UNIVERSIDAD NACIONAL PEDRO RUIZ GALLO

FACULTAD DE CIENCIAS FISICAS Y MATEMÁTICAS

ESCUELA PROFESIONAL DE ESTADÍSTICA

TESIS
“MODELO DE ECUACIONES ESTRUCTURALES ÓPTIMO PARA LA
EVALUACIÓN DE LA SATISFACCIÓN GLOBAL DE LA POBLACIÓN
DEL CERCADO URBANO ACERCA DE LOS SERVICIOS PÚBLICOS
BÁSICOS OFRECIDOS EN LA CIUDAD DE LAMBAYEQUE.
FEBRERO-ABRIL 2018”.

INVESTIGADOR:
ELIANA NATALÍ HOYOS VERA

JÁCOBA IMELDA RAMOS CHUMIOQUE

ASESOR:
DRA. EMMA V. NOBLECILLA MONTEALEGRE.

LAMBAYEQUE, 2018
UNIVERSIDAD NACIONAL PEDRO RUIZ GALLO
FACULTAD DE CIENCIAS FISICAS Y MATEMÁTICAS
ESCUELA PROFESIONAL DE ESTADÍSTICA
DECLARACIÓN JURADA

Yo, Hoyos Vera Eliana Natalí con Ramos Chumioque Jácoba Imelda, y Noblecilla
Montealegre Emma Virginia asesora del trabajo de investigación “Modelo de ecuaciones
estructurales óptimo para la evaluación de la satisfacción global de la población del
cercado urbano acerca de los servicios públicos básicos ofrecidos en la ciudad de
Lambayeque. Febrero - Abril 2018”, declaramos bajo juramento que este trabajo no ha
sido plagiado, ni contiene datos falsos. En caso se demostrara lo contrario, asumimos
responsablemente la anulación de este informe y por ende el proceso administrativo a que
hubiera lugar. Que puede conducir a la anulación de título o grado emitido como
consecuencia de este informe.

Lambayeque, Agosto del 2018.

AGRADECIMIENTO

Este trabajo no hubiese sido posible sin la ayuda y la colaboración de un gran número de
personas, que directa e indirectamente han participado para hacer este objetivo realidad.

Agradecer a Dios por habernos acompañado y guiado a lo largo de nuestra carrera,

fortaleciéndonos con un camino lleno de aprendizajes y logros.

A nuestros padres por su apoyo constante al brindarnos la oportunidad de tener una

excelente formación educativa y por los valores inculcados. Hermanos y familiares por
ser parte importante de nuestras vidas.

A la Dra. Emma Noblecilla Montealegre, asesora de esta tesis, por el soporte, sugerencias,
tiempo dedicado, e impulso que siempre nos ha transmitido, que ha sido determinante para
la finalización de este trabajo de investigación. Así mismo a los estudiantes del noveno
ciclo de la carrera profesional de estadística por su amabilidad, disponibilidad y apoyo
con la aplicación del cuestionario.

A los jurados y profesor(es), por sus comentarios y sugerencias para lograr los objetivos
planteados en la investigación.

Son muchas las personas que han formado parte de nuestra formación profesional a las
que nos encantaría agradecer su amistad, consejos, apoyo y ánimo en cada momento.
Algunas están aquí y otras en el corazón, a todos muchas gracias.
ÍNDCE GENERAL

RESUMEN .................................................................................................................................. 10
INTRODUCCIÓN ...................................................................................................................... 12
CAPÍTULO I. DISEÑO TEÓRICO ........................................................................................... 18
MODELOS DE ECUACIONES ESTRUCTURALES (SEM)................................................ 18
VARIABLES USADAS EN MODELOS DE ECUACIONES ESTRUCTURALES ......... 19
RELACION ENTRE VARIABLES USADAS EN MODELOS DE ECUACIONES
ESTRUCTURALES ............................................................................................................ 20
SIMBOLOGÍA USADA EN MODELOS DE ECUACIONES ESTRUCTURALES ........ 21
PARTES FUNDAMENTALES DE MODELOS DE ECUACIONES ESTRUCTURALES.
............................................................................................................................................. 23
FASES DEL ANÁLISIS DE MODELOS DE ECUACIONES ESTRUCTURALES ........ 25
SERVICIOS PÚBLICOS......................................................................................................... 33
TIPOS DE SERVICIO ......................................................................................................... 34
SATISFACCIÓN .................................................................................................................... 35
CAPÍTULO II. MÉTODOS Y MATERIALES. ....................................................................... 37
CAPÍTULO III. RESULTADOS Y DISCUSIÓN. .................................................................. 66
CAPÍTULO IV. CONCLUSIONES. ......................................................................................... 78
CAPÍTULO V. SUGERENCIAS. .............................................................................................. 80
REFERENCIAS BIBLIOGRÁFICAS ...................................................................................... 81
BIBLIOGRAFÍA ........................................................................................................................ 82
APENDICES ............................................................................................................................... 85
ANEXOS ..................................................................................................................................... 95
ÍNDICE DE TABLAS

Tabla 1. ............................................................................................................................. 37

Tabla 2.............................................................................................................................. 49

Tabla 3.............................................................................................................................. 57

Tabla 4.............................................................................................................................. 58

Tabla 5.............................................................................................................................. 59

Tabla 6.............................................................................................................................. 63

Tabla 7.............................................................................................................................. 64

Tabla 8.............................................................................................................................. 71

Tabla 9.............................................................................................................................. 72

Tabla 10............................................................................................................................ 73
ÍNDICE DE FIGURAS
Figura 1. Modelo SEM del Índice mexicano de la satisfacción...................................... 13
Figura 2. Modelo de ecuaciones estructurales. ............................................................... 14
Figura 3. Resultado del modelo causal propuesto. Servicio de educación pública. ....... 16
Figura 4. Representación de errores de medida y de predicción. .................................. 20
Figura 5. Representación de flechas unidireccionales y bidireccionales. ....................... 21
Figura 6. Simbología usada en un modelo de ecuaciones estructurales. ........................ 22
Figura 7. Representación de un modelo de medida y un modelo estructural. ................ 23
Figura 8. Determinación de un modelo identificable según los grados de libertad. ....... 27
Figura 9. Resumen de los índices de bondad de ajuste. .................................................. 32
Figura 10. Especificación de los casos atípicos. ............................................................. 38
Figura 11. Barómetro Sueco. Relaciones entre factores manifiestos y latentes. ............ 39
Figura 12. Modelo ACSI para el sector público. Coeficientes de regresión. .................. 40
Figura 13. Relaciones entre las variables del SEM. ........................................................ 41
Figura 14. Identificación de las variables latentes del SEM. .......................................... 41
Figura 15. Clasificación de las variables latentes exógenas del SEM. ........................... 42
Figura 16. Clasificación de las variables latentes endógenas del SEM. ......................... 42
Figura 17. Modelo de ecuaciones estructurales. ............................................................. 43
Figura 18. Partes fundamentales del modelo de ecuaciones estructurales. ..................... 44
Figura 19. Coeficientes de Relación del modelo de ecuaciones estructurales. ............... 45
Figura 20. Modelo de ecuaciones estructurales propuesto con los coeficientes de relación.
.......................................................................................................................................... 46
Figura 21. Ecuaciones lambda - X (Λx) - Y (Λy) de los SEM. ....................................... 47
Figura 22. Ecuaciones de relación estructural. ............................................................... 47
Figura 23. Modelo de ecuaciones estructurales con valores fijados. .............................. 48
Figura 24. Coeficientes de regresión en el SEM inicial. ................................................. 50
Figura 25. Número de variables según clasificación del SEM. ...................................... 51
Figura 26. Tipos de variables utilizadas en el SEM. ....................................................... 51
Figura 27. Distribución normal de los datos. .................................................................. 52
Figura 28. Modelo inicial de SEM con estimador de ML. ............................................. 53
Figura 29. Ecuación del modelo de medida de variables exógenas del SEM inicial. ..... 55
Figura 30. Ecuación del modelo de medida de variables endógenas del SEM inicial. ... 56
Figura 31. Ecuación del modelo de relaciones estructurales del SEM inicial. ............... 56
Figura 32. Modelo de ecuaciones estructurales óptimo. ................................................. 60
Figura 33. Cuadro de Operacionalización de variables. ................................................. 62
Figura 34. Porcentaje de residentes encuestados según género. Abril 2018................... 66
Figura 35. Distribución porcentual de los encuestados según edad. Abril 2018. ........... 67
Figura 36. Porcentaje de los encuestados según grado de instrucción. Abril 2018. ....... 67
Figura 37. Clasificación de los encuestados por edad según género. Abril 2018. .......... 68
Figura 38. Genero según el grado de instrucción de los encuestados. Abril 2018. ......... 68
Figura 39. Coeficientes de regresión y correlación del SEM óptimo. ............................ 70
Figura 40. Ecuación del modelo de medida de variables exógenas del SEM óptimo. ... 74
Figura 41. Ecuación del modelo de medida de variables endógenas del SEM óptimo. . 74
Figura 42. Ecuación del modelo de medida de relaciones estructurales del SEM óptimo.
.......................................................................................................................................... 75
Figura 43. Modelo de ecuaciones estructurales óptimo. ................................................. 77
RESUMEN

La gestión pública tiene como función brindar servicios a la colectividad con los mejores
niveles de eficiencia, teniendo como objetivo satisfacer al ciudadano que lo recibe para
elevar sus condiciones de vida. Dado que no se realiza estudios especializados sobre la
percepción respecto a los servicios públicos, es difícil para las autoridades definir las
problemáticas prioritarias, usando estrategias que no contribuyen a mejorar la satisfacción,
ni fomentar el crecimiento y desarrollo en la ciudad. Por ello surge la necesidad de
determinar un modelo de ecuaciones estructurales óptimo para evaluar la satisfacción
global de la población del cercado urbano acerca de los servicios públicos básicos
ofrecidos en la ciudad de Lambayeque.

Así mismo se aplicó un cuestionario a los residentes entre 18 a 70 años, luego se realizó
el análisis estadístico de los datos para proceder con la metodología de modelos de
ecuaciones estructurales mediante cuatro fases, que inicia con la especificación del
modelo, definiendo las variables y relaciones, luego se evalúa la adecuación del modelo,
seguido la estimación de los parámetros especificados y finalmente la bondad de ajuste.
Para el análisis de los datos se utilizó el software SPSS, AMOS y RStudio.

Como resultado hay una amplia variedad de profesionales incluidos en el estudio, los
mismos que muestran insatisfacción en la administración y desconfianza en la gestión
actual, por otro lado el servicio con mayor impacto es agua – alcantarillado y alumbrado
siendo la relación más significativa. Además una problemática es la infraestructura de los
parques y áreas verdes.

Palabras clave: Servicios públicos básicos, modelo de ecuaciones estructurales.

pág. 10
ABSTRACT

The purpose of public management is to provide services to the community with the best
levels of efficiency, with the objective of satisfying the citizen who receives it to raise
their living conditions. Given that there are no specialized studies on the perception of
public services, it is difficult for the authorities to define the priority problems, using
strategies that do not contribute to improving satisfaction or promoting growth and
development in the city. Therefore, there is a need to determine a model of optimal
structural equations to evaluate the overall satisfaction of the population of the urban
enclosure about the basic public services offered in the city of Lambayeque.

Likewise, a questionnaire was applied to residents between 18 and 70 years, then the
statistical analysis of the data was performed to proceed with the methodology of
structural equation modeling through four phases, which starts with the specification of
the model, defining the variables and relationships, then the adequacy of the model is
evaluated, followed by the estimation of the specified parameters and finally the goodness
of fit. The software SPSS, AMOS and RStudio were used to analyze the data.

As a result there is a wide variety of professionals included in the study, the same ones
that show dissatisfaction in the administration and mistrust in the current management, on
the other hand the service with the greatest impact is water - sewage and lighting being
the most significant relationship. In addition, one problem is the infrastructure of parks
and green areas.

Key words: Basic public services, Structural equations modeling.

pág. 11
INTRODUCCIÓN

La gestión pública comprende un proceso continuo de mejora, donde las acciones

respondan a las necesidades y expectativas del ciudadano, esto implica introducir
estrategias eficientes y transparentes llevando a cabo acciones de monitoreo y evaluación
impulsando el desarrollo y crecimiento. A este proceso están sometidos todas las
instituciones públicas conducidas por las entidades u órganos que conforman el estado sin
afectar los niveles de autonomía que les confiere la ley.

El presente estudio de investigación hace referencia al ámbito social, donde las

autoridades encargadas de la gestión pública deben aplicar un conjunto de acciones
mediante las cuales toda entidad tiende al logro de sus fines, objetivos y metas enmarcadas
en políticas responsables y sostenibles, además de administrar de manera correcta y
eficiente los recursos, sin embargo las instituciones muchas veces no actúan en función a
los interés generales de la sociedad y no utilizan los recursos en su totalidad limitándose
a cumplir sus funciones sin buscar el logro de la satisfacción y bienestar de la población.
Ésta es reconocida por la constitución con derechos que garantizan su libertad, derechos
políticos, dignidad y el acceso a servicio básicos.

Cuando la gestión pública no sigue un planeamiento correcto enmarcado con la realidad

geográfica y sus recursos naturales termina siendo una herramienta no efectiva con el
bienestar colectivo. Ante esta situación surge la necesidad de realizar un estudio y
determinar el modelo de ecuaciones estructurales óptimo para la evaluación de la
satisfacción global de la población del cercado urbano acerca de los servicios públicos
básicos ofrecidos en la ciudad de Lambayeque.

Por ello es importante conocer la satisfacción global y realizar un constante análisis para
determinar los servicios más significativos así tomar decisiones para lograr condiciones
adecuadas de vida y bienestar que describa de manera simplificada la realidad. Así mismo
contribuir con el desarrollo de futuras investigaciones usando la técnica multivariada de
modelos de ecuaciones estructurales (Structural Equation Modeling - SEM), Estructuras
de Covarianzas (MEC) y también conocido como Análisis de variables latentes.
pág. 12
Teniendo como referencia a las investigaciones realizadas con anterioridad, las mismas
que se enfocan a evaluar la satisfacción haciendo uso de criterios y perspectivas
relacionado con el tema, estas son:

Gómez (2011) presenta una tesis de maestría titulada “Estimación de los modelos de
ecuaciones estructurales, del índice Mexicano de la satisfacción del usuario de programas
sociales mexicanos, con la metodología de mínimos cuadrados parciales”, de la
Universidad Iberoamericana de la ciudad de México, concluye que la variable
expectativas de los usuarios de programas sociales y la calidad percibida impactan en la
satisfacción de manera significativa, siendo esta última con más influencia. Además
mediante el modelo de ecuaciones estructurales se establece que la relación de la variable
latente quejas de los usuarios y la variable latente confianza hacia los programas sociales
no es estadísticamente significativa y que la relación satisfacción – quejas se encuentra en
el límite del valor crítico. Esta investigación obtuvo indicadores aceptables pero la autora
asegura que de seguir trabajando en la construcción y particularización del modelo se
podrán obtener mejores resultados. (Figura 1)

Figura 1. Modelo SEM del Índice mexicano de la satisfacción.

Nota. Recuperado de Tesis “Estimación de los modelos de ecuaciones estructurales, del índice mexicano de
la satisfacción del usuario de programas sociales mexicanos, con la metodología de mínimos cuadrados
parciales”, por Gómez María, México, D.F. [2011].

pág. 13
Por otro lado García (2011) presenta una tesis de maestría en Técnicas estadísticas de la
Facultad de Matemática titulada “Análisis causal con ecuaciones estructurales de la
satisfacción ciudadana con los servicios municipales”, de la Universidad de Santiago de
Compostela, el aporte más destacado es que todos y cada uno de los servicios públicos
incluidos en el análisis ejercen efecto significativo en el grado de satisfacción. El modo
que ejerce el efecto no es el mismo así como tampoco los servicios en cada ítem. Además
se obtiene un modelo de ecuaciones estructurales con el que no sólo las medidas de bondad
de ajuste son favorables sino que la valoración de la gestión municipal supone la mayor
influencia en la satisfacción. Además se da a notar la influencia indirecta que ejerce el
mantenimiento de infraestructuras viarias sobre la satisfacción. (Figura 2)

Figura 2. Modelo de ecuaciones estructurales.

Nota. Recuperado de Tesis “Análisis causal con ecuaciones estructurales de la satisfacción ciudadana con
los servicios municipales, por García María, Santiago de Compostela. España [2011].

pág. 14
La figura 2 muestra el modelo de ecuaciones estructurales con cinco variables latentes.
Éstas son xi1 (servicio de limpieza y recogida de residuos), xi2 (servicios sanitarios
prestados por el municipio), xi3 (la red de infraestructuras viarias), eta1 (gestión
municipal) y eta2 (grado de satisfacción global).

Las variables observadas consideradas en el servicio de limpieza y recogida de residuos

son x1(valoración de la frecuencia en la recogida de residuos), x4 (valoración del
funcionamiento del servicio de recogida de residuos), las variables consideradas en el
servicios sanitarios son x7 (valoración del número de médicos de atención primaria en el
municipio), x8 (valoración de los centros de salud), las variables consideradas en la red
de infraestructuras viarias son x9 (valoración de la red de carreteras principales), x10
(valoración de la señalización), x11 (valoración del estado y mantenimiento de las aceras),
x12 (valoración del estado y pavimentación de las infraestructuras viarias del municipio),
x13 (valoración del estado de las carreteras secundarias), las variables consideradas en la
gestión municipal son y1 (valoración de la gestión realizada por el gobierno municipal),
y2 ( valoración de la gestión del alcalde) y por último las variables consideradas en el
grado de satisfacción global de los ciudadanos son y3 (valoración de la administración y
los servicios administrativos) y y4 (grado de satisfacción con los servicios prestados en el
municipio).

Finalmente Díaz & Rangel (2013) presentan una tesis Titulada “Valoración de la
satisfacción ciudadana con los servicios públicos locales en la ciudad de Cartagena de
Indias D.T y C. mediante un modelo de ecuaciones estructurales. Caso: Servicio de
Educación Pública” de la Universidad de Cartagena, existe un efecto directo entre la
percepción y la satisfacción general acerca de los servicios públicos locales que se brinda
en dicha ciudad. Por lo tanto cualquier aumento o disminución que se genere en la
percepción traerá consecuencias contundentes en el nivel de satisfacción.

pág. 15
Además un ciudadano que tenga buena experiencia y esté totalmente satisfecho con un
servicio en particular no quiere decir que esté completamente satisfecho con los servicios
recibidos en general. Los autores recomiendan aumentar la cantidad de instituciones
educativas que presten servicios universitarios además las facilidades de acceso de
acuerdo a la ubicación.

Figura 3. Resultado del modelo causal propuesto. Servicio de educación pública.

Nota. Recuperado de Tesis “Valoración de la satisfacción ciudadana con los servicios públicos locales en la
ciudad de Cartagena de Indias D.T y C. mediante un modelo de ecuaciones estructurales. Caso: Servicio de
Educación Pública”, por Díaz y Rangel, Universidad de Cartagena. [2013]

La figura 3 muestra el modelo de ecuaciones estructurales donde las variables latentes son
var1 (percepción del servicio de educación), var2 (satisfacción del servicio público de
educación), var3 (calidad general percibida de los servicios públicos) y var. 4 (satisfacción
general de los servicios públicos). Las variables observadas consideradas en la percepción
del servicio de educación son P1 (número de instituciones educativas de educación
media), P2 (número de instituciones educativas en educación superior), P3 (facilidad de
acceso al servicio ofrecido por las colegios o escuelas), P4 (facilidad de acceso ofrecido
por universidades), P5 (estado general de las instalaciones de colegios y universidades),
P6 (nivel académico de colegios o escuelas) y P7 (nivel académico de universidades).

pág. 16
Asimismo, la variable observada P8 es considerada para la variable latente satisfacción
del servicio público educación, P9 para la calidad general percibida de los servicios
públicos y P10 para la satisfacción general de los servicios públicos.

Dado que los estudios citados no consideran de manera integral los servicios públicos, en
esta investigación se toma en cuenta seis servicios públicos básicos brindados en la ciudad
de Lambayeque como son educación, salud, infraestructura, seguridad, limpieza y
recogida de residuos, agua-alcantarillado y alumbrado público teniendo en cuenta que la
percepción en una determinada ubicación geográfica no es la misma en otra. Además se
identificó las variables con menor y mayor impacto en la satisfacción así desarrollar
medidas correctivas, que conduzcan a mejorar las condiciones de vida.

No se encontraron más antecedentes.

pág. 17
CAPÍTULO I. DISEÑO TEÓRICO
MODELOS DE ECUACIONES ESTRUCTURALES (SEM)
El modelo de ecuaciones estructurales es conocido en inglés como Structural Equation
Modeling (SEM) y también como Estructura de Covarianzas. “El primer antecedente de
un modelo de ecuaciones estructurales se remonta a 1934, año en que Sewall Wright da a
conocer el modelo de trayectoria (path analysis) sobre las relaciones de tamaño en
mediciones óseas” (Manzano & Zamora, 2009). Las relaciones entre variables fueron
representadas en “path diagram”, por lo que su método llego a conocerse como “path
analysis”. Año más tarde, éste método fue redescubierto y desarrollado por Joreskog
(1973,1977 y 1981) y Joreskog y Sorbom (1982). Ellos, transformaron el “path analysis”
de Wright en un nuevo método denominado “Structural Equation Modeling”, en el que se
combina el análisis factorial con el path analysis (García, 2011).

Los SEM es una técnica de dependencia que puede examinar multiples relaciones de
medida y estructural simultaneamnete, que consiste en especificar relaciones a priori y
evaluar las relaciones que representan el comportamiento de los datos. Según Véliz afirma
que los modelos de ecuaciones estructurales involucran una serie de relaciones entre
numéricas (directamente medibles o no) con la finalidad de descubrir procesos
subyacentes que generan las variables (2017). El modelo de ecuaciones estructurales es
una extensión de varias técnicas mutivariadas como el analisis de regresión y el análisis
factorial. Una variable latente es un constructo que solo puede ser medido mediante
variables observables, ademas para interpretar los resultados se debe evaluar
ciudadosamente varias pruebas estadisticas y un conjunto de índices que determinan que
la estructura teórica propuesta suministra un buen ajuste a los datos empiricos. Este ajuste
se realiza en las covarianzas entre las variables, es decir en modelos de ecuaciones
estructurales se trata de pronosticar las covarianzas y varianzas entre variables a partir de
las covarianzas estimadas en la muestra. “Por lo tanto el verdadero valor de esta técnica
es especificar relaciones entre variables a priori y luego evaluar cuántas de esas relaciones
se representan en los datos recolectados empiricamente”. Cupani, 2012

pág. 18
En la actualidad se dispone de una variedad de programas computarizados que simplifican
enormemente estas tareas y permiten un análisis más sofisticado. El primero y el más
popular de ellos es el Linear Estructural Relations (LISREL) creado por Joreskog y sus
colaboradores, sirve para establecer y analizar estructuras de covarianza. Luego, el
programa llamado Structural Equation Modeling Software (EQS) desarrollado por
Bentler(1995), presenta el planteamiento y simbolos del modelo fáciles de comprender.
El programa Análisis de Estructuras Momentáneas (Analysis of Moment Structures,
AMOS) fue creado por Arbuckle (2003), este programa permite al usuario especificar, ver
y modificar el modelo de estructura gráficamente. Actualmente existen otros software
que han incorporado opciones para el análisis de los modelos de ecuaciones estructurales
como el SmartPLS, SAS/STAT, SEPATH, COSAN y RStudio. Esto ha logrado que los
invetigadores usen con mayor facilidad el modelo de ecuaciones estructurales.

VARIABLES USADAS EN MODELOS DE ECUACIONES ESTRUCTURALES

En el modelo de ecuaciones estructurales los tipos de variables se determinan según su

forma de medición y su función en el modelo. El primer criterio muestra dos tipos de
variables: manifiestas y latentes, y el segundo criterio: endógenas y exógenas.
Las variables manifiestas, observables, llamados también indicadores, son aquellas que se
miden directamente. Una caracteristica importante de estas variables es que sirven para
evidenciar o definir a las variables no observables o latentes. Su representación es através
de cuadrados o rectángulos. En general se les asignan las letras X y Y, según esté afectada
por una variable latente exógena o endógena respectivamente.

Las variables latentes o no observables, llamados también constructos o factores, son

aquellas que no pueden ser medidas ni manipuladas de forma directa. Éste tipo de
variables requieren ser medidas a través de variables manifiestas. Su representación es a
través de círculos o elipses. Los errores se suelen considerar como variables latentes por
su naturaleza de no poder ser medidos directamente. “A cada variable observable se le
asocia un error de medida” Gutiérrez (2008). A la variable latente endógena se le asocia
un error de predicción tal y como se muestra en la figura 4.

pág. 19
 Error de Medida Error de Predicción

ε Y δ X ζ η

Figura 4. Representación de errores de medida y de predicción.

Según sea su función en el modelo se determinan como variable éxogena o endógena, con
las letras griegas ξ y η respectivamente. Las variables exógenas o independientes o
regresoras o predictoras son aquellas cuyas causas son desconocidas. Estas variables
causan fluctuaciones en los valores de otras variables latentes en el modelo . Se identifican
porque sólo salen flechas.

Las variables endógenas, dependientes o criterio son explicadas por las variables éxogenas
propuestas en un modelo de ecuaciones estructurales. La punta de las flechas llega a estas
variables. Las variables endógenas manfiestas o latentes, están afectadas por un término
de pertubación aleatorio (error de medida y predicción). En los modelos de ecuaciones
estructurles es posible que una variable tenga doble función como endógena y exógena.
A ésta doble función se le conoce como efecto indirecto o mediador.

RELACION ENTRE VARIABLES USADAS EN MODELOS DE ECUACIONES

ESTRUCTURALES

La técnica de ecuaciones estructurales describe correlaciones y relaciones estructurales

entre variables, ninguno de los resultados que se obtienen indican causalidad; el nombre
de modelo causal sólo se refiere al diseño” Véliz, 2016.

Exiten diversos tipos de relaciones que pueden establecerse entre dos variables dentro de
un modelo de ecuaciones estructurales. Las relaciones entre las variables se determinan
con flechas. Las flechas unidireccionales representan la hipotesis de un efecto o impacto
directo de una variable sobre otra.

pág. 20
El origen de la fecha es la variable predictora y cuyo final, donde se encuentra la punta de
la flecha, es la variable dependiente, a esto de le denomina relación directa. Las variables
a las que llegan las flechas se denominan endógenas y aquellas a las no llega ninguna
flecha , exógenas. Las flechas bidireccional en forma de curvas representan la correlación
entre dos variables.

Flecha Unidireccional Flecha Bidireccional

Figura 5. Representación de flechas unidireccionales y bidireccionales.

La relación indirecta es cuando existe la presencia de una tercera variable, en este tipo de
relación una variable puede comportarse como endógena y exógena a la vez. A ésta doble
función se le conoce como efecto indirecto o mediador. Gómez, 2011.
Por tanto existe una relación indirecta entre dos variables cuando una tercera modula o
mediatiza el efecto entre ambas.

SIMBOLOGÍA USADA EN MODELOS DE ECUACIONES ESTRUCTURALES

Las variables que forman parte de los SEM se definen en un conjunto de relaciones que
interesa analizar, éstas se representan gráficamente mediante letras griegas y latinas para
luego traducir las relaciones a un sistema complejo de ecuaciones con sus respectivos
errores.

Las variables del SEM son las letras “X”, “Y”, “ξ” y “η”. Las dos primeras son variables
manifiestas y las siguientes latentes exógenas y endógenas respectivamente.

Las letras griegas 𝜆𝑖𝑗 , 𝛾𝑖𝑗 𝑦 𝛽𝑖𝑗 representan los coeficientes a estimar en el modelo de
ecuaciones estructurales. Estos coeficientes determinan la relación entre una variable
latente y una variable observable (𝜆𝑥 𝑖𝑗 , 𝜆𝑦 𝑖𝑗 ), una variable latente exógena con una
latente endógena (𝛾𝑖𝑗 ) y una variable latente endógena con otra endógena (𝛽𝑖𝑗 ).

pág. 21
Los subíndices se colocaron teniendo en cuenta como primer término de subíndice a la
variable endógena y posteriormente el subíndice de la variable exógena. Los coeficientes
𝜆𝑖𝑗 representan la magnitud del cambio esperado en las variables observadas para cada
cambio en la variable latente relacionada. Byrne, 2010. Las letras Φ y Θ denotan
covarianza entre variables. Para los errores en el SEM se usan las letras δ, ε,
𝜻 , siendo errores de medicion de las variables X, Y y errores de predicción
respectivamnte.

Representa
Letra Nombre Concepto
en SEM
ξ (Xi) Representa a las variables latentes exógenas que están
operacionalizadas por las variables manifiestas(X).

Variable η (Eta) Representa a las variables latentes endógenas que están

operacionalizadas por las variables manifiestas (Y).

X, Y Representa a las variables manifiestas o indicadores.

Son coeficientes que miden el efecto directo de las
γ (Gamma) variables latentes exógenas (ξ) sobre las variables latentes
endógenas (η).
Son coeficientes que miden el efecto de las variables
β (Beta) latentes endógenas (η) sobre las variables latentes
Coeficientes
endógenas (η).
Son coeficientes que relacionan cada variable observada
𝜆𝑥 , 𝜆𝑦 (Lamda) con su variable latente.
Los coeficientes lambda se agrupan en LAMBDA-X (𝜆𝑥 )
y LAMBDA -Y (𝜆𝑦 ).
φ (Phi) Denotan covarianza o correlación entre las variables
Covarianza latentes exógenas.
θ (Theta) Denotan covarianza o correlación entre errores.

ε (Épsilon) Son coeficientes sobre los errores de medición de las

variables manifiestas (Y).
Errores δ (Delta) Son coeficientes sobre los errores de medición en variables
manifiestas (X).
𝜻 (Zeta) Son los errores de medición de cada ecuación en las
relaciones estructurales.

Figura 6. Simbología usada en un modelo de ecuaciones estructurales.

pág. 22
PARTES FUNDAMENTALES DE MODELOS DE ECUACIONES
ESTRUCTURALES.

Un modelo de ecuaciones estructurales lo constituye el modelo de medida y el modelo

relaciones estructurales. El modelo de medida definirá la relación entre las variables
observables y las variables latentes, por lo tanto la relaciones entre dichas variables se les
conoce como relaciones de medida.
El modelo estructural medirá las relaciones entre las varibles latentes, es decir entre las
variables no observables y especificará que variables latentes influyen directa o
indirectamente en los valores de otras variables latentes.
La relación entre dichas variables se le conoce como relacion estructural. El conjunto, las
relaciones de medida y las estructurales forman el modelo de ecuaciones estructurales.

En la figura 7 muestra las diferencias entre ambas partes:

MODELO DE MEDIDA MODELO ESTRUCTURAL

Figura 7. Representación de un modelo de medida y un modelo estructural.

Los modelos de ecuaciones estructurales se representan mediante una serie de ecuaciones

de regresión. Se considera que cada ecuación resume el impacto de todas la variables
relevantes del modelo. Byrne, 2010.

pág. 23
El modelo estructural tendra tantas ecuaciones estructurales como constructos
latentes(variables endógenas) que sean explicadas por otras variables exógenas. La
ecuación que sigue este tipo de ecuaciones de los modelos estructurales se puede expresar
de la siguiente manera:

𝜂 = 𝛣𝜂 + 𝛾𝜉 + 𝜁

Donde:
𝜂: (eta) en un vector "𝑝 𝑥 1 " de variables endógenas latentes (esto es, variables predictoras
o variables no explicadas por otras incluidas en el modelo).

𝜉: (xi) en un vector "𝑞 𝑥 1 " de variables exógenas latentes (esto es, variables predictoras
o variables no explicadas por otras incluidas en e modelo).

𝛾: (gamma) en una matriz "𝑝 𝑥 𝑞 " de coeficientes 𝛾𝑖𝑗 que relacionan las variables latentes
exógenas (𝜉) con las endógenas (𝜂). Indican que una unidad de cambio en la variable
exógena 𝜉𝑖 resulta en un cambio en 𝜂𝑖 𝛾𝑖𝑗 unidades, manteniendo todas las demás variables
constantes. Este coeficiente estructural se interprea, al igual que 𝛽𝑖𝑗 como efectos directos
de las variables endógenas.

𝛽: (beta) en una matriz "𝑞 𝑥 𝑞 " de coeficientes que relacionan las variables latentes
endógenas entre si. Cada 𝛽𝑖𝑗 indica una unidad de cmabio en la variables endógena 𝜂𝑖 ,
mantenimiento todas las demás variables constantes. Para cada efecto hipotetizado de una
variable endógena en otra, de las mismas caracteristicas, se tendrá un coeficiente
estructural 𝛽𝑖𝑗 .

𝜻: (zeta) en un vector "𝑞 𝑥 1 " de errores o términos de perturbación. Indican que las
variables endogenas no son perfectamente predichas por las ecuaciones estructurales. Se
supone que no existe correlacion entre los errores y las variables exógenas.

pág. 24
El modelo de medida tambien puede ser expreado en ecuaciones que especifican las
relaciones entre las variables latentes y entre las variables observables. Para las variables
endógenas la ecuación seria:

𝑌 = 𝜆𝑌 𝜂 + 𝜀

Donde:
Y: Es un vector de de "𝑝 𝑥 1” medidas observables de la variable dependiente.
𝜆𝒚 : (Lambda y) es una matriz de "𝑝 𝑥 𝑚" coeficientes de variables endógenas

𝜂: (eta) Es un vector "𝑚 𝑥 1" de variables latentes endógenas.

𝜀: (epsilon) Representa un vector px1 de errores de medida de Y.

Para las variables exógenas la ecuación será:

𝑋 = 𝜆𝑋 𝜉 + 𝛿

Donde:
𝑋: es un vector de medidas observables de "𝑝 𝑥 1" variables independientes
𝜆𝒙 : (Lambda x) representa una matriz "𝑞 𝑥 𝑘" coeficientes de variables endógenas.

ξ : (xi) es un vector "𝑘 𝑥 1 " de variables exógenas

𝜹: (Delta) un vector de "𝑞 𝑥 1" errores de medida de X.

FASES DEL ANÁLISIS DE MODELOS DE ECUACIONES ESTRUCTURALES

Veliz afirma que “Basicamente, el proceso de aplicación de la técnica de ecuaciones

estructurales comprende los siguientes pasos” : Especificación del modelo, Identificación
del modelo, Estimación de los parámetros del modelo y Análisis de la adecuación del
modelo.

pág. 25
ESPECIFICACIÓN DEL MODELO

En esta etapa se definirá las relaciones entre las variables observables y latentes, y entre
las propias variables latentes. La especificación del modelo ayuda a determinar los efectos
directos, indirectos de las variables. Esta etapa comprende la formalización de ideas que
sustentan las relaciones entre variables que describan el modelo. Esto obliga al
conocimiento del marco teórico sobre el que se basan los modelos que se hipotetizan.

Además se especificará las ecuaciones de los sub-modelos que constituyen un modelo de

ecuaciones estructurales. Las ecuaciones de relaciones estructurales será la misma
cantidad de constructos o variables latentes que sean explicadas por otras variable
exógenas. Las ecuaciones del modelo muestran que las variables observables son
dependientes siendo explicadas por las variables latentes. Hay ecuaciones donde los
algunos parámetros se fijan con el valor 1 al igual que el termino error, mientras que otras
se especifica el parámetro a estimar.

IDENTIFICACIÓN DEL MODELO

Una vez especificado el modelo de ecuaciones estructurales, surge la necesidad de obtener

estimadores únicos y de fácil interpretación. Para esta etapa se requiere identificar las
relaciones, número de variables y parámetros que intervienen en el modelo. Uriel, E. &
Aldas J. afirma que si se intenta estimar un modelo que no este identificado, los resultados
que se obtendran serán estimaciones arbitrarias de los parámetros, lo que desembocaran
en interpretaciones carentes de sentido.
En un modelo de ecuaciones estructurales se debe fijar el valor 1 a los terminos de error;
las flechas que va desde las variables error de medida y predicción, ademas a los
indicadores y a coeficientes de regresion entre variables latentes y los indicadores. Las
latentes tienen por naturaleza que no pueden ser medidas directamente y por lo tanto no
tienen una escala métrica definida.
Cada uno de los coeficientes de regresión que va desde la variable latente exógena a un
conjunto de variables manifiestas, se especifica un valor fijo, generalmente con el valor 1.

pág. 26
Amos, fija de manera automática la relación de los errores de medida con su indicador,
errores de predicción y una de las relaciones de un constructo y su indicador. Está
operación se realiza con el fin de fijar la escala.
Un modelo será identificable si el número P de parámetros a estimar es menor o igual que
el número K de covarianzas que se puedan establecer entre las variables medibles.

Si los datos se refieren a p variables, K será igual a p(p+1)/2 se podrá decir que el modelo
es identificable si 𝐾 − 𝑃 es mayor o igual a 0. Entonces se considera que un modelo es
identificable cuando el valor “G” es mayor que cero, por ende el modelo permite la
estimación y el constraste de parámetros. Si G es igual cero, se considera que el SEM es
exactamente identificable donde no se permite el contraste de las estimaciones. Y el
modelo se considera no identificable cuando el valor “G” es menor que cero, esto muestra
que el SEM tiene infinitos estimadores. Cuando esto sucede se suelen imponer
reestricciones basadas en el conocimiento de la problemática de la investigación y de la
teoria. Generalmente se utilizan los valores 0 y 1 como valores fijos.

𝐺>0 𝐺=0 𝐺<0

MODELO IDENTIFICABLE MODELO EXACTAMENTE MODELO NO IDENTIFICABLE

IDENTIFICABLE

Figura 8. Determinación de un modelo identificable según los grados de libertad.

ESTIMACIÓN DE LOS PARÁMETROS DEL MODELO

En esta etapa se usan métodos para estimar los parámetros del modelo de ecuaciones
estructurales. Se evaluará la hipotesis nula 𝐻 : ∑ = ∑(𝜃) , indica que la matriz de
covarianzas de las variables el igual a la matriz de covarianzas determinada por el modelo.

pág. 27
1. Método de Máxima verosimilitud (Maximum Likelihood - ML)

Es el método de estimación más usado en el ajuste de modelos de ecuaciones estructurales.

Para usar este método se debe suponer normalidad de las variables observadas y tener una
muestra suficientemente grande. Los estimadores que se obtengan se llaman estimadores
de maxima verosimilitud (ML). La función de ajuste es:

𝐹𝑀𝐿 = 𝑙𝑜𝑔|∑| + 𝑡𝑟(𝑆∑(𝛩)−1 ) − 𝑙𝑜𝑔|𝑆| − 𝑝

Donde:
𝒑: Es el número de variable observadas.

2. Método de Minimos Cuadrados no ponderados (Unweighted Least Squares- ULS)

Este método es más fácil de aplicar y no requiere supuesto de normalidad, pero es menos
eficiente que el de máxima verosimilitud. Los estimadores que se obtengan se llaman
estimadores de minimos cuadrados no ponderados(ULS). La función de ajuste es:

2
𝐹𝑈𝐿𝑆 = (1⁄2)𝑡𝑟𝑎𝑧𝑎(𝑆 − ∑(𝛩))

3. Método de Minimos Cuadrados Generalizados (Generalized Least Squares- GLS)

Este método produce buenos estimadores cuando las variables tienen una distribucion
normal y la muestra suficientemente grande. Los estimadores que se obtengan se llaman
estimadores de minimos cuadrados generalizados (GLS). La función de ajuste es:

2
𝑭𝑮𝑳𝑺 = (1⁄2)𝑡𝑟 (((𝑆 − ∑(𝛩)𝑆 −1 )) )

4. Estimacion con Distribucion Libre Asintótica (Asymptotically Distribution Free -

ADF).

Este tipo de estimación minimiza la funcion definida mediante la siguiente expresión:

𝑭𝑨𝑫𝑭 = [𝑠 − 𝜎(𝛩)]`𝑊 −1 [𝑠 − 𝜎(𝛩)]

pág. 28
Donde s es el vector de datos, es decir la matriz de varianzas-covarianzas muestrales pero
escrita en forma de un solo vector; 𝜎 es la matriz de varianzas-covarianzas estimada y 𝛩
se ha querido indicar que se deriva de los parámetros del modelo (coeficientes de
regresión, varianzas-covarianzas). W es una matriz que pondera las diferencias
cuadráticas entre las matrices de varianzas-covarianzas muestrales y estimadas. En este
caso, cada elemento de esa matriz se obtiene:
W𝒊𝒋𝒌𝒍 = σ𝒊𝒋𝒌𝒍 − σ𝒊𝒋 σ𝒌𝒍

Siendo σ𝒊𝒋𝒌𝒍 momentos de 4º orden y σ𝒊𝒋 y σ𝒌𝒍 las covarianzas.

ANÁLISIS DE LA ADECUACIÓN DEL MODELO

Una vez estimado los parámetros del modelo de ecuaciones estructurales, se debe evaluar
si éste es adecuado. Por lo tanto se evalua el ajuste de modelo mediante una serie de
índices.

1. El Estadistico Chi- cuadrado:

Este estadistico tiene la siguiente forma:

X 2= 𝑛 ∗ 𝐹𝑀𝐿

Donde:
𝑛: es el tamaño de la muestra.

Mediante el estadistico Chi- cuadrado se considera que la matriz de covarianzas que

estima a ∑(𝛩) ajusta a la matriz 𝑆 de covarianzas dato si el X 2 entre el valor 𝐺 = 𝐾 − 𝑃
es menor que 2.

En general, H0: Σ = Σ (θ) es equivalente a la hipótesis de que Σ - Σ (θ) = 0; el estadistico

X 2, entonces, prueba simultáneamente el grado en que todos los residuos en Σ - Σ (θ) son

cero.
pág. 29
2. El índice de bondad de ajuste (GFI):
El GFI fue ideado por Joreskog y Sorbom(1984). Éste índice compara la matriz de
covarianza dato y la matriz de covarianzas que estima a ∑(𝛩). A nivel de la muestra es
una medida global de bondad de ajuste.

Se define como:
𝑡
𝑡𝑟 (∑(Ô) 𝑊∑(Ô))
𝑮𝑭𝑰 =
𝑡𝑟(𝑆 𝑡 𝑊𝑆)

Donde:
𝑾: Es igual a la matriz identidad si se trata de los estimadores ULS. La matriz 𝑊 es igual
a la matriz 𝑆 en el caso de los estimadores GLS y es igual a ∑−1 (𝛩) en el caso de los
estimadores de ML.
Este índice aporta información sobre la variabilidad explicada por el modelo y cuyos
valores oscilan entre 0 y 1.

0: No hay ajuste(el modelo no ajusta a las covarianzas dato).

1: Ajuste perfecto(el modelo ajusta perfectamente a las covarianzas dato).
En la práctica se consedera que si GFI ≥ 0.90, el modelo es aceptable.

3. El índice GFI ajustado (AGFI):

Es una medida análoga del índice de determinación 𝑅 2 de la regresión lineal. Al igual que
el 𝐺𝐹𝐼, se calcula para las funciones de máxima verosimilitud y de mínimos cuadrados
ordinarios. Cuando el índice es igual 1, entonces el modelo se ajusta perfectamente a las
covarianzas dato. Éste índice se define así:

1 − 𝐺𝐹𝐼
𝑨𝑮𝑭𝑰 = 1 −
1 − 𝑃⁄𝐾

pág. 30
4. El índice de criterio de información de Akaike(AIC):
Sirve para comparar dos modelos. Se define de la siguiente manera:

𝑨𝑰𝑪 = 𝑉𝑎𝑙𝑜𝑟 𝑑𝑒 𝑐ℎ𝑖 − 𝑐𝑢𝑎𝑑𝑟𝑎𝑑𝑜 + 2𝑃

Con el término 2𝑃 se penaliza la inclusión de muchos parámetros en el modelo. Se

determina que un modelo es mejor que otro si su valor 𝐴𝐼𝐶 es menor que el valor de 𝐴𝐼𝐶
que le corresponde al segundo.

5. El índice de la raíz media cuadrática del error de especificación (RMSEA):

En ingles es Root Mean Square Error of Approximation (RMSEA). Fue propuesto por
primera vez por Steiger y Lind en 1980. Considera un modelo de ecuaciones estructurales
que presenta un buen ajuste cuando 𝑅𝑀𝑆𝐸𝐴 ≤ 0.05. Éste índice se define:
0.5
𝐹
𝑅𝑀𝑆𝐸𝐴 = ( 0⁄𝐺 )

Donde:
𝑭𝟎 : Se llama discrepancia poblacional y evalúa el alejamiento del valor chi-cuadrado de
su valor esperado. Si 𝐹0 = 0, se considera que el modelo es adecuado. 𝐹0 se define:

(𝑛 ∗ 𝐹𝑀𝐿 − 𝐺)⁄
𝐹0 = 𝑛

El RMSEA es expresado por el número de grados de libertad, lo que hace sea sensible al
número de parámetros estimados en el modelo.

La figura 9 muestra el resumen de los valores que deben presentar los índices de bondad
de ajuste para considerar que un modelo de ecuaciones estructurales sea de un: “ajuste
aceptable” o “buen ajuste”:

pág. 31
Figura 9. Resumen de los índices de bondad de ajuste.

Nombre Indicador “Buen ajuste” “Ajuste aceptable”

Estadístico Chi- 𝑋2 0 ≤ 𝑋 2 ≤ 2𝐺 2𝐺 < 𝑋 2 ≤ 3𝐺

cuadrado 𝑋2/ G 0 ≤ 𝑋 2 /𝐺 ≤ 2 2 < 𝑋 2 /𝐺 ≤ 3

Índice de bondad de
GFI 0.95 ≤ 𝐺𝐹𝐼 ≤ 1.00 0.90 ≤ 𝐺𝐹𝐼 < 0.95
ajuste
Índice GFI ajustado AGFI 0.90 ≤ 𝐴𝐺𝐹𝐼 ≤ 1.00 0.85 ≤ 𝐴𝐺𝐹𝐼 < 0.90

Criterio de información
AIC 𝐴𝐼𝐶 𝑚á𝑠 𝑝𝑒𝑞𝑢𝑒ñ𝑜 𝑒𝑛 𝑙𝑎 𝑐𝑜𝑚𝑝𝑎𝑟𝑎𝑐𝑖ó𝑛
de Akaike
Roat mean square error
RMSEA 0 ≤ 𝑅𝑀𝑆𝐸𝐴 ≤ 0.050 0.050 < 𝑅𝑀𝑆𝐸𝐴 ≤ 0.080
of aproximation

Para la re-especificación del modelo se evalua si los índices indican un buen ajuste o no
de los datos. Se mejorará el modelo suprimiendo o añadiendo relaciones repaldadas
teóricamente representadas en un modelo de ecuaciones estructurales.

pág. 32
SERVICIOS PÚBLICOS BÁSICOS

La administración o gestión pública es el conjunto de acciones mediante las cuales las

instituciones del estado actúan de manera ordena y eficaz para lograr el cumplimiento de
las metas y objetivos establecidas por las políticas públicas. Éstas deben estar orientadas
en función al interés de la población lo que conllevará a generar condiciones adecuadas
de vida y bienestar, buscando satisfacer las necesidades de los ciudadanos teniendo en
cuenta sus derechos fundamentales y el ejercicio de sus deberes reconocido en la
constitución del Perú. Además, promover la igualdad a las oportunidades y beneficios que
se derivan de la prestación de servicios públicos y el desarrollo en general.

Partiendo de estas consideraciones podemos determinar que el municipio es la instancia

elemental del gobierno, la cual realiza funciones como administrar el patrimonio, los
recursos humanos y también funciones de gestión, y que debe atender todo lo relacionado
con los servicios públicos.

Las instituciones públicas realizan actividades de manera uniforme y continua con el fin
de satisfacer las necesidades básicas de la colectividad, que través de ellos refleja la
gestión respondiendo a las demandas planteadas por la población. Actualmente existen
diversos conceptos interpretados acerca del servicio público tales como:

Villegas Basavilbaso define Servicio público como “toda actividad directa e indirecta de
la administración pública, cuyo objetivo es la satisfacción de las necesidades colectivas
por un procedimiento de derecho público”.

Dromi restringe la noción de servicio público diciendo que “es el medio para un fin
próximo o para un fin inmediato (el bien común) que se traduce en actividades públicas
con forma de obra, función o prestación de intereses público y con un régimen jurídico de
derecho administrativo común a todo el quehacer de la función administrativa”.

pág. 33
TIPOS DE SERVICIO

Los servicios públicos son diversos porque comprenden, por lo general, aquellas
necesidades que la propia comunidad requiere a lo largo de su evolución, sin embargo
para la investigación se enuncian los siguientes:

Educación. Es un servicio público que cuando lo provee el estado es gratuita en todos sus
niveles y modalidades, de acuerdo con lo establecido en la constitución política y en la
presente ley. (Ley general de educación, Ley nro. 28044)

Educación. Servicio necesario que permite construir consensos básicos de vida

democrática y posibilita la integración social.

Salud. Es considerado un servicio clave para el desarrollo y bienestar de la población.

Infraestructura. Este servicio se ocupa de la realización de obras para resguardar la

imagen, abarcando la pavimentación, construcción de las vías públicas, señalización.
Como también brindar accesibilidad a lugares de esparcimiento, conservación y
mantenimiento de áreas verdes.

Seguridad. Comprenden la disponibilidad de una convivencia plena dentro de una

situación de respeto, tanto en lo individual como en lo colectivo, mediante acciones de
prevención y represión de ciertos delitos y/o faltas administrativas.

Limpieza. Es un servicio público que consiste en la recolección y recogida de residuos; a

fin de preservar el medio, lo cual se requiere de colaboración de los residentes en conjunto
con la organización municipal.

Agua. Este servicio implica la instalación, mantenimiento y conservación de las redes de

agua; su potabilización, distribución y la vigilancia de la calidad del agua y las condiciones
sanitarias de las instalaciones.

Alumbrado. Este servicio consiste en iluminar las dependencias y áreas públicas y vigilar
los programas de mantenimiento de las redes de alumbrado público.

pág. 34
Alcantarillado. Comprende dos aspectos: el drenaje sanitario y el pluvial. El drenaje
sanitario tiene por finalidad la eliminación de aguas negras hasta aquellos lugares en
donde se les pueda dar debida utilización. El drenaje pluvial tiene por objeto la conducción
del agua de lluvias para evitar su estancamiento.

En efecto los servicios públicos demandan un tema importante por su impacto en la

sostenibilidad de la población. Asimismo su conocimiento es esencial para la toma de
decisiones acerca de la asignación de los recursos, permitiendo así la evaluación de la
equidad y eficiencia con que se asignan, con la finalidad de resguardar el interés.

En consecuencia, la suma de los intereses individuales relacionados con los servicios

conlleva a la satisfacción, y en tal sentido depositar la confianza en el rol que cumple la
administración pública.

SATISFACCIÓN

La satisfacción es una respuesta emocional cuya intensidad depende de la situación

concreta vivida. Evaluar la satisfacción respecto con los servicios públicos forma parte de
un enfoque centrado en la población y es importante para elaborar estrategias que mejore
la gestión de los servicios. Mediante la percepción se evalúa las experiencias vividas de
los ciudadanos con las instituciones públicas. Esta información ayuda a los funcionarios
públicos a identificar los elementos en la prestación de servicios que condicionan la
satisfacción. Además permite comprender mejor a los ciudadanos, identificando
necesidades y deficiencias. Por otra parte, la satisfacción es un indicador importante sobre
el rendimiento en la administración pública. Es lógico pensar que una de las razones que
influencian en la satisfacción es la manera en que son tratados los ciudadanos. Es decir
que cuando reciben un buen trato tienen una mayor probabilidad de estar satisfechos con
el gobierno.

Considerar la percepción de varios servicios públicos en el análisis relacionados con otras

variables, permite evaluar en conjunto la satisfacción del ciudadano, es decir de manera
global.

pág. 35
Existen diversas definiciones de satisfacción.

 Zeithaml y Bitner (2002) se refieren a satisfacción como la evaluación que realiza

el cliente respecto a un producto o servicio, en términos de si ese producto o
servicio respondió a sus necesidades y expectativas.

 Roest y Pieters (1997) definieron satisfacción como un concepto relativo que

involucra componentes cognitivos y afectivos, que está relacionado con el cliente,
principalmente a través de transacciones, e incorpora una evolución de beneficios
y sacrificios.

 Danaher y Haddrell (1996) dicen que la satisfacción de los clientes con los
servicios de la organización, está basada en todos los encuentros de los clientes
con esa organización.

pág. 36
CAPÍTULO II. MÉTODOS Y MATERIALES.
PROCEDIMIENTO DE LA INVESTIGACIÓN
Se realizó un análisis previo de los datos para garantizar la fiabilidad de correctas
estimaciones, mediante la evaluación de valores perdidos y observaciones anómalas,
conocidos como outliers o casos atípicos. Identificándose ausencia de datos perdidos.

Tabla 1.
Estadísticas univariadas.

Valores
Variable n Media Desv. Típica
Perdidos Porcentaje
X1 336 4,90 2,017 0 ,0
X2 336 5,03 2,007 0 ,0
X3 336 5,62 2,146 0 ,0
X4 336 5,03 1,926 0 ,0
X5 336 5,93 2,162 0 ,0
X6 336 4,90 2,177 0 ,0
X7 336 4,80 1,993 0 ,0
X8 336 4,83 1,998 0 ,0
X9 336 5,11 2,234 0 ,0
X10 336 4,69 2,173 0 ,0
X11 336 5,07 2,054 0 ,0
X12 336 4,30 2,060 0 ,0
X13 336 4,32 2,086 0 ,0
X14 336 4,22 2,079 0 ,0
X15 336 3,96 2,036 0 ,0
X16 336 2,60 2,377 0 ,0
X17 336 4,86 2,119 0 ,0
X18 336 3,57 2,361 0 ,0
X19 336 5,06 2,648 0 ,0
X20 336 5,30 2,110 0 ,0
X21 336 5,13 2,239 0 ,0
X22 336 4,93 1,996 0 ,0
X23 336 5,58 2,089 0 ,0
X24 336 4,87 2,280 0 ,0
Y1 336 5,30 2,019 0 ,0
Y2 336 3,00 2,379 0 ,0
Y3 336 1,40 2,021 0 ,0
Y4 336 1,41 2,019 0 ,0

pág. 37
 Además se comprobó la existencia de casos atípicos, considerando que en una distribución
normal se espera que el 95% de los datos se alejen más o menos dos desviaciones estándar
(±2𝜎) de la media y el 5% se aleja aún más, entonces estos valores difieren del
comportamiento del resto de observaciones. Por lo tanto el valor de corte es ±2, siendo
un total de 27 casos outliers, los cuales fueron descartados. (Figura 10) (Field, A. 2013)

(-2) (+2)

VALORES N° DE CASO: VALORES N° DE CASO:

•-2,23 •282
•-2,29 •207 •2,11 •128
•-2,36 •200 •2,15 •25
•-2,39 •82 •2,18 •316
•-2,46 •204
•2,21 •29
•-2,46 •199
•-2,52 •203 •2,21 •27
•-2,52 •123 •2,24 •31
•-2,56 •206 •2,28 •122
•-2,65 •193
•2,28 •32
•-2,65 •102
•-2,85 •225 •2,51 •30
•-3,02 •205 •2,80 •214
•-3,02 •198 •2,84 •24
•-3,18 •202
•-3,25 •113

Figura 10. Especificación de los casos atípicos.

pág. 38
Luego de realizar el análisis previo de los datos, se inicia con las fases de la metodología
para el análisis de ecuaciones estructurales:

1. FASE DE LA ESPECIFICACIÓN DEL MODELO:

El modelo de ecuaciones estructurales para evaluar la satisfacción global de la población

del cercado urbano de la ciudad de Lambayeque respecto a los servicios públicos básicos
se respaldan en: el Índice Barómetro Sueco de Satisfacción del Consumidor (SCSB), y del
American Customer Satisfaction Index (ACSI) para el sector público, los mismos que se
presentan en los antecedentes de investigación.

Figura 11. Barómetro Sueco. Relaciones entre factores manifiestos y latentes.

Nota. Recuperado de Tesis “Estimación de los modelos de ecuaciones estructurales, del índice mexicano de
la satisfacción del usuario de programas sociales mexicanos, con la metodología de mínimos cuadrados
parciales”, por Gómez María, México, D.F. [2011].

El modelo del SCSB según Gómez, muestra que las causas directas de la satisfacción son
la expectativa y la percepción del desempeño (Figura 11). Según la Real Academia
Española da como significado a expectativa como la posibilidad razonable de que algo
suceda, y para la investigación no se está evaluando la posible satisfacción, sino la
percepción de la actual gestión.

pág. 39
Además la relación percepción - satisfacción también se muestra en el trabajo realizado
por Díaz & Rangel titulado “Valoración de la satisfacción ciudadana con los servicios
públicos locales en la ciudad de Cartagena de Indias D. T y C. mediante un modelo de
ecuaciones estructurales. Caso: Servicio de Educación Pública” de la Universidad de
Cartagena. Por lo tanto, en esta investigación se considera la relación de percepción de
servicios públicos básicos y satisfacción.

El modelo ACSI para el sector público muestra que la satisfacción es el efecto de las
expectativas y la calidad percibida, y como resultado de estar satisfecho se encuentra las
variables queja y confianza. (Figura 12)

Figura 12. Modelo ACSI para el sector público. Coeficientes de regresión.

Nota. Recuperado de Tesis “Estimación de los modelos de ecuaciones estructurales, del índice mexicano
de la satisfacción del usuario de programas sociales mexicanos, con la metodología de mínimos cuadrados
parciales”, por Gómez María, México, D.F. [2011].

Como ya se estableció una primera relación respecto a satisfacción entonces no se

consideran las variables calidad percibida ni expectativa. Por otro lado Gómez (2011) en
su investigación afirma que la relación de las quejas registradas y la confianza es
estadísticamente no significativa, por ende del modelo ACSI sólo se considera la variable
confianza.

pág. 40
Finalmente los servicios públicos básicos brindados en la ciudad de Lambayeque tienen
efectos en la satisfacción de la población y como resultado de ello está la confianza en la
gestión actual. (Figura 13)

Figura 13. Relaciones entre las variables del SEM.

Para la investigación se consideró ocho variables latentes, las mismas que se detallan en
la figura 14:

Variables Exógenas

Educación(𝝃 𝟏 )
Salud (ξ 2 )
Infraestructura (ξ 3 ) Percepción de los servicios
Seguridad (ξ 4 ) públicos básicos.

Limpieza y recogida de residuos (ξ 5 )

Servicio de agua-alcantarillado y alumbrado (ξ 6 )

Variables Endógenas

Satisfacción (𝜼𝟏 )
Confianza en la gestión (𝜼𝟐 )

Figura 14. Identificación de las variables latentes del SEM.

pág. 41
Para cada variable latente exógena se considera un número específico de indicadores, y
cada uno de éstos tiene un error de medición.

Variables Errores de
Variables Latentes Exógenas
Observadas Medición
X1, X2, X3, X4, X5. δ1, δ2, δ3, δ4, δ5.
Educación(𝝃 𝟏 )
X6, X7, X8, X9. δ6, δ7, δ8, δ9.
Salud (ξ 2 )
X10, X11, X12, X13. δ10, δ11, δ12, δ13.
Infraestructura (ξ 3 )
X14, X15, X16. δ14, δ15, δ16.
Seguridad (ξ 4 )
X17, X18, X19. δ17, δ18, δ19.
Limpieza y recogida de residuos (ξ5)
X20, X21, X22, X23, X24. δ20, δ21, δ22, δ23, δ24
Agua-alcantarillado y alumbrado (ξ 6)

Figura 15. Clasificación de las variables latentes exógenas del SEM.

Y para cada variable latente endógena también se consideró un número específico de

indicadores con sus respectivos errores de medición. Además cada variable endógena está
acompañado por un error de predicción.

Variables Latentes Endógenas / Variables Errores de

Error de Predicción Observadas Medición
Satisfacción (𝜼𝟏 ) -> (ζ1) 𝜀1 , 𝜀2
Y1, Y2.
Confianza en la gestión actual (𝜼𝟐 ) -> (ζ2) Y3, Y4. 𝜀3 , 𝜀4

Figura 16. Clasificación de las variables latentes endógenas del SEM.

Cabe señalar que los errores de medición y predicción en esencia representan variables no
observables, es decir se consideran como variables latentes.
En el modelo de ecuaciones estructurales planteado se muestra a las variables manifiestas
u observables representadas a través de cuadrados o rectángulos y variable latente se
representan mediante círculos o elipses. (Figura 17)

pág. 42
Figura 17. Modelo de ecuaciones estructurales.

pág. 43
El modelo antes planteado está constituido por dos submodelos: el de medida y el de
relaciones estructurales, el primero formado por seis constructos (𝜉1 , … , 𝜉6) y veintiocho
indicadores (24 indicadores “Xi” y 4 indicadores “Yi”) que definen la relación entre
variables observadas y latentes. Y la parte estructural especifica la relación entre variables
latentes. (Figura 18)

Relación de Medida
Relación Estructural

Figura 18. Partes fundamentales del modelo de ecuaciones estructurales.

pág. 44
La relación de una variable latente con una observada tiene un coeficiente de regresión
Lambda (𝜆𝑥 𝑖𝑗 , 𝜆𝑦 𝑖𝑗 ), una variable latente exógena con una endógena tienes coeficiente
Gamma (𝛾𝑖𝑗 ), y dos endógenas un coeficiente Beta 𝛽𝑖𝑗 .

Variables Latentes
Variables Observadas Coeficientes
Exógenas

ξ1 X1, X2, X3, X4, X5. 𝜆𝑥 11 , 𝜆𝑥 21 , 𝜆𝑥 31 , 𝜆𝑥 41, 𝜆𝑥 51.

ξ2 X6, X7, X8, X9. 𝜆𝑥 62 , 𝜆𝑥 72 , 𝜆𝑥 82 𝑦 𝜆𝑥 92.
ξ3 X10, X11, X12, X13. 𝜆𝑥 103 , 𝜆𝑥 113 , 𝜆𝑥 123 , 𝜆𝑥 133 .
ξ4 X14, X15, X16. 𝜆𝑥 144 , 𝜆𝑥 154 , 𝜆𝑥 164 .
ξ5 X17, X18, X19. 𝜆𝑥 175 , 𝜆𝑥 185 , 𝜆𝑥 195.
ξ6 X20, X21, X22, X23, X24. 𝜆𝑥 206 , 𝜆𝑥 216 , 𝜆𝑥 226 , 𝜆𝑥 236 , 𝜆𝑥 246.

Variables Latentes
Variables Observadas Coeficientes
Endógenas

𝜼𝟏 Y1, Y2. 𝜆𝑦 11 , 𝜆𝑦 21 .

𝜼𝟐 Y3, Y4. 𝜆𝑦 32 , 𝜆𝑦 42 .

Variables Latentes Variables Latentes

Coeficientes
Exógenas Endógenas

ξ 1, ξ 2 , ξ 3,
𝜂1 𝛾11 , 𝛾12 , 𝛾13 , 𝛾14 , 𝛾15 , 𝛾16 .
ξ 4, ξ 5, ξ 6

Variables Latentes Variables Latentes

Coeficientes
Endógenas Endógenas

𝜼𝟏 𝜂2 𝛽21

Figura 19. Coeficientes de Regresión del modelo de ecuaciones estructurales.

pág. 45
Figura 20. Modelo de ecuaciones estructurales propuesto con los coeficientes de relación.

pág. 46
Se sabe que un modelo de ecuaciones estructurales lo constituye el de medida y de
relaciones estructurales. Las relaciones de ambos submodelos se pueden expresar
mediante una serie de ecuaciones. El primero de ellos la ecuación de las variables
exógenas es: Xi = 𝜆 X * ξ + δ y endógenas Yi = 𝜆 Y * η + ε. (Figura 21)

Xi=ΛX * ξ + δ Yi = ΛY * η + ε
𝑿𝟏 = 𝝀𝒙 𝟏𝟏 ∗ 𝝃𝟏 + 𝜹𝟏 𝑋13 = 𝜆𝑥 133 ∗ 𝜉3 + 𝛿13 𝑌1 = λ𝑦 11 ∗ 𝜂1 + 𝜀1
𝑿𝟐 = 𝝀𝒙 𝟐𝟏 ∗ 𝝃𝟏 + 𝜹𝟐 𝑋14 = 𝜆𝑥 144 ∗ 𝜉4 + 𝛿14 𝑌2 = 𝜆𝑦 21 ∗ 𝜂1 + 𝜀2
𝑿𝟑 = 𝝀𝒙 𝟑𝟏 ∗ 𝝃𝟏 + 𝜹𝟑 𝑋15 = 𝜆𝑥 154 ∗ 𝜉4 + 𝛿15 𝑌3 = 𝜆𝑦 32 ∗ 𝜂2 + 𝜀3
𝑿𝟒 = 𝝀𝒙 𝟒𝟏 ∗ 𝝃𝟏 + 𝜹𝟒 𝑋16 = 𝜆𝑥 164 ∗ 𝜉4 + 𝛿16 𝑌4 = 𝜆𝑦 42 ∗ 𝜂2 + 𝜀4

𝑿𝟓 = 𝝀𝒙 𝟓𝟏 ∗ 𝝃𝟏 + 𝜹𝟓 𝑋17 = 𝜆𝑥 175 ∗ 𝜉5 + 𝛿17

𝑿𝟔 = 𝝀𝒙 𝟔𝟐 ∗ 𝝃𝟐 + 𝜹𝟔 𝑋18 = 𝜆𝑥 185 ∗ 𝜉5 + 𝛿18

𝑿𝟕 = 𝝀𝒙 𝟕𝟐 ∗ 𝝃𝟐 + 𝜹𝟕 𝑋19 = 𝜆𝑥 195 ∗ 𝜉5 + 𝛿19
𝑿𝟖 = 𝝀𝒙 𝟖𝟐 ∗ 𝝃𝟐 + 𝜹𝟖 𝑋20 = 𝜆𝑥 206 ∗ 𝜉6 + 𝛿20
𝑿𝟗 = 𝝀𝒙 𝟗𝟐 ∗ 𝝃𝟐 + 𝜹𝟗 𝑋21 = 𝜆𝑥 216 ∗ 𝜉6 + 𝛿21
𝑿𝟏𝟎 = 𝝀𝒙 𝟏𝟎𝟑 ∗ 𝝃𝟑 + 𝜹𝟏𝟎 𝑋22 = 𝜆𝑥 226 ∗ 𝜉6 + 𝛿22
𝑿𝟏𝟏 = 𝝀𝒙 𝟏𝟏𝟑 ∗ 𝝃𝟑 + 𝜹𝟏𝟏 𝑋23 = 𝜆𝑥 236 ∗ 𝜉6 + 𝛿23
𝑿𝟏𝟐 = 𝝀𝒙 𝟏𝟐𝟑 ∗ 𝝃𝟑 + 𝜹𝟏𝟐 𝑋24 = 𝜆𝑥 246 ∗ 𝜉6 + 𝛿24

Figura 21. Ecuaciones lambda - X (𝜆 x) - Y (𝜆 y) de los SEM.

La cantidad de ecuaciones del modelo de relaciones estructurales será la misma que el nº

variables latentes endógenas haya en el modelo por lo tanto existe dos ecuaciones. Estas
ecuaciones describen el modelo de relaciones estructurales. La estructura que siguen estas
ecuaciones se expresan de la siguiente manera:

𝜼𝒊 = 𝜝𝜼 + 𝜞𝝃 + 𝜻
𝜼𝟏 = 𝜸𝟏𝟏 ∗ 𝝃𝟏 + 𝜸𝟏𝟐 ∗ 𝝃𝟐 + 𝜸𝟏𝟑 ∗ 𝝃𝟑 + 𝜸𝟏𝟒 ∗ 𝝃𝟒 + 𝜸𝟏𝟓 ∗ 𝝃𝟓 + 𝜸𝟏𝟔 ∗ 𝝃𝟔 + 𝜻𝟏
𝜼𝟐 = 𝜷𝟐𝟏 ∗ 𝜼𝟏 + 𝜻𝟐

Figura 22. Ecuaciones de relación estructural.

pág. 47
2. FASE DE LA IDENTIFICACIÓN DEL MODELO

En el modelo se fijó con valor 1 a la relación de los errores de medida con sus indicadores,
y también la primera relación de cada grupo de variables latentes exógenas con sus
indicadores respectivos. El software AMOS fija de manera automática. Esta operación se
realiza con el fin de fijar la escala y obtener estimadores únicos y de fácil interpretación.
(Figura 23)

Figura 23. Modelo de ecuaciones estructurales con valores fijados.

pág. 48
Los parámetros a estimar son los coeficientes de regresión y las variaciones de variables
latentes y errores, por lo tanto el modelo estimó: veintisiete coeficientes de regresión, seis
varianzas de las variables exógenas y treinta varianzas de los errores; en total 63
parámetros (P).

El número de covarianzas que se establecen entre las variables observables es 406, siendo
el valor G de 343 (K=406 y P=63). De esta manera, se tiene un modelo identificable (G
> 0), esto indica que se puede estimar y realizar el contraste de los parámetros.

En el resumen de los parámetros visualizamos que hay 65 coeficientes de regresión, 38 de

los cuales son fijos, 27 estimados y 36 varianzas.

Tabla 2.
Resumen de parámetros del SEM.

Resumen de Parámetros

Parámetros Pesos de Regresión Covarianzas Varianzas

Fijo 38 0 0

Estimados 27 0 36

Totales 65 0 36

pág. 49
Figura 24. Coeficientes de regresión en el SEM inicial.

pág. 50
Número total de variables en el modelo (Figura 25)

Categoría Nº de Variables

Nº de variables en el modelo 66

Nº de variables observadas 28

Nº de variables no observadas 38

Nº de variables exógenas 36

Nº de variable endógenas 30

Figura 25. Número de variables según clasificación del SEM.

De acuerdo con el modelo, las variables observadas (X1 - X24, Y1 –Y4) y las latentes (η1,
η2) funcionan como variables endógenas (Dependientes), variables latentes (ξ1 – ξ6) y los
términos de error (δ1 - δ24, ε1 – ε4 y ζ1 - ζ2) funcionan como variables exógenas
(Independientes). Ver figura 26.

Variables Endógenas Exógenas

X1, … ,X24
Observadas -
Y1, … ,Y4

ξ1 , … , ξ6
η1 δ1 , … , δ24
No observadas
η2 ε1 , … , ε4
ζ1, … ,ζ2

Figura 26. Tipos de variables utilizadas en el SEM.

pág. 51
3. FASE DE LA ESTIMACIÓN DE PARÁMETROS

En los SEM hay diferentes métodos para la estimación de parámetros entre los cuales se
encuentran: Máxima verosimilitud (Maximum Likelihood - ML), Mínimos cuadrados no
ponderados (Unweighted Least Squares - ULS), Mínimos cuadrados generalizados
(Generalized Least Squares - GLS), Distribución libre asintótica (Asymptotically
Distribution Free - ADF), entre otros, cada uno de ellos bajo ciertos supuestos que se debe
cumplir. Siendo el método de máxima verosimilitud el más utilizado y eficiente. La
mayoría de estos métodos requiere comprobar la Normalidad Multivariada de los datos.

De manera gráfica se observa que los datos tienden a una distribución normal (Figura 27),
dada la subjetividad de este procedimiento se ha desarrollado test específico para su
contraste. Según la naturaleza de los datos y el tamaño de muestra se utilizó la prueba de
normalidad multivariada de Mardia para su evaluación. Procediendo al análisis con el
software R-Studio se obtuvo un valor “p” de 0.199, esto indica que la muestra no es
estadísticamente distinta de la distribución normal multivariada. (Figura 27)
Frecuencia

Puntuación de Variables

Figura 27. Distribución normal de los datos.

pág. 52
Comprobada la normalidad de los datos, se realizó la estimación de parámetros utilizando
el software AMOS, mediante el Método de Máxima Verosimilitud.

Figura 28. Modelo inicial de SEM con estimador de ML.

pág. 53
En la figura 28 se observa que la mayoría de los servicios públicos básicos impactan de
manera positiva en la satisfacción a excepción de la seguridad, siendo más significativa la
relación con el servicio de “agua, alcantarillado, alumbrado” y menos significativos
educación e infraestructura.

Además existe una relación inversa respecto a la confianza, esto indica poca satisfacción
de la población (-0,17).

Por otro lado, la presencia de las varianzas negativas de épsilon 1 y 3 (-1,06 y -0,54
respectivamente) indican que el modelo es incorrecto para los datos. Esto se confirma al
evaluar los índices de bondad de ajuste del modelo.

El SEM está constituido por dos submodelos; uno de medida y de relaciones estructurales.
Las variables latentes están relacionadas con las variables observables a través del modelo
de medida, siendo la ecuación de las variables exógenas Xi = 𝜆 X ξ + δ y de las endógenas
Yi = 𝜆 Y η + ε.

Los valores de los coeficientes de las ecuaciones son significativos, siendo los ítems más
influyentes en los servicios públicos básicos: X3 para educación, X8 para salud, X10 para
infraestructura, X15 para seguridad, X19 para limpieza y X21 para agua.

pág. 54
 Variables Latentes Ecuación del modelo de medida.
exógenas que miden Variables Exógenas
Ítems Xi Xi=ΛX * ξ + δ  Resultado
𝑋1 = 𝜆𝑥 11 ∗ 𝜉1 + 𝛿1  𝑋1 = 1.00 ∗ 𝜉1 + 2.23
𝑥
𝑋2 = 𝜆 21 ∗ 𝜉1 + 𝛿2  𝑋2 = 1.11 ∗ 𝜉1 + 1.72
Educación (𝝃𝟏 ) 𝑋3 = 𝜆𝑥 31 ∗ 𝜉1 + 𝛿3  𝑋3 = 1.23 ∗ 𝜉1 + 1.82
𝑋4 = 𝜆𝑥 41 ∗ 𝜉1 + 𝛿4  𝑋4 = 0.91 ∗ 𝜉1 + 1.93
𝑋5 = 𝜆𝑥 51 ∗ 𝜉1 + 𝛿5  𝑋5 = 1.08 ∗ 𝜉1 + 2.31
𝑋6 = 𝜆𝑥 62 ∗ 𝜉2 + 𝛿6  𝑋6 = 1.00 ∗ 𝜉2 + 2.02
𝑥 
𝑋7 = 𝜆 72 ∗ 𝜉2 + 𝛿7 𝑋7 = 1.04 ∗ 𝜉2 + 1.06
Salud (𝝃𝟐 )
𝑋8 = 𝜆𝑥 82 ∗ 𝜉2 + 𝛿8  𝑋8 = 1.18 ∗ 𝜉2 + 0.40
𝑋9 = 𝜆𝑥 92 ∗ 𝜉2 + 𝛿9  𝑋9 = 0.70 ∗ 𝜉2 + 3.40
𝑋10 = 𝜆 𝑥
103 ∗ 𝜉3 + 𝛿10  𝑋10 = 1.00 ∗ 𝜉3 + 2.53
𝑋11 = 𝜆𝑥 113 ∗ 𝜉3 + 𝛿11  𝑋11 = 0.76 ∗ 𝜉3 + 2.52
Infraestructura (𝝃𝟑 )
𝑋12 = 𝜆𝑥 123 ∗ 𝜉3 + 𝛿12  𝑋12 = 0.91 ∗ 𝜉3 + 2.08
𝑥 
𝑋13 = 𝜆 133 ∗ 𝜉3 + 𝛿13 𝑋13 = 0.62 ∗ 𝜉3 + 3.02
𝑋14 = 𝜆𝑥 144 ∗ 𝜉4 + 𝛿14  𝑋14 = 1.00 ∗ 𝜉4 + 1.53
Seguridad (𝝃𝟒 ) 𝑋15 = 𝜆𝑥 154 ∗ 𝜉4 + 𝛿15  𝑋15 = 1.26 ∗ 𝜉4 + 0.07
𝑋16 = 𝜆 𝑥
164 ∗ 𝜉4 + 𝛿16  𝑋16 = 0.61 ∗ 𝜉4 + 4.58
𝑋17 = 𝜆 𝑥
175 ∗ 𝜉5 + 𝛿17  𝑋17 = 1.00 ∗ 𝜉5 + 2.86
Limpieza (𝝃𝟓 ) 𝑋18 = 𝜆𝑥 185 ∗ 𝜉5 + 𝛿18  𝑋18 = 1.17 ∗ 𝜉5 + 3.78
𝑥 
𝑋19 = 𝜆 195 ∗ 𝜉5 + 𝛿19 𝑋19 = 1.44 ∗ 𝜉5 + 4.33
𝑋20 = 𝜆 𝑥
206 ∗ 𝜉6 + 𝛿20  𝑋20 = 1.00 ∗ 𝜉6 + 2.02
𝑋21 = 𝜆𝑥 216 ∗ 𝜉6 + 𝛿21  𝑋21 = 1.19 ∗ 𝜉6 + 1.64
Agua (𝝃𝟔 ) 𝑋22 = 𝜆𝑥 226 ∗ 𝜉6 + 𝛿22  𝑋22 = 0.91 ∗ 𝜉6 + 1.76
𝑋23 = 𝜆𝑥 236 ∗ 𝜉6 + 𝛿23  𝑋23 = 0.97 ∗ 𝜉6 + 1.93
𝑋24 = 𝜆𝑥 246 ∗ 𝜉6 + 𝛿24  𝑋24 = 1.09 ∗ 𝜉6 + 2.22
Figura 29. Ecuación del modelo de medida de variables exógenas del SEM inicial.

pág. 55
En el modelo de medida de las ecuaciones de las variables endógenas, hay valores
negativos en las varianzas de los errores como 𝜀1 = −1.06 y 𝜀3 = −0.54 . Torsten (2011)
afirma que las varianzas negativas indican que el modelo es fundamentalmente incorrecto
para los datos. Esto es un indicio que se debe mejorar el ajuste del modelo planteado.
(Figura 30)

Variables Latentes Ecuación del modelo de medida.

endógenas que miden Ítems Variables Endógenas
Yi
X =ΛX * ξ + δ  Resultado
i

𝑌1 = 𝛌𝒚 𝟏𝟏 ∗ 𝜂1 + 𝜀1  𝑌1 = 𝟏. 𝟎𝟎 ∗ 𝜂1 + (−1.06)
Satisfacción (𝜼𝟏 )
𝑌2 = 𝜆𝑦 21 ∗ 𝜂1 + 𝜀2  𝑌2 = 0.15 ∗ 𝜂1 + 5.07

𝑌3 = 𝝀𝒚 𝟑𝟐 ∗ 𝜂2 + 𝜀3  𝑌3 = 𝟏. 𝟎𝟎 ∗ 𝜂2 + (−0.54)
Confianza (𝜼𝟐 )
𝑌4 = 𝜆𝑦 42 ∗ 𝜂2 + 𝜀4  𝑌4 = 0.84 ∗ 𝜂2 + 0.74

Figura 30. Ecuación del modelo de medida de variables endógenas del SEM inicial.

Por otro lado, en el modelo de relaciones estructurales las ecuaciones se definen con la
expresión 𝜂𝑖 = 𝛣𝜂 + 𝛤𝜉 + 𝜁. El número de ecuaciones estará determinada por el número
de variables latentes endógenas establecidas en el modelo.
La estructura que siguen éstas ecuaciones se expresan de la siguiente manera:

Variables Ecuación del modelo de relaciones estructurales

Latentes
𝜼𝒊 = 𝜝𝜼 + 𝜞𝝃 + 𝜻
Endógenas
𝜼𝟏 = 𝛾11 ∗ 𝜉1 + 𝛾12 ∗ 𝜉2 + 𝛾13 ∗ 𝜉3 + 𝛾14 ∗ 𝜉4 + 𝛾15 ∗ 𝜉5 + 𝛾16 ∗ 𝜉6 + 𝜁1
Satisfacción (𝜼𝟏 )
 𝜂1 = 0.05𝜉1 + 0.20𝜉2 + 0.03𝜉3 + (−0.06)𝜉4 + 0.17𝜉5 + 0.65𝜉6 + 3.34

𝜼𝟐 = 𝛽21 ∗ 𝜂1 + 𝜁2
Confianza (𝜼𝟐 )
 𝜂2 = −0.17𝜂1 + 4.34

Figura 31. Ecuación del modelo de relaciones estructurales del SEM inicial.

pág. 56
4. FASE DE ANALISIS DE LA ADECUACION DEL MODELO

Una vez realizada la estimación de parámetros, es necesario evaluar si el modelo

propuesto es adecuado. Para ello se considera analizar las siguientes medidas de ajuste: el
estadístico Chi-cuadrado, índice de bondad de ajuste (Goodness of Fit Index- -GFI), índice
GFI ajustado (Adjusted Goodness Fit Index - AGFI), índice de criterio de información de
Akaike (Akaike Information Criterion - AIC) y el índice de la raíz media cuadrática del
error de especificación (Root Mean Square Error of Aproximation - RMSEA).

Tabla 3.
Índices de bondad de ajuste del modelo inicial.

Indicador Valor Calculado Resultado

Chi Cuadrado X 2 1253,86

No Aceptable
X 2 /G 3,66

GFI 0,77 No Aceptable

AGFI 0,73 No Aceptable

AIC 1379,86 -

RMSEA 0,09 Ajuste Aceptable

Con relación a los índices, se tiene un Chi Cuadrado de 1253,86 siendo éste un valor
superior a 3G, lo que indica que existe discrepancia entre las matrices. Al analizar el valor
del cociente 𝑋 2 entre el valor G (G = 343) se confirma que el modelo es no aceptable. Del
mismo modo los índices GFI y AGFI cuyos valores 0,77 y 0,73 son inferiores a los
mínimos requeridos. Por otro lado el valor del RMSEA de 0,09 se encuentra dentro del
límite de un ajuste aceptable. Por ende los índices analizados del modelo inicial indican
un problema de ajuste, esto quiere decir que no es el adecuado.

pág. 57
REESPECIFICACIÓN DEL MODELO

Es necesario re-especificar el modelo planteado para mejorar el ajuste. Para ello la opción
que proporciona el software Amos “Índices de Modificación” (MIs) plantea posibles
relaciones, además las variables que pueden eliminarse y las mejoras que se obtendría con
cada modificación realizada.

Tabla 4.
Posibles relaciones planteada por Software AMOS.

Relaciones M.I. Conclusiones

Infraestructura <-> Limpieza 51,16 Se estableció relación de covarianza.
Educación <-> Agua 37,24 Se estableció relación de covarianza.
Educación <-> Infraestructura 32,28 Se estableció relación de covarianza.
Infraestructura <-> Seguridad 27,58 Se estableció relación de covarianza.
Epsilon2 <-> Zeta2 12 Se estableció relación de covarianza.
Salud <-> Seguridad 8,37 Se estableció relación de covarianza.
Educación <-> Seguridad 7.39 Se estableció relación de covarianza.
Limpieza <-> Agua 5,7 Se estableció relación de covarianza.
Infraestructura <-> Agua 4,75 Se estableció relación de covarianza.
Delta2 <-> Delta6 26,9 Por criterio se elimina X2.
Delta3 <-> Delta5 49,03 Por criterio se elimina X5.
X9 <- Limpieza 13,45 Por criterio se elimina X9.
Delta1 <-> Delta12 12,35 Por criterio se elimina X12.
Delta13 <-> Delta24 13,15 Por criterio se elimina X13.
X18 <- X16 61,18 Por incoherencia, se elimina X16.
X16 <- X18 56,84 Por incoherencia, se elimina X18.
Delta1 <-> Delta20 12,4 Por criterio se elimina X20.
Delta22 <-> Infraestructura 13,36 Por criterio se elimina X22.
Delta23 <-> Delta24 16,45 Por criterio se elimina X24.

pág. 58
La opción MIs plantea establecer relaciones de covarianzas entre las variables:
infraestructura (ξ3) – limpieza (ξ5), educación (ξ1) – agua (ξ6), educación (ξ1) –
infraestructura (ξ3), infraestructura (ξ3) – seguridad (ξ4), 𝜀2 - 𝜁2 , salud (ξ2) - seguridad (ξ4),
educación (ξ1) – seguridad (ξ4), limpieza (ξ5) - agua (ξ6), infraestructura (ξ3) – agua (ξ6);
al incorporar estas relaciones las discrepancias disminuirán según los valores que muestra
la tabla 4. Por otro lado hay relaciones incoherentes entre las variables X16 - X18, por lo
tanto se eliminan al igual que X2, X5, X9, X12, X13, X20, X22, X24.

Tabla 5.
Índices de bondad de ajuste del modelo final.

Estimación de Parámetros
Indicador Valor Calculado Resultado
Chi Cuadrado 𝑋 2 227,55
Buen ajuste
𝑋2/ G 1,91
GFI 0,93 Ajuste aceptable
AGFI 0,89 Ajuste aceptable
AIC 331,55 Ajuste aceptable
RMSEA 0,05 Ajuste aceptable

Con las modificaciones el ajuste del SEM planteado mejora significativamente, logrando
que los índices superen el valor mínimo requerido. Del modelo final se obtiene un Chi
Cuadrado de 227,55 siendo inferior a 2G, además que el cociente 𝑋 2 entre el valor G (G
= 119) indican que el modelo presenta un buen ajuste. Por otro lado los índices GFI, AGFI
y RMSEA cuyos valores 0,93; 0,89 y 0,05 respectivamente se encuentran dentro de los
límites de un ajuste aceptable. Y el índice de criterio de información AIC (331,55) es más
pequeño al valor del modelo inicial, indicando un mejor modelo. Por ende los índices
analizados del SEM son adecuados.

El modelo de ecuaciones estructurales óptimo para la evaluación de la satisfacción global

de la población del cercado urbano acerca de los servicios públicos básicos ofrecidos en
la ciudad de Lambayeque, y sus parámetros estimados se muestran en la figura 32.

pág. 59
Figura 32. Modelo de ecuaciones estructurales óptimo.

pág. 60
ELEMENTOS MUESTRALES O UNIDADES DE ESTUDIO

Se delimita a la población para la investigación a todos los residentes del cercado urbano
de la ciudad de Lambayeque, entre hombres y mujeres de 18 y 70 años de edad. Teniendo
como unidad de análisis a los residentes de las 2575 viviendas, unidades de muestreo a las
viviendas y como marco muestral el plano del cercado urbano de la ciudad de Lambayeque
solicitado en la municipalidad provincial.

El tamaño de muestra se obtuvo mediante la fórmula de población conocida, con una

confianza del 95% y un error máximo de 0,05. Asignando un valor de 0,5 a P y Q, dado
que el factor de muestreo (15%) es mayor al 5% se corrige el tamaño de muestra inicial
obteniendo como resultado una muestra de 335 viviendas. Además se consideró el criterio
respaldado por el INEI de trabajar con 8 viviendas por manzana en zonas urbanas,
seleccionando un total de 42 manzanas. Para seleccionar los elementos muestrales se
siguió el procedimiento del Muestreo Aleatorio Sistemático, la primera etapa implicó
elegir las 42 manzanas sin considerar las áreas comerciales o los destinados para otros
fines, éstas fueron seleccionadas de manera aleatoria considerando el valor acumulado.
Finalmente se realiza la selección de las viviendas.

INSTRUMENTO

Como instrumento de medición se aplicó un cuestionario integrado por preguntas cerradas

que cuenta con 28 ítems en escala tipo Likert de 0 a 10, donde 0 supone la peor valoración
y 10 la mejor valoración. Estos ítems están agrupados de tal manera que influyan en la
percepción de los diferentes servicios públicos básicos considerados en la investigación
además que contribuyen a la evaluación de la satisfacción global.

pág. 61
 Escala de Instrumento de
Variable Dimensión Indicadores Medición Medición
Número de instituciones educativas públicas-Colegios.
Acceso al servicio educativo en instituciones públicas-Colegios.
EDUCACION Acceso al servicio educativo en la universidad Pedro Ruiz Gallo. 1, 2, 3, 4, 5
Nivel académico en colegios públicos.
Nivel académico en la universidad Pedro Ruiz Gallo.
Acceso al servicio público en la posta médica.
Acceso al servicio público en hospital.
SALUD 6, 7, 8, 9
Atención que se ofrece en posta y hospital.
Higiene y aseo de las instalaciones de la posta y hospital.
Pavimentación de las vías en la ciudad.
Estado de parques y áreas verdes.
INFRAESTRUCTURA 10, 11, 12, 13
Señalización en las calles de la ciudad.
Acceso a estadio y piscina pública.
SATISFACCION Seguridad que brinda la policía nacional. Escala Likert
GLOBAL SEGURIDAD Seguridad que brinda el serenazgo. (0 -10) 14, 15, 16
Implementación de cámaras.
LIMPIEZA Y Limpieza de parques, calles y veredas.
RECOGIDA DE Número de contenedores para el depositar la basura en la ciudad. 17, 18, 19
RESIDUOS Frecuencia con la que pasa el carro recolector de basura.
Abastecimiento del servicio de agua.
AGUA, Montos pagados en el recibo de agua.
ALCANTARILLADO Y Red de alcantarillado en la ciudad. 20, 21, 22, 23, 24
ALUMBRADO Acceso al servicio de alumbrado público.
Montos pagados en el recibo de luz.
Calidad de vida en la ciudad.
SATISFACION 25, 26
Administración y gestión actual
CONFIANZA EN LA Volver a elegir a las autoridades actuales
27, 28
GESTIÓN Recomendación de la gestión de las autoridades actuales
Figura 33. Cuadro de Operacionalización de variables.

pág. 62
ANÁLISIS DE LA CONFIABILIDAD DEL INSTRUMENTO

Un aspecto importante en la investigación es el análisis de la confiabilidad de un

instrumento que se refiere al grado en que su aplicación repetida produzca resultados
iguales. Dada la naturaleza de las variables consideradas en la investigación, se evaluó la
confiabilidad del instrumento usando el procedimiento de consistencia interna mediante
el Alfa Ordinal. El valor del coeficiente obtenido es de 0.8095, evidenciando fiabilidad
del instrumento por ser mayor a 0.8. Ademas existe 5% de posibilidades que el alfa ordinal
este por debajo del 0.67.

Tabla 6.

Estadístico de fiabilidad del instrumento.

ALFA
ORDINAL 0.8095
PROBABILIDAD (q)
ALPHAMIN VALOR (q)
.9000 0.8713
.8000 0.4186
.7000 0.1009
.6700 0.0572
.6000 0.0138
.5000 0.0017

ANÁLISIS DE VALIDEZ DEL INSTRUMENTO

Otro de los aspectos relevantes es realizar el análisis de validez para determinar el grado
en que un instrumento mide las variables que se pretende medir en la investigación, ello
se determina mediante el procedimiento estadístico multivariante a través del análisis de
factores. (Tabla 7)

pág. 63
 Tabla 7.
Análisis de Factores para la validez del instrumento.

Componentes
Ítems del Cuestionario
1 2 3 4 5 6 7
Los montos pagados en el recibo de agua. (X21) ,807 ,079 ,015 ,066 ,046 ,074 ,111
El acceso al servicio de alumbrado público. (X23) ,772 ,220 ,112 -,142 -,024 ,080 ,027
Los montos pagados en el recibo de luz. (X24) ,765 ,160 -,019 ,096 ,042 ,000 ,143
El abastecimiento de agua. (X20) ,756 ,191 ,012 ,144 ,041 ,184 -,079
La red de alcantarillado en la cuidad. (X22) ,708 ,264 ,044 ,101 ,099 ,217 -,034
La calidad de vida en la cuidad. (Y1) ,658 ,139 ,195 -,018 -,089 ,179 ,190
El acceso al servicio educativo en la UNPRG. (X3) ,241 ,764 ,141 ,103 -,096 -,094 ,214
El nivel académico de colegios públicos. (X4) ,161 ,742 ,109 ,056 ,049 ,192 -,005
El nivel académico de la UNPRG. (X5) ,286 ,717 ,151 -,077 -,042 -,010 ,260
El número de Instituciones educativas públicas. (X1) ,164 ,710 ,004 ,165 -,039 ,198 -,115
El acceso al servicio educativo de I.E. Públicas. (X2) ,189 ,709 ,150 ,193 ,073 ,236 -,037
La atención ofrecida en posta médica y hospital. (X8) ,050 ,050 ,902 ,126 ,033 ,132 ,102
El acceso al servicio del hospital (X7) ,058 ,113 ,859 ,199 -,025 ,068 ,114
El acceso al servicio en la posta médica. (X6) ,032 ,126 ,779 ,122 ,040 ,182 ,036
La higiene y aseo en las instalaciones de la posta y hospital. (X9) ,109 ,136 ,714 ,031 ,067 -,083 -,138
La seguridad que brinda el serenazgo. (X15) ,066 ,084 ,201 ,843 ,112 ,096 ,081
La seguridad que brinda la policía(X14) ,065 ,154 ,196 ,826 ,105 ,133 ,035
El acceso al estadio y piscina pública. (X13) ,106 ,174 ,164 ,531 -,059 ,222 ,383
Recomendaría la gestión de las autoridades actuales. (Y4) -,003 -,015 ,038 ,116 ,954 ,049 ,089
Volvería a elegir a las autoridades actuales. (Y3) -,036 -,050 ,038 ,153 ,948 ,028 ,069
La administración y gestión actual. (Y2) ,253 ,029 ,072 -,046 ,571 ,139 ,420
La pavimentación de las vías en la ciudad. (X10) ,164 ,232 ,056 ,233 ,089 ,752 -,009
El cuidado de los parques y las áreas verdes. (X11) ,223 ,167 ,125 ,087 ,014 ,692 ,148
La señalización en las calles de la cuidad. (X12) ,090 ,187 ,026 ,399 ,251 ,449 ,304
El n° de comedores para depositar la basura en la cuidad(X18) ,062 ,140 -,106 ,260 ,247 ,149 ,695
La implementación de las cámaras (X16) -,073 -,005 ,010 ,501 ,225 -,119 ,598
La limpieza de parques, calles y veredas. (X17) ,266 ,039 ,193 -,113 -,007 ,464 ,482
La frecuencia con la que pasa el carro recolector de basura. (X19) ,256 -,012 ,111 ,055 ,070 ,414 ,468

pág. 64
Del análisis de factores realizado se obtiene 7 iteraciones, donde el primer factor tiene
relación con aspectos referentes al servicio de Agua, alcantarillado y alumbrado a
excepción de la variable Y1, el factor dos relacionado con Educación pública, el tercer
factor con el servicio de Salud, para el cuarto factor las variables X14 y X15 excluyendo a
la variable X13 reflejaría el servicio de Seguridad, el factor cinco constituido por Y3, Y4 y
Y2 englobando a la Confianza, el sexto factor incluyen tres variables que describen al
servicio de Infraestructura, por último el factor siete conformaría el servicio de limpieza
sin considerar la variable X16. Una vez comprobado que las variables planteadas se pueden
resumir en factores, se tomó en cuenta el criterio del investigador de tal modo que se
estructure de manera adecuada el cuestionario y resulte eficaz para la investigación.

pág. 65
CAPÍTULO III. RESULTADOS Y DISCUSIÓN.

Después de la aplicación del instrumento se determina el perfil de los encuestados según

género, edad y grado de instrucción considerados en el análisis del modelo de ecuaciones
estructurales óptimo.

En la muestra como objeto de investigación, la mayoría de ciudadanos fueron del género

femenino (54%), y el porcentaje restante masculinos (46%). (Figura 34)

Masculino
46%
Femenino
54%

Figura 34. Porcentaje de residentes encuestados según género. Abril 2018

La mayoría de participantes en la encuesta es relativamente joven, siendo más de la mitad

entre los 18 y 44 años. La edad predominante oscila entre 31 – 44 (32%) y un menor
porcentaje de personas adultas mayores a 57 años. (17%). (Figura 35)

pág. 66
 35%
Porcentaje de encuestados
30%

25%

20%

15%
28% 32% 23% 17%
10%

5%

0%
18-31 31-44 44-57 57-70
Edad

Figura 35. Distribución porcentual de los encuestados según edad. Abril 2018.

Para el análisis del grado de instrucción se ha considerado 11 categorias, donde la mayor

parte de los encuestados tiene por instrucción un oficio (62%), con un mínimo de
profesionales en electricidad, computación, mecánica y [Link]. Entre estudiantes y
jubilado representan menos de la cuarta parte (14%). Ver anexos para el detalle de las
categorías según grado de instrucción.
Profesional en [Link] 1%

Profesional en Mecánica 1%

Profesional en Computación 1%
Grado de Instrucción

Profesional en Electricidad 1%

Profesional en Derecho 2%

Profesional en Salud 4%

Profesional en Educación 5%

Profesional en Administración y Contabilidad 5%

Profesional en Ingenieria y Arquitectura 5%

Estudiante / Jubilado (a) 14%

Oficio 61%

0% 10% 20% 30% 40% 50% 60% 70%

Porcentaje

Figura 36. Porcentaje de los encuestados según grado de instrucción. Abril 2018.

pág. 67
Para la edad hay cuatro intervalos considerados, donde se observa que los tres primeros
hay una ligera predominancia del género femenino. Mientras que el intervalo de 57-70
años más del 50% del género masculino. (Figura 37)

100%
90%
80%
44% 45% 46% 51%
70%
Porcentaje

60%
50%
Femenino
40%
Masculino
30%
56% 55% 54% 49%
20%
10%
0%
18-31 31-44 44-57 57-70
Edad

Figura 37. Clasificación de los encuestados por edad según género. Abril 2018.

De los profesionales encuestados sólo hay presencia del género masculino en mecánica,
electricidad y [Link]. Mientras que en salud, computación y oficios hay mayor porcentaje
de mujeres que varones. Y en las demás predominan varones.

Profesional en Salud 67% 33%

Profesional en Mecánica 0% 100%
Profesional en Ingenieria y Arquitectura 11% 89%
Grado de Instrucción

Profesional en [Link] 0% 100%

Profesional en Electricidad 0% 100%
Profesional en Educación 47% 53%
Profesional en Derecho 29% 71%
Profesional en Computación 67% 33%
Profesional en Administración y Contabilidad 47% 53%
Oficio 62% 38%
Estudiante / Jubilado (a) 47% 53%

0% 20% 40% 60% 80% 100%

F M
Porcentaje

Figura 38. Genero según el grado de instrucción de los encuestados. Abril 2018.
pág. 68
En el modelo de ecuaciones estructurales óptimo hay un total de 46 variables, de ellos 18
son variables observadas o manifiestas acompañadas de un error de medición, y 28
latentes. Además, según la función de las variables en el SEM hay 26 variables exógenas
y 20 endógenas. Cada variable latente está medida por dos o tres ítems.

De acuerdo al modelo, las variables observadas (Xi, Yi) y las latentes (η1, η2) funcionan
como variables endógenas, variables latentes (ξ1 – ξ6) y los términos de error (δi, εi y ζi)
funcionan como variables exógenas.

En el modelo óptimo hay un total de 52 parámetros (P) estimados, divididos en 17

coeficientes de regresión (𝜆𝑥 𝑖𝑗 𝜆𝑦 𝑖𝑗 ), 6 varianzas de las variables latentes exógenas, 20
varianzas de los errores y 9 covarianzas (Φij, Θij). Una vez establecido los paramentos
obtenemos que el modelo es identificable, dado que la diferencia entre el valor de K y P
es mayor a 0. (K = 171 y P = 52). Esto asegura estimadores únicos y fácil interpretación.

El SEM óptimo y sus coeficientes de regresión y covarianza están identificados en la

figura 39.

pág. 69
Figura 39. Coeficientes de regresión y correlación del SEM óptimo.

pág. 70
Los coeficientes de regresión estimados en el modelo se muestran detalladamente en la
siguiente tabla.

Tabla 8.

Estimación de Coeficientes de Regresión del SEM óptimo.

Estimación de Coeficientes de Regresión

Variables Coeficiente Estimación
Satisfacción (𝜼𝟏 )  Seguridad (𝜉4 ) γ14 -0.099 ≅ -0.10
Satisfacción (𝜼𝟏 )  Agua (𝜉6 ) γ16 0.662 ≅ 0.66
Satisfacción (𝜼𝟏 )  Educación (𝜉1 ) γ11 -0.028 ≅ -0.03
Satisfacción (𝜼𝟏 )  Infraestructura (𝜉3 ) γ16 0.135 ≅ 0.14
Satisfacción (𝜼𝟏 )  Limpieza (𝜉5 ) γ15 0.152 ≅ 0.15
Satisfacción (𝜼𝟏 )  Salud (𝜉2 ) γ12 0.142 ≅ 0.14
Confianza (𝜼𝟐 )  Satisfacción (𝜼𝟏 ) β21 -0.257 ≅ -0.26
X4  Educación (𝜉1 ) λx 41 0.907 ≅ 0.91
X3  Educación (𝜉1 ) λx 31 0.927 ≅ 0.93
X1  Educación (𝜉1 ) λx11 1.000 ≅ 1.00
X𝟔  Salud (𝜉2 ) λx 62 1.000 ≅ 1.00
X7  Salud (𝜉2 ) λx 72 1.035 ≅ 1.04
X8  Salud (𝜉2 ) λx 82 1.183 ≅ 1.18
X10  Infraestructura (𝜉3 ) λx103 1.000 ≅ 1.00
X11  Infraestructura (𝜉3 ) λx113 0.578 ≅ 0.58
X14  Seguridad (𝜉4 ) λx144 1.000 ≅ 1.00
X15  Seguridad (𝜉4 ) λx154 0.796 ≅ 0.80
X17  Limpieza (𝜉5 ) λx175 1.000 ≅ 1.00
X19  Limpieza (𝜉5 ) λx195 1.065 ≅ 1.07
X21  Agua (𝜉6 ) λx 216 1.000 ≅ 1.00
X23  Agua (𝜉6 ) λx 236 1.084 ≅ 1.08
Y3  Confianza (𝜂2 ) λy 32 1.000 ≅ 1.00
Y4  Confianza (𝜂2 ) λy 42 1.015 ≅ 1.02
Y2  Satisfacción (𝜂1 ) λy 21 0.379 ≅ 0.38
Y1  Satisfacción (𝜂1 ) λy11 1.000 ≅ 1.00
Total de coeficientes de regresión estimados. 17
Total de coeficientes de regresión fijos. 8
Total de coeficientes de regresión. 25

pág. 71
Las varianzas estimadas en el SEM óptimo se muestran a continuación:

Tabla 9.
Estimación de varianzas de las variables del SEM óptimo.

Estimación de Varianzas
Variables Estimación
Educación (𝝃𝟏 ) 1.644 ≅ 1.64
Salud (𝝃𝟐 ) 2.109 ≅ 2.11
Infraestructura (𝝃𝟑 ) 2.523 ≅ 2.52
Seguridad (𝝃𝟒 ) 3.478 ≅ 3.48
Limpieza (𝝃𝟓 ) 1.313 ≅ 1.31
Agua (𝝃𝟔 ) 1.624 ≅ 1.62
Zeta 1 (𝜻𝟏 ) 0.791 ≅ 0.79
Zeta 2 (𝜻𝟐 ) 3.562 ≅ 3.56
Delta 1 (𝜹𝟏 ) 2.029 ≅ 2.03
Delta 3 (𝜹𝟑 ) 2.574 ≅ 2.57
Delta 4 (𝜹𝟒 ) 1.766 ≅ 1.77
Delta 6 (𝜹𝟔 ) 2.007 ≅ 2.01
Delta 7 (𝜹𝟕 ) 1.085 ≅ 1.09
Delta 8 (𝜹𝟖 ) 0.385 ≅ 0.39
Delta 10 (𝜹𝟏𝟎 ) 1.581 ≅ 1.58
Delta 11 (𝜹𝟏𝟏 ) 2.581 ≅ 2.58
Delta 14 (𝜹𝟏𝟒 ) 0.243 ≅ 0.24
Delta 15 (𝜹𝟏𝟓 ) 1.361 ≅ 1.36
Delta 17 (𝜹𝟏𝟕 ) 2.554 ≅ 2.55
Delta 19 (𝜹𝟏𝟗 ) 4.939 ≅ 4.94
Delta 21 (𝜹𝟐𝟏 ) 2.486 ≅ 2.49
Delta 23 (𝜹𝟐𝟏 ) 1.626 ≅ 1.63
Épsilon 1 (𝛆𝟏 ) 1.294 ≅1.29
Épsilon 2 (𝛆𝟐 ) 4.895 ≅ 4.90
Épsilon 3 (𝛆𝟑 ) 0.235 ≅ 0.24
Épsilon 4 (𝛆𝟒 ) 0.078 ≅ 0.08
Total de varianzas de variables exógenas 6
Total de varianzas de errores. 20
Total de varianzas estimadas. 26

pág. 72
Las covarianzas establecidas entre las variables en el SEM están en la tabla 10

Tabla 10.

Estimación de Covarianzas del SEM óptimo.

Estimación de covarianzas del SEM óptimo

Variables Covarianza Estimación

Limpieza (𝛏𝟓 ) Agua (𝜉6 ) Φ56 0.644 ≅ 0.64


Infraestructura (𝛏𝟑 ) Agua (𝜉6 ) Φ36 0.562 ≅ 0.56

Educación (𝛏𝟏 )  Agua (𝜉6 ) Φ16 0.642 ≅ 0.64

Salud (𝛏𝟐 ) Seguridad (𝜉4 ) Φ24 0.450 ≅ 0.45


Educación (𝛏𝟏 ) Seguridad (𝜉4 ) Φ14 0.545 ≅ 0.55

Infraestructura
Educación (𝛏𝟏 ) Φ13 0.893 ≅ 0.89
 (ξ3 )
Infraestructura (𝛏𝟑 ) Limpieza (ξ5 ) Φ35 0.937 ≅ 0.94

Infraestructura (𝛏𝟑 ) Seguridad (𝜉4 ) Φ33 0.844 ≅0.84

EPSILON 2 (𝜺𝟐 ) ZETA1 (𝜁2 ) Θ22 2.228 ≅2.23

Total covarianzas estimadas 9

El modelo de ecuaciones estructurales óptimo está constituido por el modelo de medida y

el modelo relaciones estructurales. El modelo de medida define la relación entre los ítems
y las variables latentes tanto exógenas y endógenas, por lo tanto las relaciones entre dichas
variables se les conocen como relaciones de medida. Éstas relaciones se han definido
mediante ecuaciones; para las variables exógenas Xi = ΛX * ξ + δ y para las endógenas
Yi = ΛY * η + ε.

pág. 73
 Variables Latentes Ecuación del modelo de medida para variables exógenas
exógenas que miden
Ítems Xi
Xi=ΛX * ξ + δ  Resultado

𝑋1 = 𝝀𝒙 𝟏𝟏 ∗ 𝜉1 + 𝛿1  𝑿𝟏 = 𝟏. 𝟎𝟎 ∗ 𝝃𝟏 + 2.03
Educación (𝝃𝟏 ) 𝑋3 = 𝜆𝑥 31 ∗ 𝜉1 + 𝛿3  𝑋3 = 0.93 ∗ 𝜉1 + 2.57
𝑋4 = 𝜆𝑥 41 ∗ 𝜉1 + 𝛿4  𝑋4 = 0.91 ∗ 𝜉1 + 1.77
𝑋6 = 𝝀𝒙 𝟔𝟐 ∗ 𝜉2 + 𝛿6  𝑋𝟔 = 𝟏. 𝟎𝟎 ∗ 𝝃𝟐 + 2.01
Salud (𝝃𝟐 ) 𝑋7 = 𝜆𝑥 72 ∗ 𝜉2 + 𝛿7  𝑋7 = 1.04 ∗ 𝝃𝟐 + 1.09
𝑋8 = 𝜆𝑥 82 ∗ 𝜉2 + 𝛿8  𝑋8 = 1.18 ∗ 𝝃𝟐 + 0.39
𝑋10 = 𝝀𝒙 𝟏𝟎𝟑 ∗ 𝜉3 + 𝛿10  𝑋10 = 𝟏. 𝟎𝟎 ∗ 𝝃𝟑 + 1.58
Infraestructura (𝝃𝟑 )
𝑋11 = 𝜆𝑥 113 ∗ 𝜉3 + 𝛿11  𝑋11 = 0.58 ∗ 𝝃𝟑 + 2.58
𝑋14 = 𝝀𝒙 𝟏𝟒𝟒 ∗ 𝜉4 + 𝛿14  𝑋14 = 𝟏. 𝟎𝟎 ∗ 𝜉4 + 0.24
Seguridad (𝝃𝟒 )
𝑋15 = 𝜆𝑥 154 ∗ 𝜉4 + 𝛿15  𝑋15 = 0.80 ∗ 𝜉4 + 1.36
𝑋17 = 𝝀𝒙 𝟏𝟕𝟓 ∗ 𝜉5 + 𝛿17  𝑋17 = 𝟏. 𝟎𝟎 ∗ 𝜉5 + 2.55
Limpieza (𝝃𝟓 )
𝑋19 = 𝜆𝑥 195 ∗ 𝜉5 + 𝛿19  𝑋19 = 1.07 ∗ 𝜉5 + 4.94
𝑋21 = 𝝀𝒙 𝟐𝟏𝟔 ∗ 𝜉6 + 𝛿21  𝑋21 = 𝟏. 𝟎𝟎 ∗ 𝜉6 + 2.49
Agua (𝝃𝟔 )
𝑋23 = 𝜆 𝑥
236 ∗ 𝜉6 + 𝛿23  𝑋23 = 1.08 ∗ 𝜉6 + 1.63

Figura 40. Ecuación del modelo de medida de variables exógenas del SEM óptimo.

Los valores de los coeficientes de las ecuaciones son significativos, siendo los ítems más
influyentes en los servicios públicos básicos: X1 para educación, X8 para salud, X10 para
infraestructura, X14 para seguridad, X19 para limpieza y X23 para agua.

Las ecuaciones de las variables endógenas del modelo de medida se definen así:
Ecuación del modelo de medida para variables
Variables Latentes endógenas endógenas
que miden Ítems Yi
Xi=ΛX * ξ + δ  Resultado
𝑌1 = 𝛌𝒚 𝟏𝟏 ∗ 𝜂1 + 𝜀1  𝑌1 = 𝟏. 𝟎𝟎 ∗ 𝜂1 + 1.29
Satisfacción (𝜼𝟏 )
𝑌2 = 𝜆𝑦 21 ∗ 𝜂1 + 𝜀2  𝑌2 = 0.38 ∗ 𝜂1 + 4.90
𝑌3 = 𝝀 𝒚
𝟑𝟐 ∗ 𝜂2 + 𝜀3  𝑌3 = 𝟏. 𝟎𝟎 ∗ 𝜂2 + 0.23
Confianza (𝜼𝟐 )
𝑌4 = 𝜆𝑦 42 ∗ 𝜂2 + 𝜀4  𝑌4 = 1.02 ∗ 𝜂2 + 0.08
Figura 41. Ecuación del modelo de medida de variables endógenas del SEM óptimo.

pág. 74
El modelo estructural mide las relaciones entre las variables latentes. La relación entre
dichas variables se le conoce como relación estructural. Las ecuaciones se definen con la
expresión 𝜂𝑖 = 𝛣𝜂 + 𝛤𝜉 + 𝜁.

En el SEM hay dos variables latentes endógenas por ende solo hay dos ecuaciones. La
estructura que siguen éstas ecuaciones se expresan de la siguiente manera:

Variables Ecuación del modelo de relaciones estructurales

Latentes
endógenas 𝜂𝑖 = 𝛣𝜂 + 𝛤𝜉 + 𝜁
𝜂1 = 𝛾11 ∗ 𝜉1 + 𝛾12 ∗ 𝜉2 + 𝛾13 ∗ 𝜉3 + 𝛾14 ∗ 𝜉4 + 𝛾15 ∗ 𝜉5 + 𝛾16 ∗ 𝜉6 + 𝜁1
Satisfacción
(𝜼𝟏 )  𝜼𝟏 = −0.03𝜉1 + 0.14𝜉2 + 0.14𝜉3 + (−0.10)𝜉4 + 0.15𝜉5 + 0.66𝜉6 + 0.79

𝜂2 = 𝛽21 ∗ 𝜂1 + 𝜁2
Confianza (𝜼𝟐 )
 𝜼𝟐 = −0.26𝜂1 + 3.56

Figura 42. Ecuación del modelo de medida de relaciones estructurales del SEM óptimo.

La evaluación del SEM es adecuado porque los índices indican un modelo aceptable, con
un Chi Cuadrado de 227,55, y valores de los índices GFI, AGFI y RMSEA son 0,93; 0,89
y 0,05 respectivamente. Y el índice de criterio de información AICÓptimo (331,55) es más
pequeño al valor del modelo inicial AICInicial (1379.86).

En el SEM Óptimo se observa que el servicio Educación esta medido por (X1, X3 y X4)
los cuáles tienen alta intensidad de impacto sobre éste servicio (1.00, 0.93 y 0.91
respectivamente), en Salud pública por (X6, X7, X8), de ellos el ítem referido a la atención
que se ofrece en la posta y hospital (X8) tiene un mayor impacto (1.18).

En Infraestructura (X10, X11) el ítem X10 tiene un menor impacto (0.58) considerándose
un ligero problema con la infraestructura de los parques y áreas verdes influyendo en el
moviendo turístico de la ciudad.

pág. 75
Para Seguridad (X14, X15), Limpieza (X17, X19) y Agua (X21 Y X23); todos sus ítems
con alto impacto. Por otro lado las variables endógenas como la satisfacción medida por
(Y1, Y2) tienen un menor impacto Y2 con 0.38. Finalmente la confianza por (Y3, Y4)
ambos con altos impactos.

Las relaciones estructurales en modelo se especifican entre los servicios públicos básicos
(ξ1 – ξ6) y la satisfacción η1, ésta con la confianza η2. Así mismo las relaciones de medida
se establecen entre variable latente exógena o endógena con cada indicador.

Cada relación especificada en el modelo está acompañado por un coeficiente con un total
de 18 coeficientes de regresión Lambda (14 𝜆𝑥 𝑖𝑗 y 4 𝜆𝑦 𝑖𝑗 ), 6 coeficientes Gamma (𝛾𝑖𝑗 ), y
1 Beta (𝛽𝑖𝑗 ). Siendo para la satisfacción global la relación más significativa el servicio de
agua, alcantarillado y alumbrado ξ6 (0.66), seguido de limpieza ξ5 (0.15), salud ξ2 (0.14)
e infraestructura ξ3 (0.14). La mayoría de los servicios básicos considerados en la
investigación presentan un impacto positivo a excepción de educación ξ1 (-0.03) y
Seguridad ξ4 (-0.10), esto quiere decir que el comportamiento de éstas variables no tiene
efectos significativos en la satisfacción. Por otro lado hay una relación inversa entre la
satisfacción (η1) y confianza en la gestión (η2), lo que significa que la población del
cercado urbano no se encuentra satisfecha. Todas estas relaciones están acompañadas por
un coeficiente de regresión.

(Figura 43).

pág. 76
Figura 43. Modelo de ecuaciones estructurales óptimo.

pág. 77
CAPÍTULO IV. CONCLUSIONES.

La percepción de los servicios tiene efectos altos con sus indicadores considerados. Y la
percepción a su vez tiene efectos significativos y no significativos en la satisfacción de
los residentes, es decir el efecto que tiene sobre ésta variable difiere de un servicio a otro.
Además muchos de los servicios públicos básicos están correlacionados entre sí, esto
quiere decir que la percepción en un determinado servicio tendrá efectos en la de otro, y
en conjunto efectos en la satisfacción global.

La percepción en educación es significativa en el SEM, esto se refleja en las estadísticas

que muestran un ligero aumento en la creación de instituciones educativas entre los años
2014 y 2017 siendo un 24% del total nacional. Con respecto al acceso a la universidad
pública; el número de alumnos matriculados (13217 en promedio) se ha mantenido
constante, al igual que el número de bibliotecas públicas registradas. Pero el efecto de éste
servicio con la satisfacción no es significativa.

El acceso al servicio de salud pública es bueno ya que a partir del año 2013 más del 50%
de la población de Lambayeque está afiliado a algún seguro, siendo el más común el
Seguro Integral de Salud – SIS.

La seguridad que brindan tanto las comisarías y serenazgo en Lambayeque es ligeramente

aceptada por los residentes, dado que para el año 2016 el 10% del total a nivel nacional
fueron robos a viviendas en zona urbana, cifra que se puede ir disminuyendo al trabajar
conjuntamente entre ambas instituciones así como en el año 2017 más del 50% de
comisarias lo hicieron.

Se considera como una problemática para ciudad lo relacionado con la infraestructura de

los parques y áreas verdes. Para ello debe plantearse proyectos de mejora en la
infraestructura incrementando la concurrencia de visitas, y así promover el turismo,
porque en años anteriores hay una disminución de turistas nacionales y extranjeros a
museos y centros arqueológicos.

pág. 78
La mayoría de residentes tiene buena percepción con respecto a la limpieza y recogida de
residuos sólidos, teniendo en cuenta que en los últimos años más del 90% de hogares de
la zona urbana tiene acceso a ese servicio.

Con el pasar del tiempo el índice de precio de las tarifas por el servicio de agua ha ido
disminuyendo y más del 90% de los hogares en la zona urbana tienen acceso al servicio
eléctrico y alcantarillado.

Hay desconfianza en la gestión y administración de los municipios de Lambayeque porque

el valor del coeficiente entre la relación satisfacción con la variable confianza es bajo
según el modelo de ecuaciones estructurales óptimo.

Los distintos efectos de los servicios públicos básicos sobre la satisfacción fueron
determinados de manera correcta siguiendo los procedimientos en un análisis de los SEM.
Y ésta misma idea se puede aplicar a otros estudios en los cuáles se incluyan otras
variables latentes como calidad del servicio, la expectativa, etc. Su metodología da la
opción de realizar una re-especificación del modelo de acuerdo al comportamiento de los
datos y del tema de investigación. Por otro lado se recomienda realizar un constante
análisis para determinar los servicios de menor impacto y desarrollar estrategias de
mejora.

pág. 79
CAPÍTULO V. SUGERENCIAS.

Una sugerencia para el uso de los modelos de ecuaciones estructurales es realizar de

manera específica un estudio por cada servicio básico teniendo en cuenta diferentes
indicadores, por ejemplo en salud considerar el número de hospitales, centros, puestos de
salud y los servicios que se brindan en las diversas estrategias como salud materna,
planificación familiar, nutrición y otros. En seguridad, hacer un análisis respecto a
denuncias de robos tanto a viviendas como a personas, delitos cometidos; en contra la
familia, feminicidios, o estrategias que se siguen para cumplir con la seguridad pública
trabajando conjuntamente las comisarías y el serenazgo. Además de poder incluir otros
servicios que no han sido consideradas en esta investigación como los brindados por las
instituciones públicas, el turismo, tecnologías (teléfono, internet), etc.

pág. 80
REFERENCIAS BIBLIOGRÁFICAS

Aldas, J., & Uriel, E. (2017). Análisis Multivanriante Aplicado con R 2da edition. Madrid: Ediciones
Parainfo, S.A.

Blunch, N. (2013). Introduction to structural Equation Modeling using IBM SPSS STATISTICS and
AMOS. California: Sage Publications Ltd.

Byrne, B. (2010). Structural Equation Modeling with AMOS: Basic Concepts Applications and
programing. New York London: Tayloy & Francis Group.

Diaz, M. d., & Rangel, O. D. (2013). Valoración de la satisfacción ciudadana con los servicios
públicos locales en la ciudad de Cartagena de Indias D. T. y C. mediante un modelo de
ecuaciones estructurales, caso: Servicio de Educación pública. Cartagena de Indias.

Dromi, R. (1991). Reforma del Estado y Privatizaciones. Buenos Aires.

Field, A. (2013). Discovering Statistics Using IBM SPSS Statistics 4TH edition. California: SAGE
Publications Inc.

García, M. Á. (2011). Ánalisis causal con ecuaciones estructurales de la satisfación ciudadana con
los servicios municipales. Santiago de Compostela.

Gómez, M. E. (2011). Estimación de los modelos de ecuaciones estructurales, del índice mexicano
de la satisfacción de usuario de programas sociales mexicanos, con la metodología de
mínimos cuadrados parciales. México.

Instituto Nacional de Estadistica e Informatica. (16-20 de Julio de 2018). Obtenido de Instituto

Nacional de Estadistica e Informatica:
[Link]
selectedIndex=0&d9ef-selectedIndex=0

Torsten, B. (2011). An Introduction to Applied Multivariate Analysis with R. USA.

Uriel , E., & Aldás, J. (2015). Análisis Multivariante Aplicado. España: Thomson Editores Spain
Paraninfo, S.A.

Véliz, C. (2017). Análisis Multivariante - métodos estadísticos mutlvariantes para la investigación.

Mexico, D.F: Cengage Learningn Editores S.A.

Zeithaml, V., & Bitner, M. (2002). "Marketing de Servicios: Un enfoque de integración del cliente
a la empresa”, Segunda Edición. McGraw-Hill Interamerica Editores.

pág. 81
BIBLIOGRAFÍA

Aldas, J., & Uriel, E. (2017). Análisis Multivanriante Aplicado con R 2da edition. Madrid: Ediciones
Parainfo, S.A.

Bayol, Marie, Foye Anne, & Tellier, Carole. (2000). Use of PLS Path Modelling to estimate the
European Consumer Satisfaction Index (ECSI) model. Statistica Applicata. Francia.

Blunch, N. (2013). Introduction to structural Equation Modeling using IBM SPSS STATISTICS and
AMOS. California: Sage Publications Ltd.

Bollen, K., & Long, S. (1993). TESTING STRUCTURAL EQUATION MODELS. California: Sage
Publication, Inc.

Byrne, B. (1994). Structural Equation Modeling with EQS and EQS WINDOW_Basic Concepts
Applications and Programming. California: Sage Publications, Inc.

Byrne, B. (1998). Structural Equation Modeling with LISREL, PRELIS Y SIMPLIS Basic Concepts
Applications and Programing. New Jersey: Lawrence Erlbaum Associates, Inc.

Byrne, B. (2006). Structural Equation Modeling with EQS _Basic Concepts Applications and
Programming_second edition. New York: Lawrence Erbaum Associates, Inc.

Byrne, B. (2010). Structural Equation Modeling with AMOS: Basic Concepts Applications and
programing. New York London: Tayloy & Francis Group.

Byrne, B. (2010). Structural Equation modeling with AMOS_Basic Concepts applications and
programming second edition. New York: Taylor and Francis Group, LLC.

Byrne, B. (2012). Structural Equation modeling with Mplus Basic Concepts applications and
programming. New York: Taylor and Francis Group, LLC.

Byrne, B. (2016). Structural Equation Modeling with AMOS Basic Concepts Applications and
Programming Third edition. New York: Taylor & Francis.

Chan, L., Hui, Y., Lo, H., Tse, S., Tso, G., & Wu, M. (2003). Índice de satisfacción del consumidor:
nuevas prácticas y hallazgos. Europea de Marketing .

Cupani, M. (2012). Revista Tesis. Obtenido de Https://[Link]

Danaher, P., & Haddrell, V. (1996). “Una comparación de las escalas usadas para medir la
satisfacción del consumidor”. Revista Internacional de Administración de la industria de
servicios.

De la Horna, J. (2003). Estadistica Aplicada. Madrid: Diaz de Santos.

pág. 82
Diaz, M. d., & Rangel, O. D. (2013). Valoración de la satisfacción ciudadana con los servicios
públicos locales en la ciudad de Cartagena de Indias D. T. y C. mediante un modelo de
ecuaciones estructurales, caso: Servicio de Educación pública. Cartagena de Indias.

Dromi, R. (1991). Reforma del Estado y Privatizaciones. Buenos Aires.

Field, A. (2013). Discovering Statistics Using IBM SPSS Statistics 4TH edition. California: SAGE
Publications Inc.

García, M. Á. (2011). Ánalisis causal con ecuaciones estructurales de la satisfación ciudadana con
los servicios municipales. Santiago de Compostela.

Gómez, M. E. (2011). Estimación de los modelos de ecuaciones estructurales, del índice mexicano
de la satisfacción de usuario de programas sociales mexicanos, con la metodología de
mínimos cuadrados parciales. México.

Hair, J., Anderson, R., Tatham, R., & Black, W. (1999). Análisis Multivariante. Madrid: Pearson
Educacion, S.A.

Hernandez, R., Fernandez, C., & Bdpista, P. (2010). Metodología de la Investigación. Mexico:
McGraw-Hill/Interamericana Editores. S.A. DE C.V.

Hoover, K. (2001). Causality in Macroeconomics. United States of America.

Hoyle, R. (1995). Structural equation modeling_Concepts, Issues, and Applications. California:

Sage Publications, Inc.

Hu, L., & Bentler, ,. P. (1998). Fit índices in covariance structure modeling: Sensitivity to
underparameterized model misspecification. Psychological Methods,. Estados Unidos.

Instituto Nacional de Estadistica e Informatica. (16-20 de Julio de 2018). Obtenido de Instituto

Nacional de Estadistica e Informatica:
[Link]
selectedIndex=0&d9ef-selectedIndex=0

Kaplan, D. (s.f.). ESTRUCTURAL EQUATION MODELING second edition.

Keith, T. (2015). Multiple Regression and Beyond. New York: Taylor & Francis.

Kline, R. (2016). Principles and Practice of Structural Equation Modeling Fourth Edition. New York:
The Guilford Press.

Krzanowski, W. (2000). Principles of Multivariate Analysis. New York: Oxford University Press Inc.

Luna, I., & Hernández , C. (2009). Muestreo estadístico: tamaño de muestra y estimación de
parámetros. Mexico.

pág. 83
Manly , B., & Navarro, J. (2017). Multivariate Statistical Methods A Primer Fourth Edition. New
York: Taylor & Francis Group LLC.

Manzano, A., & Zamora, S. (2009). Sistema de ecuaciones estructurales: una herramiento de
investigación. Mexico.

Marshall, P., Dolores, M., & Castro, R. (2003-Vol 10). Satisfacción del Cosumidor en Chile: una
aplicación de la metodología de índices nacionales de satisfacción. Chile.

Montgomery, D., Peck, E., & Vining, G. (2006). Introducción al Análisis de Regresión Lineal.
Mexico: Grupo Patra Cultural, S.A.

Roest, H., & Pieters, R. (1997). “Red analógica de la percepción de calidad de servicio”, revista
international de Administración de la Industria de Servicios.

Scheaffer, R., Mendenhall, W., & Ot, L. (2006). Elementos de Muestreo. Madrid: Editorial
Paraninfo.

Schumacker , R., & Lomax, R. (2004). A Beginner's Guide to ESTRUCTURAL EQUATION MODELING
second edition. New Yersey: Lawrence Erlbaum Associates, Inc.

Schumacker, R., & Lomax , R. (2016). A Beginner's Guide to ESTRUCTURAL EQUATION MODELING
fourth edition. New York: Taylor & Francis.

Secretaria de Gestion Publica. (16-20 de Julio de 2018). Obtenido de Secretaria de Gestion

Publica: [Link]
publica-al-2021/

Skrondal, A., & Rabe-Hesketh, S. (2004). Interdisciplinary Statistics GENERALIZED LATENT

VARIABLE MODELING Multileve Longitudinal and SEM. Washington: Chapman & Hall/DC
CRC.

Tello, P. (2009). Gestion Publica.

Torsten, B. (2011). An Introduction to Applied Multivariate Analysis with R. USA.

Uriel , E., & Aldás, J. (2015). Análisis Multivariante Aplicado. España: Thomson Editores Spain
Paraninfo, S.A.

Véliz, C. (2017). Análisis Multivariante - métodos estadísticos mutlvariantes para la investigación.

Mexico, D.F: Cengage Learningn Editores S.A.

Villegas, B. (1950). Derecho Administrativo. Buenos Aires.

Zeithaml, V., & Bitner, M. (2002). "Marketing de Servicios: Un enfoque de integración del cliente
a la empresa”, Segunda Edición. McGraw-Hill Interamerica Editores.

pág. 84
APENDICES

3000

2411
2500 2251 2328
2132 2178
Nº centros educativos

1930 1979 1979

2000 1849 1840

1500

1000

500

0
2008 2009 2010 2011 2012 2013 2014 2015 2016 2017
Años

Apéndice A. Centros educativos de gestión pública en Lambayeque. 2008 - 2017.

NOTA. Recuperado del Ministerio de Educación - Unidad de Estadística Educativa.

16000

13311 13496 13406 13461 13533 13641 13640

14000 13079 13078 13031 13227
12602 12315
12000
Nº de alumnos

10000

8000

6000

4000

2000

0
2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014
Años

Apéndice B. Alumnos matriculados en universidades públicas Lambayeque. 2002 - 2014

Nota. Recuperado de Superintendencia Nacional de Educación Superior Universitaria - Oficina de
Planeamiento y Presupuesto.

pág. 85
 70
62 62 62 62 62 62
59
60
53

50
43
Nº de bibliotecas

40
40 37 37 37

30

20

10

0
2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014
Años

Apéndice C. Bibliotecas públicas registradas en Lambayeque. 2002 - 2014

Nota. Recuperado de la Biblioteca Nacional del Perú - Oficina General de Desarrollo Técnico

90%
79%
80%
71%
70% 67% 66%
62%
59% 59%
60% 57%
49%
Porcentaje de personas afiliadas

50%
40% 42%
38% 39%
40%

30%

20%

10%

0%
2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016
Años

Apéndice D. Población afiliada a algún seguro de salud en Lambayeque. 2004-2016

Nota. Recuperado del Instituto Nacional de Estadística e Informática - Encuesta Nacional de Hogares.

pág. 86
 EsSalud SIS Otros seguros
50% 47%
44%
45% 42% 41%

40%
34% 34% 35%
35%
29%
Porcentaje de personas

30%
22%
25% 20%
16%
20% 15% 15%

15%

10%

5%

0%
2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016
Años

Apéndice E. Población afiliada a un seguro de salud en Lambayeque. 2004-2016

Nota. Recuperado del Instituto Nacional de Estadística e Informática - Encuesta Nacional de Hogares.

25%
23% % nacional % extranjero

19% 19%
20%
18%
17% 17% 17% 17% 17% 17%
16% 16%

15%
Porcentaje de visitas

12% 12%
11%

10% 8%

4% 4%
5% 3% 4% 3% 3%
3% 3% 3% 3%
2% 3% 2%
2% 2% 2%

0%
2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016
Años

Apéndice F. Visitas nacionales y extranjeras a centros arqueológicos en Lambayeque. 2012-2016

Nota. Recuperado del Ministerio de Cultura.

pág. 87
 25%

21%

20%

16% 17%
Porcentaje de viviendas

15%

12%
10% 10% 10%
10%

5%

0%
2011 2012 2013 2014 2015 2016 2017
Años

Apéndice G. Viviendas afectadas por robo y/o intento de robo en zona urbana de Lambayeque 2011-2017
Nota. Recuperado del Instituto Nacional de Estadística e Informática - Encuesta Nacional de Programas
Estratégicos.

55

54

53 53 53 53 53
Nº de comisarias

53

52

51
51

50

49
2012 2013 2014 2015 2016 2017
Años

Apéndice H. Comisarias en Lambayeque. 2012-2017

Nota. Recuperado del Instituto Nacional de Estadística e Informática - Censo Nacional de Comisarías.

pág. 88
 120%

100%
100%
92%
87% %Comisarías con
existencia de
80%
70% serenazgo
64%
Porcentaje

59% 58%
60% 56%

43% 45%
40% % Comisarías que
40% 35% realizaron
patrullaje en
coordinación con
20% el serenazgo

0%
2012 2013 2014 2015 2016 2017
Años

Apéndice I. Comisarias que manifiestan existencia de serenazgo y las que realizan patrullaje conjuntamente
en Lambayeque. 2012-2017
Nota. Recuperado del Instituto Nacional de Estadística e Informática - Censo Nacional de Comisarías.

94%
93% 93%
92%
92%
Porcentaje de hogares urbanos

90%
90%

88%
88%

86% 85%

84%

82%

80%
2012 2013 2014 2015 2016 2017
Años

Apéndice J. Hogares urbanos que cuentan con el servicio recolección domiciliario de residuos sólidos en
Lambayeque. 2012 – 2017.
Nota. Recuperado del Instituto Nacional de Estadística e Informática - Encuesta Nacional de Programas
Estratégicos.

pág. 89
 400

350

300
Indice de precios

250

200

150

100

50

2008 - OCT

2011 - OCT
1996 - OCT

1999 - OCT

2002 - OCT

2005 - OCT

2014 - OCT

2017 - OCT
2008 - ENE

2009 - JUL
2010 - ABR
2011 - ENE

2012 - JUL
2013 - ABR
2014 - ENE
1996 - ENE

1997 - JUL
1998 - ABR
1999 - ENE

2000 - JUL
2001 - ABR
2002 - ENE

2003 - JUL
2004 - ABR
2005 - ENE

2006 - JUL
2007 - ABR

2015 - JUL
2016 - ABR
2017 - ENE
Años

Apéndice K. Índice de precios de tarifas de agua en Lambayeque (base 1994). Ene 1996 - Jun 2018.
Nota. Recuperado del Instituto Nacional de Estadística e Informática - Dirección Técnica de Indicadores
Económicos.

97%

96%
96%

95%
Porcentaje de hogares

94% 94%
93%
93% 93%
92%
92%
91%

91%

90%

89%
2012 2013 2014 2015 2016 2017
Años

Apéndice L. Hogares del ámbito urbano con acceso al servicio de agua por red pública en Lambayeque.
2012 – 2017.
Nota. Recuperado del Instituto Nacional de Estadística e Informática - Encuesta Nacional de Programas
Estratégicos.

pág. 90
 94%

92%
92%
91%

90%
89%
Porcentaje de hogares

88%
87%
86%
86% 86%

84%

82%
2012 2013 2014 2015 2016 2017
Años

Apéndice M. Hogares urbanos con servicio de alcantarillado en Lambayeque. 2012 – 2017.

Nota. Recuperado del Instituto Nacional de Estadística e Informática - Encuesta Nacional de Programas
Estratégicos.

9000000
Ingreso total Gasto total
8000000

7000000

6000000
Miles de soles

5000000

4000000

3000000

2000000

1000000

0
2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017
Años

Apéndice N. Ingreso y gasto en las municipalidades de Lambayeque. 2003-2017.

Nota. Recuperado del Instituto Nacional de Estadística e Informática - Registro Nacional de
Municipalidades (RENAMU).

pág. 91
 30%
28%

25%
21%
20%
Porcentaje

16%
15%
12%

10%
6% 6% 6% 6%
5% 4%

0% 0% 0% 0% 0% 0%
0%
2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017
Años

Apéndice O. Porcentaje no invertido en los municipios de Lambayeque. 2003 - 2015

Nota. Recuperado del Instituto Nacional de Estadística e Informática - Registro Nacional de
Municipalidades (RENAMU).

𝑧 2 𝑃𝑄
𝑛0 =
𝑑2
𝑛0 𝑛0
𝑆𝑖, > 0.05 → 𝑛 = 𝑛
𝑁 1+ 0
𝑁
CALCULANDO EL TAMAÑO DE MUESTRA:

𝑧 2 𝑃𝑄 (1.96)2 (0.5)(0.5)
𝑛0 = ∴ 𝑛0 = = 384.6 ≈ 385 𝑟𝑒𝑠𝑖𝑑𝑒𝑛𝑡𝑒𝑠
𝑑2 (0.05)2

𝑛0 385
𝑆𝒊, = = 0.15 > 0.05, 𝑝𝑜𝑟 𝑙𝑜 𝑡𝑎𝑛𝑡𝑜 𝑐𝑜𝑟𝑟𝑒𝑔𝑖𝑚𝑜𝑠
𝑁 2575
𝑛0
𝑛= 𝑛 = 334.94 ≈ 335 𝑟𝑒𝑠𝑖𝑑𝑒𝑛𝑡𝑒𝑠
1 + 𝑁0

Apéndice P. Formula de tamaño de muestra

pág. 92
Representa en SEM Letra Nombre Concepto

ξ (Xi) Representa a las variables latentes exógenas que están operacionalizadas por las
variables manifiestas(X).
Variable η (Eta) Representa a las variables latentes endógenas que están operacionalizadas por las
variables manifiestas (Y).
X, Y (Equis, Ye) Representa a las variables manifiestas o indicadores.

γ (Gamma) Son coeficientes que miden el efecto directo de las variables latentes exógenas (ξ) sobre
las variables latentes endógenas (η).

β (Beta) Son coeficientes que miden el efecto de las variables latentes endógenas (η) sobre las
Coeficientes
variables latentes endógenas (η).

𝜆𝑥 , 𝜆𝑦 (Lamda) Son coeficientes que relacionan cada variable observada con su variable latente.
Los coeficientes lambda se agrupan en LAMBDA-X (𝜆𝑥 ) y LAMBDA -Y (𝜆𝑦 ).

Φ (Phi) Denotan covarianza o correlación entre las variables latentes exógenas.

Covarianza
Θ (Theta) Denotan covarianza o correlación entre errores.

ε (Épsilon) Son coeficientes sobre los errores de medición de las variables manifiestas (Y).

Errores δ (Delta) Son coeficientes sobre los errores de medición en variables manifiestas (X).

𝜻 (Zeta) Son los errores de medición de cada ecuación en las relaciones estructurales.

Apéndice Q. Simbología del modelo de ecuaciones estructurales.

pág. 93
 Análisis del valor “G” para la identificación del SEM

𝑃 = 𝑁º 𝑑𝑒 𝑝𝑎𝑟á𝑚𝑒𝑡𝑟𝑜𝑠 𝑎 𝑒𝑠𝑡𝑖𝑚𝑎𝑟

𝑝(𝑝 + 1)
𝐾 = 𝑁º 𝑑𝑒 𝑐𝑜𝑣𝑎𝑟𝑖𝑎𝑛𝑧𝑎𝑠 𝑒𝑛𝑡𝑟𝑒 𝑙𝑎𝑠 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒𝑠 𝑚𝑒𝑑𝑖𝑏𝑙𝑒𝑠 ≈
2

𝑮=𝑲−𝑷
“G” se considera el nº de grados de libertad. El modelo es:

No identificable Exactamente identificable Identificable

𝐺<0 𝐺=0 𝐺>0

Apéndice R. Fórmula para identificación del modelo

Nota. Recuperado de Análisis multivariante métodos estadísticos multivariante para la investigación.

Nombre Indicador “Buen ajuste” “Ajuste aceptable”

Chi Cuadrado𝑋 2 0 ≤ 𝑋 2 ≤ 2𝐺 2𝐺 < 𝑋 2 ≤ 3𝐺

Estadístico Chi-cuadrado
𝑋 2 / g.l 0 ≤ 𝑋 2 /𝑔𝑙 ≤ 2 2 < 𝑋 2 /𝑔𝑙 ≤ 3

Índice de bondad de ajuste GFI 0.95 ≤ 𝐺𝐹𝐼 ≤ 1.00 0.90 ≤ 𝐺𝐹𝐼 < 0.95

Índice GFI ajustado AGFI 0.90 ≤ 𝐴𝐺𝐹𝐼 ≤ 1.00 0.85 ≤ 𝐴𝐺𝐹𝐼 < 0.90
Criterio de información de
AIC 𝐴𝐼𝐶 𝑚á𝑠 𝑝𝑒𝑞𝑢𝑒ñ𝑜 𝑒𝑛 𝑙𝑎 𝑐𝑜𝑚𝑝𝑎𝑟𝑎𝑐𝑖ó𝑛
Akaike
Roat mean square error of
RMSEA 0 ≤ 𝑅𝑀𝑆𝐸𝐴 ≤ 0.050 0.050 < 𝑅𝑀𝑆𝐸𝐴 ≤ 0.080
aproximation

Apéndice S. Índices de bondad de ajuste.

pág. 94
ANEXOS

Anexo A. Grado de instrucción según grupo de profesión u ocupación

pág. 95
 CUESTIONARIO SOBRE SATISFACIÓN GLOBAL ACERCA DE LOS
SERVICIOS PÚBLICOS OFRECIDOS EN LA CIUDAD DE LAMBAYEQUE

OBJETIVO: Determinar el modelo de ecuaciones estructurales óptimo para la evaluación de la

satisfacción global de la población del cercado urbano acerca de los servicios públicos ofrecidos en
la ciudad de Lambayeque. El cuestionario dura el tiempo que usted crea oportuno.

ASPECTOS GENERALES:
Nº MZ: Dirección:
Género: F M Edad: Profesión u Ocupación:

INSTRUCCIONES

A continuación se presenta el cuestionario, que incluye dimensiones empleadas en la construcción del

modelo. Valoración en una escala de 0 a 10, donde 0 supone la peor valoración y 10 la mejor valoración.
MARQUE CON UNA “X”. LOS SIGUIENTES ITEMS DE ACUERDO AL SERVICIO PÚBLICO DESCRITO. Del 0 al 10,
¿Cómo valora…
1. El número de Instituciones educativas públicas. 0 1 2 3 4 5 6 7 8 9 10
2. El acceso al servicio educativo de Instituciones educativas
0 1 2 3 4 5 6 7 8 9 10
públicas.
3. El acceso al servicio educativo en la UNPRG. 0 1 2 3 4 5 6 7 8 9 10
4. El nivel académico de colegios públicos 0 1 2 3 4 5 6 7 8 9 10
5. El nivel académico de la universidad UNPRG 0 1 2 3 4 5 6 7 8 9 10
6. El acceso al servicio en la posta médica. 0 1 2 3 4 5 6 7 8 9 10
7. El acceso al servicio en el hospital. 0 1 2 3 4 5 6 7 8 9 10
8. La atención ofrecida en posta médica y hospital. 0 1 2 3 4 5 6 7 8 9 10
9. La higiene y aseo en las instalaciones de la posta médica y
0 1 2 3 4 5 6 7 8 9 10
hospital.
10. La pavimentación de las vías en la ciudad. 0 1 2 3 4 5 6 7 8 9 10
11. El cuidado de los parques y áreas verdes. 0 1 2 3 4 5 6 7 8 9 10
12. La señalización en las calles de la ciudad. 0 1 2 3 4 5 6 7 8 9 10
13. El acceso al estadio y piscina pública. 0 1 2 3 4 5 6 7 8 9 10
14. La seguridad que brinda la policía. 0 1 2 3 4 5 6 7 8 9 10
15. La seguridad que brinda el serenazgo. 0 1 2 3 4 5 6 7 8 9 10
16. La implementación de cámaras. 0 1 2 3 4 5 6 7 8 9 10
17. La limpieza de parques, calles y veredas. 0 1 2 3 4 5 6 7 8 9 10
18. El número de contenedores para depositar la basura en la
0 1 2 3 4 5 6 7 8 9 10
ciudad.
19. La frecuencia con la que pasa el carro recolector de basura. 0 1 2 3 4 5 6 7 8 9 10
20. El abastecimiento de agua. 0 1 2 3 4 5 6 7 8 9 10
21. Los montos pagados en el recibo de agua. 0 1 2 3 4 5 6 7 8 9 10
22. La red de alcantarillado en la ciudad. 0 1 2 3 4 5 6 7 8 9 10
23. El acceso al servicio de alumbrado público. 0 1 2 3 4 5 6 7 8 9 10
24. Los montos pagados en el recibo de luz 0 1 2 3 4 5 6 7 8 9 10
25. La calidad de vida en la ciudad. 0 1 2 3 4 5 6 7 8 9 10
26. La administración y gestión actual. 0 1 2 3 4 5 6 7 8 9 10

Del 0 al 10,
27. Volvería a elegir a las autoridades actuales. 0 1 2 3 4 5 6 7 8 9 10
28. Recomendaría la gestión de las autoridades actuales 0 1 2 3 4 5 6 7 8 9 10

¡MUCHAS GRACIAS POR SU COLABORACION!

Anexo B. Cuestionario.

pág. 96
Anexo C. Selección de manzanas y viviendas.

Anexo D. Capacitación al personal encuestador.

pág. 97
Anexo E. Aplicación del cuestionario.

Anexo F. Recojo del instrumento.

pág. 98
Anexo G. Redacción del informe y asesoría.

pág. 99
Anexo H. Plano del cercado urbano de Lambayeque.

pág. 100