11. Ejemplo práctico de aplicación de las ecuaciones estructurales al estudio de la quiebra

1) Un ejemplo

En este ejemplo hemos modelizado los factores que explican que los bancos divulguen sus cuentas anuales en Internet, es decir sean transparentes.

  • Serrano Cinca, C.; Fuertes, Y. and Gutierrez, B (2007): "Online reporting by banks: a structural modelling approach", Online Information Review, Ed Emerald, Vol. 31, No 3, pp 310-332 [Abstract]

a) El modelo

Pensamos que un factor explicativo puede ser el tamaño, otro la visibilidad en Internet (aquellas que sean muy populares) y finalmente si lo hacen bien (por ejemplo, en términos de rentabilidad) tendrá más aliciente para divulgar la información. Es decir, una entidad grande, que tiene buenos resultados financieros y que haya hecho una mayor apuesta por Internet será más tendente a revelar información por este medio.

b) Definir los constructos

A continuación se definen las variables latentes o constructos.

c) Argumentar las hipótesis

En la siguiente fase se proporcionan los argumentos teóricos que sustentan las hipótesis. En este caso:

La relación entre tamaño y transparencia

Se plantea como primera hipótesis que son las entidades financieras más grandes las que tienden a revelar información financiera en Internet. La teoría de la red contractual sustenta esta hipótesis pues las compañías de mayor tamaño tienen mayores problemas de asimetría de información entre gestores y accionistas, lo que conlleva a su vez unos elevados costes de agencia. También la teoría del coste político sustenta esta hipótesis al sostener que las organizaciones mas grandes estarían motivadas hacia una mayor divulgación de información en respuesta a presiones políticas. La relación positiva entre revelación de información, tanto voluntaria como obligatoria, y el tamaño ha sido contrastada empíricamente en numerosos estudios. El tamaño es la variable que en mayor número de estudios de divulgación sale significativa.

En resumen, son muchos los argumentos que justifican que cuanto más grandes son las empresas más y mejor información financiera publican. Por ello, planteamos la siguiente hipótesis:

H1: El "tamaño de la entidad" tiene un efecto positivo en la "e-transparencia", en las entidades de crédito.

La performance financiera y la transparencia

La relación entre performance y divulgación ha sido también ampliamente analizada. Los defensores de esta relación argumentan que si la empresa tiene una elevada rentabilidad la gerencia tendrá una mayor inclinación a divulgar la información financiera.

Sin embargo los trabajos empíricos que contrastan esta hipótesis no son contundentes. Algunos trabajos muestran la existencia de una correlación positiva. Otros estudios no encuentran relación o incluso encuentran una relación negativa. Vamos a plantear la siguiente hipótesis:

H2: La "performance financiera" tiene un efecto positivo en la "e-transparencia"

El uso de Internet

Esta hipótesis plantea que las empresas que han hecho una mayor apuesta por el uso de Internet, mayor visibilidad tendrán en la red y más y mejor información financiera revelarán en Internet. Diversos autores han planteado la relación entre tecnología y revelación de información. Las razones serían su mayor nivel de conocimiento de Internet, el interés en liderar las nuevas tecnologías, lo que hace más probable su divulgación de información por vía electrónica, y en otros casos por imitación de compañías innovadoras dentro de su mismo sector. Aquellas entidades que más apuestan por Internet, como canal de ventas o para ofrecer servicios a sus clientes, tienden a revelar más cantidad de información financiera por este medio. Se puede justificar que las empresas más visibles estarán motivadas hacia una mayor divulgación de información en respuesta a presiones políticas. En la Era de Internet podemos plantear que aquellas empresas que tienen una mayor visibilidad en Internet también pueden una mayor determinación a revelar la información por este medio, no por las presiones políticas sino por la presión que pueden hacer los usuarios Internet users, o más recientemente los bloggers. Planteamos la siguiente hipótesis:

H3: La "visibilidad en Internet" tiene un efecto positivo en la "e-transparencia"

Tamaño, performance y visibilidad en Internet

La realización de actividades a través de medios electrónicos exige, en muchos casos, inversiones significativas y cambios organizativos y culturales que afectan a la propia identidad de la empresa. Para que una empresa pueda cumplir las tendencias como reporting continuo, información a medida de los diferentes tipos de usuarios, integración de información de diversas fuentes y permitir el diálogo con los usuarios debe tener un cierto tamaño. Estas empresas tendrán que afrontar importantes adaptaciones en el sistema de información contable. Algunos trabajos aportan evidencia empírica al respecto. Siguiendo este razonamiento planteamos que:

H4a: El "tamaño" tiene un efecto positivo en la "visibilidad en Internet"

De forma similar también se plantea que las entidades financieras más exitosas, o mejor gestionadas que destacan por diversos parámetros como la financial performance querrán ser también las líderes en Internet, y presentarán una buena visibilidad en la red. Con el desarrollo de los negocios electrónicos, en los últimos años numerosos investigadores han estudiado la relación existente entre variables financieras, como los resultados, la rentabilidad o el valor en bolsa de una compañía y diferentes medidas relacionadas con indicadores de Internet. Podemos esperar que las entidades financieras con mejor performance, velen por posicionarse en Internet para generar más tráfico hacia sus webs que amplíe su base de clientes u ofrezca mejores servicios por este medio a los clientes existentes. La hipótesis sería:

H4b: La "performance financiera" tiene un efecto positivo en la "visibilidad en Internet"

Tamaño y performance financiera

El estudio de la relación entre el tamaño de las empresas y su rendimiento es un tema clásico de investigación. Las compañías de mayor tamaño disfrutan de economías de escala, pueden desarrollar recursos internos y competencias estratégicas en tecnología y servicios, realizar inversiones importantes en infraestructura, etc. Sin embargo, diferentes investigaciones han puesto de manifiesto que los problemas de coordinación, motivación y conflictos de intereses también son mayores en las grandes compañías. En el caso de las entidades financieras es un aspecto muy controvertido, analizada desde la perspectiva de los efectos de la concentración en el sector bancario. Las fusiones y adquisiciones, al constituir entidades de mayor tamaño, permiten la obtención de economías de escala, mejora de la gestión y de la posición competitiva y la diversificación de su actividad, reduciendo de este modo su riesgo. Siguiendo este razonamiento planteamos que:

H5: El "tamaño" tiene un efecto positivo en la "performance financiera"

d) El contraste empírico. Datos e indicadores

Ya se ha planteado el modelo desde un punto de vista teórico. Ahora toca contrastarlo. En primer lugar se presentan los datos disponibles y sus limitaciones.

La muestra la componen 70 entidades financieras españolas. Son todas las cajas de ahorro que operaban en España en la fecha del estudio y todos los bancos, excepto aquellos que son filiales de bancos extranjeros. Las 70 entidades analizades suponen el 85.7% de los créditos y el 87.5% de los depósitos del sistema financiero español.

Los datos están en este fichero en diferentes formatos:

A continuación se identifican los indicadores (variables observables, medibles) para cada constructo.

 Constructo

 Indicadores
  Definición

Transparencia

eDIS1

Se miró la sección de información financiera de la web y se les puso una puntuación, de 1 a 7 según su desarrollo.

  • 1. Opacos. Se caracteriza porque apenas presenta la mera información legal, contacto de la entidad. La información contable o no existe o son datos aislados.
  • 2. Escuetos. Un resumen de información contable con algunos datos clave
  • 3. Amantes del papel. Se permite descargar las cuentas en PDF o similar. Es decir, como la memoria de papel.
  • 4. Cuentas en HTML. Están las cuentas anuales en PDF pero hay más cosillas que configuran una "sección de información financiera". Probablemente se haya encargado a un webmaster que haga un diseño especial, pensando en los internautas.
  • 5. Portal financiero en Internet. Reporting continuo. Se caracteriza por noticias actualizadas y una web dinámica. Comunicados, sala de prensa…
  • 6. Multimedia. Una sección con un desarrollo tecnológico avanzado y diversos soportes para presentar y descargar la información financiera, incluyendo vídeos, presentaciones en PPT.
  • 7. Web 2.0. Nivel superior. Diálogo. Interacción con los usuarios de la información contable (inversores, accionista, curiosos, vía email, listas distribución o alertas. Webcast (videoconferencia) Características de Web 2.0 como XML (RSS, XBRL, Blog).

 eDIS2

Este indicador se ha tenido en cuenta sumando el número de informes financieros que se pueden visualizar, con un máximo de 11 puntos.

  • 1. Directors' report
  • 2. Balance sheet
  • 3. Income Statement
  • 4. Notes to the financial statements
  • 5. Signed audit opinion of external auditors
  • 6. Información intermedia
  • 7. Cash flow statement
  • 8. Statement of changes in equity
  • 9. Análisis de las cuentas anuales. Ratios financieros y gráficos.
  • 10. Series históricas (3 o más años)
  • 11. Informes sobre gestión del riesgo

 eDIS3

La suma de las 8 puntos sobre información financiera que no está en los estados financieros

  • 1. Información sobre las principales actividades del negocio empresarial
  • 2. Relación nominal, y breve reseña, de los principales directivos de la empresa
  • 3. Información sobre prácticas de Buen Gobierno
  • 4. Información sobre la aplicación de normas de calidad a diferentes procesos o productos
  • 5. Información precisa y cuantitativa sobre la política en materia de recursos humanos
  • 6. Informe separado sobre Capital Intelectual
  • 7. Informe sobre Responsabilidad Social Corporativa
  • 8. Información precisa y cuantitativa sobre la política en materia de impacto medioambiental

Tamaño


ASSETS
 ln(Total Assets)

 BRANCHES
 ln(Number of Branches)

 EMPLOYEES
 ln(Number of Employees)

Performance financiera

 ROE1
 Margen Explotación / Fondos Propios

 ROE2
 Resultados antes impuestos / Fondos Propios

 ROE3
 Resultados del ejercicio/ Fondos Propios

Visibilidad en Internet

 LINKYAHOO
 ln(Number of incoming links according to Yahoo). Esto se calcula en sitios como (http://www.linkpopularity.com).

 LINKMSN
 ln(Number of incoming links according to MSN)

 LINKASK
 ln(Number of incoming links according to Ask)

 LINKWISE
 ln(Number of incoming links according to Wisenut)

 LINKATW
 ln(Number of incoming links according to Alltheweb)

Para estimar las ecuaciones estructurales hay varios programas:

e) El modelo de medida. Consistencia interna.

El modelo de medida contempla las relaciones entre cada constructo y sus indicadores y se basa en el cálculo de los componentes principales. Aunque la técnica de extraer los componentes principales es muy utilizada en la investigación contable como técnica de análisis exploratorio, la forma de operar en SEM es diferente. En SEM se utiliza un procedimiento deductivo: el investigador propone a priori los indicadores que han de formar el constructo y se van descartando aquellos que no cumplen ciertas propiedades de consistencia interna como unidimensionalidad, fiabilidad, validez convergente y validez discriminante.

Vamos a usar el programa SPSS para el modelo de medidad y para estimar las ecuaciones estructurales el SmartPLS y el PLSGraph.

SmartPLS

g

 

PLSGraph

g

Unidimensionalidad

En primer lugar se comprueba que los indicadores que integran cada constructo son unidimensionales. Se realiza un análisis de componentes principales para cada constructo y se aplica el criterio de Kaiser (1960), es decir que solo para el primer componente principal el valor propio es mayor que 1. Jolliffe (1972) sugiere un valor de 0.8. Se realizan tantos análisis de componentes principales como constructos. Otro dato relevante es el porcentaje de varianza explicada. En este caso se espera que el primer componente explique la mayor parte de la varianza.

Esto se puede hacer con el SPSS y el fichero Este.sav [Analizar] -> [Reducción de datos] -> [Análisis Factorial]

En nuestro estudio, se realizaron 4 análisis de componentes principales, uno para cada constructo. Todos los constructos eran unidimensionales excepto "Visibilidad en Internet". Al incluir los cinco indicadores el eigenvalue correspondiente al segundo componente principal era 1.169. El estudio de la matriz de componentes desechó los indicadores "número de enlaces según el buscador Alltheweb" y "número de enlaces según el buscador Wisenut". Al eliminarlos y calcular de nuevo los componentes principales, el eigenvalue pasó a ser 0.271, quedando satisfecho el requisito de unidimensionalidad. La tabla muestra en la columna A los eigenvalues correspondientes a los dos primeros componentes principales tras desechar esos dos indicadores. Otro dato relevante es el porcentaje de varianza explicada. La columna B de la tabla muestra dicho porcentaje para los dos primeros componentes principales. En este caso se espera que el primer componente explique la mayor parte de la varianza, como así sucede ranking 78% a 96%.

Fiabilidad

La fiabilidad (reliability) mide the consistencia de los indicadores que forman el constructo, es decir, que los indicadores están midiendo lo mismo. Se calcula el alpha de Cronbach, Cronbach (1970), y la fiabilidad compuesta (composite reliability), Werts et al. (1974), que oscilan entre 0 (ausencia de homogeneidad) y 1 (máxima homogeneidad). La diferencia es que el alpha de Cronbach presupone a priori que cada indicador de un constructo contribuye de la misma forma mientras que la fiabilidad compuesta utiliza las cargas de los ítems tal como existen en el modelo causal. Lo más habitual es considerar como criterio de fiabilidad que los valores de ambos índices sean superiores a 0.7.

El alpha de Cronbach se puede calcular con el SPSS y el fichero Este.sav

[Analizar] -> [Escalas] -> [Análisis de Fiabilidad]. Seleccionar los indicadores de cada constructo y en [Estadísticos] -> [Descriptivos para escala si se elimina el elemento].

El SmartPLS y el PLSgraph proporciona la fiabilidad compuesta.

e y

Aunque se puede usar el SPSS y esta excel [AVE.xls] que ayuda a calcularlo.

La columna C de la tabla muestra los valores del alpha de Cronbach y la columna D los valores del fiabilidad compuesta. Todos los constructos superan el valor recomendable de 0.7.

Validez convergente

La validez convergente "is the degree to which the indicators reflect the construct, that is, whether it measures what it purports to measure". Se ha calculado el Average Variance Extracted (AVE) que mide que la varianza del constructo se pueda explicar a través de los indicadores elegidos, Fornell y Larcker (1981). Los valores mínimos recomendados son 0.5, Baggozi y Yi (1998), lo que quiere decir que más del 50% de la varianza del constructo es debida a sus indicadores.

El SmartPLS y el PLSgraph proporcionan el dato de Average Variance Extracted (AVE). O bien se puede usar el SPSS y la excel anterior.

s

El segundo criterio para analizar el cumplimiento de la validez convergente es comprobar que las cargas factoriales de la matriz de componentes principales sean >0.5 para cada uno de los indicadores, Jöreskog y Sörbom (1993) o 0.70 para Chin (1998).

Validez discriminante

La validez discriminante implica que cada constructo debe ser significativamente diferente del resto de los constructos con los que no se encuentra relacionado según la teoría. Para analizar la validez discriminante se obtuvo la matriz de cargas factoriales y cargas factoriales cruzadas. Las cargas factoriales son coeficientes de correlación de Pearson entre los indicadores y su propio constructo. Las cargas factoriales cruzadas son coeficientes de correlación de Pearson entre los indicadores y los otros constructos. Las cargas factoriales debe ser mayores que las cargas factoriales cruzadas. Es decir, los indicadores deben estar más correlacionados con su propio constructo que con los otros.

El segundo criterio para verificar la validez discriminante es que la raíz cuadrada del AVE del constructo sea mayor que la correlación entre ese constructo y todos los demás, Chin (1998). La tabla 6 muestra los coeficientes de correlación entre los constructos. Nótese que en las diagonales en vez del clásico valor de 1, se ha de mostrar la raíz cuadrada del AVE. Además, para Bagozzi (1994) las correlaciones entre los distintos factores que componen el modelo no deben ser superiores a 0.8

Testar el cumplimiento de las propiedades que aseguran la internal consistency es importante. Ahora podemos hablar con propiedad de "tamaño", "transparencia", "rentabilidad", etc y establecer relaciones entre dichas variables latentes. Es una aportación frente a los estudios que manejan variables observables, en los que los investigadores deben limitarse a plantear hipótesis entre variables como Activo Total y ROE, siendo los resultados menos generales.

f) El modelo estructural. R cuadrado y betas.

Para estimar las ecuaciones estructurales, utilizamos Partial Least Squares (PLS).

Los parámetros se estiman con un procedimiento bootstrap con varios cientos de iteraciones [Options]->[Resampling]. Los coeficientes de regresión estandarizados beta llamados "path coefficients" en la jerga de SEM, los valores de la t de student y los R2 (R-square).

Los R-square miden la cantidad de varianza del constructo que es explicada por el modelo. El R-square de la variable latente que queremos explicar, "e-transparencia", es 0.558. Los R-square de las otras variables latentes son 0.493 para "Visibilidad en Internet" y 0.226 para "performance financiera". Los R-square los podemos ver en el gráfico, debajo de los círculos.

d

 

.

Los coeficientes path estandarizados permiten analizar el cumplimiento de las hipótesis planteadas. Chin (1998) sugiere que para ser considerados significativos, deberían situarse por encima de 0.3. Los coeficientes los podemos ver en el gráfico, debajo de las líneas. Los obtenidos mediante bootstrap, que cambian ligeramente se obtinen en el caso del PLSGraph en el fichero [BOOT.out].

En la hipótesis 1 planteamos que el tamaño o "size" tiene un efecto positivo en "e-transparency". La tabla presenta valores del parámetro de la relación de 0.6653, y t-value de 5.84 siendo estadísticamente significativos. Al multiplicar el coeficiente path (0.6653) por el correspondiente coeficiente de correlación entre ambas variables latentes (0.738), sale 0.4909, que es un índice razonable del porcentaje de la varianza del constructo "transparencia" explicado por la variable latente predictora "size". A la vista de los valores de las betas, t y los R-square podemos concluir que los datos soportan la hipótesis 1.

La hipótesis 2 vincula financial performance y e-transparencia. El coeficiente de correlación entre performance y transparencia es 0.452, que es positivo y estadísticamente significativo. Hay una relación estadísticamente significativa entre performance y transparencia, pero el coeficiente path es muy bajo, 0.1070 así como el t-value, 1.22. Los datos no permiten apreciar una relación causal ¿Qué está pasando? Obsérvese que el path de la relación entre tamaño y performance, (hipótesis 5), es de 0.5008 y un t-value de 5.21 que es estadísticamente significativo. Las entidades financieras con mejor performance revelan más, pero porque son las más grandes. Por tanto los datos aceptan la hipótesis 5, "size" tiene un efecto positivo en "financial performance" pero no se aceptan la hipótesis 2.

Con la hipótesis 3, que vincula visibililidad en Internet y e-transparencia pasa parecido. El coeficiente de correlación entre ambos es 0.526, que es positivo y estadísticamente significativo. Pero el path coefficient es muy bajo, 0.0355, así como el t-value, 0.09. Por tanto los datos no permiten apreciar una relación causal. Los datos sí que aceptan la relación entre tamaño y visibilidad en Internet, la hipótesis 4a. No se acepta la hipótesis 4b que relaciona "performance financiera" con "visibilidad en Internet" al presentar un path coefficient de 0.0459.

g) Algunas conclusiones.

La fase última correspone a la interpretación de los resultados. Se deben justificar las hipótesis que no se cumplen, proponer modelos alternativos, etc.

A la vista de los resultados, parece claro que al menos en sector bancario español, el tamaño es importante. Las entidades más grandes, son también las más guapas (visibilidad en Internet) y trabajadoras (performance financiera). Destacan por revelar más información financiera en Internet, disponiendo además de verdaderos portales financieros que prestan todo tipo de servicios a los clientes o simples navegantes. El tamaño ha sido una obsesión en el sector bancario español, tanto en los bancos como en las cajas. Cabe señalar que en 1985 había en España casi ochenta cajas de ahorros y en el 2006 eran 46, con nuevas fusiones a la vista.

Es llamativo que en estos veinte años han multiplicado por diez sus activos. En cuanto a los bancos el proceso ha sido similar: seis de los "big seven" que lideraban la banca se han fusionado creando dos actores internacionales, BBVA y Santander que han comprado numerosos bancos pequeños y medianos.

Uno de los pilares de la llamada nueva economía ha sido, precisamente, que en Internet el tamaño no es lo único importante. Ciertamente cualquier pequeña empresa puede construir un web site con bajo presupuesto. Sobran ejemplos en Internet de adolescentes que en sus ratos libres administran magníficos servidores con miles de visitas. Pero aunque cualquier empresa puede poner su información financiera en pdf vía Internet a muy bajo coste, para construir una verdadera sección de información financiera que preste servicios a los usuarios de la contabilidad se precisan unos recursos financieros, humanos y tecnológicos que dan ventaja a las empresas grandes.

Internet es cada vez más el medio elegido por las empresas e instituciones para revelar información financiera a los usuarios. En este trabajo hemos presentado un modelo explicativo de revelación de información financiera en Internet de entidades financieras. Se han planteado una serie de hipótesis contrastadas en un estudio empírico realizado con entidades financieras españolas. Se ha encontrado una relación positiva y estadísticamente significativa entre el tamaño de la entidad, su financial performance, su visibility en Internet y la transparencia a la hora de revelar información en Internet. Las variables analizadas son latentes, no observables directamente y sus relaciones se presumen complejas. Por ello el modelo se ha estimado mediante la técnica de las ecuaciones estructurales (SEM).

El estudio muestra que, al menos en el caso de las entidades financieras españolas, el tamaño es la variable importante que explica la mayor parte de la varianza del modelo. En muchos sectores y países no hay relación entre el tamaño y la performance. Al ser la rentabilidad independiente del tamaño pueden convivir empresas grandes y pequeñas. Pero en el caso analizado, si las entidades más grandes son también las que destacan por la financial performance esto solo puede desembocar en un fenómeno: la concentración del sector. Es justo lo que ha pasado y sigue pasando en España. Debemos recordar que los bancos y cajas españolas aparecen muy bien situados en términos de solvencia, rentabilidad y eficiencia. Son entidades admiradas y hasta temidas por sus competidores, que deberían tomar buena nota de las claves de su éxito. Su implantación en el exterior ha sido fructífera, tanto en Latinoamérica donde son líderes como en algunos países europeos e incluso en USA, donde ya han iniciado su expansión. Las entidades más grandes también son las más visibles en Internet. Las entidades grandes han hecho los deberes en Internet, lo que para el sector bancario supone ganar el futuro, por el crecimiento imparable que experimenta la banca electrónica. Este perfil de entidad financiera, grande, con buena performance y líder en Internet toma en serio los aspectos de revelación de información contable en Internet.

Cabe señalar que este trabajo lo realizamos en 2006 y que tras la crisis de 2010 sigue vigente se ha producido una mayor concentración en el sector. Aunque solo miramos páginas web, bancas electrónicas y apenas unos ratios financieros ya se intuía la necesidad de ganar tamaño.

El trabajo presenta una aportación en cuanto a la técnica aplicada, SEM. SEM conjuga lo mejor de las técnicas de data reduction, como Principal Components Analysis con las técnicas que relacionan las variables, como la regression. Su uso ha permitido identificar variables latentes que cumplen los requisitos de unidimensionalidad, fiabilidad, validez convergente y validez discriminante. El cumplimiento de estos requisitos de consistencia del modelo de medida permite que podamos hablar con propiedad cuando se utilizan estos términos abstractos. El modelo estructural permite investigar relaciones complejas entre las variables latentes, con efectos directos e indirectos, como los encontrados entre size, performance y e-transparency.

Aunque el uso de SEM está consolidado en muchas disciplinas, especialmente en el procesamiento de datos procedentes de encuestas, no forma parte todavía del acervo de herramientas de los investigadores en Contabilidad. Quizá por la prudencia que caracteriza nuestra disciplina, siempre se ha producido un retraso en la incorporación de técnicas avanzadas de análisis. Muchas técnicas son harto conocidas en otros dominios cuando se empiezan a introducir en Contabilidad. Así, el análisis factorial, desarrollado por Spearman en 1904, no es aplicado en Contabilidad hasta los estudios de Pinches et al en 1973 sobre los ratios financieros. El análisis discriminante, desarrollado por Fisher en 1936, fue incorporado a nuestra disciplina por Altman en 1968, quien utilizó su capacidad para clasificar las empresas en quebradas y no quebradas. Parece que con SEM va a pasar lo mismo. Ya es una herramienta estándar en Psicología para analizar relaciones entre constructos como "inteligencia" o el Marketing como "imagen". Su capacidad para manejar relaciones entre variables latentes hace que tenga un gran potencial para modelizar relaciones en las que intervenga información financiera y no financiera, especialmente en el análisis de activos intangibles.

Algún consejo... 
En las técnicas de regresión, suele utilizarse un procedimiento automatizado de selección de las variables que entran en el modelo, que descarta aquellas variables correlacionadas entre sí. Eso permite encontrar modelos parsimoniosos. En ecuaciones estructurales, que sepamos, esa opción no está implementada. Como además el tipo de relación es más compleja, los riesgos de seleccionar un modelo equivocado aumentan. Evitar la tentación de poner un montón de constructos con flechicas a todas caras... Es típico que el investigador apueste por modelos que no sean los mejores, ni sean parsimoniosos. Es desable analizar varios modelos alternativos.

Otro ejemplo para practicar

En este caso se trata de explicar de qué depende el que un ayuntamiento tenga un buen servicio de gobierno electrónico. Igual que para una buena singladura es necesario un un buen barco, el mejor capitán y viento favorable, en nuestra opinión hacen falta tres cosas: dinero (un ayuntamiento con recursos), ganas (un alcalde al que le gusten las tecnologías) y un entorno favorable (empresas y ciudadanos con nivel tecnológico). Los datos están aquí. Trate de hacer el modelo pero si no sale, aquí está el fichero con la solución.

  • Serrano-Cinca, C.; Rueda, M. and Portillo, P. (2009): "Determinants of e-government extension: a structural equation model", Online Information Review, Vol 33 (3), pp 476 - 498 [Abstract]

 

Las quiebras de bancos estadounidenses del 2009

  • Serrano-Cinca, C.; Fuertes, Y.; Gutiérrez, B and Cuellar, B. (2011): "Path modeling to bankruptcy: causes and symptoms of the banking crisis", Applied Economics, Vol 46 (31), pp 3798-3811 y Working Papers CEB from ULB - Universite Libre de Bruxelles , Num 11/007.

f

 

© Citar como: Serrano Cinca C. (