Los datos de las encuestas en las ciencias sociales, del comportamiento y de la salud suelen contener muchas variables (p). El modelo de ecuaciones estructurales (SEM) se utiliza habitualmente para analizar estos datos. Con un número suficiente de participantes (N), el SEM permite a los investigadores establecer fácilmente y probar de forma fiable las relaciones hipotéticas entre los constructos teóricos, así como las existentes entre los constructos y sus indicadores observados. Sin embargo, los análisis SEM con N pequeños o p grandes han demostrado ser problemáticos. Este artículo revisa los problemas y las soluciones para el SEM con N pequeños, especialmente cuando p es grande. Los temas que se abordan son los métodos de estimación de parámetros, los estadísticos de prueba para la evaluación general del modelo y los errores estándar fiables para evaluar la importancia de las estimaciones de los parámetros. También se examinan las recomendaciones anteriores sobre el tamaño necesario de la muestra N junto con los desarrollos más recientes. En particular, el requisito de N con los métodos convencionales puede ser mucho más de lo esperado, mientras que los nuevos avances y desarrollos pueden reducir el requisito de N sustancialmente. Los problemas y desarrollos para el SEM con muchas variables descritos en este artículo no sólo permiten a los investigadores aplicados conocer la metodología de vanguardia para el SEM con grandes datos, caracterizados por un gran p, sino que también ponen de manifiesto los retos que los metodólogos deben afrontar en futuras investigaciones.
Se recomienda encarecidamente el uso de la plantilla para los artículos, pero no es obligatorio. Si un autor opta por no utilizar una plantilla para preparar un artículo, sólo deben utilizarse los tipos de letra Times y Symbol y un interlineado de 1,5 o doble. Otros tipos de letra pueden causar problemas al crear los archivos PDF utilizados para la revisión. Además, si no se utiliza la plantilla, debe utilizarse el modo de documento o su equivalente en el programa de tratamiento de textos; es decir, los archivos no deben guardarse en modo “Sólo texto” (ASCII). Si se utiliza una versión no occidental del programa de tratamiento de textos para preparar el manuscrito, el archivo debe guardarse en formato de texto enriquecido (RTF).
Los artículos deben cubrir sus temas con minuciosidad, claridad y exhaustividad, pero deben ser lo más concisos posible. Los resúmenes de los artículos se limitan normalmente a 300 palabras y deben resumir los resultados y conclusiones significativos.
Todos los gráficos y tablas deben colocarse cerca del punto de primera mención en el texto del manuscrito (no agrupados al final del documento) y deben tener un tamaño acorde con la orientación actual. No se permiten notas largas en la sección de Referencias; la información que no guarde relación directa con la Carta puede incluirse como Información de apoyo. Las Cartas pueden ser publicaciones completas, pero puede estar justificada la publicación posterior cuando la investigación continúe y se considere necesaria una exposición más completa del trabajo, especialmente en el caso de las Cartas concisas más urgentes señaladas anteriormente. Se hará un esfuerzo especial para agilizar la revisión y la publicación de las Cartas. El tiempo de revisión de las galeradas es relativamente corto. Por esta razón, los autores de las Cartas deben asegurarse de que los manuscritos estén en su forma final y sin errores cuando se presenten. Existe una plantilla para las Cartas.
ResumenEste artículo es un homenaje a los investigadores que han contribuido significativamente a mejorar y hacer avanzar el modelado de ecuaciones estructurales (MEE). Se trata, por tanto, de una breve visión general del SEM y presenta sus inicios, su desarrollo histórico, su utilidad en las ciencias sociales y las controversias estadísticas y filosóficas (teóricas) que han aparecido a menudo en la literatura relativa al SEM. Una vez descrita la esencia del SEM en el contexto del análisis causal, el autor aborda los años de desarrollo de la modelización estructural como consecuencia de las necesidades sistemáticamente crecientes de muchos investigadores (en particular en las ciencias sociales) que se esforzaban por comprender eficazmente la estructura y las interacciones de los fenómenos latentes. Los inicios de los modelos SEM estuvieron relacionados con los trabajos de Spearman y Wright, y con los de otros destacados investigadores que contribuyeron al desarrollo del SEM. También se describe la importancia y el predominio de los supuestos teóricos sobre las cuestiones técnicas para el éxito de la construcción de los modelos SEM. A continuación, se presentan las controversias relativas al uso del SEM en las ciencias sociales. Por último, se discuten las oportunidades y amenazas de este tipo de estrategia analítica, así como algunos ámbitos de aplicación del MEB en las ciencias sociales.
Fundamentos del SEOSEO vs. SEMPosicionamiento en buscadoresFactores de clasificación en buscadores¿Cuál es la diferencia entre SEO y SEM? La principal diferencia es que la optimización en buscadores (SEO) se centra en la optimización de un sitio web para obtener tráfico de los resultados de búsqueda orgánica. Por otro lado, el objetivo del marketing en buscadores (SEM) es conseguir tráfico y visibilidad tanto desde la búsqueda orgánica como desde la de pago.
Recuerde: SEM es un término de alto nivel que incluye SEO. Por lo tanto, todo lo que acabo de señalar para el SEO también se aplica al SEM. Pero además del SEO, el SEM también incluye el PPC. Y el PPC es un campo que tiene su propio conjunto de características, mejores prácticas y más.
Tienes un presupuesto muy limitado: Si usted es una empresa nueva o pequeña con un presupuesto de marketing minúsculo, probablemente quiera centrarse en el SEO. Es posible que no vea un retorno de la inversión en su presupuesto de SEO durante meses o años. Pero sigue teniendo más sentido que gastar su presupuesto de marketing en anuncios de PPC que sólo pueden funcionar durante una semana.
Usted tiene la capacidad de lanzar y probar las páginas de aterrizaje: Una de las primeras cosas que aprenderá sobre el PPC es que necesita páginas de destino específicas para cada anuncio. O al menos para cada grupo de anuncios. Así que para sacar el máximo provecho de PPC, usted necesita una manera de lanzar rápidamente muchas páginas web diferentes. Y realizar pruebas A/B para averiguar cuál es la que mejor funciona.