Desarrollo y validación de escalas de medida en Marketing
|
|
- Alejandra Crespo Córdoba
- hace 8 años
- Vistas:
Transcripción
1 Análisis de Datos Avanzados Desarrollo y validación de escalas de medida en Marketing Joaquín Aldás Manzano Universitat de València * joaquin.aldas@uv.es Doctorado nteruniversitario en Marketing 1
2 La medición en ciencias sociales Medir: Tarea principal de la ciencia. Medida: Conjunto de reglas que permiten asignar números a los objetos observados, representando de manera adecuada la cantidad de un determinado atributo que poseen. Escala de medida: Conjunto de ítems, frases o preguntas que permiten medir. Ventajas del uso de escalas estandarizadas de medida: Objetividad Cuantificación Comunicación Economía Doctorado nteruniversitario en Marketing 2
3 Propiedades psicométricas: fiabilidad Fiabilidad Consistencia, coherencia interna de los ítems (correlaciones entre ellos) Si los ítems están fuertemente correlacionados entre sí, significa que miden una misma variable latente (los causa), pero no que ésta variable latente que miden sea el constructo que se pretende medir (validez) La fiabilidad es condición necesaria, pero no suficiente para la validez Su medición suele realizarse por tres vías: Coeficiente α de Cronbach (1951) Análisis de fiabilidad compuesta Índice de varianza extraída Punto de partida para construir los indicadores de fiabilidad: matriz de varianzas covarianzas entre los ítems de la escala Doctorado nteruniversitario en Marketing 3
4 Propiedades psicométricas: fiabilidad α de Cronbach Punto de partida: matriz de varianzas covarianzas Si se estandariza obtenemos la matriz de correlaciones Varianza total de la escala: suma de los elementos de C Varianza total=varianza común + Varianza específica Varianza común: Se trata de la varianza en los ítems provocada por la variable latente (que los ítems comparten entre sí). Si varia la variable latente, varían los ítems Xi de la escala. Varianza específica, única: varianza causada por los errores de medida de cada ítem en particular: diagonal principal de la matriz! C = # "! 1 2! 12! 2 2! 12! 13!! 1k! 23!! 2k! 13! 23 2! 3!! 3k " " " # "! 1k! 2k! 3k! 2! k $ & % Doctorado nteruniversitario en Marketing 4
5 Propiedades psicométricas: fiabilidad α de Cronbach Fuente común de varianza X1 e1 Fuente propia de varianza Y X2 e2 Fuente propia de varianza X3 e3 Fuente propia de varianza es la parte de la varianza total que es atribuible a la variable latente (varianza común) Varianza total: suma De los elementos de la Matriz de varianzas covarianzas! = " 2 2! " y " i 2 " y = 1! " " i 2 " y 2 Varianza específica: suma de los elementos de la diagonal de la matriz de varianzas covarianzas Doctorado nteruniversitario en Marketing 5
6 Propiedades psicométricas: fiabilidad α de Cronbach La expresión anterior se pondera porque el número de elementos necesarios para calcular la varianza total (todos los de la matriz: k 2 ) no es el mismo que los necesarios para calcular la específica (la diagonal: k) Por lo tanto, en el numerador hay k 2 -k elementos en el denominador k, por lo que para el ratio exprese las magnitudes relativas, más que el número de casos, corregimos por k 2 / (k 2 k) o lo que es lo mismo k/(k-1)! = k # k!1 1! $ % " " y 2 2 " i & '( Si queremos expresar el en función de las correlaciones y no de las varianzas covarianzas, se puede llegar a (Crocker y Algina, 1986):! = k" 1 + ( k!1)" donde ρ es la media de las correlaciones entre los ítems de las escalas Doctorado nteruniversitario en Marketing 6
7 Propiedades psicométricas: fiabilidad α de Cronbach Valores aceptables del de Cronbach: Nunnally y Bernstein (1994; p.265-6): α.70 Carmines y Zeller (1979; p.51): α.80 Atención al número de ítems de la escala y a la fase de construcción en la que se encuentra Doctorado nteruniversitario en Marketing 7
8 Propiedades psicométricas: fiabilidad α de Cronbach, ejemplo de aplicación X1 Ayuda a los conocidos X2 X3 Donaciones econonómicas X4 X5 X6 AYUDA A LOS CONOCDOS X1. Abandono lo que estoy haciendo para ayudar a un compañero de trabajo X2. Abandono lo que estoy haciendo para ayudar a un pariente X3. Abandono lo que estoy haciendo para ayudar a un amigo DONACONES ECONÓMCAS X4. Doy dinero para la caridad en la glesia X5. Doy dinero para caridad no relacionada con la religión X6. Doy dinero a la gente que pide en la calle Doctorado nteruniversitario en Marketing 8
9 Propiedades psicométricas: fiabilidad α de Cronbach, ejemplo de aplicación Quiero analizar la fiabilidad de la escala de ayuda a los conocidos, pero me equivoco y le añado el ítem X4 a los ítems X1 a X3 Covariance Matrix X1 X2 X3 X4 X1 1,9465 X2,7633 1,2245 X3 1,2106,5224 1,4792 X4 -,2604,1061 -,0539 3,2147 Correlation Matrix X1 X2 X3 X4 X1 1,0000 X2,4944 1,0000 X3,7134,3882 1,0000 X4 -,1041,0535 -,0247 1,0000 R E L A B L T Y A N A L Y S S - S C A L E (A L P H A) Mean Std Dev Cases 1. X1 5,1800 1, ,0 2. X2 5,4000 1, ,0 3. X3 5,5200 1, ,0 4. X4 3,6400 1, ,0 Doctorado nteruniversitario en Marketing 9
10 Propiedades psicométricas: fiabilidad α de Cronbach, ejemplo de aplicación Varianza total N of Statistics for Mean Variance Std Dev Variables Scale 19, ,4412 3, tem Means Mean Minimum Maximum Range Max/Min Variance 4,9350 3,6400 5,5200 1,8800 1,5165,7652 tem Variances Mean Minimum Maximum Range Max/Min Variance 1,9662 1,2245 3,2147 1,9902 2,6253,7821 nter- item Covariances Mean Minimum Maximum Range Max/Min Variance,3814 -,2604 1,2106 1,4710-4,6489,2783 nter- item Correlations Mean Minimum Maximum Range Max/Min Variance,2535 -,1041,7134,8176-6,8534,0969 Media de las correlaciones Doctorado nteruniversitario en Marketing 10
11 Propiedades psicométricas: fiabilidad α de Cronbach, ejemplo de aplicación!! i 2 = 1, , , ,2147 = 7,8649! = 4 " 7,8649 % 1! = 0, # $ 12, 4412& '! = 4!0, ( 4 "1)!0,2535 = 0,5759 Reliability Coefficients 4 items Alpha =,4904 Standardized item alpha =,5759 Doctorado nteruniversitario en Marketing 11
12 Propiedades psicométricas: fiabilidad α de Cronbach, ejemplo de aplicación Nos damos cuenta del error, Mejora si quito X4? Análisis de sensibilidad a la eliminación de ítems tem- total Statistics Scale Scale Corrected Mean Variance tem- Squared Alpha if tem if tem Total Multiple if tem Deleted Deleted Correlation Correlation Deleted X1 14,5600 7,0678,4620,5753,2439 X2 14,3400 8,4331,4331,2574,3189 X3 14,2200 7,6037,5007,5127,2403 X4 16,1000 9,6429 -,0374,0295,7766 Doctorado nteruniversitario en Marketing 12
13 Propiedades psicométricas: fiabilidad Fiabilidad compuesta Permite tener en cuenta todos los constructos implicados en la escala, y no un análisis uno a uno como Cronbach Requiere de la realización de un AFC Se calcula para cada factor implicado (Fornell y Larcker, 1981): FC i = " # $! j L ij " # $ 2! j L ij % 2 &' % + Var E &'! ij j ( ) Donde L ij es la carga factorial estandarizada de cada uno de los j indicadores que cargan sobre el factor i Var(E ij ) es la varianza del término de error que se calcula como: Var E 2 ( ) = 1 - L ij ij Doctorado nteruniversitario en Marketing 13
14 Propiedades psicométricas: fiabilidad Fiabilidad compuesta, ejemplo de aplicación X1 Ayuda a los conocidos Donaciones econonómicas X2 X3 X4 X5 STANDARDZED SOLUTON: V1 =V1 =.963*F E1 V2 =V2 =.514*F E2 V3 =V3 =.741*F E3 V4 =V4 =.945*F E4 V5 =V5 =.657*F E5 V6 =V6 =.673*F E6 X6 Doctorado nteruniversitario en Marketing 14
15 Propiedades psicométricas: fiabilidad Fiabilidad compuesta, ejemplo de aplicación nterpretación: Mismo criterio que el α de Cronbach FC 1 = " # $! j L ij " # $ % 2 &'! j L ij! % 2 &' ( ) + Var E ij j = ( 2,218) 2 ( 2,218) 2 + 1,259 = 0,796 FC 2 = ( 2,275) 2 ( 2,275) 2 + 1,222 = 0,809 Doctorado nteruniversitario en Marketing 15
16 Propiedades psicométricas: fiabilidad Varianza extraída promedio (AVE) Se suele utilizar las siglas en inglés correspondientes a Average Variance Extracted Ratio entre la varianza que es capturada por un factor i y la varianza total debida al error de medida de ese factor, esto es (Fornell y Larcker, 1981): AVE i =! L 2 ij j! L 2 ij +! Var E ij j j ( ) Donde la información necesaria y la notación es la misma que en el caso anterior Doctorado nteruniversitario en Marketing 16
17 Propiedades psicométricas: fiabilidad Varianza extraída promedio, ejemplo de aplicación nterpretación: Valores superiores a 0.5, es decir, que la varianza capturada por el factor sea mayor que la debida al error de medida Es un criterio conservador AVE 1 =! L 2 ij j! L 2 ij +! Var E ij j j ( ) = 1,741 1, ,259 = 0,580 AVE 2 = 1,778 1, ,222 = 0,592 Doctorado nteruniversitario en Marketing 17
18 Validez Una escala es válida cuando la variable latente que están midiendo los indicadores es, realmente, lo que se quiere medir Grado en que un instrumento mide el concepto bajo estudio (Bohrnstedt, 1976). Tipos de validez: Validez de contenido: grado en que una escala recoge todas las dimensiones teóricas del concepto que se quiere medir Validez de construcción o concepto: Convergente: En qué medida ítems diseñados para medir un mismo concepto, están (co)relacionados entre sí Discriminante: En qué medida ítems diseñados para medir conceptos distintos, aunque relacionados, están (co)relacionados entre sí Validez nomológica: el constructo medido por los indicadores propuestos guarda relaciones con otros conceptos teóricamente previsibles (concurrente o predictiva) Doctorado nteruniversitario en Marketing 18
19 Validez, un ejemplo de aplicación (Rusbult, 1980) V8 V9 V10 Recompensas V5 V6 V7 V11 V12 V13 Satisfacción Costes V1 V2 V3 V4 V14 V15 V16 Compromiso nversión V17 V18 V19 Alternativas Doctorado nteruniversitario en Marketing 19
20 Validez convergente: El ajuste del modelo de medida (AFC) debe ser bueno (común para todo el resto de análisis de validez) Hay que revisar si los multiplicadores de Lagrange muestran mejoras significativas del modelo si una variable que debería cargar sobre un factor cargara sobre otro Las cargas factoriales de todos los ítems deben ser significativas. Respecto al tamaño de las cargas: El promedio de las cargas estandarizadas sobre un factor deben estar en el entorno de 0.7 o más (Hair, Anderson, Tatham y Black, 1998) Cada una individualmente debe ser superior a.60 (Bagozzi y Yi, 1988) Doctorado nteruniversitario en Marketing 20
21 Validez estimación del AFC del instrumento de medida: E1 VAR? E2 VAR? E3 VAR? E4 VAR? E5 VAR? E6 VAR? E7 VAR? E8 VAR? E9 VAR? E10 VAR? E11 VAR? E12 VAR? E13 VAR? E14 VAR? E15 VAR? E16 VAR? E17 VAR? E18 VAR? E19 VAR? V1 V2 V3 V4 V5 V6 V7 V8 V9 V10 V11 V12 V13 V14 V15 V16 V17 V18 V19 L? L? L? F1 Compromiso VAR=1 L? L? L? F2 Satisfacción VAR=1 L? L? L? F3 Recompensas VAR=1 L? L? L? F4 Costes VAR=1 L? L? L? F5 nversión VAR=1 L? L? L? F6 Alternativas VAR=1 L? Doctorado nteruniversitario en Marketing 21
22 Validez convergente: /SPECFCATONS VARABLES=19; CASES=240; METHOD=ML; ANALYSS=COVARANCE; MATRX=COR; /EQUATONS V1 = *F1 + E1; V2 = *F1 + E2; V3 = *F1 + E3; V4 = *F1 + E4; V5 = *F2 + E5; V6 = *F2 + E6; V7 = *F2 + E7; V8 = *F3 + E8; V9 = *F3 + E9; V10 = *F3 + E10; V11 = *F4 + E11; V12 = *F4 + E12; V13 = *F4 + E13; V14 = *F5 + E14; V15 = *F5 + E15; V16 = *F5 + E16; V17 = *F6 + E17; V18 = *F6 + E18; V19 = *F6 + E19; /VARANCES F1 TO F6 = 1; E1 TO E19 = *; /COVARANCES F1 TO F6 = *; /PRNT FT=ALL; GOODNESS OF FT SUMMARY FOR METHOD = ML NDEPENDENCE MODEL CH- SQUARE = ON 171 DEGREES OF FREEDOM NDEPENDENCE AC = NDEPENDENCE CAC = MODEL AC = MODEL CAC = CH- SQUARE = BASED ON 137 DEGREES OF FREEDOM PROBABLTY VALUE FOR THE CH- SQUARE STATSTC S THE NORMAL THEORY RLS CH- SQUARE FOR THS ML SOLUTON S FT NDCES BENTLER- BONETT NORMED FT NDEX =.899 BENTLER- BONETT NON- NORMED FT NDEX =.940 COMPARATVE FT NDEX (CF) =.952 BOLLEN (F) FT NDEX =.952 MCDONALD (MF) FT NDEX =.794 LSREL GF FT NDEX =.906 LSREL AGF FT NDEX =.870 ROOT MEAN- SQUARE RESDUAL (RMR) =.237 STANDARDZED RMR =.047 ROOT MEAN- SQUARE ERROR OF APPROXMATON (RMSEA) = % CONFDENCE NTERVAL OF RMSEA (.046,.069) Ajuste del modelo Doctorado nteruniversitario en Marketing 22
23 Validez convergente: CUMULATVE MULTVARATE STATSTCS UNVARATE NCREMENT HANCOCK'S SEQUENTAL STEP PARAMETER CH- SQUARE D.F. PROB. CH- SQUARE PROB. D.F. PROB V4,F V2,F V1,F V17,F V2,F V8,F Test de los multiplicadores de Lagrange Añadimos la relación? No validez convergente La asociamos a F6? Carga muy significativa sobre F1 La eliminamos y volvemos a estimar el modelo de medida corregido sin ella Doctorado nteruniversitario en Marketing 23
24 Validez convergente: GOODNESS OF FT SUMMARY FOR METHOD = ML NDEPENDENCE MODEL CH- SQUARE = ON 153 DEGREES OF FREEDOM NDEPENDENCE AC = NDEPENDENCE CAC = MODEL AC = MODEL CAC = CH- SQUARE = BASED ON 120 DEGREES OF FREEDOM PROBABLTY VALUE FOR THE CH- SQUARE STATSTC S THE NORMAL THEORY RLS CH- SQUARE FOR THS ML SOLUTON S FT NDCES BENTLER- BONETT NORMED FT NDEX =.917 BENTLER- BONETT NON- NORMED FT NDEX =.961 COMPARATVE FT NDEX (CF) =.970 BOLLEN (F) FT NDEX =.970 MCDONALD (MF) FT NDEX =.881 LSREL GF FT NDEX =.925 LSREL AGF FT NDEX =.893 ROOT MEAN- SQUARE RESDUAL (RMR) =.197 STANDARDZED RMR =.042 ROOT MEAN- SQUARE ERROR OF APPROXMATON (RMSEA) = % CONFDENCE NTERVAL OF RMSEA (.032,.059) Ajuste del modelo revisión 1 Doctorado nteruniversitario en Marketing 24
25 Validez convergente: V1 =V1 = 2.201*F E @ V2 =V2 = 2.398*F E @ V3 =V3 = 2.551*F E @ V5 =V5 = 1.596*F E @ V6 =V6 = 1.830*F E @ V7 =V7 = 1.800*F E @ V8 =V8 =.944*F E @ V9 =V9 =.893*F E @ V10 =V10 = 1.294*F E @ V11 =V11 = 2.143*F E @ V12 =V12 = 2.326*F E @ V13 =V13 = 1.093*F E @ V14 =V14 = 1.773*F E @ V15 =V15 = 1.569*F E @ V16 =V16 = 1.032*F E @ V17 =V17 = 1.368*F E @ V18 =V18 = 1.493*F E @ V19 =V19 = 1.591*F E @ Cargas y significatividad Doctorado nteruniversitario en Marketing 25
26 Validez convergente: V1 =V1 =.885*F E1.784 V2 =V2 =.824*F E2.680 V3 =V3 =.937*F E3.877 V5 =V5 =.828*F E5.685 V6 =V6 =.866*F E6.750 V7 =V7 =.875*F E7.766 V8 =V8 =.666*F E8.444 V9 =V9 =.634*F E9.402 V10 =V10 =.751*F E V11 =V11 =.826*F E V12 =V12 =.864*F E V13 =V13 =.463*F E V14 =V14 =.843*F E V15 =V15 =.707*F E V16 =V16 =.551*F E V17 =V17 =.684*F E V18 =V18 =.760*F E V19 =V19 =.728*F E Cargas y significatividad Doctorado nteruniversitario en Marketing 26
27 Validez discriminante: Tres criterios: Test de las diferencias entre las chi cuadrado (Anderson y Gerbing, 1988) Test del intervalo de confianza (Anderson y Gerbing, 1988) Test de la varianza extraída (Fornell y Larcker, 1981) Se deben aplicar entre cada par de factores. Se suele aplicar sólo al par de factores que más problemas pueden causar: los que tienen una covarianza más elevada entre sí Doctorado nteruniversitario en Marketing 27
28 Validez discriminante: MAXMUM LKELHOOD SOLUTON (NORMAL DSTRBUTON THEORY) COVARANCES AMONG NDEPENDENT VARABLES STATSTCS SGNFCANT AT THE 5% LEVEL ARE MARKED V Factor problemático F F2 - F2.609* F1 - F @ F3 - F3.440* F1 - F @ F4 - F * F1 - F F5 - F5.714* F1 - F @ F6 - F * F1 - F @ F3 - F3.534* F2 - F @ F4 - F * F2 - F @ F5 - F5.635* F2 - F @ F6 - F * F2 - F @ F4 - F * F3 - F F5 - F5.516* F3 - F @ F6 - F * F3 - F @ F5 - F5.008* F4 - F F6 - F6.255* F4 - F @ F6 - F * F5 - F @ Doctorado nteruniversitario en Marketing 28
29 Validez discriminante: Test de las diferencias entre las chi cuadrado (Anderson y Gerbing, 1988) Se estima el modelo de medida pero fijando a 1 las covarianzas entre los dos factores cuya validez discriminante suscita dudas (F1 y F5). Se restan las chi cuadrado de ambos modelos y los grados de libertad. El valor del estadístico (la resta) debe ser superior al valor crítico de la chi cuadrado para ese nivel de grados de libertad. Esto querrá decir que el modelo en que los factores están relacionados es mejor que aquel en que esos factores son el mismo (ausencia de validez discriminante) Doctorado nteruniversitario en Marketing 29
30 Validez discriminante: Test de las diferencias entre las chi cuadrado (Anderson y Gerbing, 1988) NDEPENDENCE MODEL CH- SQUARE = ON 153 DEGREES OF FREEDOM NDEPENDENCE AC = NDEPENDENCE CAC = MODEL AC = MODEL CAC = CH- SQUARE = BASED ON 120 DEGREES OF FREEDOM PROBABLTY VALUE FOR THE CH- SQUARE STATSTC S Modelo de medida THE NORMAL THEORY RLS CH- SQUARE FOR THS ML SOLUTON S NDEPENDENCE MODEL CH- SQUARE = ON 153 DEGREES OF FREEDOM NDEPENDENCE AC = NDEPENDENCE CAC = MODEL AC = MODEL CAC = CH- SQUARE = BASED ON 121 DEGREES OF FREEDOM PROBABLTY VALUE FOR THE CH- SQUARE STATSTC S Modelo de medida Con /COV (F1,F5)=1 THE NORMAL THEORY RLS CH- SQUARE FOR THS ML SOLUTON S Doctorado nteruniversitario en Marketing 30
31 Validez discriminante: Test de las diferencias entre las chi cuadrado (Anderson y Gerbing, 1988) Diferencia en las chi cuadrado: 251, ,872=70,266 Diferencia en los grados de libertad: 1 Valor crítico: p<0.05=3,84 p<0.01=6,63 p<0.001=10,82 Diferencia>valor crítico para cualquier nivel de significación Se constata la validez discriminante Doctorado nteruniversitario en Marketing 31
32 Validez discriminante: Test del intervalo de confianza (Anderson y Gerbing, 1988) Se calcula un intervalo de confianza para la covarianza de ± dos errores estándar alrededor de la estimación resultante del AFC. Si incluye el 1 no se puede afirmar la validez discriminante, en caso contrario sí. ntervalo: nferior: ,044=0.626 Superior: ,044=0.802 No incluye el 1, se constata la validez discriminante F4 - F * F1 - F F5 - F5.714* F1 - F @ Doctorado nteruniversitario en Marketing 32
33 Validez discriminante: Test de la varianza extraída (Fornell y Larcker, 1981) Se calcula el AVE para cada uno de los factores implicados como se explicó al analizar la fiabilidad Se compara el AVE con el cuadrado de las covarianzas entre los dos factores Hay validez discriminante si los AVE de los dos factores superan el cuadrado de la covarianza Cuadrado de la covarianza: =0.510 F4 - F * F1 - F F5 - F5.714* F1 - F @ Doctorado nteruniversitario en Marketing 33
34 Validez discriminante: Test de la varianza extraída (Fornell y Larcker, 1981) Vemos que el VE para F5 es ligeramente inferior al cuadrado de la correlación, pero tan en el límite que los resultados anteriores nos llevan a afirmar la validez discriminante AVE F1 = AVE F 5 = 2,340 2, ,660 = 0,780 1,514 1, , 486 = 0,504 Doctorado nteruniversitario en Marketing 34
35 Validez nomológica: El modelo teórico que se estaba contrastando planteaba relaciones teóricas entre variables que podrían constatar la validez nomológica de ser ciertas. La mejor forma de hacerlo es estimar el modelo, no el de medida, como hemos hecho con el AFC, sino el teórico. Si con las modificaciones pertinentes para lograr un buen ajuste, los constructos cuya validez se está evaluando mantienen relaciones significativas previstas por la teoría habremos establecido la validez nomológica (concurrente) El modelo teórico ha de tener un ajuste significativamente mejor que el de medida (lo comprobaremos con las diferencias entre las chi cuadrado). De no ser así no podremos afirmar la validez nomológica Doctorado nteruniversitario en Marketing 35
36 Validez nomológica: Modelo teórico Doctorado nteruniversitario en Marketing 36
37 Validez nomológica: /TTLE /SPECFCATONS VARABLES=19; CASES=240; METHOD=ML; ANALYSS=COVARANCE; MATRX=COR; /MATRX /STANDARD DEVATONS /EQUATONS V1 = *F1 + E1; V2 = *F1 + E2; V3 = F1 + E3; V5 = *F2 + E5; V6 = *F2 + E6; V7 = F2 + E7; V8 = *F3 + E8; V9 = *F3 + E9; V10 = F3 + E10; V11 = *F4 + E11; V12 = F4 + E12; V13 = *F4 + E13; V14 = F5 + E14; V15 = *F5 + E15; V16 = *F5 + E16; V17 = *F6 + E17; V18 = F6 + E18; V19 = *F6 + E19; F1=*F2+*F5+*F6+D1; F2=*F3+*F4+D2; /VARANCES F3 TO F6 = *; E1 TO E3 = *; E5 TO E19=*; D1 TO D2=*; /COVARANCES F3 TO F6=*; /WTEST /LMTEST /PRNT FT=ALL; /END Modelo teórico Doctorado nteruniversitario en Marketing 37
38 Validez nomológica: NDEPENDENCE MODEL CH- SQUARE = ON 153 DEGREES OF FREEDOM NDEPENDENCE AC = NDEPENDENCE CAC = MODEL AC = MODEL CAC = CH- SQUARE = BASED ON 120 DEGREES OF FREEDOM PROBABLTY VALUE FOR THE CH- SQUARE STATSTC S Modelo de medida THE NORMAL THEORY RLS CH- SQUARE FOR THS ML SOLUTON S NDEPENDENCE MODEL CH- SQUARE = ON 153 DEGREES OF FREEDOM NDEPENDENCE AC = NDEPENDENCE CAC = MODEL AC = MODEL CAC = CH- SQUARE = BASED ON 124 DEGREES OF FREEDOM PROBABLTY VALUE FOR THE CH- SQUARE STATSTC S Modelo teórico 1 THE NORMAL THEORY RLS CH- SQUARE FOR THS ML SOLUTON S Doctorado nteruniversitario en Marketing 38
39 Validez nomológica: Chi cuadrado modelo teórico: (gl 124) Chi cuadrado modelo medida: (gl. 120) Modelo teórico mayor valor que el de medida (por lo tanto es peor), pero significativamente? Diferencias entre las chi cuadrado: Diferencias en grados de libertad: 4 Valor crítico p<0.01 = No podemos afirmar validez nomológica con el modelo actual Doctorado nteruniversitario en Marketing 39
40 Validez nomológica: Buscamos un modelo teórico que mejore el ajuste dentro de la lógica de la teoría. Qué nos dicen Wald y Lagrange? MULTVARATE LAGRANGE MULTPLER TEST BY SMULTANEOUS PROCESS N STAGE 1 CUMULATVE MULTVARATE STATSTCS UNVARATE NCREMENT HANCOCK'S SEQUENTAL STEP PARAMETER CH- SQUARE D.F. PROB. CH- SQUARE PROB. D.F. PROB F2,F V1,F V2,F WALD TEST (FOR DROPPNG PARAMETERS) MULTVARATE WALD TEST BY SMULTANEOUS PROCESS CUMULATVE MULTVARATE STATSTCS UNVARATE NCREMENT STEP PARAMETER CH- SQUARE D.F. PROBABLTY CH- SQUARE PROBABLTY F5,F F1,F F4,F Doctorado nteruniversitario en Marketing 40
41 Validez nomológica: Wald sugiere eliminar dos covarianzas (F5,F4) y (F4,F3), pero solo un coeficiente de regresión F1 a F6. Valoramos el sentido teórico y decidimos eliminarlo. Lagrange sugiere añadir un coeficiente de regresión entre F2 y F5, como también tiene sentido teórico lo introducimos. Reestimamos el modelo y volvemos a repetir el test de las chi cuadrado. NDEPENDENCE MODEL CH- SQUARE = ON 153 DEGREES OF FREEDOM NDEPENDENCE AC = NDEPENDENCE CAC = MODEL AC = MODEL CAC = CH- SQUARE = BASED ON 120 DEGREES OF FREEDOM PROBABLTY VALUE FOR THE CH- SQUARE STATSTC S Modelo de medida THE NORMAL THEORY RLS CH- SQUARE FOR THS ML SOLUTON S NDEPENDENCE MODEL CH- SQUARE = ON 153 DEGREES OF FREEDOM NDEPENDENCE AC = NDEPENDENCE CAC = MODEL AC = MODEL CAC = CH- SQUARE = BASED ON 124 DEGREES OF FREEDOM PROBABLTY VALUE FOR THE CH- SQUARE STATSTC S Modelo teórico 2 THE NORMAL THEORY RLS CH- SQUARE FOR THS ML SOLUTON S Doctorado nteruniversitario en Marketing 41
42 Validez nomológica: Chi cuadrado modelo teórico: (gl 124) Chi cuadrado modelo medida: (gl. 120) Modelo teórico mayor valor que el de medida (por lo tanto es peor), pero significativamente? Diferencias entre las chi cuadrado: 2.32 Diferencias en grados de libertad: 4 Valor crítico p<0.01 = Son modelos indiscernibles: podemos afirmar la validez nomológica Doctorado nteruniversitario en Marketing 42
43 Modelo final V8 V9 V10 Recompensas V5 V6 V7 V11 V12 V13 Satisfacción Costes V1 V2 V3 V4 V14 V15 V16 Compromiso nversión V17 V18 V19 Alternativas Doctorado nteruniversitario en Marketing 43
44 Presentación de resultados Muy importante el epígrafe 4.3 de los apuntes para ver como se puede resumir todo el proceso seguido en el texto de una tesis doctoral Doctorado nteruniversitario en Marketing 44
45 Partial Least Squares Referencias utilizadas *Anderson, J.C. and Gerbing, D.W., Structural equation modelling in practice: A review and recommended two-step approach. Psychological Bulletin, 103, *Bagozzi, R.P. y Yi, Y., (1988). On the evaluation of structural equations models. Journal of the Academy of Marketing Science, 16 (1), Bohrnstedt, G.W. (1976): Evaluación de la fiabilidad y la validez en la medición de actitudes. En Summers, G.F. (ed): Medición de actitudes. Méjico: Trillas. Carmines, E.G. y Zeller, R.A. (1979). Reliability and validity assessment. Sage University Paper Series on Quantitative Applications in the Social Sciences, Newbury Park, CA: Sage Crocker, L. y Algina, J. (1986): ntroduction to classical and modern test theory. Nueva York: Holt, Rinehart & Winston. *Cronbach, L.J. (1951): Coefficient alpha and the internal structure of tests. Psychometrika, Vol. 16, pp *Fornell, C. y Larcker, D.F. (1981): "Evaluating structural equations models with unobservable variables and measurement error". Journal of Marketing Research, Vol. 18, pp Nunnally, J.C. y Bernstein,.H. (1994): Psychometric Theory. 3ª edición. Nueva York: McGraw Hill. *Rusbult, C.E. (1980): Commitment and satisfaction in romantic associations: A test of tha investment model. Journal of Experimental Social Psychology, Vol. 16, pp * Artículo suministrado en la documentación del seminario Doctorado nteruniversitario en Marketing 45
Validation. Validación Psicométrica. Validation. Central Test. Central Test. Centraltest CENTRAL. L art de l évaluation. El arte de la evaluación
Validation Validación Psicométrica L art de l évaluation Validation Central Test Central Test Centraltest L art de l évaluation CENTRAL test.com El arte de la evaluación www.centraltest.com Propiedades
Más detallesLa Relación entre la Ges/ón del Conocimiento y la Innovación en la Pyme de México. Dr. en Mkt. Gonzalo Maldonado Guzmán
La Relación entre la Ges/ón del Conocimiento y la Innovación en la Pyme de México Dr. en Mkt. Gonzalo Maldonado Guzmán Introducción Premisa: Gestión del Conocimiento Facilita la generación de nuevo conocimiento
Más detallesCómo se sabe si una metodología científica es confiable y válida?
Cómo se sabe si una metodología científica es confiable y válida? POR: Tupak Ernesto Obando Rivera Ingeniero en Geología. Master y Doctorado en Geología, y Gestión Ambiental por la Universidad Internacional
Más detalles1.1. Introducción y conceptos básicos
Tema 1 Variables estadísticas Contenido 1.1. Introducción y conceptos básicos.................. 1 1.2. Tipos de variables estadísticas................... 2 1.3. Distribuciones de frecuencias....................
Más detallesPRACTICA 2002_2003 /2 VALIDEZ CRITERIAL (ANÁLISIS DE COMPONENTES PRINCIPALES, CORRELACIÓN Y REGRESIÓN LINEAL MÚLTIPLE) Psicometría. Prof. J. L.
Prof. J.L. Melià. Pràctica 00/03. Pagina / 6 PRACTICA 00_003 / VALIDEZ CRITERIAL (ANÁLISIS DE COMPONENTES PRINCIPALES, CORRELACIÓN Y REGRESIÓN LINEAL MÚLTIPLE) Psicometría. Prof. J. L. Melià Bibliografía
Más detallesDiagnosis y Crítica del modelo -Ajuste de distribuciones con Statgraphics-
Diagnosis y Crítica del modelo -Ajuste de distribuciones con Statgraphics- 1. Introducción Ficheros de datos: TiempoaccesoWeb.sf3 ; AlumnosIndustriales.sf3 El objetivo de esta práctica es asignar un modelo
Más detallesPSICOMETRIA PRÁCTICA Nº 3. TEST DE PRODUCTO
PSICOMETRÍA. Pràctica 3. Test de Producte. Prof. J.L. Melià 1 PSICOMETRIA PRÁCTICA º 3. TEST DE PRODUCTO PRODUCTO SELECCIOADO: YOGURT BLACO AZUCARADO MARCAS AALIZADAS: HACEDADO, LA LECHERA, DAOE 1. OBJETIVOS
Más detallesPruebas de. Hipótesis
Pruebas de ipótesis Pruebas de ipótesis Otra manera de hacer inferencia es haciendo una afirmación acerca del valor que el parámetro de la población bajo estudio puede tomar. Esta afirmación puede estar
Más detallesESTIMACIÓN. puntual y por intervalo
ESTIMACIÓN puntual y por intervalo ( ) Podemos conocer el comportamiento del ser humano? Podemos usar la información contenida en la muestra para tratar de adivinar algún aspecto de la población bajo estudio
Más detallesESTADÍSTICA APLICADA A LA INVESTIGACIÓN EN SALUD Medidas de Tendencia Central y Dispersión
Descargado desde www.medwave.cl el 13 Junio 2011 por iriabeth villanueva Medwave. Año XI, No. 3, Marzo 2011. ESTADÍSTICA APLICADA A LA INVESTIGACIÓN EN SALUD Medidas de Tendencia Central y Dispersión Autor:
Más detallesAnálisis de componentes principales
Capítulo 2 Análisis de componentes principales 2.1. INTRODUCCIÓN El Análisis de componentes principales trata de describir las características principales de un conjunto de datos multivariantes, en los
Más detallesTest de Idioma Francés. Manual del evaluador
Test de Idioma Francés Manual del evaluador 1 CONTENIDO Introducción Qué mide el Test de idioma francés? Qué obtienen el examinado y el examinador? Descripción de los factores Propiedades psicométricas
Más detallesAnálisis de Regresión Múltiple con Información Cualitativa: Variables Binarias o Ficticias
Análisis de Regresión Múltiple con Información Cualitativa: Variables Binarias o Ficticias Carlos Velasco 1 1 Departamento de Economía Universidad Carlos III de Madrid Econometría I Máster en Economía
Más detallesÍNDICE 1. INTRODUCCIÓN... 4 2. PARTICIPANTES... 5. 2.1. Participantes por sector... 5. 2.2. Participantes por edad... 6
INFORME DE RESULTADOS DEL ESTUDIO DE SATISFACCIÓN DE USUARIOS UNIVERSIDAD DE ALMERÍA 2012 SERVICIO DE PLANIFICACIÓN, EVALUACIÓN Y CALIDAD CALIDAD DE LOS SERVICIOS ENERO 2013 ÍNDICE 1. INTRODUCCIÓN...
Más detalles6 ANÁLISIS DE INDEPENDENCIA O ASOCIACIÓN ENTRE DOS ATRIBUTOS
6 ANÁLISIS DE INDEPENDENCIA O ASOCIACIÓN ENTRE DOS ATRIBUTOS Esquema del capítulo Objetivos 6.1. 6.. 6.3. 6.4. ANÁLISIS DE INDEPENDENCIA O ASOCIACIÓN ENTRE DOS ATRIBUTOS COEFICIENTES DE CONTINGENCIA LA
Más detallesOBJETIVOS GENERALES DE LA EMPRESA
OBJETIVOS SMART y LOS KPI OBJETIVOS GENERALES DE LA EMPRESA Tras la realización del diagnóstico y el pronóstico del escenario, se decidirán los objetivos de la empresa que deberán alcanzarse en los próximos
Más detalles8.1. Introducción... 1. 8.2. Dependencia/independencia estadística... 2. 8.3. Representación gráfica: diagrama de dispersión... 3. 8.4. Regresión...
Tema 8 Análisis de dos variables: dependencia estadística y regresión Contenido 8.1. Introducción............................. 1 8.2. Dependencia/independencia estadística.............. 2 8.3. Representación
Más detallesESTUDIO DEL MERCADO AUTOMOTRIZ EN EEUU FERULLO SERGIO
ESTUDIO DEL MERCADO AUTOMOTRIZ EN EEUU FERULLO SERGIO INTRODUCCION A continuación se presenta un modelo sobre las ventas de autos de pasajeros en Estados Unidos. Se debe recordar que Estados Unidos posee
Más detallesConfiabilidad y coeficiente Alpha de Cronbach
TELOS. Revista de Estudios Interdisciplinarios en Ciencias Sociales UNIVERSIDAD Rafael Belloso Chacín ISSN 1317-0570 ~ Depósito legal pp: 199702ZU31 Vol. 12 (2): 248-252, 2010 Confiabilidad y coeficiente
Más detallesCovarianza y coeficiente de correlación
Covarianza y coeficiente de correlación Cuando analizábamos las variables unidimensionales considerábamos, entre otras medidas importantes, la media y la varianza. Ahora hemos visto que estas medidas también
Más detallesASOCIACIÓN LINEAL ENTRE VARIABLES CUANTITATIVAS: la correlación de Pearson
ASOCIACIÓN LINEAL ENTRE VARIABLES CUANTITATIVAS: la correlación de Pearson 3datos 2011 Análisis BIVARIADO de variables cuantitativas OBJETIVO DETERMINAR 1º) si existe alguna relación entre las variables;
Más detallesEduardo Kido 26-Mayo-2004 ANÁLISIS DE DATOS
ANÁLISIS DE DATOS Hoy día vamos a hablar de algunas medidas de resumen de datos: cómo resumir cuando tenemos una serie de datos numéricos, generalmente en variables intervalares. Cuando nosotros tenemos
Más detallesIndicaciones específicas para los análisis estadísticos.
Tutorial básico de PSPP: Vídeo 1: Describe la interfaz del programa, explicando en qué consiste la vista de datos y la vista de variables. Vídeo 2: Muestra cómo crear una base de datos, comenzando por
Más detallesAplicaciones de Estadística Descriptiva
Aplicaciones de Estadística Descriptiva Contenidos de la presentación Funciones estadísticas en Excel. Gráficos. El módulo de análisis de datos y las tablas dinámicas de Excel. Información Intentaremos
Más detallesFOCO- LIQUIDACIÓN: DUDAS MÁS FRECUENTES
FOCO- LIQUIDACIÓN: DUDAS MÁS FRECUENTES LIQUIDACIÓN 1. Por qué al realizar una liquidación parcial no me aparece ningún curso? Es necesario saber si los cursos que deseo imputar tienen el F-40 validado,
Más detallesAnálisis y cuantificación del Riesgo
Análisis y cuantificación del Riesgo 1 Qué es el análisis del Riesgo? 2. Métodos M de Análisis de riesgos 3. Método M de Montecarlo 4. Modelo de Análisis de Riesgos 5. Qué pasos de deben seguir para el
Más detallesCASO PARCIAL DETERMINANTES DE LA INTENCIÓN DE COMPRA DE BILLETES DE AVIÓN POR IN- TERNET
CASO PARCAL DETERMNANTES DE LA NTENCÓN DE COMPRA DE BLLETES DE AVÓN POR N- TERNET Adaptado de Gefen y Straub (2005) Los modelos de aceptación de tecnología TAM (Davis, 1989), postulan que la intención
Más detallesSe podría entender como una matriz de filas y columnas. Cada combinación de fila y columna se denomina celda. Por ejemplo la celda A1, B33, Z68.
Departamento de Economía Aplicada: UDI de Estadística. Universidad Autónoma de Madrid Notas sobre el manejo de Excel para el análisis descriptivo y exploratorio de datos. (Descriptiva) 1 1 Introducción
Más detallesCARTILLA TIPOS DE PRESUPUESTO
CARTILLA TIPOS DE PRESUPUESTO SENA CENTRO NACIONAL DE LA CONSTRUCCIÓN MEDELLÍN, 2004 TIPOS DE PRESUPUESTO 1. PRESUPUESTO GLOBAL Es aquel en el cual se presenta el valor total del proyecto sin ningún tipo
Más detallesANÁLISIS DE DATOS NO NUMERICOS
ANÁLISIS DE DATOS NO NUMERICOS ESCALAS DE MEDIDA CATEGORICAS Jorge Galbiati Riesco Los datos categóricos son datos que provienen de resultados de experimentos en que sus resultados se miden en escalas
Más detallesCapítulo 17 Análisis de correlación lineal: Los procedimientos Correlaciones bivariadas y Correlaciones parciales
Capítulo 17 Análisis de correlación lineal: Los procedimientos Correlaciones bivariadas y Correlaciones parciales Cuando se analizan datos, el interés del analista suele centrarse en dos grandes objetivos:
Más detallesMáster en Economía y Organización de empresas
Máster en Economía y Organización de empresas Módulo III: Competencias para la preparación de trabajo fin de Máster Dr. Eulogio Cordón Pozo ÍNDICE DE CONTENIDOS! 1. Errores en la medición. El modelo de
Más detallesQUÉ ES LA RENTABILIDAD Y CÓMO MEDIRLA. La rentabilidad mide la eficiencia con la cual una empresa utiliza sus recursos financieros.
QUÉ ES LA RENTABILIDAD Y CÓMO MEDIRLA La rentabilidad mide la eficiencia con la cual una empresa utiliza sus recursos financieros. Qué significa esto? Decir que una empresa es eficiente es decir que no
Más detallesMetodología. del ajuste estacional. Tablero de Indicadores Económicos
Metodología del ajuste estacional Tablero de Indicadores Económicos Metodología del ajuste estacional Componentes de una serie de tiempo Las series de tiempo están constituidas por varios componentes que,
Más detallesPROCEDIMIENTOS DE TÍTULOS. Para solicitar los títulos al finalizar determinadas enseñanzas es preciso seguir un proceso en la aplicación Plumier XXI.
PROCEDIMIENTOS DE TÍTULOS Para solicitar los títulos al finalizar determinadas enseñanzas es preciso seguir un proceso en la aplicación Plumier XXI. EVALUACIÓN Cuando se ha cursado el último curso de una
Más detallesInvestigación en Psicología. Introducción METODOS DE INVESTIGACION EN PSICOLOGIA
I. Introducción Investigación en Psicología Introducción METODOS DE INVESTIGACION EN PSICOLOGIA La psicología es una ciencia y como tal tiene un cuerpo de teorías que procuran explicar los fenómenos propios
Más detallesANÁLISIS DINÁMICO DEL RIESGO DE UN PROYECTO
ANÁLISIS DINÁMICO DEL RIESGO DE UN PROYECTO Por: Pablo Lledó Master of Science en Evaluación de Proyectos (University of York) Project Management Professional (PMP) Profesor de Project Management y Evaluación
Más detallesLic. Arnaldo Martínez Mercado
(VALIDEZ Y CONFIABILIDAD) Lic. VALIDEZ Lo primero que tenemos que preguntarnos es a qué se refiere la validez? De qué disciplina proviene el concepto de validez? VALIDEZ La validez, es un concepto propio
Más detallesTEMA 7 ANÁLISIS DE DATOS: INTRODUCCIÓN AL SPSS
TEMA 7 ANÁLISIS DE DATOS: INTRODUCCIÓN AL SPSS 1. Introducción 2. Definición de variables 3. Introducción de los datos 4. Análisis de los datos 5. Otras utilidades 1. INTRODUCCIÓN El SPSS es un paquete
Más detallesOtras medidas descriptivas usuales
Tema 7 Otras medidas descriptivas usuales Contenido 7.1. Introducción............................. 1 7.2. Medidas robustas.......................... 2 7.2.1. Media recortada....................... 2 7.2.2.
Más detallesANÁLISIS DE BALANCES CON EL NUEVO PGC DE 2008
ANÁLISIS DE BALANCES CON EL NUEVO PGC DE 2008 Índice: 1.- ANÁLISIS DE BALANCES. GENERALIDADES...2 2.- EL FONDO DE MANIOBRA...2 3.- ANÁLISIS FINANCIERO DEL BALANCE...3 4.- ANÁLISIS ECONÓMICO DEL BALANCE...6
Más detallesLAS SUBCONSULTAS SQL SERVER 2005. Manual de Referencia para usuarios. Salomón Ccance CCANCE WEBSITE
LAS SUBCONSULTAS SQL SERVER 2005 Manual de Referencia para usuarios Salomón Ccance CCANCE WEBSITE LAS SUBCONSULTAS Una subconsulta es una consulta que aparece dentro de otra consulta o subconsultas, en
Más detallesControl Estadístico del Proceso. Ing. Claudia Salguero Ing. Alvaro Díaz
Control Estadístico del Proceso Ing. Claudia Salguero Ing. Alvaro Díaz Control Estadístico del Proceso Es un conjunto de herramientas estadísticas que permiten recopilar, estudiar y analizar la información
Más detallesANÁLISIS DE REDES SOCIALES
Máster Universitario de Investigación en Tecnologías de la Información y las Comunicaciones Universidad de Valladolid Técnicas y herramientas de apoyo a la investigación (THAI) ANÁLISIS DE REDES SOCIALES
Más detallesTEMA 4: Variables binarias
TEMA 4: Variables binarias Econometría I M. Angeles Carnero Departamento de Fundamentos del Análisis Económico Curso 2011-12 Econometría I (UA) Tema 4: Variables binarias Curso 2011-12 1 / 51 Variables
Más detallesProfunda comprensión de que valores son o podrían ser percibidos por los clientes.
Estrategias de retención de clientes para servicios El valor concebido por el cliente de servicio se basa en una estrategia de conocimientos, ya que con el conocimiento que posee la empresa, puede emplear
Más detallesEjercicio de estadística para 3º de la ESO
Ejercicio de estadística para 3º de la ESO Unibelia La estadística es una disciplina técnica que se apoya en las matemáticas y que tiene como objetivo la interpretación de la realidad de una población
Más detallesUNIVERSIDAD DEL TURABO Informe de Hallazgos Psicométricos del Cuestionario de Fin de Curso del Programa AHORA
UNIVERSIDAD DEL TURABO Informe de Hallazgos Psicométricos del Cuestionario de Fin de Curso del Programa AHORA Preparado por: José R. Pérez Colón Marzo de 2011 1 Resumen El Cuestionario de Evaluación de
Más detallesTema 7 COSTO ESTÁNDAR
Tema 7 COSTO ESTÁNDAR Campus Santa Fé Miguel Ángel Gutiérrez Banegas 1 Introducción En el proceso de generación de información en los negocios, la predeterminación de costos soluciona la dificultad que
Más detallesCAPITULO III MARCO METODOLÓGICO. Desde la perspectiva de Hurtado de Barrera (2008), el tipo de
CAPITULO III MARCO METODOLÓGICO 1. TIPO DE INVESTIGACIÓN Desde la perspectiva de Hurtado de Barrera (2008), el tipo de investigación que propone soluciones a una situación determinada a partir de un proceso
Más detallesHipótesis Alternativa: Afirmación sobre las posibles alternativas que se tienen a la afirmación hecha en la hipótesis nula.
PRUEBA DE HIPÓTESIS Introducción (10 min) En el mundo de las finanzas, la administración y la economía tan importante como saber hacer y entender a cabalidad las estimaciones que nos ayudaran a la toma
Más detallesUNIDAD DIDÁCTICA 7 ANÁLISIS DE ÍTEMS Y BAREMACIÓN DE UN TEST
UNIDAD DIDÁCTICA 7 ANÁLISIS DE ÍTEMS Y BAREMACIÓN DE UN TEST 7.1. ANÁLISIS DE LOS ÍTEMS Al comenzar la asignatura ya planteábamos que uno de los principales problemas a los que nos enfrentábamos a la hora
Más detallesTEORÍA CLÁSICA DE MEDICIÓN TC Y TEORÍA DE RESPUESTA AL ITEM TRI
TEORÍA CLÁSICA DE MEDICIÓN TC Y TEORÍA DE RESPUESTA AL ITEM TRI UNIVERSIDAD DE CHILE VICERRECTORÍA DE ASUNTOS ACADÉMICOS Departamento de Evaluación, Medición y Registro Educacional DEMRE ABRIL DE 2005
Más detallesREGRESIÓN LINEAL MÚLTIPLE
REGRESIÓN LINEAL MÚLTIPLE.- Planteamiento general....- Métodos para la selección de variables... 5 3.- Correlaciones parciales y semiparciales... 8 4.- Multicolinealidad en las variables explicativas...
Más detallescontabilidad www.directivosconstruccion.com
040_contabilidad_196.qxp 27/12/2006 18:48 PÆgina 40 contabilidad Aún habrá que esperar unos meses hasta que se apruebe el nuevo Plan General de Contabilidad que se adapte a las normas internacionales de
Más detallesAnálisis de validez y fiabilidad del modelo de encuesta a los estudiantes para al evaluación de la calidad de la docencia.
Análisis de validez y fiabilidad del modelo de encuesta a los estudiantes para al evaluación de la calidad de la docencia. Beatriz Porras Pomares. Directora del Área de Calidad. Universidad de Cantabria
Más detallesLas bebidas Alcohólicas
Las bebidas Alcohólicas Hecho por: - Elisa Gutiérrez - Guillermo Rivas-plata - Rodrigo Pumares - Beatriz Sánchez 1 Índice 1- Introducción... 3 2- Objetivos... 3 3- Preguntas de la encuesta... 4 4- Encuesta...
Más detallesEl control de la tesorería consiste en gestionar desde la aplicación los cobros y pagos generados a partir de las facturas de venta y de compra.
Gestión de la tesorería y del riesgo El control de la tesorería consiste en gestionar desde la aplicación los cobros y pagos generados a partir de las facturas de venta y de compra. En este manual nos
Más detallesPortafolios Eficientes para agentes con perspectiva Pesos
RenMax Sociedad de Bolsa S.A www.renmax.com.uy Publicado Diciembre 2005 Portafolios Eficientes para agentes con perspectiva Pesos Este artículo muestra que para un agente residente en Uruguay que consume
Más detallesINCERTIDUMBRE Y PRECISIÓN
INCERTIDUMBRE Y PRECISIÓN Alicia Maroto, Ricard Boqué, Jordi Riu, F. Xavier Rius Departamento de Química Analítica y Química Orgánica Instituto de Estudios Avanzados Universitat Rovira i Virgili. Pl. Imperial
Más detallesLA MEDIDA Y SUS ERRORES
LA MEDIDA Y SUS ERRORES Magnitud, unidad y medida. Magnitud es todo aquello que se puede medir y que se puede representar por un número. Para obtener el número que representa a la magnitud debemos escoger
Más detallesTEMA 2. FILOSOFÍA DE LOS GRÁFICOS DE CONTROL. Principios básicos de los gráficos de control. Análisis de patrones.
TEMA 2. FILOSOFÍA DE LOS GRÁFICOS DE CONTROL. Principios básicos de los gráficos de control. Análisis de patrones. La herramienta que nos indica si el proceso está o no controlado o Estado de Control son
Más detallesMANUAL DE USUARIO DE LA APLICACIÓN DE ACREDITACION DE ACTIVIDADES DE FORMACION CONTINUADA. Perfil Entidad Proveedora
MANUAL DE USUARIO DE LA APLICACIÓN DE ACREDITACION DE ACTIVIDADES DE FORMACION CONTINUADA Perfil Entidad Proveedora El objetivo del módulo de Gestión de Solicitudes vía Internet es facilitar el trabajo
Más detallesLos estudios de marketing
Los estudios de marketing I. Qué es un estudio de marketing? Los estudios de marketing son herramientas para conocer el mercado, sirven para recolectar, analizar y explotar información para responder a
Más detalleslll. RESULTADOS 1) Análisis de poder discriminativo (prueba t)
lll. RESULTADOS En el análisis de los resultados provenientes del trabajo de campo, es importante mencionar que debido a la estructura y contenido del instrumento, se procedió al análisis cuantitativo.
Más detallesParámetros y estadísticos
Parámetros y estadísticos «Parámetro»: Es una cantidad numérica calculada sobre una población y resume los valores que esta toma en algún atributo Intenta resumir toda la información que hay en la población
Más detallesCifras significativas e incertidumbre en las mediciones
Unidades de medición Cifras significativas e incertidumbre en las mediciones Todas las mediciones constan de una unidad que nos indica lo que fue medido y un número que indica cuántas de esas unidades
Más detallesGUÍA TÉCNICA PARA LA DEFINICIÓN DE COMPROMISOS DE CALIDAD Y SUS INDICADORES
GUÍA TÉCNICA PARA LA DEFINICIÓN DE COMPROMISOS DE CALIDAD Y SUS INDICADORES Tema: Cartas de Servicios Primera versión: 2008 Datos de contacto: Evaluación y Calidad. Gobierno de Navarra. evaluacionycalidad@navarra.es
Más detallesPráctica 5. Contrastes paramétricos en una población
Práctica 5. Contrastes paramétricos en una población 1. Contrastes sobre la media El contraste de hipótesis sobre una media sirve para tomar decisiones acerca del verdadero valor poblacional de la media
Más detallesII. ANÁLISIS DE SISTEMAS DE MEDICIÓN
II. ANÁLISIS DE SISTEMAS DE MEDICIÓN INTRODUCCIÓN Siempre que registramos o medimos los resultados de un proceso nos encontramos con cierta variación en los datos obtenidos. Esta variación puede provenir
Más detallesESTADÍSTICA SEMANA 4
ESTADÍSTICA SEMANA 4 ÍNDICE MEDIDAS DE DISPERSIÓN... 3 APRENDIZAJES ESPERADOS... 3 DEfinición de Medida de dispersión... 3 Rango o Recorrido... 3 Varianza Muestral (S 2 )... 3 CÁLCULO DE LA VARIANZA...
Más detallesNIC 39 Valor razonable
NIC 39 Valor razonable Medición inicial y posterior de activos y pasivos financieros Se medirá por su valor razonable más, (si no se contabiliza al valor razonable con cambios en resultados) los costos
Más detallesLas Relaciones Públicas en el Marketing social
Las Relaciones Públicas en el Marketing social El marketing social es el marketing que busca cambiar una idea, actitud o práctica en la sociedad en la que se encuentra, y que intenta satisfacer una necesidad
Más detallesREGRESION simple. Correlación Lineal:
REGRESION simple Correlación Lineal: Dadas dos variable numéricas continuas X e Y, decimos que están correlacionadas si entre ambas variables hay cierta relación, de modo que puede predecirse (aproximadamente)
Más detallesUna vez que tengamos el padrón de un determinado tributo con todos sus datos actualizados, podemos generar los recibos de ese padrón.
11. RECIBOS. Desde esta opción de Menú vamos a completar el proceso de gestión de los diferentes tributos, generando recibos, informes de situación, impresiones, etc. 11.1. GENERACIÓN DE RECIBOS. Una vez
Más detalles5.- ANÁLISIS DE RIESGO
5.- ANÁLISIS DE RIESGO El módulo de Análisis de Riesgo se caracteriza por desarrollar una herramienta formativa para la gestión, que permite al usuario identificar, analizar y cuantificar el riesgo de
Más detallesSistemas de Gestión de Calidad. Control documental
4 Sistemas de Gestión de Calidad. Control documental ÍNDICE: 4.1 Requisitos Generales 4.2 Requisitos de la documentación 4.2.1 Generalidades 4.2.2 Manual de la Calidad 4.2.3 Control de los documentos 4.2.4
Más detallesAspectos que debe considerar al comparar la cobertura de medicamentos de Medicare
Revisado en septiembre de 2014 Aspectos que debe considerar al comparar la cobertura de medicamentos de Medicare Existen 2 formas de obtener cobertura de medicamentos recetados. Puede afiliarse a un Plan
Más detallesMonografías de Juan Mascareñas sobre Finanzas Corporativas ISSN: 1988-1878 Introducción al VaR
Juan Mascareñas Universidad Complutense de Madrid Versión inicial: mayo 1998 - Última versión: mayo 2008 - El valor en riesgo (VaR), 2 - El método histórico, 3 - El método varianza-covarianza, 6 - El método
Más detallesTests de hipótesis estadísticas
Tests de hipótesis estadísticas Test de hipótesis sobre la media de una población. Introducción con un ejemplo. Los tests de hipótesis estadísticas se emplean para muchos problemas, en particular para
Más detalles4 Análisis de los principales factores AsociAdos A los resultados en ciencias
cuada en relación con las posibles futuras profesiones de los estudiantes vinculadas a las ciencias. En segundo lugar, los alumnos opinan que las dificultades en el aprendizaje del nuevo conocimiento científico
Más detallesINFLUENCIA DE SELECTIVIDAD EN LAS MATEMÁTICAS DE ECONOMÍA
INFLUENCIA DE SELECTIVIDAD EN LAS MATEMÁTICAS DE ECONOMÍA Juana María Vivo Molina Departamento de Métodos Cuantitativos para la Economía. Universidad de Murcia. jmvivomo@um.es RESUMEN En este trabajo se
Más detallesI. RENTABILIDAD FINANCIERA
I. RENTABILIDAD FINANCIERA En un sentido general, la rentabilidad es la medida del rendimiento que, en un determinado período de tiempo (el ejercicio), producen las magnitudes utilizadas en el mismo, o
Más detallesCapítulo 3. Estimación de elasticidades
1 Capítulo 3. Estimación de elasticidades Lo que se busca comprobar en esta investigación a través la estimación econométrica es que, conforme a lo que predice la teoría y lo que ha sido observado en gran
Más detallesLa ventana de Microsoft Excel
Actividad N 1 Conceptos básicos de Planilla de Cálculo La ventana del Microsoft Excel y sus partes. Movimiento del cursor. Tipos de datos. Metodología de trabajo con planillas. La ventana de Microsoft
Más detallesMEDIDAS DE DISPERSIÓN EMPLEANDO EXCEL
MEDIDAS DE DISPERSIÓN EMPLEANDO EXCEL Las medias de tendencia central o posición nos indican donde se sitúa un dato dentro de una distribución de datos. Las medidas de dispersión, variabilidad o variación
Más detallesServicio de Email Marketing
Servicio de Email Marketing Cuando hablamos de Email marketing, es un envío Masivo de correos con permisos realizado por herramientas tecnológicas de correo electrónico, mediante el cual su anuncio estará
Más detallesGestión de Permisos. Bizagi Suite. Copyright 2014 Bizagi
Gestión de Permisos Bizagi Suite Gestión de Permisos 1 Tabla de Contenido Gestión de Permisos... 3 Definiciones... 3 Rol... 3 Perfil... 3 Permiso... 3 Módulo... 3 Privilegio... 3 Elementos del Proceso...
Más detallesPROCEDIMIENTO ESPECÍFICO. Código A-VI-02-A-1 Edición 0
Índice 1. TABLA RESUMEN... 2 2. OBJETO... 2 3. ALCANCE... 2 4. RESPONSABILIDADES... 3 5. ENTRADAS... 3 6. SALIDAS... 3 7. PROCESOS RELACIONADOS... 3 8. DIAGRAMA DE FLUJO... 4 9. DESARROLLO... 5 9.1. ANÁLISIS
Más detallesAdministración de Empresas. 11 Métodos dinámicos de evaluación de inversiones 11.1
Administración de Empresas. 11 Métodos dinámicos de evaluación de inversiones 11.1 TEMA 11: MÉTODOS DINÁMICOS DE SELECCIÓN DE INVERSIONES ESQUEMA DEL TEMA: 11.1. Valor actualizado neto. 11.2. Tasa interna
Más detallesCONSULTAS CON SQL. 3. Hacer clic sobre el botón Nuevo de la ventana de la base de datos. Aparecerá el siguiente cuadro de diálogo.
CONSULTAS CON SQL 1. Qué es SQL? Debido a la diversidad de lenguajes y de bases de datos existentes, la manera de comunicar entre unos y otras sería realmente complicada a gestionar de no ser por la existencia
Más detallesDIAGNOSTICO ORGANIZACIONAL
Nunca Rara Vez A veces Por lo general Siempre APENDCE A ESCALA DE CLMA ORGANZACONAL APLCADA. Validación de Escala de Clima Organizacional DAGNOSTCO ORGANZACONAL ENCUESTA DE CLMA LABORAL Por favor marque
Más detallesMANUAL DE AYUDA HERRAMIENTA DE APROVISIONAMIENTO
MANUAL DE AYUDA HERRAMIENTA DE APROVISIONAMIENTO Fecha última revisión: Junio 2011 INDICE DE CONTENIDOS HERRAMIENTA DE APROVISIONAMIENTO... 3 1. QUÉ ES LA HERRAMIENTA DE APROVISIONAMIENTO... 3 HERRAMIENTA
Más detallesFundamentos de Investigación de Operaciones Investigación de Operaciones 1
Fundamentos de Investigación de Operaciones Investigación de Operaciones 1 1 de agosto de 2003 1. Introducción Cualquier modelo de una situación es una simplificación de la situación real. Por lo tanto,
Más detallesCapítulo 10. Estudio de un caso con parámetros reales: acuífero de Borden
Capítulo 10. Estudio de un caso con parámetros reales: acuífero de Borden Tras la realización de muchos casos sintéticos y un estudio detallado de todos los parámetros que intervienen en el problema y
Más detallesInforme Encuesta. Satisfacción del Personal. 2do. Semestre 2010. Tesorería de la Seguridad Social
Informe Encuesta 2do. Semestre Satisfacción del Personal Tesorería de la Seguridad Social Elaborador por RRHH & DO Octubre, INDICE Índice automático de manera secuencial Inf-Sat- Marzo Octubre CO Páginas
Más detallesDOMINIO Y RANGO página 89. Cuando se grafica una función existen las siguientes posibilidades:
DOMINIO Y RANGO página 89 3. CONCEPTOS Y DEFINICIONES Cuando se grafica una función eisten las siguientes posibilidades: a) Que la gráfica ocupe todo el plano horizontalmente (sobre el eje de las ). b)
Más detallesEste es un ejemplo muy sencillo, un esquema de empleados que trabajan en proyectos, en una relación muchos a muchos.
28/04/2012 La teoría de la normalización va perdiendo peso con el paso de los años como herramienta de diseño de bases de datos relacionales en favor de modelos de datos más ricos en su representación,
Más detallesAsignatura: Econometría. Conceptos MUY Básicos de Estadística
Asignatura: Econometría Conceptos MUY Básicos de Estadística Ejemplo: encuesta alumnos matriculados en la UMH Estudio: Estamos interesados en conocer el nivel de renta y otras características de los estudiantes
Más detallesGestión de la Configuración
Gestión de la ÍNDICE DESCRIPCIÓN Y OBJETIVOS... 1 ESTUDIO DE VIABILIDAD DEL SISTEMA... 2 ACTIVIDAD EVS-GC 1: DEFINICIÓN DE LOS REQUISITOS DE GESTIÓN DE CONFIGURACIÓN... 2 Tarea EVS-GC 1.1: Definición de
Más detalles