ALIMENTARIA INTEGRAL ENERO 2019
Alimentaria Integral es una revista mensual electrónica educativa sin fines de lucro y de difusión de información tecnológica, comercial y de mercados para la industria alimentaria mexicana que se distribuye gratuitamente a los líderes de las compañías y entidades del sector.
Alimentaria Integral es una revista mensual electrónica educativa sin fines de lucro y de difusión de información tecnológica, comercial y de mercados para la industria alimentaria mexicana que se distribuye gratuitamente a los líderes de las compañías y entidades del sector.
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
44<br />
TECNOLOGÍA<br />
CÁRNICA<br />
tanto, otros estudios relacionados están dirigidos a examinar<br />
el valor para los consumidores de marcas corporativas,<br />
de marcas propias o de tiendas (Bravo Gil, Fraj<br />
Andrés, y Martínez Salinas, 2007; Chaniotakis,<br />
Lymperopoulos, & Soureli, 2010; Beristain & Zorrilla, 2011)<br />
analizando el aceite de oliva.<br />
Entre los diferentes estimadores para SEM, optamos por el<br />
estimador basado en la varianza PLS porque permite estimar<br />
modelos que contienen constructos modelados<br />
como factores comunes y compuestos (Henseler, Hubona<br />
y Ray, 2016), que es el caso de nuestro estudio. Siguiendo<br />
la tradición psicométrica, las actitudes y el valor percibido<br />
de las marcas privadas se modelaron como factores<br />
comunes, dado que expresan un concepto subyacente<br />
que afecta las variables observables (Chin, 1998a). Las<br />
construcciones restantes se modelaron como compuestos,<br />
es decir, están compuestas por las variables observables<br />
relacionadas (Henseler, 2017). Para obtener estimaciones<br />
de parámetros consistentes para modelos que<br />
contienen construcciones modeladas como factor<br />
común, se emplearon mínimos cuadrados parciales<br />
(PLSc) consistentes (Dijkstra y Henseler, 2015). Corrige el<br />
sesgo de atenuación en caso de factores comunes. Dado<br />
que el modelo también consiste en una construcción<br />
moderadora, es decir, preferencias de sabor, se aplicó<br />
PLSc para modelos estructurales no lineales (Dijkstra &<br />
Schermelleh-Engel, 2014). Este enfoque estima constantemente<br />
los momentos teóricos entre los constructos y, posteriormente,<br />
estima los efectos lineales y moderadores<br />
basados en los momentos estimados de los constructos. Al<br />
hacerlo, este enfoque permite una estimación simultánea<br />
y coherente de todos los coeficientes de trayectoria. Para<br />
analizar los efectos moderadores de las variables categóricas,<br />
es decir, el nivel de educación y la proximidad al<br />
área de producción, se realizó un análisis multigrupo, es<br />
decir, los coeficientes de la trayectoria se compararon<br />
entre los grupos. La distribución de referencia de las diferencias<br />
de parámetros se obtuvo por permutación (Chin<br />
& Dibbern, 2010).<br />
Para controlar la inflación de errores de tipo I en el caso de<br />
más de dos comparaciones de grupo, se aplicó una<br />
corrección de Bonferroni, es decir, el nivel de significación<br />
se dividió por el número de comparaciones de grupo<br />
(Sarstedt, Henseler y Ringle, 2011). El análisis completo se<br />
realizó en el entorno de programación estadística R (R<br />
Core Team, 2017) utilizando el paquete MoMpoly (Schuberth,<br />
Schamberger, & Dijkstra, 2018).