4.2 Modelo de medición para Atribuciones de pobreza y riqueza
4.2.1 Modelos de correlación
En primer lugar, se realizaron los test de correlación policórica y de Pearson con los indicadores de atribuciones de pobreza y riqueza. A partir de la Figura N° 4.5 se presentan solamente los resultados de la correlación policórica. Tanto en las correlaciones de Pearson como en las correlaciones policóricas, es posible identificar un primer grupo a partir de correlaciones positivas de niveles medios y medios-altos, en donde se encuentran las Atribuciones de pobreza por Falta de habilidad, Atribuciones de pobreza por Falta de esfuerzo, Atribuciones de riqueza a partir del Talento y Atribuciones de riqueza a partir del Trabajo duro. Cada una de ellas correlaciona entre sí de manera positiva y con niveles medios-altos, en donde destacan los niveles de correlación entre los dos indicadores correspondientes a las atribuciones de pobreza (por Falta de habilidad y por Falta de esfuerzo), como también entre los dos indicadores de atribuciones de riqueza (por Talento y Trabajo duro). Por otro lado, se identifica otro grupo que correlaciona de manera positiva y con niveles medios y medios-altos entre Atribuciones de pobreza a partir del Sistema económico, Atribuciones de pobreza a partir del Sistema educativo, Atribuciones de riqueza a partir del Sistema económico y Atribuciones de riqueza a partir del Sistema educativo. Cabe destacar que los indicadores del primer grupo, coincidentes con lo que en la literatura se le ha llamado “atribuciones internas,” correlacionan de manera negativa con los indicadores del segundo grupo, al cual se le puede denominar, a partir de la literatura, “atribuciones externas.” Por último, las Atribuciones de pobreza por Mala suerte y Atribuciones de riqueza por Suerte, muestran una correlación positiva y media-alta solamente entre ellas, lo cual daría cuenta sobre un tercer constructo. Sin embargo, antes de anticiparnos a los constructos, es necesario realizar un análisis confirmatorio.
Figura 4.3: Matriz de Correlaciones Policórica para Atribuciones de pobreza y riqueza
4.2.2 Análisis factorial confirmatorio
La implementación de CFA para las variables de atribuciones se debe principalmente a que se supone previamente el número de factores, como también su composición. Este método presenta la ventaja de que estima los errores de medición (Brown 2007). Las investigaciones sobre atribuciones de pobreza y riqueza que utilizan indicadores en forma de escala likert, se identifican dos macro constructos latentes, siendo estas las atribuciones internas y las atribuciones externas. Debido a lo anterior, se estima un modelo de dos factores y se compara con modelos de más factores.
En un primer momento, la estructura de dos factores incluyó indicadores fatalistas. En el modelo 1 las atribuciones internas están constituidas por los siguientes indicadores: (A) Atribución de pobreza por falta de habilidad, (B) Atribución de pobreza por mala suerte, (C) Atribución de pobreza por falta de esfuerzo, (F) Atribución de riqueza por talento, (G) Atribución de riqueza por suerte y (H) Atribución de riqueza por trabajo duro. Por su parte, las atribuciones externas están construidas a partir de (D) Atribución de pobreza por sistema económico, (E) Atribución de pobreza por sistema educativo y (I) Atribución de riqueza por sistema económico. El indicador de Atribución de riqueza por sistema educativo es excluido ya que la correlación entre errores era alta con casi todos los otros indicadores, independiente de su factor. Para mejorar el ajuste, se especificó una correlación entre los errores de los dos indicadores fatalistas, como también entre los indicadores de atribución de pobreza por falta de habilidad y atribución de pobreza por falta de esfuerzo. El modelo presentó medidas de ajuste de χ2 (24)=183.178, p<0.000, CFI=0.967, TLI=0.951, RMSEA=0.074. Si bien los ajustes en general son aceptables, indicadores como el RMSEA podrían mejorar. Además se realizaron diversos ajustes para modificar el modelo. Debido a lo anterior se compara con otros dos modelos con estructuras diferentes.
El modelo 2 presenta una estructura de tres factores, siendo estos los de Atribuciones internas, Atribuciones externas y Atribuciones fatalistas. La composición de los factores fue para las Atribuciones internas: (A) Atribución de pobreza por falta de habilidad, (C) Atribución de pobreza por falta de esfuerzo, (F) Atribución de riqueza por talento y (H) Atribución de riqueza por trabajo duro. Las atribuciones externas se componen de los indicadores de (D) Atribución de pobreza por sistema económico, (E) Atribución de pobreza por sistema educativo y (I) Atribución de riqueza por sistema económico. El último factor referente a las Atribuciones fatalistas está construido en base a los indicadores de suerte, siendo estos (B) Atribución de pobreza por mala suerte y (G) Atribución de riqueza por suerte. Para el presente modelo fue excluido el indicador de Atribución de riqueza por sistema educativo, ya que presentó niveles altos de correlación entre errores. Además se especificó una correlación entre los errores de los indicadores de Atribución de pobreza por falta de habilidad y Atribución de pobreza por falta de esfuerzo. El modelo presentó medidas de ajuste de χ2 (23)=132.216, p<0.000, CFI=0.978, TLI=0.965, RMSEA=0.062. El modelo presenta un mejor ajuste respecto del modelo 1, sin embargo, considerando que el factor de atribuciones fatalistas no es relevante para el presente estudio, se prueba un tercer modelo en donde no se incluyen los indicadores de suerte.
En el modelo 3 se generan dos factores excluyendo del análisis los indicadores de (B) Atribución de pobreza por mala suerte y (G) Atribución de riqueza por suerte. De esta forma, la composición de los dos factores son, para Atribuciones internas, a partir de los indicadores de (A) Atribución de pobreza por falta de habilidad, (C) Atribución de pobreza por falta de esfuerzo, (F) Atribución de riqueza por talento y (H) Atribución de riqueza por trabajo duro. Para el factor de Atribuciones externas, los indicadores que le corresponden son las (D) Atribución de pobreza por sistema económico, (E) Atribución de pobreza por sistema educativo y (I) Atribución de riqueza por sistema económico. Nuevamente, el presente modelo excluye el indicador de Atribución de riqueza por sistema educativo, ya que, en general, presenta correlación de errores altos con todos los otros indicadores. Además se especificó una correlación entre los errores de los indicadores de Atribución de pobreza por falta de habilidad y Atribución de pobreza por falta de esfuerzo. El modelo presentó medidas de ajuste de χ2 (12)=82.876 , p<0.000, CFI=0.984, TLI=0.971, RMSEA=0.069.
Para mayor claridad, en la Tabla N° 4.1 presentada más abajo se comparan las medidas de ajuste para los tres modelos de CFA.
| Modelo | Estimador | \(\chi^2\) | df | CFI.sca | RMSEA | RMSEA.sca |
|---|---|---|---|---|---|---|
| Modelo 1 | DWLS | 183.178 | 24 | 0.967 | 0.067 | 0.074 |
| Modelo 2 | DWLS | 132.216 | 23 | 0.978 | 0.051 | 0.062 |
| Modelo 3 | DWLS | 82.876 | 12 | 0.984 | 0.058 | 0.069 |
| 1 Modelo 1: dos factores incluyendo atribuciones fatalistas | ||||||
| 2 Modelo 2: tres factores: internas, externas y fatalistas | ||||||
| 3 Modelo 3: dos factores excluyendo atribuciones fatalistas |
Debido a que las atribuciones fatalistas como constructo latente no es de relevancia para el presente estudio, y considerando que las medidas de ajuste son similares entre el Modelo 2 y 3, es que se propone el Modelo 3 como el modelo final, para luego tratar a los dos factores latentes de Atribuciones internas y Atribuciones externas como variable endógena en los modelos de ecuaciones estructurales. La construcción y las cargas factoriales del modelo se observan en la Figura N° 4.4.
Figura 4.4: Clases latentes para atribuciones de pobreza y riqueza