Participantes

Se trata de un estudio de corte transversal que se llevó a cabo en el año 2016 con dos muestras una mexicana y la otra chilena. La muestra mexicana estuvo compuesta por 1572 estudiantes de primer ingreso a un Centro universitario regional de una universidad pública mexicana que aceptaron participar en el estudio, de los cuales 60.5% eran mujeres y 39.5% hombres. La media de edad fue de 18.8 (DE=1.3). El nivel socioeconómico de los estudiantes fue clase trabajadora 12.4%, clase media baja 64.5% y clase media alta y alta 22.1%, se preguntó por el nivel educativo de la persona que aporta el ingreso principal a la casa un 48.39% tenía educación básica, un 36.73 educación media y únicamente un 14.87% tenía educación superior. La muestra chilena estuvo compuesta por 1345 estudiantes que ingresaron a una universidad regional pública chilena y que aceptaron participar, 61.7% mujeres y 39.3% hombres. La media de edad fue de 19.03 (DE = 1.6). El nivel socioeconómico fue bajo y medio bajo en el 36.4% de los participantes, medio y medio alto en el 59.2%, alto y muy alto en el 4.4%. En el caso de los estudiantes chilenos la persona que aporta el ingreso principal, un 12.04% tenía únicamente educación básica, un 73.53% tenía educación media o superior sin concluir y un 14.42% tenía educación superior o posgrado.

Instrumento

BRS: Escala Breve de Resiliencia (^{Smith et al., 2008}). Es una escala de auto-informe que consta de 6 ítems con 5 opciones de respuesta que van de muy de acuerdo a muy en desacuerdo. La mayor puntuación significa mayor grado de resiliencia. La versión original muestra una consistencia interna buena (alfa que va de .80 a .91) con evidencia adecuada de validez convergente y discriminante.

Procedimiento

Tanto en la muestra mexicana como en la muestra chilena los estudiantes contestaron los cuestionarios en línea en los laboratorios de informática durante el curso para el ingreso a la universidad, como parte del estudio desarrollado por el Observatorio de riesgos y calidad de vida de cada universidad. Se aplicó consentimiento informado a los estudiantes. El proyecto fue revisado y aprobado por el Comité de Bioética de la Universidad de Guadalajara, México y la Universidad de Playa Ancha, Chile. Se siguieron los lineamientos de la Declaración de Helsinki de la investigación en seres humanos.

Análisis estadístico y psicométrico

El análisis factorial confirmatorio se realizó utilizando IBM AMOS v. 23. Todos los análisis se realizaron utilizando la matriz de covarianzas con el método de estimación de máxima verosimilitud (MLE).

Se probó el ajuste de varios modelos: 1) Un modelo de un solo factor (Resiliencia); 2) Un modelo con dos factores correlacionados (Resiliencia y Vulnerabilidad); 3) Modelo de segundo orden de ^{Rodríguez-Rey, Alonso-Tapia and Hernansaiz-Garrido (2016}); 4) El modelo de un constructo con un factor de método en el que se añade un factor que pretende valorar el efecto asociado a los ítems inversos ((^{Tomás, et al., 2013}); 5) El modelo de un constructo con dos factores de método debidos a la polaridad de los ítems y 6) Un modelo de una dimensión con un factor general para la aquiescencia (^{Savalei & Falk, 2014}) donde se proponen añadir un factor de método que es ortogonal a todos los factores teóricos, en este modelo los pesos factoriales de los ítems se fijan a 1 en una base de datos no recodificada, lo que es equivalente a fijar los pesos a 1 para los ítems directos y a -1 para los ítems inversos en una base de datos recodificada. Los pesos factoriales se fijan para la identificación del modelo. El parámetro de interés y que por lo tanto debe ser estimado es la varianza del factor de método que es un indicador del tamaño del sesgo en la aquiescencia. Por ello, este modelo intenta capturar las tendencias individuales de usar las categorías de respuesta de forma consistente a través de los ítems, pero de manera idiosincrática entre los individuos (^{Abad, et al., 2016}).

El ajuste del modelo se evaluó por medio de los siguientes indicadores de ajuste: a) Chi cuadrado (χ²) y sus grados de libertad (b) la raíz del error cuadrático medio (RMSEA) donde los valores entre .05 y .08 representan un ajuste aceptable y valores menores a .05 un ajuste excelente (^{Steiger, & Lind, 1980}), (c) dos índices robustos de comparación con el modelo nulo, a saber, NFI (Normed Fit Index), y el CFI (Comparative Fit Index) (^{Bentler, 1990}), y (d) dos índices de bondad de ajuste absolutos, a saber, GFI (Goodness of Fit Index) y AGFI (Adjusted Goodness of Fit Index). Donde NFI ≥ .95; CFI ≥ .95; GFI ≥ .95 Y AGFI ≥ .90 representan un excelente ajuste ((^{Hu, & Bentler, 1999}). Adicionalmente, y dado que se presenta una secuencia de modelos alternativos, se empleará el Criterio Informativo de Akaike (AIC, ^{Anderson, & Burnham, 1998}) donde los valores menores se asocian a los modelos más adecuados, así también se empleó las diferencias en CFI, se considera que una diferencia de .002 o menor es evidencia de que la imposición de restricciones adicionales no conduce a una pérdida de ajuste significativa (^{Meade, Johnson, & Braddy, 2008}).

Para el análisis de fiabilidad se calculó el coeficiente alfa de Cronbach (α) y el Coeficiente Omega (ω), este último a partir de los pesos factoriales del modelo con mejor ajuste utilizando el procedimiento de ^{Ventura-Leon & Caycho (2017}).

Comparación entre modelos

La Tabla 1 muestra los índices de ajuste de los modelos analizados, el orden de presentación de los modelos es el siguiente: se expone el modelo más general de una sola dimensión (modelo 1), a continuación, se presentan los modelos en los que se concibe la explicación de dos dimensiones: resiliencia y vulnerabilidad (modelo 2) y este mismo modelo, pero con un factor de segundo orden (modelo 3), y finalmente los modelos que hacen un tratamiento de la aquiescencia (modelos 4, 5 y 6). En ese orden se puede observar que el modelo unidimensional no presenta indicadores aceptables de ajuste en ninguna de las dos muestras, con bajos niveles en los índices de bondad de ajuste (CFI, GFI y AGFI) y altos niveles de error (RMSEA). Los modelos 2 y 3 en los que se concibe la explicación a partir de dos dimensiones (resiliencia y vulnerabilidad) mejoran los indicadores, tanto el modelo de dos factores en el que se encuentra una correlación mayor entre las dos dimensiones para la muestra de estudiantes de chile (r_{México: modelo3}= -.34; r_{Chile: modelo3}= -.55), como el de un factor de segundo orden que aparece por la correlación entre dichas dimensiones en ambas muestras. En ambos modelos y en ambas muestras los indicadores de ajuste son iguales, de hecho, el Criterio Informativo de Akaike es igual, por lo que podemos señalar que no hay diferencias significativas en el ajuste entre un modelo de primer orden con dos factores correlacionados y uno de segundo orden. En la comparación de estos dos modelos en las diferentes muestras es importante observar que el ajuste es mucho mejor en el caso de la muestra de estudiantes universitarios chilenos, mientras que en el caso de los universitarios mexicanos el índice de error es inaceptable (RMSEA=.091, IC90% (.076,.106)).

Los tres modelos que se han propuesto para el tratamiento de la aquiescencia presentan indicadores de ajuste excelentes en ambas muestras, especialmente el modelo de un factor general y dos factores de método que muestra menor puntuación en el Criterio Informativo de Akaike (AIC) en ambas muestras (AIC_{México: modelo6}= 60.22, AIC_{Chile: modelo6}= 62.92). Si consideramos todos los modelos, en la muestra de estudiantes chilenos se observan menor puntuación en el Criterio Informativo de Akaike (AIC) en los modelos de dos factores correlacionados (AIC_{Chile:modelo2}= 60.661) y el de un factor de segundo orden (AIC_{Chile:modelo3}= 60.663).

Tabla 1. Valores de los Índices de bondad de ajuste para los Modelos de Análisis Factorial Confirmatorio. 

Nota: df grados de libertad, RMSEA Raíz del error cuadrático medio de aproximación; 90% CI 90% de Intervalo de Confianza, NFI Normal Fit Index, CFI Comparative Fit Index, GFI Goodnes of Fit Index, AGFI Adjusted of Fit Index, AIC Akaike information criterion^** p < .001

Estadística para el Modelo de un factor general y dos factores de método

En la Tabla 2 se presentan los pesos factoriales para el factor general denominado Resiliencia y los dos factores debidos a la polaridad de los ítems, así como la varianza y el error estándar en cada dimensión. Los pesos factoriales en el factor general son mayores en la muestra de Universitarios chilenos ( λ > .39) que en la muestra de universitarios mexicanos ( λ > .23), incluso el peso factorial para el ítem 2 es no significativo. Al mismo tiempo, los pesos factoriales para los factores de método son más altos en la muestra de estudiantes mexicanos que en la muestra de estudiantes chilenos. Se esperaría que los pesos en el factor general (Resiliencia) fueran mayores que en los factores de método, sin embargo, en la mayoría de los ítems esto no ocurre, lo que significa que la aquiescencia está presente en estas muestras. La varianza también es alta para estos factores por lo que es posible que los estilos de respuesta debidos a la aquiescencia estén afectando el modelo factorial, especialmente en la muestra de estudiantes mexicanos donde la varianza de los ítems inversos es especialmente alta y mucho mayor que la del factor que estamos evaluando (S² _{México_factor de resiliencia} = .215 vs S² _{México_factor método ítems inversos} = .375>.

Tabla 2. Pesos factoriales y varianza para el Modelo de un constructo con dos métodos en las muestras de Universitarios mexicanos y chilenos 

^** p < .001

Análisis de Invarianza

En la Tabla 3 se presentan los resultados del análisis de invarianza multigrupo en el modelo de un factor teórico y dos factores de método para verificar si la estructura factorial del BRS es similar en las dos muestras estudiadas -invarianza factorial. Se presentan al inicio las pruebas globales para: a) los pesos factoriales de los ítems, b) las varianzas de las variables latentes, en el procedimiento si estas comparaciones no son significativas se considera que los modelos son invariantes, en el caso de que haya diferencias estadísticamente significativas se hace un análisis ítem a ítem, o en cada una de las varianzas de las variables latentes para identificar en donde se están produciendo las diferencias. Para ello inicia con un modelo donde se permite que los parámetros sean diferentes en ambas muestras (modelo sin restricciones o aumentado) que se compara con uno o más modelos donde se restringen los parámetros para que sean iguales en ambas muestras (modelo restringido o compacto), una vez que se han estimado ambos modelos se obtiene el estadístico de bondad de ajuste Chi-cuadrado (χ²). Dado que el modelo compacto está anidado en el modelo aumentado, se puede comparar el cambio en Chi-cuadrado (Δχ²) con grados de libertad igual a la diferencia de los grados de libertad de los modelos respectivos. En la comparación un resultado significativo es evidencia de que se viola la equivalencia en los parámetros. Además, se utilizará el criterio de ^{Cheung and Rensvold (2002})que señala que en modelos anidados un incremento superior a 0.01 en el Índice comparativo de Bentler (ΔCFI) es un indicador de que se debe rechazar el modelo con más restricciones. En la Tabla 3 se señalan con gris aquellos modelos en los que se encontraron diferencias significativas y que por lo tanto se consideran no invariantes entre las muestras, como puede observarse los dos modelos más generales no resultaron invariantes, ni el modelo de medida en el que se restringen los pesos factoriales de los ítems ni aquel en el que se restringen las varianzas de las variables latentes. En las comparaciones específicas se puede identificar que los ítems 2 y 4, ambos ítems inversos, no son invariantes en las muestras (estos resultados se sostienen si se aplica el criterio que se basa en la comparación de Chi-cuadrado (χ²), pero no en el ΔCFI). De igual forma las varianzas en el factor de método asociado a los estilos de respuesta en el factor que agrupa los ítems inversos resultó no ser invariante.

La confiabilidad se obtuvo para los ítems directos (México: α = .71, ω = .59; Chile: α = .77, ω = .75) para los ítems inversos (México: α = .74, ω = .65 Chile: α = .77, ω = .76).

Finalmente, en la Tabla 4 y Tabla 5 se pueden observar las matrices de varianzas covarianzas para la muestra de estudiantes mexicanos y chilenos respectivamente.

Tabla 3. Índices de bondad de ajuste para los modelos de Invarianza para el Análisis Factorial Confirmatorio. 

Nota: Las celdas en gris señalan aquellos modelos en los que se encontraron diferencias significativas (p < .05) entre el modelo sin restricciones y el modelo restringido

Tabla 4. Matriz de varianzas-covarianzas de los ítems de los estudiantes mexicanos. 

Tabla 5. Matriz de varianzas-covarianzas de los ítems de los estudiantes chilenos.