Un Modelo de Ecuaciones Estructurales para el Estudio de Factores Asociados al Rendimiento Escolar

Lesky Ibeth Rivas Martínez; Cristian Andrés Cruz Torres

Authors

Lesky Ibeth Rivas Martínez Instituto Gubernamental Mixto Hibueras https://orcid.org/0000-0003-1981-5237
Cristian Andrés Cruz Torres Universidad Nacional Autónoma de Honduras https://orcid.org/0000-0002-2185-5783

Keywords:

structural equations model, principal components, factor analysis, school performance

Abstract

In this paper is made a factorial analysis for the database of Spanish third-grade taken from TERCE 2013 Honduras. This analysis is made by the factor analysis (FA) and structural equation modeling (SEM). It is verified that the sample is valid to carry out FA and meets the assumption of multivariate normality. Exploratory factor analysis is performed to determine the number of factors to use. Additionally, confirmatory factor analysis is used to verify the most relevant fit indices such as CFI, TLI, RMSEA, SRMR which allow for statistical coherence observation. Finally, the structural equation model is carried out, estimation being performed by the maximum likelihood method (MLE) and to validate the model, it was checked for common method variance (CMV) using Harman's single-factor test and the Heterotrait-Monotrait Ratio of Correlations (HTMT) criterion. Regarding the associated factor results, it was observed that not only the characteristics of the institutions influence student performance but also those of the community.

Author Biographies

Lesky Ibeth Rivas Martínez, Instituto Gubernamental Mixto Hibueras

Docente del Instituto Gubernamental Mixto Hibueras, con postgrado en Liderazgo Organizacional, en Eastern University ST. DAVIDS, USA. Con experiencia de 15 años como docente de educación media y 3 años en docencia universitaria. Ha realizado publicaciones de cuadernos de trabajo de lógica simbólica y matemática para la Secretaría de Educación de Honduras y participado como ponente en congresos internacionales. Actualmente estudiante de la Maestría en Matemática de la Facultad de Ciencias, Universidad Nacional Autónoma de Honduras (UNAH).

Cristian Andrés Cruz Torres, Universidad Nacional Autónoma de Honduras

Docente de la Escuela de Matemática, Departamento de Estadística Matemática, Facultad de Ciencias, Universidad Nacional Autónoma de Honduras (UNAH). Licenciado en Matemática e Ingeniería Eléctrica Industrial de la Universidad Nacional Autónoma de Honduras. Máster en Matemática del Instituto de Matemática Pura y Aplicada (IMPA, Brasil). Doctor en Estadística de la Universidad Federal de Rio de Janeiro (UFRJ, Brasil). Actualmente, Coordinador de la Maestría en Matemática con orientación en Ingeniería Matemática y Estadística Matemática de la UNAH.

References

Arauz, A. F. (2020). Comparación entre modelos de datos multinivel a través de ecuaciones estructurales con estimación bayesiana y pequeñas varianzas a priori en las cargas factoriales cruzadas. Ciudad Universitaria Rodrigo Facio, Costa Rica. https://www.kerwa.ucr.ac.cr/handle/10669/81822

Campbell, D. T. y Fiske, D. W. (1959). Convergent and discriminant validation by the multitrait–multimethod matrix. Psychological Bulletin, 56, 81–105. https://doi.org/10.1037/h0046016

Cattell, R. B. (1966). The screen test for the number of factors. Multivariate Behavioral Research, 1:2, 245-276. https://doi.org/10.1207/s15327906mbr0102_10

Cronbach, L. J. (1951). Coefficient alpha and the internal structure of tests. Psychometrika, 16(3), 297-334. https://doi.org/10.1007/BF02310555

Eichhorn, B. R. (2014). Common Method Variance Techniques. Cleveland State University, Cleveland, OH: SAS Institute Inc, 1-11. https://api.semanticscholar.org/CorpusID:52235268

Escobedo Portillo, M. T., Hernández Gómez, J. A., Ortega, V. E., y Martínez Moreno, G. (2015). Modelos de ecuaciones estructurales: características, fases, construcción, aplicación y resultados. Ciencia & Trabajo, 18(55), 16–22. http://dx.doi.org/10.4067/S0718-24492016000100004

Everitt, B. y Hothorn, T. (2011). An introduction to applied multivariate analysis with R. Springer Science Business Media. http://dx.doi.org/10.1007/978-3-319-14093-3

Fabrigar, L. R. y Wegener, D. T. (2000). Analysis and design for nonexperimental data addressing causal and noncausal hypothesis. Handbook of research methods in social and personality psychology, 412- 450.

Fornell, C., y Larcker, D. F. (1981). Evaluating structural equation models with unobservable variables and measurement error. Journal of Marketing Research, 18(1), 39-50. https://doi.org/10.2307/3151312

Frazier, P. A., Tix, A. P., y Barron, K. E. (2004). Testing moderator and mediator effects in counseling psychology research. Journal of Counseling Psychology, 51(1), 115–134. https://doi.org/10.1037/0022-0167.51.1.115

Guttman, L. (1954). Some necessary conditions for common-factor analysis. Psychometrika, 19(2). https://doi.org/10.1007/BF02289162

Harman, H. (1960). Modern factor analysis. Chicago: University of Chicago Press.

Henseler, J., Ringle, C. M. y Sarstedt, M. (2015). A new criterion for assessing discriminant validity in variance-based structural equation modeling. Revista de la Academia de Ciencias del Marketing, 43(1), 115–135. https://doi.org/10.1007/s11747-014-0403-8

Horn, J. L. (1965). A rationale and test for the number of factors in factor analysis. Psychometrica, 30(2). https://doi.org/10.1007/BF02289447

Johnson, R. A. y Wichern, D. W. (2007). Applied multivariate statistical analysis. Pearson Education.

Jolliffe, I. (2005). Principal component analysis. Encyclopedia of Statistics in Behavioral Science, 3, 1580–1584. http://dx.doi.org/10.1007/978-3-642-04898-2_455

Labraca, J. M. (2021). Modelos de ecuaciones estructurales. España: Universidad de Almería.

Mardia, K. V. (1970). Measures of multivariate skewness and kurtosis. Biometrika, 57(3), 519. https://doi.org/10.1093/biomet/57.3.519

Mulaik, S. A. (2009). Linear causal modeling with structural equations. Chapman & Hall book. https://doi.org/10.1201/9781439800393

Quintana, L. y Mendoza, M. Á. (2016). Luis Quintana. Econometría aplicada usando R. Ciudad Universitaria, Delegación Coyoacán: DGAPA, UNAM.

Richardson, H. A., Simmering, M. J., y Sturman, M. C. (2009). A tale of three perspectives: Examining post hoc statistical techniques for detection and correction of common method variance. Organizational Research Methods, 12(4), 762-800. https://doi.org/10.1177/1094428109332834

Rivas Martínez, L. I. y Cruz Torres, C. A. (2022). Análisis Multinivel de Factores que Afectan el Rendimiento Escolar en Español Tercer Grado en Honduras. Paradigma: Revista De Investigación Educativa, 29(48), 93–119. https://doi.org/10.5377/paradigma.v29i48.15278

Ruiz, M. A., Pardo, A. y Martín, R. S. (2010). Modelo de ecuaciones estructurales. Papeles del Psicólogo, 31(1), 34-45. https://www.redalyc.org/articulo.oa?id=77812441004

Team, R. C. (2020). R: A Language and Environment for Statistical Computing. Vienna, Austria: R Foundation for Statistical Computing. https://www.r-project.org/

Tehseen, S., Ramayah, T. y Sajilan, S. (2017). Testing and controlling for common method variance: A review of available methods. Journal of Management Sciences, 4(2), 146-175. https://doi.org/10.20547/jms.2014.1704202

Tone, E. R. (2017). Descripción metodología del modelo de ecuaciones estructurales con el método de estimación de mínimos cuadrados parciales. Universidad Nacional Agraria, La Molina, Lima, Perú. https://hdl.handle.net/20.500.12996/3275

UNESCO. (2007). Informe de seguimiento de la educación para todos en el mundo. Fortemps.

UNESCO. (2013). Factores asociados al aprendizaje en el SERCE . Oficina Regional de Educación Para América Latina y el Caribe.

UNESCO. (2016). Reporte técnico tercer estudio comparativo y explicativo. Oficina Regional de Educación para América Latina y el Caribe. https://unesdoc.unesco.org/ark:/48223/pf0000247123

Wright, S. (1934). The method of path coefficients. The Annals of Mathematical Statistics, 5, 161-215. https://doi.org/10.1214/aoms/1177732676