Research & Evidence

Buscar un método

Busca entre títulos, preguntas, territorios e identificadores MSC.

    ← Todos los métodos
    FICHA DE MÉTODOMSC-P-005Ciencia de la mediciónDosier científico verificado

    ¿Cómo medir un constructo de marketing que no es directamente observable?

    Un constructo latente se mide mediante varios indicadores vinculados a una definición teórica y a un uso preciso. La calidad depende del modelo de medición, no solo del promedio de los ítems.

    Redacción científica: Marketing Science Center

    Respuesta directa

    Estimar la estructura y calidad de un modelo de medición definido.

    Un constructo latente se mide mediante varios indicadores vinculados a una definición teórica y a un uso preciso. La calidad depende del modelo de medición, no solo del promedio de los ítems.

    Hilkenmeier et al., 2020Costello & Osborne, 2005

    01

    Resumen operativo

    Pregunta científica y alcance

    ¿Cómo medir un constructo de marketing que no es directamente observable?

    Admisible

    Estimar la estructura y calidad de un modelo de medición definido.

    Prohibido

    Afirmar que una puntuación es válida en cualquier contexto.

    02

    Tres niveles de lectura

    1. 01

      Responsable — Conectar el resultado con una decisión, un umbral útil y un coste de error declarados.

    2. 02

      Profesional — Fijar población, unidad, horizonte, variables disponibles y regla de análisis antes del cálculo.

    3. 03

      Analista — Reproducir el cálculo, cuantificar la incertidumbre y documentar diagnósticos, fallos y sensibilidad.

    03

    Situación de marketing concreta

    Un constructo latente se mide mediante varios indicadores vinculados a una definición teórica y a un uso preciso. La calidad depende del modelo de medición, no solo del promedio de los ítems.

    04

    Pregunta científica y alcance

    ¿Cómo medir un constructo de marketing que no es directamente observable?

    Cargas factoriales, residuos e interpretación de la puntuación

    Datos necesarios

    Encuestado × indicador

    La población, la unidad de análisis, la fecha de origen y el horizonte deben declararse en el entregable. Sin ellos, el estimando cambia sin advertencia.

    05

    Por qué puede fallar un análisis simple

    • Afirmar que una puntuación es válida en cualquier contexto.
    • ¿Los indicadores son reflectivos, están estandarizados y se asignaron al factor antes de estimar?
    • ¿Se identificó y estimó el modelo factorial en la población declarada?
    • ¿Se informan la estructura residual, las correlaciones entre factores y el ajuste global junto con el AVE?

    06

    Intuición del método

    El método no convierte automáticamente una asociación en evidencia. Vincula una pregunta declarada con un estimando, una especificación, datos compatibles y una regla de interpretación limitada.

    Cargas factoriales, residuos e interpretación de la puntuación

    07

    Datos necesarios

    Diccionario de símbolos científicos

    loading_i
    Carga estandarizada que vincula el indicador reflectivo i con el factor latente declarado. Unidad: adimensional · Tipo: número en [−1, 1] · Función: entrada
    AVE
    Media de las cargas estandarizadas al cuadrado de los indicadores declarados; evidencia solo sobre convergencia. Unidad: proporción · Tipo: número en [0, 1] · Función: salida

    Entradas exactas y selladas del motor

    loading_1
    Valor: 0.72 · Unidad: adimensional · Tipo: número · Estado de los datos: sintético
    loading_2
    Valor: 0.78 · Unidad: adimensional · Tipo: número · Estado de los datos: sintético
    loading_3
    Valor: 0.80 · Unidad: adimensional · Tipo: número · Estado de los datos: sintético
    loading_4
    Valor: 0.84 · Unidad: adimensional · Tipo: número · Estado de los datos: sintético

    08

    Modelo formal

    Modelo formal

    AVE = mean(loading_i²) for standardized reflective indicators

    Afirmaciones respaldadas: MSC-P005-C01 · MSC-P005-C02 · MSC-P005-C03 · MSC-P005-C04 · MSC-P005-C05 · MSC-P005-C06 · MSC-P005-C07 · MSC-P005-C08 · MSC-P005-C09

    Pregunta científica y alcance

    Cargas factoriales, residuos e interpretación de la puntuación

    09

    Cálculo declarado

    1. 01

      Validar que todas las cargas pertenecen al mismo modelo de medición reflectivo estandarizado y preespecificado.

    2. 02

      Elevar al cuadrado cada carga estandarizada y promediar los valores sin eliminar a posteriori indicadores débiles.

    3. 03

      Interpretar el AVE como evidencia acotada de convergencia, no como prueba de validez global del constructo ni del ajuste del modelo.

    10

    Ejemplo numérico o caso de aplicación

    Ilustración sintética — valores didácticos, no observados — datos sintéticos o parámetros declarados; ninguna observación real

    Entradas selladas

    • loading_1=0.72 [adimensional]
    • loading_2=0.78 [adimensional]
    • loading_3=0.80 [adimensional]
    • loading_4=0.84 [adimensional]

    Resultados reproducibles

    • AVE=0.618100
    • loading_range=[0.72; 0.84]

    Dosier verificado: afirmaciones vinculadas a fuentes a nivel de pasaje, cálculo Python/R reproducido, límites explícitos y revisión científica independiente completada.

    11

    Supuestos de validez

    • ¿Los indicadores son reflectivos, están estandarizados y se asignaron al factor antes de estimar?
    • ¿Se identificó y estimó el modelo factorial en la población declarada?
    • ¿Se informan la estructura residual, las correlaciones entre factores y el ajuste global junto con el AVE?

    12

    Diagnósticos e incertidumbre

    Diagnósticos e incertidumbre

    ¿Los indicadores son reflectivos, están estandarizados y se asignaron al factor antes de estimar? · ¿Se identificó y estimó el modelo factorial en la población declarada? · ¿Se informan la estructura residual, las correlaciones entre factores y el ajuste global junto con el AVE?

    Diagnóstico acotado

    Ilustración de un índice de convergencia para indicadores estandarizados; no establece la validez global.

    Contrato explícito de incertidumbre · not_estimable_from_sealed_inputs

    Método: Evaluación explícita de la no estimabilidad frente al esquema de entradas sellado.

    Objetivo: Incertidumbre muestral de las cargas y del AVE.

    Evidencia del motor: diagnostic=convergent_evidence_does_not_establish_global_validity

    Interpretación: Cuatro parámetros de carga sellados no contienen información muestral por encuestado; la incertidumbre muestral no es, por tanto, estimable en esta ilustración y debe obtenerse con un modelo ajustado o bootstrap.

    Detenerse si

    Afirmar que una puntuación es válida en cualquier contexto.

    13

    Interpretación del resultado

    • Estimar la estructura y calidad de un modelo de medición definido.
    • El resultado está condicionado por la población, el horizonte, la especificación y los controles declarados. No debe extenderse a otra decisión sin nueva justificación.

    14

    Conclusión admisible y prohibida

    Admisible

    Estimar la estructura y calidad de un modelo de medición definido.

    Prohibido

    Afirmar que una puntuación es válida en cualquier contexto.

    15

    Decisión de marketing posible

    1. 01

      Estimar la estructura y calidad de un modelo de medición definido.

    2. 02

      El resultado está condicionado por la población, el horizonte, la especificación y los controles declarados. No debe extenderse a otra decisión sin nueva justificación.

    16

    Cuándo usar — cuándo detenerse

    Usar si

    Estimar la estructura y calidad de un modelo de medición definido.

    Encuestado × indicador

    Detenerse si

    Afirmar que una puntuación es válida en cualquier contexto.

    Alternativas metodológicas

    • Ajustar e informar una AFC completa con diagnósticos residuales y de ajuste global.
    • Usar fiabilidad compuesta solo cuando la definición de la puntuación y el modelo de medición sean defendibles.
    • Usar evidencia cualitativa de desarrollo de ítems cuando la principal incertidumbre sea la cobertura del constructo.

    17

    Contrato de reproducibilidad

    Python y R son las referencias ejecutables. SPSS y SAS siguen siendo sintaxis secundarias hasta verificarse con los mismos datos, especificación y diagnósticos.

    El motor selecciona únicamente el segmento y la rama explícita de esta página. Su hash, salidas y diagnósticos quedan sellados en el expediente atómico; no se permite ninguna rama genérica de respaldo.

    Huella del segmento: 29c45a1728359a4456cbd4298bd00dfeed4405f88e7c8c68a0c1c63138bc7ee6

    Modelo formal

    AVE = mean(loading_i²) for standardized reflective indicators

    Dosier verificado: afirmaciones vinculadas a fuentes a nivel de pasaje, cálculo Python/R reproducido, límites explícitos y revisión científica independiente completada.

    18

    Entregable final esperado

    1. 01

      ¿Cómo medir un constructo de marketing que no es directamente observable? — Encuestado × indicador

    2. 02

      loading_i · AVE

    3. 03

      AVE = mean(loading_i²) for standardized reflective indicators

    4. 04

      ¿Los indicadores son reflectivos, están estandarizados y se asignaron al factor antes de estimar? · ¿Se identificó y estimó el modelo factorial en la población declarada? · ¿Se informan la estructura residual, las correlaciones entre factores y el ajuste global junto con el AVE?

    5. 05

      Estimar la estructura y calidad de un modelo de medición definido. / Afirmar que una puntuación es válida en cualquier contexto.

    19

    Fuentes científicas y estado de la evidencia

    Dosier verificado: afirmaciones vinculadas a fuentes a nivel de pasaje, cálculo Python/R reproducido, límites explícitos y revisión científica independiente completada.

    1. MSC-P005-C01 — El análisis de factores comunes separa la varianza compartida de la singularidad y el error.
    2. MSC-P005-C02 — Los índices de ajuste de una AFC requieren contexto y no son reglas universales de aprobado o suspenso.
    3. MSC-P005-C03 — El informe de una AFC debe mostrar cargas, correlaciones entre factores, residuos y evaluación del modelo.
    4. MSC-P005-C04 — En el modelo unifactorial declarado, la tau-equivalencia puede expresarse como igualdad de cargas factoriales.
    5. MSC-P005-C05 — La fórmula omega mostrada usa cargas factoriales y varianzas de error de los ítems.
    6. MSC-P005-C06 — Interpretar alfa como fiabilidad depende de supuestos explícitos del modelo.
    7. MSC-P005-C07 — El AVE es un diagnóstico explícito de medición basado en la varianza.
    8. MSC-P005-C08 — El AVE resume la varianza de los indicadores explicada por la variable latente.
    9. MSC-P005-C09 — La evidencia de validez debe comparar las relaciones con los indicadores propios y con alternativas.
    1. Hilkenmeier et al., 2020
    2. Costello & Osborne, 2005
    3. Goretzko, Siemund & Sterner, 2024
    4. Trizano-Hermosilla & Alvarado, 2016
    5. Edwards, Joyner & Schatschneider, 2021

    Conexiones metodológicas

    Territorio principalCiencia de la medición: construir indicadores válidos

    Leer después

    MSC-P-006¿Cómo diseñar y validar una escala de medición?→MSC-P-007Alfa u omega: ¿cómo evaluar la fiabilidad de una escala?→MSC-P-009ACP, AFE o AFC: ¿qué método elegir?→