Mplus | La función de Analysis: y Model:

 La parte más importante de Mplus es la relativa a los análisis estadísticos que este puede hacer. Esto se consigue gracias a los comandos Analysis: y Model:  Por supuesto, antes de invocar esta sección previamente debemos indicar la base de datos (Data:) y el nombre de las variables (Variable:).

Principalmente, en análisis más complejos (y por lo que se usa este programa), se empleará la función de Model: Este comando se usará para especificar el tipo de modelo que deseamos analizar a través de los operadores ON, BY y WITH (mejor en mayúscula para que se distinga el comando en el fichero de entrada). Para ello, la estructura que se deberá poner en este comando será:

Variable objeto de estudio OPERADOR Variable(s) objeto de análisis

Por supuesto, los nombres de las variables que pongan deberán corresponder con los nombres que se hayan puesto en la sección Variable:.

Veamos cada uno de los operadores básicos:

• ON - Regresión. Se especifica una ecuación de regresión con variable(s) predictora(s) (que se colocarán en la parte derecha del operador) que predicen otra variable (que se coloca a la izquierda del operador). 

Por ejemplo: tenemos tres variables predictoras X1, X2 y X3 que predicen la variable Y.

Model: Y ON X1 X2 X3 

 

• BY - Medida. Se define una variable latente (no observable) definida por una o varias variables (llamadas indicadores).

Por ejemplo: tenemos una variable latente Z que viene determinada por tres variables observables que son N1, N2 y N3.

Model: Z BY N1 N2 N3

 

• WITH - Covarianza o correlación. Se estima una correlación entre una(s) variable(s) y otra(s).

Por ejemplo: queremos ver la correlación entre la variable M1 y M2.

Model: M1 WITH M2

Seguir aprendiendo

Haz clic en el siguiente botón para aprender a realizar el primer análisis en Mplus:

 Jacob Sierra Díaz y Alti

Mplus | El comando usevariable

Bien es sabido que la forma que tiene Mplus de acceder e interpretar bases de datos es bastante arcaico o, por lo menos, no tan fluido o potente como programas otros programas estadísticos. Precisamente, cuando se trabaja con Mplus una de las primeras recomendaciones que se dice es la de preparar la base de datos con las variables necesarias para el análisis puesto que para cada fichero de entrada que se le solicite a Mplus debe tener el nombre de cada variable en su apartado de sintaxis correspondiente. 

Entonces, ¿eso significa que si debo hacer varios análisis con distintas variables es necesario crear tantas bases de datos como análisis quiera hacer? Es decir, si por ejemplo, quiero realizar un análisis factorial confirmatorio quitando varios items, ¿debo preparar varias bases de datos sin esos items o variables? La respuesta corta a esta pregunta es que no; no es necesario.

Sección de Variable:

Ya es conocido que la sintaxis básica de Mplus debe tener un apartado o sección que tenga por nombre variable: Sin esta sección en la sintaxis el programa dará error. Por supuesto, dentro de este nombre deberemos indicar la designación de cada una de las variables por orden. Esto significa que el primer nombre que introduzcamos corresponderá con la primera columna de datos o primera variable y así sucesivamente. Así, si por ejemplo, la base de datos tiene 10 variables (10 columnas de información) deberemos usar 10 etiquetas (de menos de ocho caracteres) para designar el nombre de las 10 variables. Si estas variables son un cuestionario deberemos poner:

Variable:   

    Names are Item1 Item2 Item3 Item4 Item5

     Item6 Item7 Item8 Item9 Item10;

Por cierto, para este tipo de casos, hay una forma más sencilla de poner el nombre a cada una de las variables, sobre todo cuando se trata del nombre de la variable y un número. Con el nombre de ítem inicial más un número, un guión y el nombre del item final más el número, el programa reconocerá que entre medias, los nombres de las variables tendrán esa misma estructura. Siguiendo con el ejemplo anterior:

Variable:

    Names are Item1 - Item30

Ahora viene la parte más importante. A continuación del nombre de las variables debemos poner una lista con las variables que vamos a usar en el análisis que introduciremos en otras secciones del fichero de entrada. Siguiendo con el ejemplo anterior, imaginemos que solo queremos usar en nuestro análisis los items 3, 5, 6, 7 y 10. Lo dicho, no es necesario crear una nueva base de datos con esos items. En su lugar usaremos el comando usevariable are. De esta forma, le estamos pidiendo al programa que tenga únicamente en cuenta una parte de toda la base de datos. Por supuesto, los nombres de la variables después de este comando deben coincidir con el nombre de las variables que se ha introducido anteriormente. Siguiendo con el ejemplo anterior, para solo usar los items 3, 5, 6, 7 y 10, deberemos expresarlo de la siguiente manera:

Variable:   

    Names are Item1 Item2 Item3 Item4 Item5

     Item6 Item7 Item8 Item9 Item10;

    Usevariable are Item3 Item5 Item6 Item7

    Item10;

Recordemos que el nombre de las variables no pueden ir separado por comas (emplear solo espacios) y que al final de cada comando se deberá poner un punto y coma (;).

Seguir aprendiendo

Haz clic en el siguiente botón para seguir aprendiendo la interfaz de Mplus:

Jacob Sierra Díaz y Alti

Mplus | Fichero de entrada

Mplus funciona con lo que se denomina input file (archivo o fichero de entrada). Se trata del conjunto de instrucciones en el que se expresa lo que el programa debe hacer. Es muy importante elaborar correctamente esta sintaxis ya que sino Mplus dará un error y no podrá ejecutar ningún análisis estadístico.

El input file básico tiene las siguientes partes, que deberán expresarse en inglés:

TITLE:

Título y descripción del análisis de este archivo de entrada

DATA:

Especificación del lugar donde está la base de datos (se requiere la dirección exacta);

VARIABLE:

Nombre de las variables de la base de datos, nombre de las que se van a usar en el análisis, codificación de los valores perdidos y tipo de variables;

MODEL:

Describe la relación que guardan las variables que se van a usar en el análisis. Se recomienda usar un modelo por archivo;

ANALYSIS:

Tipo de análisis que se va a llevar a cabo;

OUTPUT:

Especifica la salida de información que se va a mostrar;

Únicamente DATA y VARIABLE serán los elementos obligatorios de cualquier input file. En caso de que no estén, Mplus dará error. Esto tiene su lógica, puesto que el primer elemento especifica el lugar de la base de datos y el segundo expone la configuración de la misma. En algunos manuales o recursos de internet podrás ver que estos elementos se pueden expresar tanto en mayúscula como en minúscula. Lo cierto es que es independiente el tipo de letra que se use; es decir, no es sensible a las mayúsculas.

El esquema de input file que se ha expresado arriba debe también tener en cuenta algunas consideraciones propias del software:

• Todas las sentencias deben acabar con punto y coma (;)

• Se pueden poner comentarios personales que Mplus no leerá. Para ello, deberemos poner el signo de exclamación (!) delante del comentario que queramos poner. Si el comentario ocupa más de dos líneas, deberemos poner el símbolo de exclamación al principio de cada línea. De esta forma, Mplus ignorará lo que hay ahí. En Mplus7 los comentarios se ponen de color verde.

• Se puede poner las instrucciones de cada elemento en distintas líneas y con márgenes que en la misma línea.

• Con respecto al nombre de variables, estas deberán ir separadas por un espacio y nunca por una coma (p. ej. Var1 Var2 Var3; y no Var1, Var2, Var3;)

• Las instrucciones pueden ir en mayúscula o en minúscula.

• Los títulos de los elementos (p. ej. Title, Data, Analysis...) se convierten en azul en la versión Mplus7.

Teniendo en cuenta todo lo anterior, a continuación se muestran varios ejemplos básicos de input file.

Finalmente, cabe destacar que cualquier archivo que se genere en Mplus será guardado en el ordenador como extensión .inp (input) o .out (output). El archivo que merece la pena conservar será el segundo (.out) puesto que es el que contiene los resultados del análisis solicitado.

Seguir aprendiendo

Haz clic en el siguiente botón para seguir aprendiendo la interfaz de Mplus:

Jacob Sierra Díaz y Alti

Mplus | El error 

Anteriormente hemos visto cómo poder hacer una importación correcta en Mplus a partir de SPSS. En esos pasos vimos que en SPSS debíamos guardar el archivo en formato .dat (preferiblemente Delimitado por tabuladores) y usar la opción de codificación local, tal y como se muestra en la siguiente imagen:

Si este paso no se hace correctamente o si se decide exportarlo en otro formato esto puede ocasionar que Mplus no lea correctamente el archivo. Esto es debido a que hay un error de diseño (bug) que hace que al exportar una base de datos en SPSS incluya al principio unos caracteres extraños que impide su lectura correcta. Esto es lo que se denomina el error :

Para solventar este error no es necesario volver a exportar el archivo de SPSS. Simplemente bastará con abrir la base de datos en MPlus, eliminar los primeros tres caracteres, guardar los cambios y proceder a volver a cargar la sintaxis con la que se quiera analizar los datos.

Seguir aprendiendo

Haz clic en el siguiente botón para seguir aprendiendo sobre el manejo de Mplus:

Jacob Sierra Díaz y Alti

Mplus | Importar bases de datos a MPlus con SPSS

Mplus es un potente software estadístico que se emplea para realizar análisis de Modelos de Ecuaciones Estructurales. Como pasa con cualquier programa con características similares, necesitaremos que el programa acceda e interprete las bases de datos de nuestras investigaciones. Sin embargo, debido a la posible dificultad que Mplus puede tener a la hora de crear una base de datos, es aconsejable que esta se genere desde otro programa como puede ser SPSS. 

Primeros consejos

Es cierto que los pasos que hay que seguir para que MPlus lea la base de datos son muy sencillos. No obstante, se recomienda tener en cuenta los siguientes consejos previos para evitar que se produzcan errores de importación.

• Ten una copia de la base de datos original con todas las variables y genera otra base de datos (en SPSS) solo con las variables que vayas a usar en Mplus. Esto puede facilitarte mucho el análisis posterior.

• Cuando nombres las variables, usa una extensión inferior a 8 caracteres puesto que Mplus no lee más de ahí. Por ejemplo, el nombre "Variable1" no sería posible porque ocupa 9 caracteres.

• Antes de exportar la base de datos a Mplus se recomienda hacer un análisis descriptivo básico de correlaciones y covarianzas en SPSS. Después, en Mplus solicitaremos ese mismo análisis y compararemos que los resultados sean idénticos. Esta es la prueba definitiva que los datos se han exportado correctamente.

Además, debemos mencionar que Mplus solo "se lleva bien con" las variables numéricas. Si por ejemplo, tenemos una variable dicotómica (p. ej. hombre o mujer) deberemos codificarla previamente (p. ej. 1 o 2, respectivamente). 

Por último, hay que tener en cuenta que en SPSS los valores perdidos se representan con un punto (.). Sin embargo, esto no es así en Mplus. Antes de importar la base de datos, se recomienda recodificar los valores perdidos (.) por "valores particulares" que nunca se usarán en los datos: es muy habitual poner los valores perdidos como -99 o -999. Después, en Mplus, le diremos que esos valores (p. ej. -99) son los perdidos y que por lo tanto los considere como tal.

Exportar base de datos desde SPSS

Una vez hemos tenido en cuenta los primeros consejos, vamos a proceder a exportar la base de datos en SPSS. Aconsejablemente se recomienda exportar la base de datos en formato Delimitado por tabuladores (*.dat). 

Para ello, hacemos clic en Archivo > Guardar como.

Tal y como se acaba de decir y se ve en la siguiente imagen, deberemos buscar el formato Delimitado por tabuladores (*.dat) en la opción Guardar como tipo:. A continuación en Codificación buscaremos Codificación local. Esto es un paso muy importante puesto que evitará que se produzca un error común de exportación que se abordará en otro momento. Por último, desmarcaremos la casilla Escribir nombres de variables en archivo.

Importar base de datos a SPSS

Con el paso anterior, tenemos un archivo en formato .dat en algún lugar del ordenador. Deberemos saber el directorio en el que está ubicado para decirle a MPlus qué archivo debe leer. Para ello, podemos hacer clic en las propiedades del archivo (con el botón derecho del ratón) y copiar la ubicación del archivo (que normalmente comenzará con C:\ o con D:\).

• ¡Atención! Esta dirección hay que modificarla. En concreto deberemos cambiar la orientación de las barras (de "\" a "/"; en un teclado Windows esto se hace con SHIFT + 7) y al final de la ubicación poner el nombre del archivo que hemos usado para guardarlo (acompañado de la extensión .dat).

A continuación, abriremos Mplus y escribiremos (o copiaremos y pegaremos) las instrucciones que le dirán al programa dónde acceder para leer el archivo, el nombre de las variables y el tipo de análisis que deberá hacer. Esto es lo que se muestra en la siguiente ilustración.

• El Title (título) es opcional. Servirá para saber lo que estamos haciendo.

• En Data (Datos) deberemos colocar la ubicación que hemos modificado del paso anterior (y que debe contener el nombre del archivo y su extensión). Es posible que esta dirección, que va entre comillas, sea distinta en tu ordenador. La dirección debe ir detrás de File is. Después, escribiremos el código listwise = on;

• En Variable (Variables) deberemos indicar el nombre de las variables. En este ejemplo, nuestras variables se llamaban Var01, Var02, Var03 y Var04. Detrás de la sentencia Names are escribiremos estos nombres separados simplemente con un espacio (no usar comas). A continuación, le informaremos al programa que nuestros valores perdidos están codificados con el -99. Para ello, escribiremos Missing is All (-99). Nótese que All hace referencia a todas las variables.

• Finalmente, en Analysis (Análisis) le pediremos un análisis básico para verificar (con los resultados que obtengamos de SPSS) que todo de ha realizado correctamente. Para ello escribiremos Type = basic;

Una vez puesta toda la sintaxis, pulsaremos sobre RUN. El programa nos dirá que deberemos guardar el archivo para continuar. Seleccionaremos una ubicación para el nuevo documento de resultados y, a continuación, se mostrarán los resultados de la estadística básica. Simplemente habrá que comparar que estos resultados coinciden con los resultados que podemos pedirle a SPSS a través de la opción Análisis de fiabilidad.... 

Información adicional

Para esta entrada se ha usado SPSS versión 27 y Mplus versión 7. A continuación se muestra la sintaxis que hemos usado en MPlus. Simplemente hay que cambiar la dirección del archivo y el nombre de las variables. Se recomienda verificar que el copiado y pegado se haya realizado correctamente y que no haya habido algún cambio de caracteres.

Title:

    Ejemplo de importación desde SPSS

Data:

    File is "ubicación del archivo";

    Listwise = on;

Variable:

    Names are Var01 Var02 Var03 Var04;

    Missing is All (-99);

Analysis:

    Type = basic;

Puedes poner en práctica lo aprendido aquí pulsando en el siguiente botón para descargarte la base de datos del ejemplo en SPSS (en formato .sav). La contraseña del archivo es Stadistica.

Seguir aprendiendo

Haz clic en el siguiente botón para seguir aprendiendo sobre el manejo de Mplus:

Jacob Sierra Díaz y Alti

Mplus | Instalación de Mplus Demo

Mplus es un software estadístico que permite estudiar modelo de ecuaciones estructurales. Este programa ofrece una gran cantidad de modelos, estimadores y algoritmos que hacen que sea muy popular en las validaciones de cuestionarios o en otros tipos de análisis publicados en revistas de alto índice de impacto de todas las ramas de conocimiento. 

En la fecha en la que se publica esta entrada, la versión más reciente de este programa es Mplus8 (abril de 2017). Es posible instalar gratuitamente (aunque con limitaciones) este programa desde la página oficial de Mplus. Para ello, accederemos a la página oficial a través del siguiente botón:

En la página web, en el menú lateral izquierdo haremos clic sobre Mplus Demo Version, tal y como se indica en la siguiente ilustración:

Únicamente debemos hacer clic en el sistema operativo que tengamos y seguir los pasos del asistente de instalación. 

• Para ordenadores con sistema operativo MacOS deberemos instalar el instalador .pkg. 

• Para ordenadores con sistema operativo Windows será necesario elegir entre la versión de 32-bits o de 64-bit en función del equipo.

Características de la versión demo

Mplus es un programa estadístico profesional de pago. La versión demo está únicamente limitada por el número de variables que se pueden analizar. En esta versión, el número máximo de variables dependientes que se puede calcular son seis; el número de variables independientes son dos; el número de variables continuas latentes en el análisis de series temporales también son dos. 

En efecto, la versión demo es más que suficiente para comenzar a aprender a usar la interfaz de Mplus aunque bien es cierto que seguramente para un uso profesional con muchas variables sea necesario adquirir la versión completa. 

Seguir aprendiendo

Haz clic en el siguiente botón para seguir aprendiendo sobre el manejo de Mplus:

Jacob Sierra Díaz y Alti 

Teoría | Introducción al modelo lineal de Ecuaciones Estructurales

Los modelos lineales de ecuaciones estructurales (linear Structural Equation Models en inglés) se usan para examinar la relación entre las variables continuas y las variables latentes*. En otras palabras, se trata de un modelo en el que se examina la relación estructural entre varias variables independientes con varias variables dependientes simultáneamente. Por tanto, este modelo también se puede entender como un modelo de regresión multivariante. 

Cuando hablamos de modelos lineales tenemos que aprender varios nombres particulares:

• Variables exógenas. Son variables que no están controladas por el investigador y que sus variabilidades no se puede explicar con otras variables del modelo. Por tanto, de estas variables solo se espera una relación unidireccional. 

• Variables endógenas. Son variables que tienen una relación con una o varias variables del modelo. 

• Variables mediadoras. Son variables endógenas que pueden servir como variable independiente o variable dependiente al mismo tiempo y que median en la relación de otras variables. Estas relaciones mediadoras son de gran interés y se estudian en el análisis del camino latente (latent path analysis en inglés). 

Los modelos lineales de ecuaciones estructurales con variables latentes* se subdividen a su vez en dos partes: el modelo de medición (measurement model en inglés) y el modelo estructural (structural model en inglés). Dichas partes se pueden apreciar en la siguiente ilustración que contiene un diagrama muy conocido en los modelos de ecuaciones lineales.

Así pues, en el modelo de medición, el investigador debe especificar el número de variables latentes (factores) que aprecia (p. ej. n1 y n2 en la ilustración anterior) a través de las variables observadas o manifiestas (p. ej. Y1, Y2 ,Y3 e Y4 en la ilustración anterior). Aquí, asumimos que las variables latentes son responsables de las covarianzas entre los distintos indicadores del mismo constructo (es decir, poniendo como ejemplo un cuestionario, serían los ítems que forman parte de una dimensión determinada). En efecto, la variación de una variable latente causa variación en los indicadores, haciendo que se explique la relación entre los distintos indicadores. Tanto las variables latentes como las variables observadas están conectadas por una regresión lineal (de ahí el nombre de lineal del modelo). De esta forma, no es de extrañar que bajo este modelo los indicadores se consideren variables dependientes y las variables latentes sean variables independientes. Dichos coeficientes de regresión (letras alfa en la ilustración anterior) suelen llamarse cargas factoriales. 

Por el contrario, en el modelo estructural [también llamado modelo de variables latentes], las relaciones entre las variables latentes son especificadas a través de métodos como las covarianzas, las regresiones latentes o el análisis del camino. De manera particular este modelo se divide en varios análisis concretos:

• Cuando este modelo solo considera covarianzas entre las variables latentes (relaciones unidireccionales), se está examinando un Análisis Factorial Confirmatorio. 

• Cuando este modelo incluye regresiones entre las variables latentes, se está analizando un Análisis de Regresión Latente.

• Cuando hay varias variables latentes endógenas, se está estudiando un Análisis de Camino Latente.

Ventajas de los modelos lineales

Una de las ventajas más destacable de los modelos modelos lineales de ecuaciones estructurales con variables latentes es que, precisamente, el uso de variables latentes permite a los investigadores tener en cuenta el error de medición dentro del propio análisis. Esto hace que las relaciones entre variables en los modelos estructurales sean mucho mejor estimadas en comparación con un análisis "básico" de correlaciones o regresiones de las variables observadas. 

Además, este tipo de modelos permite a los investigadores examinar las relaciones complejas entre las variables, determinando qué modelo estadístico es el mejor para cada caso. Gesier (2013) menciona que estos modelos lineales son muy útiles para investigaciones longitudinales o transversales con una gran cantidad de variables, así como el análisis estadístico de una gran calidad de fuentes de información, incluyendo la construcción del tipo de diagramas mostrados en la ilustración anterior (denominado path diagram en inglés).

*Una variable latente es aquella que no es observada directamente y que, por tanto, precisa de otras variables que infieran su presencia. 

Fuente bibliográfica

• Geiser, C. (2013). Data analysis with Mplus. Guildford Press.

Jacob Sierra Díaz y Alti