Modelado de ecuaciones estructurales en el campo de las Ciencias de la Administración
DOI:
https://doi.org/10.46661/revmetodoscuanteconempresa.5414Palabras clave:
Ecuaciones Estructurales (SEM), administración, algoritmos, softwareResumen
El presente artículo analiza el papel del modelado de ecuaciones estructurales en el campo de las ciencias de la administración. Se presenta el enfoque por el cual se incorpora el uso de la técnica al campo de la administración y adicionalmente se genera una comparativa entre los diferentes algoritmos y paquetes estadísticos disponibles para la aplicación de la técnica. Encontrando en código cerrado, LISREL, EQS, AMOS, SmartPLS, Mplus, CALIS (en SAS), SEPATH (en Statistica), RAMONA en (Systat), SEM (Stata), Matlab, Semopy (en Python) y en código abierto, Scilab, Julia, R: lavaan, sem, lava, OpenMx, Strum. Identificando las tendencias actuales y enfoques futuros que enrolan la técnica de análisis multivariante dentro de las ciencias de la administración. Encontrando softwares sugeridos para el área de las ciencias de la administración, así como tendencias de mezcla en la técnica, como el uso de las redes neuronales que se comienza a incorporar como alternativa o complemento a la técnica SEM.
Descargas
Citas
Aria, M. (2020). PLS-SEM Toolbox, MATLAB Central File Exchange. https://www.mathworks.com/matlabcentral/fileexchange/54147-pls-sem-toolbox.
Alshurideh, M., Al Kurdi, B., Salloum, S., Arpaci, I., & Al-Emran, M. (2020). Predicting the actual use of m-learning systems: a comparative approach using PLS-SEM and machine learning algorithms. Interactive Learning Environments, 28(4), 1-15.
Bentler, M. (2006). EQS Structural Equations Program Manual. Encino, CA: Multivariante Software, Inc.
Boker, S., Neale, M., Maes, H., Wilde, M., Timothy, M., Estabrook, B., Paras, B. Ross, J. Michael, G., Hunter, D., Karch, H., Pritikin, J., Zahery, M., Kirkpatrick, R., (2021). OpenMx User Guide. https://vipbg.vcu.edu/vipbg/OpenMx2/docs//OpenMx/latest/OpenMxUserGuide.pdf.
Campbell, S., Chancelier, J., & Nikoukhah, R. (2006). Modeling and Simulation in SCILAB. Springer: New York.
Driver, C., Oud, J., & Voelkle, M. (2017). Continuous time structural equation modeling with R package ctsem. Journal of Statistical Software, 77(5), 24-56.
Gómez, O., López, R., & Bacalla, S. (2010). Criterios de selección de metodologías de desarrollo de software. Industrial Data, 13(2), 70-74.
Hair, J., Gabriel, M., & Patel, V. (2014). AMOS covariance-based structural equation modeling (CB-SEM): Guidelines on its application as a marketing research tool. Brazilian Journal of Marketing, 13(2), 44-55.
Haughton, D., Kamis, A., & Scholten, P. (2006). A review of three directed acyclic graphs software packages: MIM, Tetrad, and WinMine. The American Statistician, 60(3), 272-286.
Hoyle, R. (2012). Handbook of structural equation modeling. New York: Guilford press.
Holst, K., & Budtz-Jørgensen, E. (2013). Linear latent variable models: the lava-package. Computational Statistics, 28(4), 1385-1452.
Holst, K., & Budtz-Jørgensen, E. (2019). A two-stage estimation procedure for non-linear structural equation models. Biostatistics, 21(4), 676-691.
Igolkina, A, & Meshcheryakov, G. (2020). Semopy: A Python Package for Structural Equation Modeling. Structural Equation Modeling: A Multidisciplinary Journal, 27(6), 952-963, https://doi.org/10.1080/10705511.2019.1704289
Jacobucci, R., Grimm, K., & McArdle, J. (2016). Regularized structural equation modeling. Structural Equation Modeling: A Multidisciplinary Journal, 23(4), 555-566.
Jöreskog, K., & Sörbom, D. (2018). LISREL 10 for Windows [Computer software]. Skokie, IL: Scientific Software International, Inc.
Lee, S. (2015). Implementing a simulation study using multiple software packages for structural equation modeling. SAGE Open, 5(3), 1-15. https://doi.org/10.1177/2158244015591823.
Liébana-Cabanillas, F., Marinkovic, V., de Luna, I., & Kalinic, Z. (2018). Predicting the determinants of mobile payment acceptance: A hybrid SEM-neural network approach. Technological Forecasting and Social Change, 129, 117-130.
Mair, P., Wu, E., & Bentler, P. (2010). EQS goes R: Simulations for SEM using the package REQS. Structural Equation Modeling: A Multidisciplinary Journal, 17(2), 333-349.
Manley, S., Hair, J., Williams, R., & McDowell, W. (2020). Essential new PLS-SEM analysis methods for your entrepreneurship analytical toolbox. International Entrepreneurship and Management Journal, 16(2), 1-21.
Marcoulides, G., & Falk, C. (2018). Model specification searches in structural equation modeling with R. Structural Equation Modeling: A Multidisciplinary Journal, 25(3), 484-491.
Merkle, E., Fitzsimmons, E., Uanhoro, J., & Goodrich, B. (2020). Efficient Bayesian Structural Equation Modeling in Stan. https://arxiv.org/abs/2008.07733.
Muthén, B., & Muthén, L. (2017). Mplus, Handbook of Item Response Theory Chapman and Hall/CRC. New York: Routledge.
Narayanan, A. (2012): A Review of Eight Software Packages for Structural Equation Modeling. The American Statistician, 66(2), 129-138.
Oberski, D. (2016). Mixture models: Latent profile and latent class analysis. In Modern statistical methods for HCI, Springer, Cham, 275-287.
Ríos, M., & Idrobo, S. (2017). Análisis comparativo de software matemático para la formación de competencias de aprendizaje en cálculo diferencial. Plumilla educativa, 19(1), 98-113.
Rosseel, Y. (2012). Lavaan: an R package for structural equation modeling. Journal of Statistical Software, 48(2), 1-36.
Segura, A., Vidal, C., & Prieto, M. (2008). Evaluación de la Calidad del Software para el Aprendizaje. In X Simposio Internacional de Informática Educativa SIIE, Salamanca, 59-64.
Song, Y., Stein, C., & Morris, N. (2015). Strum: an R package for structural modeling of latent variables for general pedigrees. BMC Genomic Data, 16(35), 1-13. https://doi.org/10.1186/s12863-015-0190-3
Sotnikova-Meleshkina, Z., & Martynenko, O. (2020). A multivariate method of evaluating the effectiveness of optimizing the daily routine of schoolchildren. Reports of Vinnytsia National Medical University, 24(4), 659-664.
Stapleton, L., & Leite, W. (2005). Teacher's corner: A review of syllabi for a sample of structural equation modeling courses. Structural Equation Modeling: A Multidisciplinary Journal, 12(4), 642-664.
Steiger, J. (2007). Understanding the limitations of global fit assessment in structural equation modeling. Personality and Individual differences, 42(5), 893-898.
Tarka, P. (2018). An overview of structural equation modeling: its beginnings, historical development, usefulness and controversies in the social sciences. Quality & Quantity, 52(1), 313-354.
Von Oertzen, T., Brandmaier, A., & Tsang, S. (2015). Structural equation modeling with Ωnyx. Structural Equation Modeling: A Multidisciplinary Journal, 22(1), 148-161.
Williams, N. (2020). Toolbox for Structural Equation Modelling (SEM), MATLAB Central File Exchange. https://www.mathworks.com/matlabcentral/fileexchange/60013-toolbox-for-structural-equation-modelling-sem.
Yuan, K., & Bentler, P. (1998). Normal theory based test statistics in structural equation modelling, British Journal of Mathematical and Statistical Psychology, 51(2), 289-309.
Yung, Y. (2010). Introduction to structural equation modeling using the CALIS Procedure in SAS/STAT® software, Computer technology workshop presented at the Joint Statistical Meeting on August 4, 2010, Vancouver, Canada. https://support.sas.com/rnd/app/stat/papers/JSM2010_Yung.pdf
Publicado
Cómo citar
Número
Sección
Licencia
Esta obra está bajo una licencia internacional Creative Commons Atribución-CompartirIgual 4.0.
El envío de un manuscrito a la Revista supone que el trabajo no ha sido publicado anteriormente (excepto en la forma de un abstract o como parte de una tesis), que no está bajo consideración para su publicación en ninguna otra revista o editorial y que, en caso de aceptación, los autores están conforme con la transferencia automática del copyright a la Revista para su publicación y difusión. Los autores retendrán los derechos de autor para usar y compartir su artículo con un uso personal, institucional o con fines docentes; igualmente retiene los derechos de patente, de marca registrada (en caso de que sean aplicables) o derechos morales de autor (incluyendo los datos de investigación).
Los artículos publicados en la Revista están sujetos a la licencia Creative Commons CC-BY-SA de tipo Reconocimiento-CompartirIgual. Se permite el uso comercial de la obra, reconociendo su autoría, y de las posibles obras derivadas, la distribución de las cuales se debe hacer con una licencia igual a la que regula la obra original.
Hasta el volumen 21 se ha estado empleando la versión de licencia CC-BY-SA 3.0 ES y se ha comenzado a usar la versión CC-BY-SA 4.0 desde el volumen 22.
