Record Details

Implementation of confirmatory factor analysis: a measuring model of reading academic achievement

Revista de Ciencias Económicas

View Archive Info
 
 
Field Value
 
Title Implementation of confirmatory factor analysis: a measuring model of reading academic achievement
Aplicación del análisis factorial confirmatorio a un modelo de medición del rendimiento académico en lectura
 
Creator Fernández Aráuz, Andrés
 
Subject FACTOR ANALYSIS
VARIANCE-COVARIANCE MATRIX
PISA
ANÁLISIS CAUSAL
MODELOS ESTADÍSTICO
PISA
 
Description The aim of this paper is to show the differences between exploratory and confirmatory factor analysis. The results obtained with confirmatory factor analysis show that both education and socioeconomic status of the parents of students, as well as material possessions at home are good indicators to measure the latent variable called Socioeconomic Extraction. Moreover, the enjoyment of reading and diversity of reading are good indicators of measurement for the latent variable Personal Attitude of the student, while the student's attitude towards school, which measure attitudes to educational process as a whole and not specifically to the reading is not a good measure for the latent variable of personal attitude. These results suggest that unobservable factors Socioeconomic Extraction, Reading Strategies and personal attitude could be used to assess the causal hypothesis of the effect of these variables on the educational performance of students in the reading test.
El objetivo de este trabajo es mostrar mediante un ejemplo empírico las diferencias entre las técnicas estadísticas de análisis factorial exploratorio y confirmatorio. Los resultados obtenidos con el análisis factorial confirmatorio muestran que tanto el nivel educativo como el estatus socioeconómico, así como las posesiones del hogar son buenos indicadores para la medición de la variable latente llamada Extracción Socioeconómica. El gusto de los estudiantes por la lectura y la diversidad de lecturas son buenos indicadores de medición para la variable latente de Actitud Personal del estudiante, mientras que la actitud del estudiante hacia el centro educativo no es una buena medición para la variable latente de Actitud Personal. Estos resultados sugieren que los factores inobservables de Extracción Socioeconómica, Estrategias de Lectura y Actitud Personal podrían ser utilizados para evaluar la hipótesis causal del efecto de estas variables sobre el rendimiento educativo de los estudiantes en la prueba de lectura.
 
Publisher Universidad de Costa Rica
 
Date 2015-12-16
 
Type info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
 
Format application/pdf
 
Identifier http://revistas.ucr.ac.cr/index.php/economicas/article/view/22216
10.15517/rce.v33i2.22216
 
Source Revista de Ciencias Económicas; Ciencias Económicas: Volumen 33, Número 2; 39-65
Revista de Ciencias Económicas; Ciencias Económicas: Volumen 33, Número 2; 39-65
2215-3489
0252-9521
 
Language spa
 
Relation http://revistas.ucr.ac.cr/index.php/economicas/article/view/22216/23751
/*ref*/Brown, T. (2006). Confirmatory factor analysis for applied research. New York: Guilford Press. doi:10.1198/tas.2008.s98
/*ref*/Byrne, B. (1998). Structural equation modeling with ISREL, PRELIS, and SIMPLIS: Basic concepts, applications, and programming. Mahwah, NJ: Erl-baum.
/*ref*/Fernández, A. (2013). Análisis de la Resiliencia Educativa de los Estudiantes Costarricenses con datos de la Prueba de Lectura de la Evaluación PISA 2009. Revista de Ciencias Económicas, 31(2), 75–99.
/*ref*/Joreskog, K. (1969). A general approach to confirmatory maximum likelihood factor analysis. Psychometrika, 34(2), 183-202. doi: 10.1007/BF02289343
/*ref*/Joreskog, K. (1971). Statistical analysis of sets of congeneric tests. Psychometrika, 36(2), 109-133. doi: 10.1007/BF02291393
/*ref*/Kaplan, D. (2009). Structural equation modeling: foundations and extensions. Segunda edición. Thousand Oaks, CA: Sage. doi:10.4135/9781452226576
/*ref*/Montero, E. (2012). Los modelos de ecuaciones estructurales como herramienta para explorar posibles relaciones causales en investigación educativa: Una ilustración con datos de PISA 2009 en Costa Rica. Aporte Especial. Cuatro Informe del Estado de la Educación. Programa Estado de la Nación en Desarrollo Humano Sostenible.
/*ref*/Mulaik, S. A. (2009). Linear causal modeling with structural equations. New York: CRC Press Taylor & Francis Group. doi: 10.1201/9781439800393
/*ref*/Organización para la Cooperación y el Desarrollo Económico. (2011). Against the Odds: Desadvantaged students who succeed in school. OECD Publishing. doi:10.1787/9789264090873-en
/*ref*/Organización para la Cooperación y el Desarrollo Económico. (2012). PISA 2009 Technical Report. OECD Publishing. doi:10.1787/9789264167872-en
/*ref*/Spearman, C. (1904). General Intelligence, objectively determined and measured. American Journal of Psychology, 15, 201-293. doi:10.2307/1412107
/*ref*/Spearman, C. (1927). The abilities of man. New York: Macmillan.
/*ref*/Thurstone, L. (1947). Multiple-factor analysis. Chicago: University of Chicago. Press.
 
Rights Copyright (c) 2015 Revista de Ciencias Económicas