"Probamos por medio de la lgica,

pero descubrimos por medio de la intuicin"

Henri Poincar (1854-1912); matemtico francs






































Captulo 05
Metodologa utilizada para la realizacin
del estudio de campo de la tesis doctoral

Relacin entre la Capacidad de Absorcin y las Estructuras Organizativas
214
5.1. Introduccin

El presente captulo intenta exponer la metodologa utilizada para evaluar y analizar el
modelo presentado en el captulo anterior. Para ello se ha dividido en cuatro apartados.

En el primer apartado se introduce el uso, cada vez ms frecuente, de los mtodos
cuantitativos dentro de las ciencias sociales mediante un pequeo prembulo de la
investigacin cientfica en las ciencias.

El siguiente apartado presenta la metodologa cuantitativa utilizada en la presente tesis:
las ecuaciones estructurales. Con este fin se introduce los conceptos bsicos y las
convenciones seguidas en secciones y captulos posteriores para ayudar a la
comprensin de la metodologa. Adems se plantea los pasos a seguir para un anlisis
multivariante con ecuaciones estructurales.

El modelo estructural y los modelos de medida de las variables exgenas y endgenas
del objeto a investigar se desarrollan en el tercer apartado del presente captulo, dando
lugar al modelo de ecuaciones estructurales a analizar. Dicho modelo se expone a travs
de diversas representaciones como en un diagrama de caminos, a travs ecuaciones y en
forma matricial.

Una vez el modelo de ecuaciones estructurales ha sido definido, se procede a elaborar el
cuestionario para la obtencin de informacin cuantitativa para el anlisis del modelo
anterior. Un primer paso es la eleccin de tipo de entrevista a realizar, para continuar
con la elaboracin de cada uno de los elementos del cuestionario sobre las estructuras
organizativas y sobre el constructo capacidad de absorcin.

El ltimo apartado expone los criterios seguidos para seleccin de la muestra utilizada
en la investigacin, as como el tamao mnimo necesario para obtener una
significatividad razonable.

Metodologa utilizada para el estudio de campo
215
5.2. Mtodos cuantitativos en las ciencias sociales

El trmino investigacin que, en general, significa indagar o buscar, cuando se aplica a
las ciencias sociales, toma la connotacin especfica de crear conocimientos sobre la
realidad social, es decir, sobre su estructura, las relaciones entre sus componentes, su
funcionamiento, los cambios que experimenta el sistema en su totalidad o en esos
componentes. Los conocimientos generados por una investigacin en particular se unen
a otros conocimientos ya existentes, acumulados durante mucho tiempo por otros
investigadores, sea en la forma de un aporte original o como confirmacin o refutacin
de hallazgos ya existentes. Cualquiera que sea la situacin que se enfrente, la
investigacin es siempre la bsqueda de la solucin a algn problema de conocimiento.
Esa solucin constituye un nuevo conocimiento que se mantiene mientras no haya otras
propuestas mejor fundamentadas de acuerdo con criterios tericos y metodolgicos y
sean aceptadas por la comunidad de cientficos pertenecientes a la misma rea de
indagacin.

La investigacin social, como prctica cientfica que es, implica un camino largo y de
mayor o menor dificultad segn los problemas que se pretenden resolver. En todo caso,
el punto de partida de tal camino comienza con la socializacin del investigador en los
primeros antecedentes de un determinado paradigma que luego se explicita en una o
ms teoras centrales, como tambin mltiples en un sistema metodolgico de reglas y
de tcnicas de investigacin que la persona que ha elegido el camino de la investigacin
debe conocer y saber en que momentos aplicarlas.

La investigacin social cuantitativa est directamente basada en el paradigma
explicativo. Este paradigma utiliza preferentemente informacin cuantitativa o
cuantificable para describir o tratar de explicar los fenmenos que estudia, en las formas
que es posible hacerlo en el nivel de estructuracin lgica en el cual se encuentran las
ciencias sociales actuales.

La reconstruccin de la prctica cientfica, que se hace habitualmente en los textos de
metodologa de la investigacin, presenta ese proceso en una forma un tanto idealizada,
Relacin entre la Capacidad de Absorcin y las Estructuras Organizativas
216
debido a que por su naturaleza puede ser bastante complejo como consisten en una
serie de etapas y tareas que se daran en forma lineal, unas tras otras. Si bien sta ser la
forma didctica que utilizaremos en este texto, adhiriendo a Kaplan plenamente,
reconocemos que una lgica reconstruida no es una descripcin (exacta), sino ms bien
una idealizacin de la prctica cientfica. Ni siquiera el ms grande de los cientficos
tiene un estilo cognitivo que sea entera y perfectamente lgico... (Kaplan, 1964).

Reconocido el carcter didctico de la lgica reconstruida, segn la expresin del
epistemlogo norteamericano citado, podemos distinguir tres momentos principales en
el proceso de investigacin: 1 ) uno de acercamiento inicial al tema y a la problemtica
existente en una cierta rea de inters; 2 ) otro segundo momento, representado por la
preparacin del proyecto de investigacin; y 3 ) un tercer momento, en el cual se realiza
o ejecuta la investigacin, es decir, se pone en prctica el proyecto de investigacin.

Como se ha recordado, toda investigacin se propone crear conocimiento sobre un
cierto aspecto objeto de la realidad social. Esa intencin no es posible de realizar a partir
de la nada. Muy por el contrario, el investigador debe conocer y tomar en cuenta la
existencia de un conjunto de conocimientos ya acumulados, producto de un largo
proceso de avances y retrocesos en el cual han intervenido otros investigadores dentro
de una tradicin cientfica en la cual se encuentran teorizaciones, propuestas
metodolgicas y resultados con mayores o menores niveles de confirmacin.

Cuando un investigador decide hacer un nuevo estudio, no solo se basa en sus
investigaciones anteriores, sino que debe conocer los trabajos de otros investigadores, lo
cual lo obliga a estar al da en la literatura pertinente, sea para comprobar resultados
presentados en ella o para proponerse otros problemas que se relacionan con su lnea de
trabajo y con la lnea de trabajo de la comunidad cientfica con la cual se identifica.

El proyecto de investigacin es el documento en el cual se sistematizan los
conocimientos de la fase de acercamiento al tema y problemtica de la investigacin por
realizar y se agregan otros menos o no tratados anteriormente. De manera convencional,
el proyecto de investigacin comprende los componentes y tareas que se indicarn en
Metodologa utilizada para el estudio de campo
217
cada uno de ellos: (1) Planteamiento del problema de investigacin, (2) Marco
conceptual del problema, (3) Objetivos de la investigacin, (4) Finalidades, (5) Diseo
metodolgico, (6) Cronograma de trabajo.

Una vez que se ha terminado y revisado el proyecto de investigacin, el investigador
est en condiciones de iniciar la ejecucin del proyecto. Esta ejecucin implica cumplir
las etapas y tareas all especificadas como son la preparacin del marco poblacin con el
cual se trabajar, la seleccin del tipo de muestra que se va a emplear y determinacin
de su tamao, la elaboracin de los instrumentos que se utilizarn en la recoleccin de
informacin, la revisin de la informacin recogida, la codificacin de la informacin
recogida y revisada de acuerdo con un cdigo previamente preparado, la preparacin de
un plan de anlisis de acuerdo con los objetivos de la investigacin, la preparacin de la
estructura del informe, anlisis e interpretacin de los resultados, y la redaccin del
informe definitivo.

Relacin entre la Capacidad de Absorcin y las Estructuras Organizativas
218
5.3. Ecuaciones estructurales

En la actualidad los investigadores se ven obligados a recoger un gran nmero de
medidas para poder captar de forma adecuada la complejidad de los fenmenos de las
ciencias sociales. Para tratar con este conjunto de muestras se han implantado mtodos
multivariantes o multivariables, los cules permiten analizar simultneamente conjuntos
amplios de variables.

El principal impulso en la utilizacin de estos mtodos y tcnicas multivariantes ha sido
el desarrollo de los ordenadores personales que han permitido a los investigadores tratar
y analizar una gran cantidad de informacin simultneamente. Su aparicin ha
colaborado al desarrollo de paquetes de software que permiten implementar con cierta
facilidad los complejos y numerosos clculos que demandan estas tcnicas.

El nmero de mtodos y tcnicas multivariantes que se utilizan en las ciencias sociales
es bastante amplio. Entre las ms comunes destacan la regresin mltiple, el anlisis
factorial, el anlisis multivariante de la varianza, y el anlisis discriminante entre otras
tcnicas. Cada una de estas tcnicas es una poderosa herramienta a la hora de tratar un
amplio abanico de cuestiones prcticas y tericas, sin embargo todas las mencionadas
tienen una limitacin en comn: slo pueden examinar una relacin al mismo tiempo.

La tcnica del modelo de ecuaciones estructurales se considera una extensin de varias
tcnicas multivariantes como la regresin mltiple, el anlisis factorial principalmente y
el anlisis de senderos. El modelo de ecuaciones estructurales abraca una familia entera
de modelos conocidos por muchos nombres, entre ellos anlisis de la estructura de
covarianza, anlisis de variable latente, anlisis factorial confirmatorio e incluso anlisis
LISREL
63
.




63
LISREL es una de las aplicaciones ms conocidas para el desarrollo de modelos de ecuaciones
estructurales, y desarrollado por Jreskog y Sborm.
Metodologa utilizada para el estudio de campo
219
5.3.1. Caractersticas de los modelos de ecuaciones estructurales
Los modelos de ecuaciones estructurales se caracterizan por dos elementos:
1. Estimacin de relaciones de dependencias mltiples y cruzadas, y
2. La capacidad de representar conceptos no observados en estas relaciones y tener
en cuenta el error de medida en el proceso de estimacin.

La diferencia ms observable entre los sistemas de ecuaciones estructurales y las otras
tcnicas de anlisis multivariante es la capacidad de analizar relaciones para cada
subconjunto de variables. Adems de permitir interrelaciones entre algunas variables de
estos subconjuntos.

Los sistemas de ecuaciones estructurales permiten, adems de estimar relaciones
mltiples, introducir conceptos o variables latentes
64
al anlisis, mientras que las que
estas interrelaciones establecidas fortalecen las correlaciones utilizadas. De esta manera
se puede realizar estimaciones ms precisas de los coeficientes estructurales.


5.3.2. Estrategias de modelizacin
La flexibilidad de los sistemas de ecuaciones estructurales permite a los investigadores
utilizar la tcnica de mltiples formas y en funcin de los objetivos a conseguir. Sin
embargo el investigador debe seleccionar al inicio de la investigacin que estrategia
65

quiere seguir para alcanzar su propsito.

Existen tres estrategias que un investigador puede adoptar en la utilizacin de sistemas
de ecuaciones estructurales:
1. La estrategia de modelizacin confirmatoria,
2. La estrategia de modelos rivales, y
3. La estrategia de desarrollo del modelo.


64
Una variable latente es un concepto supuesto y no observado que slo puede ser aproximado mediante
variables medibles u observables.
65
El trmino estrategia hace referencia a un plan de accin orientado a la consecucin de los resultados.
Relacin entre la Capacidad de Absorcin y las Estructuras Organizativas
220
La aplicacin ms directa de los modelos de ecuaciones estructurales es una estrategia
de modelizacin confirmatoria, donde el investigador especifica un modelo aislado y el
modelo de ecuaciones estructurales se utiliza para evaluar su significacin estadstica.

La estrategia de modelos rivales permite evaluar el modelo estimado con modelos
alternativos. En muchas ocasiones el investigador se encuentra con modelos alternativos
para representar una misma situacin sin conocer cul proporciona un nivel de ajuste
mejor. Esta estrategia proporciona las lneas bsicas para realizar este comparacin y
seleccionar el ms idneo.

La estrategia de desarrollo del modelo difiere de las dos anteriores estrategias en que
aunque se propone un modelo, el propsito del esfuerzo de modelizacin es mejorarlo a
travs de modificaciones de los modelos de medida y/o estructurales. El investigador
que sigue esta estrategia intenta reespecificar un modelo bsico de teora para encontrar
uno nuevo.


5.3.3. Fases de un modelo de ecuaciones estructurales
La Figura 5. 1 resume las distintas fases en la obtencin de un modelo de ecuaciones
estructurales. Comienza con la definicin de un modelo terico, el cul se intentar
contrastar estadsticamente, y finaliza con una verificacin parcial o global del
modelo.

La falta de confirmacin de una o varias hiptesis establecidas en la elaboracin del
modelo de ecuacin estructural conlleva a la modificacin de este, manteniendo un
significado lgico-sustantivo, adems de una significatividad estadstica. Toda
modificacin del modelo inicial lleva forzosamente a la repeticin de todo el anlisis
estadstico.

El proceso de anlisis acaba en el momento en que se consigue un modelo con un nivel
de ajuste global o parcial igual o superior al establecido por el investigador.

Metodologa utilizada para el estudio de campo
221
Figura 5. 1. Fases principales en la obtencin de un modelo de ecuaciones
estructurales
PREPARACIN DE LOS DATOS PARA EL ANLISIS
Especificacin e identificacin de un modelo causal inicial a partir del
marco terico de la investigacin. Incluye su representacin grfica
mediante un diagrama de sendero y su traduccin a ecuaciones estructurales
y de medicin
Comprobacin de los supuestos bsicos
Tratamiento de los casos sin respuesta
Eleccin de la matriz de datos: covarianzas y correlacin
ESTIMACIN DEL MODELO EMPRICO
Eleccin del procedimiento de estimacin: mnimos cuadrados no
ponderados, mnimos cuadrados generalizados, mxima verosimilitud u otro
EVALUACIN DEL MODELO
Estimaciones errneas
Deteccin de atpicos
Ajuste del modelo global
Evaluacin del modelo estructural
Evaluacin del modelo de medicin: validez y fiabilidad
Negativa Positiva
INTRODUCCIN DE
MODIFICACIONES
CONCLUSIN DEL
ANLISIS
R
E
P
L
A
N
T
E
A
R


La modelizacin de ecuaciones estructurales se fundamenta en relaciones causales, en
las que el cambio en una variable se supone que produce un cambio en otra variable. Se
encuentra este tipo de enunciado cuando se define una relacin de dependencia, tal y
como se encuentra en el anlisis de regresin. Las relaciones causales pueden tomar
muchas formas y significados, desde la estricta causacin encontrada en los procesos
fsicos, tales como una reaccin qumica, a las relaciones menos definidas encontradas
Relacin entre la Capacidad de Absorcin y las Estructuras Organizativas
222
en la investigacin del comportamiento. La fuerza y la conviccin con que el
investigador asume la causacin entre dos variables no descansan en los mtodos
analticos escogidos sino en la justificacin terica ofrecida por los anlisis.

El problema de error de especificacin, caracterizado por la omisin de una o ms
variables predictivas claves, es el ms crtico en el desarrollo de modelos de
fundamentacin terica. La consecuencia de omitir una variable significativa consiste
en sesgar la evaluacin de la importancia de otras variables.

El modelado de ecuacin estructural incluye dos submodelos o componentes:
1. El modelo estructural (o de variables latentes), y
2. El modelo de medicin.


5.3.4. El modelo estructural
El modelo estructural es aquel componente del modelo general que describe relaciones
causales entre variables latentes. Las relaciones entre las variables observadas se
incluyen cuando estas variables no actan como indicadores de las variables latentes.

Las ecuaciones estructurales lineales representan las relaciones estructurales
representando la lnea de causalidad entre las variables latentes. endgenas. Hay tantas
ecuaciones como constructos endgenos que sean explicados por otras variables
exgenas (latentes u observadas).

La estructura de las ecuaciones estructurales lineales es la siguiente:

B + + =
Donde:
(eta) es un vector p X 1 de variables endgenas latentes (las predoctoras o
variables no explicadas por otras incluidas en el modelo).
(xi) es un vector q X 1 de variables exgenas latentes (las predoctoras o
variables no explicadas por otras incluidas en el modelo).
Metodologa utilizada para el estudio de campo
223
(gamma) es una matriz p X q de coeficientes (
ij
) que relacionan las
variables latentes exgenas () con las endgenas () o variables a explicar.
Indican que una unidad de cambio en la variable exgena
i
resulta en un
cambio en
j

ij
unidades, manteniendo todas las otras variables constantes.
Este coeficiente estructural se interpreta, al igual que
ij
como efectos
directos en las variables endgenas.
(beta) es una matriz q X q de coeficientes que relacionan las variables
latentes endgenas entre s. Cada
ij
indica una unidad de cambio en la
variable endgena
i
, manteniendo todas las dems variables constantes.
Para cada efecto hipotetizado de una variable latente endgena en otra, de las
mismas caractersticas, se tendr un coeficiente estructural
ij
.
(zeta) es un vector q X 1 de errores o trminos de perturbacin. Indican
que las variables endgenas no son perfectamente predichas por las
ecuaciones estructurales. Se supone que no existe correlacin entre los
errores y las variables exgenas.

5.3.5. Representacin grfica de los modelos de ecuaciones estructurales
La representacin mediante un grfico de sendero es muy usual en el modelado de
ecuaciones estructurales, sin embargo existen convenciones para su realizacin. Segn
la notacin LISREL
66
, las variables observadas se representan con un cuadro. Estas
variables pueden ser indicadores de variables latentes en el modelo de medicin. En el
modelo estructural pueden igualmente ser variables independientes (exgenas) o
dependientes (endgenas), cuando stas son observadas y no latentes. En este caso, se
representaran en un cuadrado en lugar de un crculo.

Las variables latentes son representadas a travs de un crculo o de una elipse, aunque
los errores de prediccin en el modelo estructural y de medicin en el modelo de
medicin pueden no aparecer en un crculo.


66
La notacin LISREL es hasta la fecha la representacin ms ampliamente aceptada (Bollen, 1998: 8).
Relacin entre la Capacidad de Absorcin y las Estructuras Organizativas
224
Las flechas rectas y unidirecciones indican relaciones causales entre las variables
exgenas () y las variables endgenas (). Por este motivo es imposible encontrar que
una flecha termine en una variable exgena.

Las correlaciones son representadas a travs de flechas bidireccionales y curvas,
mientras que las lneas discontinuas indican senderos no significativos. A cada flecha de
la representacin se le asocia un coeficiente:
ij
(X)
,
ij
(Y)
,
ij
,
ij
,
ij
,
ij
,
ij
()
,
ij
()
.

La falta de flecha entre os variables significa que dichas variables no estn directamente
relacionadas, aunque indirectamente puedan estarlo.


5.3.6. El modelo de medicin
Para especificar el modelo de medicin del sistema de ecuaciones estructurales, se hace
una transicin desde el anlisis factorial, en el que el investigador no tiene el control
sobre qu variables describen cada factor, a un modo confirmatorio, en el que el
investigador especifica qu variables definen cada constructo.

Por lo tanto, el modelo de medicin representa las relaciones de las variables latentes (o
constructor) con sus indicadores (o variables empricas). Para cada constructo que
aparezca en el modelo es necesario determinar cules sern sus indicadores. Estas
variables latentes son variables no observadas, que resultan de las covarianzas entre dos
o ms indicadores. Son las que representan a los conceptos en los modelos de medicin.

El objetivo fundamental del modelo de medicin es corroborar la idoneidad de los
indicadores seleccionados en la medicin de los constructos de inters. La estructura
general de las relaciones entre las variables latentes y sus indicadores se describen de la
siguiente forma:

X
X
+ =
Donde:
Metodologa utilizada para el estudio de campo
225
X es un vector p X 1 de variables observadas independientes o exgenas.
Aquellas que no son explicadas por otras variables incluidas en el modelo.
p es el nmero de indicadores de .
(xi) es un vector q X 1 de variables exgenas latentes.

X
(lambda) es una matriz p X m de pesos factoriales (o factores de carga:

i
) que relacionan las variables manifiestas X con las latentes . m
expresa el nmero de variables latente . Los coeficientes lambda
representan las influencias lineales de las variables latentes en los
indicadores.
" (delta) es un vector p X 1 de errores de medicin. Convencionalmente,
cada indicador se representa siendo tambin influido por un trmino de error.
El modelo de medicin asume que los errores estn incorrelacionados entre
s y con respecto a .

La ecuacin del modelo de medicin mide la relacin entre variables exgenas latentes
y manifiestas. Las interrelaciones entre las variables latentes se indican mediante sus
covarianzas. Las relaciones de las variables latentes con sus indicadores se definen
como direccionales, de cada variable latente a su manifiesta, y no a la inversa.

Para las variables endgenas existe un modelo de medicin, cuando el modelo incluye
variables latentes dependientes (o endgenas) medidas mediante uno o varios
indicadores (Y
i
). en este caso, las relaciones entre las variables endgenas latentes y las
manifiestas se describen con la ecuacin:

Y
Y
+ =
Donde:
Y es un vector q X 1 de variables observadas dependientes.

Y
es una matriz q X n de coeficientes factoriales de Y en las variables
endgenas latentes . n identifica el nmero de . Esta matriz muestra
las relaciones de a Y.
(psilon) es un vector q X 1 de errores de medicin (o factores nicos)
de los indicadores endgenos Y
i
.
Relacin entre la Capacidad de Absorcin y las Estructuras Organizativas
226


El modelo de ecuaciones estructurales es e resultado de la combinacin del modelo
estructural y del modelo de medicin de cuyo resultado aparece un modelo
comprehensivo de relaciones entre variables endgenas y exgenas, latentes y
manifiestas.


5.3.7. Eleccin de la matriz de entrada
El modelado de ecuaciones estructurales se diseo para analizar matrices de varianza-
covarinza, sin embargo tambin es posible utilizar matrices de correlacin
67
como
ocurre en otras tcnicas multivariantes como en el anlisis de regresin o en el anlisis
factorial.

La utilizacin de matrices de correlacin favorece la comparabilidad de los coeficientes
estructurales y colabora a la interpretacin de los resultados, en especial si la intencin
es comprender el modelo de relaciones entre los constructos. En cambio, si el objetivo
de la investigacin es comparar muestras o poblaciones diferentes en lugar de comparar
distintas variables de una misma muestra es ms adecuado utilizar las matrices de
varianzas-covarianzas.

El uso de matrices e correlacin comportan tres posibles consecuencias negativas a la
utilizacin de la tcnica: (1) la modificacin del modelo que se analiza, (2) la
generacin de valores de
2
y de otras medidas de bondad de ajustes incorrectos, y (3) la
obtencin de errores tpicos incorrectos.


5.3.8. La estimacin del modelo
Una vez los modelos estructurales y de medida han sido definidos y formulados, es
necesario elegir cmo se estimar el modelo. En el caso de los modelos de ecuaciones
estructurales hay varias tcnicas y procesos a elegir.

67
La matriz de correlaciones es la matriz de varianzas-covarianzas estandarizada.
Metodologa utilizada para el estudio de campo
227

Los primeros modelos de ecuaciones estructurales utilizaban la regresin de los
mnimos cuadrados ordinarios (OLS) para su estimacin. Sin embargo, rpidamente
aparecieron nuevas estimaciones que la superaban como la de mximo verosmil
(MLE), que es eficiente y no sesgada cuando se cumplen los supuestos de normalidad
multivariante. La sensibilidad de la estimacin de mximo verosmil a la normalidad
condujo a nuevos mtodos como los mnimos cuadrados ponderados (WLS), los
mnimos cuadrados no ponderados (ULS), los mnimos cuadrados generalizados (GLS)
y el asintticamente libre de distribucin (AGL).

Adems de la tcnica de estimacin empleada, es necesario elegir entre varios procesos
de estimacin. Estos procesos van desde la estimacin directa del modelo, que es
similar a la utilizada en la mayora de tcnicas multivariantes, a mtodos que generan
miles de estimaciones del modelo para las cuales se obtienen resultados finales del
modelo. Algunos de estos procesos son: la estimacin directa, el bootstrapping, la
simulacin y el anlisis de jacknife.

La estimacin directa es el proceso de estimacin ms habitual, en el cual se estima
directamente un modelo con un procedimiento de estimacin elegido. Los otros tres
procesos de estimacin el bootstrapping, la simulacin y el anlisis de jacknife no
descansan en un nico modelo de estimacin sino en estimaciones del parmetro
calculado y sus intervalos de confianza basados en estimaciones mltiples.


5.3.9. La evaluacin del modelo
Esta seccin trata de mostrar distintas tcnicas de analizar el ajuste global del modelo de
ecuaciones estructurales a travs de ndices. Para facilitar la comprobacin de la
equivalencia entre las matrices de varianzas-covarianzas observada y predicha, o el
ajuste global, existe una amplia variedad de estadsticos.

Existen tres grupos genricos de ndices globales: los ndices de ajuste absoluto, los
ndices de ajuste incremental y los ndices de ajuste parsimonia.
Relacin entre la Capacidad de Absorcin y las Estructuras Organizativas
228

Los ndices de ajuste absoluto miden el ajuste global del modelo, considerando las
diferencias entre la matriz de varianzas y co-varianzas observada y predicha (matriz
residual). De los ndices incluidos en este grupo genrico, el de mayor aplicacin es el
ndice de razn de verosimilitud
2
, el nico que proporciona una prueba de
significatividad estadstica.

Otros ndices de ajuste global son el de bondad de ajuste similar al ndice de razn de
verosimilitud
2
pero sin la dependencia respecto al tamao de la muestra observada ,
la raz cuadrada de la media de residuos cuadrados o el ndice de centralidad.

Los ndice de ajuste incremental no comparan las matrices de varianza-covarianza (o de
correlacin) observada o predicha, sino que comparan el ajuste del modelo propuesto
con un modelo base especificado a priori por el investigador. El modelo base suele
referirse como modelo nulo o modelo de independencia. Entre los ndices ms
utilizados de ajuste incremental est el ndice de Tucker-Lewis, el ndice de ajuste
relativo, el ndice de ajuste normado, el ndice de ajuste incremental, el ndice de ajuste
comparativo o el ndice de centralidad relativa.

Los ndices de ajuste de parsimonia relacionan la bondad de ajuste del modelo con el
nmero de coeficientes estimados. El propsito es equilibrar la bondad de ajuste con la
parsimonia o simplicidad: incluir los menos parmetros posibles. Un modelo es de
elevada parsimonia cuando tiene relativamente pocos parmetros y, en cambio, muchos
grados de libertad. Para ello su tamao muestral ha de ser elevado. Entre los ndices de
ajuste de parsimonia ms utilizados estn el ndice de ajuste parsimonioso, el
2

cuadrado, el ndice de bondad de ajuste ajustado, el ndice de bondad de ajuste de
parsimonia, el error de la raz cuadrada media de aproximacin, el criterio de
informacin de Akaike, y el estadstico N crtico.
Metodologa utilizada para el estudio de campo
229
5.4. Modelo estructural del objeto de investigacin

En el siguiente apartado se presentar el modelo estructural y el modelo de medicin a
del sistema de ecuaciones estructurales travs de distintas representaciones, como
grficos de sendero, ecuaciones o formas matriciales.

5.4.1. El modelo estructural
Tal y como se ha definido en el cuarto captulo de la presente tesis doctoral, los dos
objetos de investigacin la estructura organizativa y el constructo capacidad de
absorcin pueden ser analizados a travs de sus componentes o dimensiones.

El objetivo de la investigacin de la tesis es averiguar cmo la estructura organizativa
afecta a cada una de las fases del constructo capacidad de absorcin. La Figura 5. 2
incluye la ilustracin del modelo estructural mediante un diagrama de sendero de tres
variables latentes exgenas y cuatro endgenas.

El modelo de la Figura 5. 2 establece que la variable latente endgena Adquisicin (
1
)
est causalmente relacionada con las tres variables latentes exgenas Centralizacin
(
1
), Formalizacin (
2
) y Complejidad (
3
). Estas tres variables latentes no logran
explicar perfectamente la Adquisicin, por lo que se incluye el trmino de perturbacin

1
.

Por su parte, la variable endgena latente Asimilacin (
2
) se encuentra relacionada
causalmente con otras cuatro variables latentes. Tres de ellas exgenas y una endgena.
La variable latente endgena es la Adquisicin (
1
), y est relacionada a travs del
coeficiente
12
, mientras que las variables latentes exgenas son la Centralizacin (
1
),
la Formalizacin (
2
) y la Complejidad (
3
). Tambin se incluye el trmino de
perturbacin
2
.

Paralelamente, las variables endgenas Transformacin (
3
) y Explotacin (
4
) estn
causalmente relacionadas con tres variables latentes exgenas Centralizacin (
1
),
Relacin entre la Capacidad de Absorcin y las Estructuras Organizativas
230
Formalizacin (
2
) y Complejidad (
3
), y una variable latente endgena Asimilacin (
2
)
y Transformacin (
3
) respectivamente.

Figura 5. 2. Modelo estructural del objeto de investigacin
Centralizacin

1
Formalizacin

2
Complejidad

3
Adquisicin

1
Asimilacin

2
Transformacin

3
Explotacin

11

21

31

41

12

22

42

32

13

23

43

33

12

23

34

4
Fuente propia

A continuacin se presenta las ecuaciones estructurales del modelo anterior, siguiendo
la anotacin de la Figura 5. 2.

1 3 13 2 12 1 11 1
+ + + =
2 3 23 2 22 1 21 1 12 2
+ + + + =
Metodologa utilizada para el estudio de campo
231
3 3 33 2 32 1 31 2 23 3
+ + + + =
4 3 43 2 42 1 41 3 34 4
+ + + + =


5.4.2. El modelo de medicin de las variables latentes exgenas
El modelo de medicin de las variables exgenas incluye las relaciones entre estas
variables con sus indicadores o variables empricas. Para representar las tres
dimensiones o variables latentes exgenas se han utilizado seis variables empricas, que
se caracterizan por haber sido utilizadas con asiduidad y aceptadas por la comunidad
cientfica en varias ocasiones.

La Figura 5. 3 muestra la representacin grfica del modelo de medicin de las
variables exgenas, segn la convencin introducida en las secciones anteriores del
presente captulo.

A continuacin se introduce cada una de las variables empricas de dicho modelo:

La dimensin formalizacin es medida usando las escalas diseadas por el grupo Aston
para evaluar las variables especializacin (SPEC) y formalizacin (FORMAL) (Inkson,
Pugh, y Hickson, 1970; Pugh y Hickson, 1976), adems de la variable control
(CONTROL) desarrollada por Khandwalla (1974).

La dimensin complejidad se mide a travs de dos variables empricas: la diferenciacin
vertical o niveles de autoridad (VERT SPAN) y el nmero de centros de operaciones.
Ambas variables tambin fueron creadas y escaladas por el grupo Aston.

Finalmente, la dimensin centralizacin es medida a travs de una variable observable
(CENT) definida tambin por el grupo Aston.

La anterior definicin de las dimensiones y de las variables estructurales del modelo de
medicin se basa en la realizada por Miller y Drge (1986) en su investigacin de las
Relacin entre la Capacidad de Absorcin y las Estructuras Organizativas
232
estructuras organizativas basndose en la personalidad del director general de una
empresa.

Figura 5. 3. Modelo de medicin de las variables latentes exgenas
Centralizacin

1
Formalizacin

2
Complejidad

3
CENT
X
1
FORMAL
X
2
CONTROL
X
3
SPEC
X
4
NCEN
X
5
DIFV
X
6

6
X
11

X
22

X
32

X
42

X
53

X
63

Fuente propia


A continuacin se presenta las ecuaciones estructurales del modelo de medicin
anterior, siguiendo la anotacin de la Figura 5. 3:

1 1
X
11 1
X + =
Metodologa utilizada para el estudio de campo
233
2 2
X
22 2
X + =
3 2
X
32 3
X + =
4 2
X
42 4
X + =
5 3
X
53 5
X + =
6 3
X
63 6
X + =

Debido a la gran cantidad de variables y ecuaciones que acostumbran a surgir, es comn
representar las ecuaciones del modelo de medicin en forma matricial, como se presenta
a continuacin:

6
5
4
3
2
1
3
2
1
X
63
X
53
X
42
X
32
X
22
X
11
6
5
4
3
2
1

0 0
0 0
0 0
0 0
0 0
0 0
X
X
X
X
X
X



5.4.3. Modelo de medicin de las variables endgenas
El modelo de medicin de las variables endgenas incluye las relaciones entre estas
variables con sus indicadores o variables empricas. Para representar las cuatro
dimensiones o variables latentes endgenas se han utilizado seis variables empricas.

Para evaluar cada una de las dimensiones del modelo desarrollado por Zahra y George
(2002) se ha utilizado distintas escalas debido a la falta de un consenso en la medicin
del constructo.

Para evaluar la dimensin adquisicin de conocimiento se ha utilizado el porcentaje
destinado a la investigacin y al desarrollo de nuevos productos o servicios sobre las
ventas totales (GASTO), de forma similar a como la realiz Cohen y Levinthal (1990) o
Relacin entre la Capacidad de Absorcin y las Estructuras Organizativas
234
como lo propone Zahra y George (2002). Adems se complementa con una segunda
variable como es el nmero de proyectos de investigacin en marcha (PROY).

La asimilacin es la dimensin ms compleja de medir debido a su naturaleza tcita. Sin
embargo, se han seguido las indicaciones de Cockburn y Henderson (1998), o Zahra y
George (2002) de cuantificarla a travs del nmero de publicaciones internas y externas
realizadas por una organizacin (PUBLIC).

La transformacin es medida a travs del nmero de nuevas ideas o proyectos iniciados
recientemente (NPROY) dentro de la organizacin, tal y como Leonard-Barton (1995)
propuso y llev a cabo en sus investigaciones.

Por ltimo, la dimensin explotacin es representada a travs del nmero de nuevos
productos o servicios que una empresa llega a comercializar en un ao (NPROD).
Adems se incluye el nmero de patentes, licencias y modelos de utilidad (PAT) que
han sido registrados, y por lo que una organizacin puede obtener nuevos beneficios.

La Figura 5.4 muestra la representacin grfica del modelo de medicin de las variables
endgenas, segn la convencin introducida en las secciones anteriores del presente
captulo.

A continuacin se presenta las ecuaciones estructurales del modelo de medicin
anterior, siguiendo la anotacin de la Figura 5. 4:

1 1
Y
11 1
Y + =
2 1
Y
21 2
Y + =
3 2
Y
32 3
Y + =
4 3
Y
43 4
Y + =
5 4
Y
54 5
Y + =
6 4
Y
64 6
Y + =

Metodologa utilizada para el estudio de campo
235
Figura 5. 4. Modelo de medicin de las variables latentes endgenas
Adquisicin

1
Asimilacin

2
Transformacin

3
Explotacin

12

23

34
GASTO
Y
1
PROY
Y
2
PUBLIC
Y
3
NPROY
Y
4
PAT
Y
5
NPROD
Y
6

6
Y
11

Y
21

Y
32

Y
43

Y
54

Y
64

Fuente propia

Debido a la gran cantidad de variables y ecuaciones que acostumbran a surgir, es comn
representar las ecuaciones del modelo de medicin en forma matricial, como se presenta
a continuacin:

6
5
4
3
2
1
4
3
2
1
Y
64
Y
54
Y
43
Y
32
Y
21
Y
11
6
5
4
3
2
1

0 0 0
0 0 0
0 0 0
0 0 0
0 0 0
0 0 0
Y
Y
Y
Y
Y
Y

Relacin entre la Capacidad de Absorcin y las Estructuras Organizativas
236
5.4.4. Modelo de ecuaciones estructurales final del objeto de investigacin
De la combinacin de los tres modelos anteriores el modelo estructural, el modelo de
medicin de las variables latentes exgenas y el modelo de medicin de las variables
latentes endgenas resulta un modelo comprehensivo de relaciones entre variables
endgenas y exgenas, latentes y manifiestas: el modelo de ecuaciones estructurales.

La Figura 5. 5 incluye el modelo de ecuaciones estructurales que resulta de la
combinacin de los modelos de estructura (Figura 5. 2) y de medicin para las variables
exgenas (Figura 5. 3) y variables endgenas (Figura 5. 4) latentes.

El modelo ilustrado en la Figura 5.5 es un modelo no recursivo porque no incluye
relaciones causales recprocas. Adems, los modelos no recursivos se caracterizan por
permitir la correlacin entre los trminos de perturbacin.
Metodologa utilizada para el estudio de campo
237

Figura 5. 5. Modelo de ecuaciones estructurales

Fuente propia

Relacin entre la Capacidad de Absorcin y las Estructuras Organizativas
238
5.5. Metodologa en el diseo del cuestionario para la captacin de datos

Tras desarrollar el modelo de ecuaciones estructurales en la seccin anterior, se debe
proceder a la obtencin de informacin primaria cuantitativa para el anlisis del modelo.
Con este objetivo se procede al desarrollo de un cuestionario para la captacin de dicha
informacin.


5.5.1. Seleccin del tipo de entrevista
Antes de desarrollar el cuestionario es necesario seleccionar el modelo de entrevista que
se va a realizar: personal, telefnica, por correo, virtual, etc. La seleccin de una u otra
condicionar la extensin, profundidad, as como el tipo de preguntas que se podrn
plantear en el cuestionario.

Por el tipo de informacin que se necesita, se ha seleccionada la encuesta por correo
electrnico, y la encuesta virtual como una alternativa. Las caractersticas principales de
este tipo de entrevistas son un reducido coste, un alto grado de comodidad y
accesibilidad, as como el nulo nmero de errores de trascripcin.

Por el contrario, se tiene que vigilar con la duracin de la encuesta ya que la falta de un
entrevistador y una baja implicacin por parte del entrevistado pueden llevar a que no se
realice. Segn Francisco Jos Sarabia (1999), en encuestas virtuales o por correo
electrnico el tiempo mximo aconsejable para la realizacin son diez minutos. Adems
hay que constatar que existe un bajo control de las respuestas en este tipo de entrevistas.


5.5.2. Estructura del cuestionario
De la misma manera que el modelo estructural expuesto en el presente captulo, el
cuestionario est estructurado en dos partes: la relacionada con la estructura
organizacional, y la relacionada con el constructo capacidad de absorcin.


Metodologa utilizada para el estudio de campo
239
5.5.3. Cuestionario sobre la estructura organizativa
Por la naturaleza de las variables observables o empricas del modelo de medicin de las
variables exgenas se necesita tanto escalas simples o naturales como escalas
compuestas.

Para la formacin de escalas compuestas existe gran cantidad de tcnicas como la
diferencial semntico, la aditiva de Likert, el formato Stapel, la suma constante o la
tcnica de comparacin-par Thurstone Las dos primeras tcnicas se caracterizan por
facilitar la administracin de las respuestas y por un bajo tiempo necesario para
responderlas. Por estos motivos, se han elegido la tcnica aditiva de Likert y la
diferencial semntico.

La utilizacin de la tcnica aditiva de Likert presupone que la variable o indicador que
se est midiendo viene dada por la suma de los valores obtenidos en cada proposicin o
tem elegido. Esta tcnica utiliza una categorizacin del continuo actitudinal, graduada
segn la intensidad, que debe ser indicada por el sujeto cuestionado.

En cambio, la tcnica diferencial semntica se utiliza cuando el objetivo es medir
conceptos o fenmenos, bajo el supuesto de que no son independientes de la reacciones
de los sujetos. Este mtodo, desarrollado por Osgood y Tannenbaum, suele ofrecer altas
cotas de fiabilidad y validez cuando est bien construido. Su aplicacin necesita de la
existencia de adjetivos que califiquen al objeto, de forma que cada adjetivo muestra una
dimensin.

Para medir la variable observable CENT se utiliza once cuestiones que conciernen a
distintas situaciones dentro de una organizacin en donde se tiene que decidir qu
persona o grupo de personas tienen la autoridad necesaria para tomar una decisin sobre
ellas. La categorizacin de la escala utilizada oscila entre el consejo de administracin
hasta los operarios, pasando por los distintos niveles jerrquicos de la empresa.

Relacin entre la Capacidad de Absorcin y las Estructuras Organizativas
240
La variable observable CONTROL es medida a travs de cuestiones sobre la frecuencia
de uso de cinco dispositivos de control diferentes. En este caso se ha utilizado una
escala basada en la tcnica diferencial semntico.

La variable observable FORMAL representa el nivel de formalizacin de la empresa y
es medida mediante once cuestiones que se caracterizan por tener respuestas binarias (S
No). De la misma forma, la variable ESP se utiliza para medir el nivel de
especializacin de la organizacin a travs de diecisis cuestiones con respuestas
binarias.

Las dos ltimas variables NCEN y DIFV representan el nmero de centros de
operaciones y el nmero de niveles que hay en una organizacin respectivamente.
Ambas variables son escaladas a travs de una escala simple.

La elaboracin de presente cuestionario sobre estructuras organizativas est basada en la
realizada por Miller y Drgue en 1986. Ambos autores realizaron dicho cuestionario
como mecanismo para evaluar las estructuras organizativas de una gran cantidad de
empresas a finales de los aos ochenta. Sus publicaciones basadas en este cuestionario
han recibido ms de seiscientas citaciones desde su publicacin segn el Social Science
Citation Index.


5.5.4. Cuestionario sobre la capacidad de absorcin
En contraposicin al cuestionario sobre estructuras organizativas, no existe ningn
cuestionario para evaluar el constructo capacidad de absorcin. Hasta la actualidad,
cada investigador ha cuantificado el constructo segn sus necesidades.

Para captar la informacin necesaria para cuantificar el constructo capacidad de
absorcin, se ha utilizado escalas simples para cada una de las variables observables o
empricas definidas previamente.


Metodologa utilizada para el estudio de campo
241
5.5.5. Presentacin del cuestionario
Como se ha especificado en las secciones anteriores, se ha realizado el cuestionario
sobre dos formatos diferentes:
A travs de una pgina Web, y
A travs de un formulario realizado con MS Word (ver Anexo 1).

El cuestionario realizado sobre pgina Web ha sido diseado y desarrollado en HTML,
y proporciona la opcin de enviar la informacin directamente a una base de datos para
procesarla posteriormente.

En cambio, el cuestionario en formato MS Word no est enlazado directamente a la
base de datos del investigador, por lo que el encuestado debe reenviar el archivo
resultante por e-mail al investigador. Posteriormente se tendr que introducir los
resultados de la encuesta a la base de datos uno por uno.

Este segundo mtodo tiene el inconveniente de introducir la posibilidad de errores de
trascripcin del formulario a la base de datos, pero debido a la infraestructura de ciertas
organizaciones se ha credo conveniente realizarlo en paralelo para poder acceder a un
mayor nmero de empresas.

Relacin entre la Capacidad de Absorcin y las Estructuras Organizativas
242
5.6. Seleccin de la muestra

La finalidad de cualquier anlisis estadstico no se limita a la descripcin de los casos de
los que se ha recogido informacin. stos constituyen la muestra de la investigacin.
Ante todo, se quiere describir, a partir de las caractersticas observadas en la muestra, al
conjunto de la poblacin a la que sta pertenece.

Respecto al tamao de la muestra, su cuanta incide directamente en la reduccin del
error de estimacin y en la consiguiente significatividad de los resultados del anlisis.
Por este motivo, se precisa que el tamao de la muestra sea lo ms elevado posible, para
favorecer la significatividad de los estadsticos maestrales.

En los modelos de ecuaciones estructurales se barajan distintos ratios mnimos de
observaciones precisas por cada variable independiente introducida al anlisis. Afifi y
Clark (1990) establecieron que el ratio mnimo deba estar entre 5 y 10 veces ms casos
que variables predoctoras.

Segn el tipo de estimacin utilizado en el anlisis del modelo, el mnimo nmero de
muestras necesarias para obtener una significatividad razonable vara. El procedimiento
de estimacin de parmetros de mxima verosimilitud precisa de un tamao muestral
mnimo de 100 unidades. Con otros puede aumentar hasta 200 unidades e incluso
superior el millar de muestras.

Metodologa utilizada para el estudio de campo
243
Bibliografa

Afifi, A. A. y Clark, V. (1990). Computer-aided multivariate analysis. Chapman &
Hall: Nueva York.
Batista, J. M. y Coenders, G. (2000). Modelos de ecuaciones estructurales. La Muralla:
Madrid.
Cea, M. A. (2002). Anlisis multivariable. Teora y prctica en la investigacin social.
Editorial Sntesis: Madrid.
Cockburn, I., & Henderson, R. (1998). Absorptive capacity, coauthoring behaviour,
and the organization research in drug discovery, Journal of Industrial Economics, 46,
pp. 157-183.
Cohen, W. M., y Levinthal, D. A. (1990). Absorptive capacity: A new perspective on
learning and innovation, Administrative Science Quarterly, 35, pp. 128-153.
Hoel, P. G. y Jessen, R. J. (1993). Estadstica bsica para negocios y economa.
CECSA: Azcapotzalco.
Inkson, J.H.K, Pugh, D.S. y Hickson D.J. (1970). Organization context and structure -
abbreviated replication. Administrative science quarterly, 15, pp. 318-329.
Leonard-Barton, D. (1995). Wellsprings of knowledge. Boston: Harvard Business
School Press.
Jreskog, K. G. (1993). Modelado de ecuaciones estructurales. Euskadiko: Guipzcoa.
Kaplan, A. (1964). The conduct of inquiry. Chandler: San Francisco.
Khandwalla P. N. (1974). Mass output orientation of operations technology and
organizational structure, Administrative Science Quarterly, 19, pp. 74-79.
Miller, D., & Drge, C. (1986). Psychological and traditional determinants of
structure, Administrative Science Quarterly, 31, pp. 539-560.
Miller, D. (1987). Strategic making and structure: analysis and implications for
performance, Academy of Management Journal, 30, pp. 7-32.
Miller, D., Drge, C., & Toulouse, J. M. (1988). Strategic process and content as
mediators between organizational context and structure, Academy of Management
Journal, 31, pp. 544-569.
Pugh D.S. y Hickson D.J. (1976). Organizational structure in its context. Westmead,
Farnborough: Saxon House.
Relacin entre la Capacidad de Absorcin y las Estructuras Organizativas
244
Sarabia, F. J. (1999). Metodologa para la investigacin en marketing y direccin de
empresas. Ediciones Pirmide: Madrid.
Zahra, S. A., & George, G. (2002). Absorptive capacity: a review, reconceptualization,
and extension, Academy of Management Review, 27, pp. 185-203.