#install.packages('lavaanPlot', dependencies = TRUE)
#install.packages("lavaan", dependencies=TRUE)
library(lavaan)
## This is lavaan 0.6-17
## lavaan is FREE software! Please report any bugs.
library(lavaanPlot)
library(readxl)
df= read_xlsx("D:/Datos_SEM_Eng.xlsx")
head(df,5)
## # A tibble: 5 × 51
##      ID   GEN EXPER  EDAD RPD01 RPD02 RPD03 RPD05 RPD06 RPD07 RPD08 RPD09 RPD10
##   <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1     1     1    22    45     5     1     3     2     3     1     3     2     4
## 2     2     1    22    44     4     4     6     5     3     2     3     4     4
## 3     3     1    30    52     7     7     7     7     7     6     7     7     7
## 4     4     1    17    41     5     5     1     1     3     5     3     2     2
## 5     5     1    23    51     7     6     7     6     7     6     7     6     6
## # ℹ 38 more variables: RRE02 <dbl>, RRE03 <dbl>, RRE04 <dbl>, RRE05 <dbl>,
## #   RRE06 <dbl>, RRE07 <dbl>, RRE10 <dbl>, RMA02 <dbl>, RMA03 <dbl>,
## #   RMA04 <dbl>, RMA05 <dbl>, RMA06 <dbl>, RMA07 <dbl>, RMA08 <dbl>,
## #   RMA09 <dbl>, RMA10 <dbl>, RCO02 <dbl>, RCO03 <dbl>, RCO04 <dbl>,
## #   RCO05 <dbl>, RCO06 <dbl>, RCO07 <dbl>, EN01 <dbl>, EN02 <dbl>, EN04 <dbl>,
## #   EN05 <dbl>, EN06 <dbl>, EN07 <dbl>, EN08 <dbl>, EVI01 <dbl>, EVI02 <dbl>,
## #   EVI03 <dbl>, EDE01 <dbl>, EDE02 <dbl>, EDE03 <dbl>, EAB01 <dbl>, …

Introducción

Explica brevemente qué es el modelo de ecuaciones estructurales.

Los modelos de ecuaciones entructurales tienen como principal objetivo explicar la relación entre variables que no puedes ser observables, conocidas como latentes,a través de otras variables que sí son observables y medibles.

Contexto general

Esta actividad se enfoca en analizar las experiencias de recuperación y el bienestar de los colaboradores a través del uso de ecuaciones estructurales.

Las variables latentes con las que se cuenta son:

  • Desapego Psicológico: La sensación de estar libre tanto física como mentalmente del trabajo, evitando actividades laborales como revisar correos electrónicos o contestar llamadas.

  • Experiencias de Relajación: Actividades que reducen la actividad del sistema nervioso autónomo, fomentando emociones positivas, como la meditación o caminar.

  • Experiencias de Dominio: Actividades desafiantes que permiten aprender cosas nuevas, como aprender un idioma o un instrumento musical.

  • Control sobre el Tiempo Libre: La percepción de tener el control sobre cómo y cuándo realizar actividades en el tiempo libre, permitiendo una sensación de propiedad y autonomía.

Modelo y analisis

Recuperación

Con este modelo se busca crear un análisis factorial confirmatorio de segundo orden del constructo de experiencias de recuperación, revisar los índices de ajuste del modelo, repurar el modelo para mejorar el ajuste.

Para la realización del modelo SEM se cuenta con una base de datos que contiene un subconjunto de datos medibles que ayudarán a comprobar su relevancia y relación con las variables latentes. De esta forma sabremos cuales son aquellos factores más relacionados con la latente de relajación.

Incluimos las características del modelo

Definicion del modelo

En este primer chunk definimos las variables latentes: relajación, maestria, control, recuperación. Y las variables medibles que se encuentran dentro de la base de datos, así como el tipo de relación, la cual es causal directa.

modelo_1 <- 'desapego =~ RPD01 + RPD02 + RPD03 + RPD05 + RPD06 + RPD07 + RPD08 + RPD09 + RPD10
relajacion =~ RRE02 + RRE03 + RRE04 + RRE05 + RRE06 + RRE07 + RRE10
maestria =~ RMA02 + RMA03 + RMA04 + RMA05 + RMA06 + RMA06 + RMA07 + RMA08 + RMA09 + RMA10
control =~ RCO02 + RCO03 + RCO04 + RCO05 + RCO06+ RCO07
recuperacion =~ desapego +  relajacion + maestria+control
'

En este segundo chunk, se constuye el modelo y se convierte en un data frame.

fit_1 <- cfa(modelo_1, data = df)

Visualización

Este tercer chunk gráfica el modelo para así poder observar mejor las relaciones y distinguir las Varibales latentes y las variables medibles, cabe resaltar que el parámetro “LR” muestra el diagrama de forma vertical

lavaanPlot(model = fit_1, 
           node_options = list(shape = "box", fontname = "Helvetica"), 
           graph_options = list(rankdir = "LR"), 
           edge_options = list(color = "grey"), 
           coefs = FALSE)

Este cuarto chunk gráfica el modelo para así poder observar mejor las relaciones y distinguir las Varibales latentes y las variables medibles, cabe resaltar que el parámetro “BT” muestra el diagrama de forma horizontal

lavaanPlot(model = fit_1,
           node_options = list(shape = "box", fontname = "Helvetica"),
           graph_options = list(randkir = "BT"),
           edge_options = list(color = 'grey'),
           coefs = FALSE)

Este chunk nos sirve para poder obtener las medidas estadísticas del modelo

summary(fit_1)
## 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
##   maestria =~                                         
##     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
##     maestria          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
##    .maestria          1.260    0.212    5.942    0.000
##    .control           0.900    0.159    5.666    0.000
##     recuperacion      0.978    0.202    4.833    0.000

Análisis

Dentro de los resultados, se pueden observar diferentes métricas, en donde se puede analizar que la prueba del modelo mostró un estadístico de prueba de 1221.404 con 430 grados de libertad y un valor p asociado de 0.000, lo que indica un buen ajuste del modelo a los datos, ya que se encuentra debajo de un nivel de significancia de 0.05.

De igual forma se muestran las varianzas de las variables latentes, así como los errores de medición de los indicadores observados. Estas varianzas proporcionan información sobre la variabilidad total en cada variable latente, incluyendo tanto la variabilidad explicada por los indicadores observados como la variabilidad no explicada.

Conclusión

En conclusión el análisis indica que el modelo ajustado muestra una buena concordancia con los datos observados, y se proporcionan estimaciones detalladas de las relaciones entre las variables latentes y sus indicadores, lo cual se puede interpretar como que las variables medibles sí se encuentras relacionadas con las latentes.