AFC1

¿Qué representan las flechas de doble punta en un diagrama de ruta?

• Variables latentes

• Errores de medición

• Covarianzas o correlaciones

• Relaciones causales

¿Qué tipo de variables son las exógenas en un modelo SEM?

• Variables latentes

• Variables observadas

• Variables independientes

• Variables dependientes

¿Qué tipo de análisis se utiliza cuando se tiene conocimiento previo de la estructura de la variable latente?

• Análisis de correlación

• Análisis de regresión

• Análisis factorial confirmatorio

• Análisis factorial exploratorio

¿Qué representan los círculos en un diagrama de ecuaciones estructurales?

• Variables observadas

• Covarianzas

• Variables latentes

• Errores de medición

¿Qué se entiende por "bondad de ajuste" en el contexto del SEM?

• La complejidad del modelo

• La cantidad de variables en el modelo

• La medida en que el modelo se adecúa a los datos observados

• La capacidad del modelo para predecir datos futuros

¿Cuál es el propósito principal del modelado de ecuaciones estructurales?

• Realizar análisis exploratorios

• Medir variables observadas

• Probar hipótesis sobre relaciones causales

• Describir datos de manera descriptiva

¿Qué se entiende por error residual en el contexto del modelado de ecuaciones estructurales?

• Discrepancia entre el modelo y los datos observados

• Error sistemático en la recolección de datos

• Error en la medición de variables observadas

• Error en la especificación del modelo

¿Cuál es la principal diferencia entre un modelo CFA de primer orden y uno de segundo orden?

• No hay diferencia entre ambos modelos

• El modelo de primer orden no tiene errores de medición

• El modelo de segundo orden incluye un factor de orden superior

• El modelo de segundo orden tiene más variables observadas

¿Qué se debe hacer para especificar un modelo CFA en Amos?

• No es necesario especificar las covarianzas

• Eliminar todas las variables observadas

• Fijar un parámetro de carga de factor en 1

• Utilizar solo la vista de tablas

¿Qué se entiende por un modelo sobreidentificado?

• Un modelo con más parámetros que datos

• Un modelo con menos parámetros que datos

• Un modelo con un número igual de parámetros y datos

• Un modelo que no puede ser evaluado