El objetivo de este diálogo es explicar, de manera sencilla, cuándo conviene utilizar regresión y cuándo conviene utilizar modelamiento de ecuaciones estructurales (SEM) en investigaciones de management. Para ello, se diferenciarán las variables observables de los constructos no observables y se explicará cómo un constructo puede ser operacionalizado mediante indicadores.

¿Cuándo utilizar regresión y cuándo utilizar SEM?

Diego: Buenos días. En esta sesión vamos a aprender cuándo utilizar regresión y cuándo utilizar modelamiento de ecuaciones estructurales, conocido como SEM.

Estudiante A: Profesor, siempre me confundo entre ambas técnicas. ¿Cómo puedo diferenciarlas?

Diego: Una forma sencilla es empezar por la naturaleza de las variables. Hay variables que podemos medir directamente, como ventas, edad, años de experiencia u horas de capacitación. Pero también hay conceptos más abstractos, como liderazgo, compromiso, satisfacción o cultura organizacional.

Estudiante A: ¿Y esos conceptos abstractos cómo se estudian?

Diego: Esos conceptos se llaman constructos. Para estudiarlos debemos operacionalizarlos, es decir, convertirlos en algo medible mediante preguntas o indicadores.

Regresión 

Estudiante A: ¿Podría darme un ejemplo de regresión?

Diego: Claro. Imagina que una empresa quiere saber si las horas de capacitación que reciben sus vendedores influyen en sus ventas mensuales.

Estudiante A: Esas variables sí se pueden medir directamente.

Diego: Exactamente. La empresa sabe cuántas horas de capacitación recibió cada vendedor y cuánto vendió durante el mes. Por eso, ambas son variables observables.

Estudiante A: Entonces, ¿aquí usaríamos regresión?

Diego: Sí. Si la pregunta es: ¿los vendedores que reciben más horas de capacitación venden más?, una regresión puede ser suficiente porque analizamos una relación directa entre variables observables.

Estudiante A: Entonces la regresión es útil cuando tengo datos claros y medibles directamente.

Diego: Correcto. Es simple, rápida y fácil de interpretar.

SEM 

Estudiante A: ¿Y cuándo usaríamos SEM?

Diego: Ahora imagina que queremos estudiar si el liderazgo transformacional de los jefes mejora el compromiso organizacional de los empleados.

Estudiante A: Eso ya no se mide tan directamente como las ventas.

Diego: Exacto. El liderazgo y el compromiso son constructos. No podemos observarlos directamente como observamos las ventas o las horas de capacitación.

Estudiante A: Entonces hay que operacionalizarlos.

Diego: Muy bien. Para medir liderazgo podemos usar varias preguntas, por ejemplo: si el jefe inspira al equipo, comunica una visión clara o motiva a los trabajadores. Para medir compromiso, podríamos preguntar si el empleado se siente identificado con la empresa o si desea permanecer en ella.

Estudiante A: Entonces, cuando operacionalizamos un constructo, ¿se convierte en una variable?

Diego: Sí, pero con una precisión importante: el constructo se vuelve medible a través de variables observables, que son los ítems o indicadores del cuestionario.

Estudiante A: Entonces los ítems sí son observables, pero el constructo sigue siendo abstracto.

Diego: Exactamente. Esa es una diferencia clave. En SEM podemos representar ese constructo como una variable latente medida por varios indicadores.

Estudiante A: ¿Y por qué no usar simplemente regresión?

Diego: Podríamos hacerlo si calculamos un puntaje promedio del cuestionario. Pero en ese caso asumimos que ese puntaje representa perfectamente el constructo.

Estudiante A: ¿Y eso puede ser un problema?

Diego: Sí. Porque toda medición tiene cierto error. El SEM permite considerar ese error y analizar de manera más rigurosa la relación entre constructos.

Conclusión

Estudiante A: Entonces, si tengo variables observables, como horas de capacitación y ventas, puedo usar regresión.

Diego: Correcto.

Estudiante A: Y si tengo constructos abstractos, como liderazgo o compromiso, medidos con varias preguntas, SEM puede ser más adecuado.

Diego: Exactamente. La regresión trabaja con variables observadas. El SEM permite trabajar con constructos latentes medidos por indicadores y considerar el error de medición.

Estudiante A: Entonces no se trata de decir que una técnica es mejor que la otra.

Diego: Muy bien dicho. La mejor técnica depende de la pregunta de investigación, del tipo de variables y de la complejidad del modelo.

Estudiante A: Entonces, en management, usaría regresión para relaciones más simples y SEM para relaciones más complejas entre constructos.

Diego: Exactamente. Esa es la idea central de esta sesión.

Declaración de uso de IA

El presente texto fue elaborado originalmente por el autor. Se utilizó inteligencia artificial únicamente como herramienta de apoyo para mejorar la redacción, la claridad, la organización y el estilo del diálogo. La IA no generó el contenido conceptual desde cero ni sustituyó el criterio académico del autor. La versión final fue revisada, ajustada y aprobada por el autor.