El presente trabajo tiene como objetivo investigar el Modelo de Clases Latentes
Multinivel (MCLM). Este modelo es una extensión muy importante del Modelo de
Clases Latentes (MCL), cuyo objetivo principal es el de construir perfiles, a partir
de un conjunto de variables categóricas observadas; bajo el supuesto de
independencia entre observaciones, lo que frecuentemente es vulnerado si se
analizan datos que presentan cierta jerarquía. El MCLM es un modelo que
permite analizar los datos modificando este supuesto, al incorporar variables
latentes discretas en todos los niveles de la jerarquía, con la finalidad de conseguir
una solución óptima del número de subclases o perfiles que pertenecen a cada
una de estas variables latentes.
Finalmente se utilizó el MCLM para determinar los niveles de depresión de una
muestra de 399 internos pertenecientes a ocho establecimientos penitenciarios del
país, Para el análisis se consideró un MCLM con tres clases latentes en el primer
nivel, tomando en cuenta los resultados anteriores se consideró segmentar a los
establecimientos penitenciarios en tres grupos: el primero, conformado por una
mayor proporción de internos que fueron clasificados como “moderadamente
afectados” por la depresión (58%); el segundo grupo presentó una mayor
proporción de internos “altamente afectados” por esta enfermedad (69%) y el
último grupo, conformado exclusivamente por internas que en su mayoría no
presentaron episodios depresivos (85%).
| Identifer | oai:union.ndltd.org:Cybertesis/oai:cybertesis.unmsm.edu.pe:cybertesis/4062 |
| Date | January 2015 |
| Creators | Cotrina Salas, Melissa Sheedy |
| Contributors | Cambillo Moyano, Emma Norma |
| Publisher | Universidad Nacional Mayor de San Marcos |
| Source Sets | Universidad Nacional Mayor de San Marcos - SISBIB PERU |
| Language | Spanish |
| Detected Language | Spanish |
| Type | info:eu-repo/semantics/bacherlorThesis |
| Source | Repositorio de Tesis - UNMSM, Universidad Nacional Mayor de San Marcos |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0021 seconds