ANÁLISIS DE SENDEROS (III)Gabriel Sotomayor
Junio 2023
CONTENIDOS
Efectos indirectos (medicación) en sociología.
Construcción de diagramas de senderos en lavaan
Interpretación de coeficientes.
Estadísticos de ajustes.
Significación estadística en regresiones y análisis de senderos.
EFECTOS INDIRECTOS
El análisis de senderos es útil para la investigación sociológica porque nos permite
analizar relaciones más complejas entre variables que las que permite una regresión
lineal múltiple.
•Efectos directos: influencia inmediata de una variable sobre otra.
•Efectos indirectos: influencia mediada por una o más variables intermedias.
Ingresos
Horas dedicadas
al trabajo
doméstico
Ingresos
Contratación de
trabajo doméstico
remunerado
Horas dedicadas
al trabajo
doméstico
ACTIVIDAD 1: TRANSFORMEN LOS SIGUIENTES
PLANTEAMIENTOS EN DIAGRAMAS
1. La esperanza de vida es afectada por el consumo de drogas. La posibilidad de consumir
drogas también está influenciada por el ingreso, el cual a su vez también afecta la
esperanza de vida.
2. La calidad del ambiente en el hogar afecta el desarrollo cognitivo infantil, el cual a su vez
afecta el rendimiento escolar. La calidad del ambiente del hogar también afecta el
desarrollo emocional infantil, el cual a su vez afecta la autoeficacia, lo cual afecta a su
vez del rendimiento escolar. El ingreso afecta el rendimiento escolar, así como también la
calidad del ambiente en el hogar.
3. La clase social afecta la participación en protestas de manera indirecta a partir de 3 vías.
Por un lado, afecta la “Percepción identidad agraviada”, que a su vez afecta la
“Justificación exogrupal del agravio” (que este es causado por otro grupo externo), que a
su vez afecta la participación en protestas. Por otro lado la posición de clase afecta la
percepción de eficacia de las protestas que afecta la participación en estas. Por último la
posición de clase afecta la legitimidad atribuida a las protestas, que a su vez afecta la
participación en protestas.
RECUPERANDO LA CLASE SOCIAL EN EL
ESTUDIO DE LA ACCIÓN COLECTIVA. EL
CASO DE UN MOVIMIENTO
SOCIOAMBIENTAL CHILENO
Respecto a la posición de clase,
esta sí tiene un efecto indirecto
total significativo (p < 0.001) y
fuerte (r 2 = 0.29) sobre la
participación en protestas
ACTIVIDAD 2:EFECTOS INDIRECTOS
En grupo de 2 o 3 personas, piensen en al menos 3 efectos indirectos que podríamos
medir en sociología. Redacten las hipótesis propuestas (una por relación).
Para esto deben al menos contar con una variable independiente, una interviniente y
una dependiente.
También puede haber otras formas:
CONSTRUCCIÓN DE
DIAGRAMAS DE
SENDEROS EN LAVAAN
Para evaluar los modelos de
análisis factorial confirmatorio y
de senderos (y ecuaciones
estructurales) en R, necesitamos
expresarlos mediante el
lenguaje de fórmulas del
paquete lavaan.
Sintaxis
Comando
Ejemplo
~
Regresar en
Regresar
B sobre A:
B ~ A
~~
(Co)varianza
Varianza de A:
A ~~ A
=~
Definir variable
latente
Definir Factor 1 por
A
-D: F1 =~ A + B + C
+ D
:=
Definir parámetro
fuera del modelo
Definir parámetro u2
como doble del
cuadrado de u: u2 :=
2*(u^2)
*
Etiquetar
parámetros
(etiqueta antes de
símbolo)
Etiquetar la regresión
de Z sobre X como b: Z
~ b*X
EJEMPLO
En este caso, siendo ingresos “ing”, contratación de trabajo doméstico “ctd” y horas
dedicadas al trabajo domestico “htd”, la formula quedaría definida de la siguiente
manera:
mod_sendero <- ‘ctd ~ ing
htd~ ctd’
Ahora practiquemos con algunos ejemplos.
Como criterio general, cada variable endógena (con flechas apuntándole), será una
línea de la especificación del modelo.
Ingresos
Contratación de
trabajo doméstico
remunerado
Horas dedicadas
al trabajo
doméstico
EJERCICIO 3
Escribamos los diagramas
confeccionados en el ejercicio
1 y ejercicio 2 a partir de la
sintaxis de formulas de
lavaan.
Sintaxis
Comando
Ejemplo
~
Regresar en
Regresar
B sobre A:
B ~ A
~~
(Co)varianza
Varianza de A:
A ~~ A
=~
Definir variable
latente
Definir Factor 1 por
A
-D: F1 =~ A + B + C
+ D
:=
Definir parámetro
fuera del modelo
Definir parámetro u2
como doble del
cuadrado de u: u2 :=
2*(u^2)
*
Etiquetar
parámetros
(etiqueta antes de
símbolo)
Etiquetar la regresión
de Z sobre X como b: Z
~ b*X
INTERPRETACIÓN DE COEFICIENTES PATH
Coeficientes path: indican la magnitud y el signo del efecto de una variable sobre otra
variable endógena, representan el efecto de una variable sobre otra, controlando el resto de
las variables. Corresponden a coeficientes estandarizados.
castigo_media ~ rwa_media (0.284, p < 0.001):
Interpretación para una variable intervalar: por cada desviación estándar que aumenta en
el "autoritarismo de derechas" (rwa_media), se espera que el "castigo severo"
(castigo_media) aumente en promedio en 0.284 desviaciones estándar, controlando por las
demás variables del modelo.
rwa_media ~ izquierda (-0.35, p < 0.001):
Interpretación para una variable nominal: En promedio, ser de izquierdas está asociado con
una disminución de 0.35 desviaciones estándar en el "autoritarismo de derechas"
(rwa_media), comparado con ser independiente, controlando por las demás variables del
modelo.
INTERPRETACIÓN DE COEFICIENTES PATH
Componentes de la interpretación:
•Tamaño.
•Dirección.
•Control estadístico.
•Efecto promedio (o predicho por el modelo).
•Significación estadística.
EJERCICIO 4
Escriban (escriban!!) la interpretación de los siguientes coeficientes path,
considerando todos los elementos señalados.
•Tamaño.
•Dirección.
•Control estadístico.
•Efecto promedio (o predicho por el modelo).
Interpretación para una variable intervalar: por cada
desviación estándar que aumenta en el "autoritarismo de
derechas" (rwa_media), se espera que el "castigo
severo" (castigo_media) aumente en promedio en 0.284
desviaciones estándar, controlando por las demás variables
del modelo.
¿POR QUÉ USAMOS MUESTRAS?
Usamos muestras porque nos permiten obtener datos representativos de una población a partir de una
selección aleatoria de casos, una muestra. Este proceso se llama estimación: la estimación de un
parámetro poblacional a partir de un estadístico muestral.
¿Porqué es esto posible?
Sabemos que la representatividad es posible, gracias a dos leyes estadísticas esenciales:
•El teorema del límite central -> La distribución de medias muestrales extraídas de forma aleatoria de
una población, se aproxima a la distribución normal a medida que aumenta el tamaño de la muestra.
•La ley de los grandes números -> la diferencia entre el estadístico muestral y el parámetro
poblacional tiende a 0 cuando el tamaño de la muestra tiende al infinito.
DISTRIBUCIONES MUESTRALES
A partir del Teorema del Límite central,
vimos que la media de las distintas
muestras que podemos extraer de una
población se distribuye de forma
normal, con muestras suficientemente
grandes (<50).
INTERVALOS DE CONFIANZA
Medias Proporciones
Estimación de punto: Puede ser útil cuando solo tenemos la media (o proporción) muestral y no contamos
con más información, sin embargo no sabemos la precisión (el error) de nuestra medición.
Estimación de Intervalo: Podemos calcularlo a partir de las propiedades de la distribución muestral de las
medias, usando los estadísticos muestrales como estimadores de los parámetros poblacionales para calcular
el error estándar.
Error estándar
INFERENCIA EN ANÁLISIS DE SENDEROS
Al interpretar nuestros resultados queremos saber si contamos con evidencia
suficiente para señalar las relaciones que observamos en nuestra muestra son
estadísticamente significativas, es decir, si es probable que estas existan en la
población.
Para esto debemos comparar el coeficiente path con su error estándar.
EVALUACIÓN DE AJUSTE
