Resumen de Lenguaje Causal en Modelos de Ecuaciones Estructurales

Iván Sánchez Iglesias, Raimundo Aguayo Estremera, Alejandro Miguel-Álvaro, David Paniagua

• español

  Los modelos de ecuaciones estructurales (SEM, por structural equation models en inglés) son herramientas útiles para proponer relaciones teóricas, causales o no, entre múltiples variables. Sin embargo, no permiten confirmar la existencia de relaciones causa-efecto en ausencia de un diseño experimental. Evaluamos la aparición de expresiones inadecuadas de causalidad en artículos no experimentales, publicados en español, que utilizaron SEM como herramienta de análisis. Tras una revisión sistemática de estudios incluidos en cinco bases de datos, se revisaron 188 artículos seleccionados. De estos, 63 estudios (33.5%) usaron lenguaje correcto en título y resumen; los restantes 125 (66.5%) usaron lenguaje tendencioso o incorrecto en al menos una de las secciones. Estas interpretaciones inadecuadas pueden llevar al lector a conclusiones erróneas, amenazando el rigor de la investigación científica. Cualquier conclusión causal derivada de SEM debe formularse como asociación entre variables, advertir de la naturaleza no experimental del estudio y sugerir explicaciones alternativas.

• English

  Structural equation models (SEM) are useful tools for proposing theoretical relationships, causal or not, between multiple variables. However, they do not allow us to confirm the existence of cause-effect relationships in the absence of an experimental design. We evaluated the occurrence of inadequate expressions of causality in non-experimental articles, published in Spanish, using SEM as data analysis. After a systematic review of studies included in five databases, we reviewed the 188 selected articles. Of these, 63 studies (33. 5%) used correct language in the title and abstract; the remaining 125 (66. 5%) used biased or incorrect language in at least one of the sections. These inappropriate interpretations may lead the reader to erroneous conclusions, threatening the rigor of scientific research. Any causal conclusions derived from SEM should be formulated as associations between variables, warning of the nonexperimental nature of the study, and suggesting alternative explanations.