• No se han encontrado resultados

UNIVERSIDAD NACIONAL PEDRO RUIZ GALLO

N/A
N/A
Protected

Academic year: 2021

Share "UNIVERSIDAD NACIONAL PEDRO RUIZ GALLO"

Copied!
100
0
0

Texto completo

(1)

UNIVERSIDAD NACIONAL PEDRO RUIZ GALLO

FACULTAD DE CIENCIAS FISICAS Y MATEMÁTICAS

ESCUELA PROFESIONAL DE ESTADÍSTICA

TESIS

“MODELO DE ECUACIONES ESTRUCTURALES ÓPTIMO PARA LA

EVALUACIÓN DE LA SATISFACCIÓN GLOBAL DE LA POBLACIÓN

DEL CERCADO URBANO ACERCA DE LOS SERVICIOS PÚBLICOS

BÁSICOS OFRECIDOS EN LA CIUDAD DE LAMBAYEQUE.

FEBRERO-ABRIL 2018”.

INVESTIGADOR

:

ELIANANATALÍHOYOSVERA

JÁCOBA IMELDA RAMOS CHUMIOQUE

ASESOR:

DRA. EMMA V. NOBLECILLA MONTEALEGRE.

(2)

UNIVERSIDAD NACIONAL PEDRO RUIZ GALLO

FACULTAD DE CIENCIAS FISICAS Y MATEMÁTICAS

(3)
(4)

DECLARACIÓN JURADA

Yo, Hoyos Vera Eliana Natalí con Ramos Chumioque Jácoba Imelda, y Noblecilla Montealegre Emma Virginia asesora del trabajo de investigación “Modelo de ecuaciones estructurales óptimo para la evaluación de la satisfacción global de la población del cercado urbano acerca de los servicios públicos básicos ofrecidos en la ciudad de Lambayeque. Febrero - Abril 2018”, declaramos bajo juramento que este trabajo no ha sido plagiado, ni contiene datos falsos. En caso se demostrara lo contrario, asumimos responsablemente la anulación de este informe y por ende el proceso administrativo a que hubiera lugar. Que puede conducir a la anulación de título o grado emitido como consecuencia de este informe.

(5)

AGRADECIMIENTO

Este trabajo no hubiese sido posible sin la ayuda y la colaboración de un gran número de personas, que directa e indirectamente han participado para hacer este objetivo realidad.

Agradecer a Dios por habernos acompañado y guiado a lo largo de nuestra carrera, fortaleciéndonos con un camino lleno de aprendizajes y logros.

A nuestros padres por su apoyo constante al brindarnos la oportunidad de tener una excelente formación educativa y por los valores inculcados. Hermanos y familiares por ser parte importante de nuestras vidas.

A la Dra. Emma Noblecilla Montealegre, asesora de esta tesis, por el soporte, sugerencias, tiempo dedicado, e impulso que siempre nos ha transmitido, que ha sido determinante para la finalización de este trabajo de investigación. Así mismo a los estudiantes del noveno ciclo de la carrera profesional de estadística por su amabilidad, disponibilidad y apoyo con la aplicación del cuestionario.

A los jurados y profesor(es), por sus comentarios y sugerencias para lograr los objetivos planteados en la investigación.

Son muchas las personas que han formado parte de nuestra formación profesional a las que nos encantaría agradecer su amistad, consejos, apoyo y ánimo en cada momento. Algunas están aquí y otras en el corazón, a todos muchas gracias.

(6)

ÍNDCE GENERAL

RESUMEN ... 10

INTRODUCCIÓN ... 12

CAPÍTULOI.DISEÑOTEÓRICO ... 18

MODELOS DE ECUACIONES ESTRUCTURALES (SEM)... 18

VARIABLES USADAS EN MODELOS DE ECUACIONES ESTRUCTURALES ... 19

RELACION ENTRE VARIABLES USADAS EN MODELOS DE ECUACIONES ESTRUCTURALES ... 20

SIMBOLOGÍA USADA EN MODELOS DE ECUACIONES ESTRUCTURALES ... 21

PARTES FUNDAMENTALES DE MODELOS DE ECUACIONES ESTRUCTURALES. ... 23

FASES DEL ANÁLISIS DE MODELOS DE ECUACIONES ESTRUCTURALES ... 25

SERVICIOS PÚBLICOS ... 33

TIPOS DE SERVICIO ... 34

SATISFACCIÓN ... 35

CAPÍTULOII.MÉTODOSYMATERIALES. ... 37

CAPÍTULOIII. RESULTADOSYDISCUSIÓN. ... 66

CAPÍTULOIV.CONCLUSIONES. ... 78

CAPÍTULOV.SUGERENCIAS. ... 80

REFERENCIASBIBLIOGRÁFICAS ... 81

BIBLIOGRAFÍA ... 82

APENDICES ... 85

(7)

ÍNDICE DE TABLAS

Tabla 1. ... 37 Tabla 2. ... 49 Tabla 3. ... 57 Tabla 4. ... 58 Tabla 5. ... 59 Tabla 6. ... 63 Tabla 7. ... 64 Tabla 8. ... 71 Tabla 9. ... 72 Tabla 10. ... 73

(8)

ÍNDICE DE FIGURAS

Figura 1. Modelo SEM del Índice mexicano de la satisfacción... 13

Figura 2. Modelo de ecuaciones estructurales. ... 14

Figura 3. Resultado del modelo causal propuesto. Servicio de educación pública. ... 16

Figura 4. Representación de errores de medida y de predicción. ... 20

Figura 5. Representación de flechas unidireccionales y bidireccionales. ... 21

Figura 6. Simbología usada en un modelo de ecuaciones estructurales. ... 22

Figura 7. Representación de un modelo de medida y un modelo estructural. ... 23

Figura 8. Determinación de un modelo identificable según los grados de libertad. ... 27

Figura 9. Resumen de los índices de bondad de ajuste. ... 32

Figura 10. Especificación de los casos atípicos. ... 38

Figura 11. Barómetro Sueco. Relaciones entre factores manifiestos y latentes. ... 39

Figura 12. Modelo ACSI para el sector público. Coeficientes de regresión. ... 40

Figura 13. Relaciones entre las variables del SEM. ... 41

Figura 14. Identificación de las variables latentes del SEM. ... 41

Figura 15. Clasificación de las variables latentes exógenas del SEM. ... 42

Figura 16. Clasificación de las variables latentes endógenas del SEM. ... 42

Figura 17. Modelo de ecuaciones estructurales. ... 43

Figura 18. Partes fundamentales del modelo de ecuaciones estructurales. ... 44

Figura 19. Coeficientes de Relación del modelo de ecuaciones estructurales. ... 45

Figura 20. Modelo de ecuaciones estructurales propuesto con los coeficientes de relación. ... 46

Figura 21. Ecuaciones lambda - X (Λx) - Y (Λy) de los SEM. ... 47

Figura 22. Ecuaciones de relación estructural. ... 47

Figura 23. Modelo de ecuaciones estructurales con valores fijados. ... 48

Figura 24. Coeficientes de regresión en el SEM inicial. ... 50

Figura 25. Número de variables según clasificación del SEM. ... 51

(9)

Figura 27. Distribución normal de los datos. ... 52

Figura 28. Modelo inicial de SEM con estimador de ML. ... 53

Figura 29. Ecuación del modelo de medida de variables exógenas del SEM inicial. ... 55

Figura 30. Ecuación del modelo de medida de variables endógenas del SEM inicial. ... 56

Figura 31. Ecuación del modelo de relaciones estructurales del SEM inicial. ... 56

Figura 32. Modelo de ecuaciones estructurales óptimo. ... 60

Figura 33. Cuadro de Operacionalización de variables. ... 62

Figura 34. Porcentaje de residentes encuestados según género. Abril 2018... 66

Figura 35. Distribución porcentual de los encuestados según edad. Abril 2018. ... 67

Figura 36. Porcentaje de los encuestados según grado de instrucción. Abril 2018. ... 67

Figura 37. Clasificación de los encuestados por edad según género. Abril 2018. ... 68

Figura 38. Genero según el grado de instrucción de los encuestados. Abril 2018. ... 68

Figura 39. Coeficientes de regresión y correlación del SEM óptimo. ... 70

Figura 40. Ecuación del modelo de medida de variables exógenas del SEM óptimo. ... 74

Figura 41. Ecuación del modelo de medida de variables endógenas del SEM óptimo. . 74

Figura 42. Ecuación del modelo de medida de relaciones estructurales del SEM óptimo. ... 75

(10)

pág. 10

RESUMEN

La gestión pública tiene como función brindar servicios a la colectividad con los mejores niveles de eficiencia, teniendo como objetivo satisfacer al ciudadano que lo recibe para elevar sus condiciones de vida. Dado que no se realiza estudios especializados sobre la percepción respecto a los servicios públicos, es difícil para las autoridades definir las problemáticas prioritarias, usando estrategias que no contribuyen a mejorar la satisfacción, ni fomentar el crecimiento y desarrollo en la ciudad. Por ello surge la necesidad de determinar un modelo de ecuaciones estructurales óptimo para evaluar la satisfacción global de la población del cercado urbano acerca de los servicios públicos básicos ofrecidos en la ciudad de Lambayeque.

Así mismo se aplicó un cuestionario a los residentes entre 18 a 70 años, luego se realizó el análisis estadístico de los datos para proceder con la metodología de modelos de ecuaciones estructurales mediante cuatro fases, que inicia con la especificación del modelo, definiendo las variables y relaciones, luego se evalúa la adecuación del modelo, seguido la estimación de los parámetros especificados y finalmente la bondad de ajuste. Para el análisis de los datos se utilizó el software SPSS, AMOS y RStudio.

Como resultado hay una amplia variedad de profesionales incluidos en el estudio, los mismos que muestran insatisfacción en la administración y desconfianza en la gestión actual, por otro lado el servicio con mayor impacto es agua – alcantarillado y alumbrado siendo la relación más significativa. Además una problemática es la infraestructura de los parques y áreas verdes.

(11)

pág. 11

ABSTRACT

The purpose of public management is to provide services to the community with the best levels of efficiency, with the objective of satisfying the citizen who receives it to raise their living conditions. Given that there are no specialized studies on the perception of public services, it is difficult for the authorities to define the priority problems, using strategies that do not contribute to improving satisfaction or promoting growth and development in the city. Therefore, there is a need to determine a model of optimal structural equations to evaluate the overall satisfaction of the population of the urban enclosure about the basic public services offered in the city of Lambayeque.

Likewise, a questionnaire was applied to residents between 18 and 70 years, then the statistical analysis of the data was performed to proceed with the methodology of structural equation modeling through four phases, which starts with the specification of the model, defining the variables and relationships, then the adequacy of the model is evaluated, followed by the estimation of the specified parameters and finally the goodness of fit. The software SPSS, AMOS and RStudio were used to analyze the data.

As a result there is a wide variety of professionals included in the study, the same ones that show dissatisfaction in the administration and mistrust in the current management, on the other hand the service with the greatest impact is water - sewage and lighting being the most significant relationship. In addition, one problem is the infrastructure of parks and green areas.

(12)

pág. 12

INTRODUCCIÓN

La gestión pública comprende un proceso continuo de mejora, donde las acciones respondan a las necesidades y expectativas del ciudadano, esto implica introducir estrategias eficientes y transparentes llevando a cabo acciones de monitoreo y evaluación impulsando el desarrollo y crecimiento. A este proceso están sometidos todas las instituciones públicas conducidas por las entidades u órganos que conforman el estado sin afectar los niveles de autonomía que les confiere la ley.

El presente estudio de investigación hace referencia al ámbito social, donde las autoridades encargadas de la gestión pública deben aplicar un conjunto de acciones mediante las cuales toda entidad tiende al logro de sus fines, objetivos y metas enmarcadas en políticas responsables y sostenibles, además de administrar de manera correcta y eficiente los recursos, sin embargo las instituciones muchas veces no actúan en función a los interés generales de la sociedad y no utilizan los recursos en su totalidad limitándose a cumplir sus funciones sin buscar el logro de la satisfacción y bienestar de la población. Ésta es reconocida por la constitución con derechos que garantizan su libertad, derechos políticos, dignidad y el acceso a servicio básicos.

Cuando la gestión pública no sigue un planeamiento correcto enmarcado con la realidad geográfica y sus recursos naturales termina siendo una herramienta no efectiva con el bienestar colectivo. Ante esta situación surge la necesidad de realizar un estudio y determinar el modelo de ecuaciones estructurales óptimo para la evaluación de la satisfacción global de la población del cercado urbano acerca de los servicios públicos básicos ofrecidos en la ciudad de Lambayeque.

Por ello es importante conocer la satisfacción global y realizar un constante análisis para determinar los servicios más significativos así tomar decisiones para lograr condiciones adecuadas de vida y bienestar que describa de manera simplificada la realidad. Así mismo contribuir con el desarrollo de futuras investigaciones usando la técnica multivariada de modelos de ecuaciones estructurales (Structural Equation Modeling - SEM), Estructuras de Covarianzas (MEC) y también conocido como Análisis de variables latentes.

(13)

pág. 13 Teniendo como referencia a las investigaciones realizadas con anterioridad, las mismas que se enfocan a evaluar la satisfacción haciendo uso de criterios y perspectivas relacionado con el tema, estas son:

Gómez (2011) presenta una tesis de maestría titulada “Estimación de los modelos de ecuaciones estructurales, del índice Mexicano de la satisfacción del usuario de programas sociales mexicanos, con la metodología de mínimos cuadrados parciales”, de la Universidad Iberoamericana de la ciudad de México, concluye que la variable expectativas de los usuarios de programas sociales y la calidad percibida impactan en la satisfacción de manera significativa, siendo esta última con más influencia. Además mediante el modelo de ecuaciones estructurales se establece que la relación de la variable latente quejas de los usuarios y la variable latente confianza hacia los programas sociales no es estadísticamente significativa y que la relación satisfacción – quejas se encuentra en el límite del valor crítico. Esta investigación obtuvo indicadores aceptables pero la autora asegura que de seguir trabajando en la construcción y particularización del modelo se podrán obtener mejores resultados. (Figura 1)

Figura 1. Modelo SEM del Índice mexicano de la satisfacción.

Nota. Recuperado de Tesis “Estimación de los modelos de ecuaciones estructurales, del índice mexicano de

la satisfacción del usuario de programas sociales mexicanos, con la metodología de mínimos cuadrados parciales”, por Gómez María, México, D.F. [2011].

(14)

pág. 14 Por otro lado García (2011) presenta una tesis de maestría en Técnicas estadísticas de la Facultad de Matemática titulada “Análisis causal con ecuaciones estructurales de la satisfacción ciudadana con los servicios municipales”, de la Universidad de Santiago de Compostela, el aporte más destacado es que todos y cada uno de los servicios públicos incluidos en el análisis ejercen efecto significativo en el grado de satisfacción. El modo que ejerce el efecto no es el mismo así como tampoco los servicios en cada ítem. Además se obtiene un modelo de ecuaciones estructurales con el que no sólo las medidas de bondad de ajuste son favorables sino que la valoración de la gestión municipal supone la mayor influencia en la satisfacción. Además se da a notar la influencia indirecta que ejerce el mantenimiento de infraestructuras viarias sobre la satisfacción. (Figura 2)

Figura 2. Modelo de ecuaciones estructurales.

Nota. Recuperado de Tesis “Análisis causal con ecuaciones estructurales de la satisfacción ciudadana con

(15)

pág. 15 La figura 2 muestra el modelo de ecuaciones estructurales con cinco variables latentes. Éstas son xi1 (servicio de limpieza y recogida de residuos), xi2 (servicios sanitarios prestados por el municipio), xi3 (la red de infraestructuras viarias), eta1 (gestión municipal) y eta2 (grado de satisfacción global).

Las variables observadas consideradas en el servicio de limpieza y recogida de residuos son x1(valoración de la frecuencia en la recogida de residuos), x4 (valoración del funcionamiento del servicio de recogida de residuos), las variables consideradas en el servicios sanitarios son x7 (valoración del número de médicos de atención primaria en el municipio), x8 (valoración de los centros de salud), las variables consideradas en la red de infraestructuras viarias son x9 (valoración de la red de carreteras principales), x10 (valoración de la señalización), x11 (valoración del estado y mantenimiento de las aceras), x12 (valoración del estado y pavimentación de las infraestructuras viarias del municipio), x13 (valoración del estado de las carreteras secundarias), las variables consideradas en la gestión municipal son y1 (valoración de la gestión realizada por el gobierno municipal), y2 ( valoración de la gestión del alcalde) y por último las variables consideradas en el grado de satisfacción global de los ciudadanos son y3 (valoración de la administración y los servicios administrativos) y y4 (grado de satisfacción con los servicios prestados en el municipio).

Finalmente Díaz & Rangel (2013) presentan una tesis Titulada “Valoración de la satisfacción ciudadana con los servicios públicos locales en la ciudad de Cartagena de Indias D.T y C. mediante un modelo de ecuaciones estructurales. Caso: Servicio de Educación Pública” de la Universidad de Cartagena, existe un efecto directo entre la percepción y la satisfacción general acerca de los servicios públicos locales que se brinda en dicha ciudad. Por lo tanto cualquier aumento o disminución que se genere en la percepción traerá consecuencias contundentes en el nivel de satisfacción.

(16)

pág. 16 Además un ciudadano que tenga buena experiencia y esté totalmente satisfecho con un servicio en particular no quiere decir que esté completamente satisfecho con los servicios recibidos en general. Los autores recomiendan aumentar la cantidad de instituciones educativas que presten servicios universitarios además las facilidades de acceso de acuerdo a la ubicación.

Figura 3. Resultado del modelo causal propuesto. Servicio de educación pública.

Nota. Recuperado de Tesis “Valoración de la satisfacción ciudadana con los servicios públicos locales en la

ciudad de Cartagena de Indias D.T y C. mediante un modelo de ecuaciones estructurales. Caso: Servicio de Educación Pública”, por Díaz y Rangel, Universidad de Cartagena. [2013]

La figura 3 muestra el modelo de ecuaciones estructurales donde las variables latentes son var1 (percepción del servicio de educación), var2 (satisfacción del servicio público de educación), var3 (calidad general percibida de los servicios públicos) y var. 4 (satisfacción general de los servicios públicos). Las variables observadas consideradas en la percepción del servicio de educación son P1 (número de instituciones educativas de educación media), P2 (número de instituciones educativas en educación superior), P3 (facilidad de acceso al servicio ofrecido por las colegios o escuelas), P4 (facilidad de acceso ofrecido por universidades), P5 (estado general de las instalaciones de colegios y universidades), P6 (nivel académico de colegios o escuelas) y P7 (nivel académico de universidades).

(17)

pág. 17 Asimismo, la variable observada P8 es considerada para la variable latente satisfacción del servicio público educación, P9 para la calidad general percibida de los servicios públicos y P10 para la satisfacción general de los servicios públicos.

Dado que los estudios citados no consideran de manera integral los servicios públicos, en esta investigación se toma en cuenta seis servicios públicos básicos brindados en la ciudad de Lambayeque como son educación, salud, infraestructura, seguridad, limpieza y recogida de residuos, agua-alcantarillado y alumbrado público teniendo en cuenta que la percepción en una determinada ubicación geográfica no es la misma en otra. Además se identificó las variables con menor y mayor impacto en la satisfacción así desarrollar medidas correctivas, que conduzcan a mejorar las condiciones de vida.

(18)

pág. 18

CAPÍTULO I. DISEÑO TEÓRICO

MODELOS DE ECUACIONES ESTRUCTURALES (SEM)

El modelo de ecuaciones estructurales es conocido en inglés como Structural Equation Modeling (SEM) y también como Estructura de Covarianzas. “El primer antecedente de un modelo de ecuaciones estructurales se remonta a 1934, año en que Sewall Wright da a conocer el modelo de trayectoria (path analysis) sobre las relaciones de tamaño en mediciones óseas” (Manzano & Zamora, 2009). Las relaciones entre variables fueron representadas en “path diagram”, por lo que su método llego a conocerse como “path analysis”. Año más tarde, éste método fue redescubierto y desarrollado por Joreskog (1973,1977 y 1981) y Joreskog y Sorbom (1982). Ellos, transformaron el “path analysis” de Wright en un nuevo método denominado “Structural Equation Modeling”, en el que se combina el análisis factorial con el path analysis (García, 2011).

Los SEM es una técnica de dependencia que puede examinar multiples relaciones de medida y estructural simultaneamnete, que consiste en especificar relaciones a priori y evaluar las relaciones que representan el comportamiento de los datos. Según Véliz afirma que los modelos de ecuaciones estructurales involucran una serie de relaciones entre numéricas (directamente medibles o no) con la finalidad de descubrir procesos subyacentes que generan las variables (2017). El modelo de ecuaciones estructurales es una extensión de varias técnicas mutivariadas como el analisis de regresión y el análisis factorial. Una variable latente es un constructo que solo puede ser medido mediante variables observables, ademas para interpretar los resultados se debe evaluar ciudadosamente varias pruebas estadisticas y un conjunto de índices que determinan que la estructura teórica propuesta suministra un buen ajuste a los datos empiricos. Este ajuste se realiza en las covarianzas entre las variables, es decir en modelos de ecuaciones estructurales se trata de pronosticar las covarianzas y varianzas entre variables a partir de las covarianzas estimadas en la muestra. “Por lo tanto el verdadero valor de esta técnica es especificar relaciones entre variables a priori y luego evaluar cuántas de esas relaciones se representan en los datos recolectados empiricamente”. Cupani, 2012

(19)

pág. 19 En la actualidad se dispone de una variedad de programas computarizados que simplifican enormemente estas tareas y permiten un análisis más sofisticado. El primero y el más popular de ellos es el Linear Estructural Relations (LISREL) creado por Joreskog y sus colaboradores, sirve para establecer y analizar estructuras de covarianza. Luego, el programa llamado Structural Equation Modeling Software (EQS) desarrollado por Bentler(1995), presenta el planteamiento y simbolos del modelo fáciles de comprender. El programa Análisis de Estructuras Momentáneas (Analysis of Moment Structures, AMOS) fue creado por Arbuckle (2003), este programa permite al usuario especificar, ver y modificar el modelo de estructura gráficamente. Actualmente existen otros software que han incorporado opciones para el análisis de los modelos de ecuaciones estructurales como el SmartPLS, SAS/STAT, SEPATH, COSAN y RStudio. Esto ha logrado que los invetigadores usen con mayor facilidad el modelo de ecuaciones estructurales.

VARIABLES USADAS EN MODELOS DE ECUACIONES ESTRUCTURALES En el modelo de ecuaciones estructurales los tipos de variables se determinan según su forma de medición y su función en el modelo. El primer criterio muestra dos tipos de variables: manifiestas y latentes, y el segundo criterio: endógenas y exógenas.

Las variables manifiestas, observables, llamados también indicadores, son aquellas que se miden directamente. Una caracteristica importante de estas variables es que sirven para evidenciar o definir a las variables no observables o latentes. Su representación es através de cuadrados o rectángulos. En general se les asignan las letras X y Y, según esté afectada por una variable latente exógena o endógena respectivamente.

Las variables latentes o no observables, llamados también constructos o factores, son aquellas que no pueden ser medidas ni manipuladas de forma directa. Éste tipo de variables requieren ser medidas a través de variables manifiestas. Su representación es a través de círculos o elipses. Los errores se suelen considerar como variables latentes por su naturaleza de no poder ser medidos directamente. “A cada variable observable se le asocia un error de medida” Gutiérrez (2008). A la variable latente endógena se le asocia un error de predicción tal y como se muestra en la figura 4.

(20)

pág. 20 Según sea su función en el modelo se determinan como variable éxogena o endógena, con las letras griegas ξ y η respectivamente. Las variables exógenas o independientes o regresoras o predictoras son aquellas cuyas causas son desconocidas. Estas variables causan fluctuaciones en los valores de otras variables latentes en el modelo . Se identifican porque sólo salen flechas.

Las variables endógenas, dependientes o criterio son explicadas por las variables éxogenas propuestas en un modelo de ecuaciones estructurales. La punta de las flechas llega a estas variables. Las variables endógenas manfiestas o latentes, están afectadas por un término de pertubación aleatorio (error de medida y predicción). En los modelos de ecuaciones estructurles es posible que una variable tenga doble función como endógena y exógena. A ésta doble función se le conoce como efecto indirecto o mediador.

RELACION ENTRE VARIABLES USADAS EN MODELOS DE ECUACIONES ESTRUCTURALES

La técnica de ecuaciones estructurales describe correlaciones y relaciones estructurales entre variables, ninguno de los resultados que se obtienen indican causalidad; el nombre de modelo causal sólo se refiere al diseño” Véliz, 2016.

Exiten diversos tipos de relaciones que pueden establecerse entre dos variables dentro de un modelo de ecuaciones estructurales. Las relaciones entre las variables se determinan con flechas. Las flechas unidireccionales representan la hipotesis de un efecto o impacto directo de una variable sobre otra.

ε

Y

δ

X

Error de Medida

ζ

η

Error de Predicción

(21)

pág. 21 El origen de la fecha es la variable predictora y cuyo final, donde se encuentra la punta de la flecha, es la variable dependiente, a esto de le denomina relación directa. Las variables a las que llegan las flechas se denominan endógenas y aquellas a las no llega ninguna flecha , exógenas. Las flechas bidireccional en forma de curvas representan la correlación entre dos variables.

La relación indirecta es cuando existe la presencia de una tercera variable, en este tipo de relación una variable puede comportarse como endógena y exógena a la vez. A ésta doble función se le conoce como efecto indirecto o mediador. Gómez, 2011.

Por tanto existe una relación indirecta entre dos variables cuando una tercera modula o mediatiza el efecto entre ambas.

SIMBOLOGÍA USADA EN MODELOS DE ECUACIONES ESTRUCTURALES Las variables que forman parte de los SEM se definen en un conjunto de relaciones que interesa analizar, éstas se representan gráficamente mediante letras griegas y latinas para luego traducir las relaciones a un sistema complejo de ecuaciones con sus respectivos errores.

Las variables del SEM son las letras “X”, “Y”, “ξ” y “η”. Las dos primeras son variables manifiestas y las siguientes latentes exógenas y endógenas respectivamente.

Las letras griegas 𝜆𝑖𝑗, 𝛾𝑖𝑗 𝑦 𝛽𝑖𝑗 representan los coeficientes a estimar en el modelo de ecuaciones estructurales. Estos coeficientes determinan la relación entre una variable latente y una variable observable (𝜆𝑥𝑖𝑗 , 𝜆𝑦𝑖𝑗), una variable latente exógena con una

latente endógena (𝛾𝑖𝑗) y una variable latente endógena con otra endógena (𝛽𝑖𝑗).

Flecha Unidireccional Flecha Bidireccional

(22)

pág. 22 Los subíndices se colocaron teniendo en cuenta como primer término de subíndice a la variable endógena y posteriormente el subíndice de la variable exógena. Los coeficientes 𝜆𝑖𝑗 representan la magnitud del cambio esperado en las variables observadas para cada cambio en la variable latente relacionada. Byrne, 2010. Las letras Φ y Θ denotan covarianza entre variables. Para los errores en el SEM se usan las letras δ, ε, 𝜻 , siendo errores de medicion de las variables X, Y y errores de predicción respectivamnte.

Representa

en SEM Letra Nombre Concepto

Variable

ξ (Xi) Representa a las variables latentes exógenas que están

operacionalizadas por las variables manifiestas(X).

η (Eta) Representa a las variables latentes endógenas que están

operacionalizadas por las variables manifiestas (Y).

X, Y Representa a las variables manifiestas o indicadores.

Coeficientes

γ (Gamma)

Son coeficientes que miden el efecto directo de las variables latentes exógenas (ξ) sobre las variables latentes endógenas (η).

β (Beta)

Son coeficientes que miden el efecto de las variables latentes endógenas (η) sobre las variables latentes endógenas (η).

𝜆𝑥, 𝜆𝑦 (Lamda)

Son coeficientes que relacionan cada variable observada con su variable latente.

Los coeficientes lambda se agrupan en LAMBDA-X (𝜆𝑥)

y LAMBDA -Y (𝜆𝑦).

Covarianza φ (Phi)

Denotan covarianza o correlación entre las variables latentes exógenas.

θ (Theta) Denotan covarianza o correlación entre errores.

Errores

ε (Épsilon) Son coeficientes sobre los errores de medición de las

variables manifiestas (Y).

δ (Delta) Son coeficientes sobre los errores de medición en variables

manifiestas (X).

𝜻 (Zeta) Son los errores de medición de cada ecuación en las

relaciones estructurales.

(23)

pág. 23

PARTES FUNDAMENTALES DE MODELOS DE ECUACIONES

ESTRUCTURALES.

Un modelo de ecuaciones estructurales lo constituye el modelo de medida y el modelo relaciones estructurales. El modelo de medida definirá la relación entre las variables observables y las variables latentes, por lo tanto la relaciones entre dichas variables se les conoce como relaciones de medida.

El modelo estructural medirá las relaciones entre las varibles latentes, es decir entre las variables no observables y especificará que variables latentes influyen directa o indirectamente en los valores de otras variables latentes.

La relación entre dichas variables se le conoce como relacion estructural. El conjunto, las relaciones de medida y las estructurales forman el modelo de ecuaciones estructurales.

En la figura 7 muestra las diferencias entre ambas partes:

Los modelos de ecuaciones estructurales se representan mediante una serie de ecuaciones de regresión. Se considera que cada ecuación resume el impacto de todas la variables relevantes del modelo. Byrne, 2010.

MODELO ESTRUCTURAL MODELO DE MEDIDA

(24)

pág. 24 El modelo estructural tendra tantas ecuaciones estructurales como constructos latentes(variables endógenas) que sean explicadas por otras variables exógenas. La ecuación que sigue este tipo de ecuaciones de los modelos estructurales se puede expresar de la siguiente manera:

𝜂 = 𝛣𝜂 + 𝛾𝜉 + 𝜁

Donde:

𝜂: (eta) en un vector "𝑝 𝑥 1 " de variables endógenas latentes (esto es, variables predictoras o variables no explicadas por otras incluidas en el modelo).

𝜉: (xi) en un vector "𝑞 𝑥 1 " de variables exógenas latentes (esto es, variables predictoras o variables no explicadas por otras incluidas en e modelo).

𝛾: (gamma) en una matriz "𝑝 𝑥 𝑞 " de coeficientes 𝛾𝑖𝑗 que relacionan las variables latentes exógenas (𝜉) con las endógenas (𝜂). Indican que una unidad de cambio en la variable exógena 𝜉𝑖 resulta en un cambio en 𝜂𝑖𝛾𝑖𝑗 unidades, manteniendo todas las demás variables

constantes. Este coeficiente estructural se interprea, al igual que 𝛽𝑖𝑗 como efectos directos de las variables endógenas.

𝛽: (beta) en una matriz "𝑞 𝑥 𝑞 " de coeficientes que relacionan las variables latentes endógenas entre si. Cada 𝛽𝑖𝑗 indica una unidad de cmabio en la variables endógena 𝜂𝑖,

mantenimiento todas las demás variables constantes. Para cada efecto hipotetizado de una variable endógena en otra, de las mismas caracteristicas, se tendrá un coeficiente estructural 𝛽𝑖𝑗.

𝜻: (zeta) en un vector "𝑞 𝑥 1 " de errores o términos de perturbación. Indican que las variables endogenas no son perfectamente predichas por las ecuaciones estructurales. Se supone que no existe correlacion entre los errores y las variables exógenas.

(25)

pág. 25 El modelo de medida tambien puede ser expreado en ecuaciones que especifican las relaciones entre las variables latentes y entre las variables observables. Para las variables endógenas la ecuación seria:

𝑌 =𝜆𝑌 𝜂 + 𝜀

Donde:

Y: Es un vector de de "𝑝 𝑥 1” medidas observables de la variable dependiente. 𝜆𝒚: (Lambda y) es una matriz de "𝑝 𝑥 𝑚" coeficientes de variables endógenas 𝜂: (eta) Es un vector "𝑚 𝑥 1" de variables latentes endógenas.

𝜀: (epsilon) Representa un vector px1 de errores de medida de Y.

Para las variables exógenas la ecuación será:

𝑋 =𝜆𝑋 𝜉 + 𝛿

Donde:

𝑋: es un vector de medidas observables de "𝑝 𝑥 1" variables independientes 𝜆𝒙: (Lambda x) representa una matriz "𝑞 𝑥 𝑘" coeficientes de variables endógenas. ξ : (

x

i) es un vector "𝑘 𝑥 1 " de variables exógenas

𝜹: (Delta) un vector de "𝑞 𝑥 1" errores de medida de X.

FASES DEL ANÁLISIS DE MODELOS DE ECUACIONES ESTRUCTURALES Veliz afirma que “Basicamente, el proceso de aplicación de la técnica de ecuaciones estructurales comprende los siguientes pasos” : Especificación del modelo, Identificación del modelo, Estimación de los parámetros del modelo y Análisis de la adecuación del modelo.

(26)

pág. 26 ESPECIFICACIÓN DEL MODELO

En esta etapa se definirá las relaciones entre las variables observables y latentes, y entre las propias variables latentes. La especificación del modelo ayuda a determinar los efectos directos, indirectos de las variables. Esta etapa comprende la formalización de ideas que sustentan las relaciones entre variables que describan el modelo. Esto obliga al conocimiento del marco teórico sobre el que se basan los modelos que se hipotetizan.

Además se especificará las ecuaciones de los sub-modelos que constituyen un modelo de ecuaciones estructurales. Las ecuaciones de relaciones estructurales será la misma cantidad de constructos o variables latentes que sean explicadas por otras variable exógenas. Las ecuaciones del modelo muestran que las variables observables son dependientes siendo explicadas por las variables latentes. Hay ecuaciones donde los algunos parámetros se fijan con el valor 1 al igual que el termino error, mientras que otras se especifica el parámetro a estimar.

IDENTIFICACIÓN DEL MODELO

Una vez especificado el modelo de ecuaciones estructurales, surge la necesidad de obtener estimadores únicos y de fácil interpretación. Para esta etapa se requiere identificar las relaciones, número de variables y parámetros que intervienen en el modelo. Uriel, E. & Aldas J. afirma que si se intenta estimar un modelo que no este identificado, los resultados que se obtendran serán estimaciones arbitrarias de los parámetros, lo que desembocaran en interpretaciones carentes de sentido.

En un modelo de ecuaciones estructurales se debe fijar el valor 1 a los terminos de error; las flechas que va desde las variables error de medida y predicción, ademas a los indicadores y a coeficientes de regresion entre variables latentes y los indicadores. Las latentes tienen por naturaleza que no pueden ser medidas directamente y por lo tanto no tienen una escala métrica definida.

Cada uno de los coeficientes de regresión que va desde la variable latente exógena a un conjunto de variables manifiestas, se especifica un valor fijo, generalmente con el valor 1.

(27)

pág. 27 Amos, fija de manera automática la relación de los errores de medida con su indicador, errores de predicción y una de las relaciones de un constructo y su indicador. Está operación se realiza con el fin de fijar la escala.

Un modelo será identificable si el número P de parámetros a estimar es menor o igual que el número K de covarianzas que se puedan establecer entre las variables medibles.

Si los datos se refieren a p variables, K será igual a p(p+1)/2 se podrá decir que el modelo es identificable si 𝐾 − 𝑃 es mayor o igual a 0. Entonces se considera que un modelo es identificable cuando el valor “G” es mayor que cero, por ende el modelo permite la estimación y el constraste de parámetros. Si G es igual cero, se considera que el SEM es exactamente identificable donde no se permite el contraste de las estimaciones. Y el modelo se considera no identificable cuando el valor “G” es menor que cero, esto muestra que el SEM tiene infinitos estimadores. Cuando esto sucede se suelen imponer reestricciones basadas en el conocimiento de la problemática de la investigación y de la teoria. Generalmente se utilizan los valores 0 y 1 como valores fijos.

𝐺 > 0 𝐺 = 0 𝐺 < 0

ESTIMACIÓN DE LOS PARÁMETROS DEL MODELO

En esta etapa se usan métodos para estimar los parámetros del modelo de ecuaciones estructurales. Se evaluará la hipotesis nula 𝐻

0

: ∑ = ∑(𝜃) , indica que la matriz de covarianzas de las variables el igual a la matriz de covarianzas determinada por el modelo.

MODELO IDENTIFICABLE MODELO EXACTAMENTE IDENTIFICABLE

MODELO NO IDENTIFICABLE

(28)

pág. 28 1. Método de Máxima verosimilitud (Maximum Likelihood - ML)

Es el método de estimación más usado en el ajuste de modelos de ecuaciones estructurales. Para usar este método se debe suponer normalidad de las variables observadas y tener una muestra suficientemente grande. Los estimadores que se obtengan se llaman estimadores de maxima verosimilitud (ML). La función de ajuste es:

𝐹𝑀𝐿 = 𝑙𝑜𝑔|∑| + 𝑡𝑟(𝑆∑(𝛩)−1) − 𝑙𝑜𝑔|𝑆| − 𝑝

Donde:

𝒑: Es el número de variable observadas.

2. Método de Minimos Cuadrados no ponderados (Unweighted Least Squares- ULS) Este método es más fácil de aplicar y no requiere supuesto de normalidad, pero es menos eficiente que el de máxima verosimilitud. Los estimadores que se obtengan se llaman estimadores de minimos cuadrados no ponderados(ULS). La función de ajuste es:

𝐹𝑈𝐿𝑆 = (1 2⁄ )𝑡𝑟𝑎𝑧𝑎(𝑆 − ∑(𝛩)) 2

3. Método de Minimos Cuadrados Generalizados (Generalized Least Squares- GLS) Este método produce buenos estimadores cuando las variables tienen una distribucion normal y la muestra suficientemente grande. Los estimadores que se obtengan se llaman estimadores de minimos cuadrados generalizados (GLS). La función de ajuste es:

𝑭𝑮𝑳𝑺= (1 2⁄ )𝑡𝑟 (((𝑆 − ∑(𝛩)𝑆−1)) 2

)

4. Estimacion con Distribucion Libre Asintótica (Asymptotically Distribution Free - ADF).

Este tipo de estimación minimiza la funcion definida mediante la siguiente expresión:

(29)

pág. 29 Donde s es el vector de datos, es decir la matriz de varianzas-covarianzas muestrales pero escrita en forma de un solo vector; 𝜎 es la matriz de varianzas-covarianzas estimada y 𝛩 se ha querido indicar que se deriva de los parámetros del modelo (coeficientes de regresión, varianzas-covarianzas). W es una matriz que pondera las diferencias cuadráticas entre las matrices de varianzas-covarianzas muestrales y estimadas. En este caso, cada elemento de esa matriz se obtiene:

W𝒊𝒋𝒌𝒍 = σ𝒊𝒋𝒌𝒍− σ𝒊𝒋σ𝒌𝒍

Siendo σ𝒊𝒋𝒌𝒍 momentos de 4º orden y σ𝒊𝒋 y σ𝒌𝒍 las covarianzas.

ANÁLISIS DE LA ADECUACIÓN DEL MODELO

Una vez estimado los parámetros del modelo de ecuaciones estructurales, se debe evaluar si éste es adecuado. Por lo tanto se evalua el ajuste de modelo mediante una serie de índices.

1. El Estadistico Chi- cuadrado: Este estadistico tiene la siguiente forma:

X 2= 𝑛 ∗ 𝐹 𝑀𝐿

Donde:

𝑛: es el tamaño de la muestra.

Mediante el estadistico Chi- cuadrado se considera que la matriz de covarianzas que estima a ∑(𝛩) ajusta a la matriz 𝑆 de covarianzas dato si el X 2 entre el valor 𝐺 = 𝐾 − 𝑃 es menor que 2.

En general, H0: Σ = Σ (θ) es equivalente a la hipótesis de que Σ - Σ (θ) = 0; el estadistico X 2, entonces, prueba simultáneamente el grado en que todos los residuos en Σ - Σ (θ) son cero.

(30)

pág. 30 2. El índice de bondad de ajuste (GFI):

El GFI fue ideado por Joreskog y Sorbom(1984). Éste índice compara la matriz de covarianza dato y la matriz de covarianzas que estima a ∑(𝛩). A nivel de la muestra es una medida global de bondad de ajuste.

Se define como:

𝑮𝑭𝑰 =

𝑡𝑟 (∑(Ô)𝑡𝑊∑(Ô)) 𝑡𝑟(𝑆𝑡𝑊𝑆)

Donde:

𝑾: Es igual a la matriz identidad si se trata de los estimadores ULS. La matriz 𝑊 es igual a la matriz 𝑆 en el caso de los estimadores GLS y es igual a ∑−1(𝛩) en el caso de los estimadores de ML.

Este índice aporta información sobre la variabilidad explicada por el modelo y cuyos valores oscilan entre 0 y 1.

0: No hay ajuste(el modelo no ajusta a las covarianzas dato).

1: Ajuste perfecto(el modelo ajusta perfectamente a las covarianzas dato). En la práctica se consedera que si GFI ≥ 0.90, el modelo es aceptable.

3. El índice GFI ajustado (AGFI):

Es una medida análoga del índice de determinación 𝑅2 de la regresión lineal. Al igual que el 𝐺𝐹𝐼, se calcula para las funciones de máxima verosimilitud y de mínimos cuadrados ordinarios. Cuando el índice es igual 1, entonces el modelo se ajusta perfectamente a las covarianzas dato. Éste índice se define así:

𝑨𝑮𝑭𝑰 = 1 −1 − 𝐺𝐹𝐼 1 − 𝑃 𝐾⁄

(31)

pág. 31 4. El índice de criterio de información de Akaike(AIC):

Sirve para comparar dos modelos. Se define de la siguiente manera:

𝑨𝑰𝑪 = 𝑉𝑎𝑙𝑜𝑟 𝑑𝑒 𝑐ℎ𝑖 − 𝑐𝑢𝑎𝑑𝑟𝑎𝑑𝑜 + 2𝑃

Con el término 2𝑃 se penaliza la inclusión de muchos parámetros en el modelo. Se determina que un modelo es mejor que otro si su valor 𝐴𝐼𝐶 es menor que el valor de 𝐴𝐼𝐶 que le corresponde al segundo.

5. El índice de la raíz media cuadrática del error de especificación (RMSEA): En ingles es Root Mean Square Error of Approximation (RMSEA). Fue propuesto por primera vez por Steiger y Lind en 1980. Considera un modelo de ecuaciones estructurales que presenta un buen ajuste cuando 𝑅𝑀𝑆𝐸𝐴 ≤ 0.05. Éste índice se define:

𝑅𝑀𝑆𝐸𝐴 = (𝐹0

𝐺 ⁄ )0.5

Donde:

𝑭𝟎: Se llama discrepancia poblacional y evalúa el alejamiento del valor chi-cuadrado de su valor esperado. Si 𝐹0 = 0, se considera que el modelo es adecuado. 𝐹0 se define:

𝐹0 =(𝑛 ∗ 𝐹𝑀𝐿− 𝐺)

𝑛 ⁄

El RMSEA es expresado por el número de grados de libertad, lo que hace sea sensible al número de parámetros estimados en el modelo.

La figura 9 muestra el resumen de los valores que deben presentar los índices de bondad de ajuste para considerar que un modelo de ecuaciones estructurales sea de un: “ajuste aceptable” o “buen ajuste”:

(32)

pág. 32 Para la re-especificación del modelo se evalua si los índices indican un buen ajuste o no de los datos. Se mejorará el modelo suprimiendo o añadiendo relaciones repaldadas teóricamente representadas en un modelo de ecuaciones estructurales.

Nombre Indicador “Buen ajuste” “Ajuste aceptable”

Estadístico Chi-cuadrado 𝑋2 𝑋2/ G 0 ≤ 𝑋2 ≤ 2𝐺 0 ≤ 𝑋2/𝐺 ≤ 2 2𝐺 < 𝑋2 ≤ 3𝐺 2 < 𝑋2/𝐺 ≤ 3 Índice de bondad de ajuste GFI 0.95 ≤ 𝐺𝐹𝐼 ≤ 1.00 0.90 ≤ 𝐺𝐹𝐼 < 0.95

Índice GFI ajustado AGFI 0.90 ≤ 𝐴𝐺𝐹𝐼 ≤ 1.00 0.85 ≤ 𝐴𝐺𝐹𝐼 < 0.90 Criterio de información

de Akaike AIC 𝐴𝐼𝐶 𝑚á𝑠 𝑝𝑒𝑞𝑢𝑒ñ𝑜 𝑒𝑛 𝑙𝑎 𝑐𝑜𝑚𝑝𝑎𝑟𝑎𝑐𝑖ó𝑛

Roat mean square error

of aproximation RMSEA 0 ≤ 𝑅𝑀𝑆𝐸𝐴 ≤ 0.050 0.050 < 𝑅𝑀𝑆𝐸𝐴 ≤ 0.080 Figura 9. Resumen de los índices de bondad de ajuste.

(33)

pág. 33

SERVICIOSPÚBLICOS BÁSICOS

La administración o gestión pública es el conjunto de acciones mediante las cuales las instituciones del estado actúan de manera ordena y eficaz para lograr el cumplimiento de las metas y objetivos establecidas por las políticas públicas. Éstas deben estar orientadas en función al interés de la población lo que conllevará a generar condiciones adecuadas de vida y bienestar, buscando satisfacer las necesidades de los ciudadanos teniendo en cuenta sus derechos fundamentales y el ejercicio de sus deberes reconocido en la constitución del Perú. Además, promover la igualdad a las oportunidades y beneficios que se derivan de la prestación de servicios públicos y el desarrollo en general.

Partiendo de estas consideraciones podemos determinar que el municipio es la instancia elemental del gobierno, la cual realiza funciones como administrar el patrimonio, los recursos humanos y también funciones de gestión, y que debe atender todo lo relacionado con los servicios públicos.

Las instituciones públicas realizan actividades de manera uniforme y continua con el fin de satisfacer las necesidades básicas de la colectividad, que través de ellos refleja la gestión respondiendo a las demandas planteadas por la población. Actualmente existen diversos conceptos interpretados acerca del servicio público tales como:

Villegas Basavilbaso define Servicio público como “toda actividad directa e indirecta de la administración pública, cuyo objetivo es la satisfacción de las necesidades colectivas por un procedimiento de derecho público”.

Dromi restringe la noción de servicio público diciendo que “es el medio para un fin próximo o para un fin inmediato (el bien común) que se traduce en actividades públicas con forma de obra, función o prestación de intereses público y con un régimen jurídico de derecho administrativo común a todo el quehacer de la función administrativa”.

(34)

pág. 34 TIPOS DE SERVICIO

Los servicios públicos son diversos porque comprenden, por lo general, aquellas necesidades que la propia comunidad requiere a lo largo de su evolución, sin embargo para la investigación se enuncian los siguientes:

Educación. Es un servicio público que cuando lo provee el estado es gratuita en todos sus niveles y modalidades, de acuerdo con lo establecido en la constitución política y en la presente ley. (Ley general de educación, Ley nro. 28044)

Educación. Servicio necesario que permite construir consensos básicos de vida democrática y posibilita la integración social.

Salud. Es considerado un servicio clave para el desarrollo y bienestar de la población.

Infraestructura. Este servicio se ocupa de la realización de obras para resguardar la imagen, abarcando la pavimentación, construcción de las vías públicas, señalización. Como también brindar accesibilidad a lugares de esparcimiento, conservación y mantenimiento de áreas verdes.

Seguridad. Comprenden la disponibilidad de una convivencia plena dentro de una situación de respeto, tanto en lo individual como en lo colectivo, mediante acciones de prevención y represión de ciertos delitos y/o faltas administrativas.

Limpieza. Es un servicio público que consiste en la recolección y recogida de residuos; a fin de preservar el medio, lo cual se requiere de colaboración de los residentes en conjunto con la organización municipal.

Agua. Este servicio implica la instalación, mantenimiento y conservación de las redes de agua; su potabilización, distribución y la vigilancia de la calidad del agua y las condiciones sanitarias de las instalaciones.

Alumbrado. Este servicio consiste en iluminar las dependencias y áreas públicas y vigilar los programas de mantenimiento de las redes de alumbrado público.

(35)

pág. 35 Alcantarillado. Comprende dos aspectos: el drenaje sanitario y el pluvial. El drenaje sanitario tiene por finalidad la eliminación de aguas negras hasta aquellos lugares en donde se les pueda dar debida utilización. El drenaje pluvial tiene por objeto la conducción del agua de lluvias para evitar su estancamiento.

En efecto los servicios públicos demandan un tema importante por su impacto en la sostenibilidad de la población. Asimismo su conocimiento es esencial para la toma de decisiones acerca de la asignación de los recursos, permitiendo así la evaluación de la equidad y eficiencia con que se asignan, con la finalidad de resguardar el interés.

En consecuencia, la suma de los intereses individuales relacionados con los servicios conlleva a la satisfacción, y en tal sentido depositar la confianza en el rol que cumple la administración pública.

SATISFACCIÓN

La satisfacción es una respuesta emocional cuya intensidad depende de la situación concreta vivida. Evaluar la satisfacción respecto con los servicios públicos forma parte de un enfoque centrado en la población y es importante para elaborar estrategias que mejore la gestión de los servicios. Mediante la percepción se evalúa las experiencias vividas de los ciudadanos con las instituciones públicas. Esta información ayuda a los funcionarios públicos a identificar los elementos en la prestación de servicios que condicionan la satisfacción. Además permite comprender mejor a los ciudadanos, identificando necesidades y deficiencias. Por otra parte, la satisfacción es un indicador importante sobre el rendimiento en la administración pública. Es lógico pensar que una de las razones que influencian en la satisfacción es la manera en que son tratados los ciudadanos. Es decir que cuando reciben un buen trato tienen una mayor probabilidad de estar satisfechos con el gobierno.

Considerar la percepción de varios servicios públicos en el análisis relacionados con otras variables, permite evaluar en conjunto la satisfacción del ciudadano, es decir de manera global.

(36)

pág. 36 Existen diversas definiciones de satisfacción.

 Zeithaml y Bitner (2002) se refieren a satisfacción como la evaluación que realiza el cliente respecto a un producto o servicio, en términos de si ese producto o servicio respondió a sus necesidades y expectativas.

 Roest y Pieters (1997) definieron satisfacción como un concepto relativo que involucra componentes cognitivos y afectivos, que está relacionado con el cliente, principalmente a través de transacciones, e incorpora una evolución de beneficios y sacrificios.

 Danaher y Haddrell (1996) dicen que la satisfacción de los clientes con los servicios de la organización, está basada en todos los encuentros de los clientes con esa organización.

(37)

pág. 37

CAPÍTULO II. MÉTODOS Y MATERIALES.

PROCEDIMIENTO DE LA INVESTIGACIÓN

Se realizó un análisis previo de los datos para garantizar la fiabilidad de correctas estimaciones, mediante la evaluación de valores perdidos y observaciones anómalas, conocidos como outliers o casos atípicos. Identificándose ausencia de datos perdidos.

Tabla 1.

Estadísticas univariadas.

Variable n Media Desv. Típica Valores

Perdidos Porcentaje X1 336 4,90 2,017 0 ,0 X2 336 5,03 2,007 0 ,0 X3 336 5,62 2,146 0 ,0 X4 336 5,03 1,926 0 ,0 X5 336 5,93 2,162 0 ,0 X6 336 4,90 2,177 0 ,0 X7 336 4,80 1,993 0 ,0 X8 336 4,83 1,998 0 ,0 X9 336 5,11 2,234 0 ,0 X10 336 4,69 2,173 0 ,0 X11 336 5,07 2,054 0 ,0 X12 336 4,30 2,060 0 ,0 X13 336 4,32 2,086 0 ,0 X14 336 4,22 2,079 0 ,0 X15 336 3,96 2,036 0 ,0 X16 336 2,60 2,377 0 ,0 X17 336 4,86 2,119 0 ,0 X18 336 3,57 2,361 0 ,0 X19 336 5,06 2,648 0 ,0 X20 336 5,30 2,110 0 ,0 X21 336 5,13 2,239 0 ,0 X22 336 4,93 1,996 0 ,0 X23 336 5,58 2,089 0 ,0 X24 336 4,87 2,280 0 ,0 Y1 336 5,30 2,019 0 ,0 Y2 336 3,00 2,379 0 ,0 Y3 336 1,40 2,021 0 ,0 Y4 336 1,41 2,019 0 ,0

(38)

pág. 38 Además se comprobó la existencia de casos atípicos, considerando que en una distribución normal se espera que el 95% de los datos se alejen más o menos dos desviaciones estándar (±2𝜎) de la media y el 5% se aleja aún más, entonces estos valores difieren del comportamiento del resto de observaciones. Por lo tanto el valor de corte es ±2, siendo un total de 27 casos outliers, los cuales fueron descartados. (Figura 10) (Field, A. 2013)

(-2) (+2) VALORES •-2,23 •-2,29 •-2,36 •-2,39 •-2,46 •-2,46 •-2,52 •-2,52 •-2,56 •-2,65 •-2,65 •-2,85 •-3,02 •-3,02 •-3,18 •-3,25 N° DE CASO: •282 •207 •200 •82 •204 •199 •203 •123 •206 •193 •102 •225 •205 •198 •202 •113 VALORES •2,11 •2,15 •2,18 •2,21 •2,21 •2,24 •2,28 •2,28 •2,51 •2,80 •2,84 N° DE CASO: •128 •25 •316 •29 •27 •31 •122 •32 •30 •214 •24

(39)

pág. 39 Luego de realizar el análisis previo de los datos, se inicia con las fases de la metodología para el análisis de ecuaciones estructurales:

1. FASE DE LA ESPECIFICACIÓN DEL MODELO:

El modelo de ecuaciones estructurales para evaluar la satisfacción global de la población del cercado urbano de la ciudad de Lambayeque respecto a los servicios públicos básicos se respaldan en: el Índice Barómetro Sueco de Satisfacción del Consumidor (SCSB), y del American Customer Satisfaction Index (ACSI) para el sector público, los mismos que se presentan en los antecedentes de investigación.

Figura 11. Barómetro Sueco. Relaciones entre factores manifiestos y latentes.

Nota. Recuperado de Tesis “Estimación de los modelos de ecuaciones estructurales, del índice mexicano de

la satisfacción del usuario de programas sociales mexicanos, con la metodología de mínimos cuadrados parciales”, por Gómez María, México, D.F. [2011].

El modelo del SCSB según Gómez, muestra que las causas directas de la satisfacción son la expectativa y la percepción del desempeño (Figura 11). Según la Real Academia Española da como significado a expectativa como la posibilidad razonable de que algo suceda, y para la investigación no se está evaluando la posible satisfacción, sino la percepción de la actual gestión.

(40)

pág. 40 Además la relación percepción - satisfacción también se muestra en el trabajo realizado por Díaz & Rangel titulado “Valoración de la satisfacción ciudadana con los servicios públicos locales en la ciudad de Cartagena de Indias D. T y C. mediante un modelo de ecuaciones estructurales. Caso: Servicio de Educación Pública” de la Universidad de Cartagena. Por lo tanto, en esta investigación se considera la relación de percepción de servicios públicos básicos y satisfacción.

El modelo ACSI para el sector público muestra que la satisfacción es el efecto de las expectativas y la calidad percibida, y como resultado de estar satisfecho se encuentra las variables queja y confianza. (Figura 12)

Figura 12. Modelo ACSI para el sector público. Coeficientes de regresión.

Nota. Recuperado de Tesis “Estimación de los modelos de ecuaciones estructurales, del índice mexicano

de la satisfacción del usuario de programas sociales mexicanos, con la metodología de mínimos cuadrados parciales”, por Gómez María, México, D.F. [2011].

Como ya se estableció una primera relación respecto a satisfacción entonces no se consideran las variables calidad percibida ni expectativa. Por otro lado Gómez (2011) en su investigación afirma que la relación de las quejas registradas y la confianza es estadísticamente no significativa, por ende del modelo ACSI sólo se considera la variable confianza.

(41)

pág. 41 Finalmente los servicios públicos básicos brindados en la ciudad de Lambayeque tienen efectos en la satisfacción de la población y como resultado de ello está la confianza en la gestión actual. (Figura 13)

Figura 13. Relaciones entre las variables del SEM.

Para la investigación se consideró ocho variables latentes, las mismas que se detallan en la figura 14:

Variables Exógenas

Educación(𝝃 𝟏) Salud (ξ 2 ) Infraestructura (ξ 3 ) Seguridad (ξ 4 )

Limpieza y recogida de residuos (ξ 5 )

Servicio de agua-alcantarillado y alumbrado (ξ 6 )

Variables Endógenas

Satisfacción (𝜼𝟏)

Confianza en la gestión (𝜼𝟐)

Figura 14. Identificación de las variables latentes del SEM.

Percepción de los servicios públicos básicos.

(42)

pág. 42 Para cada variable latente exógena se considera un número específico de indicadores, y cada uno de éstos tiene un error de medición.

Variables Latentes Exógenas

Variables

Observadas

Errores

de

Medición

Educación(𝝃 𝟏) Salud (ξ 2 ) Infraestructura (ξ 3 ) Seguridad (ξ 4 )

Limpieza y recogida de residuos (ξ5) Agua-alcantarillado y alumbrado (ξ 6) X1, X2, X3, X4, X5. X6, X7, X8, X9. X10, X11, X12, X13. X14, X15, X16. X17, X18, X19. X20, X21, X22, X23, X24. δ1, δ2, δ3, δ4, δ5. δ6, δ7, δ8, δ9. δ10, δ11, δ12, δ13. δ14, δ15, δ16. δ17, δ18, δ19. δ20, δ21, δ22, δ23, δ24

Figura 15. Clasificación de las variables latentes exógenas del SEM.

Y para cada variable latente endógena también se consideró un número específico de indicadores con sus respectivos errores de medición. Además cada variable endógena está acompañado por un error de predicción.

Variables Latentes Endógenas / Error de Predicción Variables Observadas Errores de Medición Satisfacción (𝜼𝟏) -> (ζ1)

Confianza en la gestión actual (𝜼𝟐) -> (ζ2)

Y1, Y2.

Y3, Y4.

𝜀1, 𝜀2

𝜀3, 𝜀4

Figura 16. Clasificación de las variables latentes endógenas del SEM.

Cabe señalar que los errores de medición y predicción en esencia representan variables no observables, es decir se consideran como variables latentes.

En el modelo de ecuaciones estructurales planteado se muestra a las variables manifiestas u observables representadas a través de cuadrados o rectángulos y variable latente se representan mediante círculos o elipses. (Figura 17)

(43)

pág. 43 Figura 17.Modelo de ecuaciones estructurales.

(44)

pág. 44 El modelo antes planteado está constituido por dos submodelos: el de medida y el de relaciones estructurales, el primero formado por seis constructos (𝜉1, … , 𝜉6) y veintiocho indicadores (24 indicadores “Xi” y 4 indicadores “Yi”) que definen la relación entre

variables observadas y latentes. Y la parte estructural especifica la relación entre variables latentes. (Figura 18)

Figura 18. Partes fundamentales del modelo de ecuaciones estructurales.

Relación de Medida Relación Estructural

(45)

pág. 45 La relación de una variable latente con una observada tiene un coeficiente de regresión Lambda (𝜆𝑥

𝑖𝑗, 𝜆𝑦𝑖𝑗), una variable latente exógena con una endógena tienes coeficiente

Gamma (𝛾𝑖𝑗), y dos endógenas un coeficiente Beta 𝛽𝑖𝑗.

Variables Latentes

Exógenas Variables Observadas Coeficientes

ξ 1 ξ 2 ξ 3 ξ 4 ξ 5 ξ 6 X1, X2, X3, X4, X5. X6, X7, X8, X9. X10, X11, X12, X13. X14, X15, X16. X17, X18, X19. X20, X21, X22, X23, X24. 𝜆𝑥 11, 𝜆𝑥21, 𝜆𝑥31, 𝜆𝑥41,𝜆𝑥51. 𝜆𝑥62, 𝜆𝑥72, 𝜆𝑥82 𝑦 𝜆𝑥92. 𝜆𝑥 103, 𝜆𝑥113, 𝜆𝑥123, 𝜆𝑥133. 𝜆𝑥144, 𝜆𝑥154, 𝜆𝑥164. 𝜆𝑥 175, 𝜆𝑥185, 𝜆𝑥195. 𝜆𝑥206, 𝜆𝑥216, 𝜆𝑥226, 𝜆𝑥236, 𝜆𝑥246. Variables Latentes

Endógenas Variables Observadas Coeficientes

𝜼𝟏 𝜼𝟐 Y1, Y2. Y3, Y4. 𝜆𝑦11, 𝜆𝑦21. 𝜆𝑦32, 𝜆𝑦42. Variables Latentes Exógenas Variables Latentes Endógenas Coeficientes ξ 1 , ξ 2 , ξ 3 , ξ 4 , ξ 5 , ξ 6 𝜂1 𝛾11, 𝛾12, 𝛾13, 𝛾14, 𝛾15, 𝛾16. Variables Latentes Endógenas Variables Latentes Endógenas Coeficientes 𝜼𝟏 𝜂2 𝛽21

(46)

pág. 46 Figura 20. Modelo de ecuaciones estructurales propuesto con los coeficientes de relación.

(47)

pág. 47 Se sabe que un modelo de ecuaciones estructurales lo constituye el de medida y de relaciones estructurales. Las relaciones de ambos submodelos se pueden expresar mediante una serie de ecuaciones. El primero de ellos la ecuación de las variables exógenas es: Xi = 𝜆 X * ξ + δ y endógenas Yi = 𝜆 Y * η + ε. (Figura 21)

Xi=ΛX * ξ + δ Yi = ΛY * η + ε 𝑿𝟏= 𝝀𝒙𝟏𝟏∗ 𝝃𝟏+ 𝜹𝟏 𝑋13= 𝜆𝑥133∗ 𝜉3+ 𝛿13 𝑌1 = λ𝑦11∗ 𝜂1+ 𝜀1 𝑿𝟐= 𝝀𝒙 𝟐𝟏∗ 𝝃𝟏+ 𝜹𝟐 𝑋14= 𝜆𝑥144∗ 𝜉4+ 𝛿14 𝑌2 = 𝜆𝑦21∗ 𝜂1+ 𝜀2 𝑿𝟑= 𝝀𝒙 𝟑𝟏∗ 𝝃𝟏+ 𝜹𝟑 𝑋15= 𝜆𝑥154∗ 𝜉4+ 𝛿15 𝑌3 = 𝜆𝑦32∗ 𝜂2+ 𝜀3 𝑿𝟒= 𝝀𝒙 𝟒𝟏∗ 𝝃𝟏+ 𝜹𝟒 𝑋16= 𝜆𝑥164∗ 𝜉4+ 𝛿16 𝑌4 = 𝜆𝑦42∗ 𝜂2+ 𝜀4 𝑿𝟓= 𝝀𝒙 𝟓𝟏∗ 𝝃𝟏+ 𝜹𝟓 𝑋17= 𝜆𝑥175∗ 𝜉5+ 𝛿17 𝑿𝟔= 𝝀𝒙 𝟔𝟐∗ 𝝃𝟐+ 𝜹𝟔 𝑋18= 𝜆𝑥185∗ 𝜉5+ 𝛿18 𝑿𝟕= 𝝀𝒙 𝟕𝟐∗ 𝝃𝟐+ 𝜹𝟕 𝑋19 = 𝜆𝑥195∗ 𝜉5+ 𝛿19 𝑿𝟖= 𝝀𝒙 𝟖𝟐∗ 𝝃𝟐+ 𝜹𝟖 𝑋20= 𝜆𝑥206∗ 𝜉6+ 𝛿20 𝑿𝟗= 𝝀𝒙 𝟗𝟐∗ 𝝃𝟐+ 𝜹𝟗 𝑋21= 𝜆𝑥216∗ 𝜉6+ 𝛿21 𝑿𝟏𝟎 = 𝝀𝒙 𝟏𝟎𝟑∗ 𝝃𝟑+ 𝜹𝟏𝟎 𝑋22= 𝜆𝑥226∗ 𝜉6+ 𝛿22 𝑿𝟏𝟏 = 𝝀𝒙𝟏𝟏𝟑∗ 𝝃𝟑+ 𝜹𝟏𝟏 𝑋23= 𝜆𝑥236∗ 𝜉6+ 𝛿23 𝑿𝟏𝟐 = 𝝀𝒙 𝟏𝟐𝟑∗ 𝝃𝟑+ 𝜹𝟏𝟐 𝑋24= 𝜆𝑥246∗ 𝜉6+ 𝛿24

Figura 21. Ecuaciones lambda - X (𝜆 x) - Y (𝜆 y) de los SEM.

La cantidad de ecuaciones del modelo de relaciones estructurales será la misma que el nº variables latentes endógenas haya en el modelo por lo tanto existe dos ecuaciones. Estas ecuaciones describen el modelo de relaciones estructurales. La estructura que siguen estas ecuaciones se expresan de la siguiente manera:

𝜼𝒊= 𝜝𝜼 + 𝜞𝝃 + 𝜻

𝜼𝟏= 𝜸𝟏𝟏∗ 𝝃𝟏+ 𝜸𝟏𝟐∗ 𝝃𝟐+ 𝜸𝟏𝟑∗ 𝝃𝟑+ 𝜸𝟏𝟒∗ 𝝃𝟒+ 𝜸𝟏𝟓∗ 𝝃𝟓+ 𝜸𝟏𝟔∗ 𝝃𝟔+ 𝜻𝟏

𝜼𝟐= 𝜷𝟐𝟏∗ 𝜼𝟏+ 𝜻𝟐

(48)

pág. 48 2. FASE DE LA IDENTIFICACIÓN DEL MODELO

En el modelo se fijó con valor 1 a la relación de los errores de medida con sus indicadores, y también la primera relación de cada grupo de variables latentes exógenas con sus indicadores respectivos. El software AMOS fija de manera automática. Esta operación se realiza con el fin de fijar la escala y obtener estimadores únicos y de fácil interpretación. (Figura 23)

(49)

pág. 49 Los parámetros a estimar son los coeficientes de regresión y las variaciones de variables latentes y errores, por lo tanto el modelo estimó: veintisiete coeficientes de regresión, seis varianzas de las variables exógenas y treinta varianzas de los errores; en total 63 parámetros (P).

El número de covarianzas que se establecen entre las variables observables es 406, siendo el valor G de 343 (K=406 y P=63). De esta manera, se tiene un modelo identificable (G > 0), esto indica que se puede estimar y realizar el contraste de los parámetros.

En el resumen de los parámetros visualizamos que hay 65 coeficientes de regresión, 38 de los cuales son fijos, 27 estimados y 36 varianzas.

Tabla 2.

Resumen de parámetros del SEM.

Resumen de Parámetros

Parámetros Pesos de Regresión Covarianzas Varianzas

Fijo 38 0 0

Estimados 27 0 36

(50)

pág. 50 Figura 24.Coeficientes de regresión en el SEM inicial.

(51)

pág. 51 Número total de variables en el modelo (Figura 25)

Categoría Nº de Variables Nº de variables en el modelo 66 Nº de variables observadas 28 Nº de variables no observadas 38 Nº de variables exógenas 36 Nº de variable endógenas 30

Figura 25. Número de variables según clasificación del SEM.

De acuerdo con el modelo, las variables observadas (X1 - X24, Y1 –Y4) y las latentes (η1,

η2) funcionan como variables endógenas (Dependientes), variables latentes (ξ1 – ξ6) y los

términos de error (δ1 - δ24, ε1 – ε4 y ζ1 - ζ2) funcionan como variables exógenas

(Independientes). Ver figura 26.

Variables

Endógenas

Exógenas

Observadas X1, … ,X24 Y1, … ,Y4 - No observadas η1 η2 ξ1 , … , ξ6 δ1 , … , δ24 ε1 , … , ε4 ζ1, … ,ζ2

Referencias

Documento similar

You may wish to take a note of your Organisation ID, which, in addition to the organisation name, can be used to search for an organisation you will need to affiliate with when you

Where possible, the EU IG and more specifically the data fields and associated business rules present in Chapter 2 –Data elements for the electronic submission of information

The 'On-boarding of users to Substance, Product, Organisation and Referentials (SPOR) data services' document must be considered the reference guidance, as this document includes the

In medicinal products containing more than one manufactured item (e.g., contraceptive having different strengths and fixed dose combination as part of the same medicinal

Products Management Services (PMS) - Implementation of International Organization for Standardization (ISO) standards for the identification of medicinal products (IDMP) in

Products Management Services (PMS) - Implementation of International Organization for Standardization (ISO) standards for the identification of medicinal products (IDMP) in

This section provides guidance with examples on encoding medicinal product packaging information, together with the relationship between Pack Size, Package Item (container)

Package Item (Container) Type : Vial (100000073563) Quantity Operator: equal to (100000000049) Package Item (Container) Quantity : 1 Material : Glass type I (200000003204)