Rescaling and Transforming Continuous Non-Normal Data in Covariance Structure Analysis: An Essay of Taxonomy

A partir de datos recopilados de una investigación previa con modelos de Análisis de Estructuras de Covarianzas, este artículo pretende clasificar los distintos tratamientos y transformaciones necesarios para variables observables con datos continuos y ordinales considerados como no-normales....

Descripción completa

Guardado en:
Detalles Bibliográficos
Autores principales: Jean-Pierre Lévy Mangin, Arantxa Sulé Alonso
Formato: article
Lenguaje:EN
Publicado: Universidad Autonoma del Estado de Mexico 2006
Materias:
gls
Q
H
Acceso en línea:https://doaj.org/article/aac3ef9c70ec4dd7a713b3a08ea1aca7
Etiquetas: Agregar Etiqueta
Sin Etiquetas, Sea el primero en etiquetar este registro!
id oai:doaj.org-article:aac3ef9c70ec4dd7a713b3a08ea1aca7
record_format dspace
spelling oai:doaj.org-article:aac3ef9c70ec4dd7a713b3a08ea1aca72021-11-11T14:46:35ZRescaling and Transforming Continuous Non-Normal Data in Covariance Structure Analysis: An Essay of Taxonomy1405-02692395-8782https://doaj.org/article/aac3ef9c70ec4dd7a713b3a08ea1aca72006-01-01T00:00:00Zhttp://www.redalyc.org/articulo.oa?id=10413202https://doaj.org/toc/1405-0269https://doaj.org/toc/2395-8782A partir de datos recopilados de una investigación previa con modelos de Análisis de Estructuras de Covarianzas, este artículo pretende clasificar los distintos tratamientos y transformaciones necesarios para variables observables con datos continuos y ordinales considerados como no-normales.Jean-Pierre Lévy ManginArantxa Sulé AlonsoUniversidad Autonoma del Estado de Mexicoarticledatos normalesmodelización con estructuras de covarianzasmétodos mlglsaglsrobustomatriz de correlaciones de pearsontransformaciones poliseriales y policóricasScienceQSocial SciencesHENCiencia Ergo Sum, Vol 13, Iss 2, Pp 126-132 (2006)
institution DOAJ
collection DOAJ
language EN
topic datos normales
modelización con estructuras de covarianzas
métodos ml
gls
agls
robusto
matriz de correlaciones de pearson
transformaciones poliseriales y policóricas
Science
Q
Social Sciences
H
spellingShingle datos normales
modelización con estructuras de covarianzas
métodos ml
gls
agls
robusto
matriz de correlaciones de pearson
transformaciones poliseriales y policóricas
Science
Q
Social Sciences
H
Jean-Pierre Lévy Mangin
Arantxa Sulé Alonso
Rescaling and Transforming Continuous Non-Normal Data in Covariance Structure Analysis: An Essay of Taxonomy
description A partir de datos recopilados de una investigación previa con modelos de Análisis de Estructuras de Covarianzas, este artículo pretende clasificar los distintos tratamientos y transformaciones necesarios para variables observables con datos continuos y ordinales considerados como no-normales.
format article
author Jean-Pierre Lévy Mangin
Arantxa Sulé Alonso
author_facet Jean-Pierre Lévy Mangin
Arantxa Sulé Alonso
author_sort Jean-Pierre Lévy Mangin
title Rescaling and Transforming Continuous Non-Normal Data in Covariance Structure Analysis: An Essay of Taxonomy
title_short Rescaling and Transforming Continuous Non-Normal Data in Covariance Structure Analysis: An Essay of Taxonomy
title_full Rescaling and Transforming Continuous Non-Normal Data in Covariance Structure Analysis: An Essay of Taxonomy
title_fullStr Rescaling and Transforming Continuous Non-Normal Data in Covariance Structure Analysis: An Essay of Taxonomy
title_full_unstemmed Rescaling and Transforming Continuous Non-Normal Data in Covariance Structure Analysis: An Essay of Taxonomy
title_sort rescaling and transforming continuous non-normal data in covariance structure analysis: an essay of taxonomy
publisher Universidad Autonoma del Estado de Mexico
publishDate 2006
url https://doaj.org/article/aac3ef9c70ec4dd7a713b3a08ea1aca7
work_keys_str_mv AT jeanpierrelevymangin rescalingandtransformingcontinuousnonnormaldataincovariancestructureanalysisanessayoftaxonomy
AT arantxasulealonso rescalingandtransformingcontinuousnonnormaldataincovariancestructureanalysisanessayoftaxonomy
_version_ 1718438875909586944