Keywords
ecuaciones estructurales
minría de hierro
sostenibilidad
How to Cite
Abstract
El modelado mediante ecuaciones estructurales, es una técnica de análisis de datos estadísticos de segunda generación, se ha posicionado como la opción metodológica más utilizada por investigadores en diversos campos de la ciencia. El método más conocido es el basado en la covarianza, pero presenta algunas limitaciones para su aplicación en determinados casos. Otro método alternativo se basa en la estructura de varianza, mediante el análisis de mínimos cuadrados parciales, que es una opción adecuada cuando la investigación implica el uso de variables latentes (por ejemplo, indicadores compuestos) elaboradas por el investigador, y donde es necesario explicar y predecir modelos complejos. Este artículo presenta un breve resumen de la técnica de modelado de ecuaciones estructurales, con un ejemplo sobre la relación de constructos, sostenibilidad y competitividad en la minería del hierro, y pretende ser una breve guía para futuros investigadores en las ciencias de la ingeniería.
Palabras Clave: Competitividad, Ecuaciones estructurales, Minería de hierro, Sostenibilidad.
References
J. Hair, G. Hult, C. Ringle and M. Sarstedt. A Primer on Partial Least Square Structural Equation Modeling (PLS-SEM). California: United States. Sage, 2017.
H. Wold. Model Construction and Evaluation when Theoretical Knowledge Is Scarce: An Example of the Use of Partial Least Squares. Genève. Faculté des Sciences Économiques et Sociales, Université de Genève. 1979.
J. Henseler, G. Hubona & P. Ray. “Using PLS path modeling new technology research: updated guidelines”. Industrial Management & Data Systems, 116(1), 2-20. 2016.
G. Cepeda and Roldán J. “Aplicando en la Práctica la Técnica PLS en la Administración de Empresas”. Congreso de la ACEDE, Murcia, España, 2004.
D. Garson. Partial Least Squares. Regresión and Structural Equation Models. USA Statistical Associates Publishing: 2016.
D. Barclay, C. Higgins & R. Thompson. “The Partial Least Squares (PLS) Approach to Causal Modeling: Personal Computer Adoption and Use as an Illustration”. Technology Studies. Special Issue on Research Methodology. (2:2), pp. 285-309. 1995.
J. Medina, N. Pedraza & M. Guerrero. “Modelado de Ecuaciones Estructurales. Un Enfoque de Partial Least Square Aplicado en las Ciencias Sociales y Administrativas”. XIV Congreso Internacional de la Academia de Ciencias Administrativas A.C. (ACACIA). EGADE – ITESM. Monterrey, México, 2010.
J. Medina & J. Chaparro. “The Impact of the Human Element in the Information Systems Quality for Decision Making and User Satisfaction”. Journal of Computer Information Systems. (48:2), pp. 44-52. 2008.
D. Leidner, S. Carlsson, J. Elam & M. Corrales. “Mexican and Swedish Managers’ Perceptions of the Impact of EIS on Organizational Intelligence, Decisión Making, and Structure”. Decision Science. (30:3), pp. 633-658. 1999.
W. Chin. “The partial least squares approach for structural equation modeling”. Chapter Ten, pp. 295-336 in Modern methods for business research. Edited by Macoulides, G. A., New Jersey: Lawrence Erlbaum Associates, 1998.
M. Höck & C. Ringle M. “Strategic networks in the software industry: An empirical analysis of the value continuum”. IFSAM VIIIth World Congress, Berlin 2006.
J. Henseler, Ch. Ringle & M. Sarstedt. Handbook of partial least squares: Concepts, methods, and applications in marketing and related fields. Berlin: Springer, 2012.
S. Daskalakis & J. Mantas. “Evaluating the impact of a service-oriented framework for healthcare interoperability”. Studies in Health Technology and Informatics. pp. 285-290. 2008.
C. Fornell & D. Larcker: “Evaluating Structural Equation Models with Unobservable Variables and Measurement Error”, Journal of Marketing Research, vol. 18, pp. 39-50. February 1981.
C. Fornell. A Second Generation of Multivariate Analysis: An Overview. Vol. 1. New York, U.S.A. Praeger Publishers: 1982.
R. Falk and N. Miller. A Primer for Soft Modeling. Ohio: The University of Akron. 1992.
M. Martínez. Aplicación de la técnica PLS-SEM en la gestión del conocimiento: un enfoque técnico práctico.
Revista Iberoamericana para Investigación y el Desarrollo Educativo. Vol. 8, Núm. 16. 2018.
S. Geisser. “A predictive approach to the random effects model”. Biometrika, Vol. 61(1), pp. 101-107. 1974.
J. Cohen. Statistical power analysis for the behavioral sciences. Mahwah, NJ: Lawrence Erlbaum, 1988.
GRI (2013). G4 Sustainability Reporting Guidelines. Global Reporting Initiative. Available: www.globalreporting.org.
This work is licensed under a Creative Commons Attribution 4.0 International License.