Creative Personality Scale—Local Version

Evidencias de Validez de la versión Argentina del Cuestionario de Salud del Paciente -9 (CSP-9).

“…En el caso del RMSEA, los valores ≤ .05 son indicadores de buen ajuste, mientras que los valores ≤ .08 señalan un ajuste adecuado, los valores ≤ .1 se estiman mediocres y los valores ≥ .1 se consideran inaceptables (Lai & Green, 2016;MacCallum et al, 1996). A efectos de comparar los distintos modelos, se tomaron en consideración los valores de CAIC independiente y CAIC modelo, asumiendo que una mayor diferencia de valores entre ambos constituye un indicador de mejor ajuste (Freiberg-Hoffmann & Fernández-Liporace, 2016).…”

“…Se recurrió al test de Durbin-Watson para examinar la no autocorrelación, asumiendo la independencia de los residuos en la medida en que los valores se encuentran comprendidos entre 1,5 y 2,5 (Freiberg-Hoffmann & Fernández-Liporace, 2015). La multicolinealidad fue examinada a partir de los índices de condición (cuyos vaolores deben encontrarse por debajo de los 30 puntos) y los factores de inflación de la varianza (FIV) (cuyos valores deben encontrarse por debajo de los 10 puntos) (Freiberg-Hoffmann & Fernández-Liporace, 2015). Para conocer el impacto de la variable independiente se recurrió a la lectura del estadístico B, el cual informa de la medida en la que se espera que oscile la variable dependiente en función de la independiente, y se recurrió al coeficiente beta a efectos de estimar la magnitud en la que la variable independiente predice la variabilidad de la variable dependiente (Freiberg-Hoffmann & Fernández-Liporace, 2015).…”

“…La multicolinealidad fue examinada a partir de los índices de condición (cuyos vaolores deben encontrarse por debajo de los 30 puntos) y los factores de inflación de la varianza (FIV) (cuyos valores deben encontrarse por debajo de los 10 puntos) (Freiberg-Hoffmann & Fernández-Liporace, 2015). Para conocer el impacto de la variable independiente se recurrió a la lectura del estadístico B, el cual informa de la medida en la que se espera que oscile la variable dependiente en función de la independiente, y se recurrió al coeficiente beta a efectos de estimar la magnitud en la que la variable independiente predice la variabilidad de la variable dependiente (Freiberg-Hoffmann & Fernández-Liporace, 2015). La prueba t y el nivel de significación permitieron constatar si el impacto de cada variable independiente hacia la dependiente resulta estadísticamente significativo (p < .05).…”