Estimación de modelos de estructura de covarianza mediante algoritmos genéticos

El estudio de constructos o conceptos que denotan un comportamiento social como la calidad de vida, la inteligencia, entre otros, se ha convertido en la base para la construcción de acciones en pro de un mejor entendimiento y direccionamiento de una comunidad. Actualmente existen varias opciones metodologías que permiten abordar este tipo de estudio, según las características particulares de investigación que se tengan. Particularmente, la teoría de los modelos de estructura de covarianza se enfoca en el análisis de las relaciones causales entre un conjunto de variables observables y variables latentes, lo cual es de gran ayuda para disciplinas como la psicología y las ciencias sociales. El desarrollo de esta metodología ha tratado consigo la creación de software especializados en esta materia como lo son: PROCCALIS de SAS, AMOS de IBM SPSS, Paquete SEM y Lavaan de R Project, LISREL de SSI, EQS, RAMONA, LISCOMP, SEPATH, Mx, Mplus y Tetrad. Estos, a pesar de su utilidad y practicidad, presentan dificultades en la etapa de estimación de los parámetros del modelo; debido a que el algoritmo de optimización proviene de la teoría de métodos numéricos, lo cual tiende a producir soluciones que solo alcanzan a ser localmente óptimas. Como alternativa, la estrategia de solución se basa en ejecutar el algoritmo varias veces con diferentes valores iniciales para así verificar si las estimaciones siguen siendo las mismas cada vez o si surgen diferencias, para luego seleccionar la mejor solución. Esto plantea la necesidad de una solución más robusta, lo que conlleva al desarrollo de este trabajo, el cual pretende emplear algoritmos genéticos para contribuir a mejorar el problema de convergencia local en la etapa de estimación de los parámetros de los modelos de estructura de covarianza, con el n de proporcionar una estrategia que sea poco influenciable ante superficies de búsqueda multimodales y sea capaz de generar soluciones óptimas globales.

• Autores: Arboleda Quintero, Leidy Laura
• Fecha de publicación: 2017
• Institución: Universidad Nacional de Colombia
• Repositorio: Universidad Nacional de Colombia
• Idioma: spa
• OAI Identifier: oai:repositorio.unal.edu.co:unal/62856
• Acceso en línea: https://repositorio.unal.edu.co/handle/unal/62856; http://bdigital.unal.edu.co/62102/
• Palabra clave: 51 Matemáticas / Mathematics; Modelos de estructura de covarianza; SEM; Algoritmos genéticos; Algoritmo de optimización; mínimos cuadrados; Análisis de variables latentes; Modelos LISREL; MEC; Linear Structural; Structural Equation Models; Lavaan
• Rights: openAccess
• License: Atribución-NoComercial 4.0 Internacional