Equivalencia métrica en datos categóricos ordenados.

Resumen

La invarianza factorial estudia de la equivalencia métrica en el marco del modelo lineal del factor común por medio de la comparación de los parámetros del modelo de medida en los grupos de interés. Sin embargo cuando se utilizan ítems dicotómicos, Likert o categorías de respuestas ordenadas se viola la asunción referida al carácter continuo de las variables. Aunque existen modelos explícitos para este tipo de datos son muy escasos los trabajos que analizan su potencia y error Tipo I en el estudio de la invarianza factorial. Por medio de simulación Montecarlo este trabajo analiza la potencia y error tipo I asociados a la detección de la invarianza factorial en un diseño que manipula cuatro factores; tamaño de la muestra (300, 500 y 1000), tipo de DIF (umbrales, pesos), cantidad de DIF (0,25, 0,40), y presencia de impacto. Los parámetros de generación de datos provienen de una escala unifactorial compuesta por 9 indicadores con 3 categorías de respuesta ordenada. La presencia/ausencia de invarianza se evaluó utilizando tres criterios : a) significación de la diferencia entre valores chi-cuadrado de modelos anidados, b) la significación de la diferencia entre valores chi-cuadrado de modelos anidados aplicando la corrección Bonferroni, y c) la diferencia entre los valores del Índice Comparativo de Ajuste (CFI) entre modelos anidados. Los resultados mostraron un buena potencia y control de falsos positivos asociados a la diferencia entre CFIs y a la corrección Bonferroni.