Mucho éxito en tu proyecto!

Marcelo muchas gracias por tus palabras, de verdad que me motiva mucho para seguir. Voy a investigar lo que comentas de las estimaciones Bayesianas. Ten una excelente semana!

Muchas gracias por tus palabras Sunan! Justo en este instante me encuentro en Lima, si eres de esta ciudad porfavor no dudes en recomendarme un lugar donde disfrutar una excelente comida. :)

Genial, sí soy de Lima y pues hay lugares muy buenos para disfrutar de la deliciosa comida, espero hayas disfrutado al máximo tu estadía por mi país, saludos y abrazos psicológicos.

Me la pasé de maravilla, ¡Un abrazo de vuelta!

Los modelos con muestras grandes son deseables, pero justo se vuelven abismales los grados de libertad, te recomiendo seleccionar una muestra aleatoria con la cual cubras el criterio de 20 mediciones/participantes hacer el modelo con esa población y compararlo con el de 2700, si tu modelo se comporta mal con ambos la muestra no es el problema, tendrías que regresar a la teoría de lo que intentas comprobar para probar otro modelo. saludos!

Muchas por tus palabras Fernando! La regresión logística al igual que AMOS acepta valores como ceros y unos siempre que sean variables continuas como ausencia y presencia, es decir uno si vale más que el cero, sin embargo variables categorías más allá de dos valores no es posible (e.g. cero=azul, 1 =amarillo y 2 =rojo) en AMOS la ventaja es que puedes tener diferentes variables con diferentes niveles de medición siempre y cuando sean continuas (e.g. V1: escolaridad con 0= sin estudios, 1=primaria, 2= secundaria... V2: sumatoria de varios reactivos tipo likert, V3: tiempo de reacción medido en milisegundos, V4: 0=ausencia de depresión, 1= presencia de depresión) Saludos!

otra cosa que podrías intentar para hacer que todo estuviera en la misma escala, si fuera el caso es transformar tus datos a puntuaciones z

@@estadisticaconjoaquin Eso es lo que me temía... Esta variable es nominal y tiene más de dos categorías. He pensado en transformarla en variable dummy. ¿Qué opinas?, ¿crees que es una buena solución?

cuando tienes factores de dos reactivos no son considerados factores sino indicadores, los puedes dejar así pero tendrías que nombrarlos de esa manera. algunas revistas te dirán que de ninguna manera que tienes que eliminarlos ya que para que exista un factor este debe de tener tres reactivos como mínimo.

@@estadisticaconjoaquin Gracias Joaquin me fue de gran ayuda para la tesis doctoral. Una consulta en el video no lo mencionas, pero cuando calculo el modelo a veces me sale en las relaciones entre las variables 1.25 o 1.08 pero los resultados deberían ser entre 0 y 1 a que se debe eso?

@@yasserabarcasanchez6283 Me alegra en demasía que te pudiera ayudar mucho el video, en efecto como comentas tendrían que ser entre 0 a 1 porque se supone que están "estandarizadas" pero este programa da puntuaciones superiores de vez en cuando, no hay una razón particular, al menos yo no la he encontrado. Mucho éxito en la defensa. Saludos!

Hola rito, no hay problema con que esto pase, esto se debe a que las puntuaciones no están estandarizadas. si estuvieran estandarizadas no superarían la unidad, pero no es es el caso. puedes interpretarlas como las que más puntuación tienen.

Lo primero será revisar la redacción si esta es inversa eso explicaría el signo negativo y que este ajustando el modelo, por ejemplo: si estoy midiendo felicidad con tres reactivos 1.- me siento pleno y feliz 2.- me siento triste la mayor parte del tiempo 3.- todos los días me levanto con un buen animo. Para el reactivo 1 y 3 entre más contestas más feliz eres, pero para el reactivo 2 entre menor sea la puntuación más feliz eres. este reactivo cargaría negativamente en el modelo. si fuera el caso solo tienes que invertir las calificaciones de ese reactivo. otra explicación es que esta cargando en un factor distinto al propuesto de manera teórica, en ese caso hay que contemplar eliminarlo. Saludos!!

Hola Paty! El vídeo uno está aquí: kzfaq.info/get/bejne/f8tkl6em0LKcqYE.html El vídeo dos todavía no lo hago. 😅 Pero lo tendré listo para la primera semana de marzo, no olvides suscríbete y dale a la campanita para que sepas cuando lo suba.

Ponle 1 manualmente

Existen muy pocos fenómenos en la vida real que se comportan de manera normal, si existen métodos para volver los datos en normales, como las puntuaciones Z, algoritmos, potencias, elevar al cuadrado, etc. Pero todos estos métodos hacen que no trabajemos con los datos reales, por lo cual no es recomendable utilizarlas, AMOS permite utilizar variables que sean continuas sin importar si son normales o no, fíjate muy bien en el sesgo de tus variables, si estas están muy sesgadas (por arriba de 3 puntos hasta 40 he visto) tendrán mucho error, esto es porque no discriminan, es decir, la gente que tiene poco de ese constructo contesta igual a ese reactivo que los que tienen mucho, (e.g Un reactivo de alcoholismo que pregunte si en una fiesta alguien consume una copa de alcohol seguro el poco alcohólico responderá de igual forma que el muy alcohólico) si tus variables están muy sesgadas lo mejor sera actualizar la escala a tu población, recomiendo volver al análisis cualitativo, adaptar bien la escala y volver a lo cuanti.

@@estadisticaconjoaquin gracias! y que opinas del bootstrap?

minuto 42:30