Estimación bayesiana de ecuaciones estructurales

Abstract

El objetivo de este trabajo es la estimación de variables inobservables, para ello se utiliza la técnica de modelización de ecuaciones estructurales y se combina la estimación de máxima verosimilitud con la estimación bayesiana, y con esto lograr mejores estimaciones, inicialmente se considera el Teorema de Bayes y sus fundamentos como una introducción a la teoría de estimación e inferencia bayesiana. Los métodos de Monte Carlo surgen en las últimas décadas, debido a los avances en la computación, esto ha permitido que se puedan desarrollar simulaciones, se desarrollan los conceptos básicos y el algoritmo a partir del cual mediante modificaciones surgen los algoritmos de: Hasting-Metrópolis, Hasting- Metrópolis componente a componente, y el muestreador de Gibbs. Dichos algoritmos son los más comúnmente utilizados, se ha incluido ejemplos de su funcionamiento, estos algoritmos son la base para la creación de nuevos algoritmos adaptados a cualquier tipo de problema. La modelización de ecuaciones estructurales es una metodología que permite estimar variables inobservables, esta técnica es la única que permite este tipo de estudio, ésta técnica dio sus primeras luces con los trabajos de Spearman y Thrustone en el campo del análisis psicométrico, específicamente en este trabajo se analiza los modelos: Análisis Factorial Exploratorio, Análisis Factorial Confirmatorio y su generalización. La teoría tanto bayesiana, así como, las ecuaciones estructurales son combinadas para la construcción de un índice de satisfacción del cliente para una empresa ecuatoriana, esta aplicación corresponde al campo de la investigación de mercados.