Los investigadores a menudo usan dos medidas que tienen elementos muy similares y argumentan que miden cosas diferentes (por ejemplo, "Siempre me preocupo cuando estoy cerca de autos"; "Tengo miedo de los autos"). Llamemos a las medidas hipotéticas Medida y ansiedad del miedo a los automóviles de la escala de automóviles. Estoy interesado en probar empíricamente si realmente evalúan diferentes construcciones latentes, o si miden lo mismo.
Las dos mejores formas en que puedo pensar en hacer esto serían a través de análisis exploratorios de fábrica (EFA) o análisis factorial confirmatorio (CFA). Creo que EFA sería bueno porque permite que todos los elementos se carguen libremente sin restricciones. Si los ítems de las dos escalas se cargan en los mismos factores, entonces puedo concluir que las medidas probablemente no evalúan muy bien diferentes cosas. Sin embargo, también puedo ver los beneficios en CFA, ya que probaré modelos predefinidos. Por ejemplo, podría comparar el ajuste de un modelo en el que todos los elementos se cargan en un solo factor (es decir, no evalúan diferentes construcciones) o los elementos se separan en las medidas esperadas. Un problema con CFA, supongo, es que realmente no consideraría modelos alternativos (por ejemplo, un modelo de tres factores).
A los fines de la discusión, consideremos también que puede haber otras dos medidas muy similares (por ejemplo, el cuestionario de ansiedad sobre el automóvil y las escalas para la evaluación de los temores sobre el automóvil) que deseo incluir en la mezcla.
¿Cómo puedo determinar mejor estadísticamente si dos medidas evalúan construcciones diferentes?
fuente
Respuestas:
Estos métodos son ejemplos de aplicación de análisis de datos exploratorios y confirmatorios. El análisis exploratorio de datos busca patrones, mientras que el análisis confirmatorio de datos realiza pruebas estadísticas de hipótesis en los modelos propuestos. Realmente no debe verse en términos de qué método usarlo, es más una cuestión de en qué etapa del análisis de datos se encuentra. Si no está seguro de qué factores incluir en su modelo, aplique EFA. Una vez que haya eliminado algunos factores y haya decidido qué incluir en su modelo, haga CFA para probar el modelo formalmente para ver si los factores elegidos son significativos.
fuente
Si entiendo su pregunta correctamente, se trata de una prueba . Entonces, simplemente la prueba requiere un tipo de análisis factorial confirmatorio, igual que la pregunta: "¿realmente difieren los medios en los subgrupos?" requiere una prueba t.
Desafortunadamente (?) Con la selección del enfoque general del método apropiado de análisis factorial, a menudo también se implican diferentes modelos matemáticos (y estadísticos), por ejemplo, si selecciona "CFA" en SPSS, se implica que asume errores no correlacionados y que los errores no correlacionados se estiman y la estimación se excluye del modelo, por lo que, en mi opinión, debido a las implicaciones adicionales, la selección inicial del enfoque analítico del factor correcto a menudo se ve comprometida por estas implicaciones matemáticas / estadísticas.
En resumen: su pregunta es del tipo "prueba nula", por lo que necesita CFA o mejor: los métodos desarrollados en el marco de SEM (modelado de ecuaciones estructurales). Tenga en cuenta que hay una lista de correo amigable y útil llena de expertos en SEM llamada "SEMNET" y como no soy un verdadero experto, puede refinar sus comentarios preguntando allí ...
fuente