Brown (2006) Confirmatory Factor Analysis for Applied Research. The Guilford Press, New York.
Cea, M.A. (2002) Análisis Multivariable: Teoría y Práctica en la Investigación Social. Editorial Síntesis, Madrid.
Jöreskog, K.G.; Sörbom, D.; du Toit, S.; du Toit, M. (2000) LISREL 8: New Statistical Features. Scietific Software International, Lincolnwood IL.
Kaplan, D. (2009) Structural Equation Modeling. Foundations and Extensions. Sage Publications, Thousand Oaks CA.
Mulaik, S.A. (2009) Linear Causal Modeling with Structural Equations. Chapman & Hall/CRC, Boca Raton FL.
R Core Team (2014) “R: A language and environment for statistical computing. R Foundation for Statistical Computing”, Vienna, Austria. http://www.R-project.org/
Rossell, Y. (2012) “lavaan: An R package for structural equation modeling”, Journal of Statistical Software 48(2): 1–36.
- Resumen visto - 1726 veces
- PDF descargado - 706 veces
- PS descargado - 16 veces
- DVI descargado - 25 veces
Licencia
Copyright
© Revista de Matemática: Teoría y Aplicaciones, 2016
Afiliaciones
Luis Rojas-Torres
Escuela de Matemática, Universidad de Costa Rica, San José, Costa Rica
Cómo citar
Comentarios
Simplificación del gradiente de la función de máxima verosimilitud del análisis factorial confirmatorio
Vol. 23 Núm. 2 (2016): Revista de Matemática: Teoría y Aplicaciones
Publicado: Aug 4, 2016
Resumen
En este artículo se presenta el proceso de simplificación del gradiente de la función de máxima verosimilitud, utilizada en la estimación del Análisis Factorial Confirmatorio. El gradiente obtenido se presenta en función de las matrices tradicionales del AFC: Λ, Φ y Θε (coeficientes de regresión, varianzas de las variables latentes y varianzas de los errores). Esta simplificación se realizó mediante las leyes de derivación de matrices y permitió obtener una expresión para el gradiente de fácil programación.