LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, septiembre, 2023, Volumen IV, Número 3 p 594.

DOI: https://doi.org/10.56712/latam.v4i3.1100

Índice de calidad del servicio técnico basado en la
percepción de usuarios residenciales en sistemas de

distribución eléctrica
Quality of the technical service index based on electrical distribution

systems residential customers' perception

Gustavo Schweickardt
gaocerin@gmail.com

https://orcid.org/0000-0002-0843-2946
CONICET-Universidad Tecnológica Nacional – Concepción del Uruguay

Concepción del Uruguay – Argentina

Artículo recibido: 26 de agosto de 2023. Aceptado para publicación: 11 de septiembre de 2023.
Conflictos de Interés: Ninguno que declarar.

Resumen

En el presente trabajo se propone la construcción de un índice de calidad del servicio técnico
(CST) sustentado en la percepción de los usuarios residenciales en un sistema de distribución
eléctrica. Para ello, es empleado un modelo de ecuaciones estructurales estimado mediante la
técnica de mínimos cuadrados parciales (PLS-SEM). Confirmada la bondad de ajuste del mismo,
tanto en el modelo de medida como en el estructural, se procede a la determinación de los
puntajes factoriales que resultan para el constructo dependiente, referido como CST,
permitiendo el cálculo de un indicador asociado a la percepción de la calidad en cuestión para
cada usuario residencial que integra la muestra, considerada representativa. Estos resultados
se comparan con los obtenidos construyendo índices a partir de la técnica de Análisis de
Componentes Principales (ACP) sobre la misma muestra, planteando cuatro enfoques
diferentes de composición, congruentes con la observación práctica en esta clase de sistemas.
Los datos empleados corresponden a un sistema real de distribución perteneciente a la ciudad
de Bariloche, Argentina, obtenidos de una encuesta realizada en el año 2021.

Palabras clave: calidad de servicio técnico, ecuaciones estructurales, PLS-SEM, análisis
de componentes principales, sistema de distribución de energía eléctrica

Abstract
The present work proposes the construction of a quality of technical service (QTS) index based
on the perception of residential customers in an electrical distribution system. It is considered
a structural equation model estimated by partial least squares (PLS-SEM). Once the goodness
of fit is confirmed, both in the measurement model and in the structural model, it proceeds to
determine the factorial scores that result for the dependent construct, referred to as QTS,
allowing the calculation of an indicator associated with the perception of the quality in question,
for each residential user that integrates the sample considered representative. These results are
compared with the indices obtained from the Principal Components Analysis (PCA) technique
on the same data, using four different index composition approaches, consistent with
observation practice in this class of systems. The data used corresponds to a distribution
system of Bariloche City, Argentina, obtained from a survey carried out in 2021.

Keywords: quality of technical service, structural equations, PLS-SEM, principal
components analysis, electrical energy distribution system

LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, septiembre, 2023, Volumen IV, Número 3 p 595.

Todo el contenido de LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades,
publicados en este sitio está disponibles bajo Licencia Creative Commons .

Como citar: Schwejckardt, G. (2023). Índice de calidad del servicio técnico basado en la
percepción de usuarios residenciales en sistemas de distribución eléctrica. LATAM Revista
Latinoamericana de Ciencias Sociales y Humanidades 4(3), 594–620.
https://doi.org/10.56712/latam.v4i3.1100

LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, septiembre, 2023, Volumen IV, Número 3 p 596.

INTRODUCCIÓN

La actual regulación en las empresas de distribución eléctrica en términos de la calidad del
servicio técnico que prestan a sus usuarios, se sustenta en un conjunto de indicadores
normativamente establecidos (IEEE, 2003) y aceptados internacionalmente. Como se refiere en
Schweickardt (2023), las características fundamentales que tales indicadores exhiben, estiban
en tres aspectos:

● Su naturaleza física relativa al proceso de medición.
● Cada indicador mide un aspecto individual de la confiabilidad (aquí entendida como

Calidad de Servicio Técnico) del sistema de distribución, de manera que la indicación
resultante es multidimensional o vectorial (no reducible en forma directa a un escalar).

● Reducen su indicación individual a un valor promedio, lo cual, habida cuenta de la
diversidad de tipos constructivos empleados en el diseño de los sistemas de redes,
puede resultar poco significativo en relación al aspecto de la confiabilidad que pretende
expresarse.

El punto 3 amerita un breve desarrollo. En la práctica de la planificación y diseño constructivo
de los sistemas de distribución eléctrica (Lakervi y Holmes, 1995), el término ‘tipo constructivo’
refiere un conjunto de equipos-elementos componentes de las redes, que ofrecen la mejor
prestación técnico-económica para determinada zona caracterizada, generalmente, según las
economías de densidad identificadas en la región de concesión en la cual opera la empresa
distribuidora (Filippini, 2001) (Schweickardt, 2003).

Según la English Encylopedia (2023), las economías de densidad expresan una situación en las
que los costos unitarios de producción de un bien o prestación de un servicio, cambian con la
densidad de población: cuanto mayor es tal densidad, menores serán los costos de la
infraestructura necesaria para prestar un servicio, tal como el ‘servicio de red’ según Paul
Joscow (1983, 2000), aquí considerado conforme la regulación eléctrica vigente. Un ejemplo
serían los costos asociados con la provisión del servicio de red en áreas urbanas, suburbanas
y rurales. De modo que existe un aspecto espacial que caracteriza a la presencia de las
economías de densidad, razón por la cual no deben ser confundidas con las economías de
escala, en las cuales no es considerado el espacio.

De manera que los tipos constructivos serán diferentes según lo sean las economías de
densidad. En Argentina, y sin pérdida de generalidad, para el sistema de distribución utilizado
como estudio de caso, se emplean los siguientes tipos constructivos:

Zonas de alta urbanización

La subestación transformadora de media tensión a baja tensión y los conductores de
distribución, son subterráneos.

Zonas de media urbanización

La subestación transformadora de media tensión a baja tensión es ‘a nivel’, es decir que se
encuentra dentro de una edificación especial, con el mismo acceso que tiene una vivienda
particular. Los conductores son subterráneos a la salida de la subestación, y aéreos
preensamblados sobre postación de hormigón y/o columnas tubulares de hierro.

Zonas suburbanas

La subestación transformadora de media tensión a baja tensión es ‘sobre plataforma’, es decir,
está a la intemperie sobre una plataforma a la altura de la postación de hormigón que suspende
los conductores aéreos preensamblados (las tres fases y el conductor neutro, ensambladas con

LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, septiembre, 2023, Volumen IV, Número 3 p 597.

una cobertura para protección mecánica, y el conductor neutro utilizado como soporte para el
sostén sobre la postación).

Zonas Suburbanas de baja densidad

La subestación transformadora de media tensión a baja tensión también es ‘sobre plataforma’,
pero los conductores aéreos son desnudos (las tres fases y el conductor neutro separadas y
sostenidas individualmente sobre la postación), con postes de hormigón y de madera.

Zonas rurales

Postes de madera que soportan conductores aéreos desnudos y pequeñas subestaciones
transformadoras de media tensión a baja tensión, que abastecen pocos usuarios.

Es claro, observando esta breve descripción sin mayores detalles técnicos, que la confiabilidad
del servicio va degradándose desde el primer tipo constructivo hacia el último, pues la tasa de
fallas, solamente considerando la exposición a los efectos climáticos, va en aumento en la
medida que la densidad disminuye.

Si se observan las definiciones que propone la normativa IEE (2003) para los indicadores de
confiabilidad ‘basados en usuarios’ más empleados a nivel internacional, se tiene:

Indicador SAIFI (System Average Interruption Frequency Index - Índice de Frecuencia de
Interrupción Promedio del Sistema): indica con qué frecuencia el usuario promedio experimenta
una interrupción sostenida del servicio eléctrico (esto es: no momentánea o transitoria) durante
un período de tiempo predefinido (en Argentina puede ser semestral o anual). Formalmente, su
expresión general viene dada por la ecuación:

�� =
∑ ��ú�� ó��

��ú��

Indicador SAIDI (System average Interruption Duration Index - Índice de Duración de
Interrupción Promedio del Sistema): indica la duración total de una interrupción sostenida
equivalente a todas las que se han producido en un periodo de tiempo predefinido, que
experimenta el usuario promedio (en Argentina dicho periodo también puede ser semestral o
anual). La unidad comúnmente empleada es horas de interrupción por usuario promedio. Su
expresión general viene dada por la ecuación:

�� =
∑ �� [ℎ��] ��

��ú��

Indicador CAIDI (Customer Average Interruption Duration Index- Índice de Duración Promedio
de interrupción del Usuario): indica el tiempo promedio en el cual, ante una interrupción
sostenida, es restaurado el servicio. También se considera sobre un periodo de tiempo
predefinido. Es diferente del SAIDI, porque se refiere al tiempo de restauración promedio que
tienen todas las interrupciones sostenidas, afectando a diferentes usuarios, en el periodo de
referencia adoptado, y en relación al total de usuarios afectados por las mismas. En Argentina
no es actualmente empleado, o bien, considerando que cada Ente Regulador Provincial es
autárquico según la Ley 24065 (1991), puede ser aplicado excepcionalmente en algunas

LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, septiembre, 2023, Volumen IV, Número 3 p 598.

provincias, y su período de aplicación es, por lo general, anual. La unidad comúnmente empleada
también es horas (de restauración promedio del servicio) por usuario. Su expresión formal viene
dada por la ecuación:

�� =
∑ ��ó�� [ℎ��] ��

��ú��

Indicador CAIFI (Customer Average Interruption Frequency Index- Índice de Frecuencia de
interrupción Promedio del Usuario): indica la frecuencia promedio de interrupciones sostenidas
del servicio eléctrico, para todos los usuarios afectados por las mismas, durante un periodo de
tiempo predefinido. Es diferente del SAIFI, porque se refiere sólo a los usuarios afectados, no al
número total abastecido, en el periodo de referencia adoptado. En Argentina tampoco es
actualmente utilizado, valiendo las mismas consideraciones que para el indicador CAIDI. Su
expresión formal viene dada por la ecuación:

�� =
∑ ��ú�� ó��

��ú��

Indicador ASAI (Average Service Availability Index- Índice Promedio de Disponibilidad del
Servicio): indica la fracción de tiempo que un usuario equivalente ha recibido abastecimiento de
energía durante un periodo de tiempo predefinido. En Argentina tampoco es actualmente
utilizado, y vale lo mismo que se dijo en referencia a los indicadores CAIDI y CAIFI. Su expresión
formal viene dada por la ecuación (5):

�� =
∑ �� ℎ��

�� ℎ��

Particularmente, este indicador es de escaso interés para su control regulatorio, pues resulta
complejo identificar valores umbrales máximos, usualmente expresados como porcentajes, a
partir de los cuales comienzan a ser aplicadas penalizaciones a la empresa distribuidora.

Como puede observarse, todos estos indicadores se reducen a un valor promedio, que tiene
escasa representatividad o significación, conforme lo indicado en los puntos a) – c).

Existen propuestas de un indicador compuesto de confiabilidad para los sistemas de
distribución, algunas más adaptadas a los indicadores mencionados, por caso (Tsao, y Chan
Chang. 2003), y otras más novedosas que incorporan elementos tales como los precios de la
energía (Zhao et al., 2022) o bien orientadas hacia el mantenimiento de los equipos que integran
los típicos constructivos (Mirhosseini et al., 2022), y más avanzadas, bajo el paradigma de
generación distribuida con penetración de fuentes de energía renovable (Firouzi et al., 2022).

Sin embargo, no se observan soluciones para los puntos a), b) y c) indicados, pues este índice
compuesto sigue expresándose en mediciones únicamente físicas, resulta en un promedio
ponderado del resto de los indicadores, cuyos pesos surgen predominantemente de la

LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, septiembre, 2023, Volumen IV, Número 3 p 599.

importancia del planificador del sistema y no de los usuarios afectados por las interrupciones,
y puede, entonces, implicar un parámetro poco significativo y más complejo de controlar por
parte de la autoridad regulatoria, en aras del beneficio de los usuarios cautivos de las empresas
distribuidoras.

El Control Regulatorio de los Indicadores de Confiabilidad para Sistemas de Distribución de
Energía utilizado en Argentina

Como se dijo, la Ley Nacional Marco Regulatorio Eléctrico 24065 (1991), establece los
lineamientos generales relativos a los aspectos que deben ser controlados por la autoridad
regulatoria a nivel nacional (Ente Nacional Regulador de la Electricidad – ENRE) y las
autoridades regulatorias provinciales, consideradas autárquicas (Ente Provincial Regulador de
la Electricidad – EPRE). De acuerdo a esta Ley Nacional, el ENRE regula las concesiones de
transporte y distribución de energía eléctrica en el país. Sin embargo, en distribución, es la
autoridad para la provincia de Buenos Aires. El resto de las provincias argentinas, están sujetas
al control de un EPRE.

Al consultar las ‘Normas de Calidad del Servicio Público y Sanciones’ establecidas por el ENRE
(2023), se tiene las pautas para el control regulatorio de la confiabilidad, las cuales también son
aplicadas por el EPRE de la provincia de Río Negro, donde se sitúa geográficamente la ciudad
de Bariloche y se emplaza el sistema de distribución analizado en el presente trabajo.

Los aspectos que caracterizan el control de los indicadores de confiabilidad, se sintetizan a
continuación:

La confiabilidad es referida como Calidad del Servicio Técnico, y son controlados los
indicadores SAIFI y SAIDI

Se considera un control a nivel indicadores Globales y otro, complementario, a nivel indicadores
Individuales. La normativa ENRE (2023), establece textualmente: “Para la medición de la calidad
de servicio técnico, se utilizará la combinación de indicadores globales del sistema junto con
indicadores individuales por usuario.”

Como interrupciones sostenidas, son consideradas aquellas cuya duración supere los 3
minutos, debidas a cualquier causa, sean programadas o forzadas, exceptuando las
consideradas como contingencias (fortuitas) o por fuerza mayor. En este último caso, la
empresa distribuidora debe declararlas como tales y el regulador debe aprobarlas.

Indicadores Globales: Se adoptan el SAIFI y el SAIDI tal y como se definen en las ecuaciones (1)
y (2), respectivamente. El periodo de tiempo para su control es semestral. La modalidad que se
establece es un control sobre la evolución de los mismos semestralmente. Para ello, desde el
primer año del periodo de control regulatorio (5 años en Argentina) se miden los valores de SAIFI
y SAIDI iniciales (válidos para el primer semestre), y es definido un ‘sendero de reducción’ para
los mismos, que finaliza en el décimo semestre del periodo regulatorio.

El ‘sendero de reducción’, se define mediante la expresión siguiente, llamando X tanto al
indicador SAIFI como SAIDI:

�� = �� + 1 − (�� − �� + 1)
(��−1)

Donde: Xi, representa el valor del indicador X (SAIFI y SAIDI) para i en [1…10] (10 semestres), e
igual; Xinicial, es el valor del indicador en el semestre 1 y Xfinal el valor para el semestre 10.

Los valores iniciales y finales (objetivos de calidad) son consensuados entre las empresas
distribuidoras y la autoridad regulatoria, para cada comuna (partido o departamento) en los que

LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, septiembre, 2023, Volumen IV, Número 3 p 600.

la provincia se divide. De manera que los indicadores SAIFI y SAIDI finales e iniciales, resultan
de un promedio por comuna, independientemente de cuántos sistemas de distribución presten
servicio en la misma, mediante la concesión a empresas diferentes.

Indicadores Individuales: son adoptados también el SAIFI y el SAIDI al igual que lo descrito para
los indicadores Globales. También es definido, del mismo modo, un ‘sendero de reducción’, pero
único para todas las comunas.

El control de los indicadores Individuales, se realiza midiendo el SAIFI y SAIDI por usuarios,
conforme lo declare cada empresa distribuidora en su zona de concesión para prestar el
servicio. En el caso que existan usuarios cuyos indicadores SAIFI y/o SAIDI superen los valores
establecidos, constatados por la autoridad regulatoria, serán aplicables penalizaciones a las
empresas distribuidoras que abastecen a tales usuarios. Estas penalizaciones son afectadas
por un factor, F, que pondera los indicadores Globales por comuna, definido del siguiente modo:

�� = (
��

��

��
��) × 0.7 + (

��
��

��
��) × 0.3

Donde: i en [1…10] es el semestre de control (10 semestres); SAIDIMedidoi, SAIFIMedidoi son
los indicadores Globales medidos para la comuna; y SAIDISenderoi, SAIFISenderoi son los
indicadores Globales que arroja el ‘sendero de reducción’ dado por la ecuación.

Se observa que, para un semestre determinado, si los indicadores Globales se mantienen en su
‘sendero de reducción’, este factor es igual a 1 y no tiene efecto en las penalizaciones. Si los
valores medidos resultan mayores (menores) a los que arroja la ecuación sendero, F es mayor
(menor) que 1 y las penalizaciones son mayores (menores) a las normalmente establecidas

Desde esta síntesis, puede apreciarse que esta clase de control favorece a las empresas
distribuidoras, debido a la fuerte asimetría de información regulador-regulado (Spulber, 1989),
enfatizando aún más los inconvenientes referidos en los puntos a), b) y c). Además, en la
construcción de los indicadores, controlados no se considera en ningún caso la percepción de
los usuarios cautivos, pertenecientes predominantemente al segmento de consumo residencial,
sobre la calidad del servicio técnico que la empresa distribuidora ofrece. En lo que sigue, al
hablar de usuario se estará haciendo referencia al usuario cautivo del segmento de consumo
residencial, a excepción de que se especifique otra categoría de consumo.

Utilizar sólo estos dos indicadores, SAIFI y SAIDI, frente a lo que un usuario percibe como calidad
de servicio técnico, supone una importante reducción del problema cuando deviene en un
sistema de penalizaciones, por parte de la autoridad regulatoria a la empresa, a causa del
incumplimiento de un nivel de satisfacción adecuado. El mismo, conforme los esquemas de
regulación por incentivos, particularmente el de limitación de precios, debería generar señales
económicas para la distribuidora que redunden en inversiones orientadas a mejorar el nivel de
calidad. Sin embargo, ocurre lo contrario: las penalizaciones no sólo no reflejan la valoración
económica de la calidad en cuestión por parte de los usuarios, sino que las empresas prefieren
sufragar los costos de las mismas en lugar de invertir, tal como se explica en (Schweickardt
2023).

Por caso, si bien los usuarios considerados se abastecen desde la red de baja tensión, las
interrupciones sostenidas que son computadas en los dos indicadores medidos ocurren por
fallas en las redes de media y de alta tensión, o en las subestaciones de transformación de

LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, septiembre, 2023, Volumen IV, Número 3 p 601.

media a baja tensión, ámbitos donde, por lo general, se instalan dispositivos que informan de
inmediato las contingencias ocurridas al centro de operación técnica de la empresa.

De manera que las interrupciones por fallas en las redes de baja tensión, sólo son atendidas
mediante reclamos técnicos, pero no son registradas al efecto de la medición de los indicadores
SAIFI y SAIDI.

En este contexto, y siguiendo la línea de investigación presentada en (Schweickardt, 2023), el
presente trabajo propone la estimación de un indicador de la calidad del servicio técnico, basado
en la percepción de los usuarios residenciales, que considere no sólo la Frecuencia y Duración
de las interrupciones, sino otros aspectos que impactan en la calidad en cuestión, pero carecen
de registro por parte de la distribuidora, debido a su falta de control regulatorio efectivo.

METODOLOGÍA

En esta última referencia, fue planteado y validado un modelo de ecuaciones estructurales para
la medición de la calidad del servicio técnico (CST) en sistemas de distribución eléctrica, del tipo
CB- SEM.

Partiendo del mismo, cuyo esquema conceptual se presenta en la Figura 1, y desde la misma
muestra de 500 observaciones relevadas por medio de la encuesta utilizada por Schweickardt
(2023), se siguen dos metodologías para la construcción de un índice compuesto de la CST:

Aplicación del Análisis de Componentes Principales (ACP)

Esta metodología es propia del Análisis Estadístico Multivariante (Peña, 2002), (Osborne y
Banjovic, 2016), (Aldás y Uriel, 2017) y (Mooi et al., 2018). Lo primero que debe aclararse,
siguiendo a Osborne y Banjovic (2016), es que no debe ser confundido el ACP con el Análisis
Factorial Exploratorio (AFE). Estos autores, entre otros, advierten que desafortunadamente
existen muchos conceptos erróneos sobre el ACP y el AFE, y el más importante es que son
‘sinónimos’. Atribuyen esta confusión principalmente a dos factores:

● Diversos programas software para Estadística Multivariante (tal como el SAS, que es el
empleado en su libro, o el SPSS) tienen al ACP como técnica de extracción
predeterminada, cuando se realiza un Análisis Factorial Exploratorio, y

● Muchos investigadores utilizan en sus trabajos ACP y AFE indistintamente, o bien
emplean ACP cuando realizan un análisis para el cual es más apropiado utilizar AFE.

La aclaración resulta pertinente, puesto que en gran cantidad de artículos estas dos técnicas
son abordadas sin distinción alguna. La Figura 2 representa la diferencia entre ambas técnicas.
El ACP y AFE explican patrones de correlaciones dentro de un conjunto de variables observadas,
pero difieren fundamentalmente en sus suposiciones sobre la naturaleza de las variables y su
tratamiento en el análisis. El AFE asume que la varianza total de cada variable puede dividirse
en varianza común, varianza compartida con todas las demás variables en el análisis, y varianza
única, mientras que el ACP asume que la varianza total es varianza común. Esto explica los
términos de error en cada variable, representados para el AFE en la Figura 2.

LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, septiembre, 2023, Volumen IV, Número 3 p 603.

Fuente: Osborne y Banjovic (2016) y Mooi et al. (2018)

De este modo, el ACP, mediante la extracción de las componentes, explica la totalidad de la
varianza. Desde el punto de vista metodológico, el ACP busca reducir la dimensionalidad de las
variables observadas, mediante la extracción de un número de componentes incorreladas, sin
pérdida de información. En cambio, el AFE intenta encontrar la estructura latente (factores) que
subyace en las variables observadas y que provoca que las mismas se encuentren
correlacionadas entre sí.

Matemáticamente, las componentes principales resultan de una combinación lineal de las
variables observadas originalmente, en la cual los coeficientes son los elementos componentes
de los autovectores asociados a la matriz de correlaciones. Es decir, para cada observación i,
su componente principal, j, CPji, será:

�� = ∑
��

��=1

(�� × ��)

Donde: p es el número de variables observadas, x, y uji es el elemento del autovector j.

En cambio, el modelo correspondiente al AFE, se define del siente modo:

∀�� [1. . ��]:

�� = ∑
��

��=1

(�� × ��) + ��

Donde: p es el número de variables observadas, xj, ξj es el factor asociado a la varianza común
de la variable observada j, ϵj es el término de error (asociado a la varianza única), λjk es la carga
o peso factorial del factor k sobre la variable j, y nf es el número de factores.

Dejando el resto de los detalles sobre cada una de estas técnicas para ser consultados en las
referencias citadas, en las ecuaciones anteriores se observa una muy clara diferencia en los
modelos matemáticos, que también se aprecia esquemáticamente en la Figura 2 (a través de la
‘flechas que tienen sentido opuesto, según se trate de ACP o AFE).

Aclarado este punto, la metodología propuesta que aplica ACP para la construcción del Índice
de CST, se sintetiza en los siguientes pasos, siguiendo a Mooi et al. (2018):

1ro) Verificación de los requisitos de los datos y realización de análisis preliminares: Se incluye
la detección de outliers o datos atípicos, evaluación del tamaño de la muestra considerada,
evaluación de la escala de medición, y evaluación del grado de correlación ente las variables
observadas.

Extracción de las componentes principales

Determinación del número de componentes a retener

En general y ante la ausencia de información previa, suele emplearse el denominado criterio de
Kaiser (1960), quien sugiere retener aquellas componentes asociadas a las ‘raíces latentes’ o

LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, septiembre, 2023, Volumen IV, Número 3 p 604.

autovalores mayores que uno de la matriz de correlación observada. Para el estudio aquí
abordado, como se dispone del modelo teórico y quiere realizarse una comparación de métodos
de construcción del índice de CST, se retienen 5 componentes (una por cada factor del modelo
CB-SEM de Schweickardt (2023) (Figura 1).

Interpretación de la solución obtenida

Se busca determinar qué variables se relacionan con cada una de las componentes extraídas
(retenidas), para lo cual se emplea una rotación varimax a efectos de facilitar la exploración.
Luego se procede a la asignación de las variables observadas a las componentes principales
extraídas.

Evaluación de la calidad obtenida (postestimación)

En este punto se incluyen tres aspectos:

● Evaluación de la proporción de varianza total captada por las componentes principales
retenidas,

● Comprobación de la congruencia de las correlaciones Iniciales y reproducidas: esto
supone, que los residuos de las correlaciones deben ser lo más pequeños posible o bien
los valores de las medidas KMO elevados, > 0.6 (Kaiser, 1974). Si existiesen problemas
con los residuos, debería observarse en las medidas KMO de las variables observadas
problemáticas, y

● La evaluación de los valores de las comunalidades de las variables observadas.

Cálculo de las puntuaciones de las componentes principales extraídas

Estos pasos son estándar para un ACP. Luego, como la calidad de la solución es satisfactoria,
se abordan los pasos específicos que en este trabajo se proponen como metodología para la
construcción del índice de CST.

Estudiar la escala utilizada en términos de los efectos de los puntajes obtenidos en cada ítem
(variable observada) sobre el índice buscado

Todos los ítems asociados a cada variable observada, desde el modelo estructural CB-SEM
(Schweickardt, 2023), integran (Likert, 1932) o son medidos a través de (Romero y Álvarez, 2021
y 2022) una escala tipo Likert de 7 puntos, invertida (1 → Mejor aspecto evaluado de la CST por
el ítem considerado; 7 → Peor aspecto evaluado de la CST por el ítem considerado), De manera
que en cuanto a cada ítem sobre el índice buscado, existe congruencia en términos del sentido
del efecto sobre el índice de CST.

Normalización por re-escalamiento de los puntajes obtenidos para las componentes extraídas

Como pretende construirse un índice que adopte valores en [0, 1], los puntajes de las
componentes extraídas deben se normalizados por re-escalamiento. A su vez, se busca que el
valor 1 del índice se corresponda con la máxima CST y el 0 con la mínima CST. Como la escala
tipo Likert utilizada está invertida, la normalización se realiza mediante la expresión:

∀�� [1. . ��], ∀�� [1. . ��]:

�� =
��(��)−��

��(��) − ��(��)

LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, septiembre, 2023, Volumen IV, Número 3 p 605.

Donde: nCPr es el número de componentes principales retenidas, nObs es el número de
observaciones de la muestra considerada (500), Max(pCPrj) y Min(pCPrj) son el máximo y
mínimo puntaje de la componente principal retenida j, respectivamente, pCPrij es el puntaje
resultante para la observación i de la componente principal retenida j, y pCPrNij es el puntaje
normalizado para la misma.

Consideración de las dimensiones en las que se agrupan las componentes principales para
formar un índice compuesto de CST

Por similaridad entre los aspectos que representan las componentes principales extraídas,
estas pueden ser agrupadas creando las dimensiones del indicador compuesto de CST
buscado. Aquí se ha considerado dos posibilidades o estrategias de agrupación para componer
tales dimensiones. Para ello, como se verá en el apartado Resultados y Discusión, se anticipa,
con el objetivo de evitar un ejemplo ajeno a la investigación presentada en este trabajo, el
significado de cada componente extraída según su orden (de mayor a menor varianza total
captada), siguiendo el modelo conceptual de la Figura 1:

Componente 1 → RC, Componente 2 → DC, Componente 3 → FC, Componente 4 → CBT y
Componente 5 → CST.

Primera agrupación: DC y FC (duración y frecuencia de los cortes, respectivamente), definen la
primera dimensión y el resto de las componentes principales son dimensiones independientes.
Es decir:

DIM 1 → {DC, FC}, DIM 2 → {RC}, DIM 3 → {CBT} y DIM 4 → {CST}.

Segunda agrupación: En este caso no existen, en rigor, agrupaciones, sino que cada componente
principal se considera una dimensión independiente. Es decir:

DIM 1 → {DC}, DIM 2 → {FC}, DIM 3 → {RC}, DIM 4 → {CBT} y DIM 5 → {CST}.

Cálculo del índice compuesto considerando el peso de cada dimensión

Aquí también son propuestas dos maneras de considerar el peso que cada dimensión tiene en
la composición del índice de CST:

Según un promedio simple: La forma trivial, pero observada en la construcción de indicadores
compuestos, es asumir que todas las componentes principales retenidas y normalizadas, dadas
por la ecuación, tienen el mismo peso al agruparse en una dimensión, y todas las dimensiones
tienen el mismo peso al componer el índice de CST. Esto supone, en los cálculos, considerar
promedios simples.

Entonces se tendrán las siguientes secuencias de ecuaciones a aplicar:

Construcción del Índice de CST con las dimensiones formadas según el criterio A) (4
dimensiones) y ponderaciones mediante promedio simple (ICSTPS-4D):

∀�� [1. . ��]:

��1 =
��2 + ��3

��2 = ��1

��3 = ��4

��4 = ��5

LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, septiembre, 2023, Volumen IV, Número 3 p 606.

Luego, el ICSTPS-4D para cada observación (individuo) i, será:

��
��−4�� =

∑4
��=1 ��

Construcción del Índice de CST con las dimensiones formadas según el criterio B) y
ponderaciones mediante promedio simple (ICSTPS-5D):

∀�� [1. . ��]:

��1 = ��2

��2 = ��3

��3 = ��1

��3 = ��4

��4 = ��5

Luego, el ICSTPS-5D para cada observación (individuo) i, será:

��
��−5�� =

∑5
��=1 ��

Según un promedio ponderado: La estructura de cálculo anterior, en general, podría exhibir
como ventaja su simplicidad. Pero presenta una limitación importante, pues no todas las
componentes principales retenidas tienen el mismo peso al agruparse para conformar una
dimensión, así como tampoco lo tienen las dimensiones obtenidas al componer el índice
buscado.

El peso de cada componente principal j, al agruparse en la dimensión d, para cada observación
o individuo i, vendrá dado por el cociente ente cada componente principal retenida normalizada
que se agrupa, y la suma de las agrupadas.

Considerando que las componentes principales son extraídas en orden decreciente de la
varianza total captada (primera componente, mayor varianza total captada), y que se trabaja
con la matriz de correlaciones, un elemento que permite obtener el peso de cada dimensión para
componer el índice es el autovalor correspondiente de la matriz de correlaciones. La suma de
los autovalores de las componentes retenidas, indica la varianza total captada referida al
número de variables observadas (20, en este caso). De modo que el peso de una dimensión d
para componer el índice buscado, será el cociente entre la suma de los autovalores asociados
a las componentes retenidas y agrupadas en la dimensión d, y la suma de los autovalores
asociados a todas las componentes retenidas (5, en este caso).

Entonces se tendrán las siguientes secuencias de ecuaciones a aplicar:

Construcción del Índice de CST con las dimensiones formadas según el criterio A) (4
dimensiones) y ponderaciones mediante promedio ponderado (ICSTPP-4D):

LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, septiembre, 2023, Volumen IV, Número 3 p 607.

∀�� [1. . ��]:

��1 = (
��2

��2 + ��3
) × ��2 + (

��3
��2 + ��3

) × ��3

��2 = ��1

��3 = ��4

��4 = ��5

Los pesos de cada dimensión d en la composición del índice, wDIMd, siendo evj el autovalor
asociado a cada componente principal retenida j en [1…5] y Sev la suma de los mismos, resultan
desde los siguientes cálculos:

�� = ∑
5

��=1

��

��1 =
��2+��3

��
, ��2 =

��1
��

, ��3 =
��4
��

y ��4 =
��5
��

Luego, el ICSTPP-4D para cada observación (individuo) i, será:

��
��−4�� = ∑

��=1

�� × ��

B-b) Construcción del Índice de CST con las dimensiones formadas según el criterio B) (5
dimensiones) y ponderaciones mediante promedio ponderado (ICSTPP-5D): al igual que para el
caso anterior y sintetizando expresiones, se tiene:

∀�� [1. . ��]:

��1 = ��2, ��2 = ��3, ��3 = ��1, ��4 = ��4 y ��5 = ��5
(14-a)

��1 =
��2
��

, ��2 =
��3
��

, ��3 =
��1
��

, ��4 =
��4
��

y ��5 =
��5
��

Luego, el ICSTPP-5D para cada observación (individuo) i, será:

��
��−5�� = ∑

��=1

�� × ��

Estimación del Modelo mediante la técnica PLS-SEM y Obtención de los Puntajes Factoriales

La aplicación de esta metodología constituye el principal aporte de la investigación que se
reporta en el presente trabajo. La metodología ACP, se introduce a los efectos de comparación

LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, septiembre, 2023, Volumen IV, Número 3 p 608.

y discusión de los resultados obtenidos por ambas en la construcción del índice compuesto de
CST buscado.

En Schweickardt (2023), pudo confirmarse lo que teóricamente se expresa en el modelo
conceptual presentado en la Figura 1, mediante la técnica CB-SEM, tal como se indicó. De
manera que el mismo modelo (20 variables observadas, 5 factores) es ahora estimado aplicando
la técnica PLS-SEM.

Respecto de esta técnica, existe una profusa bibliografía que puede ser consultada, desde sus
primeros desarrollos (Wold, 1973, 1985), su evolución conforme a las posibilidades generadas
por el poder de cómputo e implementaciones software a nivel comercial (Hulland, 1999), (Hwang
et al., 2010), hasta los aportes más avanzados que se consideran en la actualidad para evaluar
la calidad de los modelos estimados (Hair et al., 2012), (Henseler y Sarstedt, 2013), (Hair et al.,
2017), (Hair et al., 2019a, 2019b) y (Guenther et al., 2023).

En este trabajo, se siguen, más allá de ciertos aspectos puntuales tratados en las referencias ya
citadas, y en otras que resultan pertinentes para el apartado siguiente (Resultados y Discusión),
los lineamientos propuestos por Aldás y Uriel (2017) y (Hair et al., 2021).

Desde los aspectos teóricos evaluados, tales como sesgos en los resultados de las cargas
factoriales y coeficientes estructurales (Hair et al., 2017) y sugerencias para las situaciones
donde resulta conveniente la aplicación de la técnica PLS-SEM sobre el modelo bajo estudio
(Hair et al., 2019b), se sintetizan dos puntos (de los varios destacados) a considerar en la
implementación aquí realizada:

PLS-SEM puede constituirse en un enfoque complementario al de CB-SEM, cuando mediante
este último pudo ser validada una teoría sobre cierta medición y, sobre el mismo modelo -mismo
conjunto de datos-, pretende hacerse inferencia o estimar los puntajes factoriales.

En un modelo reflectivo, puede existir un sesgo hacia la sobreestimación en los resultados
(como se dijo, en las cargas factoriales y coeficientes estructurales), que debe ser estudiado y,
de aparecer, corregido (Dijkstra, 2010 y 2014), (Dijkstra et al., 2014 y 2015).

En el modelo bajo estudio, esta última situación, 2), no se presenta: pues el tamaño de la muestra
es suficientemente grande -500 observaciones- y se tienen suficientes indicadores por
constructo -4 o más, y sólo FC tiene 3-. En tal sentido, Hair et al. (2019a) indica que en modelos
cuyas muestras tienen más de 250 observaciones y cada constructo 4 o más ítems, los
resultados para las cargas factoriales y coeficientes estructurales que arroja la estimación del
modelo por PLS-SEM son similares a los que arroja la técnica CBS-SEM. Esta aseveración
puede validarse en los resultados para el modelo aquí abordado, comparándolos con los
obtenidos en Schweickardt (2023) -técnica CB-SEM-.

El punto 1) es la razón fundamental por la cual se plantea la estimación del modelo mediante la
técnica PLS-SEM pues, validada la teoría de medición de la Calidad de Servicio Técnico, se
busca ahora estimar los puntajes factoriales del Constructo CST y, con ellos, pasar a la
construcción del índice de CST buscado.

RESULTADOS Y DISCUSIÓN

Para las simulaciones correspondientes al cálculo del índice compuesto de CST se ha utilizado
el software STATA 16 en la aplicación de ACP, y el software RStudio Versión 1.4.1106 en la
estimación del modelo de ecuaciones estructurales presentado en Schweickardt (2023) -
modelo conceptual en la Figura 1- aplicando la técnica PLS-SEM. Como se dijo, se tienen 20
variables medidas sobre una escala tipo Likert de 7 puntos invertida y la muestra se compone
de 500 observaciones.

LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, septiembre, 2023, Volumen IV, Número 3 p 609.

Aplicación del Análisis de Componentes Principales en la construcción del índice de CST

En las Tablas 1 y 2, se presentan los resultados correspondientes al ACP, siguiendo los pasos
desarrollados en la sección anterior.

Tabla 1

Fiabilidad Simple de los Ítems: Escala Tipo Likert de 7 Puntos Invertida. Medida de Adecuación
(KMO) y α de Crombach

Ítem KMO α α si el Ítem se ha suprimido
en la Escala

Pregunta Referida

Fc1 0.765 0.886 0.886 Frecuencia General de los Cortes
Fc2 0.715 0.886 0.885 Efecto del Viento en la Frecuencia
Fc4 0.829 0.886 0.885 Efecto del Turismo en la Frecuencia

de los cortes
Dc1 0.868 0.880 0.880 Duración General de los Cortes
Dc2 0.879 0.880 0.880 Duración de los Cortes Barriales
Dc3 0.956 0.880 0.880 Efecto del Viento en la Duración de

los cortes
Dc5 0.901 0.879 0.880 Efecto del Turismo en la Duración de

los cortes
Rc1 0.912 0.877 0.877 Atención al Reclamar un Corte
Rc2 0.928 0.878 0.878 Espera al Reclamar un Corte
Rc3 0.927 0.878 0.878 Trato ante Reclamos Reiterados por

cortes
Rc4 0.926 0.878 0.878 Explicación sobre el Corte
Rc5 0.922 0.878 0.878 Firma del Libro Rubricado de Quejas
CBT1 0.693 0.886 0.886 Voltaje Domiciliario Habitual
CBT2 0.771 0.886 0.886 Variaciones Bruscas de Voltaje
CBT3 0.804 0.886 0.886 Problemas Frecuentes de Voltaje
CST1 0.958 0.872 0.873 Daño de Equipos Electrodomésticos
CST2 0.966 0.874 0.874 Servicio de la Empresa Distribuidora
CST3 0.974 0.875 0.875 Cambio a la Empresa Provincial
CST4 0.957 0.873 0.873 Costo de la Energía vs Calidad
CST5 0.963 0.872 0.873 Autoabastecimiento
Overall 0.885

Fuente: Elaboración propia.

LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, septiembre, 2023, Volumen IV, Número 3 p 610.

Tabla 2

Componentes Principales Retenidas con Rotación Varimax y puntuaciones > 0.3 en valor
absoluto. Autovalores (ev) y Comunalidades, Agrupación de Variables en cada CP y
Dimensiones según los Casos planteados A y B

Ítem CP1 CP2 CP3 CP4 CP5 ev Comunalidad Nombre CP Dimensiones
Caso

A
Caso

B
Fc1 0.524 3.295 0.940 Frecuencia

de los
Cortes del
Servicio

DIM
1

DIM
1 Fc2 0.520 0.950

Fc4 0.514 0.940

Dc1 0.436 4.122 0.963 Duración de
los Cortes

del Servicio

DIM
2 Dc2 0.441 0.965

Dc3 0.440 0.970
Dc5 0.439 0.971
Re1 0.416 7.691. 0.867 Reclamos

por Cortes
del Servicio

DIM
2

DIM
3 Re2 0.409 0.878

Re3 0.401 0.896
Re4 0.395 0.864
Re5 0.418 0.874

CBT1 0.578 2.629 0.965 Cortes del
Servicio en

Baja
Tensión

DIM
3

DIM
4 CBT2 0.568 0.926

CBT3 0.561 0.926

CST1 0.515 0.424 0.869 Calidad del
Servicio
Técnico

DIM
4

DIM
5 CST2 0.384 0.855

CST3 0.374 0.831
CST4 0.463 0.860
CST5 0.431 0.852

Fuente: Elaboración propia.

En los 6 primeros pasos o etapas estándar del ACP, descritos en la sección anterior, se arrojan
resultados consistentes y de calidad para avanzar sobre los pasos 7 a 10 específicos del cálculo
del índice de CST. Se reportan seguidamente:

Verificación de los requisitos de los datos y realización de análisis preliminares: El tamaño
muestral de 500 observaciones excluye los outliers detectados y la muestra es adecuada para
abordar el ACP, con variables suficientemente correlacionadas, lo cual se observa en la Tabla 1
a través de la medida KMO para cada variable. La escala empleada tiene 7 puntos (5 o más
categorías) y estos son equidistantes. Además (Tabla 1), presenta valores muy adecuados del
α de Crombach para cada ítem y a nivel global.

Extracción de las componentes principales y 3ero) Determinación del número de componentes
a retener: También la Tabla 2 presenta, como se dijo, las 5 componentes principales extraídas,
con una rotación varimax suprimiendo puntajes inferiores o iguales a 0.3 en valor absoluto. Se
indican los valores obtenidos para cada autovalor (ev) de la matriz de correlaciones asociados
a cada componente principal, cuya suma resulta ∑5j =1 evj = 18.161. Se observa que el criterio
de Kaiser sugiere retener 4 componentes principales, pero el modelo teórico a comparar indica
retener 5.

Interpretación de la solución obtenida: Puede verse (Tabla 2) que las variables observadas
(ítems) se agrupan en componentes cuyos nombres guardan congruencia con los constructos
del modelo conceptual (Figura 1), por lo que resulta posible la comparación de los índices de
CST calculados por las dos metodologías propuestas en el presente trabajo (ACP y PLS-SEM).

LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, septiembre, 2023, Volumen IV, Número 3 p 611.

Evaluación de la calidad obtenida (postestimación) y Cálculo de las puntuaciones de las
componentes principales extraídas: La proporción de varianza total captada por las
componentes principales retenidas, puede calcularse como (∑5j =1 evj)/20 = 18.161/20 = 0.908
= 90.8%, valor muy adecuado. Además, puede volverse sobre los altos valores de la medida KMO
para cada variable observada (Tabla 1), y los elevados valores de las comunalidades (Tabla 2)
mayores a 0.6 como sugiere Mooi et al. (2018) en una buena post estimación luego de aplicar
la técnica ACP. Son, entonces, obtenidos los puntajes individuales de cada componente
principal retenido (matriz 500 x 5), y se abordan los pasos específicos descritos en la sección
anterior para el cálculo del índice de CST.

Los pasos 7mo a 10mo suponen una gran cantidad de cálculos imposibles de reportar aquí por
cuestiones de espacio. Se ha optado por presentar histogramas de frecuencias para indicar los
diferentes índices de CST, conforme la cantidad de dimensiones consideradas (Caso A: 4, Caso
B: 5) y, en cada situación, el método de ponderación aplicado (Promedio Simple y Ponderado),
según se explicó. Las Figuras 3 y 4, presentan los resultados obtenidos.

Figura 3

Histograma de Frecuencias para el Índice de CST por ACP considerando 4 Dimensiones:
Ponderación por Promedio Simple (izquierda) y Promedio Ponderado (derecha)

Fuente: Elaboración propia.

LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, septiembre, 2023, Volumen IV, Número 3 p 612.

Figura 4

Histograma de Frecuencias para el Índice de CST por ACP considerando 5 Dimensiones:
Ponderación por Promedio Simple (izquierda) y Promedio Ponderado (derecha)

Fuente: Elaboración propia.

Estimación del Modelo mediante la técnica PLS-SEM y Obtención de los Puntajes Factoriales
para la construcción del índice de CST

Como se ha indicado en la sección anterior, se parte del modelo conceptual presentado en la
Figura 1, y estimado para darle validez teórica en (Schwckardt,2023). En las Tablas 3, 4 y 5, se
presentan los resultados correspondientes a la estimación del modelo mediante el enfoque
PLS-SEM. Los comentarios y discusión específica de los mismos, le siguen a continuación.

Tabla 3

Modelo de Medida. Cargas Factoriales, Fiabilidad y Validez Convergente

Cargas Factoriales, Fiabilidad y Validez
Factores, Ítems y Cargas Factoriales Fiabilidad y Validez

Convergente
Factor Ítem Error

Estándar
λ (t-valor) α-

Crombach
RC AVE

Frecuencia de los
Cortes del Servicio
(FC)

Fc1 0.018 0.930
(50.820)***

0.976 0.977 0.933

Fc2 0.014 0.992
(73.303)***

Fc4 0.017 0.974
(58.768)***

Duración de los
Cortes del Servicio
(DC)

Dc1 0.008 0.975
(128.073)***

0.993 0.993 0.974

Dc2 0.007 0.987
(147.102)***

Dc3 0.007 0.990
(141.304)***

Dc5 0.005 0.993
(184.438)***

Re1 0.023 0.953
(41.556)***

0.966 0.966 0.851

LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, septiembre, 2023, Volumen IV, Número 3 p 613.

Reclamos por Cortes
del Servicio (RC)

Re2 0.025 0.895
(36.073)***

Re3 0.021 0.974
(44.304)***

Re4 0.022 0.922
(41.165)***

Re5 0.023 0.904
(38.919)***

Cortes de Servicio en
Baja Tensión (CBT)

CBT1 0.018 0.989
(55.405)***

0.968 0.968 0.912

CBT2 0.029 0.989
(55.405)***

CBT3 0.024 0.976
(40.012)***

Calidad de Servicio
Técnico (CST)

CST1 0.011 0.870
(80.325)***

0.935 0.936 0.744

CST2 0.012 0.851
(71.603)***

CST3 0.011 0.833
(73.243)***

CST4 0.010 0.876
(83.897)***

CST5 0.010 0.883
(89.747)***

Fuente: Elaboración propia.

Tabla 4

Modelo de Medida. Validez Discriminante. Ratio HTMT y Criterio de Fornell y Larker

Ratio HT/MT (HTMT) Criterio de Fornell y Larker
FC DC RC CBT CST FC DC RC CBT CST

FC 1.000 0.933
DC 0.037 1.000 0.001 0.974
RC 0.026 0.012 1.000 0.001 0.001 0.851
CBT 0.081 0.038 0.066 1.000 0.007 0.001 0.004 0.912
CST 0.422 0.609 0.585 0.277 1.000 0.178 0.371 0.342 0.077 0.744

Fuente: Elaboración propia.

Tabla 5

Modelo Estructural: Resultados Generales

Resultados del Modelo Estructural (Paths) Constructos Formativos
Hipótesis

(Relaciones
Estructurales)

β (std.) t-valor Factores
Independientes

VIF f2
(Cohen’s)

H1: Frecuencia de
los Cortes →
Calidad de Servicio
Técnico

0.444 20.094*** FC 1.009 3.708

H2: Duración de los
Cortes → Calidad de
Servicio Técnico

0.612 27.782*** DC 1.003 7.065

LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, septiembre, 2023, Volumen IV, Número 3 p 614.

H3: Reclamo debido
a Cortes → Calidad
de Servicio Técnico

0.577 25.562*** RC 1.006 6.266

H4: Calidad en Baja
Tensión → Calidad
de Servicio Técnico

0.180 9.517 *** CBT 1.013 0.607

Factor Dependiente R2 R2
Ajustado

CST 0.867 0.846 0.606

Fuente: Elaboración propia.

El modelo es reflectivo (ninguno de sus constructos resulta formativo). El algoritmo PLS-SEM
consistente (PLSc-SEM), que realiza una corrección de las correlaciones de los constructos
reflectivos para que los resultados sean consistentes con un modelo factorial, es aquí empleado,
como se dijo en la sección anterior. La estructura de programación en RStudio (scripts) sigue a
Aldás y Uriel (2017) y a Hair et al. (2021). La forma de reportar los resultados sigue a Aldás y
Uriel (2017), y los valores que refieren la bondad de los indicadores específicos de PLS se
adoptan de Hair et al. (2019b).

Los resultados del Modelo de Medida, se presentan en las Tablas 3 y 4. Al tratarse de un modelo
reflectivo, su reporte es igual al que surge de una estimación CB-SEM, excepto que no tienen
aquí relevancia los indicadores de bondad de ajuste: χ², Comparative Fit Index-CFI, Tucker-
Lewis Index-TLI, Standarized Root Mean Residual-SRMR y Root Mean Square Error of
Approximation-RMSEA, que se observan reportados en (Schweickardt, 2023). La literatura
especializada el PLS-SEM desaconseja su uso (Hair et al., 2019b), más allá de que RStudio
proporcione tales indicadores en su salida.

Conforme lo dicho en el apartado anterior, siguiendo a Hair et al. (2019a), los resultados son
muy similares a los obtenidos aplicando CB-SEM, observándose un muy buen ajuste para este
modelo.

Los resultados para el Modelo Estructural, se presentan en la Tabla 5. Aquí aparecen resultados
específicos de PLS-SEM. En primer lugar, las hipótesis relativas a la formación del constructo
dependiente CST, sobre los constructos independientes FC, DC, RC y CBT, se aceptan y son
significativas con p < 0.001 (***). Los tamaños de los efectos para los coeficientes path (β
estandarizados), f2, también resultan elevados (Cohen, 1988). Dado que en la técnica empleada
se ejecutan regresiones parciales entre los constructos independientes como formativos del
constructo dependiente, estimando de forma explícita sus puntajes factoriales, se reporta el VIF
(Variance Inflation Factor) de los primeros para evaluar la presencia de multicolinealidad, la cual
no está presente (VIF < 5). Se pasa, entonces al valor de R2 asociado al único constructo
dependiente el cual resulta muy bueno (R2 ajustado = 0,846). Cabe destacar que, como se
sugiere en Hair et al. (2019b), valores de R2 superiores a 0,9, son habituales en regresiones
múltiples asociadas a procesos físicos, pero los mismos valores observados en modelos que
operan sobre percepciones de individuos, podrían indicar la presencia de sobreajuste en el
modelo con el que se trabaja. Este no es el caso para el modelo aquí evaluado, y,
razonablemente, el valor obtenido para R2 puede asociarse a que las variables observadas se
vinculan a variables ya sean físicas o constatables dejando, en la percepción, poco espacio para
los usos y preferencias de los individuos. Esto se confirma en el valor de la medida predictiva
Q2 (0,605) para el constructo CST. Por tanto, se obtiene un muy buen ajuste del modelo.

LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, septiembre, 2023, Volumen IV, Número 3 p 615.

Figura 5

Modelo Conceptual-Híbrido con los Resultados de la Estimación mediante PLS-SEM

Fuente: Elaboración propia.

La Figura 5, sintetiza el modelo conceptual-híbrido con los principales resultados obtenidos.

Una vez que se comprueba la buena estimación del modelo, como los puntajes factoriales han
sido estimados explícitamente, producto de las regresiones parciales, se cuenta con los mismos
para el constructo dependiente, CST. Al igual que en el paso 8vo) correspondiente a la
construcción de los índices de CST mediante ACP, se aplica una normalización por re-
escalamiento sobre los puntajes factoriales obtenidos, de modo que el valor 1 del índice
corresponda a la máxima CST y el 0 a la mínima CST. Es decir, si pfCSTi es el puntaje factorial
para la observación o individuo i, y nObs = 500:

∀�� [1. . ��]:

��
�� =

��(��)−��
��(��)−��(��)

En este caso se obtiene una matriz de 500 x 1 elementos, reportándose por cuestiones de
espacio un histograma de frecuencias en la Figura 6.

Finalmente, en la Tabla 6, se comparan los indicadores descriptivos de los cinco índices de CST
calculados aplicando las dos metodologías propuestas en el presente trabajo.

LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, septiembre, 2023, Volumen IV, Número 3 p 616.

Figura 6

Histograma de Frecuencias para el Índice de CST aplicando PLS

Fuente: Elaboración propia.

Tabla 6

Parámetros Descriptivos de los Índices de CST calculados por aplicación de ACP y PLS-SEM

Índice de CST Media Mediana Desviación Std. Min Max ΔIntC
ICSTPS-4D 0.439 0.436 0.155 0.042 0.878 0.068
ICSTPP-4D 0.419 0.410 0.166 0.039 0.844 0.073
ICSTPS-5D 0.450 0.453 0.154 0.042 0.877 0.068
ICSTPP-5D 0.443 0.423 0.172 0.038 0.868 0.076
ICSTPLS 0.496 0.500 0.166 0.068 0.900 0.073

Fuente: Elaboración propia.

Se indica, además, en la Tabla 6, la amplitud del intervalo de clase en cada histograma, ΔIntC,
calculada según la regla de Scott (1979).

CONCLUSIONES

En este trabajo se presentaron los desarrollos para la construcción de un índice de calidad del
servicio técnico (CST) sustentado en la percepción de los usuarios residenciales, en un sistema
de distribución eléctrica. El objetivo principal ha sido aplicar una estimación PLS-SEM del
modelo validado teóricamente mediante la técnica CB-SEM, y utilizar los puntajes factoriales
explícitamente calculados por PLS para el constructo CST. Fue introducida, primeramente, la
técnica ACP, obteniéndose cuatro índices que siguen estrategias de composición distintas, a fin
de comparar los resultados obtenidos. Se destacan los siguientes puntos a modo de
conclusiones finales:

LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, septiembre, 2023, Volumen IV, Número 3 p 617.

El Análisis de Componentes Principales, ACP, tal y como aquí ha sido presentado en sus pasos
estándar, constituye una técnica habitual para el cálculo de indicadores compuestos. Adquiere,
en esta investigación, cierta especificidad en términos de las estrategias de ponderación y
agrupación en las aquí llamadas dimensiones. Los cuatro índices concebidos desde esta
técnica, surgen de la combinación de dos formas de ponderación para dos estrategias de
agrupación en dimensiones. De las dos formas de ponderación, la más representativa es la
sustentada en los autovalores de la matriz de correlaciones asociados a cada componente
principal retenida. Respecto a las formas de agrupación en dimensiones, puede observarse un
mayor grado de subjetividad por parte del investigador.

En la obtención del índice de CST por estimación PLS-SEM del modelo de ecuaciones
estructurales y cálculo explícito de los puntajes factoriales del constructo dependiente CST, la
metodología es completamente objetiva, una vez validado el modelo teórico con el cual se
trabaja, como en este caso. Si bien podría no haber tenido lugar una validación teórica del
modelo (aplicación CB-SEM) y ser aplicado directamente el enfoque PLS-SEM, por tratarse de
un tema novedoso o exploratorio, tal validación refuerza, también, la validez de la construcción
del índice CST así obtenido.

La posibilidad de contar con un índice de CST para cada individuo, metodológicamente
sustentado, es de mucho valor no sólo para lograr lo establecido regulatoriamente en Argentina,
sin pérdida de generalidad respecto de otros países, particularmente de la región. A partir del
mismo, es posible, y en este aspecto continúa la línea de investigación abordada, estimar un
costo de la calidad de servicio técnico desde la percepción que tienen los usuarios residenciales
(no excluyentemente) de un sistema de distribución eléctrica, aspecto muy discutido en la
economía de redes de este servicio.

LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, septiembre, 2023, Volumen IV, Número 3 p 618.

REFERENCIAS

Aldás, J., Uriel, E. (2017). Análisis Multivariante Aplicado con R. 2da Edición. Paraninfo.

Cohen, J. (1988). Statistical Power Analysis for the Behavioral Sciences (2nd ed.). Hillsdale, NJ:
Lawrence Erlbaum Associates, Publishers.

Dijkstra, T.K. (2010). Latent Variables and Indices: Herman Wold’s Basic Design and Partial
Least Squares. In: Esposito Vinzi, V., Chin, W., Henseler, J., Wang, H. (eds) Handbook of Partial
Least Squares. Springer Handbooks of Computational Statistics. Springer, Berlin, Heidelberg.

https://doi.org/10.1007/978-3-540-32827-8_2

Dijkstra, T. K. (2014). PLS' Janus Face – Response to Professor Rigdon's ‘Rethinking Partial
Least Squares Modeling: In Praise of Simple Methods’, Long Range Planning, 47(3), pp. 146-
153. https://doi.org/10.1016/j.lrp.2014.02.004

Dijkstra, T. K., Henseler, J. (2015). Consistent Partial Least Squares Path Modeling, MIS
Quarterly, 39(2), pp 297-316. DOI: 10.25300/MISQ/2015/39.2.02

Dijkstra, T. K., Schermelleh-Engel, K. (2014). Consistent Partial Least Squares for Nonlinear
Structural Equation Models, Psychometrika, 79(4), pp. 585-604.
https://doi.org/10.1007/s11336-013-9370-0

English Encylopedia. (Consultado el 20 de julio de 2023). Economies of Density.
https://www.encyclo.co.uk/meaning-of-Economies_of_Density

ENRE – Ente Nacional de Regulación de la Electricidad - Normas de Calidad del Servicio Público
y Sanciones: sitio WEB (Consultado el 20 de julio de 2023).

https://www.enre.gov.ar/web/bibliotd.nsf/203df3042bad9c40032578f6004ed613/ac09d037c
4af4b3e032580ba004d501b/$FILE/anexo%2016.pdf

Filippini, M., Wild, J. (2001). Regional differences in electricity distribution costs and their
consequences for yardstick regulation of access prices. Energy Economics, vol. 23, issue 4,
pp.477-488. https://doi.org/10.1016/S0140-9883(00)00082-7

Firouzi, M., Samimi, A., Salami, A. (2022). Reliability evaluation of a composite power system in
the presence of renewable generations. Reliability Engineering & System Safety, 222, 108396.
https://doi.org/10.1016/j.ress.2022.108396

Guenther, P., Guenther, M., Ringle, C. M., Zaefarian, G., Cartwright, S. (2023). Improving PLS-SEM
use for business marketing research. Industrial Marketing Management, Vol. 111, pp. 127-142.
https://doi.org/10.1016/j.indmarman.2023.03.010

Hair Jr, J. F., Hult, G. T. M., Ringle, C. M., Sarstedt, M., Danks, N. P., Ray, S. (2021). Partial least
squares structural equation modeling (PLS-SEM) using R: A workbook (p. 197). Springer Nature.

Hair Jr, J. F., Matthews, L. M., Matthews, R. L., Sarstedt, M. (2017). PLS-SEM or CB-SEM: updated
guidelines on which method to use. International Journal of Multivariate Data Analysis, 1(2), pp.
107-123. https://doi.org/10.1504/IJMDA.2017.087624

Hair, J.F., Sarstedt, M., Ringle, C.M., Mena, J.A., (2012). An assessment of the use of partial least
squares structural equation modeling in marketing research. Journal of the Academy of
Marketing Science, 40(3), 414-433. https://doi.org/10.1007/s11747-011-0261-6

LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, septiembre, 2023, Volumen IV, Número 3 p 619.

Hair, J. F., Sarstedt, M., Ringle, C. M. (2019a). Rethinking some of the rethinking of partial least
squares. European journal of marketing, 53(4), pp. 566-584. https://doi.org/10.1108/EJM-10-
2018-0665

Hair, J. F., Sarstedt, M., Ringle, C. M. (2019b), When to use and how to report the results of PLS-
SEM, European Business Review, Vol. 31 No. 1, pp. 2-24. https://doi.org/10.1108/EBR-11-2018-
0203

Henseler. J., Sarstedt, M. (2013). Goodness-of-fit indices for partial least squares path
modeling. Computational Statistics. 28 (2), pp. 565-580. https://doi.org/10.1007/s00180-012-
0317-1

Hulland, J. (1999). Use of partial least squares (PLS) in strategic management research: a review
of four recent studies. Strategic Management Journal, 20(2), pp. 195–204.
https://doi.org/10.1002/(SICI)1097-0266(199902)20:2<195: AID-SMJ13>3.0.CO;2-7

Hwang, H., Malhotra, N. K., Kim, Y., Tomiuk, M. A., Hong, S. (2010). A comparative study on
parameter recovery of three approaches to structural equation modeling. Journal of Marketing
Research, 47 (Aug), pp. 699-712. https://doi.org/10.1509/jmkr.47.4.699

IEEE (2003). IEEE Guide for Electric Power Distrbution Realiability Indices. STD 1366TM.

Joscow, P. L., (2000). ¿Why Do We Need Electricity Retailers? or ¿Can You Get it cheaper
Wholesale? Department of Economics. MIT, 2000. Working paper.
https://dspace.mit.edu/bitstream/handle/1721.1/44965/2000-001.pdf?sequence=1

Joskow, P.L., Schmalensee, R. (1983). Markets for Power: An Analysis of Electrical Utility
Deregulation, Cambridge, MA: The MIT Press.

Kaiser, H. F. (1960). The Application of Electronic Computers to Factor Analysis. Educational and
Psychological Measurement, 20(1), pp. 141–151.
https://doi.org/10.1177/001316446002000116

Kaiser H. (1974). An index of factorial simplicity. Psychometrika, Vol. 39, pp 31–36.

Lakervi, E., Holmes, E. (1995). Electricity Distribution Network Design. IEE Power Engineering.
Series 21, 2dn Edition.

Ley 24065 - InfoLeg - Información Legislativa (1992): sitio WEB (Consultado el 20 de julio de
2023). http://servicios.infoleg.gob.ar/infolegInternet/anexos/0-4999/464/texact.htm

Likert, R. (1932). A technique for the measurement of attitudes. Archives of Psychology, 22 140,
pp. 5-55.

Mirhosseini, M., Heydari, A., Astiaso Garcia, D., Mancini, F., Keynia, F. (2022). Reliability based
maintenance programming by a new index for electrical distribution system components
ranking. Optimization and Engineering, 23(4), pp. 2315-2333. https://doi.org/10.1007/s11081-
022-09767-8

Mooi, E., Sarstedt, M., Mooi-Reci, I. (2018): Market Research: The Process, Data, and Methods
Using Stata. Springer.

Peña, D. (2002): Análisis de Datos Multivariantes. Mcgraw Hill Interamericana de España SL.

Romero, M. Del C., Álvarez, M. B. (2021). ¿Escala de Likert o ítem tipo Likert? Análisis del uso de
estos términos en estudios sobre Aprendizaje Organizacional. XXXIV Encuentro Nacional de
Docentes en Investigación Operativa (ENDIO) - XXXII Escuela de Perfeccionamiento en

LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.
ISSN en línea: 2789-3855, septiembre, 2023, Volumen IV, Número 3 p 620.

Investigación Operativa.
https://drive.google.com/file/d/15CwYq_Agsmt2fGhfzaxriGGv6t8AIA8d/view

Romero, M. Del C., Álvarez, M. B. (2022). Usos del término "Likert". Una revisión en estudios
sobre aprendizaje organizacional. Revista de la Escuela de Perfeccionamiento en Investigación
Operativa, año XXX, N° 51, pp. 41-57.
https://revistas.unc.edu.ar/index.php/epio/article/view/37820

Schweickardt, G. (2003). Metodología para la Asignación de Costos en la Función Técnica de
Transporte sobre el Mercado de Distribución. Editorial Fundación Universidad Nacional de San
Juan, Argentina.

Schweickardt, G. (2023). Percepción de la Calidad del Servicio Técnico en usuarios
Residenciales de Sistemas de Distribución Eléctrica. LATAM Revista Latinoamericana De
Ciencias Sociales Y Humanidades, 4(2), 3885–3909. https://doi.org/10.56712/latam.v4i2.877

Scott, D. W. (1979). On optimal and data-based histograms. Biometrika, 66(3), pp. 605-610.
https://doi.org/10.1093/biomet/66.3.605

Spulber, D. (1989). Regulation and Markets. MIT Press.

Tsao, T-F., Chan Chang, H-C. (2003). Composite reliability evaluation model for different types
of distribution systems. IEEE Transactions on Power Systems, vol. 18, no. 2, pp. 924-930.
https://doi: 10.1109/TPWRS.2003.811174.

Wold, H. (1973). Nonlinear Iterative Partial Least Squares (NIPALS) Modeling: Some Current
Developments, in Paruchuri R. Krishnaiah (Ed.), Multivariate Analysis, Vol. 3, pp. 383-407. New
York: Academic Press. https://doi.org/10.1016/B978-0-12-426653-7.50032-6

Wold, H. (1985). Partial Least Squares. In S. Kotz & N. L. Johnson (Eds.), Encyclopedia of
Statistical Sciences (Vol. 6, pp. 581–591). New York: John Wiley & Sons.

Zhao, Y., Li, P., Gao, M., Niu, B., Hou, C., Xiang, T. (2021). Reliability Classification Standard and
Evaluation Method of Distribution Network. In 2021 IEEE 5th Conference on Energy Internet and
Energy System Integration (EI2), pp. 1384-1389.
https://doi.org/10.1109/EI252483.2021.9713257

Todo el contenido de LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, publicados en este
sitio está disponibles bajo Licencia Creative Commons .