Participantes

Se recolectaron dos muestras no probabilísticas incidentales. La muestra de población general (MPG) quedó integrada por 256 participantes y la muestra clínica odontológica (MCO) por 240. En la MPG, el 51.6 % de los participantes fueron mujeres y 48.4 % hombres. La edad varió de 18 a 77 años, con una media de 40.67 (DE = 13.49). En la MCO, el 50.4 % de los participantes fueron mujeres y 49.6 % hombres. La edad varió de 18 a 76 años con una media de 39.79 (DE = 15.63).

Los criterios de inclusión para ambas muestras fueron: dar el consentimiento informado, edad de 18 años o mayor, saber leer y escribir, residir en Monterrey, México y su área metropolitana; se añadió para la MCO: solicitar atención periodontal en la Clínica de Periodoncia o tratamiento dental profiláctico en la Clínica de Odontología Preventiva de la Facultad de Odontología de la Universidad Autónoma de Nuevo León. Como criterios de exclusión para ambas muestras se definieron: ser menor de edad, incapacidad para la autolimpieza dental, analfabetismo y problemas clínicos de atención y comprensión (esquizofrenia, autismo, demencia). Como criterio de eliminación se consideró: dejar al menos un dato incompleto en la EHHB.

Instrumento

La Escala de Hábitos de Higiene Bucal (EHHB) de ^{Rodríguez y Moral (2016)}, está integrada por 10 ítems tipo Likert, con un rango de cinco categorías ordinales de respuesta que se califican de 0 a 4: 1) ¿con qué frecuencia le sucede que no cepilla sus dientes en todo el día?; 2) ¿usualmente con qué frecuencia cepilla sus dientes?; 3) ¿utiliza pasta dental durante el cepillado?; 4) ¿cuánta atención presta al cepillado?; 5) ¿aproximadamente cuánto tiempo emplea cada vez que cepilla sus dientes?; 6) ¿cada cuánto tiempo cambia su cepillo dental?; 7) ¿utiliza usted hilo dental como parte de su higiene bucal?; 8) ¿cuánta atención presta a la limpieza del espacio interdental?; 9) ¿usualmente con qué frecuencia utiliza hilo dental al día?; y 10) ¿con qué frecuencia usa el hilo dental tras el cepillado de dientes?. Salvo el ítem 1, todos los demás son directos (^{Rodríguez y Moral, 2016}). Fue diseñada para medir dos factores correlacionados y proporcionar una puntuación total. Los primeros seis ítems corresponden al factor de hábitos de cepillado dental y los últimos cuatro corresponden al de uso del hilo dental. Las puntuaciones en los factores y la escala se obtienen sumando las puntuaciones en los ítems y dividiendo por el número de ítems sumados, por lo que varían en un continuo de 0 a 4. Una puntuación de 0 refleja malos hábitos de higiene bucal y una puntuación de 4 buenos hábitos (^{Rodríguez y Moral, 2016}).

Procedimiento

Se realizó un estudio instrumental con un diseño transversal. Se invitó a formar parte de la investigación explicando en qué consistía la misma, se solicitó la firma del consentimiento informado, y se respetó la confidencialidad de la información conforme al Reglamento de la Ley General de Salud en materia de Investigación para la Salud (^{Secretaría de Salud, 2014}) y a las normas de investigación de la ^{Sociedad Mexicana de Psico logía (2007)}. Los participantes de la MPG respondieron el cuestionario en su domicilio o lugar de trabajo, y los de la MCO al momento de la consulta odontológica.

Análisis de datos

Como propiedades métricas de los ítems se estudiaron sus distribuciones, discriminabilidad y consistencia interna. Se consideró que un ítem presenta efecto techo cuando el 90 % o más, de su distribución, se concentra en el valor más alto, y efecto suelo cuando se concentra en el valor más bajo. Se interpretó que un ítem es discriminativo cuando su diferencia de tendencia central entre los participantes con puntuaciones altas y bajas en la escala es significativa. Se definieron como puntuaciones altas a aquellas que fueron iguales o mayores que el percentil 75( ≥ P75), y bajas aquellas que fueron iguales o menores que el percentil 25 (≤ P25). La diferencia se contrastó por la U de Mann-Whitney, debido a la falta de normalidad en la distribución de los ítems. Se estipuló que un ítem muestra consistencia interna cuando su correlación con el resto de la escala es significativa y mayor o igual que 0.30, su comunalidad en la extracción (de un factor o dos factores) es al menos de 0.25, y su exclusión disminuye la consistencia interna de la escala. La correlación con el resto de la escala se calculó por el coeficiente de correlación poliseal (r ps), usando el método de dos pasos para máxima verosimilitud. La consistencia interna de la escala se calculó por el coeficiente alfa ordinal (α ordinal) y el coeficiente omega de McDonald (ω). Se interpretó que valores de α ordinal y ω < 0.50 evidencian una consistencia interna inaceptable, de 0.50 a 0.59 muy baja, de 0.60 a 0.69 baja, de 0.70 a 0.79 aceptable, de 0.80 a 0.89 alta y ≥ 0.90 muy alta (^{Yang y Green, 2010}).

Para obtener la estructura factorial, se usó la matriz de correlaciones policóricas (r _PC) como datos de entrada. Estas se calcularon por el método de dos pasos para máxima verosimilitud. El número de factores se determinó por análisis paralelo de Horn (percentil 95 como criterio de intersección, datos generados por permutaciones con 500 muestras simuladas), coordenadas óptimas (incremento en el gradiente del autovalor con respecto al gradiente del anterior autovalor), la media mínima de la correlaciones parciales al cuadrado (MCP²) de Velicer y por el criterio de Kaiser (autovalores mayores que uno) (^{Courtney, 2013}). La extracción de factores se hizo por el método de residuos mínimos. Se rotó la matriz factorial por el método Promax, generando la hipótesis configuracional por el método Varimax.

Se calculó la varianza media extraída (VME) de cada factor, como la media aritmética de las cargas factoriales al cuadrado, desde la matriz estructural en el análisis factorial exploratorio (AFE), y desde la matriz de pesos de medida estandarizados en el análisis factorial confirmatorio (AFC). La varianza compartida se calculó como el cuadrado de la correlación de Pearson entre los dos factores (r² ξ1,ξ2). Una VME > 0.50 refleja validez convergente. Una r² ξ1,ξ2 < 0.5 y < VME ξ1 y VMEξ2 indica validez discriminante (^{Henseler y col., 2015}). Se interpretó que valores de r _PC yr < 0.30 muestran correlaciones bajas, de 0.30 a 0.499 moderadas, de 0.50 a 0.699 altas, de 0.70 a 0.899 muy altas y ≥ 0.90 unitarias (^{Téllez y col., 2015}).

Finalmente, se contrastó la invarianza del modelo de dos factores correlacionados por análisis factorial confirmatorio multigrupo. La función de discrepancia se minimizó por el método de mínimos cuadrados no ponderados (ULS, por sus siglas en inglés: unweighted least squares). La significación de los parámetros se contrastó por el método de muestreo repetitivo de percentiles corregidos de sesgo (PCS), extrayendo 2000 muestras aleatorias. El ajuste se valoró por medio de cuatro índices absolutos (chi-cuadrada relativa [χ ²/gl], índice de bondad de ajuste [GFI, por sus siglas en inglés: goodness of fit index] e índice ajustado [AGFI, por sus siglas en inglés: adjusted goodness of fit index] de Jöreskog y Sörbom y residuo estandarizado cuadrático medio [SRMR, por sus siglas en inglés: standarized root mean square resiual] de Jöres-kog) y seis índices relativos (índice normado de ajuste [NFI, por sus siglas en inglés: normed fit index] y no normado [NNFI, por sus siglas en inglés: non-normed fit index] de Bentler y Bonett, índice comparativo de ajuste [CFI, por sus siglas en inglés: comparative fit index] de Bentler, índice relativo de ajuste [RFI, por sus siglas en inglés: relative fit index] por el coeficiente ρ₂ de Bollen, índice incremental de ajuste [IFI, por sus siglas en inglés: incremental fit index] por el coeficiente Δ2 de Bollen, y error de aproximación cuadrático medio [RMSEA, por sus siglas en inglés: root mean square error of approximation] de Steiger y Lindt). Se estipuló como valores de buen ajuste: χ ²/gl ≤ 2, GFI, CFI, IFI NFI y NNFI ≥ 0.95, RFI y AGFI ≥ 0.90, SRMR ≤ 0.06 y RMSEA ≤ 0.05; y como valores de mal ajuste: χ ²/gl > 3, GFI, CFI, IFI, NFI y NNFI < 0.90, RFI y AGFI < 0.85, SRMR > 0.10 y RMSEA > 0.08 (^{Byrne, 2016}). La parsimonia se calculó por el coeficiente de James, Mulaik y Brett; un valor < 0.25 se interpretó como baja, de 0.25 a 0.499 media, de 0.50 a 0.749 alta y ≥ 0.75 muy alta. Se estimaron índices de ajuste ponderados por su correspondiente coeficiente de parsimonia (modelo nulo para GFI, e independiente para NFI y CFI); un valor de PGFI > 0.50 y valores de NFI y CFI ≥ 0.60 se juzgaron parsimoniosos (^{Mulaik, 2005}). La equivalencia de la bondad de ajuste entre los modelos se valoró por una diferencia (Δ) en los índices NFI, NNFI, IFI, RFI y CFI ≤ 0.01, así como un cociente entre la diferencia de los estadísticos chi cuadrado y la diferencia de sus grados de libertad < 5 ∆χ²/∆gl < 5) (^{Byrne, 2016}). Aparte, se hizo el contraste unigrupo en la MPG y MCO por el método ULS.

Distribución y consistencia interna de los ítems

El ítem 3, sobre el uso de la pasta dental durante el cepillado, mostró efecto techo en la MCO, fue el menos discriminativo y tuvo consistencia interna baja en las dos muestras (r ps < 0.30 en MCO, aumento de la α ordinal con su eliminación en la dos muestras, y comunalidad < 0.20, tanto con uno y dos factores, salvo en el modelo de dos factores en la MPG). En ambas muestras, el ítem 1, sobre la frecuencia de no cepillado de dientes en todo el día, tuvo consistencia interna baja (r ps < 0.30, aumento de la α ordinal con su eliminación, y comunalidad < 0.20 con uno y dos factores). Los ítems 2, 5 y 6 tuvieron comunalidades menores que 0.20 en el modelo de un factor en las dos muestras, y los ítems 2 y 6 también en el modelo de dos factores en la MCO (Tabla 1).

Tabla 1 Distribución, discriminabilidad y consistencia interna de los ítems. 

Table 1. Distribution, discriminability and internal consistency of the items. 

N = 496. Ítems: 1. ¿Con qué frecuencia le sucede que NO cepilla sus dientes en todo el día?, 2. ¿Usualmente con qué frecuencia cepilla sus dientes?, 3. ¿Utiliza pasta dental durante el cepillado?, 4. ¿Cuánta atención presta al cepillado?, 5. ¿Aproximadamente cuánto tiempo emplea cada vez que cepilla sus dientes?, 6. ¿Cada cuánto tiempo cambia su cepillo dental?, 7. ¿Utiliza usted hilo dental como parte de su higiene bucal?, 8. ¿Cuánta atención presta a la limpieza del espacio interdental?, 9. ¿Usualmente con qué frecuencia utiliza hilo dental al día?, y 10. ¿Con qué frecuencia usa el hilo dental tras el cepillado de dientes?; en negrilla se destacan los indicadores con valores que reflejan incumplimiento o debilidad en la propiedad evaluada; significación en un contraste bilateral: * P ≤ 0.05, ** P ≤ 0.01 y *** P ≤ 0.001.

AFE y consistencia interna y validez convergente y discriminante de los factores

Los ítems 1 y 3 fueron eliminados al momento de explorar la estructura factorial por sus problemas de consistencia interna, aparte del problema de efecto techo en el ítem 3. En la MPG se produjo una convergencia del análisis paralelo de Horn, coordenadas óptimas, la MCP² de Velicer y el criterio de Kaiser en dos factores. En la MCO, la MCP² de Velicer y el criterio de Kaiser indicaron dos factores, pero el análisis paralelo de Horn y coordenadas óptimas solo uno.

Por la convergencia de criterios se extrajeron dos factores. En la MPG, el porcentaje de varianza total explicada fue del 54.2 %. Tras la rotación, el primer factor quedó configurado por cuatro indicadores (ítems 7, 8, 9 y 10), que correspondieron a las preguntas sobre el uso del hilo dental. La VME fue 0.737. Su consistencia interna fue muy alta (ω = 0.917 y α ordinal = 0.911). El segundo factor quedó conformado por cuatro indicadores (ítems 2,4,5y 6) que correspondieron a las preguntas sobre cepillado de dientes. La VME fue 0.313. Su consistencia interna fue baja (ω = 0.637 y α ordinal = 0.628), pero subió (ω = 0.703 y α ordinal = 0.693), al incluir como un quinto indicador al ítem 8, que presentó saturaciones altas en ambos factores. La correlación entre los dos factores fue alta (r[256] = 0.596, P < 0.001), siendo de 35.5 % la varianza compartida. Por tanto, el primer factor tuvo validez discriminante, pero no el segundo (Tabla 2).

Tabla 2 Matriz factorial del modelo de un factor y matriz estructural del modelo de dos factores. 

Table 2. Factor matrix of the one-factor model and structural matrix of the two-factor model. 

Método de extracción: Residuo mínimo. Rotación: Promax. FG = Factor general. Modelo de dos factores: F1 = uso del hilo dental y F2 = cepillado dental.

Num. ítems = número de ítems para el cálculo de la consistencia interna. En negrilla se señalan los ítems que configuran cada factor, al presentar sus cargas factoriales más altas en el factor. α ordinal = coeficiente alfa ordinal. ω = coeficiente omega de McDonald. *incluido el ítem 8 como un quinto indicador en el cálculo de la consistencia interna. VME = varianza media extraída.

En la MCO, el porcentaje de varianza total explicada fue del 59 % al extraerse los dos factores. La consistencia interna del primer factor de uso del hilo dental (ítems 7, 8, 9 y 10) fue muy alta (ω = 0.947 y α ordinal = 0.944) y la VME fue 0.817. La consistencia interna del segundo factor de cepillado (ítems 2, 4, 5 y 6) fue baja (ω = 0.645 y α ordinal = 0.633), pero subió a aceptable (ω = 0.742 y α ordinal = 0.727), al incluir como un quinto indicador al ítem 8, que presentó saturaciones altas en ambos factores. La VME fue 0.329. La correlación entre los dos factores fue alta (r [240] = 0.680, P < 0.001), siendo de 46.2 % la varianza compartida. Por tanto, el primer factor posee validez discriminante, pero no el segundo (Tabla 2).

Al extraer un sólo factor en la MPG y en la MCO, las cargas factoriales de los ítems correspondientes al segundo factor del modelo bifactorial quedaron por debajo de 0.50 y sus comunalidades por debajo de 0.25, salvo la del ítem 4 en la MCO (Tabla 2). La consistencia interna de los ocho ítems fue alta en la MPG (ω = 0.833 y α ordinal = 0.833) y en la MCO (ω = 0.870 y α ordinal = 0.865). Esta se incrementó muy ligeramente con eliminación de los ítems 2, 5 y 6, que son indicadores del segundo factor en el modelo bifactorial. Aunado a lo anterior, indica la necesidad de extraer un segundo factor.

AFC y consistencia interna y validez convergente y discriminante de los factores

Se especificó un modelo de dos factores correlacionados sin cargas cruzadas y todos los residuos independientes. El factor de cepillado (ξ1) con cuatro indicadores (ítems 2, 4, 5y6),y el de uso del hilo dental (ξ2) también con cuatro (ítems 7,8,9y 10). Las estimaciones por ULS, de todos los parámetros fueron, admisibles en la MCO y MPG en los cuatro modelos anidados. Todos los parámetros fueron significativos al calcularse sus errores estándar y realizarse el contraste por PCS. La correlación entre los dos factores fue alta en la MPG rξ1,ξ2 = 0.649, IC 95 %: 0.526, 0.762, P < 0.001), pero muy alta en la MCO r²ξ1,ξ2 = 0.718, IC 95 %: 0.607, 0.810, P < 0.001) (Figuras 1 y 2). No obstante, hubo solapamiento en la estimación de cada parámetro, con un intervalo de confianza del 95 % entre la MPG y MCO en los cuatro modelos anidados, lo que se puede interpretar como equivalencia de parámetros. En el modelo sin constricciones, el factor de uso del hilo dental tuvo una VME mayor que 0.50 (VME = 0.850 en MPG, y 0.813 en MCO) y validez discriminante (VME > varianza compartida por los dos factores[r²ξ1,ξ2]), aparte de una consistencia interna muy alta (α ordinal = 0.911 y ω = 0.917 en MPG, y α ordinal = 0.944 y ω = 0.947 en MCO). En las dos muestras, el factor de cepillado tuvo una VME menor que 0.50 (VME = 0.304 en MPG, y 0.323 en MCO), presentó una consistencia interna cuestionable (α ordinal = 0.628 y ω = 0.637 en MPG, y α ordinal = 0.633 y ω = 0.645 en MCO), y la varianza compartida con el otro factor fue mayor que su VME (r²ξ1,ξ2 = 0.421 en MPG, y 0.516 en MCO), por lo que no satisfizo el criterio de validez discriminante (Figuras 1 y 2).

Figura 1 Modelo de dos factores en la muestra de población general. 

Figure 1. Two-factor model in the general population sample.84 % 

Figura 2 Modelo de dos factores en la muestra clínica odontológica. 

Figure 2. Two-factor model in the dental clinic sample. 

Todos los índices de ajuste fueron buenos en el modelo sin constricciones; también en el modelo con constricciones en los pesos de medida (PM), salvo dos con valores aceptables (χ²/gl = 2.133 y SRMR = 0.069). Entre estos dos modelos, las diferencias en los estadísticos NFI, IFI, RFI y NNFI fueron menores que 0.01 y el cociente entre la diferencia de los estadísticos chi-cuadrado y la de los grados de libertad fue menor que 5 ∆χ²/∆gl = 4.732). En los modelos con constricciones en las varianzas-covarianzas y en los residuos de medida, hubo índices de mal ajuste (x²/gl > 3 en ambos modelos, y SRMR > 0.10 en el modelo con constricciones en las varianzas-covarianzas) y aparecieron más índices con ajuste aceptable (NFI y NNFI < 0.95 y SRMR > 0.07). Estos dos últimos modelos presentaron un ajuste semejante entre sí, con diferencias en los estadísticos NFI, IFI, RFI y NNFI menores o iguales que 0.01, y un cociente entre la diferencia de los estadísticos chi-cuadrado y la de los grados de libertad menor que 5 ∆χ²/∆gl = 4.091). Además, este fue diferencialmente peor, en comparación con los modelos con menos constricciones. Estos datos reflejan que el modelo es adecuado para ambas muestras, pero no estrictamente invariante. La diferencia se marca a nivel de varianzas-covarianzas. En la MCO, la correlación entre los dos factores fue mayor, la varianza del factor de cepillado menor, y la de uso del hilo dental mayor que en la MPG (Tabla 3). Al hacer el contraste unigrupo, todos los índices mostraron buen ajuste a los datos en las dos muestras. La parsimonia fue alta (RP = 0.679), además el índice GFI parsimonioso alcanzó un valor mayor que 0.50, y los índices NFI y CFI parsimoniosos fueron mayores que 0.60 (Tabla 3).

Tabla 3 Índices de ajuste del modelo de dos factores sin carga cruzada. 

Table 3. Fit indexes of the two-factor model without cross-loadings. 

Unigrupo: MCO = muestra clínica odontológica y MPG = muestra de población general. Multigrupo: SC = Sin constricciones, PM = con constricciones en los pesos de medida, VC = con constricciones en las varianzas-covarianzas y RM = con constricciones en los residuos de medida. Modelo independiente: Unigrupo: MCO (x²[28, N = 240] = 2240.974) y MPG (χ²[28, N = 256] =1194.469); Multigrupo (χ²[56, N = 496] = 3435.595).

Al especificar una carga cruzada en el ítem 8, desde los resultados del AFE, todos los parámetros fueron admisibles y significativos en los cuatro modelos anidados en la MCO y MPG. En el modelo sin constricciones, la correlación entre los dos factores fue alta en la MPG (r ξ1,ξ2 = 0.578, 95 % IC: 0.446, 0.698, P < 0.001) y en la MCO (r ξ1,ξ2 = 0.649, 95 % IC: 0.530, 0.751, P < 0.001), siendo en ambas menores que 0.70. Hubo solapamiento en la estimación de cada parámetro, con un intervalo de confianza del 95 % entre la MPG y MCO en los cuatro modelos anidados, salvo en el peso del factor de cepillado sobre el ítem 9(λ = 0.870 [0.817, 0.911] en MPG, y 0.945 [0.918, 0.972] en MCO en el modelo sin constricciones). En las dos muestras, el factor de uso del hilo dental tuvo una VME mayor que 0.50 y mostró validez discriminante (VME = 0.680 > (r² ξ1,ξ2 = 0.334 en MPG, y VME = 0.674 > r² ξ1, ξ2 = 0.421 en MCO), aparte de una consistencia interna muy alta (α ordinal = 0.911 y 0.907 en MPG, y 0.944 y 0.889 en MCO). En la MCO, la consistencia interna del factor de cepillado fue aceptable por el coeficiente α ordinal (> 0.70), pero cuestionable por el coeficiente ω de McDonald (ω = 0.674). En la MPG, fue cuestionable por los dos índices (α ordinal = 0.693 y ω = 0.633). Los valores de VME del factor de cepillado fueron menores que el criterio de validez convergente, esto es menores que 0.50, en las dos muestras, con valores ligeramente más bajos que sin la carga cruzada, y fueron menores-que la correlación compartida entre los dos factores o criterio de validez discriminante (VME = 0.269 < r²ξ1,ξ2 = 0.334 en MPG, y VME = 0.302 < r²ξ1, ξ2 = 0.421 en MCO) (Figuras 3 y 4). En el modelo con más constricciones, cuyos parámetros son los mismos en ambas muestras, la VME del factor de cepillado fue menor que 0.50 (VME = 0.285) y que la varianza compartida entre los dos factores (r² = 0.364), por lo que su validez discriminante no quedó establecida dentro del modelo.

Figura 3 Modelo de dos factores con una carga cruzada en la muestra de población general. 

Figure 3. Two-factor model with a cross-loading in the general population sample. 

Figura 4 Modelo de dos factores con una carga cruzada en la muestra clínica odontológica. 

Figure 4. Two-factor model with a cross-loading in the dental clinic sample. 

En los modelos sin constricciones y con constricciones en los pesos de medida, todos los índices de ajuste fueron buenos, tuvieron una bondad de ajuste equivalente con base en los índices de ajuste relativos diferenciales (ΔNFI = 0.008, ΔNNFI = 0.008, ΔIFI = 0.006, ΔRFI = 0.009, ΔCFI = 0.006 y ∆χ²/Δgl = 4.134), y ésta fue mayor que en los modelos con constricciones en las varianzas-covarianzas y en los pesos de medida con base en los índices de ajuste relativos diferenciales. En estos dos últimos modelos el ajuste fue bueno por los índices GFI, AGFI, NNFI, RFI, IFI y CFI (> 0.95), y adecuado por NFI (> 0.90 y SRMR > 0.06), pero hubo dos índices de mal ajuste (χ²/gl > 3 en ambos modelos y SRMR > 0.10 en el modelo con constricciones en las varianza o varianzas). La bondad de ajuste entre ambos modelos fue equivalente (ΔNFI = 0.009, ΔNNFI = 0, ΔIFI = 0.007, ΔRFI = 0.001, ΔCFI =0.007 y ∆χ²/∆gl = 4.091). No se sostuvo la invarianza a nivel de varianzas y covarianzas de los factores y varianzas de los residuos, pero sí a nivel de pesos de medida, y en ambas muestras el modelo de dos factores tuvieron un ajuste aceptable (Tabla 4).

Tabla 4 Índices de ajuste del modelo de dos factores con una carga cruzada para el ítem 8. 

Table 4. Fit indexes of the two-factor model with a cross-loading for item 8. 

Unigrupo: MCO = muestra clínica odontológica y MPG = muestra de población general. Multigrupo: SC = Sin constricciones, PM = con constricciones en los pesos de medida, VC = con constricciones en las varianzas-covarianzas y RM = con constricciones en los residuos de medida. Modelo independiente: Unigrupo: T (χ²[28, N = 496] = 3 306.260, C (x²[28, N = 240] =2 240.974 y PG (χ²[28, N = 256] =1194.469); Multigrupo (χ²[56, N = 496] = 3 435.595).

Al hacer el contraste unigrupo, la bondad de ajuste se mantuvo por todos los índices de ajuste. La chi-cuadrada bajó de 1 en la MCO, pudiendo reflejar excesiva parametrización (χ²/gl = 0.970). La parsimonia descendió ligeramente, siendo alta (RP = 0.643). En las dos muestras, los índices NFI y CFI parsimoniosos fueron mayores que 0.60, pero los índices GFI parsimoniosos descendieron de 0.50 (PGFI = 0.496 en MPG, y 0.498 en MCO) (Tabla 4).