D ETERMINANTES DE LA SATISFACCIÓN CON LA VIDA EN ADULTOS MAYORES DE ZONAS RURALES Y URBANAS. U N ANÁLISIS MULTIGRUPO CON ECUACIONES ESTRUCTURALES. Cristian.

Slides:



Advertisements
Presentaciones similares
Tema 6: Regresión lineal.
Advertisements

Estadísticas Inferenciales Capítulo 10
Pronósticos, Series de Tiempo y Regresión
Recolección de datos cuantitativos
Ingeniería Industrial II CicloEducativo 2011
PRUEBAS DE HIPOTESIS HIPOTESIS
Facultad de Farmacia – I Ciclo lectivo 2002
MANUAL DE LABORATORIO DE CÓMPUTO ECONOMETRÍA I MULTICOLINEALIDAD
METODOLOGÍA DE INVESTIGACIÓN Titular: Agustín Salvia
Modelo básico de regresión Lineal
ALGUNOS CONCEPTOS PREVIOS
Regresión y correlación
Problema de la medición en Psicología
Estadística para la Gestión: Prof. Germán Lobos
Estadística Descriptiva: 4. Correlación y Regresión Lineal
Tema 1- Regresión lineal simple.
COEFICIENTE DE CORRELACIÓN PRODUCTO-MOMENTO DE PEARSON
Estadística Descriptiva: 4. Correlación y Regresión Lineal Ricardo Ñanculef Alegría Universidad Técnica Federico Santa María.
Regresión Lineal Simple
9 Regresión Lineal Simple
Definición de Hipótesis de Investigación.
Proyecto CYTED Informe de Tareas Grupo de Investigación Estadística Desarrollo sostenible de Ciencia y Tecnología.
Análisis de la estructura de medias. 2 Hasta ahora, análisis de la estructura de covarianzas (como trabajar con puntuaciones diferenciales) En los análisis.
Control estadístico de Proceso
Inferencia Estadística
Curso Práctico de Bioestadística Con Herramientas De Excel Fabrizio Marcillo Morla MBA (593-9)
CONTRASTE Y VALIDACIÓN DE UN MODELO
Estadística aplicada al análisis financiero
TIPOS DE MODELOS DE REGRESIÓN Y SUPUESTOS PARA EL MODELO A
Importancia de las aplicaciones de estadística en el control de procesos Guatemala 2010.
Análisis de datos El diseño estadístico.
Pronósticos, Series de Tiempo y Regresión
Pronósticos, Series de Tiempo y Regresión
Evaluación del Proyecto de investigación
Estadística Administrativa II
Unidad V: Estimación de
Validez y Confiabilidad de Instrumentos
Titular: Agustín Salvia
Capítulo 1. Conceptos básicos de la Estadística
PRUEBAS ESTADISTICAS NO PARAMETRICAS
SEMINARIO DE INVESTIGACION Titular: Agustín Salvia
COMPROBACION DE HIPOTESIS SOBRE DOS PROMEDIOS Mario Briones L. MV, MSc 2005.
Taller 2 Reflexiones sobre Metodología Cuantitativa: Potencial de la comparación de muestras Germán Fromm R.
Análisis de los Datos Cuantitativos
Regresión Lineal Simple
BASES PARA EL RAZONAMIENTO EN ESTADÍSTICA INFERENCIAL
Correlación Decimos que dos variables, X e Y, están correlacionadas cuando hay una relación cuantitativa entre ellas. X suele ser la variable independiente.
Ejercicios Dado un conjunto de datos, aplicar el Criterio de Fourier para desechar los posibles valores atípicos.
Métodos de investigación en la psicología clínica
PASOS COMPLEMENTARIOS. MUESTRA Lo primero que se tiene que plantear es el quiénes van a ser medidos, lo que corresponde a definir la unidad de análisis.
Regresión lineal simple Nazira Calleja
Unidad 4 Análisis de los Datos.
REGRESIÓN LINEAL MÚLTIPLE.
Índices de validez Nazira Calleja.
ANÁLISIS DE LA INFORMACIÓN La relación entre variables.
Simposio “Indicadores de Bienestar Subjetivo para Políticas Públicas”
Caracterización de la Calidad de Vida de Adultos Mayores de la Provincia del Guayas – Ecuador 2015.
NOTA: Para cambiar la imagen de esta dispositiva, seleccione la imagen y elimínela. A continuación haga clic en el icono Imágenes en el marcador de posición.
Pruebas paramétricas y no paramétricas
Clase 17 Introducción a la Estadística Universidad de la República Centro Universitario Regional del Este Pablo Inchausti Licenciatura en Gestión Ambiental.
Introducción a la Estadística Inferencial con SPSS Juan José Igartua Perosanz Universidad de Salamanca
TAMAÑO DE LA MUESTRA. Para definir el tamaño de la muestra se debe tener en cuenta los recursos disponibles y las necesidades del plan de análisis, el.
REGRESIÓN LINEAL SIMPLE TEMA INTRODUCCIÓN Determinar la ecuación de regresión sirve para: – Describir de manera concisa la relación entre variables.
Licenciatura en Psicopedagogía: Métodos, Diseños y Técnicas de Investigación Psicológica Tema 9 Fiabilidad de las puntuaciones.
1 REGRESIÓN CON VARIABLES DICOTÓMICAS TEMA 1 (CONTINUACIÓN)
Nombre y apellidos JUST 4000 Propuesta Investigativa Everlidys Torres Nieves Just Metodologia de la investigacion. Prof. Zoraya Sanchez.
TEMA 7 ANÁLISIS DE LOS RESULTADOS TEMA 7 ANÁLISIS DE LOS RESULTADOS.
SCORE-15: Datos portugueses y españoles a Relvas, A. P., Vilaça, M., Rivas, G., & Pereira, R. (2015) Ponencia Plenaria “SCORE-15 – Un Instrumento Europeo.
MODELO VANCOUVEROctubre MODELO VANCOUVEROctubre 2010 PROCESO INVESTIGATIVO REDACCIÓN DE INFORME CIENTÍFICO Los contenidos pueden aplicarse a todas.
Transcripción de la presentación:

D ETERMINANTES DE LA SATISFACCIÓN CON LA VIDA EN ADULTOS MAYORES DE ZONAS RURALES Y URBANAS. U N ANÁLISIS MULTIGRUPO CON ECUACIONES ESTRUCTURALES. Cristian Adasme-Berríos 1 ; Germán Lobos 2 ; Berta Schnettler 3 ; Marcos Mora 4 1 Departamento de Economía y Administración. Universidad Católica del Maule, Talca. Chile. 2 Escuela de Ingeniería Comercial. PIEI-ES, Universidad de Talca. Talca. Chile. 3 Departamento de Producción Agropecuaria. Universidad de La Frontera. Temuco. Chile. 4 Departamento de Economía Agraria. Universidad de Chile. Santiago. Chile.

T ABLA DE CONTENIDOS Introducción Establecimiento de hipótesis Objetivos Metodología Resultados Conclusiones

I NTRODUCCIÓN El envejecimiento poblacional afecta a todo el mundo Países desarrollados (2/3) son personas mayores La población de personas mayores crece más rápido en los países en desarrollo, por la Transición Demográfica (MINSAL, 2014). Aumento creciente de población de tercera edad (INE, 2014) País, 2014: 2,6 Mill. (15% de la población son > 60 años) País, 2002: 11% población eran > 60 años Región del Maule: 153 mil adultos mayores (16,2% de la población.) 62,4 % vive en zonas urbanas y 37,6 en áreas rurales (Fuente: Centro de Estudios de Opinión Ciudadana, CEOC. U. de Talca, 2014).

I NTRODUCCIÓN Principales causas de muerte en personas mayores, Chile Fuente: MINSAL En: Situación Sociodemográfica y Epidemiológica de las personas adultas mayores

I NTRODUCCIÓN La importancia de la familia en los adultos mayores. El ser humano es un ser vivo que convive en sociedad y se relaciona socialmente. Por tanto, su salud está determinada por factores y fenómenos sociales (Martínez, 1999) Existe un alto grado de importancia de las relaciones familiares en la salud de los individuos, especialmente en los adultos mayores (Rodríguez, 2006) El apoyo emocional de la familia y amigos emerge como un predictor significativo del bienestar de los adultos mayores (Patrick, 2001).

I NTRODUCCIÓN Bienestar subjetivo Es la evaluación que las personas hacen de su propia vida, incluyendo felicidad, emociones placenteras, satisfacción con la vida y la relativa ausencia de estados emocionales displacenteros (Diener y Biswas-Diener, 2000, Schnettler, 2015). INTRODUCCION Bienestar Subjetivo Componente Cognitivo Componente Emocional Afectos positivos Afectos negativos Satisfacción con la vida Atienza et al, 2000

I NTRODUCCIÓN Fondecyt Satisfacción con la vida Se define como una evaluación global que la persona hace sobre su vida (Pavot, Diener, Colvin, y Sandvik, 1991; Atienza, Pons, Balaguer y García-Merita, 2000)

P REGUNTAS DE I NVESTIGACIÓN Y ESTABLECIMIENTO DE HIPÓTESIS 1. ¿Tiene algún efecto una autodeclaración de salud en la satisfacción con la vida de los adultos mayores? 2. ¿Cuál es el efecto de la familia en la satisfacción con la vida de los adultos mayores? 3. ¿Tiene algún efecto la familia en la autodeclaración de salud en los adultos mayores? H 1 : La autodeclaración de salud afecta la satisfacción con la vida de los adultos mayores. H 2 : La participación de la familia afecta la satisfacción con la vida de los adultos mayores. H 3 : La familia afecta positivamente la autodeclaración de salud en adultos mayores Satisfacción con la vida Importancia Familia Autodeclaración de salud Autodeclaración de salud H1H1 H2H2 H3H3 Modelo Teórico

O BJETIVO Determinar como la salud personal y la importancia de la familia afectan la satisfacción con la vida de los adultos mayores de zonas rurales y urbanas de la Región del Maule.

M ETODOLOGÍA Diseño de investigación: Causal Muestreo: Muestreo en dos etapas: estratificado por conglomerados con sub-muestreo incidental (casual) y por redes (bola de nieve) dentro del conglomerado. 387 adultos mayores de zonas rurales 396 adultos mayores de zonas urbanas Modelo de Ecuaciones estructurales Prueba la relación causal de una serie de ecuaciones de regresión simultáneas, separadas e interdependientes e incluye el análisis de factores para explicar constructos latentes (que no son observables directamente), especificados en un modelo teórico (Hair et al, 2007). Análisis Factorial Confirmatorio Permitió determinar la validez convergente y validez discriminante de los constructos (Bagozzi et al., 1991; Hair et al., 2007). Análisis Multigrupo Asume que los indicadores observados están relacionados con constructos exógenos, constructos endógenos y finalmente con el modelo estructural, mantenidos en cada grupo (Steenkamp & Baumgartner, 1998). Invarianza configural (Modelo de medida): Invarianza métrica: Invarianza escalar: Modelo Estructural Determina la significancia de los parámetros estimados en el modelo Estimación del coeficiente de confiabilidad de cada ecuación y la matriz de correlaciones entre los constructos determinados en el modelo. Establecer los niveles de ajuste del modelo χ2/df ( 0.8), CFI (close to 1) and NFI (close to 0.9 to 1.0)(Hair et al., 2007).

M ETODOLOGÍA Variables en el modelo:

R ESULTADOS Antecedentes sociodemográficos y escalas de medida VariablesRural (n= 387) Urbano (n=396) GéneroHombres37.4%30.1% Mujeres62.6%69.9% Edad 71.3 (6.5) 71.4 (6.5) Su estado de salud esMuy malo 4.9% 2.8% Regular 43.2% 33.3% Bueno 40.6% 47% Muy Bueno 9.8% 14.9% Excelente 1.5% 2% DCDC DBDB DPDP APAP ABAB ACAC DCDC DBDB DPDP APAP ABAB ACAC Importancia de la familia No puedo imaginar que mi vida sea completamente satisfactoria sin mi familia Las recompensas asociadas a tener mi familia son más importantes que cualquier otra cosa Las necesidades los miembros de mi familia son más importantes que mis propias necesidades Las relaciones realmente importantes están en mi familia Las comidas en familia son las actividades más importantes del día

R ESULTADOS Antecedentes sociodemográficos y escalas de medida VariablesRural (n= 387) Urbano (n=396) Autodeclaración de saludMuy Mala 4.9% 2.8% Regular43.2%33.3% Buena 40.6%47% Muy Buena 9.8%14.9% Excelente 1.5%2% Satisfacción con la vida DCDC DBDB DPDP APAP ABAB ACAC DCDC DBDB DPDP APAP ABAB ACAC En muchos aspectos, su vida se acerca a su ideal Sus condiciones de vida son excelentes Está satisfecho con su vida Hasta ahora ha obtenido las cosas importantes que ha deseado en su vida Si pudiera vivir su vida de nuevo, no cambiaría nada

R ESULTADOS C ONFIABILIDAD DEL ANÁLISIS FACTORIAL CONFIRMATORIO ConstructoIndicadorCoeficiente estandarizado (t-value) Confiabilidad compuesta (varianza promedio) Modelo de medida UrbanoRuralUrbanoRural Satisfacción con la vida α Cronbach (0.52)0.870(0.58) χ2 = x10.692a0.725a x20.705(12.689)0.779(14.562) df = 68 x30.890(15.185)0.851(15.785) x40.799(14.178)0.832(15.488) χ2 /df = x50.428(7.895)0.581(10.85) p = Importancia de la familia α Cronbach (0.54)0.869(0.58) RMSEA = x60.599(11.591)0.494(9.665) x70.745(14.683)0.823(17.249) CFI = x80.650(12.657)0.719(14.697) x90.881(17.071)0.927(19.264) GFI = x a0.772a NFI = 0.965

R ESULTADOS P RUEBA DE INVARIANZA A TRAVÉS DE LOS GRUPOS Model descriptionχ2dfχ2 /dfpCFIGFINFIRMSEA(90% CI) Urbano sample (0.043; 0.074) Rural sample (0.051; 0.082) Configural invariance (Model 1) (0.035; 0.051) Metric invariance (Model 2) (0.035; 0.051) Scalar invariance (Model 3) (0.036; 0.051) Comparison models 1 and Se alacanza invarianza configural y no se alcanza invarianza métrica > 0.05

R ESULTADOS M ODELO ESTRUCTURAL Satisfacción con la vida Importancia Familia Importancia Familia Autodeclaración de salud Autodeclaración de salud 0.23*** ( 0.11**) 0.56*** ( 0.34***) 0.09* ( 0.06 ) Orden de los parámetros: Urbano y Rural en paréntesis * p = 0.05; ** p = 0.01; *** p = H 1 : La autodeclaración de salud afecta la satisfacción con la vida de los adultos mayores. H 2 : La participación de la familia afecta la satisfacción con la vida de los adultos mayores. H 3 : La familia afecta positivamente la autodeclaración de salud en adultos mayores H1H1 H2H2 H3H3 χ2dfχ2 /dfpCFIGFINFIRMSEA

C ONCLUSIONES Existe un modelo teórico que permite comparar la satisfacción con la vida en adultos mayores tanto urbanos como rurales en la Región del Maule Cómo el adulto mayor perciba su estado de salud, afecta su satisfacción con la vida. El acompañamiento de la familia al adulto mayor, afecta su satisfacción con la vida.

A GRADECIMIENTOS Programa de Investigación de Excelencia Interdisciplinaria en Envejecimiento Saludable (PIEI-ES), Universidad de Talca. Prof. PhD Germán Lobos, Facultad de Economía y Negocios

M UCHAS GRACIAS

M ODELO E STRUCTURAL. B ONDAD DE AJUSTE. Medidas de Ajuste Absoluto Indican la aceptabilidad global del modelo. Estadístico Ratio de Verosimilitud Chi-cuadrado (χ 2 ) Es la medida más fundamental de ajuste absoluto. Con muestras grandes χ 2 suele ser significativo. El valor p para el modelo debe ser no significativo (p>0,05). Error de aproximación cuadrático medio (RMSEA) Intenta corregir la tendencia de χ 2 para rechazar cualquier modelo especificado con una muestra grande. Valores <0,08 son aceptables. Índice de Bondad de Ajuste (GFI) Representa el grado de ajuste conjunto. Se interpreta como una proporción de varianza explicada (análoga a R 2 en regresión múltiple) Medida no estadística que oscila entre 0 (mal ajuste) y 1,0 (ajuste perfecto).

M ODELO E STRUCTURAL. B ONDAD DE AJUSTE. Medidas de Ajuste Incremental Comparan el modelo propuesto con el modelo nulo. Índice de Bondad de Ajuste Ajustado (AGFI) Ajusta el GFI teniendo en cuenta los grados de libertad. Análogo a R 2 ajustada. Oscila entre 0 (mal ajuste) y 1,0 (ajuste perfecto). Índice de Ajuste Normal (NFI) Es una comparación relativa del modelo propuesto al modelo nulo. Oscila entre 0 (mal ajuste) y 1,0 (ajuste perfecto). Índice de Ajuste Comparado (CFI) Índice de Ajuste Incremental (IFI) Representan comparaciones entre el modelo estimado y el modelo nulo. Oscila entre 0 (mal ajuste) y 1,0 (ajuste perfecto). Índice de Tucker-Lewis (TLI) o Índice de Ajuste No Normado (NNFI) Compara el ajuste por grado de libertad del modelo propuesto y el modelo nulo. Oscila entre 0 (mal ajuste) y 1,0 (ajuste perfecto).

M ODELO E STRUCTURAL. B ONDAD DE AJUSTE. 22 Medidas de Ajuste de Parsimonia Relacionan la calidad de ajuste del modelo al número de coeficientes estimados exigidos para conseguir un buen ajuste. Índice de Ajuste Normado de Parsimonia (PNFI) Es una modificación de NFI, tiene en cuenta los grados de libertad utilizados para conseguir un buen ajuste. La parsimonia se define en la consecución de mayores niveles de ajuste por grado de libertad utilizado, por tanto es deseable la mayor parsimonia. Oscila entre 0 y 1,0 (mayor parsimonia). Índice de Calidad de Ajuste de Parsimonia (PGFI) Modifica GFI en función de la parsimonia del modelo estimado. Oscila entre 0 y 1,0 (mayor parsimonia). Chi-cuadrado Normada (χ 2 /gl) El ratio χ 2 /gl (chi-cuadrado/grados de libertad) debe ser inferior a 3,0 lo que indica que existe un ajuste aceptable entre el modelo propuesto y la muestra (Carmines y Mclver, 1981). Un límite más liberal oscila 2,0-5,0. Criterio de Información Akaike (AIC) Medida basada en la teoría de la información estadística. Al igual que PNFI, es una medida comparativa entre modelos con diferente número de constructos. Valores cercanos a 0 indican un mejor ajuste y una mayor parsimonia.