Alexa Mariana Marin Villar A00831342
Ejercicio 1
Librerias
library("lavaan")
library("lavaanPlot")
library("dplyr")
library("readxl")
Teoria
Los modelos de ecuaciones estructurales (SEM) es una tecnica de analisis de estadistica multivariada, que permite analizar patrones complejos de relaciones entre v ariables, realizar comparaciones entre intragrupos, y validar modelos teoricos y empiricos.
Ejemplo 1. Estudio de Holzinger y Swineford (1939)
Contexto
Holzinger y Swineford realizaron examenes de habilidad mental a adolescentes de 7o y 8o grado de dos escuelas (Pasteur y Grand-White). La base de datos esta incluida como paquete en R, e incluye las siguientes columnas:
- sex : genero (1 = male,2=female)
Visual
x1 : percepcion visual
x2 : juego con cubos
x3 : juego con pastillas/espacial
Textual
x4 : comprension de parrafos
x5 : completar oraciones
x6 : significado de palabras
Velocidad
x7 : sumas aceleradas
x8 : conteo acelerado
x9 : disciminacion acelerada de mayusculas rectas y curvas.
Se busca identificar las relaciones entre las habilidades (variables latentes) visual,textual y velocidad.
Importar la base de datos
df1 <- HolzingerSwineford1939
View(df1)summary(df1)## id sex ageyr agemo
## Min. : 1.0 Min. :1.000 Min. :11 Min. : 0.000
## 1st Qu.: 82.0 1st Qu.:1.000 1st Qu.:12 1st Qu.: 2.000
## Median :163.0 Median :2.000 Median :13 Median : 5.000
## Mean :176.6 Mean :1.515 Mean :13 Mean : 5.375
## 3rd Qu.:272.0 3rd Qu.:2.000 3rd Qu.:14 3rd Qu.: 8.000
## Max. :351.0 Max. :2.000 Max. :16 Max. :11.000
##
## school grade x1 x2
## Grant-White:145 Min. :7.000 Min. :0.6667 Min. :2.250
## Pasteur :156 1st Qu.:7.000 1st Qu.:4.1667 1st Qu.:5.250
## Median :7.000 Median :5.0000 Median :6.000
## Mean :7.477 Mean :4.9358 Mean :6.088
## 3rd Qu.:8.000 3rd Qu.:5.6667 3rd Qu.:6.750
## Max. :8.000 Max. :8.5000 Max. :9.250
## NA's :1
## x3 x4 x5 x6
## Min. :0.250 Min. :0.000 Min. :1.000 Min. :0.1429
## 1st Qu.:1.375 1st Qu.:2.333 1st Qu.:3.500 1st Qu.:1.4286
## Median :2.125 Median :3.000 Median :4.500 Median :2.0000
## Mean :2.250 Mean :3.061 Mean :4.341 Mean :2.1856
## 3rd Qu.:3.125 3rd Qu.:3.667 3rd Qu.:5.250 3rd Qu.:2.7143
## Max. :4.500 Max. :6.333 Max. :7.000 Max. :6.1429
##
## x7 x8 x9
## Min. :1.304 Min. : 3.050 Min. :2.778
## 1st Qu.:3.478 1st Qu.: 4.850 1st Qu.:4.750
## Median :4.087 Median : 5.500 Median :5.417
## Mean :4.186 Mean : 5.527 Mean :5.374
## 3rd Qu.:4.913 3rd Qu.: 6.100 3rd Qu.:6.083
## Max. :7.435 Max. :10.000 Max. :9.250
## glimpse(df1)## Rows: 301
## Columns: 15
## $ id <int> 1, 2, 3, 4, 5, 6, 7, 8, 9, 11, 12, 13, 14, 15, 16, 17, 18, 19, …
## $ sex <int> 1, 2, 2, 1, 2, 2, 1, 2, 2, 2, 1, 1, 2, 2, 1, 2, 2, 1, 2, 2, 1, …
## $ ageyr <int> 13, 13, 13, 13, 12, 14, 12, 12, 13, 12, 12, 12, 12, 12, 12, 12,…
## $ agemo <int> 1, 7, 1, 2, 2, 1, 1, 2, 0, 5, 2, 11, 7, 8, 6, 1, 11, 5, 8, 3, 1…
## $ school <fct> Pasteur, Pasteur, Pasteur, Pasteur, Pasteur, Pasteur, Pasteur, …
## $ grade <int> 7, 7, 7, 7, 7, 7, 7, 7, 7, 7, 7, 7, 7, 7, 7, 7, 7, 7, 7, 7, 7, …
## $ x1 <dbl> 3.333333, 5.333333, 4.500000, 5.333333, 4.833333, 5.333333, 2.8…
## $ x2 <dbl> 7.75, 5.25, 5.25, 7.75, 4.75, 5.00, 6.00, 6.25, 5.75, 5.25, 5.7…
## $ x3 <dbl> 0.375, 2.125, 1.875, 3.000, 0.875, 2.250, 1.000, 1.875, 1.500, …
## $ x4 <dbl> 2.333333, 1.666667, 1.000000, 2.666667, 2.666667, 1.000000, 3.3…
## $ x5 <dbl> 5.75, 3.00, 1.75, 4.50, 4.00, 3.00, 6.00, 4.25, 5.75, 5.00, 3.5…
## $ x6 <dbl> 1.2857143, 1.2857143, 0.4285714, 2.4285714, 2.5714286, 0.857142…
## $ x7 <dbl> 3.391304, 3.782609, 3.260870, 3.000000, 3.695652, 4.347826, 4.6…
## $ x8 <dbl> 5.75, 6.25, 3.90, 5.30, 6.30, 6.65, 6.20, 5.15, 4.65, 4.55, 5.7…
## $ x9 <dbl> 6.361111, 7.916667, 4.416667, 4.861111, 5.916667, 7.500000, 4.8…Tipos de fórmulas
- Regresion (~) : Variable que depende de otras
- Variables Latentes (=~) : No se observan se infiere.
- Varianzas y covarianzas (~~) : Relaciones entre variables latentes y observadas.(varianza es entre la variable misma, covarianza es entre otras)
- Intercepto (~1) : Valor esperado cuando las demas variables son cero.(Es la inclinación de una recta y se calcula buscando la razón del cambio en las coordenadas y (variación vertical) al cambio correspondiente en las coordenadas x (variación horizontal).
Estructurar el modelo
modelo1 <- ' # Regresiones
# Variables latentes
visual =~ x1 + x2 + x3
textual =~ x4 + x5 + x6
velocidad =~ x7 + x8 + x9
# Varianzas y covarianzas
visual ~~ textual
textual ~~ velocidad
velocidad~~ visual
# Intercepto 'Generar el Analisis Factorial Confirmatorio (CFA)
fit <- cfa(modelo1, df1)
summary(fit)## lavaan 0.6.17 ended normally after 35 iterations
##
## Estimator ML
## Optimization method NLMINB
## Number of model parameters 21
##
## Number of observations 301
##
## Model Test User Model:
##
## Test statistic 85.306
## Degrees of freedom 24
## P-value (Chi-square) 0.000
##
## Parameter Estimates:
##
## Standard errors Standard
## Information Expected
## Information saturated (h1) model Structured
##
## Latent Variables:
## Estimate Std.Err z-value P(>|z|)
## visual =~
## x1 1.000
## x2 0.554 0.100 5.554 0.000
## x3 0.729 0.109 6.685 0.000
## textual =~
## x4 1.000
## x5 1.113 0.065 17.014 0.000
## x6 0.926 0.055 16.703 0.000
## velocidad =~
## x7 1.000
## x8 1.180 0.165 7.152 0.000
## x9 1.082 0.151 7.155 0.000
##
## Covariances:
## Estimate Std.Err z-value P(>|z|)
## visual ~~
## textual 0.408 0.074 5.552 0.000
## textual ~~
## velocidad 0.173 0.049 3.518 0.000
## visual ~~
## velocidad 0.262 0.056 4.660 0.000
##
## Variances:
## Estimate Std.Err z-value P(>|z|)
## .x1 0.549 0.114 4.833 0.000
## .x2 1.134 0.102 11.146 0.000
## .x3 0.844 0.091 9.317 0.000
## .x4 0.371 0.048 7.779 0.000
## .x5 0.446 0.058 7.642 0.000
## .x6 0.356 0.043 8.277 0.000
## .x7 0.799 0.081 9.823 0.000
## .x8 0.488 0.074 6.573 0.000
## .x9 0.566 0.071 8.003 0.000
## visual 0.809 0.145 5.564 0.000
## textual 0.979 0.112 8.737 0.000
## velocidad 0.384 0.086 4.451 0.000lavaanPlot(fit, coef=TRUE, cov= TRUE)Ejercicio 2 : Democracia Política e Industrialización
La base de datos contiene distintas mediciones sobre la democracia política e industrialización en países en desarrollo durante 1960 y 1965.
La tabla incluye los siguientes datos :
Democracia 60 * y1 :Calificaciones sobre libertad de prensa en 1960 * y2 :Libertad de la opisicion politica en 1960 * y3 :Imparcialidad de elecciones en 1960 * y4 :Eficacia de la legislatura electa en 1960
Democracia 65 * y5 :Calificaciones sobre libertad de prensa en 1965 * y6 :Libertad de la opisicion politica en 1965 * y7 :Imparcialidad de elecciones en 1965 * y8 :Eficacia de la legislatura electa en 1965 (tomar en cuenta 1960 y predecir el 65)
Industrializzación 60 * x1: PIB per capita en 1960 * x2: Consumo de energia en inanimada per capita (no viva) en 1960 * x3: Porcentaje de la fuerza laboral en la industria en 1960
Importar la base de datos
df2 <- PoliticalDemocracy
View(df2)summary(df2)## y1 y2 y3 y4
## Min. : 1.250 Min. : 0.000 Min. : 0.000 Min. : 0.000
## 1st Qu.: 2.900 1st Qu.: 0.000 1st Qu.: 3.767 1st Qu.: 1.581
## Median : 5.400 Median : 3.333 Median : 6.667 Median : 3.333
## Mean : 5.465 Mean : 4.256 Mean : 6.563 Mean : 4.453
## 3rd Qu.: 7.500 3rd Qu.: 8.283 3rd Qu.:10.000 3rd Qu.: 6.667
## Max. :10.000 Max. :10.000 Max. :10.000 Max. :10.000
## y5 y6 y7 y8
## Min. : 0.000 Min. : 0.000 Min. : 0.000 Min. : 0.000
## 1st Qu.: 3.692 1st Qu.: 0.000 1st Qu.: 3.478 1st Qu.: 1.301
## Median : 5.000 Median : 2.233 Median : 6.667 Median : 3.333
## Mean : 5.136 Mean : 2.978 Mean : 6.196 Mean : 4.043
## 3rd Qu.: 7.500 3rd Qu.: 4.207 3rd Qu.:10.000 3rd Qu.: 6.667
## Max. :10.000 Max. :10.000 Max. :10.000 Max. :10.000
## x1 x2 x3
## Min. :3.784 Min. :1.386 Min. :1.002
## 1st Qu.:4.477 1st Qu.:3.663 1st Qu.:2.300
## Median :5.075 Median :4.963 Median :3.568
## Mean :5.054 Mean :4.792 Mean :3.558
## 3rd Qu.:5.515 3rd Qu.:5.830 3rd Qu.:4.523
## Max. :6.737 Max. :7.872 Max. :6.425glimpse(df2)## Rows: 75
## Columns: 11
## $ y1 <dbl> 2.50, 1.25, 7.50, 8.90, 10.00, 7.50, 7.50, 7.50, 2.50, 10.00, 7.50,…
## $ y2 <dbl> 0.000000, 0.000000, 8.800000, 8.800000, 3.333333, 3.333333, 3.33333…
## $ y3 <dbl> 3.333333, 3.333333, 9.999998, 9.999998, 9.999998, 6.666666, 6.66666…
## $ y4 <dbl> 0.000000, 0.000000, 9.199991, 9.199991, 6.666666, 6.666666, 6.66666…
## $ y5 <dbl> 1.250000, 6.250000, 8.750000, 8.907948, 7.500000, 6.250000, 5.00000…
## $ y6 <dbl> 0.000000, 1.100000, 8.094061, 8.127979, 3.333333, 1.100000, 2.23333…
## $ y7 <dbl> 3.726360, 6.666666, 9.999998, 9.999998, 9.999998, 6.666666, 8.27125…
## $ y8 <dbl> 3.333333, 0.736999, 8.211809, 4.615086, 6.666666, 0.368500, 1.48516…
## $ x1 <dbl> 4.442651, 5.384495, 5.961005, 6.285998, 5.863631, 5.533389, 5.30826…
## $ x2 <dbl> 3.637586, 5.062595, 6.255750, 7.567863, 6.818924, 5.135798, 5.07517…
## $ x3 <dbl> 2.557615, 3.568079, 5.224433, 6.267495, 4.573679, 3.892270, 3.31621…Tipos de formulas
- Regresión (~) : Variable que depende de otras
- Variables Latentes (=~) : No se observan se infiere.
- Varianzas y covarianzas (~~) : Relaciones entre variables latentes y observadas.(varianza es entre la variable misma, covarianza es entre otras)
- Intercepto (~1) : Valor esperado cuando las demas variables son cero.(Es la inclinación de una recta y se calcula buscando la razón del cambio en las coordenadas y (variación vertical) al cambio correspondiente en las coordenadas x (variación horizontal).
Estructurar el modelo
modelo2 <- ' # Regresiones
democracia65 ~ industrializacion60 + democracia60
# Variables latentes
democracia60 =~ y1 + y2 + y3 + y4
democracia65 =~ y5 + y6 + y7 + y8
industrializacion60 =~ x1 + x2 + x3
# Varianzas y covarianzas
# Intercepto 'Generar el Análisis Factorial Confirmatorio (CFA)
fit2 <- cfa(modelo2, df2)
summary(fit2)## lavaan 0.6.17 ended normally after 39 iterations
##
## Estimator ML
## Optimization method NLMINB
## Number of model parameters 25
##
## Number of observations 75
##
## Model Test User Model:
##
## Test statistic 72.462
## Degrees of freedom 41
## P-value (Chi-square) 0.002
##
## Parameter Estimates:
##
## Standard errors Standard
## Information Expected
## Information saturated (h1) model Structured
##
## Latent Variables:
## Estimate Std.Err z-value P(>|z|)
## democracia60 =~
## y1 1.000
## y2 1.354 0.175 7.755 0.000
## y3 1.044 0.150 6.961 0.000
## y4 1.300 0.138 9.412 0.000
## democracia65 =~
## y5 1.000
## y6 1.258 0.164 7.651 0.000
## y7 1.282 0.158 8.137 0.000
## y8 1.310 0.154 8.529 0.000
## industrializacion60 =~
## x1 1.000
## x2 2.182 0.139 15.714 0.000
## x3 1.819 0.152 11.956 0.000
##
## Regressions:
## Estimate Std.Err z-value P(>|z|)
## democracia65 ~
## industrilzcn60 0.453 0.220 2.064 0.039
## democracia60 0.864 0.113 7.671 0.000
##
## Covariances:
## Estimate Std.Err z-value P(>|z|)
## democracia60 ~~
## industrilzcn60 0.660 0.206 3.202 0.001
##
## Variances:
## Estimate Std.Err z-value P(>|z|)
## .y1 1.942 0.395 4.910 0.000
## .y2 6.490 1.185 5.479 0.000
## .y3 5.340 0.943 5.662 0.000
## .y4 2.887 0.610 4.731 0.000
## .y5 2.390 0.447 5.351 0.000
## .y6 4.343 0.796 5.456 0.000
## .y7 3.510 0.668 5.252 0.000
## .y8 2.940 0.586 5.019 0.000
## .x1 0.082 0.020 4.180 0.000
## .x2 0.118 0.070 1.689 0.091
## .x3 0.467 0.090 5.174 0.000
## democracia60 4.845 1.088 4.453 0.000
## .democracia65 0.115 0.200 0.575 0.565
## industrilzcn60 0.448 0.087 5.169 0.000lavaanPlot(fit2, coef=TRUE, cov= TRUE)Estructurar el modelo
modelo3 <- ' # Regresiones
industrializacion60 ~ democracia60
# Variables latentes
democracia60 =~ y1 + y2 + y3 + y4
democracia65 =~ y5 + y6 + y7 + y8
industrializacion60 =~ x1 + x2 + x3
# Varianzas y covarianzas
# Intercepto 'Generar el Análisis Factorial Confirmatorio (CFA)
fit2 <- cfa(modelo3, df2)
summary(fit2)## lavaan 0.6.17 ended normally after 45 iterations
##
## Estimator ML
## Optimization method NLMINB
## Number of model parameters 24
##
## Number of observations 75
##
## Model Test User Model:
##
## Test statistic 76.467
## Degrees of freedom 42
## P-value (Chi-square) 0.001
##
## Parameter Estimates:
##
## Standard errors Standard
## Information Expected
## Information saturated (h1) model Structured
##
## Latent Variables:
## Estimate Std.Err z-value P(>|z|)
## democracia60 =~
## y1 1.000
## y2 1.354 0.179 7.548 0.000
## y3 1.049 0.153 6.840 0.000
## y4 1.320 0.141 9.334 0.000
## democracia65 =~
## y5 1.000
## y6 1.289 0.170 7.570 0.000
## y7 1.308 0.164 7.983 0.000
## y8 1.335 0.160 8.342 0.000
## industrializacion60 =~
## x1 1.000
## x2 2.179 0.139 15.685 0.000
## x3 1.818 0.152 11.968 0.000
##
## Regressions:
## Estimate Std.Err z-value P(>|z|)
## industrializacion60 ~
## democracia60 0.155 0.036 4.330 0.000
##
## Covariances:
## Estimate Std.Err z-value P(>|z|)
## democracia60 ~~
## democracia65 4.405 0.904 4.872 0.000
##
## Variances:
## Estimate Std.Err z-value P(>|z|)
## .y1 2.053 0.405 5.064 0.000
## .y2 6.694 1.207 5.546 0.000
## .y3 5.414 0.950 5.699 0.000
## .y4 2.817 0.593 4.749 0.000
## .y5 2.519 0.469 5.377 0.000
## .y6 4.216 0.783 5.382 0.000
## .y7 3.443 0.665 5.178 0.000
## .y8 2.880 0.584 4.928 0.000
## .x1 0.081 0.020 4.138 0.000
## .x2 0.121 0.071 1.701 0.089
## .x3 0.467 0.090 5.163 0.000
## democracia60 4.734 1.081 4.381 0.000
## democracia65 4.216 1.044 4.037 0.000
## .industrilzcn60 0.336 0.067 5.045 0.000lavaanPlot(fit2, coef=TRUE, cov= TRUE)Actividad “Bienestar de los Colaboradores”: Parte 1, Parte 2, Parte 3
Teoria
Uno de los retos más importantes de las organizaciones es entender el estado y bienestar de los colaboradores, ya que puede impactar directamente en el desempeño y el logro de los objetivos.
Parte1.
Análisis factorial confirmatorio (segundo orden) sobre el constructo de experiencias de recuperación.
Las experiencias de recuperación se refieren a la medida en que un individuo percibe que las actividades que se realizan fuera del horario laboral le ayudarán a restaurar los recursos energéticos que le permitirán sortear efectivamente el estrés y las presiones laborales. Se distinguen entre cuatro dominios principales de experiencias de recuperación: desapego psicológico, relajación, dominio y control sobre el tiempo libre:
El desapego psicológico
Las experiencias de relajación
Las experiencias de dominio
Las experiencias de control sobre el tiempo libre
Realizar:
Un análisis factorial confirmatorio de segundo orden (Segundo orden es otra ecuacion latente dentro de unas latentes) del constructo de experiencias de recuperación. (Ver descripción de los instrumentos) Revisar los índices de ajuste del modelo. Depurar el modelo para mejorar el ajuste.
Importar BD
semm <- read_excel("C:/Users/alexa/OneDrive/Desktop/8VO/MODULO 1/Datos_SEM_Eng.xlsx")
glimpse(semm)## Rows: 223
## Columns: 51
## $ ID <dbl> 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 1…
## $ GEN <dbl> 1, 1, 1, 1, 1, 0, 0, 1, 1, 1, 1, 1, 1, 0, 0, 0, 1, 0, 0, 1, 0, 0…
## $ EXPER <dbl> 22, 22, 30, 17, 23, 31, 26, 30, 15, 15, 24, 21, 35, 26, 14, 25, …
## $ EDAD <dbl> 45, 44, 52, 41, 51, 52, 53, 48, 40, 38, 45, 42, 59, 60, 36, 46, …
## $ RPD01 <dbl> 5, 4, 7, 5, 7, 3, 5, 6, 4, 2, 6, 3, 5, 7, 3, 3, 7, 5, 7, 6, 3, 7…
## $ RPD02 <dbl> 1, 4, 7, 5, 6, 4, 5, 7, 4, 3, 6, 3, 5, 7, 3, 3, 7, 3, 5, 6, 3, 6…
## $ RPD03 <dbl> 3, 6, 7, 1, 7, 5, 4, 6, 4, 2, 7, 3, 7, 7, 4, 3, 7, 7, 7, 7, 1, 7…
## $ RPD05 <dbl> 2, 5, 7, 1, 6, 4, 4, 7, 4, 3, 7, 2, 7, 7, 4, 2, 7, 3, 6, 6, 1, 7…
## $ RPD06 <dbl> 3, 3, 7, 3, 7, 3, 5, 2, 6, 7, 7, 2, 7, 7, 4, 3, 7, 5, 7, 7, 6, 7…
## $ RPD07 <dbl> 1, 2, 6, 5, 6, 5, 6, 5, 4, 1, 6, 3, 5, 7, 1, 4, 5, 3, 5, 6, 3, 5…
## $ RPD08 <dbl> 3, 3, 7, 3, 7, 4, 6, 2, 5, 3, 7, 1, 7, 7, 1, 3, 7, 4, 7, 7, 3, 7…
## $ RPD09 <dbl> 2, 4, 7, 2, 6, 4, 7, 4, 4, 2, 7, 2, 5, 7, 3, 1, 7, 4, 7, 6, 3, 7…
## $ RPD10 <dbl> 4, 4, 7, 2, 6, 4, 7, 1, 6, 2, 7, 2, 7, 7, 3, 3, 7, 4, 7, 7, 2, 7…
## $ RRE02 <dbl> 6, 6, 7, 6, 7, 5, 7, 5, 6, 7, 7, 6, 7, 7, 5, 4, 7, 6, 7, 7, 5, 6…
## $ RRE03 <dbl> 6, 6, 7, 6, 7, 4, 7, 4, 4, 7, 7, 3, 7, 7, 5, 4, 7, 7, 7, 7, 6, 6…
## $ RRE04 <dbl> 6, 6, 7, 6, 7, 4, 7, 4, 6, 7, 7, 3, 7, 7, 5, 4, 5, 7, 7, 7, 2, 6…
## $ RRE05 <dbl> 6, 6, 7, 6, 7, 5, 7, 4, 6, 7, 7, 3, 7, 7, 5, 5, 7, 7, 7, 7, 3, 6…
## $ RRE06 <dbl> 6, 6, 7, 6, 7, 4, 7, 4, 6, 7, 5, 1, 7, 7, 5, 4, 6, 7, 7, 4, 6, 6…
## $ RRE07 <dbl> 6, 6, 7, 6, 7, 4, 7, 4, 6, 7, 5, 5, 7, 7, 5, 3, 6, 6, 7, 6, 5, 6…
## $ RRE10 <dbl> 6, 6, 7, 6, 7, 4, 7, 4, 6, 7, 7, 3, 7, 7, 4, 4, 7, 1, 7, 7, 6, 6…
## $ RMA02 <dbl> 4, 6, 4, 3, 4, 7, 5, 2, 6, 7, 2, 1, 3, 1, 5, 6, 4, 4, 1, 5, 7, 7…
## $ RMA03 <dbl> 5, 6, 5, 4, 4, 7, 5, 1, 2, 7, 1, 1, 3, 7, 5, 6, 3, 5, 7, 5, 6, 5…
## $ RMA04 <dbl> 5, 5, 6, 4, 4, 5, 5, 1, 4, 7, 2, 1, 7, 1, 5, 6, 2, 4, 7, 7, 5, 6…
## $ RMA05 <dbl> 5, 5, 6, 4, 4, 6, 5, 3, 4, 7, 2, 1, 7, 7, 5, 6, 4, 4, 6, 7, 6, 5…
## $ RMA06 <dbl> 6, 6, 7, 6, 5, 4, 5, 7, 6, 7, 6, 6, 7, 1, 5, 5, 6, 5, 7, 7, 5, 6…
## $ RMA07 <dbl> 4, 6, 6, 5, 4, 5, 7, 4, 6, 7, 2, 1, 7, 1, 5, 6, 5, 4, 6, 7, 4, 5…
## $ RMA08 <dbl> 5, 6, 4, 4, 4, 6, 6, 4, 2, 7, 2, 2, 7, 1, 5, 6, 3, 3, 7, 7, 6, 6…
## $ RMA09 <dbl> 3, 5, 4, 3, 5, 4, 5, 2, 4, 7, 2, 2, 7, 1, 5, 5, 5, 3, 7, 5, 6, 5…
## $ RMA10 <dbl> 7, 5, 5, 4, 5, 5, 6, 4, 3, 7, 2, 1, 7, 7, 4, 5, 7, 2, 7, 5, 7, 5…
## $ RCO02 <dbl> 7, 7, 7, 5, 7, 6, 7, 7, 3, 7, 7, 4, 7, 2, 6, 7, 5, 2, 7, 6, 6, 5…
## $ RCO03 <dbl> 7, 7, 7, 5, 7, 5, 7, 7, 3, 7, 7, 3, 7, 5, 5, 6, 7, 3, 7, 6, 5, 6…
## $ RCO04 <dbl> 7, 7, 7, 6, 7, 4, 7, 7, 3, 7, 7, 5, 7, 5, 5, 6, 7, 5, 7, 6, 5, 6…
## $ RCO05 <dbl> 7, 7, 7, 6, 7, 4, 7, 7, 3, 7, 7, 4, 7, 7, 5, 6, 7, 7, 7, 7, 4, 6…
## $ RCO06 <dbl> 7, 7, 7, 6, 7, 4, 7, 7, 4, 7, 7, 3, 7, 3, 6, 6, 6, 5, 7, 7, 6, 6…
## $ RCO07 <dbl> 5, 7, 7, 6, 7, 4, 7, 7, 7, 7, 7, 3, 7, 2, 5, 5, 6, 5, 7, 7, 6, 6…
## $ EN01 <dbl> 6, 6, 7, 4, 6, 4, 7, 7, 4, 7, 5, 2, 7, 6, 4, 4, 4, 2, 6, 5, 6, 6…
## $ EN02 <dbl> 7, 6, 7, 4, 6, 4, 7, 7, 4, 7, 6, 2, 7, 3, 4, 5, 4, 2, 7, 6, 5, 6…
## $ EN04 <dbl> 6, 6, 7, 4, 6, 4, 7, 6, 4, 7, 6, 2, 7, 5, 4, 4, 3, 2, 6, 5, 6, 6…
## $ EN05 <dbl> 5, 5, 7, 5, 6, 5, 7, 6, 4, 7, 5, 2, 7, 3, 5, 5, 7, 2, 7, 6, 6, 6…
## $ EN06 <dbl> 5, 5, 7, 5, 6, 3, 7, 5, 5, 7, 5, 2, 5, 3, 5, 4, 5, 2, 7, 2, 7, 6…
## $ EN07 <dbl> 5, 5, 7, 2, 6, 4, 7, 4, 4, 7, 5, 2, 7, 2, 4, 3, 4, 1, 6, 2, 5, 5…
## $ EN08 <dbl> 6, 5, 7, 5, 6, 4, 7, 4, 4, 7, 5, 2, 7, 3, 4, 5, 4, 1, 7, 4, 5, 6…
## $ EVI01 <dbl> 6, 5, 7, 5, 6, 4, 7, 6, 6, 0, 5, 2, 7, 6, 5, 5, 4, 4, 6, 4, 6, 7…
## $ EVI02 <dbl> 6, 5, 7, 6, 6, 4, 6, 5, 5, 1, 5, 2, 7, 6, 5, 5, 2, 5, 6, 4, 6, 7…
## $ EVI03 <dbl> 6, 6, 6, 7, 6, 4, 6, 6, 7, 0, 6, 2, 7, 5, 6, 6, 1, 4, 6, 6, 7, 7…
## $ EDE01 <dbl> 6, 6, 6, 5, 7, 6, 7, 7, 7, 1, 6, 2, 7, 6, 6, 5, 2, 6, 7, 5, 6, 7…
## $ EDE02 <dbl> 7, 6, 7, 6, 7, 5, 7, 7, 7, 5, 6, 6, 5, 7, 6, 5, 3, 6, 7, 6, 7, 7…
## $ EDE03 <dbl> 7, 7, 7, 7, 7, 5, 7, 7, 7, 6, 6, 5, 7, 7, 6, 6, 4, 6, 7, 6, 7, 7…
## $ EAB01 <dbl> 7, 7, 7, 6, 7, 5, 7, 7, 7, 0, 6, 5, 7, 7, 6, 6, 2, 6, 7, 6, 5, 7…
## $ EAB02 <dbl> 7, 7, 7, 6, 7, 5, 7, 2, 5, 1, 5, 6, 7, 7, 6, 4, 1, 6, 7, 6, 7, 7…
## $ EAB03 <dbl> 6, 5, 6, 5, 6, 5, 7, 3, 5, 0, 4, 6, 5, 6, 6, 4, 4, 6, 7, 5, 7, 7…summary(semm)## ID GEN EXPER EDAD
## Min. : 1.0 Min. :0.0000 Min. : 0.00 Min. :22.00
## 1st Qu.: 56.5 1st Qu.:0.0000 1st Qu.:15.00 1st Qu.:37.50
## Median :112.0 Median :1.0000 Median :20.00 Median :44.00
## Mean :112.0 Mean :0.5919 Mean :21.05 Mean :43.95
## 3rd Qu.:167.5 3rd Qu.:1.0000 3rd Qu.:27.50 3rd Qu.:51.00
## Max. :223.0 Max. :1.0000 Max. :50.00 Max. :72.00
## RPD01 RPD02 RPD03 RPD05 RPD06
## Min. :1.000 Min. :1.00 Min. :1.000 Min. :1.000 Min. :1.000
## 1st Qu.:3.000 1st Qu.:3.00 1st Qu.:3.000 1st Qu.:3.000 1st Qu.:3.000
## Median :5.000 Median :4.00 Median :5.000 Median :5.000 Median :5.000
## Mean :4.596 Mean :4.09 Mean :4.789 Mean :4.327 Mean :4.798
## 3rd Qu.:6.000 3rd Qu.:6.00 3rd Qu.:7.000 3rd Qu.:6.000 3rd Qu.:7.000
## Max. :7.000 Max. :7.00 Max. :7.000 Max. :7.000 Max. :7.000
## RPD07 RPD08 RPD09 RPD10
## Min. :1.000 Min. :1.000 Min. :1.000 Min. :1.000
## 1st Qu.:2.000 1st Qu.:3.000 1st Qu.:3.000 1st Qu.:2.500
## Median :4.000 Median :5.000 Median :5.000 Median :5.000
## Mean :3.794 Mean :4.735 Mean :4.466 Mean :4.435
## 3rd Qu.:5.500 3rd Qu.:7.000 3rd Qu.:6.000 3rd Qu.:6.000
## Max. :7.000 Max. :7.000 Max. :7.000 Max. :7.000
## RRE02 RRE03 RRE04 RRE05 RRE06
## Min. :1.000 Min. :1.000 Min. :1.000 Min. :1.000 Min. :1.0
## 1st Qu.:5.000 1st Qu.:5.000 1st Qu.:5.000 1st Qu.:5.000 1st Qu.:4.0
## Median :6.000 Median :6.000 Median :6.000 Median :6.000 Median :6.0
## Mean :5.691 Mean :5.534 Mean :5.668 Mean :5.623 Mean :5.3
## 3rd Qu.:7.000 3rd Qu.:7.000 3rd Qu.:7.000 3rd Qu.:7.000 3rd Qu.:7.0
## Max. :7.000 Max. :7.000 Max. :7.000 Max. :7.000 Max. :7.0
## RRE07 RRE10 RMA02 RMA03
## Min. :1.000 Min. :1.000 Min. :1.000 Min. :1.000
## 1st Qu.:4.000 1st Qu.:5.000 1st Qu.:3.000 1st Qu.:3.000
## Median :6.000 Median :6.000 Median :4.000 Median :5.000
## Mean :5.305 Mean :5.664 Mean :4.215 Mean :4.377
## 3rd Qu.:7.000 3rd Qu.:7.000 3rd Qu.:6.000 3rd Qu.:6.000
## Max. :7.000 Max. :7.000 Max. :7.000 Max. :7.000
## RMA04 RMA05 RMA06 RMA07
## Min. :1.000 Min. :1.000 Min. :1.000 Min. :1.000
## 1st Qu.:3.000 1st Qu.:3.000 1st Qu.:5.000 1st Qu.:4.000
## Median :5.000 Median :5.000 Median :6.000 Median :5.000
## Mean :4.686 Mean :4.637 Mean :5.511 Mean :4.767
## 3rd Qu.:6.000 3rd Qu.:6.000 3rd Qu.:7.000 3rd Qu.:6.000
## Max. :7.000 Max. :7.000 Max. :7.000 Max. :7.000
## RMA08 RMA09 RMA10 RCO02 RCO03
## Min. :1.000 Min. :1.000 Min. :1.00 Min. :1.000 Min. :1.000
## 1st Qu.:4.000 1st Qu.:3.000 1st Qu.:3.00 1st Qu.:5.000 1st Qu.:5.000
## Median :5.000 Median :5.000 Median :5.00 Median :6.000 Median :6.000
## Mean :4.942 Mean :4.614 Mean :4.43 Mean :5.336 Mean :5.574
## 3rd Qu.:6.500 3rd Qu.:6.000 3rd Qu.:6.00 3rd Qu.:7.000 3rd Qu.:7.000
## Max. :7.000 Max. :7.000 Max. :7.00 Max. :7.000 Max. :7.000
## RCO04 RCO05 RCO06 RCO07
## Min. :1.000 Min. :1.000 Min. :1.000 Min. :1.000
## 1st Qu.:5.000 1st Qu.:5.000 1st Qu.:5.000 1st Qu.:5.000
## Median :6.000 Median :6.000 Median :6.000 Median :6.000
## Mean :5.704 Mean :5.668 Mean :5.619 Mean :5.632
## 3rd Qu.:7.000 3rd Qu.:7.000 3rd Qu.:7.000 3rd Qu.:7.000
## Max. :7.000 Max. :7.000 Max. :7.000 Max. :7.000
## EN01 EN02 EN04 EN05
## Min. :1.000 Min. :1.000 Min. :1.000 Min. :1.000
## 1st Qu.:3.000 1st Qu.:4.000 1st Qu.:4.000 1st Qu.:4.000
## Median :5.000 Median :6.000 Median :5.000 Median :5.000
## Mean :4.717 Mean :5.004 Mean :4.883 Mean :4.928
## 3rd Qu.:6.000 3rd Qu.:7.000 3rd Qu.:6.000 3rd Qu.:6.000
## Max. :7.000 Max. :7.000 Max. :7.000 Max. :7.000
## EN06 EN07 EN08 EVI01
## Min. :1.000 Min. :1.000 Min. :1.000 Min. :0.000
## 1st Qu.:3.000 1st Qu.:3.000 1st Qu.:4.000 1st Qu.:4.000
## Median :5.000 Median :5.000 Median :5.000 Median :5.000
## Mean :4.767 Mean :4.578 Mean :4.776 Mean :5.013
## 3rd Qu.:6.000 3rd Qu.:6.000 3rd Qu.:6.000 3rd Qu.:6.000
## Max. :7.000 Max. :7.000 Max. :7.000 Max. :7.000
## EVI02 EVI03 EDE01 EDE02
## Min. :0.000 Min. :0.000 Min. :0.000 Min. :0.000
## 1st Qu.:4.000 1st Qu.:4.000 1st Qu.:5.000 1st Qu.:5.000
## Median :6.000 Median :6.000 Median :6.000 Median :6.000
## Mean :5.076 Mean :4.973 Mean :5.305 Mean :5.543
## 3rd Qu.:6.000 3rd Qu.:6.000 3rd Qu.:7.000 3rd Qu.:7.000
## Max. :7.000 Max. :7.000 Max. :7.000 Max. :7.000
## EDE03 EAB01 EAB02 EAB03
## Min. :0.000 Min. :0.000 Min. :0.000 Min. :0.000
## 1st Qu.:6.000 1st Qu.:5.000 1st Qu.:5.000 1st Qu.:5.000
## Median :7.000 Median :6.000 Median :6.000 Median :6.000
## Mean :6.135 Mean :5.605 Mean :5.821 Mean :5.363
## 3rd Qu.:7.000 3rd Qu.:7.000 3rd Qu.:7.000 3rd Qu.:7.000
## Max. :7.000 Max. :7.000 Max. :7.000 Max. :7.000Diccionario
Desapego
RPD01 - Me olvidé del trabajo
RPD02 - No pensé en mi trabajo para nada
RPD03 - Me distancié de mi trabajo
RPD04 -Tuve un receso de las demandas del trabajo (eliminated)
RPD05 - Me desconecte completamente del trabajo
RPD06 - A propósito no hice, ni revisé nada de mi trabajo
RPD07 - Ni me acordé de mi trabajo
RPD08 - Con toda intención no hice nada sobre mi trabajo
RPD09 - Logré desligarme de mis responsabilidades laborales
RPD10 - Me deslinde de mis actividades laborales
Relajacion
RRE01 - Me puse cómodo y me relajé (eliminated)
RRE02 - Hice actividades relajantes
RRE03 - Usé mi tiempo para relajarme
RRE04 - Me tomé tiempo para el esparcimiento
RRE05 - Usé mi tiempo para despejarme
RRE06 - Dediqué tiempo a mis pasatiempos favoritos
RRE07 - Realicé actividades que me destensaron
RRE08 - Bajé mi estrés relajándome (eliminated)
RRE09 - Me enfoque en mis hobbies (eliminated)
RRE10 - Mi atención estuvo en distraerme del trabajo
Dominio/Maestria
RMA01 - Aprendí cosas nuevas (eliminated)
RMA02 - Busqué retos intelectuales
RMA03 - Hice cosas que me retaron
RMA04 - Hice algo que amplió mis horizontes
RMA05 - Hice algo que me reta a mejorar
RMA06 - Utilicé mi tiempo en actividades diferentes
RMA07 - Busqué ampliar mis perspectivas
RMA08 - Hice cosas diferentes que me enseñaron
RMA09 - Disfruté haciendo cosas novedosas
RMA10 - Salí de la rutina con actividades retadoras
Escala
RCO01 - Sentí que podía decidir por mí mismo/a qué hacer (eliminated)
RCO02 - Decidí por mi mismo mi propio horario
RCO03 - Determiné por mí mismo como pasar mi tiempo
RCO04 - Me hice cargo de cosas en la forma que yo quería hacerlas
RCO05 - Elegí cómo usar mi tiempo
RCO06 - Elegí libremente cómo organizar mis actividades
RCO07 - Tomé la decisión sobre cuándo y cómo hago las actividades fuera del trabajo
RCO08 - Puedo organizar mis actividades fuera del trabajo con libertad (eliminated)
Tipos de formulas
- Regresion (~) : Variable que depende de otras
- Variables Latentes (=~) : No se observan se infiere.
- Varianzas y covarianzas (~~) : Relaciones entre variables latentes y observadas.(varianza es entre la variable misma, covarianza es entre otras)
- Intercepto (~1) : Valor esperado cuando las demas variables son cero.(Es la inclinación de una recta y se calcula buscando la razón del cambio en las coordenadas y (variación vertical) al cambio correspondiente en las coordenadas x (variación horizontal).
Segundo orden es otra ecuacion latente dentro de unas latentes
Estructura del modelo
modelosemm <- ' # Regresiones
# Variables latentes
desapego =~ RPD01 + RPD02 + RPD03 + RPD05 + RPD06 + RPD07 + RPD08 + RPD09 + RPD10
relajacion =~ RRE02 + RRE03 + RRE04 + RRE05 + RRE06 + RRE07 + RRE10
dominio =~ RMA02 + RMA03 + RMA04 + RMA05 + RMA06 + RMA07 + RMA08 + RMA09 + RMA10
control =~ RCO02 + RCO03 + RCO04 + RCO05 + RCO06 + RCO07
recuperacion =~ desapego + relajacion + dominio + control
# Varianzas y covarianzas
# Intercepto '
modelosemm## [1] " # Regresiones \n # Variables latentes\n desapego =~ RPD01 + RPD02 + RPD03 + RPD05 + RPD06 + RPD07 + RPD08 + RPD09 + RPD10\n relajacion =~ RRE02 + RRE03 + RRE04 + RRE05 + RRE06 + RRE07 + RRE10\n dominio =~ RMA02 + RMA03 + RMA04 + RMA05 + RMA06 + RMA07 + RMA08 + RMA09 + RMA10\n control =~ RCO02 + RCO03 + RCO04 + RCO05 + RCO06 + RCO07\n recuperacion =~ desapego + relajacion + dominio + control\n # Varianzas y covarianzas\n # Intercepto "Generar el Análisis Factorial Confirmatorio (CFA)
fit2 <- cfa(modelosemm, semm)
summary(fit2)## lavaan 0.6.17 ended normally after 47 iterations
##
## Estimator ML
## Optimization method NLMINB
## Number of model parameters 66
##
## Number of observations 223
##
## Model Test User Model:
##
## Test statistic 1221.031
## Degrees of freedom 430
## P-value (Chi-square) 0.000
##
## Parameter Estimates:
##
## Standard errors Standard
## Information Expected
## Information saturated (h1) model Structured
##
## Latent Variables:
## Estimate Std.Err z-value P(>|z|)
## desapego =~
## RPD01 1.000
## RPD02 1.206 0.082 14.780 0.000
## RPD03 1.143 0.085 13.374 0.000
## RPD05 1.312 0.086 15.244 0.000
## RPD06 1.088 0.089 12.266 0.000
## RPD07 1.229 0.085 14.440 0.000
## RPD08 1.164 0.087 13.447 0.000
## RPD09 1.317 0.087 15.153 0.000
## RPD10 1.346 0.088 15.258 0.000
## relajacion =~
## RRE02 1.000
## RRE03 1.120 0.065 17.227 0.000
## RRE04 1.025 0.058 17.713 0.000
## RRE05 1.055 0.056 18.758 0.000
## RRE06 1.245 0.074 16.869 0.000
## RRE07 1.117 0.071 15.689 0.000
## RRE10 0.815 0.067 12.120 0.000
## dominio =~
## RMA02 1.000
## RMA03 1.155 0.096 12.079 0.000
## RMA04 1.178 0.089 13.274 0.000
## RMA05 1.141 0.087 13.072 0.000
## RMA06 0.645 0.075 8.597 0.000
## RMA07 1.103 0.084 13.061 0.000
## RMA08 1.109 0.085 12.994 0.000
## RMA09 1.028 0.084 12.246 0.000
## RMA10 1.055 0.088 12.044 0.000
## control =~
## RCO02 1.000
## RCO03 0.948 0.049 19.182 0.000
## RCO04 0.796 0.044 18.110 0.000
## RCO05 0.818 0.043 18.990 0.000
## RCO06 0.834 0.046 18.216 0.000
## RCO07 0.835 0.046 18.057 0.000
## recuperacion =~
## desapego 1.000
## relajacion 1.149 0.131 8.787 0.000
## dominio 0.858 0.129 6.666 0.000
## control 1.341 0.156 8.605 0.000
##
## Variances:
## Estimate Std.Err z-value P(>|z|)
## .RPD01 1.172 0.120 9.782 0.000
## .RPD02 0.999 0.108 9.228 0.000
## .RPD03 1.441 0.148 9.733 0.000
## .RPD05 0.987 0.110 8.964 0.000
## .RPD06 1.817 0.182 9.967 0.000
## .RPD07 1.173 0.125 9.383 0.000
## .RPD08 1.460 0.150 9.714 0.000
## .RPD09 1.032 0.114 9.021 0.000
## .RPD10 1.034 0.115 8.955 0.000
## .RRE02 0.626 0.068 9.274 0.000
## .RRE03 0.653 0.073 9.011 0.000
## .RRE04 0.481 0.055 8.794 0.000
## .RRE05 0.374 0.046 8.153 0.000
## .RRE06 0.886 0.097 9.149 0.000
## .RRE07 0.950 0.100 9.505 0.000
## .RRE10 1.137 0.113 10.093 0.000
## .RMA02 1.740 0.175 9.931 0.000
## .RMA03 1.485 0.155 9.575 0.000
## .RMA04 0.855 0.097 8.772 0.000
## .RMA05 0.899 0.100 8.967 0.000
## .RMA06 1.631 0.159 10.281 0.000
## .RMA07 0.845 0.094 8.977 0.000
## .RMA08 0.886 0.098 9.034 0.000
## .RMA09 1.094 0.115 9.500 0.000
## .RMA10 1.259 0.131 9.590 0.000
## .RCO02 0.983 0.105 9.379 0.000
## .RCO03 0.484 0.058 8.391 0.000
## .RCO04 0.462 0.052 8.963 0.000
## .RCO05 0.382 0.045 8.513 0.000
## .RCO06 0.494 0.055 8.917 0.000
## .RCO07 0.515 0.057 8.985 0.000
## .desapego 0.943 0.152 6.207 0.000
## .relajacion 0.333 0.089 3.757 0.000
## .dominio 1.260 0.212 5.942 0.000
## .control 0.900 0.159 5.666 0.000
## recuperacion 0.978 0.202 4.833 0.000lavaanPlot(fit2, coef=TRUE, cov= TRUE)Estructura del modelo depurado
modelosemdepurado <- ' # Regresiones
# Variables latentes
desapego =~ RPD01 + RPD02 + RPD03 + RPD05 + RPD07 + RPD08 + RPD09 + RPD10
relajacion =~ RRE02 + RRE03 + RRE04 + RRE05 + RRE06 + RRE07
dominio =~ RMA02 + RMA03 + RMA04 + RMA05 + RMA07 + RMA08 + RMA09 + RMA10
control =~ RCO02 + RCO03 + RCO05 + RCO06 + RCO07
recuperacion =~ desapego + relajacion + dominio + control
# Varianzas y covarianzas
# Intercepto '
modelosemdepurado## [1] " # Regresiones \n # Variables latentes\n desapego =~ RPD01 + RPD02 + RPD03 + RPD05 + RPD07 + RPD08 + RPD09 + RPD10\n relajacion =~ RRE02 + RRE03 + RRE04 + RRE05 + RRE06 + RRE07 \n dominio =~ RMA02 + RMA03 + RMA04 + RMA05 + RMA07 + RMA08 + RMA09 + RMA10\n control =~ RCO02 + RCO03 + RCO05 + RCO06 + RCO07\n recuperacion =~ desapego + relajacion + dominio + control\n # Varianzas y covarianzas\n # Intercepto "Generar el Análisis Factorial Confirmatorio (CFA)
fit22 <- cfa(modelosemdepurado, semm)
summary(fit22)## lavaan 0.6.17 ended normally after 48 iterations
##
## Estimator ML
## Optimization method NLMINB
## Number of model parameters 58
##
## Number of observations 223
##
## Model Test User Model:
##
## Test statistic 886.791
## Degrees of freedom 320
## P-value (Chi-square) 0.000
##
## Parameter Estimates:
##
## Standard errors Standard
## Information Expected
## Information saturated (h1) model Structured
##
## Latent Variables:
## Estimate Std.Err z-value P(>|z|)
## desapego =~
## RPD01 1.000
## RPD02 1.204 0.079 15.158 0.000
## RPD03 1.146 0.083 13.750 0.000
## RPD05 1.310 0.084 15.663 0.000
## RPD07 1.219 0.083 14.675 0.000
## RPD08 1.114 0.086 13.004 0.000
## RPD09 1.301 0.085 15.315 0.000
## RPD10 1.328 0.086 15.404 0.000
## relajacion =~
## RRE02 1.000
## RRE03 1.111 0.064 17.245 0.000
## RRE04 1.025 0.057 17.974 0.000
## RRE05 1.054 0.055 19.046 0.000
## RRE06 1.237 0.073 16.904 0.000
## RRE07 1.105 0.071 15.618 0.000
## dominio =~
## RMA02 1.000
## RMA03 1.155 0.095 12.223 0.000
## RMA04 1.176 0.088 13.412 0.000
## RMA05 1.140 0.086 13.220 0.000
## RMA07 1.091 0.083 13.067 0.000
## RMA08 1.103 0.084 13.087 0.000
## RMA09 1.020 0.083 12.287 0.000
## RMA10 1.049 0.087 12.097 0.000
## control =~
## RCO02 1.000
## RCO03 0.944 0.051 18.648 0.000
## RCO05 0.820 0.044 18.683 0.000
## RCO06 0.840 0.046 18.083 0.000
## RCO07 0.842 0.047 18.010 0.000
## recuperacion =~
## desapego 1.000
## relajacion 1.145 0.132 8.696 0.000
## dominio 0.843 0.129 6.525 0.000
## control 1.356 0.159 8.549 0.000
##
## Variances:
## Estimate Std.Err z-value P(>|z|)
## .RPD01 1.134 0.117 9.697 0.000
## .RPD02 0.956 0.105 9.070 0.000
## .RPD03 1.381 0.143 9.629 0.000
## .RPD05 0.932 0.107 8.749 0.000
## .RPD07 1.162 0.125 9.304 0.000
## .RPD08 1.629 0.166 9.815 0.000
## .RPD09 1.053 0.117 8.980 0.000
## .RPD10 1.061 0.119 8.926 0.000
## .RRE02 0.612 0.067 9.179 0.000
## .RRE03 0.666 0.074 8.988 0.000
## .RRE04 0.467 0.054 8.651 0.000
## .RRE05 0.361 0.045 7.940 0.000
## .RRE06 0.898 0.098 9.119 0.000
## .RRE07 0.974 0.102 9.502 0.000
## .RMA02 1.720 0.174 9.901 0.000
## .RMA03 1.456 0.153 9.519 0.000
## .RMA04 0.839 0.097 8.681 0.000
## .RMA05 0.879 0.099 8.876 0.000
## .RMA07 0.874 0.097 9.009 0.000
## .RMA08 0.884 0.098 8.993 0.000
## .RMA09 1.105 0.116 9.490 0.000
## .RMA10 1.265 0.132 9.573 0.000
## .RCO02 0.999 0.109 9.187 0.000
## .RCO03 0.517 0.063 8.171 0.000
## .RCO05 0.385 0.047 8.145 0.000
## .RCO06 0.482 0.056 8.540 0.000
## .RCO07 0.495 0.058 8.582 0.000
## .desapego 0.985 0.157 6.286 0.000
## .relajacion 0.360 0.092 3.917 0.000
## .dominio 1.309 0.218 5.994 0.000
## .control 0.850 0.159 5.341 0.000
## recuperacion 0.974 0.203 4.795 0.000lavaanPlot(fit22, coef=TRUE, cov= TRUE)Parte 2. Energia recuperada
Diccionario
Energía EN01 - Siento que pude cargarme de energía. (eliminated)
EN02 - Considero que me siento completamente recuperado
EN03 - Siento con la energía suficiente para un nuevo día
EN04 - Me siento renovado/a
EN05 - Logré recuperar mi energía
EN06 - Pude descansar lo suficiente para re-energetizarme
EN07 - Me siento como nuevo/a
EN08 - Recuperé mis niveles de energía para trabajar
EN09 - Me siento reconstituido después de alejarme del trabajo(eliminated)
EN10 - Cada día es una nueva oportunidad para empezar (eliminated)
Estructura del modelo
modeloen <- ' # Regresiones
# Variables latentes
energia =~ EN01 + EN02 + EN04 + EN05 + EN06 + EN07 + EN08
# Varianzas y covarianzas
# Intercepto '
modeloen## [1] " # Regresiones \n # Variables latentes\n energia =~ EN01 + EN02 + EN04 + EN05 + EN06 + EN07 + EN08 \n # Varianzas y covarianzas\n # Intercepto "Generar el Análisis Factorial Confirmatorio (CFA)
Test statistic entre mas alto mejor
fit3 <- cfa(modeloen, semm)
summary(fit3)## lavaan 0.6.17 ended normally after 32 iterations
##
## Estimator ML
## Optimization method NLMINB
## Number of model parameters 14
##
## Number of observations 223
##
## Model Test User Model:
##
## Test statistic 47.222
## Degrees of freedom 14
## P-value (Chi-square) 0.000
##
## Parameter Estimates:
##
## Standard errors Standard
## Information Expected
## Information saturated (h1) model Structured
##
## Latent Variables:
## Estimate Std.Err z-value P(>|z|)
## energia =~
## EN01 1.000
## EN02 1.029 0.044 23.192 0.000
## EN04 0.999 0.044 22.583 0.000
## EN05 0.999 0.042 23.649 0.000
## EN06 0.986 0.042 23.722 0.000
## EN07 1.049 0.046 22.856 0.000
## EN08 1.036 0.043 24.173 0.000
##
## Variances:
## Estimate Std.Err z-value P(>|z|)
## .EN01 0.711 0.074 9.651 0.000
## .EN02 0.444 0.049 9.012 0.000
## .EN04 0.481 0.052 9.214 0.000
## .EN05 0.375 0.042 8.830 0.000
## .EN06 0.359 0.041 8.798 0.000
## .EN07 0.499 0.055 9.129 0.000
## .EN08 0.353 0.041 8.580 0.000
## energia 2.801 0.327 8.565 0.000lavaanPlot(fit3, coef=TRUE, cov= TRUE)Despues de evaluar los valores estimados, los errores estandar y el p-value, determinamos innecesario depurar el modelo.
Parte 3. Engagement Laboral
Diccionario
Vigor
EVI01 - En mi trabajo me siento lleno de energía
EVI02 - Soy fuerte y vigoroso en mi trabajo
EVI03 - Cuando me levanto por las mañanas tengo ganas de ir a trabajar Dedicación
EDE01 - Estoy entusiasmado con mi trabajo
EDE02 - Mi trabajo me inspira
EDE03 - Estoy orgulloso del trabajo que hago Absorción
EAB01 - Soy feliz cuando estoy absorto en mi trabajo
EAB02 - Estoy inmerso en mi trabajo
EAB03 - Me “dejo llevar” por mi trabajo
modelo3 <- ' # Regresiones
# Variables latentes 1
desapego =~ RPD01 + RPD02 + RPD03 + RPD05 + RPD06 + RPD07 + RPD08 + RPD09 + RPD10
relajacion =~ RRE02 + RRE03 + RRE04 + RRE05 + RRE06 + RRE07 + RRE10
dominio =~ RMA02 + RMA03 + RMA04 + RMA05 + RMA06 + RMA07 + RMA08 + RMA09 + RMA10
control =~ RCO02 + RCO03 + RCO04 + RCO05 + RCO06 + RCO07
recuperacion =~ desapego + relajacion + dominio + control
# Variables latentes 2
energia =~ EN01 + EN02 + EN04 + EN05 + EN06 + EN07 + EN08
# Variables latentes 3
vigor =~ EVI01 + EVI01 + EVI03
dedicacion =~ EDE01 + EDE02 + EDE03
absorcion =~ EAB01 + EAB02
engagement =~ vigor + dedicacion + absorcion
# Varianzas y covarianzas
engagement ~~ energia + recuperacion
# Intercepto '
modelo3## [1] " # Regresiones \n # Variables latentes 1\n desapego =~ RPD01 + RPD02 + RPD03 + RPD05 + RPD06 + RPD07 + RPD08 + RPD09 + RPD10\n relajacion =~ RRE02 + RRE03 + RRE04 + RRE05 + RRE06 + RRE07 + RRE10\n dominio =~ RMA02 + RMA03 + RMA04 + RMA05 + RMA06 + RMA07 + RMA08 + RMA09 + RMA10\n control =~ RCO02 + RCO03 + RCO04 + RCO05 + RCO06 + RCO07\n recuperacion =~ desapego + relajacion + dominio + control\n \n # Variables latentes 2\n energia =~ EN01 + EN02 + EN04 + EN05 + EN06 + EN07 + EN08 \n \n # Variables latentes 3\n vigor =~ EVI01 + EVI01 + EVI03\n dedicacion =~ EDE01 + EDE02 + EDE03\n absorcion =~ EAB01 + EAB02\n engagement =~ vigor + dedicacion + absorcion\n \n # Varianzas y covarianzas\n engagement ~~ energia + recuperacion\n # Intercepto "Generar el Análisis Factorial Confirmatorio (CFA)
fit34 <- sem(modelo3, semm)
summary(fit34)## lavaan 0.6.17 ended normally after 70 iterations
##
## Estimator ML
## Optimization method NLMINB
## Number of model parameters 100
##
## Number of observations 223
##
## Model Test User Model:
##
## Test statistic 2261.034
## Degrees of freedom 935
## P-value (Chi-square) 0.000
##
## Parameter Estimates:
##
## Standard errors Standard
## Information Expected
## Information saturated (h1) model Structured
##
## Latent Variables:
## Estimate Std.Err z-value P(>|z|)
## desapego =~
## RPD01 1.000
## RPD02 1.209 0.081 14.867 0.000
## RPD03 1.144 0.085 13.420 0.000
## RPD05 1.313 0.086 15.318 0.000
## RPD06 1.082 0.089 12.214 0.000
## RPD07 1.229 0.085 14.488 0.000
## RPD08 1.156 0.086 13.375 0.000
## RPD09 1.315 0.087 15.164 0.000
## RPD10 1.343 0.088 15.248 0.000
## relajacion =~
## RRE02 1.000
## RRE03 1.120 0.065 17.297 0.000
## RRE04 1.021 0.058 17.625 0.000
## RRE05 1.051 0.056 18.687 0.000
## RRE06 1.246 0.074 16.924 0.000
## RRE07 1.121 0.071 15.838 0.000
## RRE10 0.814 0.067 12.134 0.000
## dominio =~
## RMA02 1.000
## RMA03 1.152 0.096 12.041 0.000
## RMA04 1.178 0.089 13.266 0.000
## RMA05 1.141 0.087 13.058 0.000
## RMA06 0.648 0.075 8.625 0.000
## RMA07 1.104 0.085 13.063 0.000
## RMA08 1.110 0.085 13.001 0.000
## RMA09 1.030 0.084 12.257 0.000
## RMA10 1.056 0.088 12.047 0.000
## control =~
## RCO02 1.000
## RCO03 0.945 0.049 19.174 0.000
## RCO04 0.794 0.044 18.100 0.000
## RCO05 0.814 0.043 18.926 0.000
## RCO06 0.837 0.045 18.409 0.000
## RCO07 0.836 0.046 18.208 0.000
## recuperacion =~
## desapego 1.000
## relajacion 1.070 0.121 8.836 0.000
## dominio 0.901 0.129 6.961 0.000
## control 1.424 0.157 9.061 0.000
## energia =~
## EN01 1.000
## EN02 1.027 0.044 23.410 0.000
## EN04 0.998 0.044 22.874 0.000
## EN05 0.996 0.042 23.838 0.000
## EN06 0.982 0.041 23.853 0.000
## EN07 1.045 0.045 22.968 0.000
## EN08 1.033 0.042 24.397 0.000
## vigor =~
## EVI01 1.000
## EVI03 1.204 0.061 19.725 0.000
## dedicacion =~
## EDE01 1.000
## EDE02 0.891 0.033 27.176 0.000
## EDE03 0.550 0.037 15.054 0.000
## absorcion =~
## EAB01 1.000
## EAB02 0.648 0.053 12.224 0.000
## engagement =~
## vigor 1.000
## dedicacion 1.268 0.064 19.902 0.000
## absorcion 0.998 0.061 16.342 0.000
##
## Covariances:
## Estimate Std.Err z-value P(>|z|)
## energia ~~
## engagement 1.549 0.217 7.151 0.000
## recuperacion ~~
## engagement 0.855 0.147 5.813 0.000
## energia 1.365 0.197 6.932 0.000
##
## Variances:
## Estimate Std.Err z-value P(>|z|)
## .RPD01 1.168 0.119 9.781 0.000
## .RPD02 0.982 0.107 9.201 0.000
## .RPD03 1.434 0.147 9.729 0.000
## .RPD05 0.972 0.109 8.938 0.000
## .RPD06 1.837 0.184 9.980 0.000
## .RPD07 1.165 0.124 9.377 0.000
## .RPD08 1.486 0.153 9.741 0.000
## .RPD09 1.037 0.115 9.036 0.000
## .RPD10 1.046 0.116 8.984 0.000
## .RRE02 0.623 0.067 9.252 0.000
## .RRE03 0.647 0.072 8.975 0.000
## .RRE04 0.492 0.056 8.829 0.000
## .RRE05 0.384 0.047 8.203 0.000
## .RRE06 0.880 0.097 9.122 0.000
## .RRE07 0.930 0.098 9.460 0.000
## .RRE10 1.136 0.113 10.087 0.000
## .RMA02 1.741 0.175 9.935 0.000
## .RMA03 1.499 0.156 9.594 0.000
## .RMA04 0.857 0.098 8.785 0.000
## .RMA05 0.903 0.101 8.983 0.000
## .RMA06 1.626 0.158 10.280 0.000
## .RMA07 0.843 0.094 8.979 0.000
## .RMA08 0.882 0.098 9.031 0.000
## .RMA09 1.090 0.115 9.498 0.000
## .RMA10 1.257 0.131 9.592 0.000
## .RCO02 0.977 0.104 9.390 0.000
## .RCO03 0.493 0.058 8.475 0.000
## .RCO04 0.468 0.052 9.017 0.000
## .RCO05 0.393 0.046 8.621 0.000
## .RCO06 0.479 0.054 8.883 0.000
## .RCO07 0.505 0.056 8.972 0.000
## .EN01 0.696 0.072 9.659 0.000
## .EN02 0.444 0.049 9.065 0.000
## .EN04 0.472 0.051 9.235 0.000
## .EN05 0.377 0.042 8.906 0.000
## .EN06 0.366 0.041 8.900 0.000
## .EN07 0.507 0.055 9.207 0.000
## .EN08 0.353 0.041 8.658 0.000
## .EVI01 0.727 0.087 8.338 0.000
## .EVI03 0.677 0.101 6.727 0.000
## .EDE01 0.283 0.056 5.102 0.000
## .EDE02 0.547 0.066 8.324 0.000
## .EDE03 0.921 0.091 10.090 0.000
## .EAB01 0.343 0.130 2.629 0.009
## .EAB02 1.164 0.122 9.517 0.000
## .desapego 0.953 0.149 6.397 0.000
## .relajacion 0.515 0.085 6.027 0.000
## .dominio 1.190 0.200 5.955 0.000
## .control 0.693 0.125 5.534 0.000
## recuperacion 0.971 0.199 4.891 0.000
## energia 2.816 0.327 8.605 0.000
## .vigor 0.114 0.065 1.760 0.078
## .dedicacion 0.041 0.076 0.539 0.590
## .absorcion 0.543 0.141 3.843 0.000
## engagement 2.195 0.281 7.803 0.000lavaanPlot(fit34, coef=TRUE, cov= TRUE)