1. No category

IBM Software
Business Analytics
IBM SPSS Amos
IBM SPSS Amos
Pruebe las relaciones en modelos actitudinales y de
comportamiento
Características
Construya modelos actitudinales y
de comportamiento que reflejen
relaciones complejas
 Especifique, estime, asegure y
presente modelos en un intuitivo
diagrama
 Alternativamente, utilice un
método no gráfico y programático
para especificar modelos
 Incremente la confiabilidad de las
variables incluyendo múltiples
indicadores
 Impute valores perdidos y
ponderaciones latentes
 Utilícelo para estudios
longitudinales, múltiples grupos y
análisis de confianza
Amos es un software para la creación de modelos de ecuaciones
estructurales (SEM) que permite dar apoyo a sus investigaciones y
teorías al ir más allá de los métodos de análisis multivariante,
regresión, análisis factorial, correlación o de análisis de varianza.
Con Amos podrá especificar, estimar, evaluar y presentar su modelo en
un diagrama intuitivo que le mostrará las relaciones posibles entre las
variables.
Confirme relaciones complejas
Podrá desarrollar modelos de actitud y de comportamiento que reflejen
relaciones complejas de forma realista. Cualquier variable numérica,
tanto observada como latente se podrá utilizar para predecir cualquier
otra variable numérica. Amos incluye opciones ampliadas de
estadística basadas en la estimación Bayesiana. Ahora podrá:
 Realizar estimaciones con datos categóricos ordinales y datos
censurados. Esto le permitirá crear modelos basados en datos no
numéricos sin tener que asignar puntuaciones numéricas a los datos, y
trabajar con datos censurados sin tener que hacer más asunciones que
la de normalidad
 Atribuir valores numéricos a los datos categóricos ordinales o datos
censurados. El conjunto de datos resultante se puede utilizar como
datos de entrada para programas que requieran únicamente datos
numéricos
 Estimar distribuciones a posteriori predictivas para determinar valores
probables para datos perdidos o parcialmente perdidos dentro de un
modelo de variable latente
Amos le permite analizar datos de distintas poblaciones
simultáneamente, tales como grupos étnicos múltiples. Aumente la
fiabilidad de las variables en sus análisis al incluir indicadores
múltiples. Atribuya valores perdidos y puntuaciones latentes, tales
como puntuaciones factoriales con imputación múltiple. También
puede utilizar Amos para estudios longitudinales, análisis multi-grupo
y análisis de fiabilidad.
IBM Software
Business Analytics
Del modelo en pantalla a la publicación de
resultados de forma rápida
IBM SPSS Amos
El equivalente de la representación en una tabla en la última
versión de Amos es similar a la figura 2.
El enfoque interactivo y visual de Amos para los modelos de
ecuaciones estructurales le facilita su aprendizaje y uso. Con
la interfaz de Amos puede crear diagramas causales de sus
análisis utilizando herramientas de dibujo en vez de escribir
ecuaciones o tecleando comandos.
Fácil especificación del modelo
IBM SPSS Amos ahora le permite a los no programadores
especificar el modelo sin tener que dibujar el diagrama de
camino. El modelo puede ser ingresado en hojas de cálculo.
Por ejemplo la figura 1 le muestra un ejemplo de diagrama
de camino de la guía de usuarios de Amos.
Figura 2. Equivalente de la representación en una tabla.
Figura 1. Ejemplo de un diagrama de camino.
Después de que el modelo se ha ajustado, los parámetros
hayan sido establecidos en la tabla, de la misma manera,
éstos pueden ser establecidos en el diagrama de camino.
La representación en una tabla proporciona una
visualización alterna del modelo. Esa visualización ocupará
la misma área que utiliza el diagrama de camino en la
ventana de gráficos de Amos. Podrá intercambiar según sus
necesidades estas visualizaciones.
IBM Software
Business Analytics
IBM SPSS Amos
Las opciones avanzadas hacen que sea aún más sencillo
trabajar con Amos. Por ejemplo, puede interpretar o resumir
rápidamente los resultados con la ayuda “usar en una frase”.
IBM SPSS Amos ahora le permite crear modelos de
ecuaciones estructurales a través de programación. Esta
capacidad es de gran utilidad para: (a) un modelo que es tan
complejo que dibujarlo es difícil, (b) aquellos que prefieren
trabajar ya sea con un teclado en lugar de un mouse o con
texto en lugar de gráficos, (c) para aquellos que necesitan
generar varios modelos similares que difieran solamente en
algunos detalles (como el número de variables o el nombre
de las variables).
Las capacidades no gráficas y programáticas en Amos
mejoran la accesibilidad para aquellos que se pueden
beneficiar de la especificación de modelos directamente. Sus
capacidades de scripting mejoran la productividad de los
usuarios que necesitan realizar modelos complicados y de
gran tamaño, y hace sencilla la generación de modelos
similares que difieren en algunos detalles.
Una vez que haya completado el modelo, podrá determinar
los ajustes con un clic. Entonces podrá imprimir los
resultados en una presentación de calidad. Amos incluye 36
ejemplos completos como introducción a la creación de
modelos de ecuaciones estructurales. También podrá contar
con ayuda en línea.
Encuentre los modelos más adecuados para sus
datos
Utilice la técnica de exploración de Amos, la búsqueda de
especificaciones de modelos de ecuaciones estructurales
(SEM), para elegir un modelo entre un amplio abanico de
opciones. Aproveche las búsquedas anteriores especificando
limitaciones a los valores de parámetros de su modelo, o
utilice la estimación bayesiana para especificar una
distribución informativa a priori de los parámetros. Utilice el
análisis factorial confirmatorio de Amos para especificar y
probar un patrón factorial en vez de tener que recurrir al
análisis factorial exploratorio tradicional.
También puede incluir varios modelos en un único análisis.
Amos examina todos los pares de modelos en los que se
puede obtener un modelo aplicando restricciones de
parámetros al otro. Amos incluso sugiere cómo se podría
mejorar el modelo – por ejemplo, añadiendo una flecha para
conectar dos variables. Los gráficos y las estadísticas ayudan
a encontrar el equilibrio óptimo entre la sencillez del modelo
y su idoneidad.
IBM Software
Business Analytics
Descubra relaciones imprevistas usando diagramas
de camino
Después de aceptar el modelo adecuado, el diagrama de
camino de Amos muestra la fortaleza de la relación entre
variables. Por ejemplo, si está trabajando con datos de una
encuesta sobre condimentos, puede suponer inicialmente que
la variable “satisfacción del sabor” es el mejor indicador de
fidelidad a la marca. Sin embargo, observando el diagrama
de camino de Amos, verá que el mejor indicador de
fidelidad a la marca es “tamaño del paquete comprado”.
Utilice Amos para descubrir los “motivos y
explicaciones” que se esconden en sus datos
Los investigadores y estudiantes de postgrado que tienen
datos no experimentales utilizan Amos en distintos campos
para convencer a su comité de trabajo o jefe, conseguir
financiamiento o publicar su trabajo. Estos son algunos
ejemplos:
 Psicología – Desarrollar modelos para entender cómo
afectan al estado de ánimo los medicamentos y la terapias
clínicas y artísticas
 Investigación médica – Confirmar cuál de las tres
variables: confianza, ahorro o investigación, predice mejor
la disposición de un médico para recetar medicamentos
genéricos
 Ciencias sociales – Estudiar cómo influyen el estatus
socioeconómico, la participación en organizaciones y otras
situaciones determinantes en la intención de voto y en el
compromiso político
 Investigación en educación – Evaluar los resultados de los
programas de capacitación para determinar cómo influyen
en la efectividad del aula
 Estudios de mercado – Crear modelos que indican cómo
influyen los comportamientos de los clientes en las ventas
de nuevos productos
 Investigación institucional – Estudiar cómo afectan las
cuestiones relacionadas con el trabajo a la satisfacción
laboral
Utilice Amos con productos de SPSS que ya tenga
Aunque puede utilizar Amos de forma independiente,
también puede utilizarlo para ampliar los análisis que haga
con IBM SPSS Statistics Base. Será el complemento ideal
para sus análisis si utiliza IBM SPSS Advanced Statistics o
IBM SPSS Regression, ya que los modelos de ecuaciones
estructurales (SEM) amplían los algoritmos disponibles en
esos programas.
IBM SPSS Amos
Características
Interfaz gráfica de usuario
 Visualice a través del navegador de diagramas de camino
una descripción y una imagen índice de todos los
diagramas que estén en la carpeta
 Seleccione las opciones del programa simplemente con
señalar y pulsar
 Cree variables sobre los diagramas de camino con un
simple clic
 Despliegue un diagrama para un grupo diferente o modelo
con un clic
 Visualice el contenido del archivo de datos
 Arrastre los nombres de variable del archivo de datos al
diagrama de camino
Interfaz no gráfica y programática
 Utilice un método no gráfico para especificar modelos:
-Mejor accesibilidad para aquellos que se pueden
beneficiar de la especificación directa de los modelos
-Capacidades de scripting que mejoran la productividad de
usuarios que necesitan realizar modelos grandes y
complejos
-Fácilmente genere modelos similares que difieren muy
poco
 IBM SPSS Amos ahora le permite a los no programadores
especificar modelos sin tener que dibujar una diagrama de
camino
-El modelo puede ser ingresado en una hoja de cálculo
-La estimación de parámetros será desplegada en una tabla
-La representación de la tabla y del diagrama de camino
proporcionarán dos alternativas de visualización del
modelo
Modelos
 Genere modelos de ecuaciones estructurales (incluyendo
aquellos casos especiales como análisis causal y modelos
de datos longitudinales) con variables observables y
latentes
 Especifique los modelos candidatos utilizando uno de estos
métodos:
- Especifique cada uno de los modelos de forma individual
como un conjunto de restricciones de los parámetros del
modelo
- Utilice modelos de ecuaciones estructurales en el análisis
exploratorio. Amos prueba varios modelos y sugiere los
mejores, a la vez que utiliza el criterio de información de
Akaike (AIC) o el criterio de información bayesiano (BIC)
para comparar los modelos
 Realice análisis factoriales confirmatorios, modelos de los
componentes de la varianza, modelos de errores de las
variables y modelos de variable general latente
 Analice estructuras promedio y conjuntos de datos
multigrupo
- Especifique y pruebe rápidamente grupos de datos
múltiples a través de la especificación automática
IBM Software
Business Analytics
 Analice simultáneamente datos procedentes de varias
poblaciones
 Ahorre tiempo al combinar modelos factoriales y de
regresión en un único modelo y posteriormente ajústelos de
forma simultánea
 Analice varios modelos a la vez: Amos determina qué
modelos están anidados y calcula automáticamente
estadísticas de prueba
 Traslade los diagramas de camino a Visual Basic
 Ajuste lineal de modelos de crecimiento de curvas
utilizando la generación automática de parámetros
restringidos
Análisis de clase latente
 Realice estudios de participación en el mercado
 Calcule el tamaño de cada conglomerado o segmento
 Realice una combinación de regresiones y una
combinación de modelos
 Realice combinaciones de análisis de factores
 Determine la probabilidad de cada uno de los miembros de
un grupo
 Capacite el algoritmo de clasificación. Asigne algunos
casos a grupos para que el programa pueda clasificar los
casos restantes
 Requiere algunos parámetros para ser igual entre otros
grupos, mientras permite que otros parámetros varíen en él
Estimación bayesiana
 Estimación de valores para datos ordenados
categóricamente y datos censurados
 Simulación Monte Carlo de cadenas Markov (MCMC)
 Especifique una distribución informativa a priori: normal,
uniforme o personalizada
 Señale la distribución marginal a posteriori de cualquier
parámetro
 Estimación de cualquier función de los parámetros del
modelo
 Obtenga intervalos simétricos óptimos creíbles para los
efectos indirectos
Evaluación de los modelos
 Evaluación de las estimaciones de parámetros de datos
normales y no normales utilizando las opciones de
simulación de muestreo. Obtenga fácilmente estimaciones
del sesgo y del error típico para cualquier parámetro y
estadísticos derivados, mediante las opciones de
simulación de muestreo y Monte Carlo
 Pruebas de normalidad multivariante y lleve a cabo análisis
de los valores atípicos
Creación de modelos
 Utilice el diagrama de camino como especificación del
modelo
IBM SPSS Amos
 Modifique el modelo al cambiar el diagrama de camino
con herramientas de dibujo
 Visualice gráficamente las estimaciones de parámetros y
las medias de ajuste
 Visualice los grados de libertad en cualquier momento
durante el diseño del diagrama de camino
 Copie y pegue parte de un diagrama en otro diagrama
Capacidades analíticas y funciones estadísticas
 Determine estimaciones de valores perdidos o parcialmente
perdidos en modelos de variables latentes
 Obtenga un intervalo aproximado de confianza para
cualquier distribución empírica, incluyendo los coeficientes
estandarizados, mediante la rápida simulación de muestreo
-Ajuste del modelo con el método de simulación Bollen y
Stine
- Cálculo de los intervalos de percentiles y corrección de
éstos
 Efectúe contrastes por permutación aleatoria para
comprobar si se pueden encontrar modelos equivalentes o
de mejor ajuste
 Especifique restricciones de igualdad sobre el diagrama de
camino mediante el uso de la misma etiqueta en dos o más
parámetros, incluyendo las medias, las intersecciones, las
ponderaciones de regresión y/o las covarianzas; dentro del
mismo grupo o a través de distintos grupos
 Cálculo de medias de las variables exógenas
 Estime las intersecciones en las ecuaciones de regresión
 Lleve a cabo simulación paramétrica de muestreo para
encontrar intervalos de confianza aproximados de
cualquier modelo bajo la teoría de distribución normal,
incluyendo los coeficientes estandarizados con simulación
Monte Carlo
 Utilice una variedad de métodos de estimación, incluyendo
máxima verosimilitud, mínimos cuadrados no ponderados,
mínimos cuadrados generalizados, el criterio de
distribución libre asintótica de Browne y mínimos
cuadrados sin escala
 Evalúe modelos utilizando más de dos docenas de
estadísticos de bondad de ajuste, incluyendo Chi-cuadrado;
AIC; criterios de información de Bayes y Bozdogan;
Browne-Cudeck (BCC); criterios ECVI, RMSEA, y
PCLOSE; raíz cuadrada y residuos cuadrados; n crítica de
Hoelter ; índices de Bentler-Bonett y Tucker-Lewis
 Obtenga estimaciones del sesgo y del error típico para
cualquier parámetro y estadísticos derivados mediante las
opciones de simulación de muestreo y de Monte Carlo
 Opcionalmente, utilice la matriz de información observada
para estimar los errores típicos
 Visualice los valores críticos (p valores), junto con las
razones críticas para los parámetros individuales
 Utilice la ayuda del navegador, las opciones que se
muestran y las opciones de formato de tabla para destacar
los resultados obtenidos
IBM Software
Business Analytics
- Navegue rápidamente y visualice partes del resultado en el
panel de navegación
- Conecte los encabezados de la sección y de la tabla para
obtener ayuda según el contexto
- Conecte números, tales como p valores visualizados en el
panel de navegación, para obtener ayuda y recibir una
descripción en inglés de lo que representan dichos números
 Visualice los resultados de sus archivos de texto en
XHTML en su navegador
- Mantenga el formato de la tabla cuando utilice el clipboard
o la opción de “arrastrar y soltar” para copiar tablas a otras
aplicaciones
- Utilice los archivos XHML como formato de archivo
- Analice los resultados de Amos con un analizador XML;
cuando escriba programas para el post procesado de
resultados de Amos utilice una expresión XPATH para
extraer cualquier parte deseada de los resultados
 Vista previa
Imputación de resultados
 Impute valores numéricos para datos ordenados
categóricamente o datos censurados
 Impute los valores perdidos y los resultados de variables
latentes
 Elija entre tres métodos distintos: regresión, regresión
estocástica y bayesiana
 Imputación única:
- La imputación de regresión utiliza la regresión lineal para
sustituir los valores perdidos
Imputación única o múltiple:
- La imputación de regresión estocástica utiliza estimaciones
basadas en máxima verosimilitud (ML) de los datos
observados y supone igualdad de los parámetros a sus
estimaciones de máxima verosimilitud
- La imputación de regresión bayesiana es similar a la
imputación de regresión estocástica; sin embargo, asume
que los valores de los parámetros son estimados, no
conocidos
IBM SPSS Amos
Herramientas de dibujo y otras herramientas
 Genere diagramas de camino con calidad de presentación
- Facilidad para mostrar u ocultar los nombres de las
variables o etiquetas en los diagramas de camino
 Imprima o pegue diagramas de camino en otras
aplicaciones
 Utilice los botones de la barra de herramientas para dibujar
su modelo, incluyendo la manipulación de la forma, copiar,
borrar, ajuste de página y alineación
 Personalice la barra de herramientas
- Asocie la barra de herramientas, un menú o tecla con
cualquier macro de Amos, incluyendo aquellos que escriba
usted
- Añada una imagen a la barra de herramientas
- Cree un acceso directo para ejecutar macros
 Ajuste el modelo seleccionando botones de la barra de
herramientas
 Trabaje con los nombres de las variables que haya
asignado, en lugar de hacerlo con letras griegas
 Añada títulos y anotaciones al diagrama
 Trabaje con la barra de herramientas, los menús y teclado
para las tareas más frecuentes
 Utilice los menús emergentes que mostrarán acciones útiles
para cada elemento del diagrama
 Cambie las medidas de los modelos mediante los botones
de reflexión y rotación
 Utilice macros para ampliar las capacidades del programa
Programación
 Especifique modelos de forma no gráfica con Visual Basic
oC#
 Amplíe las capacidades de Amos
- En el análisis bayesiano, busque la distribución posterior
de cualquier función de los parámetros
- Defina sus propias medidas de idoneidad
Documentación y ayuda
 Amplia ayuda en línea con referencias cruzadas de
explicaciones del resultado
 Incluye la Guía de Usuario en el archivo PDF con 31
ejemplos completos
Gestión de datos y archivos
 Lectura de archivos: dBASE® (.dbf), Microsoft Excel®
(.xls), FoxPro® (.dbf); Lotus® (.wk1, .wk2, .wk3);
Microsoft Access® (.mdb), SPSS® (.sav); y texto (.txt, .csv)
IBM Software
Business Analytics
IBM SPSS Amos
© Copyright IBM Corporation 2012
IBM Corporation
Software Group
Route 100
Somers, NY 10589
IBM, the IBM logo, ibm.com and SPSS are trademarks of International
Business Machines Corporation registered in many jurisdictions worldwide.
Other product and services names might be trademarks of IBM or other
companies. A current list of IBM trademarks is available on the Web at
“Copyright and trademark information” at
www.ibm.com/legal/copytrade.shtml
PASS, antes SPSS
Insurgentes 933, piso 1
México, D.F. 03810
Tel. (55)5682 8768, 1797, 7722
[email protected]
www.pass.mx
The content in this document (including currency or printing references
which exclude applicable taxes) is current as of the initial date of publication
and may be changed by IBM at any time. Not all offerings are available in
every country in which IBM operates.
THE INFORMATION IN THIS DOCUMENT IS PROVIDED “AS IS”
WITHOUT ANY WARRANTY, EXPRESS OR IMPLIED, INCLUDING
WITHOUT ANY WARRANTIES OF MERCHANT ABILITY, FITNESS
FOR A PARTICULAR PURPOSE AND ANY WARRANTY OR
CONDITION OF NON-INFRIGEMENT. IBM products are warranted
according to the terms and conditions of the agreements under which they
are provided.