Modelización causal lineal con ecuaciones estructurales

Título original:

Linear Causal Modeling with Structural Equations

Contenido del libro:

Enfatizando la causalidad como una relación funcional entre variables que describen objetos, Linear Causal Modeling with Structural Equations integra una teoría filosófica general de la causalidad con el modelado de ecuaciones estructurales (SEM) que se ocupa del caso especial de las relaciones causales lineales. Además de describir cómo puede generalizarse el concepto de relación funcional para tratar la causalidad probabilística, el libro revisa tratamientos históricos de la causalidad y explora desarrollos recientes en psicología experimental sobre estudios de la percepción de la causalidad. Examina cómo percibir directamente las relaciones causales mediante la percepción de cantidades en magnitudes y movimientos de causas que se conservan en los efectos de los intercambios causales.

El autor repasa los conceptos básicos de la teoría de grafos útiles en la formulación de modelos estructurales. Centrándose en el SEM, muestra cómo escribir un conjunto de ecuaciones estructurales correspondientes al diagrama de trayectorias, describe dos formas de calcular las varianzas y covarianzas de las variables en un modelo de ecuaciones estructurales e introduce ecuaciones matriciales para el modelo general de ecuaciones estructurales. A continuación, el texto aborda el problema de la identificación de un modelo, la estimación de parámetros, los problemas que plantea el diseño de modelos de ecuaciones estructurales, la aplicación del análisis factorial confirmatorio, los modelos equivalentes, el uso de variables instrumentales para resolver problemas de dirección causal y causalidad mediada, la modelización longitudinal y los modelos no recursivos con bucles. También evalúa modelos en varias dimensiones y examina los coeficientes de correlación policórica y poliserial y su derivación.

Este libro, que abarca los fundamentos del álgebra y la historia de la causalidad, proporciona una sólida comprensión de la causalidad, la modelización causal lineal y el SEM. Lleva a los lectores a través del proceso de identificación, estimación, análisis y evaluación de una serie de modelos.