La violencia económica, también llamada abuso económico, es una forma distinta de violencia de pareja (Eriksson y Ulmestig, 2021; Stylianou, 2018) y tiene una alta relación con la violencia física y psicológica (Adams et al., 2015; Antai et al., 2014a). Su objetivo es mantener el control o poder sobre la pareja, generalmente, la mujer, obstaculizando su capacidad para adquirir, utilizar o mantener recursos económicos (Adams et al., 2008), volviéndola económicamente dependiente (Johnson et al., 2021), reduciendo su autosuficiencia económica (Sauber y O’Brien, 2020) y aumentando su pobreza (Eriksson y Ulmestig, 2021).

El abuso económico impacta en el bienestar psicológico en diferentes culturas (Postmus et al., 2022), nivel socioeconómico y condición laboral (Sedziafa et al., 2017), incluso se ha reportado después de la separación de la pareja (Kaittila et al., 2024). Tiene un gran impacto en la salud mental de las mujeres, puesto que predice el estrés postraumático (Willie et al., 2023) y la depresión a largo plazo (Postmus et al., 2012; Voth et al., 2019), inclusive después de la separación (Sauber & O’Brien, 2020). También aumenta los intentos suicidas (Antai et al., 2014b), y puede influir en la ansiedad, en los síntomas psicosomáticos (Yau et al., 2020) y en enfermedades cardiovasculares (Tenkorang y Owusu, 2019).

La evaluación de la violencia en las relaciones de pareja debe considerar también la dimensión económica (Adams y Beeble, 2019); sin embargo, esta última es poco documentada (Stylianou, 2018; Yount et al., 2022). Los estudios psicométricos han contribuido a dilucidar los factores que constituyen la violencia económica, a detectar los indicadores de abuso económico más frecuentes y a examinar esta variable en población femenina.

La Domestic Violence-Related Financial Issues Scale (DV-FI; Weaver et al., 2009) fue uno de los primeros instrumentos que medían el abuso económico. Contiene una subescala (5 ítems) para medir esta variable, pero se enfoca únicamente en el impedimento para acceder al dinero y en la generación de deudas crediticias. De otro lado, la Economic Coercion Scale 36 (ECS-36; Yount et al., 2022) evalúa, con 36 ítems, dos dimensiones del abuso económico: la interferencia con la adquisición de recursos económicos (p.ej., evitar que la mujer no trabaje, hacer que deje su trabajo) y la interferencia con el uso o mantenimiento de recursos económicos (p.ej., negar dinero para cubrir necesidades básicas, retener el dinero de la mujer). Estos factores han sido confirmados en una versión de 20 ítems (Miedema et al., 2023), encontrando que el segundo factor se relaciona en mayor medida con la violencia de pareja general (física, psicología y sexual) y síntomas depresivos.

Por último, la Scale of Economic Abuse-12 (SEA-12) mide la frecuencia de uso de tácticas económicas abusivas (Postmus et al., 2016). Su predecesor (SEA; Adams et al., 2008) contenía 28 ítems, presentaba dos factores (explotación económica y control económico) y se construyó en base a entrevistas, revisión de literatura y análisis psicométrico. La SEA-12 (Postmus et al., 2016) se desarrolló en una muestra de mujeres sobrevivientes de violencia de pareja, en quienes se descubrió mediante análisis factorial exploratorio la existencia de tres factores: (1) el control económico, que es una táctica abusiva que restringe la habilidad de la mujer para usar libremente los recursos económicos, como obligar a la mujer a pedir dinero o exigir el cambio (vuelto en Perú) del dinero; (2) el sabotaje laboral, que consiste en restringir la habilidad de la mujer para obtener sus propios recursos económicos, como impedir que trabaje o amenazarla para que renuncie a su trabajo; y (3) la explotación económica, consistente en la creación de deudas a la mujer o arruinar su crédito, como pedir préstamos a nombre de ella o gastar el dinero que ella necesitaba. La confiabilidad (α) de cada dimensión fue excelente (.87, .86 y .89, respectivamente; Postmus et al., 2016). Además, correlacionó de manera significativa y con tamaño del efecto entre moderado y grande, con abuso físico y psicológico. Las correlaciones entre los factores fueron moderadas (entre .431 y .479).

Esta versión fue adaptada en mujeres y varones de China (Yau et al., 2019), encontrando índices de ajuste deficientes para el modelo de tres factores (p.ej., root mean squared error of approximation [RMSEA] = .245, comparative fit index [CFI] = .608). Si bien el modelo mejoró al covariar errores, no se aclaró cuáles fueron los errores correlacionados, ni se reportó la correlación entre factores. No obstante, se optó por un modelo de segundo orden, con resultados óptimos (RMSEA = .053, CFI = .988). Además, la confiabilidad (α) fue excelente: control económico = .89, sabotaje laboral = .81, explotación económica = .78 y total = .92.

La SEA-12 fue traducida y adaptada al español en mujeres víctimas de violencia de pareja (Johnson et al., 2021). Inicialmente, el modelo de tres factores también resultó inadecuado (p.ej., RMSEA = .099, CFI = .890), pero al correlacionar los errores de los ítems 8 y 9, el ajuste mejoró (RMSEA = .080, CFI = .930). No se reportó la correlación entre factores. Se obtuvo una excelente confiabilidad (α): control económico = .80, sabotaje laboral = .81 y explotación económica = .77. Este modelo evidenció invarianza de medición escalar parcial según el idioma (hispanohablantes y angloparlantes).

En la mayoría de investigaciones mencionadas (Adams et al., 2008; Miedema et al., 2023; Postmus et al., 2016; Weaver et al., 2009; Yau et al., 2019; Yount et al., 2022), a excepción del estudio de Johnson et al. (2021) no se reportó la invarianza de medición. Este aspecto es importante, ya que la medición de un constructo latente debe ser independiente del grupo evaluado para asegurar que las diferencias en las mediciones evidencian verdaderas variaciones en el constructo y no sesgos en la interpretación o el funcionamiento del instrumento (Putnick y Bornstein, 2016).

La evaluación de la invarianza de la medición garantiza que el instrumento funcione de manera uniforme en distintos contextos o grupos. Así, se presenta como una propiedad psicométrica que debe establecerse para cualquier prueba psicológica (Yoon y Lai, 2017), ya que respalda la robustez de un instrumento y facilita la generalización de resultados a otros contextos.

La adaptación de la SEA-12 tiene múltiples ventajas. Teóricamente, contiene las tácticas de abuso económico más frecuentes (Stylianou, 2018), lo que conllevará una comprensión integral de este fenómeno en esta parte del mundo. Metodológicamente, es un instrumento breve, lo cual facilitará el empleo de otras medidas de violencia (Postmus et al., 2016) y la evaluación de otras variables, tanto en investigación como en la práctica profesional. Culturalmente, está traducido al español (Johnson et al., 2021), lo que facilita su uso en población latinoamericana y permitirá incrementar el conocimiento científico en población de habla hispana. Socialmente, el instrumento podrá ser usado en investigaciones sobre la feminización de la pobreza y el empoderamiento económico (Silva-Martínez y Vázquez-Pagán, 2019) en países de ingresos bajos y medios, en los cuales aún no hay mucha investigación sobre este constructo (Chatterji et al., 2025). Políticamente, el instrumento puede ser usado por gobiernos, ministerios y municipios para detectar casos de abuso económico a manera de un tamizaje, para luego realizar una entrevista o evaluación más profunda. Jurídicamente, el uso del instrumento hará más visible el abuso económico como una forma de violencia que atenta contra el derecho de las mujeres a vivir de forma libre y autónoma.

A pesar de que el abuso económico es frecuente (Edeby y San Sebastián, 2021) y también impacta en la calidad de vida (Cardenas et al., 2022) y microfinanzas (Cepeda et al., 2021) en mujeres latinas, aún se conoce poco sobre la violencia económica que sufren las mujeres en Latinoamérica, especialmente en Perú. Tal como ocurre en otros países (Postmus et al., 2020), en Perú la violencia económica es una forma invisible de violencia de pareja. El Estado peruano, en sus informes de violencia de género y feminicidio, no reporta indicadores de abuso económico (INEI, 2022). Estudios independientes en este país han encontrado que la violencia económica está asociada al abuso físico, psicológico y sexual (Asencios-Gonzalez et al., 2018); sin embargo, su medición no representa cabalmente al abuso económico, ya que no abarca las diferentes tácticas que usa el hombre para controlar económicamente a la mujer.

El uso de la SEA-12 puede contribuir a la investigación de la violencia económica en Perú, si bien hay un problema potencial. Como se ha visto, los análisis psicométricos efectuados no son definitivos y presentan inconsistencias en la estructura de tres factores. Este problema puede deberse a cinco motivos. Primero, la instrucción que se brinda a las participantes es muy larga, lo cual dificultaría su comprensión en sectores socioeconómicos y educativos bajos o con indicadores de analfabetismo funcional. Segundo, contiene dos ítems muy parecidos (ítem 3: la amenaza para hacerla irse de su trabajo, ítem 4: la ordena que renuncie a su trabajo), lo cual podría dar lugar a covarianza de errores. Tercero, tiene palabras que pueden interpretarse de distintas maneras. Por ejemplo, en el ítem 6 (demanda saber en qué se gasta el dinero) el término demanda puede ser entendido como denuncia, que es un acto legal frecuente en problemas de violencia de género. Cuarto, requiere que las evaluadas conozcan la definición de algunos términos. Por ejemplo, el ítem 8 (le oculta información financiera de usted) parte del supuesto de que la persona conozca el significado de información financiera. Quinto, el abuso económico tiene una importante influencia cultural, lo cual puede ser una limitación a la hora de generalizar los resultados o replicar los hallazgos psicométricos, entre ellos la dimensionalidad. Por ejemplo, en Perú muchos hombres interfieren en los lugares de trabajos de las mujeres con el fin de avergonzarlas y que dejen de trabajar. En otros contextos, se ha encontrado que la interferencia en el lugar del trabajo es una táctica de violencia económica (Borchers et al., 2016; Showalter y Bosetti, 2022).

El presente estudio busca adaptar la SEA-12 en mujeres peruanas, proponiendo una versión peruana, SEA-P, que es una escala mejorada que pretende prevenir los potenciales problemas psicométricos y culturales mencionados. Se presentan cuatro evidencias psicométricas: evidencias de validez mediante el examen de su estructura interna, confiabilidad de sus puntuaciones, correlación con la violencia de pareja e invarianza de medida según la edad, comparando dos grupos: mujeres de 18 a 29 años y mujeres de 30 a 56 años.

Se realizó un estudio instrumental, referido a la adaptación y evaluación psicométrica de un instrumento (Ato et al., 2013).

Se estudiaron dos muestras intencionales de un centro de salud estatal de Carabayllo, Lima. Este distrito tiene un 23.1% de pobreza monetaria (Fondo de las Naciones Unidas para la Infancia [UNICEF, 2023]). La elección del lugar se debió a que el motivo de consulta frecuente es la violencia de pareja. Los criterios de inclusión fueron: ser mayor de edad, ser peruana, haber tenido por lo menos una relación de pareja y firmar el consentimiento informado. Se procuró que ambas muestras sean muy similares en sus características sociodemográficas, pero esto no se pudo lograr en su totalidad. La primera muestra estuvo conformada por 300 mujeres (M_edad = 30.6, DE_edad = 8.9) mientras que la segunda por 294 mujeres (M_edad = 31.63, DE_edad = 9.7). Todas las mujeres se identificaron como heterosexuales.

En la Tabla 1 se aprecian las características de las dos muestras. En ambas muestras predominaron las mujeres de 18 a 29 años, con historia de violencia por parte de sus exparejas, con estudios de secundaria como máximo nivel educativo, convivientes, usuarias de tarjetas de crédito, sin deudas bancarias y con una relación actual de aproximadamente cuatro años. En la primera muestra predominaron las amas de casa, mientras que en la segunda fueron más frecuentes las mujeres que además de ser amas de casa también trabajaban. Asimismo, en la segunda muestra participaron mujeres solteras y con tipo de relación saliente, en comparación de la primera muestra, en la que estas categorías estuvieron ausentes.

Se siguieron recomendaciones internacionales para la adaptación de instrumentos (Muñiz et al., 2015). Se empezó con la comunicación con los autores de la versión en español (Johnson et al., 2021). Luego de obtenido el permiso para usar el instrumento en investigación, el primer autor hizo la propuesta de cambios y el segundo autor la mejoró. Los cambios se hicieron en base a la cultura peruana y al nivel educativo de la población objetivo, pero evitando sesgos culturales para facilitar su comparación en otros países (equivalencia cultural). Asimismo, se conservó la base teórica de los ítems (equivalencia semántica). Posteriormente, todos los autores se reunieron para analizar y confirmar la versión final. Esta versión fue analizada y aprobada por tres jueces expertos en violencia de pareja y psicometría. Los cambios realizados se aprecian en la Tabla 2.

Respecto a la recolección de datos, se solicitó el permiso para la aplicación de los instrumentos al director de un centro de salud de Carabayllo, Lima. La recolección de datos estuvo a cargo de la segunda autora y una psicóloga capacitada para este fin. Ellas resolvieron las dudas y consultas de las participantes. Antes de aplicar el conjunto de instrumentos, las evaluadas decidían su participación y firmaban un consentimiento informado, donde se les informaba los objetivos de la investigación, los responsables de la investigación, la duración aproximada para responder los instrumentos, la confidencialidad del estudio y la posibilidad de retirarse de la investigación incluso luego de haber firmado el consentimiento. De esta manera, se siguieron los aspectos éticos de la American Psychological Association (APA, 2017).

Posterior al proceso de recolección de datos, se procedió a depurar los protocolos de los instrumentos, descartando aquellos que presentaban omisiones, respuestas duplicadas, patrones de respuesta lineales o rangos de edad fuera de los criterios establecidos, así como indicios de aquiescencia y disaquiescencia, con el propósito de reducir posibles sesgos de respuesta. Con los registros válidos, se construyó una base de datos en una hoja de cálculo utilizando el programa Microsoft Excel.

Con la primera muestra, se empezó examinando las propiedades preliminares de los ítems: media, desviación estándar, asimetría, curtosis y correlación ítem-test corregida (ritc). La asimetría y curtosis deben presentar valores entre -1 y +1 para indicar normalidad (Lloret-Segura et al., 2014). La ritc expresa la homogeneidad de los ítems y debe ser superior a .30 (Kline, 2016). Seguidamente, se evaluaron los requisitos estadísticos para ejecutar el análisis factorial exploratorio (AFE): El test de Kaiser-Meyer-Olkin (KMO) debe ser mayor a .80 y p valor del test de Bartlett debe ser significativo (Ferrando y Anguiano-Carrasco, 2010).

Como método de extracción, se optó por la diagonally weighted least squares (DWLS; Li, 2016), en base a la ordinalidad de los ítems, a la matriz de correlaciones policóricas, y a la desviación de la normalidad de los ítems. Como procedimiento para determinar la cantidad de factores se eligió el Análisis Paralelo (Timmerman y Lorenzo-Seva, 2011). Además, se reporta la varianza explicada, cuyos valores mayores a .60 reflejan que los ítems abarcan adecuadamente la variable latente (Hair et al., 2014), las cargas factoriales, cuyos valores deben ser mayores a .30 para que el ítem se considere un buen indicador del factor al que pertenece (Williams et al., 2010) y las comunalidades, que deben acercarse a 1 para reflejar que el factor explica la mayor parte de la varianza de un ítem (Schreiber, 2021). Finalmente, se evalúa la replicabilidad del constructo. De esta manera, se reportan el índice H latente y el índice H observado con sus respectivos intervalos de confianza al 95%. Los valores mayores a .80 reflejan una óptima correlación entre ítems y factores, sugiriendo que la variable latente es replicable en futuros estudios y muestras (Ferrando y Lorenzo-Seva, 2018). Para la ejecución del AFE se empleó el programa Factor (Lorenzo-Seva y Ferrando, 2006), versión 12.04.05, el cual es recomendable porque previene el uso inadecuado del AFE (Lloret et al., 2017).

El análisis factorial confirmatorio (AFC) se ejecutó con la segunda muestra. También se eligió el estimador DWLS (Li, 2016). Se evaluaron cuatro modelos, que son explicados en la sección de resultados, ya que se basan en el AFE. Para los índices de ajuste se asumió las siguientes pautas: χ2/gl < 5 (Sahoo, 2019), RMSEA < .05, SRMR < .08, CFI > .95 (Chen et al., 2005). Asimismo, se evaluó la invarianza de la medición mediante análisis factorial confirmatorio multigrupo. Para tal fin, se dividió la muestra según la edad. Donde las mujeres de 18 a 29 años pertenecieron al primer grupo (n = 150), y las mujeres de 30 a 56 años, al segundo grupo (n = 144). Se planteó seguir cuatro modelos de invarianza (Pendergast et al., 2017; Putnick y Bornstein, 2016): configural (el modelo teórico no difiere entre los grupos), métrico (las cargas factoriales no difieren entre los grupos), escalar (restricción de interceptos) y estricto (restricción de los residuales). El modelo inferior se anidó al inmediato superior. Para evaluar los modelos anidados se consideran la variación de los siguientes índices de ajuste: ΔCFI < .01 y ΔSRMR < .03 (Chen, 2007).

En cuanto a la confiabilidad, se eligió el α ordinal y el omega de McDonald (ω), que debe ser mayor a .70 para expresar consistencia interna (Gadermann et al., 2019). Finalmente, las correlaciones se evaluaron según las directrices de Cohen (1988): r = .10 (tamaño del efecto pequeño), r = .30 (tamaño del efecto mediano), r = .50 (tamaño del efecto grande). El AFC, las correlaciones y el α ordinal se ejecutaron en el programa Jamovi 2.3.28 (Gallucci y Jentschke, 2021).

En la Tabla 3 se aprecia que el ítem con mayor media fue el 7 (“te obliga a que le entregues recibos y/o el vuelto del dinero que empleaste”), mientras que el ítem con menor media fue el 12 (Hace pagos tarde o no paga las cuentas que están a tu nombre o al de ambos). La asimetría y la curtosis informaron que la mayoría de los ítems se desvió de la normalidad. La ritc pasó el mínimo previsto (.30), reflejando que los ítems apuntan a medir un solo constructo.

Se procedió a realizar un primer AFE, donde la varianza explicada con los 12 ítems fue de 57%, el KMO = .93 y el p del test de Bartlett < .001. Las cargas factoriales resultaron excelentes (> .30); sin embargo, el ítem 11 obtuvo una comunalidad por debajo de los demás (Tabla 3). Se continuó con un segundo AFE retirándose el ítem 11, encontrando una varianza explicada de 60%, KMO = .94 y p del test de Bartlett < .001. En esta ocasión, todos los ítems siguieron con cargas factoriales óptimas. Las comunalidades fueron ligeramente bajas para los ítems 8 y 12 (Tabla 3). La medida de replicabilidad del constructo fue óptima: índice H latente = .96 [.95, .97]; índice H observado = .85 [.83 - .98]. Como se aprecia, el índice H latente es mayor que el índice H observado. Estos resultados sugieren que el modelo unidimensional de 11 ítems está bien definido como variable latente y es replicable en futuros estudios.

El AFC se ejecutó con la segunda muestra y se evaluaron cuatro modelos (Tabla 4). Los dos primeros modelos provienen del AFE. El modelo 1 fue unidimensional, compuesto por los 12 ítems del instrumento. El modelo 2, también unidimensional, compuesto por 11 ítems (se retiró el ítem 11). Los siguientes modelos se basan en la teoría. El modelo 3 está compuesto por los 12 ítems distribuidos en tres factores. El modelo 4, por 11 ítems (sin el ítem 11) y 3 tres factores.

Haciendo un análisis global entre índices de ajuste y confiabilidad, se aprecia que el modelo 2 es el mejor. El modelo 4 podría competir, pero la confiabilidad del factor explotación económica es muy pobre (Tabla 4) y las correlaciones interfactoriales resultaron muy elevadas (Figura 1), incluso mayores a uno, lo cual sugiere que el modelo de tres factores no está bien especificado. El instrumento queda mejor definido mediante un modelo unidimensional de 11 ítems, que refleja adecuados índices de ajuste y confiabilidad (Tabla 4). El ítem 12 presenta carga factorial baja (Tabla 3, Figura 2). De igual manera, el RMSEA resultó ligeramente por encima del criterio previamente establecido.

La invarianza de medición se evaluó con el modelo 2 (unidimensional de 11 ítems). Los resultados fueron óptimos (Tabla 5) para la invarianza configural, métrica, escalar y estricta (ΔCFI < .010, ΔSRMR < .030). La evidencia respalda que los ítems cargan para el constructo en ambos grupos de edad (invarianza configural) y las cargas factoriales se mantienen constantes entre ambos grupos (invarianza métrica). La invarianza escalar señala que los grupos no difieren sistemáticamente en sus respuestas a los ítems (Pendergast et al., 2017), mientras que la invarianza estricta refleja que la suma de la varianza específica y la varianza error son similares en los grupos (Putnick y Bornstein, 2016).

Acerca de las correlaciones con la violencia de pareja, en la primera muestra, se encontró que el abuso económico se relacionó de manera significativa (p < .001) con violencia psicológica (r = .847), violencia física (r = .732), violencia sexual (r = .838), comportamientos controladores (r = .851) y violencia de pareja total (r = .918). Estas correlaciones tienen un tamaño del efecto grande. En la segunda muestra se observó una disminución de las correlaciones con tamaño del efecto entre mediano y grande (p < .001). El abuso económico correlacionó de manera significativa con violencia psicológica (r = .45), violencia física (r = .42), violencia sexual (r = .40), comportamientos controladores (r = .52) y violencia de pareja total (r = .52). Estos datos revelan que en muchas mujeres el abuso económico está presente cuando existe violencia de pareja.

Intimate partner violence is a global problem that affects one third women in the world (OMS, 2021), with similar rates in Latin America (Bott et al., 2021). In countries such as Peru this problem is present in all socioeconomic levels, being more frequent in the lower strata (INEI, 2022). In this context, economic abuse emerges as a form of intimate partner violence that seeks to maintain control and power over the partner, mainly the woman, by limiting her access to and management of economic resources (Adams et al., 2008).

Economic abuse is closely related to physical and psychological violence, affecting women’s psychological well-being and mental health, even after separation (Kaittila et al., 2024; Sauber & O’Brien, 2020). Despite its impact, economic violence remains poorly documented. To measure intimate partner economic abuse, some instruments have been developed, such as the Scale of Economic Abuse-12 (SEA-12; Postmus et al., 2016).

However, the adaptation of the SEA-12 in specific contexts such as Peru presents psychometric and cultural challenges, such as the comprehension of extensive instructions, the interpretation of terms, and the variability in the forms of economic abuse between cultures. In this sense, the present study provides evidence on the validity, reliability, and measurement invariance according to age of the SEA-P, which is the Peruvian adaptation made as part of the present study of the SEA-12 Spanish version, thus contributing to the understanding and approach of economic abuse in Peruvian women.

Two purposive samples were selected from the district of Carabayllo, Lima, Peru, due to its high incidence of intimate partner violence, in addition to being an area with 23.1% of monetary poverty (UNICEF, 2023). The inclusion criteria were: to be of legal age, to have had at least one intimate partner relationship, and to sign the informed consent form. The first sample consisted of 300 women (M_age = 30.6, SD = 8.9), and the second of 294 women (M_age = 31.63, SD = 9.7). In both samples, the majority reported partner violence in their past relationships, high school education, and living with their partner.

The SEA-P is based on the Spanish version of the SEA-12 (Johnson et al., 2021), which consists of 12 items distributed in three factors: labor sabotage, economic control, and economic exploitation. Additionally, the WHO violence against women instrument (WHO, 2005) was adapted, resulting in 17 items distributed in four factors: psychological violence, physical violence, sexual violence, and controlling behaviors.

Analyses were performed using Factor version 12.04.05 for the AFE and Jamovi 2.3.28 for the AFC, correlations, invariance according to age (18-29 and 30-56 years), and reliability.

In the first sample, two exploratory factor analyses (EFA) were performed. In the first, the 12 initial items yielded an explained variance of 57%. The factor loadings were excellent (> .30); however, item 11 obtained a lower communality than the others. In the second, item 11 was removed, finding an explained variance of 60%. Although items 8 and 12 had (Table 3) slightly low communalities, the replicability of the construct was outstanding (latent H-index = .96 and observed = .85), supporting a unidimensional 11-item model.

In the second sample, confirmatory factor analysis (CFA) was performed. Four models were analyzed (Table 4). The first two models came from the CFA. Model 1 was unidimensional with 12 items. Model 2, also unidimensional, but with 11 items (item 11 was removed). The following models came from theory. Model 3, composed of 12 items distributed in three factors. Model 4, with 11 items (without item 11), and 3 three factors.

An overall analysis of the fit and reliability indices shows that model 2 is the best. Model 4 could be considered, but the reliability of the economic exploitation factor is very poor. The instrument is better defined by a unidimensional model (11 items), which reflects adequate fit and reliability indices (Table 4). Item 12 presents low factor loadings (Table 3).

When assessing measurement invariance in the 11-item unidimensional model, it was obtained optimal evidence of configural, metric, scalar, and strict invariance (ΔCFI < .010, ΔSRMR < .030), indicating that the construct has the same meaning for both age groups (Table 5).

In the first sample, economic abuse was found to be significantly related to psychological violence (r = .84), physical violence (r = .73), sexual violence (r = .83), controlling behaviors (r = .85), and total partner violence (r = .91). In the second sample there was a decrease in correlations. Economic abuse correlated significantly with psychological violence (r = .45), physical violence (r = .42), sexual violence (r = .40), controlling behaviors (r = .52), and total partner violence (r = .52).

Intimate partner economic violence is a little explored phenomenon, but crucial to understand its impact on the mental health of the victims. This study adapted and psychometrically evaluated the Spanish version of the Economic Abuse Scale (SEA-12; Johnson et al., 2021) in Peruvian women, proposing the Peruvian SEA-P version. Possible difficulties in understanding the instrument were anticipated due to the characteristics of the sample, so modifications were made to ensure its suitability to the group of participants, while maintaining the theoretical basis of each item. In this sense, items 3 and 4 were unified, because they were redundant (item 3: “Threatens you not to look for a job or to quit your job; item 4: “He makes problems for you at work with the intention of making you quit your job.)”. This item reflects a frequent behavior in Peru, obtained an excellent factor load, and has theoretical support in previous studies (Borchers et al., 2016; Showalter and Bosetti, 2022).

On the other hand, item 11 on the creation of debts in the name of the partner was excluded due to limitations in its analysis and its low relevance in the samples studied (very few participants with bank debts, but many who used credit cards, so a plausible explanation is that this dimension does not theoretically contribute to economic abuse). Item 12 was retained despite its slightly low factor load, because it is the first time that the instrument has been tested in a Peruvian population of victims of intimate partner violence and residents in a district with a considerable presence of poverty, and it also highlights the potential value of comparing the behavior of this item in future research in samples with different sociodemographic characteristics.

The most important finding was the unidimensionality of the scale composed of 11 items for the samples studied, different from results obtained in previous research (Adams et al., 2008; Johnson et al., 2021; Postmus et al., 2016; Yau et al., 2019). This unified approach reflects the complex but unitary nature of economic abuse in intimate partner relationships. It includes control tactics, denial of the woman’s working life, refusal to obtain and dispose of economic resources of her own. The difference with the antecedents may be a consequence of the high educational and cultural load of the construct. The high replicability of the model (high H indices) supports its stability in different samples. In addition, the evaluation of a three-factor theoretical model showed too high interfactor correlations and low reliability in the economic exploitation dimension, supporting the preference for the unidimensional model.

The unidimensional model was invariant across all nested models (configural, metric, scalar, and strict) across age groups, indicating that the factor structure and loadings remain constant. Studies such as Johnson et al.’s (2021) have achieved invariance when comparing language versions, highlighting the importance of exploring other moderators in future research.

Correlations with intimate partner violence varied between samples. In the first sample, correlations with large effect sizes were found, while in the second sample relationships with medium to large effect sizes were found. This suggests that economic abuse may differ according to sociodemographic variables. For example, the type of relationship (dating, married, single, etc.), the length of relationship (Jennings et al., 2017), and the person perpetrating the violence (Bott et al., 2021; OMS, 2021).

The findings of this study offer relevant contributions to professional practice, public policy development, and research in the field of intimate partner violence, highlighting the importance of identifying and addressing economic violence as a specific dimension within interventions. Although the study has certain limitations, it concludes that the SEA-P is a valid, reliable, and culturally relevant instrument for assessing economic abuse in Peruvian women. Its unidimensional design allows for easier application, which facilitates the development of more specific interventions. Likewise, its use can be very useful for mental health professionals, social workers, and staff at institutions that serve victims, as it provides an effective tool for detecting this type of violence, which often goes unnoticed. Similarly, the SEA-P can support the formulation and evaluation of public policies that seek to prevent and address intimate partner violence in a comprehensive manner, also considering its economic components, which still do not receive sufficient attention in the national context. Finally, its application in future research will generate evidence that contributes to the monitoring of intervention programs and the design of more effective strategies for protection, empowerment, and redress for victims.