Análisis factorial de variables con 2, 3, 5 y 7 categorías de respuesta: Una comparación de estimadores de variables categóricas utilizando datos simulados

Se estudian dos estimadores en el análisis factorial de ítems categóricos, la función de mínimos cuadrados ponderados implementada en el tándem PRELIS‐LISREL 7 y una función de mínimos cuadrados generalizados implementada en LISCOMP. De principal interés es el rendimiento de estos estimadores en muestras relativamente pequeñas (200 a 400) y la comparación de su rendimiento con el estimador de máxima verosimilitud de la teoría normal dado un número creciente de categorías de respuesta. La evaluación del rendimiento de estos estimadores afecta la variabilidad de las estimaciones de parámetros, el sesgo de las estimaciones de parámetros, la distribución de las estimaciones de parámetros y las estadísticas χ 2 de bondad de ajuste. El modelo utilizado en la simulación es un modelo de un factor común con 8 indicadores. Se investiga brevemente el efecto del tamaño del modelo (modelos de 12 y 16 indicadores) en el estimador de ítems categóricos de LISREL 7. Los resultados indican que en las circunstancias ideales del estudio de simulación, 200 es un tamaño de muestra demasiado pequeño para justificar el uso de estadísticas de grandes muestras asociadas con estos estimadores.