IBM SPSS Amos 23 - PASS, antes SPSS México
Transcription
IBM SPSS Amos 23 - PASS, antes SPSS México
IBM Software Business Analytics IBM SPSS Amos IBM SPSS Amos Pruebe las relaciones en modelos actitudinales y de comportamiento Características Construya modelos actitudinales y de comportamiento que reflejen relaciones complejas Especifique, estime, asegure y presente modelos en un intuitivo diagrama Alternativamente, utilice un método no gráfico y programático para especificar modelos Incremente la confiabilidad de las variables incluyendo múltiples indicadores Impute valores perdidos y ponderaciones latentes Utilícelo para estudios longitudinales, múltiples grupos y análisis de confianza Amos es un software para la creación de modelos de ecuaciones estructurales (SEM) que permite dar apoyo a sus investigaciones y teorías al ir más allá de los métodos de análisis multivariante, regresión, análisis factorial, correlación o de análisis de varianza. Con Amos podrá especificar, estimar, evaluar y presentar su modelo en un diagrama intuitivo que le mostrará las relaciones posibles entre las variables. Confirme relaciones complejas Podrá desarrollar modelos de actitud y de comportamiento que reflejen relaciones complejas de forma realista. Cualquier variable numérica, tanto observada como latente se podrá utilizar para predecir cualquier otra variable numérica. Amos incluye opciones ampliadas de estadística basadas en la estimación Bayesiana. Ahora podrá: Realizar estimaciones con datos categóricos ordinales y datos censurados. Esto le permitirá crear modelos basados en datos no numéricos sin tener que asignar puntuaciones numéricas a los datos, y trabajar con datos censurados sin tener que hacer más asunciones que la de normalidad Atribuir valores numéricos a los datos categóricos ordinales o datos censurados. El conjunto de datos resultante se puede utilizar como datos de entrada para programas que requieran únicamente datos numéricos Estimar distribuciones a posteriori predictivas para determinar valores probables para datos perdidos o parcialmente perdidos dentro de un modelo de variable latente Amos le permite analizar datos de distintas poblaciones simultáneamente, tales como grupos étnicos múltiples. Aumente la fiabilidad de las variables en sus análisis al incluir indicadores múltiples. Atribuya valores perdidos y puntuaciones latentes, tales como puntuaciones factoriales con imputación múltiple. También puede utilizar Amos para estudios longitudinales, análisis multi-grupo y análisis de fiabilidad. IBM Software Business Analytics Del modelo en pantalla a la publicación de resultados de forma rápida IBM SPSS Amos El equivalente de la representación en una tabla en la última versión de Amos es similar a la figura 2. El enfoque interactivo y visual de Amos para los modelos de ecuaciones estructurales le facilita su aprendizaje y uso. Con la interfaz de Amos puede crear diagramas causales de sus análisis utilizando herramientas de dibujo en vez de escribir ecuaciones o tecleando comandos. Fácil especificación del modelo IBM SPSS Amos ahora le permite a los no programadores especificar el modelo sin tener que dibujar el diagrama de camino. El modelo puede ser ingresado en hojas de cálculo. Por ejemplo la figura 1 le muestra un ejemplo de diagrama de camino de la guía de usuarios de Amos. Figura 2. Equivalente de la representación en una tabla. Figura 1. Ejemplo de un diagrama de camino. Después de que el modelo se ha ajustado, los parámetros hayan sido establecidos en la tabla, de la misma manera, éstos pueden ser establecidos en el diagrama de camino. La representación en una tabla proporciona una visualización alterna del modelo. Esa visualización ocupará la misma área que utiliza el diagrama de camino en la ventana de gráficos de Amos. Podrá intercambiar según sus necesidades estas visualizaciones. IBM Software Business Analytics IBM SPSS Amos Las opciones avanzadas hacen que sea aún más sencillo trabajar con Amos. Por ejemplo, puede interpretar o resumir rápidamente los resultados con la ayuda “usar en una frase”. IBM SPSS Amos ahora le permite crear modelos de ecuaciones estructurales a través de programación. Esta capacidad es de gran utilidad para: (a) un modelo que es tan complejo que dibujarlo es difícil, (b) aquellos que prefieren trabajar ya sea con un teclado en lugar de un mouse o con texto en lugar de gráficos, (c) para aquellos que necesitan generar varios modelos similares que difieran solamente en algunos detalles (como el número de variables o el nombre de las variables). Las capacidades no gráficas y programáticas en Amos mejoran la accesibilidad para aquellos que se pueden beneficiar de la especificación de modelos directamente. Sus capacidades de scripting mejoran la productividad de los usuarios que necesitan realizar modelos complicados y de gran tamaño, y hace sencilla la generación de modelos similares que difieren en algunos detalles. Una vez que haya completado el modelo, podrá determinar los ajustes con un clic. Entonces podrá imprimir los resultados en una presentación de calidad. Amos incluye 36 ejemplos completos como introducción a la creación de modelos de ecuaciones estructurales. También podrá contar con ayuda en línea. Encuentre los modelos más adecuados para sus datos Utilice la técnica de exploración de Amos, la búsqueda de especificaciones de modelos de ecuaciones estructurales (SEM), para elegir un modelo entre un amplio abanico de opciones. Aproveche las búsquedas anteriores especificando limitaciones a los valores de parámetros de su modelo, o utilice la estimación bayesiana para especificar una distribución informativa a priori de los parámetros. Utilice el análisis factorial confirmatorio de Amos para especificar y probar un patrón factorial en vez de tener que recurrir al análisis factorial exploratorio tradicional. También puede incluir varios modelos en un único análisis. Amos examina todos los pares de modelos en los que se puede obtener un modelo aplicando restricciones de parámetros al otro. Amos incluso sugiere cómo se podría mejorar el modelo – por ejemplo, añadiendo una flecha para conectar dos variables. Los gráficos y las estadísticas ayudan a encontrar el equilibrio óptimo entre la sencillez del modelo y su idoneidad. IBM Software Business Analytics Descubra relaciones imprevistas usando diagramas de camino Después de aceptar el modelo adecuado, el diagrama de camino de Amos muestra la fortaleza de la relación entre variables. Por ejemplo, si está trabajando con datos de una encuesta sobre condimentos, puede suponer inicialmente que la variable “satisfacción del sabor” es el mejor indicador de fidelidad a la marca. Sin embargo, observando el diagrama de camino de Amos, verá que el mejor indicador de fidelidad a la marca es “tamaño del paquete comprado”. Utilice Amos para descubrir los “motivos y explicaciones” que se esconden en sus datos Los investigadores y estudiantes de postgrado que tienen datos no experimentales utilizan Amos en distintos campos para convencer a su comité de trabajo o jefe, conseguir financiamiento o publicar su trabajo. Estos son algunos ejemplos: Psicología – Desarrollar modelos para entender cómo afectan al estado de ánimo los medicamentos y la terapias clínicas y artísticas Investigación médica – Confirmar cuál de las tres variables: confianza, ahorro o investigación, predice mejor la disposición de un médico para recetar medicamentos genéricos Ciencias sociales – Estudiar cómo influyen el estatus socioeconómico, la participación en organizaciones y otras situaciones determinantes en la intención de voto y en el compromiso político Investigación en educación – Evaluar los resultados de los programas de capacitación para determinar cómo influyen en la efectividad del aula Estudios de mercado – Crear modelos que indican cómo influyen los comportamientos de los clientes en las ventas de nuevos productos Investigación institucional – Estudiar cómo afectan las cuestiones relacionadas con el trabajo a la satisfacción laboral Utilice Amos con productos de SPSS que ya tenga Aunque puede utilizar Amos de forma independiente, también puede utilizarlo para ampliar los análisis que haga con IBM SPSS Statistics Base. Será el complemento ideal para sus análisis si utiliza IBM SPSS Advanced Statistics o IBM SPSS Regression, ya que los modelos de ecuaciones estructurales (SEM) amplían los algoritmos disponibles en esos programas. IBM SPSS Amos Características Interfaz gráfica de usuario Visualice a través del navegador de diagramas de camino una descripción y una imagen índice de todos los diagramas que estén en la carpeta Seleccione las opciones del programa simplemente con señalar y pulsar Cree variables sobre los diagramas de camino con un simple clic Despliegue un diagrama para un grupo diferente o modelo con un clic Visualice el contenido del archivo de datos Arrastre los nombres de variable del archivo de datos al diagrama de camino Interfaz no gráfica y programática Utilice un método no gráfico para especificar modelos: -Mejor accesibilidad para aquellos que se pueden beneficiar de la especificación directa de los modelos -Capacidades de scripting que mejoran la productividad de usuarios que necesitan realizar modelos grandes y complejos -Fácilmente genere modelos similares que difieren muy poco IBM SPSS Amos ahora le permite a los no programadores especificar modelos sin tener que dibujar una diagrama de camino -El modelo puede ser ingresado en una hoja de cálculo -La estimación de parámetros será desplegada en una tabla -La representación de la tabla y del diagrama de camino proporcionarán dos alternativas de visualización del modelo Modelos Genere modelos de ecuaciones estructurales (incluyendo aquellos casos especiales como análisis causal y modelos de datos longitudinales) con variables observables y latentes Especifique los modelos candidatos utilizando uno de estos métodos: - Especifique cada uno de los modelos de forma individual como un conjunto de restricciones de los parámetros del modelo - Utilice modelos de ecuaciones estructurales en el análisis exploratorio. Amos prueba varios modelos y sugiere los mejores, a la vez que utiliza el criterio de información de Akaike (AIC) o el criterio de información bayesiano (BIC) para comparar los modelos Realice análisis factoriales confirmatorios, modelos de los componentes de la varianza, modelos de errores de las variables y modelos de variable general latente Analice estructuras promedio y conjuntos de datos multigrupo - Especifique y pruebe rápidamente grupos de datos múltiples a través de la especificación automática IBM Software Business Analytics Analice simultáneamente datos procedentes de varias poblaciones Ahorre tiempo al combinar modelos factoriales y de regresión en un único modelo y posteriormente ajústelos de forma simultánea Analice varios modelos a la vez: Amos determina qué modelos están anidados y calcula automáticamente estadísticas de prueba Traslade los diagramas de camino a Visual Basic Ajuste lineal de modelos de crecimiento de curvas utilizando la generación automática de parámetros restringidos Análisis de clase latente Realice estudios de participación en el mercado Calcule el tamaño de cada conglomerado o segmento Realice una combinación de regresiones y una combinación de modelos Realice combinaciones de análisis de factores Determine la probabilidad de cada uno de los miembros de un grupo Capacite el algoritmo de clasificación. Asigne algunos casos a grupos para que el programa pueda clasificar los casos restantes Requiere algunos parámetros para ser igual entre otros grupos, mientras permite que otros parámetros varíen en él Estimación bayesiana Estimación de valores para datos ordenados categóricamente y datos censurados Simulación Monte Carlo de cadenas Markov (MCMC) Especifique una distribución informativa a priori: normal, uniforme o personalizada Señale la distribución marginal a posteriori de cualquier parámetro Estimación de cualquier función de los parámetros del modelo Obtenga intervalos simétricos óptimos creíbles para los efectos indirectos Evaluación de los modelos Evaluación de las estimaciones de parámetros de datos normales y no normales utilizando las opciones de simulación de muestreo. Obtenga fácilmente estimaciones del sesgo y del error típico para cualquier parámetro y estadísticos derivados, mediante las opciones de simulación de muestreo y Monte Carlo Pruebas de normalidad multivariante y lleve a cabo análisis de los valores atípicos Creación de modelos Utilice el diagrama de camino como especificación del modelo IBM SPSS Amos Modifique el modelo al cambiar el diagrama de camino con herramientas de dibujo Visualice gráficamente las estimaciones de parámetros y las medias de ajuste Visualice los grados de libertad en cualquier momento durante el diseño del diagrama de camino Copie y pegue parte de un diagrama en otro diagrama Capacidades analíticas y funciones estadísticas Determine estimaciones de valores perdidos o parcialmente perdidos en modelos de variables latentes Obtenga un intervalo aproximado de confianza para cualquier distribución empírica, incluyendo los coeficientes estandarizados, mediante la rápida simulación de muestreo -Ajuste del modelo con el método de simulación Bollen y Stine - Cálculo de los intervalos de percentiles y corrección de éstos Efectúe contrastes por permutación aleatoria para comprobar si se pueden encontrar modelos equivalentes o de mejor ajuste Especifique restricciones de igualdad sobre el diagrama de camino mediante el uso de la misma etiqueta en dos o más parámetros, incluyendo las medias, las intersecciones, las ponderaciones de regresión y/o las covarianzas; dentro del mismo grupo o a través de distintos grupos Cálculo de medias de las variables exógenas Estime las intersecciones en las ecuaciones de regresión Lleve a cabo simulación paramétrica de muestreo para encontrar intervalos de confianza aproximados de cualquier modelo bajo la teoría de distribución normal, incluyendo los coeficientes estandarizados con simulación Monte Carlo Utilice una variedad de métodos de estimación, incluyendo máxima verosimilitud, mínimos cuadrados no ponderados, mínimos cuadrados generalizados, el criterio de distribución libre asintótica de Browne y mínimos cuadrados sin escala Evalúe modelos utilizando más de dos docenas de estadísticos de bondad de ajuste, incluyendo Chi-cuadrado; AIC; criterios de información de Bayes y Bozdogan; Browne-Cudeck (BCC); criterios ECVI, RMSEA, y PCLOSE; raíz cuadrada y residuos cuadrados; n crítica de Hoelter ; índices de Bentler-Bonett y Tucker-Lewis Obtenga estimaciones del sesgo y del error típico para cualquier parámetro y estadísticos derivados mediante las opciones de simulación de muestreo y de Monte Carlo Opcionalmente, utilice la matriz de información observada para estimar los errores típicos Visualice los valores críticos (p valores), junto con las razones críticas para los parámetros individuales Utilice la ayuda del navegador, las opciones que se muestran y las opciones de formato de tabla para destacar los resultados obtenidos IBM Software Business Analytics - Navegue rápidamente y visualice partes del resultado en el panel de navegación - Conecte los encabezados de la sección y de la tabla para obtener ayuda según el contexto - Conecte números, tales como p valores visualizados en el panel de navegación, para obtener ayuda y recibir una descripción en inglés de lo que representan dichos números Visualice los resultados de sus archivos de texto en XHTML en su navegador - Mantenga el formato de la tabla cuando utilice el clipboard o la opción de “arrastrar y soltar” para copiar tablas a otras aplicaciones - Utilice los archivos XHML como formato de archivo - Analice los resultados de Amos con un analizador XML; cuando escriba programas para el post procesado de resultados de Amos utilice una expresión XPATH para extraer cualquier parte deseada de los resultados Vista previa Imputación de resultados Impute valores numéricos para datos ordenados categóricamente o datos censurados Impute los valores perdidos y los resultados de variables latentes Elija entre tres métodos distintos: regresión, regresión estocástica y bayesiana Imputación única: - La imputación de regresión utiliza la regresión lineal para sustituir los valores perdidos Imputación única o múltiple: - La imputación de regresión estocástica utiliza estimaciones basadas en máxima verosimilitud (ML) de los datos observados y supone igualdad de los parámetros a sus estimaciones de máxima verosimilitud - La imputación de regresión bayesiana es similar a la imputación de regresión estocástica; sin embargo, asume que los valores de los parámetros son estimados, no conocidos IBM SPSS Amos Herramientas de dibujo y otras herramientas Genere diagramas de camino con calidad de presentación - Facilidad para mostrar u ocultar los nombres de las variables o etiquetas en los diagramas de camino Imprima o pegue diagramas de camino en otras aplicaciones Utilice los botones de la barra de herramientas para dibujar su modelo, incluyendo la manipulación de la forma, copiar, borrar, ajuste de página y alineación Personalice la barra de herramientas - Asocie la barra de herramientas, un menú o tecla con cualquier macro de Amos, incluyendo aquellos que escriba usted - Añada una imagen a la barra de herramientas - Cree un acceso directo para ejecutar macros Ajuste el modelo seleccionando botones de la barra de herramientas Trabaje con los nombres de las variables que haya asignado, en lugar de hacerlo con letras griegas Añada títulos y anotaciones al diagrama Trabaje con la barra de herramientas, los menús y teclado para las tareas más frecuentes Utilice los menús emergentes que mostrarán acciones útiles para cada elemento del diagrama Cambie las medidas de los modelos mediante los botones de reflexión y rotación Utilice macros para ampliar las capacidades del programa Programación Especifique modelos de forma no gráfica con Visual Basic oC# Amplíe las capacidades de Amos - En el análisis bayesiano, busque la distribución posterior de cualquier función de los parámetros - Defina sus propias medidas de idoneidad Documentación y ayuda Amplia ayuda en línea con referencias cruzadas de explicaciones del resultado Incluye la Guía de Usuario en el archivo PDF con 31 ejemplos completos Gestión de datos y archivos Lectura de archivos: dBASE® (.dbf), Microsoft Excel® (.xls), FoxPro® (.dbf); Lotus® (.wk1, .wk2, .wk3); Microsoft Access® (.mdb), SPSS® (.sav); y texto (.txt, .csv) IBM Software Business Analytics IBM SPSS Amos © Copyright IBM Corporation 2012 IBM Corporation Software Group Route 100 Somers, NY 10589 IBM, the IBM logo, ibm.com and SPSS are trademarks of International Business Machines Corporation registered in many jurisdictions worldwide. Other product and services names might be trademarks of IBM or other companies. A current list of IBM trademarks is available on the Web at “Copyright and trademark information” at www.ibm.com/legal/copytrade.shtml PASS, antes SPSS Insurgentes 933, piso 1 México, D.F. 03810 Tel. (55)5682 8768, 1797, 7722 [email protected] www.pass.mx The content in this document (including currency or printing references which exclude applicable taxes) is current as of the initial date of publication and may be changed by IBM at any time. Not all offerings are available in every country in which IBM operates. THE INFORMATION IN THIS DOCUMENT IS PROVIDED “AS IS” WITHOUT ANY WARRANTY, EXPRESS OR IMPLIED, INCLUDING WITHOUT ANY WARRANTIES OF MERCHANT ABILITY, FITNESS FOR A PARTICULAR PURPOSE AND ANY WARRANTY OR CONDITION OF NON-INFRIGEMENT. IBM products are warranted according to the terms and conditions of the agreements under which they are provided.