Title
Subjective well-being, unidimensional or multidimensional? Bi-factor analysis in a sample of college students
Other title
Estructura del bienestar subjetivo mediante análisis bifactor: ¿unidimensional o multidimensional?
Date Issued
01 January 2018
Access level
open access
Resource Type
journal article
Author(s)
Publisher(s)
Instituto Brasileiro de Avaliacao Psicologica
Abstract
In the present study the subjective well-being structure (WB) proposed by Diener (1985) was analyzed through application of a bifactor model. A total of 281 students from Córdoba, Argentina, 61.2% women, Mage=21.7, participated in the study, and were evaluated with Satisfaction with Life Scale (LS), and the Positive and Negative Affect Schedule (PA and NA, respectively). Confirmatory factor analysis was performed to evaluate two models: oblique (PA, NA and LS) and bi-factor with a general factor (GF) representing WB, and three specific ones. The bi-factor model had a better fit, although results obtained (e.g., ωh) indicate that GF only accounts for 15.9% of the variability of scores. For this reason, the model proposed by Diener (1985) has more support, which shows evidence on the multidimensionality of WB by differentiating affective and cognitive.
Start page
252
End page
259
Volume
17
Issue
2
Language
Spanish
OCDE Knowledge area
Psicología (incluye relaciones hombre-máquina)
Subjects
Scopus EID
2-s2.0-85059256541
Source
Avaliacao Psicologica
ISSN of the container
16770471
Sponsor(s)
No obstante, los ωh, general y específico, no dife-rencian entre la varianza total relacionada con el FG y aquella que se explica mejor por los factores específi-cos, y considerando que el objetivo es brindar eviden-cias a favor del FG, ese indicador por sí mismo no es concluyente. Respecto a ello, el ECV (Explained Common Variance; Sijtsma, 2009) se encarga de cuantificar el por-centaje de la varianza verdadera total que se debe al FG (Reise, Scheines, Widaman, & Haviland, 2013), y el PUC (Percentage of Uncontaminated Correlations; Reise et al., 2013) informa el porcentaje de correlaciones no conta-minadas por la multidimensionalidad y, por ende, mejor explicadas por la presencia del FG. La utilidad del PUC radica principalmente en que ayuda a moderar la inter-pretación del ECV. Es decir, si su valor supera largamente al ECV, es menos probable sustentar la unidimensionali-dad de los resultados (Rodriguez et al., 2016). Esto indica que un ωh moderado o elevado no garantiza la fortaleza del FG, ya que debe existir un ECV elevado (y, de forma deseable, PUC elevado). A su vez, cada uno de los ítems se vería influido simultáneamente por un factor específi-co y el FG, y el ECV-I (Stucky, Thissen, & Edelen, 2013) ayudaría a cuantificar cuánta varianza verdadera del ítem es explicada por el FG y el factor específico.
Sources of information:
Directorio de Producción Científica
Scopus