El Modelo de Medición

Figura 21. Gráfico de frecuencia por nivel educativo

Fuente: Elaboración propia.

correlaciones de los indicadores a través de constructos que miden diferentes constructos en relación con la media geométrica de las correlaciones promedio de indicadores que miden el mismo constructo o dicho de otra forma es una medida sobre cuál es la verdadera correlación entre dos constructos si estuvieran perfectamente medidos (Hair et al., 2016). Bajo este criterio una correlación cercana a 1 indica una falta de validez discriminante y se deben de descartar valores mayores a 0.90 (Hair et al., 2016).

En el cuadro 9 se puede observar que existen problemas de validez discriminante en cuanto al cruce de las variables EE y CF con un valor de 0.915 y en cuanto a las variables GE y CZ con 0.903; en este caso se presenta validez discriminante ya que ambos constructos miden lo mismo. En este caso se recomienda eliminar el indicador que está más fuerte correlacionado con el constructo opuesto, siendo los ítems EE4 y GE3 los que muestran mayor correlación.

Cuadro 9. Relación Heterotrait-Monotrait (HTMT) (primer análisis)

BC CF CZ EE ER FL GE HB IS IU MH NS RP UR

CF 0.244 CZ 0.339 0.739 EE 0.346 0.915 0.703 ER 0.29 0.63 0.571 0.661 FL 0.23 0.874 0.825 0.691 0.578 GE 0.472 0.666 0.903 0.691 0.514 0.696 HB 0.268 0.771 0.664 0.67 0.738 0.63 0.605 IS 0.303 0.393 0.228 0.373 0.489 0.306 0.224 0.503 IU 0.321 0.788 0.867 0.745 0.725 0.782 0.795 0.836 0.355 MH 0.188 0.658 0.677 0.63 0.718 0.763 0.523 0.725 0.308 0.798 NS 0.423 0.401 0.387 0.397 0.318 0.441 0.586 0.323 0.184 0.324 0.29

RP 0.17 0.194 0.255 0.264 0.205 0.19 0.304 0.245 0.348 0.218 0.077 0.177 UR 0.068 0.461 0.298 0.425 0.42 0.401 0.226 0.628 0.215 0.421 0.429 0.043 0.108 VP 0.263 0.698 0.654 0.675 0.62 0.599 0.664 0.711 0.481 0.76 0.627 0.305 0.311 0.287

Fuente: Elaboración propia.

Los resultados obtenidos al eliminar los ítems EE4 y GE3 se muestran en el cuadro 10 donde se observa que HTMT disminuye por debajo del límite de 0.90 en las variables en cuestión, el cruce de EE y CF es de 0.88 y respecto a GE y CZ es de 0.885 por lo que se justifica la eliminación de

los dos indicadores. En este sentido los análisis subsecuentes se hacen sin contemplar estos ítems.

Cuadro 10. Relación Heterotrait-Monotrait (HTMT) (Segundo análisis)

BC CF CZ EE ER FL GE HB IS IU MH NS RP UR

BC

CF 0.244 CZ 0.339 0.739 EE 0.324 0.88 0.694 ER 0.29 0.63 0.571 0.657 FL 0.23 0.874 0.825 0.662 0.578 GE 0.479 0.672 0.885 0.679 0.507 0.668 HB 0.268 0.771 0.664 0.652 0.738 0.63 0.602 IS 0.303 0.393 0.228 0.38 0.489 0.306 0.229 0.503 IU 0.321 0.788 0.867 0.73 0.725 0.782 0.77 0.836 0.355 MH 0.188 0.658 0.677 0.609 0.718 0.763 0.504 0.725 0.308 0.798 NS 0.423 0.401 0.387 0.385 0.318 0.441 0.62 0.323 0.184 0.324 0.29

RP 0.17 0.194 0.255 0.263 0.205 0.19 0.328 0.245 0.348 0.218 0.077 0.177 UR 0.068 0.461 0.298 0.413 0.42 0.401 0.232 0.628 0.215 0.421 0.429 0.043 0.108 VP 0.263 0.698 0.654 0.676 0.62 0.599 0.684 0.711 0.481 0.76 0.627 0.305 0.311 0.287

Fuente: Elaboración propia

Esta primera etapa se evalúa con la finalidad de conocer la confiabilidad y validez del modelo, utilizando medidas reflectivas se calcula la consistencia interna, la validez convergente, el promedio de la varianza extraída (AVE) y la validez discriminante (Hair et al., 2014).

Para medir la consistencia interna se calculan el alfa de Cronbach cuyos valores deben de ser mayores a 0.7 lo que proporciona una estimación de la confiabilidad basadas en las intercorrelaciones de las variables indicadores (Hair et al., 2014), esto quiere decir que el grado del instrumento mide un solo factor, es decir, unifactorial o bien el grado en cada ítem está relacionado con cada variable (Quero Virla, 1997). La confiabilidad compuesta (CC) cuyos valores deben de ser mayores a 0.70 se considera un criterio más completo para evaluar la fiabilidad ya que parte de las cargas reales de cada indicador y no asume como alfa de Cronbach que todas son iguales (Mulero Mendigorri & Bordoy, 2010). En el cuadro 8 se observan que los valores tanto de α Cronbach como de CC son mayores a 0.7 incluso en lagunas variables cercanos a 1 lo que indica la fiabilidad del modelo.

La validez convergente se explica por medio de la varianza extraída (AVE), considerando como significativos los valores mayores a 0.5 lo cual indica que la varianza compartida entre el constructo

y sus indicadores son mayores a la varianza del error de medición debido a que comparten una alta proporción de varianza (Hair et al., 2016). En este caso (cuadro 8) todos los constructos tienen un AVE mayor a 0.5 esto implica que existe una alta validez convergente ya que las mediciones se correlacionan. Otra de las medidas que nos ayuda a conocer la validez convergente del modelo en línea con AVE es la fiabilidad del indicador que nos muestra que los indicadores tienen mucho en común y eso es capturado por cada constructo (Hair et al., 2014). Los valores de la fiabilidad del indicador deben de ser mayores a 0.708 para que de esa forma logren explicar el 50% de la varianza (0.708²) por lo que valores mayores a 0.70 son aceptables (Hair et al., 2014). Generalmente los valores que están entre 0.40 y 0.70 deben ser eliminados solo en caso de que AVE o CC aumenten de forma significativo, en el cuadro 11 se observa que los valores correspondientes a CF4, FL1 y RP3 son menores a 0.7 pero su eliminación no tuvo un efecto considerable sobre AVE o CC por lo que serán considerados en los análisis subsecuentes (Hair et al., 2016).

Cuadro 11. Consistencia interna y validez

α Cronbach roa CC AVE Ítem Indicador

BC 0.82 0.833 0.892 0.733 BC1 0.864

BC2 0.86

BC3 0.843

CF 0.757 0.778 0.845 0.579 CF1 0.824

CF2 0.834

CF3 0.723

CF4 0.647

CZ 0.909 0.916 0.936 0.787 CZ1 0.935

CZ2 0.83

CZ3 0.86

CZ4 0.918

EE 0.881 0.886 0.918 0.738 EE1 0.875

EE2 0.863

EE3 0.811

EE4 0.884

ER 0.913 0.932 0.938 0.791 ER1 0.897

ER2 0.913

ER3 0.844

ER4 0.902

FL 0.733 0.833 0.848 0.66 FL1 0.563

FL2 0.918

FL3 0.906

GE 0.858 0.878 0.904 0.704 GE1 0.867

GE2 0.87

GE3 0.89

GE4 0.716

HB 0.812 0.82 0.888 0.726 HB1 0.848

HB2 0.87

HB3 0.836

IS 0.871 0.878 0.921 0.795 IS1 0.87

IS2 0.93

IS3 0.873

IU 0.883 0.898 0.92 0.742 IU1 0.876

IU2 0.841

IU3 0.934

IU4 0.788

MH 0.93 0.938 0.955 0.877 MH1 0.961

MH2 0.955

MH3 0.892

NS 0.867 0.884 0.918 0.788 NS1 0.88

NS2 0.883

NS3 0.901

RP 0.807 0.866 0.865 0.623 RP1 0.902

RP2 0.883

RP3 0.579

RP4 0.75

VP 0.86 0.866 0.905 0.704 VP1 0.809

VP2 0.862

VP3 0.827

VP4 0.856

UR 1 1 1 1 FREC 1

Fuente: Elaboración propia.

El primer criterio para conocer la validez discriminante es el de Fornell-Larcker que nos ayuda a saber si el constructo comparte más varianza con sus indicadores que con cualquier otro constructo (Hair et al., 2016). Este criterio toma la raíz cuadrada de AVE y la compara con las correlaciones de las variables latentes y el resultado de la raíz cuadrada de AVE de cada constructo debe de ser mayor que correlación más alta con algún otro constructo. En el cuadro 12 se observa que en todos los casos el resultado es mayor a excepción de las correlaciones entre CF y EE, así como en CZ y GE en los que las correlaciones son muy aproximadas, en este caso con la finalidad de obtener un resultado más preciso se propone evaluar la relación heterotrait-monotrait (HTMT) de las

correlaciones de los constructos. Como se mencionar al principio de este apartado se inició con dicho análisis ya que los resultados modificaron los indicadores de las variables CZ y EE.

Cuadro 12.- Criterio de Fornell-Larcker

BC CF CZ EE ER FL GE HB IS IU MH NS RP UR VP

BC 0.856 CF 0.183 0.761 CZ 0.294 0.625 0.887 EE 0.298 0.754 0.632 0.859 ER 0.255 0.537 0.533 0.603 0.889 FL 0.169 0.686 0.699 0.592 0.504 0.813 GE 0.4 0.542 0.806 0.604 0.463 0.576 0.839 HB 0.221 0.619 0.584 0.58 0.654 0.528 0.52 0.852 IS 0.261 0.307 0.203 0.324 0.434 0.233 0.188 0.418 0.892 IU 0.271 0.653 0.778 0.66 0.67 0.658 0.701 0.727 0.315 0.862 M

H

0.168 0.56 0.626 0.577 0.673 0.637 0.478 0.636 0.278 0.726 0.937 NS 0.358 0.316 0.346 0.354 0.282 0.339 0.506 0.277 0.161 0.289 0.263 0.888 RP -

0.126 - 0.168

- 0.244

- 0.226

- 0.187

- 0.174

- 0.266

- 0.217

- 0.284

- 0.204

- 0.073

- 0.094

0.789 UR 0.063 0.413 0.287 0.401 0.414 0.374 0.209 0.564 0.199 0.409 0.418 0.041 -0.09 1 VP 0.228 0.56 0.583 0.59 0.564 0.5 0.57 0.607 0.416 0.666 0.563 0.267 -

0.277 0.26 7

0.83 9

Fuente: Elaboración propia.

Por lo tanto, se concluye que los análisis en este apartado nos permiten determinar que existe validez convergente y discriminante por lo que se procede a realizar el análisis del modelo estructural.