Formas Alternativas de Evaluar el Ajuste del Modelo

Este artículo se centra en las medidas de ajuste de un modelo. Se consideran dos tipos de error involucrados en el ajuste de un modelo. El primero es el error de aproximación que implica el ajuste del modelo, con valores de parámetros optimizados pero desconocidos, a la matriz de covarianza poblacional. El segundo es el error global que implica el ajuste del modelo, con valores de parámetros estimados a partir de la muestra, a la matriz de covarianza poblacional. Se proponen medidas para ambos tipos de error y se sugieren estimaciones puntuales y por intervalos de dichas medidas. Estas medidas tienen en cuenta el número de parámetros en el modelo para evitar penalizar modelos parsimoniosos. Se discuten las dificultades prácticas asociadas con las pruebas usuales de ajuste exacto de un modelo y se sugiere una prueba de "ajuste cercano" de un modelo.