Académique Documents
Professionnel Documents
Culture Documents
RESUMEN
En este trabajo se presenta un mtodo basado en las ecuaciones
estructurales para evaluar la presencia de cambios tipo alfa, beta y
gamma y response shift a travs del tiempo, en las perspectivas y conceptos de un grupo de individuos que experimentan un suceso particular en su vida. Con tal fin, se selecciona de la base de datos espaola
del Panel de Hogares de la Unin Europea un grupo de trabajadores
asalariados, los mismos para los periodos 2000 y 2001; se investigan
los cambios, respecto a sus niveles de satisfaccin y auto-valoraciones
de las mismas cosas, de un ao a otro, cuando su situacin laboral es
afectada por un cambio en el tipo de contrato. Efectivamente, los resultados indican que aunque la perspectiva global de su situacin no ha
cambiado, otros cambios en su estado interno s han ocurrido. El anlisis del cambio puede constituir una herramienta til para evaluar cmo
ESTADSTICA ESPAOLA
350
y cunto influye en la vida de los individuos, la aplicacin de una determinada poltica o cualquier otro tipo de intervencin.
Palabras Clave: cambio alfa, cambio beta, cambio gamma, response
shift, ecuaciones estructurales, panel de hogares de la Unin Europea
Clasificacin AMS: 62H25, 62H99, 62P15, 91E99
1. INTRODUCCIN
El Panel de Hogares de la Unin Europea (PHOGUE), tal como lo expresa el Instituto Nacional de Estadstica en su documento metodolgico (INE, 2005), es una
fuente de informacin estadstica a nivel comunitario que refuerza la infraestructura
de la Oficina Estadstica de la Unin Europea (EUROSTAT), favorece la formulacin
de polticas sociales y el seguimiento de sus efectos en toda la Unin.
El objetivo general del PHOGUE es poner a disposicin de la Comisin Europea
un instrumento de observacin estadstica para el estudio y seguimiento del nivel de
vida, las condiciones del mercado de trabajo y la cohesin social, en relacin con los
requerimientos de informacin de las polticas activas de la Unin Europea en estos
mbitos y con sus efectos para la poblacin. En tal sentido, la realizacin del PHOGUE permite conocer las necesidades de la poblacin y el impacto de las polticas
sociales y econmicas sobre los hogares y las personas, al mismo tiempo que proporciona las bases para el diseo de nuevas polticas (INE, 2005).
La informacin de un panel de datos tiene la ventaja de admitir la realizacin de
estudios multivariantes de tipo transversal y el posterior contraste de los resultados,
para cada ciclo del panel; as como estudios de tipo longitudinal en los que se puede
hacer un estudio global de un fenmeno particular y su evolucin en el tiempo; dado
que el panel permite seguir a las mismas personas y evaluar las mismas caractersticas en diferentes periodos. Este tipo de datos longitudinales pertenecen al conjunto
conocido como datos de tres vas.
Los datos longitudinales y su estudio traen consigo una serie de temas bastante
relacionados con el concepto longitudinal en s mismo, entre ellos est el cambio a
travs del tiempo. En cualquier campo de la ciencia, cuando un investigador se
plantea el estudio longitudinal de un fenmeno particular de la realidad, del entorno,
en general del mundo en el que todos estamos inmersos, se encontrar con que
estos fenmenos presentan caractersticas invariantes y tambin cambios continuos.
351
Los estudios de panel pueden revelar cambio neto y cambio bruto; el primero
hace referencia a cambios en trminos del total de la poblacin y el segundo se
refiere a cambios en trminos individuales. Con el cambio neto se busca verificar si a
nivel agregado la situacin de un fenmeno particular cambia o no, para ello se
comprueba el cambio en las distribuciones marginales univariantes mediante la
hiptesis de homogeneidad marginal que equivale a la no presencia de cambio neto.
El cambio bruto es el cambio entre puntos consecutivos en el tiempo, y su evaluacin
implica modelizar las distribuciones marginales bivariantes formadas por respuestas
del mismo individuo a travs de las ocasiones; este cambio slo puede ser analizado
mediante datos de panel. Sin embargo, estos no son los nicos cambios presentes
en datos longitudinales, sino que existen otros que involucran directamente las ideas,
opiniones y conceptos de los individuos.
Frecuentemente los cambios a travs del tiempo son examinados en trminos de
diferencias de medias en los datos recogidos en los periodos de estudio. Sin embargo, los procesos de los fenmenos pueden causar que los individuos reconstituyan
su interpretacin de la realidad y de los eventos que suceden en ella; entonces
experimentan un cambio al conceptualizar las variables u otros tipos de cambio en el
propio estado interno, los cuales no se pueden evaluar con una simple diferencia de
medias. Si las variables no son dimensiones estables de la realidad, probar las
diferencias de medias a travs del tiempo es complicado.
La posible presencia de estos cambios caus inters en investigadores de diferentes campos de la ciencia: en la Economa y Administracin de Empresas, Golembiewski et al. (1976) realizaron una tipologa del cambio de tres tipos: Alfa, Beta y Gamma;
posteriormente, un nuevo concepto denominado Response Shift fue introducido por
Howard et al. (1979) en una investigacin en Educacin, refirindose con ste a un
cambio en los estndares de medicin del individuo. Sprangers et al. (1999), en el
campo de la Calidad de Vida utilizaron el concepto de Response Shift, pero lo consideran un cambio en el significado de la auto-evaluacin de un fenmeno como resultado
de una Recalibracin, Repriorizacin o Reconceptualizacin.
Conjuntamente con las tipologas surgen diferentes metodologas para analizar la
presencia de cambios en un determinado fenmeno en estudio. Estas metodologas
son tanto de tipo exploratorio como confirmatorio. En este ltimo, los diversos planteamientos estn basados en los modelos de ecuaciones estructurales; as, Schmitt
(1982) present una metodologa para evaluar cambios de tipo gamma y beta, para ello
utiliza el anlisis de factor comn considerando slo la estructura de covarianza. Millsap et al. (1988) propusieron una metodologa de ecuaciones estructurales para medir
cambios alfa, beta y gamma adems de evaluar la relacin de los cambios con la
intervencin; aplican un modelo con las estructuras de medias y covarianza. Taris
(2000) present una metodologa bastante similar a la de Schmitt (op. ct.) pero utilizan-
352
ESTADSTICA ESPAOLA
353
354
ESTADSTICA ESPAOLA
355
Tabla 1
RELACIONES ENTRE LOS TIPOS DE CAMBIO Y ESTABILIDAD
ALFA
ESTABILIDAD NORMATIVA
CONSISTENCIA INTRAINDIVIDUAL
ESTABILIDAD DE NIVEL
RECALIBRACION
REPRIORIZACION
RECONCEPTUALIZACION
RAL
INVARIANZA ESTRUCTU-
BETA
GAMMA
Relacin
Relacin
Inversa
Inversa
Relacin
Inversa
Relacin
Directa
Relacin
Directa
Relacin
Directa
356
ESTADSTICA ESPAOLA
x = + +
En la ecuacin, x es un vector de observaciones de J variables en K ocasiones
que se relaciona linealmente con las variables latentes, representadas por el vector
de valores de las R variables latentes en los K periodos de estudio. es un vector de
357
E(x) = = +
Cov(x, x ) = = +
donde es un vector de medias de las variables latentes, es una matriz de covarianzas de las variables latentes y es una matriz de covarianzas de los errores de
medida.
Se asume que la media de los errores de medida es cero, que las variables latentes no estn correlacionadas con los errores de medida y que stos no estn correlacionados entre ellos. No obstante, para el anlisis del cambio la ltima especificacin
es poco defendible, debido a las caractersticas de los datos de panel. Bollen (1989)
y Jreskog (2002) indican que frecuentemente, cuando las mismas variables son
usadas repetidamente en el tiempo, existe una tendencia en los errores de medida
de una misma variable a correlacionar a travs del tiempo a causa de los factores
especficos, la memoria u otros efectos al repetir las mediciones de las variables.
Esta tendencia se hace ms notoria cuando los datos analizados son categricos, tal
como las variables usadas en este trabajo. Adems, si las mediciones de las diferentes variables dentro de cada periodo de estudio provienen de la misma fuente de
datos, entonces los correspondientes errores de medida podran estar positivamente
correlacionados debido a los sesgos sistemticos presentes en la fuente de datos.
As, en la matriz de covarianza de los errores todos o algunos de los elementos
fuera de la diagonal podran ser diferentes de cero.
Las variables estudiadas son principalmente los niveles de satisfaccin de los trabajadores, respecto a algunos aspectos de su vida, as como otras variables tambin
categricas. Las ecuaciones estructurales fueron planteadas originalmente para
trabajar con datos cuantitativos continuos, porque varias de las funciones de estimacin requieren que los datos se distribuyan normalmente y el punto de partida del
anlisis es la matriz de covarianza muestral. Cuando las variables observadas no son
medidas en una escala continua, sus covarianzas no tienen sentido y tampoco es
posible hablar de normalidad, por lo tanto se necesitan procedimientos de estimacin
especiales para poder tomar en cuenta la escala de las variables observadas. Jreskog (2002) puntualiza que observaciones de una variable ordinal representan respuestas a un conjunto de categoras ordenadas, por ejemplo una escala Likert;
comnmente en la prctica se tratan a los valores 1,2,3, asignados a las categor-
358
ESTADSTICA ESPAOLA
as, como si tuvieran propiedades mtricas; pero variables de este tipo no pueden ser
tratadas como continuas porque la excesiva kurtosis y asimetra de las mismas
afectan adversamente la prueba 2 y las pruebas z de significacin estadstica de los
resultados de las funciones de estimacin.
Sin embargo, siempre es posible obtener a partir de variables observadas categricas (x), variables continuas subyacentes en las categricas (x*) que podran ser
multinormales y de las cuales s se pueden obtener estructuras de medias y covarianzas vlidas, para esto se aplica el enfoque de umbrales. El modelo del anlisis
factorial confirmatorio con variables categricas tiene la siguiente forma:
x + + , porque estas variables observadas no tienen relaciones causales
lineales con las variables latentes; mediante el enfoque de umbrales se relacionan
las ordinales (x) con sus contrapartes subyacentes continuas (x*) y el modelo cambia:
x * = + + . El anlisis y estimaciones se harn a partir de la matriz de covarianza de las variables subyacentes continuas, pero no es posible calcular sta
directamente porque las variables subyacentes no son observables; entonces es
necesario estimarla consistentemente y esto s es posible mediante la matriz de
correlaciones policricas (). Dado que los datos son longitudinales, se debe tener la
seguridad de que la escala de las variables subyacentes son iguales a travs del
tiempo, esto se consigue imponiendo la restriccin de igualdad de umbrales a travs
del tiempo para las respectivas variables categricas al momento de estimar las
correlaciones policricas. Dichas correlaciones () son estimadores de mxima
verosimilitud que tienen distribucin normal asinttica con media y varianzacovarianza asinttica I()-1, donde I() es la matriz informacin de Fisher.
Finalmente, la estimacin del modelo se realiza aplicando la funcin de ajuste de
mxima verosimilitud a la matriz de correlaciones policricas y corrigiendo los errores
estndar y la estadstica 2 con la matriz de covarianza asinttica segn el estadstico
escalado de Satorra y Bentler (1988, 1994 y 1999), SB2. La funcin de ajuste mencionada permite obtener estimadores consistentes, aunque los errores estndar, las
pruebas z, las pruebas 2 y otras pruebas de significacin obtenidas no son correctas; por esta razn deben ser corregidas. Sin embargo, este mtodo tiene las ventajas de que la matriz de covarianza asinttica no necesita ser invertida y es adecuado
para muestras de tamaos pequeos. Tambin se obtienen otras medidas de bondad
de ajuste adems de la 2 y su respectivo p-valor. Diferentes autores plantearon
diversas medidas de bondad de ajuste, en este trabajo se consideran dos: la raz del
cuadrado medio del error de aproximacin RMSEA (Browne et al., 1989, Steiger et
al., 1980 y Steiger, 1990), y el criterio de informacin de Akaike AIC (Akaike, 1973).
RMSEA mide la suficiencia del modelo; valores cercanos a 0,08 representan errores
de aproximacin razonables y no es aconsejable emplear un modelo con un RMSEA
mayor que 0,1. AIC es una medida compuesta de maldad de ajuste y complejidad,
359
modelos simples que tienen buen ajuste reciben bajas puntuaciones; est orientada a
comparar modelos y no a evaluar modelos aislados.
Una vez que se plantean las especificaciones de los parmetros y se determina el
mtodo de estimacin segn el tipo de datos, se plantea el modelo longitudinal y se
prueba si es un modelo adecuado. Un modelo es longitudinal, si tiene los mismos
factores en ambos periodos de estudio y si el patrn de causalidad entre las variables
latentes y observadas se repite a travs del tiempo, de manera que sean comparables. Es necesario que este modelo sea vlido, es decir, debe existir invarianza
estructural para que el planteamiento de un modelo de cambio sea significativo
(Meredith et al. 2002).
Cada tipo de cambio se evala mediante una hiptesis de invarianza de un determinado parmetro y cada una de estas restricciones de invarianza implica un
modelo distinto, los cuales son una modificacin del modelo longitudinal base con el
que sern comparados.
Cambios en el nmero de factores y/o en los patrones de carga hacen referencia
a reconceptualizacin, la hiptesis a probar es: Pat( 1 )=Pat( 2 )=Pat( K ). Un
cambio en los valores de la matriz de cargas indica repriorizacin, la hiptesis de
invarianza a travs del tiempo es: 1 = 2 = K . Si se rechaza al menos una de
estas, entonces ha ocurrido alguna forma de cambio gamma, y no existe invarianza
estructural. La recalibracin uniforme se evidencia con cambios en los interceptos, la
hiptesis de invarianza es: 1 = 2 = K . La recalibracin no uniforme se manifiesta
con cambios en las varianzas de los factores residuales y la hiptesis es la siguiente:
Diag( 11 )=Diag( 22 )=Diag( KK ). La existencia de al menos uno de estos dos
tipos de recalibracin indica que ha ocurrido cambio beta. Las medias de las variables latentes permitirn evaluar la presencia de cambio alfa o ausencia de estabilidad de nivel; se restringen: 1 = 2 .= K . De la misma manera que el cambio alfa
es denominado cambio verdadero en las medias el cambio que se observa al
rechazar la hiptesis Diag( 11 )= =Diag( 22 )=Diag( KK ) se denomina cambio
verdadero en las varianzas. La estabilidad normativa se evala mediante la magnitud de las autocorrelaciones: Diag( kk ) kk y k,k=1,,K, kk = k k .
360
ESTADSTICA ESPAOLA
4. APLICACIN Y RESULTADOS
Los datos utilizados en el anlisis provienen de la base de personas adultas de
Espaa del Panel de Hogares de la Unin Europea, en los aos 2000 y 2001 (K=2
periodos de estudio). Se us un panel balanceado que cubre los dos periodos de
estudio, es decir, que comprende a aquellos individuos considerados en los dos
aos.
Se seleccionaron personas panel (con peso bsico diferente de cero), asalariadas, que trabajan ms de 15 horas a la semana e iniciaron su actividad en el empleo
actual (2001) durante 1999 o antes y cuyo tipo de contrato laboral fue cambiado de
2000 a 2001. El tamao de la muestra es 253 individuos (N) para ambos periodos.
Esta muestra longitudinal se obtuvo empleando los pesos bsicos normalizados de
cada individuo, los cuales garantizan que las personas muestrales que continan en
el panel en el ao k proporcionan la mejor representacin de la poblacin. Debido a
que el panel balanceado para los aos 2000 y 2001 no es igual al panel original con
el que se calcularon los pesos bsicos en estos respectivos aos, se transformaron
dichas ponderaciones segn la metodologa indicada por
EUROSTAT para el
anlisis longitudinal de personas y tomando en cuenta la probabilidad de que cada
individuo cumpla con las condiciones laborales especificadas, de manera que se
mantiene la representatividad de la muestra.
Las variables estudiadas son 15 (J) y corresponden a niveles de satisfaccin con
diferentes aspectos del empleo (7), autovaloracin sobre conocimientos y empleo (1),
autovaloracin del estado de salud (1), relaciones sociales (2) y niveles de satisfaccin con otros aspectos de su vida (4). Las respuestas de las variables de niveles de
satisfaccin estn en una escala de uno a seis (No satisfecho en absoluto Plenamente satisfecho), la autovaloracin de los conocimientos es una variable dicotmica,
la autovaloracin del estado de salud tiene una escala de uno a cinco (Muy malo
Muy Bueno) y las variables de relaciones sociales se responden en una escala de
uno a cinco (Nunca La mayora de los das).
Dado que no existe un modelo terico precedente de las variables en estudio, no
se cuenta con una referencia para determinar la estructura factorial del fenmeno
que subyace en estas variables, ni se sabe a priori si la estructura es similar en
ambos periodos. En consecuencia, se procede a realizar como paso previo, un
anlisis exploratorio que permita conocer, al menos de manera descriptiva los factores del fenmeno de cambio en la situacin contractual y sus relaciones causales
con las variables observadas. El Anlisis Factorial Exploratorio (Spearman, 1904) es
una tcnica de reduccin de datos que identifica los factores que explican el patrn
de correlaciones entre un conjunto de variables observadas, las cuales deben ser
361
cuantitativas para que sea posible estimar las correlaciones de Pearson. Nuevamente surge el problema de trabajar con datos ordinales y dicotmicos; para el tratamiento exploratorio de estas variables, en el sentido de encontrar una estructura factorial,
son ms adecuadas las tcnicas de escalamiento ptimo que permiten cuantificar
las variables categricas originales. El anlisis de componentes principales no lineal
(o anlisis de componentes principales categrico por escalamiento ptimo) tiene
como objetivo reducir el conjunto original de variables categricas a un conjunto ms
pequeo de factores que represente la mayor parte de la informacin contenida en
las variables de origen. Asigna valores numricos a las categoras de cada variable,
segn el criterio de minimizacin de la distancia entre categoras relacionadas y
maximizacin de la distancia de las categoras no relacionadas. Tambin asigna
puntuaciones a los individuos, de manera que las cuantificaciones de las categoras
son los valores promedio de las puntuaciones de los individuos en dichas categoras.
Los resultados generan una solucin en la que los individuos de la misma categora
se representan juntos y los de categoras distintas aparecen separados, se aplica
este procedimiento a todas las variables, (Van Rijckevorsel et al., 1979, De Leeuw et
al., 1980, y Gifi, 1981).
En ambos periodos de estudio se seleccionaron dos factores (R=2), dado que a
partir del tercero la varianza absorbida es inferior al 10% y entre los dos primeros
factores y los siguientes hay un salto significativo de dicha absorcin. En la siguiente
Tabla 2 se presentan las cargas de componentes de las dos variables latentes
(factores) seleccionadas en cada periodo de estudio, se observa que las dos estn
claramente definidas. Tambin se aprecia que tres de las variables observadas no
tienen las relaciones causales completamente orientadas con una sola variable
latente; a pesar de ello, la estructura factorial aparentemente y en sentido descriptivo,
es la misma para ambos periodos de estudio, en nmero de factores y en patrones
de carga de las variables observadas; de tal manera que el primer factor (F1) puede
ser definido como Situacin laboral y econmica y el segundo factor (F2) Situacin
fsica, social y emocional.
362
ESTADSTICA ESPAOLA
Tabla 2
CARGAS DE COMPONENTES PARA 2000 Y 2001
2000
Factor
Variables
-0,611
-0,693
-0,807
-0,741
-0,767
-0,778
-0,459
-0,756
-0,692
-0,619
-0,570
2001
Factor
2
0,300
-0,711
-0,750
0,134
-0,625
-0,573
-0,691
-0,705
-0,657
-0,618
-0,528
-0,699
-0,602
-0,469
-0,567
-0,417
-0,463
-0,318
-0,639
-0,558
0,192
363
Figura 1
DIAGRAMA CAUSAL DEL MODELO GENERAL PARA DOS PERODOS DE ESTUDIO
ESTADSTICA ESPAOLA
364
Para que este modelo general sea longitudinal las cargas de las variables latentes
en la matriz y los interceptos en el vector deben ser iguales a travs del tiempo,
(11.1=11.2, 21.1=21.2, el primer elemento del subndice corresponde a la variable
observada y el segundo a la variable latente; 1.1=1.2, 2.1=2.2, el elemento del
subndice antes del punto corresponde a la variable observada). El cumplimiento de
estas dos condiciones implica la ausencia de repriorizacin y de recalibracin uniforme; es decir, para que un modelo sea longitudinal no deben suceder cambio gamma,
ni algn tipo de cambio beta.
Los resultados se obtuvieron usando el programa LISREL 8.7, la hiptesis de que
el modelo general es vlido se acepta y la hiptesis de que el modelo longitudinal
ajusta a los datos tambin se acepta, por lo tanto no existe cambio gamma ni recalibracin uniforme. Ha sido posible evaluar la presencia de los otros tipos de cambio,
planteando un modelo diferente para cada hiptesis de cambio. La Tabla 3 muestra
un resumen de los resultados obtenidos al estimar cada uno de los modelos.
Tabla 3
RESULTADOS DE AJUSTAR DIFERENTES MODELOS PARA PROBAR CAMBIOS
2
Modelos
1. Modelo general para dos periodos de
estudio ( reconceptualizacin)
2. Modelo Longitudinal: los factores de
carga e interceptos invariantes (repriorizacin y recalibracin uniforme)
3. Modelo 2 con las varianzas de los
errores de medida invariantes (recalibracin no uniforme).
4. Modelo 2 con las medias de los
factores invariantes (cambio alfa o
cambio verdadero en las medias).
5. Modelo 2 con las varianzas de los
factores invariantes (cambio verdadero
en las varianzas).
G.L.
SatorraBentler
p-valor
RMSEA
AIC
351
340,29
0,650
0,000
(0,000-0,020)
869,63
377
396,84
0,230
0,014
(0,000-0,027)
893,80
391
447,35
0,026
0,024
(0,009-0,034)
946,21
379
398,11
0,240
0,014
(0,000-0,027)
890,48
381
555,71
0,000
0,043
(0,035-0,050)
1118,2
1
El primer modelo general para los dos periodos de estudio (el cual no tiene restricciones de igualdad en los parmetros) reporta un valor de 2 igual a 340,29 con
351 grados de libertad y p-valor=0,650, se acepta la hiptesis que el modelo ajusta
bien a los datos, adems el RMSEA=0 indica que el modelo tiene un buen ajuste con
365
relacin a los grados de libertad. Con este modelo observamos que no hay cambios
en el nmero de factores ni en los patrones de carga a travs del tiempo (primera
hiptesis de cambio); por lo tanto, no ha ocurrido cambio gamma por reconceptualizacin.
El segundo modelo corresponde al modelo longitudinal, en el que tanto las cargas
de las variables latentes como los interceptos estn restringidos para ser iguales a
travs del tiempo; con este modelo adems se prueban la segunda y la tercera
hiptesis de cambio. El ajuste del modelo reporta un valor 2 mayor al modelo anterior 396,84 con 377 grados de libertad y un valor de AIC=893,80 tambin mayor que
el anterior, pero a pesar de ello la prueba de hiptesis de buen ajuste del modelo
sigue resultando no significativa, con p-valor=0,230 y RMSEA=0,014. Se acepta la
validez de este modelo longitudinal, en el que los factores de carga y los interceptos
son invariantes, de esta manera las variables latentes tendrn la misma escala y el
mismo origen longitudinalmente. Al mismo tiempo, se aceptan las hiptesis de invarianza de cargas e interceptos y se concluye que no ha ocurrido cambio gamma por
repriorizacin ni cambio beta por recalibracin uniforme. Existe invarianza estructural,
por lo tanto es posible evaluar los otros tipos de cambio.
En los modelos de ecuaciones estructurales se estiman dos tipos de parmetros
los estructurales: el vector de medias de las variables latentes (KRx1), la matriz de
varianza-covarianza de las variables latentes (KRxKR), y la matriz de varianzacovarianza de los factores residuales, (KJxKJ); y los parmetros de medida: la
matriz de factores de carga de las variables latentes, (KJxKR) y el vector de interceptos, (KJx1). En la Tabla 4 se presentan los parmetros estructurales del modelo
longitudinal (excepto la matriz por ser demasiado grande) y en la Tabla 5 los
parmetros de medida del modelo longitudinal.
Tabla 4
PARMETROS ESTRUCTURALES DEL MODELO LONGITUDINAL
VARIANZA-COVARIANZA DE LAS VARIABLES LATENTES
F1.1
F2.1
F1.2
F2.2
F1.1
0,400
0,070
0,130
0,030
F2.1
0,070
0,860
0,040
0,012
F1.2
0,130
0,040
0,280
0,100
F2.2
0,030
0,012
0,100
0,740
1,560
1,440
1,550
Tabla 5
1,400
ESTADSTICA ESPAOLA
366
INTERCEPTOS
F1.1
F2.1
F1.2
F2.2
PE031.1
PE032.1
PE033.1
PE034.1
PE035.1
1
1,140
1,770
1,250
0,980
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0,260
0,110
0,270
0,570
PE036.1
PE037.1
PK001.1
PK002.1
PK003.1
1,590
1,100
1,570
1,190
2,090
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0,460
0,900
0,200
-0,057
2,290
PK004.1
PH001.1
PR003.1
PR004.1
PE016.1
1,120
0
0
0
0
0
0,130
1,040
1
0,016
0
0
0
0
0
0
0
0
0
0
0,240
1,730
2,250
0
0,240
PE031.2
PE032.2
PE033.2
PE034.2
PE035.2
0
0
0
0
0
0
0
0
0
0
1
1,140
1,770
1,250
0,980
0
0
0
0
0
0
0,260
0,110
0,270
0,570
PE036.2
PE037.2
PK001.2
PK002.2
PK003.2
0
0
0
0
0
0
0
0
0
0
1,590
1,100
1,570
1,190
2,090
0
0
0
0
0
0,460
0,900
0,200
-0,057
2,290
PK004.2
PH001.2
PR003.2
PR004.2
PE016.2
0
0
0
0
0
0
0
0
0
0
1,120
0
0
0
0
0
0,130
1,040
1
0,016
0,240
1,730
2,250
0
0,240
367
hiptesis planteada, las varianzas de los factores residuales cambian a travs de las
ocasiones, entonces ha ocurrido cambio beta por recalibracin no uniforme.
Existe recalibracin cuando los individuos cambian su interpretacin de las opciones de la escala de respuesta. En este caso en concreto (recalibracin no uniforme),
la escala de medicin se estira o se encoge, completa o parcialmente. Despus de la
entrevista en el 2000, nuevas experiencias en la vida, tal como una nueva situacin
contractual, lleva a los individuos a cambiar su idea de cunta satisfaccin puede ser
llamada en el 2001 Bastante satisfecho, Muy satisfecho, etc. Por ejemplo, con el
grado de satisfaccin con la situacin econmica, si en la primera entrevista dijo
Bastante satisfecho en un segundo momento necesitar sentirse ms satisfecho
con su situacin econmica para seguir respondiendo Bastante satisfecho, mientras
que, si en el primer periodo dijo sentirse Poco satisfecho con su situacin econmica, en la siguiente entrevista puede seguir sintindose Poco satisfecho y experimentar el mismo nivel de satisfaccin. Sus sentimientos de satisfaccin econmica
que lo llevan a elegir alguna opcin de respuesta, no son uniformes de un periodo a
otro.
El siguiente modelo es el modelo longitudinal restringido en las medias de las variables latentes, stas deben ser iguales a travs del tiempo para evaluar la presencia de cambio alfa. Se acepta la hiptesis planteada con una 2=398,11, con 379
grados de libertad y p-valor=0,240; el valor RMSEA es menor que 0,05, lo cual indica
un ajuste muy bueno con respecto a los grados de libertad y el AIC=890,48 es aun
menor que el del modelo longitudinal de buen ajuste; todo indica que este modelo
restringido se ajusta a los datos. Por lo tanto, se concluye que no ha ocurrido cambio
alfa o cambio verdadero en las medias, sino que existe estabilidad de nivel; en otras
palabras, la magnitud de la Situacin laboral y econmica y la Situacin fsica,
social y emocional de los individuos persiste a lo largo del tiempo.
La ltima prueba es la del cambio verdadero en las varianzas, se restringe el modelo longitudinal para que las varianzas de los errores de medida sean iguales a
travs del tiempo. Se rechaza la hiptesis planteada con un p-valor=0,000, para una
2=555,71 y 381 grados de libertad; el AIC=1118,21 es bastante mayor que el AIC
del modelo longitudinal. Existe cambio verdadero en las varianzas, los individuos en
conjunto se volvieron ms homogneos o menos homogneos de un periodo a otro,
con respecto a las variables latentes. Las varianzas de ambos factores son ms
pequeas en la segunda ocasin que en la primera (ver Tabla 4), entonces los
individuos se han vuelto ms similares unos a otros en su Situacin laboral y econmica y en su Situacin fsica, social y emocional.
La estabilidad normativa se refiere a la persistencia de los rangos de orden o diferencias de un individuo respecto a un atributo de inters; se evala mediante la
magnitud de los valores de las covarianzas de una misma variable latente en diferen-
368
ESTADSTICA ESPAOLA
5. CONCLUSIONES
Existe invarianza estructural, en cuanto a la continuidad en la naturaleza del fenmeno investigado; concurren dos dimensiones (F1 y F2) en ambos periodos y son
las mismas a travs del tiempo, dado que existe un patrn persistente en las relaciones de estas variables latentes con sus respectivas variables indicadoras observadas.
Como consecuencia de la invarianza estructural, es posible afirmar que no ocurre cambio gamma; es decir, que los individuos tienen el mismo concepto del fenmeno y de cada una de las dimensiones, periodo tras periodo. En trminos de response shift no ha ocurrido reconceptualizacin, ni repriorizacin. Para los individuos
la Situacin laboral y econmica y la Situacin fsica, social y emocional se definen siempre de la misma manera y otorgan siempre la misma importancia a cada
una de estas dimensiones, as como a las variables que las componen, a pesar del
cambio en su situacin contractual.
Ocurre cambio beta por recalibracin no uniforme; los individuos entrevistados
atribuyeron un significado diferente a las escalas de respuesta de las variables, de un
periodo a otro, pero de manera no uniforme. El cambio del tipo de contrato modifica
los sentimientos del individuo con respecto a las respuestas de la entrevista; si el
cambio ha sido positivo probablemente tender a elegir mayores niveles de satisfaccin, aunque se sienta igual de satisfecho que antes del cambio de contrato, mientras
que para elegir Poco satisfecho deber experimentar niveles de satisfaccin muy
bajos.
No ocurri cambio alfa, sino que en trminos generales, la magnitud del fenmeno persiste a travs del tiempo.
Despus de experimentar un cambio en su situacin contractual, los individuos
se volvieron ms similares entre ellos, con respecto a la percepcin de su Situacin
369
Si los individuos se vuelven ms similares, entonces es evidente que no mantienen su misma posicin relativa a los aspectos de su vida laboral, social, etc. los
niveles de satisfaccin o autovaloraciones de los diferentes aspectos investigados en
el 2001, no mantendrn el mismo rango que en el 2000, luego de tener un nuevo tipo
de contrato.
REFERENCIAS
AKAIKE, H. (1973): Information theory and an extension of the maximum likelihood
principle. En B.N. Petrov y F. Csaki (Eds.), 2nd International Symposium on Information Theory, Budapest: Akademial Kiado, pp. 267-281.
BALTES, P.B. y NESSELROADE, J.R. (1973): The developmental analysis of individual
differences on multiple measures. En J.R. Nesselroade y H.W. Reese (Eds.),
Life-Span Developmental Psychology: Methodological Issues, New Cork: Academic Press, pp. 219-251.
BENTLER, P.M., POON, W-Y. y LEE, S-Y. (1988): Generalized multimode latent variable models: Implementation by standard programs. Computational Statistics &
Data Analysis, 7(2), pp. 107-118.
BLOXOM, B. (1968): A note on invariance in three-mode factor analysis. Psychometrika, 33(3), pp. 347-350.
BOLLEN, K.A. (1989): Structural Equations with Latent Variables. New York: John
Wiley and Sons.
BROWNE, M.W. y CUDECK, R. (1989): Single sample cross-validation indices for
covariance structures. Multivariate Behavioral Research, 24(4), pp. 445-455.
DE LEEUW, J. y VAN RIJCKEVORSEL, J. (1980): HOMALS and PRINCALS Some
generalizations of principal components analysis. En E. Diday et al. (Eds.), Data
Analysis and Informatics. Amsterdam.
EMMERICH, W. (1968): Personality development and concepts structure. Child
Development, 39, pp. 671-690.
GIFI, A. (1981): Nonlinear Multivariate Analysis. Leiden: Department of Data Theory.
370
ESTADSTICA ESPAOLA
371
SATORRA, A. y BENTLER, P.M. (1999): A scaled difference chi-square test statistic for
moment structure analysis. Reporte Tcnico. Universidad de California. Los Angeles.
SCHMITT, N. (1982): The use of analysis of covariance structures to assess beta and
gamma change. Multivariate Behavioral Research, 17, pp. 343-358.
SPEARMAN, C. (1904): General intelligence, objectivelly determined and measured.
American Journal of Psychology, 15, pp. 201-293.
SPRANGERS, M.A.G y SCHWARTZ, C.E. (1999): Integrating response shift into healthrelated quality-of-life research: a theoretical model. Social Science & Medicine,
48, pp. 1507-1515.
STEIGER, J.H. (1990): Structural model evaluation and modification: an interval
estimation approach. Multivariate Behavioral Research, 25, pp. 173-180.
STEIGER, J.H. y LIND, J.C. (1980): Statistically-based tests for the number of common
factors. Artculo presentado en la reunin anual de primavera de la Sociedad
Psicomtrica, Iowa, USA.
TARIS, T.W. (2000): A Primer in Longitudinal Data Analysis. London: Sage Publications.
VAN RIJCKEVORSEL, J. y DE LEEUW, J. (1979): An outline of PRINCALS. Reporte
Interno RB 002 79, Departamento de Teora de Datos, Leiden.
372
ESTADSTICA ESPAOLA
EVALUATION OF DIFFERENT TYPES OF CHANGE AND RESPONSE SHIFT THROUGH A STRUCTURAL EQUATION MODEL:
AN APPLICATION TO THE EUROPEAN COMMUNITY HOUSEHOLD
PANEL
ABSTRACT
In this paper a method based on the structural equation model in order to evaluate the presence of alpha, beta and gamma change and response shift through the time, in the perspectives and concepts of individuals, who experience a particular event in their life, is presented. For
such aim a group of salaried workers was selected from the Spanish database of the European Community Household Panel, the same individuals for two periods, 2000 and 2001; the investigation is centred in
the changes, regarding their satisfaction levels and their self-evaluations
of the same things, between periods, when their working conditions are
affected by a change in the type of contract. Definitely, the results indicate that although the global perspective about their situation has not
changed other changes in their internal state have occurred. The analysis of change could constitute a useful tool to evaluate the impact and
influence of a certain policy or another intervention in the people life.
Key words: alpha change, beta change, gamma change, response shift,
structural equations, European Community household panel
AMS Classification: 62H25, 62H99, 62P15, 91E99