Al Editor:

Basados en el artículo de Grande Ratti y cols. titulado “Modelos MIMIC: de la neurociencia a las ciencias de la salud”¹ , haremos hincapié en presentar otra forma diferente de interpretar los resultados, cuando la variable dependiente es un factor, constituido por varios indicadores.

En esta ocasión, partiremos de un modelo predictivo MIMIC en el que 3 covariables (genpac: género; satisf: satisfacción; edapaci: edad) van a hacer una regresión sobre la variable latente (USO: grado de utilización de los servicios). La codificación fue la siguiente: genpac tomó el valor 0 para mujer y 1 para hombre; satisf usó una escala tipo Likert de seis puntos (de 0 a 5), edapaci se midió en años. El USO se midió en los últimos 60 días mediante la conformación de 3 indicadores: consultas programadas (tu2), compras en farmacia (fa2) y estudios realizados como laboratorios e imágenes (estu2), todas ellas usando escalas tipo Likert con seis puntos (de 0 a 5).

La tabla 1 resume los resultados obtenidos tras estimar el modelo usando la librería lavaan², disponible en R³, usando el método de estimación WLSMV, tal y como recomienda la literatura en presencia de modelos con indicadores de naturaleza ordinal⁴.

La forma habitual de interpretar esta regresión lineal (ya que la variable latente es continua con distribución normal) de genpac, satisf y edapaci sobre USO suele ser la siguiente:

Para el efecto del género, tomando en consideración el coeficiente estandarizado (-0,118; p < 0,01) diremos que, en comparación con las mujeres, los hombres usan en menor medida los servicios ambulatorios hospitalarios (signo negativo). Para satisfacción, el coeficiente estandarizado (+0,585; p < 0,01) nos indica que incide positivamente sobre el uso. Para edad, el efecto no resultó significativo (0,035; p 0,33).

En un modelo de regresión lineal, los coeficientes estandarizados representan el efecto de una variable independiente sobre la variable dependiente en unidades de desviación estándar, ya que eliminan las unidades originales de medida. Estamos en condiciones de afirmar que la interpretación clásica sería similar a: “el grado de satisfacción es lo que más incide, positivamente, sobre el USO, manteniéndose constantes las demás variables”.

Sin embargo, una novedosa y complementaria interpretación se basa en la lectura de los coeficientes estimados (no estandarizados), que aparecen bajo el encabezado “Estimate”. Muchos softwares estadísticos fijan el valor del coeficiente (la carga factorial) automáticamente a 1 al primer indicador (véase tu2 en la parte superior izquierda de la tabla 1). Esto se hace porque los factores no tienen una escala propia, así que se necesita una referencia. Este valor fijo sirve entonces como ancla, y las demás cargas factoriales se estiman en relación con esa. Con esta forma de operar se establece una unidad de medida para la variable latente USO que se igualaría a la del indicador.

Esto implica que un cambio de una unidad de USO se asocia con un cambio de una unidad en tu2 (equivalente), en la misma dirección (incremento o disminución). El resto de los coeficientes estimados se interpretan de una forma similar para los indicadores: un aumento/disminución de una unidad en USO produce un aumento/disminución de 0,459 unidades de fa2, y un aumento/disminución de una unidad en USO produce un aumento/disminución de 0,896 unidades de estu2.

Por lo tanto, dado que el coeficiente estimado para genpac sobre la variable latente USO fue (−0,261), permite concluir que el ser hombre (genpac = 1) hace que, por término medio, USO tome un valor 0,261 unidades inferior al valor medio de USO para las mujeres (genpac = 0), controlando por las demás variables del modelo. Este efecto sobre la variable latente se transmite indirectamente a los indicadores observados de USO, de modo que: al ser hombre, en comparación con las mujeres, habrá 0,261 (-0,261×1) unidades menos en tu2, 0,119799 (-0,261×0,459) unidades menos en fa2 y 0,233856 (-0,261×0,896) unidades menos en estu2.

En cambio, el coeficiente estimado para satisf fue (+0,494), lo que indica que al aumentar una unidad en satisf, USO aumenta 0,494 unidades. Este efecto sobre la variable latente se transmite indirectamente a los indicadores observados de USO, de modo que, al aumentar una unidad la variable satisf, aumenta 0,494 unidades tu2 (0,494×1), 0,226746 (0,494×0,459) unidades fa2, y 0,442624 (0,494×0,896) unidades estu2, siempre en promedio, y manteniendo constantes las variables restantes.