Modelado de ecuaciones estructurales basado en covarianzas (CB-SEM)
El SEM basado en covarianzas (CB-SEM) prueba un modelo teórico completo, tanto la parte de medición como las trayectorias entre constructos, reproduciendo la matriz de covarianzas observada. Ofrece índices de ajuste global, así que puedes confirmar o rechazar una teoría. Los puntos de corte de uso común son CFI y TLI de .95 o más, RMSEA de .06 o menos y SRMR de .08 o menos (Hu & Bentler, 1999), y con frecuencia se tratan como aceptables un CFI/TLI de .90 y un RMSEA de .08. El CB-SEM se ajusta a una teoría madura con constructos reflectivos; para predicción o constructos formativos, considera PLS-SEM.
Esta página es una traducción del original inglés revisado. Ver el original (EN)
cb-sem sem basado en covarianzasQué es
El modelado de ecuaciones estructurales basado en covarianzas (CB-SEM) pone a prueba un modelo teórico completo — tanto la parte de medición como las relaciones entre constructos — reproduciendo la matriz de covarianzas observada. Hace una sola pregunta: ¿una población que coincida con mi modelo produciría las covarianzas que de hecho veo en mis datos? El CB-SEM te da índices de ajuste globales, así que puedes confirmar o rechazar una teoría. Es la herramienta confirmatoria clásica detrás de programas como AMOS y lavaan, y encaja con teoría madura y constructos reflexivos.
Cuándo usarlo
- Estás probando y confirmando una teoría ya establecida, no explorando ni construyendo una.
- Tus constructos son reflexivos (los indicadores son causados por la variable latente).
- Necesitas índices de ajuste global del modelo para confirmar toda la estructura a la vez.
- Tu muestra es razonablemente grande y tus indicadores son aproximadamente normales (o usas un estimador robusto).
Cuándo no usarlo
- Tu objetivo es la predicción, o tienes constructos formativos y una muestra pequeña — considera usar PLS-SEM en su lugar.
- Todavía no tienes un modelo claramente hipotetizado — empieza con EFA y CFA.
Supuestos
- Modelo de medición reflexivo con constructos bien identificados.
- Normalidad multivariada, o un estimador robusto (MLR) cuando los indicadores no son normales.
- Tamaño de muestra adecuado en relación con el número de parámetros libres.
- Especificación correcta del modelo — rutas u errores omitidos sesgan el ajuste.
- Relaciones lineales entre las variables latentes.
Umbrales y valores de corte
| Criterion | Rule of thumb | Source |
|---|---|---|
| CFI | ≥ .95 bueno, ≥ .90 aceptable | Hu & Bentler (1999; https://doi.org/10.1080/10705519909540118) |
| TLI | ≥ .95 bueno, ≥ .90 aceptable | Hu & Bentler (1999) |
| RMSEA | ≤ .06 bueno, ≤ .08 aceptable | Hu & Bentler (1999); Browne & Cudeck (1993) |
| SRMR | ≤ .08 | Hu & Bentler (1999) |
| χ² (ajuste exacto) | Reportar con df; no significativo favorece el ajuste pero es sensible a N | Kline (2016) |
| χ²/df | < 3 a veces se cita como guía aproximada, pero el ratio no tiene base firme — prefiere CFI/RMSEA/SRMR | Kline (2016) |
Cómo informarlo en APA
El modelo estructural mostró un ajuste aceptable, χ²(df) = X.XX, CFI = .9X, RMSEA = .0X, 90% CI [.0X, .0X], SRMR = .0X. La ruta hipotetizada fue significativa, β = .XX, SE = .XX, p < .001, y el modelo explicó R² = .XX de la varianza en el resultado.
Cómo lo ejecuta Explonia
Explonia estima el modelo CB-SEM completo en el navegador a partir de los datos que recoges o subes. Defines el modelo de medición y las rutas estructurales, y Explonia devuelve los coeficientes de trayectoria estandarizados, su significación y los índices de ajuste globales, con los umbrales aplicados. Redacta una «Article description» en estilo APA de los resultados estructurales para que la revises y edites. Puedes exportar a AMOS, R o SPSS (.sav) para reproducir el modelo. Se admite la measurement invariance para CB-SEM multigrupo.
Preguntas frecuentes
CB-SEM o PLS-SEM — ¿cuál debería usar?
Usa CB-SEM para confirmar una teoría establecida con constructos reflexivos e índices de ajuste global. Usa PLS-SEM para predicción, constructos formativos, modelos complejos o muestras más pequeñas. Consulta nuestra página de PLS-SEM para la comparación completa.
¿Qué índices de ajuste debo reportar para CB-SEM?
Reporta χ² con sus grados de libertad, CFI, RMSEA con su intervalo de confianza del 90% y SRMR. Reportar varios índices juntos es estándar (Hu & Bentler, 1999), pero sus umbrales son pautas más que reglas estrictas y pueden inducir a error con modelos complejos (Marsh, Hau & Wen, 2004). Ten en cuenta que χ² es sensible al tamaño de muestra — a menudo rechaza buenos modelos en muestras grandes — así que no te bases solo en él.
¿Da el CB-SEM un R² como la regresión?
Sí. El CB-SEM reporta la varianza explicada (R²) de cada constructo endógeno, junto con los coeficientes de trayectoria entre variables latentes.
¿Puedo comparar grupos en CB-SEM?
Sí — el CB-SEM multigrupo con prueba de measurement invariance (configural, métrica, escalar) permite comparar relaciones estructurales entre grupos. Consulta nuestra página de measurement invariance.
Last updated: septiembre 2026
Ejecuta CB-SEM con tus propios datos
Recoge o sube tus datos, ejecuta el análisis en tu navegador y obtén un borrador de párrafo APA que puedes editar. Empieza gratis. Sin tarjeta.
Empezar gratis