Video Experimental Relacionado
Updated: Jun 13, 2026

Applying an eMASS Customization Program as a Research Tool to Evaluate Consumer Benefits
Published on: September 27, 2019
Investigación de la invarianza de la medición para covariables múltiples en la investigación organizacional
David Goretzko1, Matt C Howard2, Philipp Sterner3
1Department of Psychological Methods (With a Focus on Methods for Psychotherapy Research), Goethe University Frankfurt.
Nuevos métodos como los árboles de análisis factorial exploratorio y confirmatorio ayudan a los investigadores a evaluar la invarianza de la medición (MI) en las primeras etapas del desarrollo de escalas. Estas herramientas son útiles para examinar variables latentes en muchos grupos, especialmente cuando se desconocen posibles violaciones de la MI.
Área de la Ciencia:
- Psicología organizacional
- Psicometría
- Modelado estadístico
Sus antecedentes:
- La investigación organizacional utiliza frecuentemente variables latentes (p. ej., satisfacción laboral, estilos de liderazgo).
- La comparación de variables latentes entre grupos requiere la invarianza de la medición (MI) como requisito previo.
- Los métodos existentes para probar la MI se limitan a modelos establecidos e hipótesis predefinidas.
Objetivo del estudio:
- Introducir métodos novedosos para investigar la invarianza de la medición (MI).
- Abordar las limitaciones de las metodologías actuales de prueba de MI, particularmente durante el desarrollo temprano del modelo de medición.
- Proporcionar herramientas para explorar la MI con numerosas covariables que definen muchos grupos.
Principales métodos:
- Desarrollo y aplicación de árboles de análisis factorial exploratorio (EFA-Trees).
- Desarrollo y aplicación de árboles de análisis factorial confirmatorio (CFA-Trees).
- Utilización de estos métodos basados en árboles para investigaciones de MI en etapa temprana.
Principales resultados:
- Los árboles EFA y CFA ofrecen enfoques efectivos para investigaciones tempranas de MI.
- Estos métodos facilitan el examen de la MI en numerosos grupos definidos por covariables continuas.
- Son particularmente útiles durante el proceso de desarrollo de escalas.
Conclusiones:
- Los árboles de análisis factorial exploratorio y confirmatorio son herramientas valiosas para evaluar la invarianza de la medición.
- Estos métodos mejoran las etapas tempranas del desarrollo del modelo de medición.
- Proporcionan un marco flexible para explorar posibles violaciones de la MI en estructuras de grupo complejas.
Videos de Conceptos Relacionados
Factorial Design
One-Way ANOVA
Multiple Regression
Farmers can use multiple regression to determine the crop yield based on more than one factor, such as water availability, fertilizer, soil properties, etc. Here, the crop yield is the response or dependent variable as it depends on the other independent variables. The analysis requires the construction of a scatter plot...
Variability: Analysis
The range is a simple measure of variability, indicating the difference between the highest and...
Statistical Methods to Analyze Parametric Data: ANOVA
One-way ANOVA is applied when a single independent variable or factor is scrutinized. It compares the...
Survival Tree
Building a Survival Tree
Constructing a survival tree begins...

