Una pregunta sobre SEM y análisis de trayectorias

Question

Para mi tesis doctoral, propongo un modelo conceptual sobre el desarrollo profesional del profesorado. Mi modelo tiene un mediador. Me pregunto si puedo probar la mediación mediante el procedimiento de Baron y Kenny o bootstrap y luego realizar el análisis de modelos de ecuaciones estructurales (SEM). Muchos dicen que el primer paso (probar la mediación) es un procedimiento extra, y dicen que el SEM se encargará del análisis de la mediación. Entonces, ¿cómo puedo justificar el uso de ambos procedimientos a la vez?

Mi segunda pregunta es: ¿debo proponer una pregunta de investigación general para mi tesis doctoral, como por ejemplo, "Does $x$ mediar en la relación entre variables exógenas y endógenas?". ¿O debería plantear preguntas de investigación distintas para cada ruta del modelo? Agradezco mucho sus perspicaces respuestas.

Answer 1

Se me ocurren algunas ideas. Espero que sean útiles.

Supongamos que tenemos una exposición X, un resultado Y y un mediador X.

1) Baron y Kenny no es, en mi opinión, una buena manera de abordar la mediación, al menos no sin mucha reflexión. El principal problema es el potencial " sesgo del colisionador " REF . Si hay factores de confusión en la relación Z-Y ( Z <-- C --> Y ), éstos actuarán como factores de confusión en la relación X-Y una vez que se haya ajustado para Z, por lo que interpretar la diferencia en el coeficiente para X entre modelos no es tan sencillo como algunos pretenden.

2) La mediación es una cuestión fundamentalmente causal. Antes de construir su SEM, yo utilizaría un Gráfico acrílico dirigido REF para extraer todas sus relaciones causales hipotéticas. Esto incluiría cualquier influencia mediadora entre variables. A continuación, debería identificar la(s) relación(es) que más le interesan para su investigación y utilizar el DAG para identificar posibles factores de confusión... incluidos los de la relación Z --> Y (dado su interés en la posible mediación).

3) Yo no vería su SEM como una colección de regresiones lineales (aunque técnicamente eso es exactamente lo que es). Lo bueno de los SEM es que son una declaración holística y teórica sobre cómo crees que funciona el universo, que luego se puede contrastar con los datos. El SEM, al igual que un DAG, sólo debe incluir lo que usted necesita para responder a su pregunta de investigación. Desde este punto de vista, hacer de cada relación del SEM una "pregunta de investigación" es dejar que la cola menee al perro. El punto de partida debe ser una pregunta de investigación y, a partir de ahí, construir el SEM según convenga.

Answer 2

Probar diferentes métodos me parece sensato para comprender las diferencias en los resultados que se obtienen de los distintos análisis. El enfoque de Baron y Kenny ha recibido bastantes críticas (por ejemplo, Pardo y Román, 2013 ; Hayes, 2009 ; Zhao, Lynch y Chen, 2009 ; Krause et al., 2010 ), por lo que merecería la pena explorar alternativas, a ser posible prestando atención a los problemas que las hacen necesarias. [Puede que sea una respuesta incompleta a su primera pregunta...].

Si le interesa teóricamente la cuestión de la mediación, tiene sentido incorporarla a su introducción y discusión. Yo diría que se debe tener (y comunicar) alguna justificación para cada ruta de un modelo basado en la teoría previa, pero en algunos casos, la pregunta puede ser simple, como "¿La variable $a$ predecir variable $b$ de forma parecida a la que han encontrado investigadores anteriores?" o, "¿Se ajustará adecuadamente el modelo si fijo esta ruta en uno/cero?". Preguntas como estas no son realmente interesantes siempre y cuando las respuestas sean afirmativas, por lo que sólo recomendaría explicar por qué está modelando estas trayectorias potencialmente (incluso probablemente, esperaría) poco interesantes de la forma en que lo está haciendo (probablemente para reflejar algún supuesto teórico bien respaldado), y discutir cualquier resultado problemático si surge. En comparación, una cuestión novedosa de mediación es probablemente más interesante independientemente de si el resultado es problemático: ¡incluso un resultado "nulo" sigue siendo un resultado!