variables, así como variables latentes (no-observables) e indicadores múltiples de ellas. Las variables utilizadas pueden ser tanto continuas como categóricas (ordinales), y los datos pueden ser de muestra simple o múltiple, con variables distintas en los diferentes grupos. Se contempla también la posibilidad de datos “missing” MAR (no necesariamente MCAR), así como datos con clases latentes. Como modelos específicos de SEM, mencionaremos los modelos de regresión, los modelos del análisis factorial, los modelos econométricos de ecuaciones simultáneas, los modelos de indicadores y causas múltiples (MIMIC), así como una variedad de modelos para datos de panel. En la actualidad, existe software estadístico estándar que permite el análisis SEM de forma rutinaria (sin necesidad de especialización en estadística o econometría); entre dicho software, destaca LISREL, EQS, Mplus, Mx, AMOS, entre otros. El presente taller tratará los aspectos teóricos y aplicados de la metodología SEM, en campos de aplicación diversos, tales como Economía, Organización de Empresas, Marketing, y Ciencias del Comportamiento. El temario del taller se estructura en dos partes. La primera abordará los aspectos generales de la metodología SEM, centrándose en las familias de modelos más clásicos y habituales, tales como los modelos de regresión, modelos del análisis factorial, modelos econométricos de ecuaciones simultaneas (path analysis), modelos de indicadores múltiples y causas múltiples (MIMIC), y los modelos generales de ecuaciones simultáneas con variables latentes (modelos LISREL). La segunda parte del taller tratará otros aspectos más específicos de la metodología SEM. Concretamente, se abordarán, en función del interés de los asistentes, aquellos aspectos relacionados con los modelos para datos de panel, complementariedad de datos, datos ausentes (missing data), datos categóricos, datos de muestra múltiple, etc. Además, el taller tiene previsto la realización de una sesión de trabajo sobre aquellas problemáticas SEM sugeridas por los participantes del curso y relacionadas con sus investigaciones en curso. El curso combinará exposiciones de metodología SEM de carácter teórico con la práctica de dicha metodología en un contexto de datos concretos y problemáticas de organización de empresas y marketing. Se utilizará software diverso (EQS, LISREL, AMOS). Las sesiones prácticas se desarrollarán en aulas de informática. Para un buen seguimiento del curso, es recomendable conocimientos previos de estadística a nivel de un curso introductorio de análisis de regresión. Taller sobre: 'Modelos de Ecuaciones Estructurales' Impartido por el Dr. Albert Satorra, Catedrático de Universidad, Universitat Pompeu Fabra, Barcelona. Fechas: 13 y 14 de junio de 2011 Horario: Mañanas, de 10:00 a 13:30 horas (Aula JB1105 de la Facultad de Ciencias Jurídicas y Económicas, Campus de Riu Sec) Tardes, de 15:30 a 19:00 horas de en el aula de informática JAA010AI (Fctd. de Ccs. Jurídicas y Económicas, Campus de Riu Sec) Avance del programa: LUNES 13 DE JUNIO Sesión teórica (de 10 a 13:30 horas) 1. 2. 3. 4. 5. 6. 7. Introducción a los modelos SEM Regresión como estructura de momentos Error en las variables Estimación de estructuras de covarianzas Modelo general de ecuaciones simultáneas con variables latentes (formulaciones LISREL y de Bentler-Weeks) Ajuste y modificación del modelos Robustez asintótica de los modelos basados en normalidad. Métodos libres de distribución Sesión práctica (de 15:30 a 19:00 horas) 1. Introducción al manejo de los paquetes estadísticos 2. Aplicaciones prácticas: regresión, ecuaciones simultáneas, modelos factoriales, modelo general LISREL. 3. Resolución de ejemplos. MARTES 14 DE JUNIO Sesión teórica (de 10:00 a 13:30 horas) 8. Modelo Factorial 9. Modelos del “path analysis”. Ecuaciones simultáneas 10. Modelos de indicadores y causas múltiples (MIMIC) 11. Muestra múltiple 12. Ejemplos de SEM in Management y Marketing 13. Extensiones: a) b) c) d) e) Variables discretas Problemática de datos ausentes (“missing data”) SEM en grandes bases de datos empresariales Modelos para datos longitudinales Sesión práctica (de 15:30 horas a 19:00 horas) 4. Aplicaciones prácticas 5. Discusión de problemáticas relacionadas con proyectos e investigaciones en curso Bibliografía 1. ALLISON, P. D. (1987): Estimation of Linear Models with Incomplete Data. In Clogg C. (Eds.): Sociological Methodology. San Francisco: Jossey Bass. Pp. 71-103. 2. ARMINGER, G. AND SOBEL, M.E. (1990): “Pseudo –Maximun Likelihood Estimation of Mean and Covariance Structures with missing data”. Journal of the American Statistical Association, Vol. 85, n. 409, pp. 195-203. 3. BENTLER, P.M. (1995): EQS Structural Equations Program Manual. Encino, CA: Multivariate Software, Inc. 4. BOLLEN, K.A. (1989). Structural Equations with Latent Variables. New York: John Wiley & Sons. 5. DUNN, G., EVERITT, B., PICKLES, A. (1993): Modeling Covariance and Latent Variables Using EQS. Chapman & Hall, London. Part 7: Simultaneous Analysis of Two or More Groups, Pp. 133-162. 6. HEIJMANS, R., POLLOCK, S. & SATORRA (2000): "Innovations in Multivariate Statistical Analysis: A Festschrift for Heinz Neudecker", Kluwer Academic Publishers, Dordrecht, 7. JÖRESKOG, KG and SÖRBOM, D. (1993). LISREL®8 User’s Reference Guide. Chicago: Scientific Software International. 8. MONTFORT, K., OUD, J. & SATORRA, A (Eds.) (2004) "Recent developments on structural equations models: theory and applications" Kluwer Academic Publishers. 9. MUTHEN, B.O. & SATORRA, A. (1995): Complex Sample Data in Structural Equation Modeling. In P.V. Marsden (Ed.): Sociological Metholology 1995. Weshington: American Sociological Association. 10. SATORRA, A. & NEUDECKER, H. (1994). On the Asymptotic optimality of alternative minimum-distance estimators in linear latent-variable models, Econometric Theory, 10, 867883. 11. SATORRA, A. (1989), Alternative test criteria in covariance structure analysis: a unified approach, Psychometrika, 54, 131-151. 12. SATORRA, A. (1992): Asymplotic Robust Inferences in the Analysis of Mean and Covariance Structures. In P.V. Marsden (Ed.): Sociological Metholology 1992. Basil Blackwell: Oxford & Cambridge. M.A. Pp. 249-278. 13. SATORRA, A. (1993): Asymplotic Robust Inferences in Multiple-Group Analysis of Augmented-Moment Structures. In C.M. Cuadras and C.R. Rao (Eds.): Multivariate Analysis Future Directions 2. Elsevier: Amsterdam. Pp. 211-229. 14. SATORRA, A. (1997): “Fusion of Data in Multivariate Linear Regression with Errors-inVariables. In R. Klar and O. Opitz (Eds.) Classification and Knowledge Organization, Spring Verlag: London. Pp. 195-207. 15. SATORRA, A. (2001), Goodness of fit testing with multiple group data and non-normality, in Structural Equation Modeling: Present and Future, R. Cudeck, du Toit, and D. Sorbom (Edts.), SSI Scientific Software, Int. 16. SATORRA, A. (2002) Asymptotic Robustness in Multiple-Group Linear-Latent Variable Models, Econometric Theory, 18, 297-312 17. SATORRA, A & NEUDECKER, H. (2003). "A matrix equality useful in goodness-of-fit testing of structural equation models", Journal of Statistical Planning and Inference, 114, 6380 18. VAN MONTFORT, K. AND OUD J. AND A. SATORRA (edtrs) (2010) Longitudinal Research with Latent Variables. Springer Verlag. 19. VAN MONTFORT, K. AND OUD J. AND A. SATORRA (edtrs) (2007). Longitudinal models in the behavioral and related sciences. Lawrence Erlbaum Associates, Inc. Referencias adicionales (Aplicaciones en economía y empresa) Ab Mooijaart, A. and A. Satorra (2009), "On insensitivity of the chi-square model test to non-linear misspecification in structural equation models", Psychometrika, 74, 443-455. Baum, JR., Locke, EA. and Smith, KG. et al. (2001). “A multidimensional model of venture growth”, Academy of Management Journal, vol. 44(2), pp. 292-303. Bentler, P.M., A. Satorra and K.-H. Yuan (2009), Smoking and Cancers: Case-robust Analysis of a Classical Data Set, Structural Equation Modeling, 16, pp. 382-390. Bentler, P.M. and A. Satorra (in press) "Testing Model Nesting and Equivalence" Psychological Methods (Accepted, February 2010). Bou, J.C., and A. Satorra. (2007). The Persistence of abnormal returns at industry and firm levels: evidence from Spain”, Strategic Management Journal, 28, 707-722. Bou, J.C., and A. Satorra. (2007). Patterns of Persistence of Abnormal Returns: A Finite Mixture Distribution Approach. In van Montfort, K., Oud J. and Satorra, A. (edts.) Longitudinal models in the behavioral and related sciences. Lawrence Erlbaum Associates, Inc., Publishers, New Jersey, pág. 215238. Bou, J.C. and A. Satorra (2010). Variation of firm profitability across EU countries: a multi-group structural equation approach, Organizational Research Methods, 13(4) 738-766 Busenitz, L.W., Gomez, C. and Spencer, JW. (2003). “Country Institutonal Profiles: Unlocking entrepreneurial Phenomena”. Academy of Management Journal, vol. 43(5), pp. 994-1003. Chin, W.W. and Todd, P.A. (1995): "On the Use, Usefulness, and Ease of Use of Structural Equation Modeling in MIS Research: A Note of Caution". MIS Quarterly, Vol19, N0. 2, pp. 237-246 Johnson, RA, and Greening, DW. (1999). “The effects of corporate governance and Institutional Ownership Types on Corporate Social Performance”. Academy of Management Journal, Vol. 42 (5), pp. 564-576. Li, H. and Atuahene-Gima, K. (2001). “Product Innovation Strategy and the Performance of New Technology Ventures in China”. Academy of Management Journal, Vol. 44 (6), pp. 1123-1134. Mcevily, B. and Zaheer, A. (1999). “Bridging ties: a source of firm Heterogeneity in competitive capabilities”. Strategic Management Journal, Vol. 20, pp. 1133-1156. Medsker, G.J., Williams, L.J., Holahan, P.J. (1994) “A Review of Current Practices for Evaluating Causal Models in Organizational Behavior and Human Resources Management Research”. Journal of Management, Vol 20, No. 2, pp. 439-464 Mjoen, H. and Tallman, S. (1997). “Control and performance in international joint ventures”. Organizational Science, Vol. 8 (3), pp. 257-274. Montoya-Weiss, M., Massey, AP. and Song, M. (2001). “Getting it together: Temporal coordination and conflict management in global virtual teams”. Academy of Management Journal, Vol. 44(6), pp. 12511262. Saris, W.E., A. Satorra and W. van der Veld (2009), “Testing Structural Equation Models or Detection of Misspecifications?”, Structural Equation Modeling, 16, pp. 561-582 Shah R. and Goldstein S.M. (2006). “Use of structural equation modeling in operations management research: Looking back and forward”. Journal of Operations Management, 24, 148-169 Satorra, A. and P M. Bentler (in press), "Ensuring Positiveness of the Scaled Difference Chi-square Test Statistic" Psychometrika Shook, CL., Ketchen DJ., Hult, K. TM. And Kacmar, M. (2004). "An assessment of the use of structural equation modeling in strategic management research". Strategic Management Journal, Vol 25(4), pp. 397-404 Simonin, BL. (1999). “Ambiguity and the process of knowledge transfer in strategic alliances”. Strategic Management Journal, Vol. 20, pp. 595-623. Vorhies, DW. and Morgan N. (2005). “Benchmarking marketing capabilities for sustainable competitive advantage”. Journal of Marketing, Vol. 69, pp. 80-94. Williams, L.J., Edwards, J.R. Vandenberg, R.J. (2003): "Recent advances in causal modeling methods for organizational and management research", Journal of Management, Vol 29(6): 903-936. Yli-Renko, H. Autio, Erkko, and Sapienza, H.J. (2001). “Social capital, knowledge acquisition, and knowledge exploitation in young technology-based firms”. Strategic Management Journal, Vol. 22, pp. 587-613.