Enfoques de modelado de ecuaciones estructurales para estimar la confiabilidad de las puntuaciones dentro de diseños univariados, multivariados y bifactoriales basados en la teoría de generalizabilidad
Autores: Vispoel, Walter P.; Lee, Hyeryung; Chen, Tingting
Idioma: Inglés
Editor: MDPI
Año: 2025
Acceso abierto
Artículo científico
2025
Enfoques de modelado de ecuaciones estructurales para estimar la confiabilidad de las puntuaciones dentro de diseños univariados, multivariados y bifactoriales basados en la teoría de generalizabilidad
Categoría
Matemáticas
Subcategoría
Matemáticas generales
Palabras clave
Teoría de generalizabilidad
Modelos de ecuaciones estructurales
Error de medición
Grosería de escala
Viabilidad de subescala
Precisión de puntuación
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 35
Citaciones: Sin citaciones
La teoría de generalizabilidad (GT) proporciona un marco integral para estimar la precisión de las puntuaciones y los efectos de múltiples fuentes de error de medición al utilizar medidas destinadas tanto para fines de referencia normativa como de criterio. Los modelos de ecuaciones estructurales (SEM) pueden replicar resultados de procedimientos ANOVA basados en GT, al mismo tiempo que extienden esos análisis para tener en cuenta la grossura de la escala, generar intervalos de confianza basados en Monte Carlo para parámetros clave, dividir la varianza de las puntuaciones del universo en efectos de factor general y de grupo, y evaluar la viabilidad de las puntuaciones de subescalas. Aplicamos estas técnicas en R a diseños univariados, multivariados y bifactoriales utilizando un enfoque novedoso de indicador-media para estimar el error absoluto.
Descripción
La teoría de generalizabilidad (GT) proporciona un marco integral para estimar la precisión de las puntuaciones y los efectos de múltiples fuentes de error de medición al utilizar medidas destinadas tanto para fines de referencia normativa como de criterio. Los modelos de ecuaciones estructurales (SEM) pueden replicar resultados de procedimientos ANOVA basados en GT, al mismo tiempo que extienden esos análisis para tener en cuenta la grossura de la escala, generar intervalos de confianza basados en Monte Carlo para parámetros clave, dividir la varianza de las puntuaciones del universo en efectos de factor general y de grupo, y evaluar la viabilidad de las puntuaciones de subescalas. Aplicamos estas técnicas en R a diseños univariados, multivariados y bifactoriales utilizando un enfoque novedoso de indicador-media para estimar el error absoluto.