Revista de Ciencias Económicas ISSN Impreso: 0252-9521 ISSN electrónico: 2215-3489

OAI: https://revistas.ucr.ac.cr/index.php/economicas/oai
Aplicación del análisis factorial confirmatorio a un modelo de medición del rendimiento académico en lectura
PDF

Palabras clave

FACTOR ANALYSIS
VARIANCE-COVARIANCE MATRIX
PISA
ANÁLISIS CAUSAL
MODELOS ESTADÍSTICO
PISA

Cómo citar

Fernández Aráuz, A. (2015). Aplicación del análisis factorial confirmatorio a un modelo de medición del rendimiento académico en lectura. Revista De Ciencias Económicas, 33(2), 39–65. https://doi.org/10.15517/rce.v33i2.22216

Resumen

El objetivo de este trabajo es mostrar mediante un ejemplo empírico las diferencias entre las técnicas estadísticas de análisis factorial exploratorio y confirmatorio. Los resultados obtenidos con el análisis factorial confirmatorio muestran que tanto el nivel educativo como el estatus socioeconómico, así como las posesiones del hogar son buenos indicadores para la medición de la variable latente llamada Extracción Socioeconómica. El gusto de los estudiantes por la lectura y la diversidad de lecturas son buenos indicadores de medición para la variable latente de Actitud Personal del estudiante, mientras que la actitud del estudiante hacia el centro educativo no es una buena medición para la variable latente de Actitud Personal. Estos resultados sugieren que los factores inobservables de Extracción Socioeconómica, Estrategias de Lectura y Actitud Personal podrían ser utilizados para evaluar la hipótesis causal del efecto de estas variables sobre el rendimiento educativo de los estudiantes en la prueba de lectura.

https://doi.org/10.15517/rce.v33i2.22216
PDF

Citas

Brown, T. (2006). Confirmatory factor analysis for applied research. New York: Guilford Press. doi:10.1198/tas.2008.s98

Byrne, B. (1998). Structural equation modeling with ISREL, PRELIS, and SIMPLIS: Basic concepts, applications, and programming. Mahwah, NJ: Erl-baum.

Fernández, A. (2013). Análisis de la Resiliencia Educativa de los Estudiantes Costarricenses con datos de la Prueba de Lectura de la Evaluación PISA 2009. Revista de Ciencias Económicas, 31(2), 75–99.

Joreskog, K. (1969). A general approach to confirmatory maximum likelihood factor analysis. Psychometrika, 34(2), 183-202. doi: 10.1007/BF02289343

Joreskog, K. (1971). Statistical analysis of sets of congeneric tests. Psychometrika, 36(2), 109-133. doi: 10.1007/BF02291393

Kaplan, D. (2009). Structural equation modeling: foundations and extensions. Segunda edición. Thousand Oaks, CA: Sage. doi:10.4135/9781452226576

Montero, E. (2012). Los modelos de ecuaciones estructurales como herramienta para explorar posibles relaciones causales en investigación educativa: Una ilustración con datos de PISA 2009 en Costa Rica. Aporte Especial. Cuatro Informe del Estado de la Educación. Programa Estado de la Nación en Desarrollo Humano Sostenible.

Mulaik, S. A. (2009). Linear causal modeling with structural equations. New York: CRC Press Taylor & Francis Group. doi: 10.1201/9781439800393

Organización para la Cooperación y el Desarrollo Económico. (2011). Against the Odds: Desadvantaged students who succeed in school. OECD Publishing. doi:10.1787/9789264090873-en

Organización para la Cooperación y el Desarrollo Económico. (2012). PISA 2009 Technical Report. OECD Publishing. doi:10.1787/9789264167872-en

Spearman, C. (1904). General Intelligence, objectively determined and measured. American Journal of Psychology, 15, 201-293. doi:10.2307/1412107

Spearman, C. (1927). The abilities of man. New York: Macmillan.

Thurstone, L. (1947). Multiple-factor analysis. Chicago: University of Chicago. Press.

Comentarios

Descargas

Los datos de descargas todavía no están disponibles.