Volumen 13-N.º 1-2011
REVISIÓN DE LOS FUNDAMENTOS DEL ANÁLISIS DE CLASES LATENTES Y EJEMPLO DE APLICACIÓN EN EL ÁREA DE LAS ADICCIONES
1. Los parámetros que se estiman en el análisis de clases latentes son:
a. El tamaño verdadero de cada clase latente.
b. La probabilidad de cada participante de manifestar cierta categoría de una respuesta.
c. La probabilidad de cada clase latente.
d. Las probabilidades de respuesta condicional.
e. C y D son correctas.
2. Un aspecto relacionado con la estimación de parámetros es la identificación del modelo, la cual se refiere a la existencia de información suficiente en la tabla de contingencia de datos observados para estimar los parámetros. Entre las causas de no identificabilidad de un modelo se encuentran:
a. Especificación de un modelo con numerosas clases latentes.
b. Tamaño muestral reducido.
c. Tablas de contingencia con celdas con elevada frecuencia.
d. A y B son correctas.
e. A, B y C son correctas.
3. Las medidas estadísticas más útiles para comparar la bondad de ajuste de los modelos que resultan del Análisis de Clases Latentes son:
a. χ2 de Pearson.
b. Razón de verosimilitud (L2).
c. Criterios de información bayesiana (BIC) y de Akaike (AIC).
d. Todas son correctas.
e. Ninguna es correcta.
4. Otra medida que permite evaluar un modelo es el error de clasificación, el cual se refiere a:
a. Comparar el valor del log L de un modelo menos restringido y uno más restringido.
b. Determinar cómo de adecuadamente son asignados los casos con cierto valor de respuesta a una clase latente determinada considerando el tamaño de la muestra.
c. Determinar cómo de adecuadamente son asignados los casos con un mayor valor de respuesta en una clase latente determinada.
d. Determinar cómo de adecuadamente son asignados los casos con cierto valor de respuesta a una clase latente determinada sin considerar el tamaño de la muestra.
e. Ninguna es correcta.
5. Entre las posibles extensiones del LCA se encuentran:
a. No restricción de los parámetros a determinados valores.
b. No restricción de la igualdad de variables indicadoras.
c. Inclusión de covariables.
d. Flexibilización del supuesto de dependencia de las variables indicadoras al interior de cada clase latente.
e. Todas son correctas.
6. El LCA es semejante a otros métodos estadísticos, entre los que se encuentra el análisis de clúster (CA), con el cual comparte el objetivo de encontrar tipos de casos en función de los datos observados; sin embargo, existen algunas diferencias entre estos métodos, que son:
a. En el LCA los participantes son asignados a las clases latentes en función de la probabilidad de pertenencia posterior, y en el CA la asignación es 0 o 1.
b. El LCA se basa en un modelo no probabilístico, y el CA en un modelo probabilístico.
c. El LCA puede manejar sólo variables nominales, y el CA sólo variables cuantitativas intervalores.
d. La elección del número de clases latentes es más arbitraria en el LCA que en el CA.
e. En el LCA las variables tienen que ser estandarizadas, en cambio en el CA no.