Aplicación del estadístico * de bondad de ajuste a modelos de estructura latente

  1. Revuelta Menéndez, Javier
  2. Kessel, Dominique
Revista:
Psicothema

ISSN: 0214-9915

Año de publicación: 2007

Volumen: 19

Número: 2

Páginas: 322-328

Tipo: Artículo

DIALNET GOOGLE SCHOLAR lock_openAcceso abierto editor

Otras publicaciones en: Psicothema

Resumen

Existen pocos estadísticos de bondad de ajuste aplicables a modelos de estructura latente. En este artículo se describe la aplicación del estadístico p*, que se basa en el concepto de clases latentes, por lo que su interpretación resulta natural en este tipo de modelos. El estadístico p* asume que la población está dividida en varias clases que siguen un modelo paramétrico, más una clase residual fuera del modelo. Se define p* como la proporción de la población en la clase residual. En el artículo se describen los algoritmos de estimación de p* en modelos de rasgo y clase latente, y se muestra un ejemplo con datos reales procedentes de una escala de hábitos de estudio. Se ha encontrado que hay una clase de malos y otra de regulares estudiantes, las cuales se relacionan con un criterio de responsabilidad.

Referencias bibliográficas

  • Aciego de Mendoza, R., Domínguez Medina, R., y Hernández Hernández, P. (2005). Consistencia interna y estructura factorial de un cuestionario sobre autorrealización y crecimiento personal. Psicothema, 17, 134-142.
  • Clogg, C.C. (1981). Latent class models for measuring. En R. Langeheine y J. Rost (eds.): Latent trait and latent class models. New York. Plenum.
  • Clogg, C.C. (1995). Latent class models. En G. Arminger, C.C. Clogg y M.E. Sobel (eds.): Handbook of statistical modeling for the social and behavioral sciences. New York. Plenum.
  • Elosua, P., y López Jáuregui, A. (2005). Clases latentes y funcionamiento diferencial del ítem. Psicothema, 17, 516-521.
  • Ferrando, P.J., y Lorenzo Seva, U. (1993). Algunas relaciones entre el modelo de un factor común y el modelo logístico de dos parámetros. Psicothema, 5, 403-412.
  • Formann, A.K. (1985). Constrained latent class models. Theory and applications. British Journal of Mathematical and Statistical Psychology, 38, 87-111.
  • Heinen, T. (1996). Latent class and discrete latent trait models: Similarities and differences. Newbury Park. Sage Publications.
  • Langeheine, R., y Rost, J. (1988). Latent trait and latent class models. New York: Plenum.
  • Lazarsfeld, P.F., y Henry, N. (1968). Latent structure analysis. New York. Houghton.
  • Lindsay, B., Clogg, C.C., y Greco, J. (1991). Semiparametric estimation in the Rasch model and related exponential response models, including a simple latent class model for item analysis. Journal of the American Statistical Association, 86, 96-107.
  • López Pina, J.A. (1995). Estimación de parámetros en la TRI. Una evaluación de Bilog en muestras pequeñas. Psicothema, 7, 173-185.
  • Maydeu-Olivares, A., y Joe, H. (2005). Limitedand full-information estimation and goodness of fit testing in 2n contingency tables: An unified framework. Journal of the American Statistical Association, 100, 1009- 1020.
  • McLachlan, G.J., y Basford, K.E. (1988). Mixture models. Inference and applications to clustering. New York: Marcel Dekker.
  • McLachlan, G.J., y Peel, D. (2000). Finite mixture models. New York. Wiley.
  • Mood, A.M. Graybill, F.A., y Boes, D.C. (1974). Introduction to the theory of statistics. London. McGrawn-Hill International.
  • Morales-Vives, F., Josep Codorniu-Raga, M., y Vigil-Colet, A. (2005). Características psicométricas de las versiones reducidas del cuestionario de agresividad de Buss y Perry. Psicothema, 17, 96-100.
  • Pons-Salvador, G., Cerezo, M.A., y Bernabé, G. (2005). Características psicológicas de adolescentes pertenecientes a comunidades educativas vulnerables. Psicothema, 17, 37-42.
  • Prieto, G., y Delgado, A.R. (2003). Análisis de un test mediante el modelo de Rasch. Psicothema, 15, 94-100.
  • Revuelta, J., Abad, F.J., y Ponsoda, V. (2006). Modelos politómicos de TRI. Madrid. La Muralla.
  • Rosário, P., Núñez, J.C., González-Pienda, J.A., Almeida, L., Soares, S., y Rubio, M. (2005). El aprendizaje escolar examinado desde la perspectiva del «modelo 3P» de J. Biggs. Psicothema, 17, 20-30.
  • Rijmen, F., y de Boeck, P. (2005). A relation between a between-item multidimensional IRT model and the mixture Rasch model. Psychometrika, 70, 1-16.
  • Rost, J. (1997). Logistic mixture models. En W.J. van der Linden y R.K. Hambleton: Handbook of modern item response theory. New York: Springer.
  • Rost, J., y Langeheine, R. (eds.) (1997). Applications of latent trait and latent class models in the social sciences. Muenster, Germany. Waxmann.
  • Rost, J., y von Davier, M. (1995). Mixture distribution Rasch models. En G.H. Fischer, G., e I.W. Molenaar: Rasch models. Foundations, recent developments and applications. New York: Springer Verlag.
  • Rudas, T., Clogg, C.C., y Lindsay, B. (1994). A new index of fit based on mixture methods for the analysis of contingency tables. Journal of the Royal Statistical Society, Series B, 56, 623-639.
  • Titterington, D.M., Smith, A.F.M., y Makov, U.E. (1985). Statistical analysis of finite mixture distributions. New York. Wiley.
  • Uebersax, J.S., y Grove, W.M. (1993). A latent trait finite mixture model for the analysis of rating agreement. Biometrics, 49, 823-835.
  • Ximénez, C., y García, A.G. (2005). Comparación de los métodos de estimación de máxima verosimilitud y mínimos cuadrados no ponderados en el análisis factorial confirmatorio mediante simulación Monte Carlo. Psicothema, 17, 528-535.
  • Zucchini, W. (2000). An introduction to model selection. Journal of Mathematical Psychology, 44, 41-61.
Fuente de los datos: Dialnet