La bondad de ajuste del modelo, mide la exactitud de lo supuestos del modelo especifi- cado para determinar si éste es correcto y sirve como aproximación al fenómeno real. Los estadísticos que fueron utilizados para evaluar el ajuste del modelo se observan en la tabla 3.6 los valores por defecto del modelo.
En todos los casos el nivel de probabilidad o significancia del Chi-Cuadrado es de 0,000 por lo que existe un buen ajuste del modelo. Según el coeficiente del Chi-Cuadrado y los
3.3. DESARROLLO DE LOS MODELOS SEM CAPÍTULO 3. RESULTADOS
Estadistico Criterio Modelo Valor M1 1115,0628 CMIN M2 2646,624 M3 1152,529 M1 2,642 CMIN/DF <2 - 5 M2 2,590 M3 2,731 M1 0,646 NFI >0,9 M2 0,525 M3 0,661 M1 0,739 CFI >0,9 M2 0,635 M3 0,749 M1 0,089 RMSEA <0,06 M2 0,088 M3 0,091 M1 1325,062 AIC M2 2952,624 M3 1362,529 M1 1363,462 BCC M2 3045,001 M3 1400,929
Tabla 3.6:Ajuste del Modelo
grados de libertad (CMIN/DF), se consideran aceptables dado que están dentro del rango y todos cercanos a 2. En el caso de los siguientes indicadores NFI, CFI y RMSEA no se logra cumplir con los criterios pero estos se encuentran cercanos al valor deseado.
En el caso de los coeficientes de AKAIKE (AIC) y Browne-Cudeck (BCC), estos se deben comparar entre los modelos, a menor valor mejor modelo, de esta forma se puede descartar inmediatamente el modelo 2 o completo, dado que este se escapa en gran medida por sobre los otros dos modelos. Además no presenta un mal ajuste de escala pero si el que tenia menor valor en sus Alfa de Cronbach.
3.3.5.
Estimación de Parámetros
El siguiente paso es la estimación de parámetros, con la que se revisarán las hipótesis planteadas y su significancia. Debido a que solo el modelo real permite evaluar todas las
3.3. DESARROLLO DE LOS MODELOS SEM CAPÍTULO 3. RESULTADOS
hipótesis, se analizarán con ese modelo. Además se descarto el modelo completo, en el caso del modelo simple y el real, la diferencia no es significativa, pero el punto a favor que tiene el modelo real es que este entrega mas información dado que cuenta con 15 variables mas que el modelo simple, por lo que es un modelo mas completo, entonces para realizar el estudio final se utilizará el modelo real, y a modo de ”extra” en el anexo A.0.5 se muestran los resultados del modelo simple y se muestra la representación gráfica del mismo.
A continuación se muestra una tabla explicativa de las siglas para cada constructo, para que se mas fácil de entender los resultados.
Constructo Sigla Variables incluidas
Actitud AT Y1−Y3−Y4
Norma Subjetiva SN Y5−Y6
Control Conductual Percibido PBC Y7−Y8
Obligación Moral Percibida PMO Y9−Y10−Y11
Intención Conductual BI Y12−Y13
Comportamiento B Y14−Y15
Competencia de la intención Conductual CBI Yr−Yw Beneficios Relativos Personales PRB X2−X3
Beneficios Relativos Sociales SRB X4−X5−X6
Creencias Normativas Primarias PNB X7−X8−X9
Creencias Normativas Secundarias SNB X10−X11
Auto-Eficacia SE X12−X13
Facilitación de Condiciones FC X14−X15−X16
Tabla 3.7:Cuadro Resumen de los Constructos
En primer lugar es necesario revisar si existen relaciones no significativas. En la tabla 3.8 se observan los valores-p de las relaciones entre los constructos, si estos valores- p son mayores a 0,01 se considera una relación No Significativa. Entonces se observa que el efecto de la Facilitación de Condiciones (FC) en el Control Conductual Percibido (PBC) tiene un valor-p de 0,908 provocando que se desestime la Hipótesis 12 (H12). De igual forma ocurre con el efecto entre los Beneficios Relativos Pesonales (PRB) en la Actitud (AT), muestra un valor-p 0,049, entonces se desestima H7. También el efecto de las Creencias Normativas Primarias (PNB) en la Norma Subjetiva (SN) con un valor-p 0,920, desestimando H9. El efecto de la Obligación Moral Percibida (PMO) en la Intención Conductual (BI) tiene un valor-p 0,627, desestimando H6. Finalmente el efecto que tiene la
3.3. DESARROLLO DE LOS MODELOS SEM CAPÍTULO 3. RESULTADOS
Norma Subjetiva (SN) en la Intención Conductual (BI) tiene un valor-p 0,228, desestimando H4, la cual además no cumple dado que el valor estimado de la relación es negativo.
Relación Estimación S.E. C.R. P AT←− S RB 0,057 0,008 7,516 *** PBC←− FC 0,001 0,011 0,116 0,908 PBC←− S E 0,033 0,009 3,540 *** SN←−S N B 0,038 0,015 2,607 0,009 AT←−PRB 0,017 0,009 1,968 0,049 SN←− PN B 0,001 0,008 0,100 0,920 BI←− PMO 0,041 0,085 0,487 0,627 BI←− PBC 0,385 0,072 5,373 *** BI←−S N -0,122 0,101 -1,206 0,228 BI←−AT 1,049 0,147 7,410 *** B←− BI 0,909 0,0,78 11,589 *** B←−CBI -0,391 0,076 -5,173 ***
Tabla 3.8:Regresión Weights, Coeficientes Estimados de los Constructos
Entonces se desestiman las Hipótesis H4, H6, H7, H9 y H12 para el caso bajo estudio. El resto de los valores-p de las relaciones son menores a 0,01 por lo que son relaciones significativas. A continuación en la tabla 3.9 y 3.10 se muestran los coeficientes de deter- minación R2 obtenidos, para las variables latentes exógenas (dependientes) del modelo
estructural y los valores de los coeficientes estandarizados estimados para cada relación. Finalmente en la Figura 3.14 se observa la representación gráfica de la información con el modelo. Las flechas que se ven de color rojo corresponden ser las relaciones no significati- vas. En el Anexo A.04 se pueden encontrar las tablas completas con todos los valores y estimaciones entregadas por el software.
Variable Estimación PBC 0,105 AT 0,564 SN 0,163 BI 0,511 B 0,690
3.3. DESARROLLO DE LOS MODELOS SEM CAPÍTULO 3. RESULTADOS Relación Estimación AT←−S RB 0,730 PBC←− FC 0,010 PBC←−S E 0,323 SN←−S N B 0,403 AT←−PRB 0,178 SN←− PN B 0,008 BI←− PMO 0,029 BI←− PBC 0,366 BI←−S N -0,075 BI←− AT 0,609 B←− BI 0,750 B←−CBI -0,358
Tabla 3.10:Regresión Estandarizada Weights, Valores de coeficientes estimados
Se observan que el Comportamiento (B) tiene un coeficiente de determinación de 0,690, es decir, el 69,0 % de la varianza del error es explicada por sus variables exógenas. LaIntención de Comportamiento (BI)y lasIntenciones de Comportamiento en Com- petencia (CBI), presentan un coeficiente de ruta de 0,750 y −0,358, concluyendo que el Comportamiento es una función positiva de BI y negativa de CBI, cumpliendo así las Hipótesis H1 y H2. También es posible decir que el efecto de BI es mayor que CBI, por lo que se entiende que la intención de comportamiento hacia el reciclaje es un factor mayor a las posibles distracciones de otras actividades.
La Intención Conductual (BI) obtiene un R2 de 0,511, y la Actitud (AT)tiene un coeficiente de ruta de 0,609, explicando que tiene un efecto positivo sobre BI, este es la influencia mas grande que tiene BI, ya que esta compuesto por AT, PMO, PBC y SN. aun que varias de estas fueron descartadas por ser relaciones no significativas. Entonces se cumple con H3.
Al igual que AT, elControl Conductual Percibido (PMO)tiene un coeficiente de ruta de 0,366 hacia BI, aportando con una influencia menor que AT, pero aun así significativa, satisfaciendo H5. Entonces los individuos se rigen por la actitud personal que tienen hacia el reciclaje, mas que si esta dentro de su control o no el poder realizar la acción. El hecho de tener que depender o no de un terceros no afecta en gran medida la motivación a reciclar.
3.3. DESARROLLO DE LOS MODELOS SEM CAPÍTULO 3. RESULTADOS
Figura 3.14:Modelo de Ecuaciones Estructurales Obtenido (Modelo Real)
3.3. DESARROLLO DE LOS MODELOS SEM CAPÍTULO 3. RESULTADOS
En cuanto a laActitud (AT)con unR2de 0,564, el cual se ”compone” de losBeneficios
Relativos Personales(PRB)ySociales (SRB), aunque la primera es descartada ya que la relación es no significativa. Pero en el caso de SRB se obtiene un coeficiente de ruta de 0,730 formalizando H8, con una fuerte relación, extrayendo que los individuos buscan un beneficios social, medio ambiental por sobre el personal. Creando una Actitud ”mas verde” que una de autosatisfacción.
Respecto a laNorma Subjetiva (SN) donde solo un 16,3 % de la varianza del error es explicada por sus variables exógenas,Creencias Normativas Primarias(PNB)y Se- cundarias (SNB), donde solo la segunda tiene un efecto significativo sobre SN, a pesar de la la relación solo es de 0,403. Esto puede explicarse a que según el estudio univariado las personas les importa lo que dicen las organizaciones ambientales pero no así con el gobierno. Mientras que en general no les importa en gran medida lo que opinen las personas cercanas, referente al reciclaje. De igual forma al existir la relación se cumple con H10, aun que sea una relación débil.
Finalmente elControl Conductual Percibido (PBC)el cual debiese ser explicado por laAuto-Eficacia (SE)y laFacilitación de Condiciones (FC), solo se explica un 10,5 % de la varianza del error con estas variables, de hecho solo por la Auto-Eficacia ya que la relación de FC con PBC resulto ser no significativa. Esto se puede explicar a que no es un factor importante dado que los terrenos de los hogares están por sobre los 350m2y sobre
los 120M2construidos, entonces no es un factor importante el tener o no espacio, además el tiempo no lo consideran relevante. El coeficiente de ruta que obtiene SE a PBC es de 0,323, un factor débil pero existente, permitiendo formalizar H11.