标题：Precisión en la recuperación de parámetros, con datos ordinales, en el Análisis de Estructura de Covarianza y el Modelo de Rutas mediante Mínimos Cuadrados Parciales
摘要：Se compara la precisión en la recuperación de parámetros del Análisis de Estructura de Covarianza (ACOV) y el Modelo de Rutas mediante Mínimos Cuadrados Parciales (PLS-PM), en un modelo simple con variables manifiestas simuladas con escala ordinal de cinco puntos. Se utiliza un diseño experimental, manipulando el método de estimación, tamaño muestral, nivel de asimetría y tipo de especificación del modelo. Se valora la media de las diferencias absolutas para el modelo estructural. ACOV presenta estimaciones más precisas que PLS-PM, en distintas condiciones experimentales. Cuando se utiliza un tamaño muestral pequeño, ambas técnicas son igualmente precisas. Se sugiere utilizar ACOV frente a PLS-PM. Se desaconseja fundamentar la elección de PLS-PM frente a ACOV en la utilización de una muestra pequeña.
其他摘要：The accuracy on parameter recovery is compared between Structure Covariance Analysis (ACOV) and Partial Least Squares Path Modeling (PLS-PM), with simulated ordinals data with 5 points, in a simple model. An experimental design is used, controlling the estimation method, sample size, skewness level and model specification. Mean absolute differences are used to assess accuracy for the structural model. ACOV provided more accurate estimates of the structural parameters than PLS-PM in different
experimental conditions. With a small sample size, both techniques are equally accurate. Using ACOV against PLS-PM is suggested. PLS choosing ACOV instead based on the use of a small sample size is not recommended.
关键词：structure covariance analysis;accuracy;structural equation modeling;partial least squares path modeling;parameter recovery;ordinal manifest variables;Análisis de estructura de covarianza;precisión;modelo de ecuaciones estructurales;modelo de rutas mediante mínimos cuadrados parciales;recuperación de parámetros;variables manifiestas ordinales
