El Síndrome de Burnout en organizaciones policiales - Biblioteca ...

El Síndrome de Burnout en organizaciones policiales: Una aproximación secuencial
normalidad. Bisquerra (1989) defenderá la adecuación del uso del GFI, ya que es
independiente del tamaño muestral y menos sensible a las desviaciones de la
normalidad.
Medidas que usan índices de ajuste absoluto, pero valoran el grado de parsimonia
del modelo hipotetizado. Estos índices van a penalizar la liberalidad excesiva en la
especificación de parámetros a estimar, lo cual puede llevar a un ajuste artificial del
modelo. En este segundo grupo los autores se decantan por los índices RMSEA
(Root mean square error of approximation) y Cfit (Close fit statistic).
Índices que comparan el ajuste entre el modelo hipotetizado y otros posibles
modelos, bien especificados a priori o impuestos arbitrariamente sobre los datos.
De este tercer grupo destacan los índices CFI (Comparative fit index) e IFI
(Incremental Fix Index).
Respecto a la bondad del ajuste obtenido por el modelo general propuesto, el
conjunto de índices que hemos seleccionado presenta los siguientes valores:
Chi 2 =325,58 p=0,0; Chi 2 /gl= 2,32; GFI= 0,87; AGFI= 0,85; RMSEA= 0,072; RMR
stand.= 0,081; IFI= 0,83; CFI=0,83.
Aunque el valor del índice Chi 2 alcanza la significación estadística, ya se ha
comentado su sensibilidad a la normalidad de las variables y al tamaño muestral, la
consideración de los grados de libertad indica un valor ajustado del modelo (2,32) y
ello apuntaría a su adecuación a los datos empíricos. Conclusión que sería avalada
también por los valores obtenidos en el índice RMSEA (por debajo de 0,08) y en el
índice RMR (por debajo de 0,10). Por otra parte, los valores por encima de 0,80 en los
estadísticos GFI (índice de bondad del ajuste), AGFI (índice ajustado de bondad del
ajuste) y CFI (índice de adecuación comparativo) apoyarían la idea de que el modelo
propuesto puede ubicarse en un grado de bondad de ajuste entre adecuado y bueno
(Byrne, 1998), si bien resulta evidente que es posible obtener mejores índices. Parece
pues, desde nuestro punto de vista, que esta calificación implica el simple
reconocimiento de que el modelo se ajusta a los datos “razonablemente bien” (Jöreskog
y Sörbom, 1993:114).
-341-