Máster en Economía y Organización de empresas

Transcripción

1 Máster en Economía y Organización de empresas Módulo III: Competencias para la preparación de trabajo fin de Máster Dr. Eulogio Cordón Pozo

2 ÍNDICE DE CONTENIDOS! 1. Errores en la medición. El modelo de valor verdadero 2. Validez y fiabilidad de escalas de medida 3. Análisis factorial exploratorio y validación de escalas 4. Ejemplo aplicado para evaluar la validez y fiabilidad de escalas de medida. 5. Análisis factorial confirmatorio (LISREL) 6. Bibliografía básica recomendada.

3 ERRORES EN LA MEDICIÓN! " Medir aspectos no observables es difícil, por lo que se pueden cometer errores en el proceso de medición. " Los posibles errores que podemos cometer son: 1. Error de medida: diferencia existente entre la puntuación verdadera (que desconocemos) y la empírica (la conocida). 2. Error de estimación: diferencia entre el valor verdadero pronosticado y el verdadero (que desconocemos). 3. Error de sustitución: diferencia entre la puntuación obtenida al aplicar una escala o índice y la obtenida por otra escala o índice que mida el mismo concepto. 4. Error de predicción: diferencia entre la puntuación o valor obtenido en una escala o índice y la pronosticada por una escala o índice que mide el mismo concepto

4 MODELO DEL VALOR VERDADERO! Máster en Economía y Organización de Medida = Valor verdadero + Error sistemá3co + Error aleatorio Error sistemático: sesgo que afecta de forma constante a la medición, de manera que siempre que se procede a medir se incurre en el mismo error (vg: un reloj que se adelanta 5 minutos). Afecta a la VALIDEZ de la medida. Error aleatorio: relacionado con circunstancias transitorias o aleatorias, de manera que no siempre se produce el mismo error (depende de las circunstancias). Afecta a la FIABILIDAD de la medida.

5 VALIDEZ Y FIABILIDAD DE ESCALAS DE MEDIDA! " Las escalas de medida utilizadas en investigaciones deben ser válidas y fiables " Un instrumento de medida puede ser fiable, pero no tiene por qué ser válido Ni válido ni fiable Fiable, pero no válido Válido y fiable

6 VALIDEZ! Un instrumento de medida es válido cuando mide lo que 3ene que medir. Una medida tendrá validez cuando las diferencias en los valores observados reflejan diferencias verdaderas solamente sobre las caracterís3cas que se pretenden medir y no sobre otros factores. Si un instrumento es válido, no habrá error sistemá3co (a menor error sistemá3co, mayor validez) " De contenido: relacionada con el grado de idoneidad con el que las características de lo que se mide son recogidas por la media. Recoge la medida todos los aspectos o facetas del fenómeno que se mide? (revisión de la literatura). " De concepto: qué se está midiendo realmente con el instrumento de medida?. Implica la existencia de una consistencia interna, y el marco teórico es relevante para su determinación. La validez de concepto se puede llevar a cabo a través de: 1. Validez Convergente: existe una corroboración por procedimientos independientes del concepto bajo estudio. Por ejemplo, si desarrollamos una escala nueva para medir un concepto previo, la nueva escala debe estar correlacionada con las escalas previas que miden el concepto. 2. Validez discriminante: grado en que una medida no se correlaciona con otras de las que se supone que debe diferir.

7 FIABILIDAD! Un instrumento de medida es fiable cuando proporciona puntuaciones estables y consistentes (está libre de error aleatorio). Mientras la validez se refiere a la coincidencia entre dos medidas de algún objeto mediante métodos diferentes, la fiabilidad se refiere a la coincidencia en la medida de algo con métodos iguales o muy similares. 1. Técnica de pruebas repetidas o test-retest: permite determinar la estabilidad de una medida en el tiempo. Se trata de realizar una medición repetida del mismo individuo utilizando la misma escala bajo condiciones similares a las anteriores mediciones. Posteriormente se determina la correlación entre ambas mediciones. 2. Coeficiente alfa de Cronbach. Mide la fiabilidad entendida como consistencia interna. Este coeficiente analiza la homogeneidad de los ítems que componen una escala. Su valor oscilará entre 0 y 1, y en general se suele aceptar que su valor debe ser superior a 0,7 y que a medida que aumenta mejora la consistencia interna de la escala. No obstante, valores elevados (vg: superiores a 0,9) pueden ser indicativos de la existencia de ítems redundantes. Muy criticado!... aunque necesario

8 ANÁLISIS FACTORIAL EXPLORATORIO! Escalas para la medida de la orientación al mercado Máster en Economía y Organización de Naver y Slater (1990): con tres componentes que son orientación al cliente, orientación a la competencia e interdependencia funcional Kohli, Jaworski y Kumar (1993)

9 ANÁLISIS FACTORIAL EXPLORATORIO (AFE)! " Pretende definir la estructura subyacente en una matriz de datos. En términos generales, permite resumir un conjunto de variables observadas en un número menor de factores, relacionando cada una de las variables con los factores (esto facilita la interpretación de los mismos). " Las escalas con las que se miden las variables deben ser métricas (de intervalo o razón). " El número mínimo de casos recomendable es 100, y nunca menos de 50. Autores como Hair et al. (1999) recomiendan que como mínimo se debe disponer de un número de observaciones cinco veces (o mejor aún 10 veces) el número de variables a analizar. Fichero: datosseminario.sav (12 variables. Algo más de 100 casos) Número de variables Tamaño muestral (5) Tamaño muestral (10)

10 SON LOS DATOS ADECUADOS PARA AFE?! " Las correlaciones entre las variables deben ser elevadas. Matriz de correlaciones: número elevado de correlaciones con valores superiores a un mínimo (0,3 0,5 según autores). SPSS: Analizar Correlaciones Bivariadas (también se pueden obtener con el procedimiento para el análisis factorial). " El estadístico de Kaiser-Meyer-Olkin (índice KMO) debe tomar un valor suficiente. El resultado de la prueba de esfericidad de Bartlett debe ser significativo SPSS: Analizar Reducción de datos-análisis factorial Descriptivos

11 SON LOS DATOS ADECUADOS PARA AFE?! " La diagonal de la matriz de correlaciones antiimagen debe tener un valor apropiado (en principio, podrían eliminarse las variables con valores inferiores a 0,5) SPSS: Analizar Reducción de datos-análisis factorial Descriptivos Qué ocurre en nuestro ejemplo?

12 NÚMERO DE FACTORES A CONSIDERAR! " A diferencia del análisis factorial confirmatorio, en el exploratorio se desconoce a priori el número de factores que se considerarán. Qué criterios se pueden seguir para determinar el número de factores a extraer? Máster en Economía y Organización de SPSS: Analizar Reducción de datos-análisis factorial Extracción 1. Enfoque objetivo: criterio del valor propio (Autovalores) 2. Enfoque subjetivo: indicar el número de factores a extraer (gráfico de sedimentación) Mínimo 60%

13 INTERPRETACIÓN DE LOS FACTORES! Máster en Economía y Organización de " Para interpretar los factores nos basamos en las cargas factoriales de las distintas variables. " Cuándo es una carga factorial significativa? (general: superior a ± 0,30; Es raro encontrar valores superiores a ± 0,80) Carga factorial Tamaño Muestral requerido para la significación 0, , , , , , , , , , Fuente: Hair et al (1999), p.100

14 INTERPRETACIÓN: SOLUCIONES ROTADAS! " Para facilitar la interpretación de los factores se puede llevar a cabo una rotación de los factores. " Hay diversos métodos de rotación. Algunos mantienen la independencia de los factores rotados (vg: VARIMAX), y otros permiten la existencia de factores correlacionados (vg: OBLIMIN). " La rotación VARIMAX es la que más simplifica la interpretación de los factores.

15 INTERPRETACIÓN DE LOS FACTORES! Solución Solución rotada no (VARIMAX). rotada. Se Se eliminan cargas cargas menores a ± a 0,4 ± 0,4 Máster en Economía y Organización de Participación en toma de decisiones Grado de formalización Tolerancia al fracaso y asunción riesgos Concentración de autoridad

16 FIABILIDAD: PARTICIPACIÓN TOMA DECISIONES SPSS: Analizar Escalas Análisis de fiabilidad Estadísticos de fiabilidad Alfa de Cronbach Alfa de Cronbach basada en los elementos tipificados N de elementos,750,756 4 Estadísticos total-elemento Participación: desarrollo NP Participación: adopción ideas Participación: modificación productos existentes Participación: abandono productos existentes Media de la Varianza de Alfa de escala si se la escala si Correlación Correlación Cronbach si elimina el se elimina el elemento-total múltiple al se eleimina elemento elemento corregida cuadrado el elemento 9,81 5,327,622,451,647 9,85 6,129,605,440,670 9,70 6,152,428,191,757 10,66 5,398,554,311,689 Matriz de correlaciones inter-elementos Participación: desarrollo NP Participación: adopción ideas Participación: modificación productos existentes Participación: abandono productos existentes Participación: modificación productos Participación: abandono productos Participación: Participación: adopción desarrollo NP ideas existentes existentes 1,000,628,371,464,628 1,000,301,478,371,301 1,000,375,464,478,375 1,000

17 FIABILIDAD GRADO DE FORMALIZACIÓN! Eliminaría algún ítem? Máster en Economía y Organización de Estadísticos de fiabilidad Alfa de Cronbach Alfa de Cronbach basada en los elementos tipificados N de elementos,744,743 3 Estadísticos total-elemento Evaluación se basa en estándares Obligaciones, autoridad, etc. descritos formalmente Existen procedimientos y directrices por escrito Media de la Varianza de Alfa de escala si se la escala si Correlación Correlación Cronbach si elimina el se elimina el elemento-tot múltiple al se eleimina elemento elemento al corregida cuadrado el elemento 10,55 8,614,447,200,793 9,71 7,157,634,454,582 9,88 7,117,639,458,575

18 TOLERANCIA FRACASO/ASUNCIÓN RIESGOS! Eliminaría algún ítem? Estadísticos de fiabilidad Alfa de Cronbach Alfa de Cronbach basada en los elementos tipificados N de elementos,790,793 3 Estadísticos total-elemento Se ofrecen incentivos a pesar de incertidumbre Interés por proyectos arriesgados Si se falla, se sigue animando Media de la Varianza de Alfa de escala si se la escala si Correlación Correlación Cronbach si elimina el se elimina el elemento-tot múltiple al se eleimina elemento elemento al corregida cuadrado el elemento 9,80 7,414,585,343,768 9,49 7,121,659,450,684 9,05 7,967,657,444,694

19 CONCENTRACIÓN DE AUTORIDAD! Escala con dos items Estadísticos de fiabilidad Alfa de Cronbach Alfa de Cronbach basada en los elementos tipificados N de elementos,761,762 2 Correlaciones Escala concentración de autoridad No se emprenden acciones sin autorización superior Custiones triviales se comentan a superior Correlación de Pearson Sig. (bilateral) N Correlación de Pearson Sig. (bilateral) N Correlación de Pearson Sig. (bilateral) N No se emprenden acciones sin autorización Escala concentración de autoridad superior superior 1,904**,894**,000, ,904** 1,615**,000, ,894**,615** 1,000,000 Custiones triviales se comentan a Correlación inter-ítem: mínimo de 0,3 2. Correlación ítem-total: mínimo de 0,5 Fuente: Hair et al. (1999), p. 105 **. La correlación es significativa al nivel 0,01 (bilateral).

20 BIBLIOGRAFÍA RECOMENDADA! " De Vellis, R. F. (2003): Scale Development, SAGE Publications (FEG/ DEV). " Hair Anderson Tatham y Black (1999): Análisis multivariante, Prentice Hall (FEG/ ANA). " Luque, T. (1997): Investigación de marketing, Ariel Economía, (FEG/ LUQ) " Martinez, R. (2008): El análisis multivariante en la investigación científica, Ed. La Muralla (FCE/ MAR ana) " Pardo Merino, A y Ruíz Díaz (2002): SPSS 11. Guía para el análisis de datos, McGraw Hill (FEG/ PAR). " Peterson, R.A (1994): A meta-analysis of Cronbach s coefficient alfa, Journal of Consumer Research, Vol. 21, nº 2, pp " Sarabia Sánchez, F.J. (coord., 1999): Metodología para la investigación en marketing y dirección de empresas, Pirámide ( FEG/ MET). " Sharma, S. (1996): Applied Multivariate Techniques, John Wiley & Sons, (FEG/ SHA)

21 Máster en Economía y Organización de empresas Módulo III: Competencias para la preparación de trabajo fin de Máster Dr. Eulogio Cordón Pozo