Hay una primera posibilidad en el cumplimiento de la normalidad que consiste en normalizarla.

El propio LISREL, en lo que es el PRELIS, te lo permite. No s el algoritmo que utiliza, pero yo

lo he hecho hace aos en psicometra a partir de las reas, con lo que se llama transformaciones
de superficie. Hay que suponer que subyacentemente la variable es normal y la emprica es un
caso particular. Mirar el algoritmo, pero por el momento es un recurso del propio programa
bastante bueno y que obviamente debe estar reconocido. En la pgina oficial de LISREL te lo
explica:
http://www.ssicentral.com/lisrel/techdocs/Session4.pdf
Viene en el apartado 5 (pgina 3). Si hacemos lo propio, las pruebas univariantes y
multivariantes nos dicen que no hay normalidad excepto en SDQ_TOT.

Test of Univariate Normality for Continuous Variables

Skewness

Skewness and Kurtosis

Z-Score P-Value

Chi-Square P-Value

Variable Z-Score P-Value

Kurtosis

AUTORMED
PSITOT
ASSIS_B2
PUNTOTAL
COH_FAC
PARQTOTA
SDQ_TOT
IADNP

4.761
3.748
4.166
-6.495
-6.787
5.769
1.766
2.804

0.000
0.000
0.000
0.000
0.000
0.000
0.077
0.005

2.296
1.093
-5.330
4.056
4.440
3.408
-1.295
0.479

0.022
0.274
0.000
0.000
0.000
0.001
0.195
0.632

27.944
15.242
45.771
58.636
65.778
44.897
4.798
8.092

0.000
0.000
0.000
0.000
0.000
0.000
0.091
0.017

Relative Multivariate Kurtosis = 1.160

Test of Multivariate Normality for Continuous Variables
Skewness
Value
-----15.224

Z-Score P-Value
------- ------11.248
0.000

Kurtosis
Value
------92.819

Skewness and Kurtosis

Z-Score P-Value
------- ------4.848
0.000

Chi-Square P-Value
---------- ------150.028
0.000

Si normalizamos las variables:

Test of Univariate Normality for Continuous Variables

Skewness
Variable Z-Score P-Value
AUTORMED
PSITOT
ASSIS_B2
PUNTOTAL
COH_FAC
PARQTOTA
SDQ_TOT
IADNP

0.398
0.012
4.042
-0.094
-0.207
0.029
0.022
0.152

0.690
0.991
0.000
0.925
0.836
0.977
0.983
0.879

Kurtosis

Skewness and Kurtosis

Z-Score P-Value

Chi-Square P-Value

-0.586
0.095
-5.692
-0.096
-0.282
0.084
0.065
-0.195

0.558
0.924
0.000
0.923
0.778
0.933
0.948
0.845

0.502
0.009
48.734
0.018
0.122
0.008
0.005
0.061

0.778
0.995
0.000
0.991
0.941
0.996
0.998
0.970

Relative Multivariate Kurtosis = 0.958

Test of Multivariate Normality for Continuous Variables
Skewness
Value
-----4.455

Z-Score P-Value
------- -------0.328
0.743

Kurtosis
Value
------76.624

Skewness and Kurtosis

Z-Score P-Value
------- -------1.189
0.234

Chi-Square P-Value
---------- ------1.522
0.467

La cosa mejora sustancialmente. Incluso la prueba multivariante funciona. El problema es

ASSIS_B2, que no hay manera. Y es que los datos no pueden ser peores.
ASSIS_B2
Frequency Percentage Lower Class Limit
101
65.6
1.000

1
0.6
1.900
0
0.0
2.800
0
0.0
3.700
7
4.5
4.600

3
1.9
5.500

5
3.2
6.400

2
1.3
7.300
2
1.3
8.200
33
21.4
9.100


Vamos a ver qu pasa. En nuestro modelo sin normalizar obtenamos:

RAW DATA FROM FILE:'I:\Isabel (Chile)\Lisrel\matrix.psf'
RELATIONSHIPS
PUNTOTALFAMILIAR IADNP COH_FAC ASSIS_B2 -> PSITOT
PSITOT -> AUTORMED PARQTOTA SDQ_TOT
IADNP AUTORMED PSITOT PARQTOTA AUTORMED -> SDQ_TOT
AUTORMED -> PARQTOTA
PATH DIAGRAM
END OF PROBLEM

Ahora:
RAW DATA FROM FILE:'I:\Isabel (Chile)\Lisrel\matrix_NS.psf'
RELATIONSHIPS
PUNTOTALFAMILIAR IADNP COH_FAC ASSIS_B2 -> PSITOT
PSITOT -> AUTORMED PARQTOTA SDQ_TOT
IADNP AUTORMED PSITOT PARQTOTA AUTORMED -> SDQ_TOT
AUTORMED -> PARQTOTA
PATH DIAGRAM
END OF PROBLEM

Prcticamente igual.