👋 ¡Bienvenido a CFA-Shiny!

CFA-Shiny es una aplicación Shiny diseñada para realizar Análisis Factorial Confirmatorio (CFA) utilizando el paquete lavaan. Esta herramienta permite especificar, visualizar y validar modelos de medida de manera flexible.

¿Qué puedes hacer con CFA-Shiny?

  • Importación de datos: Importa archivos en formato .csv o .xlsx fácilmente.
  • Análisis de ítems: Obtén estadísticas descriptivas, visualiza la distribución de respuestas con gráficos tipo Likert y analiza la normalidad.
  • Especificación de modelos: Define tu modelo CFA usando sintaxis de lavaan.
  • Ajuste del modelo: Obtén estimaciones estandarizadas, índices de ajuste e índices de modificación.
  • Visualización del modelo: Visualiza tu modelo CFA con semPlot.
  • Fiabilidad: Calcula la confiabilidad por consistencia interna con el coeficiente Omega. Para modelos bifactor, se calculan índices específicos.
  • Evaluación bootstrap: Evalúa la estabilidad de los índices de ajuste mediante remuestreo.
  • Validez convergente: Analiza relaciones con variables externas.

Recomendaciones importantes

  • ⚠️ Para analizar modelos con ítems ordinales (por ejemplo, escalas tipo Likert), debes especificar que los ítems son "ordenados" y seleccionar un estimador adecuado como WLSMV.
  • Asegúrate de indicar el prefijo común de los ítems de la escala que vas a analizar (por ejemplo, BFI). Este prefijo permite identificar correctamente las variables de interés.
  • La base de datos que vas a incorporar debe contener solo ítems, tanto de la escala que vas a analizar como de la variable externa para evaluar la validez convergente.

Descriptive Statistics


Likert Response Plot

Opciones de descarga

Download Settings

Mardia Multivariate Test


                          

Mardia Q-Q Plot

QQ Plot por ítem

Histograma por ítem


                  
Se muestran los índices del modelo bifactor si cumple con los criterios: cada ítem carga en un factor general y uno específico.


Download Settings


Download Settings


Download Settings

How to Cite CFA-Shiny

Recommended References

  • Abad, F. J., Olea, J., Ponsoda, V., & García, C. (2011). Medición en ciencias sociales y de la salud. Madrid: Síntesis.
  • Brown, T. A. (2015). Confirmatory factor analysis for applied research (2nd ed.). The Guilford Press.
  • Hu, L.-t., & Bentler, P. M. (1999). Cutoff criteria for fit indexes in covariance structure analysis: Conventional criteria versus new alternatives. Structural Equation Modeling, 6(1), 1–55. https://doi.org/10.1080/10705519909540118
  • Dominguez-Lara, S., & Rodriguez, A. (2017). Índices estadísticos de modelos bifactor. Interacciones, 3(2), 59–65. https://doi.org/10.24016/2017.v3n2.51
  • Rodriguez, A., Reise, S. P., & Haviland, M. G. (2016). Evaluating bifactor models: Calculating and interpreting statistical indices. Psychological Methods, 21(2), 137–150. https://doi.org/10.1037/met0000045
  • Reise, S. P. (2012). The rediscovery of bifactor measurement models. Multivariate Behavioral Research, 47(5), 667–696. https://doi.org/10.1080/00273171.2012.715555
  • Shi, D., Maydeu-Olivares, A., & Rosseel, Y. (2019). Assessing fit in ordinal factor analysis models: SRMR vs. RMSEA. Structural Equation Modeling, 26(3), 431–439. https://doi.org/10.1080/10705511.2019.1611434

R Packages Used

  • Epskamp, S. (2022). semPlot: Path Diagrams and Visual Analysis of Various SEM Packages Output. CRAN
  • Jorgensen, T. D., Pornprasertmanit, S., Schoemann, A. M., & Rosseel, Y. (2025). semTools: Useful tools for structural equation modeling. CRAN
  • Chang, W., Cheng, J., Allaire, J. J., Xie, Y., & McPherson, J. (2023). shiny: Web Application Framework for R. RStudio. CRAN
  • Ventura-León, J. (2024). PsyMetricTools [Software]. GitHub. https://github.com/jventural/PsyMetricTools
  • Ventura-León, J. (2024). ThesiStats [Software]. GitHub. https://github.com/jventural/ThesiStats
  • Rosseel, Y. (2012). lavaan: Latent Variable Analysis. Journal of Statistical Software, 48(2), 1–36. https://doi.org/10.18637/jss.v048.i02