INTEGRANTES:

 CUADROS ORTIZ Joel

 TAYPE MIRANDA Gino
 SAMANIEGO CANALES Gladys
 :

 Es una técnica estadística multivariada para

representar interrelaciones entre variables a partir de
regresiones, así como analizar la magnitud de la
influencia de unas variables sobre otras, influencia
directa e indirecta. Se trata de un modelo causal.

 Aunque esta aproximación experimental es muy

efectiva, no siempre es posible debido a
limitaciones logísticas, posibilidades de
manipulación, o aspectos éticos
Cuatro TIPOS DE VARIABLES:
Según Su Naturaleza:
• Manifiestas: Aquellas que son directamente observables y medibles
• Latentes: Las que no pueden ser medidas.

Según Si Reciben O No Flechas (Orden De Efectos)

• Exógenas: Son variables independientes que nunca reciben flechas de efectos
• Endógenas: Aquellas que reciben flechas indicando que son afectadas por otra u
otras variables; son, en al menos una ocasión, variables dependientes.

Dos TIPOS DE RELACIONES:

• Flechas: indican flujo de asociación causal entre variable(s) independientes y
dependiente Líneas
• Sin Flechas: para representar varianzas / covarianzas entre variables exógenas
- El ‘path analysis’ asume que las variables se asocian entre si mediante relaciones
lineales.
- Opera con las varianzas / covarianzas de las variables para examinar cómo de
bien se ajustan a la estructura especificada por el modelo.

Podemos distinguir cinco Pasos:

1) Especificación: Establece variables
2) Identificación: si existe información suficiente para contrastar el modelo
3) Estimación de parámetros: obtención de valores de los parámetros
4) Evaluación del ajuste: determina la relación entre las variables
5) re-especificación del modelo: añadir y eliminar parámetros
6) interpretación de resultados

Si encontramos buen ajuste entre datos y modelo podremos apoyar (tentativamente)

el modelo propuesto. Si no existe un buen ajuste rechazamos el modelo propuesto a
priori, y/o lo modificamos, comenzando de nuevo el proceso
El análisis path constituye
un método para someterlo
a prueba y una extensión
de la regresión múltiple
(Webley y Lea, 1997).
La información principal que
Responsabilidad experimentada en el
trabajo, Satisfacción laboral, Autonomía
en el trabajo e Ingreso.
Variable dependiente: Clima total 0.00
.25 .50 .75 1.00 1.00 .75 .50 .25 0.00 26
proporciona son los coeficientes path, los
cuales representan la fuerza de las
relaciones entre las variables (son
coeficientes de regresión estandarizados
como los pesos beta).
 Ingreso es dependiente de
autonomía y
responsabilidad, pero
también es independiente
en relación a la
satisfacción laboral. La
ecuación del análisis es la
siguiente para cada
secuencia causal:

Variable Dependiente= b1 (variable independiente 1)+b2 (variable independiente 2) + bk (variable independiente k)

 En el ejemplo tenemos tres secuencias causales, por lo tanto, las correspondientes ecuaciones
serían:

Al igual que Webley y Lea (1997) se utiliza una notación diferente para los
coeficientes de Bryman and Cramer, con la finalidad de clarificar que b11 en la
primera ecuación es diferente de b21 en la segunda; e1, e2 y e3 representan
el error o los términos de la varianza no explicada. En la figura 8. 11 se
muestra un ejemplo para ilustrar este tipo de análisis. 5 Cuanto más se
acerque un coeficiente “path” a cero menor efecto tendrá (recordemos que
son equivalentes en su interpretación al coeficiente de Pearson).
Al visualizar el
análisis completo nos
damos cuenta de la
mayor o
menor influencia de
unas variables sobre
otras.
Gracias