Contribución de los Modelos Factoriales Confirmatorios a la Evaluación de Estructura Interna desde la Perspectiva de la Validez

  1. Daniel Ondé 1
  2. Jesús Mª Alvarado 1
  1. 1 Universidad Complutense de Madrid. Facultad de Psicología
Revista:
Revista iberoamericana de diagnóstico y evaluación psicológica

ISSN: 1135-3848

Año de publicación: 2022

Título del ejemplar: Avances en Medición en Psicología

Volumen: 5

Número: 66

Páginas: 5-22

Tipo: Artículo

DOI: 10.21865/RIDEP66.5.01 DIALNET GOOGLE SCHOLAR lock_openAcceso abierto editor

Otras publicaciones en: Revista iberoamericana de diagnóstico y evaluación psicológica

Resumen

En el presente trabajo se reexaminan algunas de las contribuciones más importantes del Análisis Factorial Confirmatorio (AFC) aplicado a la evaluación de estructura interna. Nuestro objetivo es mostrar la utilidad que tienen estas técnicas para conectar el modelo factorial con el modelo teórico (atendiendo al contenido de los ítems, a la finalidad de los tests, y al uso de las puntuaciones derivadas (total vs subescalas)). En la primera sección caracterizamos el tipo de aplicaciones que aparecen en la literatura científica. En las siguientes secciones a) discutimos las ventajas que tiene la aproximación confirmatoria sobre la exploratoria, b) valoramos las ventajas e inconvenientes del modelo bifactor confirmatorio, y c) introducimos el modelo bifactor S-1 como una prometedora alternativa. En la última sección ilustramos con un ejemplo empírico la utilidad de los distintos modelos AFC examinados en este trabajo

Referencias bibliográficas

  • American Educational Research Association, American Psychological Association & National Council for Measurement in Education [AERA, APA & NCME] (2014). The Standards for Educational and Psychological Testing. AERA.
  • Blanco-Canitrot, D., Alvarado, J. M., & Ondé, D. (2018). Consequences of disregarding metric invariance on diagnosis and prognosis using psychological tests. Frontiers in Psychology, 9, 167.
  • Brown, T. A. (2015). Confirmatory factor analysis for applied research. Guilford publications.
  • Chen, F. F., West, S. G., & Sousa, K. H. (2006). A comparison of bifactor and second-order models of quality of life. Multivariate Behavioral Research, 41(2), 189-225. https://doi.org/10.1207/s15327906mbr4102_5
  • Eid, M. (2000). A multitrait-multimethod model with minimal assumptions. Psychometrika, 65, 241-261.
  • Eid, M., Geiser, C., Koch, T., & Heene, M. (2017). Anomalous results in G-factor models: Explanations and alternatives. Psychological Methods, 22(3), 541-562. https://doi.org/10.1037/met0000083
  • Eid, M., Krumm, S., Koch, T., & Schulze, J. (2018). Bifactor models for predicting criteria by general and specific factors: Problems of nonidentifiability and alternative solutions. Journal of Intelligence, 6, 42. https://doi.org/10.3390/jintelligence6030042
  • Hendy, N., Krammer, G., Schermer, J. A., & Biderman, M. D. (2020). Using bifactor models to identify faking on Big Five questionnaires. International Journal of Selection and Assessment, 29(1), 81-99. https://doi.org/10.1111/ijsa.12316
  • Holzinger, K. J., & Swineford, F. (1937). The bi-factor method. Psychometrika, 2, 41-54.
  • Izquierdo, I., Olea, J., & Abad, F. J. (2014). Exploratory factor analysis in validation studies: Uses and recommendations. Psicothema, 26(3), 395-400. https://doi.org/10.7334/psicothema2013.349
  • Jackson, D. L., Gillaspy, J. A. Jr., & Purc-Stephenson, R. (2009). Reporting practices in confirmatory factor analysis: An overview and some recommendations. Psychological Methods, 14(1), 6-23. https://doi.org/10.1037/a0014694
  • Jöreskog, K. G. (1969). A general approach to confirmatory maximum likelihood factor analysis. Psychometrika, 34(2), 183-202.
  • Jöreskog, K. G. (1990). New developments in LISREL: Analysis of ordinal variables using polychoric correlations and weighted least squares. Quality and Quantity, 24, 387- 404.
  • Kline, R. B. (2015). Principles and practice of structural equation modeling. Guilford publications.
  • Ledesma, R. D., Ferrando, P. J., & Tosi, J. D. (2019). Uso del Análisis Factorial Exploratorio en RIDEP. Recomendaciones para autores y revisores. Revista Iberoamericana de Diagnóstico y Evaluación – Avaliação Psicológica, 3(52), 173-180. https://doi.org/10.21865/RIDEP52.3.13
  • Lloret, S., Ferreres, A., Hernández, A., & Tomás, I. (2014). El análisis factorial exploratorio de los ítems: Una guía práctica, revisada y actualizada. Anales de Psicología, 30(3), 1151-1169. https://doi.org/10.6018/analesps.30.3.199361
  • Loevinger, J. (1957). Objective tests as instruments of psychological theory. Psychological Reports, 3(3), 635-694. https://doi.org/10.2466/pr0.1957.3.3.635
  • Maydeu-Olivares, A., & Coffman, D. L. (2006). Random intercept item factor analysis. Psychological Methods, 11(4), 344. https://doi.org/10.1037/1082-989X.11.4.344
  • McDonald R. P. (1999). Test theory: A unified approach. Lawrence Erlbaum Associates, Inc.
  • McDonald, R. P., & Ho, M. H. R. (2002). Principles and practice in reporting structural equation analyses. Psychological Methods, 7(1), 64-82. https://doi.org/10.1037/1082-989X.7.1.64
  • Mokhtari, K., Dimitrov, D. M., & Reichard, C. A. (2018). Revising the Metacognitive Awareness of Reading Strategies Inventory (MARSI) and testing for factorial invariance. Education Faculty Publications and Presentations, 2, 219-246. https://doi.org/10.14746/ssllt.2018.8.2.3
  • Mokhtari, K., & Reichard, C. (2002). Assessing students’ metacognitive awareness of reading strategies. Journal of Educational Psychology, 94(2), 249-259. https://doi.org/10.1037//0022-0663.94.2.249
  • Mulaik, S. A. (2009). Foundations of factor analysis (2nd Ed.). Chapman and Hall/CRC.
  • Muthén, B. (1984). A general structural equation model with dichotomous, ordered categorical, and continuous latent variable indicators. Psychometrika, 49, 115-132.
  • Ondé, D., Alvarado, J. M., Sastre, S., & Azañedo, C. M. (2021). Application of S-1 bifactor model to evaluate the structural validity of TMMS-24. International Journal of Environmental Research and Public Health, 18(14), 7427. https://doi.org/10.3390/ijerph18147427
  • Ondé, D., Jiménez, V., Alvarado, J. M., & Gràcia, M. (2022). Analysis of the structural validity of the Reduced Version of Metacognitive Awareness of Reading Strategies Inventory. Frontiers in Psychology, 13. https://doi.org/10.3389/fpsyg.2022.894327
  • Pérez, D. O. (2020). Revisión del concepto de causalidad en el marco del Análisis Factorial Confirmatorio. Revista Iberoamericana de Diagnóstico y Evaluación – e Avaliação Psicológica, 1(54), 103-117. https://doi.org/10.21865/RIDEP54.1.09
  • Reise, S. P. (2012). The rediscovery of bifactor measurement models. Multivariate Behavioral Research, 47(5), 667-696. https://doi.org/10.1080/00273171.2012.715555
  • Reise, S. P., Scheines, R., Widaman, K. F., & Haviland, M. G. (2013). Multidimensionality and structural coefficient bias in structural equation modeling: A bifactor perspective. Educational and Psychological Measurement, 73(1), 5-26. https://doi.org/10.1177/0013164412449831
  • Revelle, W., & Wilt, J. (2013). The general factor of personality: A general critique. Journal of Research in Personality, 47(5), 493-504. https://doi.org/10.1016/j.jrp.2013.04.012
  • Rosseel, Y. (2012). lavaan: An R package for structural equation modeling. Journal of Statistical Software, 48, 1-36. https://doi.org/10.18637/jss.v048.i02
  • Sterner, P., & Goretzko, D. (2022). Exploratory factor analysis trees: Evaluating measurement invariance between multiple covariates. OSF. https://osf.io/7pgrb/
  • Trizano-Hermosilla, I., & Alvarado, J. M. (2016). Best alternatives to Cronbach’s alpha reliability in realistic conditions: Congeneric and asymmetrical measurements. Frontiers in Psychology, 7, 769. https://doi.org/10.3389/fpsyg.2016.00769
  • Wicherts, J. M., Veldkamp, C. L., Augusteijn, H. E., Bakker, M., Van Aert, R., & Van Assen, M. A. (2016). Degrees of freedom in planning, running, analyzing, and reporting psychological studies: A checklist to avoid p-hacking. Frontiers in Psychology, 7, 1832. https://doi.org/10.3389/fpsyg.2016.01832
Fuente de los datos: Dialnet