Introducción al programa AMOS

Transcripción

1 6 Introducción al programa AMOS Entrar al programa El programa AMOS 18.0 permite la estimación y contraste de modelos estructurales mediante un sencillo y cómodo interface gráfico. Para entrar en AMOS se selecciona la opción Analizar Amos 18 dentro del programa SPSS.

2 88 Apuntes Modelos de Ecuaciones estructurales (Universidad Autónoma de Madrid) Formato del fichero de datos Aunque AMOS permite importar distintos tipos de ficheros de datos, trabajaremos con ficheros con formato SPSS: 1.) El fichero de datos puede ser una matriz de correlaciones: Donde aparecen en primer lugar 2 variables de tipo CADENA (ROWTYPE_ y VARNAME_). ROWTYPE indica el tipo de dato que va a aparecer en esa fila: MEAN (media), STDDEV (desviación típica), N (número de sujetos en esa variable), CORR (correlaciones); VARNAME_ indica la variable a la que se va a referir el dato (sólo se especifica para N y para CORR). Cada columna siguiente indica también a qué variable pertenece cada dato. Por ejemplo, la correlación entre FLSPAN y MATR_STO es En vista de variables puedes observar el formato de cada variable:

3 Capítulo 6. Introducción al programa AMOS 89 2.) También podemos tener una matriz de datos típica con los datos directos de los sujetos (en filas) a las variables (en columnas):

4 90 Apuntes Modelos de Ecuaciones estructurales (Universidad Autónoma de Madrid) Para generar un modelo estructural Al entrar en AMOS, tendremos la siguiente pantalla: En la parte central se debe dibujar el diagrama correspondiente al modelo que desee estimar. A la derecha aparecen una serie de iconos mediante los cuales se puede dibujar el modelo. Las funciones de la mayoría de estos iconos pueden ejecutarse también desde el menú superior. En primer lugar, debe definirse cuál es el fichero donde están los datos. Para ello se pulsa el icono pantalla: (seleccionar fichero de datos). Aparecerá la siguiente

5 Seleccione el botón File name y elija el fichero de datos. Capítulo 6. Introducción al programa AMOS 91 Ahora debe trazarse el modelo. Existen distintos iconos para este objetivo. Lo mejor es empezar dibujando los factores latentes. Para ello se pulsa en el icono (Dibujo de variables latentes con sus indicadores respectivos), se mueve el puntero a la parte central y, pinchando con el botón izquierdo, se genera un círculo (el factor latente). Posteriormente, se pulsa (con el botón izquierdo del ratón) tantas veces en el circulo como indicadores tenga la variable. Se repite el procedimiento para cada factor latente que aparezca en el modelo. Otra posibilidad si tenemos varios factores iguales es duplicar. En el ejemplo, tenemos 2 factores latentes con 3 indicadores. Debería quedar un diagrama como el siguiente:

6 92 Apuntes Modelos de Ecuaciones estructurales (Universidad Autónoma de Madrid) Para ajustar el dibujo a la página seleccione (ajustar a página) y obtendrá:

7 Capítulo 6. Introducción al programa AMOS 93 En realidad, el mismo dibujo puede hacerse utilizando los siguientes iconos de la barra de herramientas: Para dibujar las variables observables Para dibujar los factores latentes Para dibujar el error de las variables observables. Para dibujar las relaciones unidireccionales entre las variables. Para dibujar las relaciones bidireccionales entre las variables. (dibujar correlaciones) y dibu- Para completar el diagrama pinchamos en el icono jamos una correlación entre los 2 factores. Ahora decir qué indicador se corresponde con cada variable del fichero de datos. La manera más sencilla es seleccionar el icono (presentar las variables en la matriz de datos). Nos aparecera una pantalla como la siguiente:

8 94 Apuntes Modelos de Ecuaciones estructurales (Universidad Autónoma de Madrid) Seleccionamos cada variable del recuadro y la arrastramos (pulsando el botón izquierdo del ratón) hacia el indicador correspondiente en el dibujo. Obtendremos los siguiente: Ahora tendremos que poner nombres a las variables latentes. Pulsamos sobre cualquiera de los circulos (2 veces) y obtendremos el siguiente recuadro:

9 Capítulo 6. Introducción al programa AMOS 95 En Variable name ponemos el nombre de la variable (MCP). Variable Label indica la etiqueta con la que se presentará en el gráfico. Pulsando en la pestaña de Parameters podremos fijar los parámetros (la varianza, en este caso) de esa variable a un valor concreto. En nuestro caso, ya hemos fijado la métrica de MCP fijando su peso a FLSPAN a 1. Tras poner nombre a todas las variables latentes tendremos algo parecido a esta interesante figura:

10 96 Apuntes Modelos de Ecuaciones estructurales (Universidad Autónoma de Madrid) Y ya hemos terminado la especificación del modelo. Algunos otros iconos pueden resultar útiles para realizar/modificar el dibujo: Seleccionar un objeto del dibujo Seleccionar todos los objetos Deseleccionar todos los objetos Duplicar objetos Desplazar objetos Borrar objetos Cambiar forma objetos Realinear objetos Cambiar propiedades de objetos seleccionados simultáneamente Podemos pinchar sobre cualquiera de los elementos dibujados (flechas, círculos, cuadrados,...) para cambiar sus propiedades. Para estimar el modelo estructural Antes de ejecutar el programa, podemos seleccionar el icono propiedades del análisis, y aparecerá lo siguiente:, para especificar las

11 Capítulo 6. Introducción al programa AMOS 97 Podemos observar que el método de análisis seleccionado es el de máxima verosimilitud. Si hay datos perdidos la opción Estimate means and intercepts debe estar marcada. Otra pestaña importante de esta ventana es Output donde podemos especificar la información que queremos que aparezca en la salida. Es importante que este seleccionado Standardized estimates para que el programa nos proporcione el valor de los parámetros estandarizados.

12 98 Apuntes Modelos de Ecuaciones estructurales (Universidad Autónoma de Madrid) y rezar pa- Dicho esto, podemos ejecutar el programa pulsando el siguiente icono ra qué nuestro modelo esté bien especificado así como identificado... Pero antes de seguir, se guarda el trabajo seleccionando en el menú File y luego Save as. Salida del programa Para ver los resultados se pulsa el icono. Las primera parte de la salida es importante para saber si el programa se ha ejecutado correctamente (nos indican el tamaño de la muestra, el número de variables de cada tipo, el número de parámetros fijos y libres, la matriz de varianzas-covarianzas y la matriz de correlaciones observadas y el cálculo de los grados de libertad).

13 Capítulo 6. Introducción al programa AMOS 99 The model is recursive. Sample size = 134 Variable counts (Group number 1) Number of variables in your model: 14 Number of observed variables: 6 Number of unobserved variables: 8 Number of exogenous variables: 8 Number of endogenous variables: 6 Parameter summary (Group number 1) Weights Covariances Variances Means Intercepts Total Fixed Labeled Unlabeled Total Sample Moments (Group number 1) Sample Covariances (Group number 1) MATR_STO COMP_ST RSPAN_ST DOT_MEM FDSPAN FLSPAN MATR_STO COMP_ST RSPAN_ST DOT_MEM FDSPAN FLSPAN Sample Correlations (Group number 1) MATR_STO COMP_ST RSPAN_ST DOT_MEM FDSPAN FLSPAN MATR_STO COMP_ST RSPAN_ST DOT_MEM FDSPAN FLSPAN Models Default model (Default model) Computation of degrees of freedom (Default model) Number of distinct sample moments: 21 Number of distinct parameters to be estimated: 13 Degrees of freedom (21-13): 8 Result (Default model) Minimum was achieved Chi-square = Degrees of freedom = 8

14 100 Apuntes Modelos de Ecuaciones estructurales (Universidad Autónoma de Madrid) Probability level =.457 A continuación aparecen los parámetros no estandarizados y sus errores típicos de estimación (S.E.) que nos permiten ver si los parámetros son significativamente distintos de 0. En este caso, todos los pesos son estadísticamente significativos con un nivel de confianza del 95 % puesto que, en todos los casos, C.R. > Regression Weights: (Group number 1 - Default model) Estimate S.E. C.R. P Label FLSPAN <--- MCP FDSPAN <--- MCP *** DOT_MEM <--- MCP *** RSPAN_ST <--- MT COMP_ST <--- MT *** MATR_STO <--- MT *** También aparecen los mismos pesos para la solución estandarizada. Estos serían los pesos factoriales. Standardized Regression Weights: (Group number 1 - Default model) Estimate FLSPAN <--- MCP.748 FDSPAN <--- MCP.737 DOT_MEM <--- MCP.396 RSPAN_ST <--- MT.370 COMP_ST <--- MT.690 MATR_STO <--- MT.698 Las covarianzas entre los factores (también significativamente distintas de cero). Covariances: (Group number 1 - Default model) Estimate S.E. C.R. P Label MCP <--> MT *** Y la correlación entre los factores: Correlations: (Group number 1 - Default model) Estimate MCP <--> MT.886

15 Capítulo 6. Introducción al programa AMOS 101 El programa también ofrece las varianzas estimadas para las variables exógenas. Variances: (Group number 1 - Default model) Estimate S.E. C.R. P Label MCP *** MT Efl *** Efd *** edo *** ers *** eco *** ema *** Si se lo hemos pedido nos dará las matrices de varianzas-covarianzas implícitas o reproducidas según el modelo, así como los residuos y los residuos estandarizados (i.e., cada residuo estandarizado es el residuo dividido por su error típico si los datos se ajustan al modelo los residuos deberían estar entre y 1.96 con un nivel de confianza del 95 %). Matrices (Group number 1 - Default model) Implied Covariances (Group number 1 - Default model) matr_sto comp_st rspan_st dot_mem fdspan flspan matr_sto comp_st rspan_st dot_mem Fdspan Flspan Implied Correlations (Group number 1 - Default model) matr_sto comp_st rspan_st dot_mem fdspan flspan matr_sto comp_st rspan_st dot_mem Fdspan Flspan Residual Covariances (Group number 1 - Default model) matr_sto comp_st rspan_st dot_mem fdspan Flspan matr_sto.000 comp_st rspan_st dot_mem Fdspan Flspan

16 102 Apuntes Modelos de Ecuaciones estructurales (Universidad Autónoma de Madrid) Standardized Residual Covariances (Group number 1 - Default model) matr_sto comp_st rspan_st dot_mem fdspan Flspan matr_sto.000 comp_st rspan_st dot_mem fdspan flspan Posteriormente aparece información sobre el ajuste del modelo. En este caso, los datos se ajustan al modelo (p > 0.05). Los índices de ajuste RMSEA, CFI y TLI son adecuados (RMSEA < 0.05; TLI, CFI > 0.95). Model Fit Summary CMIN Model NPAR CMIN DF P CMIN/DF Default model Saturated model Independence model RMR, GFI Model RMR GFI AGFI PGFI Default model Saturated model Independence model Baseline Comparisons Model NFI RFI IFI TLI Delta1 rho1 Delta2 rho2 CFI Default model Saturated model Independence model Parsimony-Adjusted Measures Model PRATIO PNFI PCFI Default model Saturated model Independence model FMIN Model FMIN F0 LO 90 HI 90 Default model Saturated model Independence model

17 Capítulo 6. Introducción al programa AMOS 103 RMSEA Model RMSEA LO 90 HI 90 PCLOSE Default model Independence model AIC Model AIC BCC BIC CAIC Default model Saturated model Independence model Una versión para estudiantes del AMOS 5.0 se puede descargar en: Está limitada a 8 variables observables y 54 parámetros.