Anlisis de puntuaciones Mach2nueva y asscaddo

Odir Antonio Rodrguez-Villagra

29 de septiembre de 2015

Contents
1 Preeliminares

2 Anlisis de las puntuaciones Mach2nueva

2.1

Confiabilidad y e ndices de discriminacin de Mach2nueva

. . . . . . . . . . . . . . . . . . .

2.2

ndices de dificultad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

3 Anlisis de las puntuaciones asscaddo

3.1

Recodificar los tems de asscaddo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

3.2

Estimar correlaciones entre factores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

3.3

Confiabilidad y e ndices de discriminacin de asscaddo

. . . . . . . . . . . . . . . . . . . . .

3.4

ndices de dificultad de asscddo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

12

Preeliminares

##Cargar paquetes##
#Si no los han instalado, recuerden primero instalarlos
## ej: install.packages ("psy") y luego cargarlos##
library(psy)
library(psych)
##
## Attaching package: 'psych'
##
## The following object is masked from 'package:psy':
##
##
wkappa
library(ltm)
##
##
##
##
##
##
##

Loading
Loading
Loading
Loading
Loading

required
required
required
required
required

package:
package:
package:
package:
package:

MASS
msm
polycor
mvtnorm
sfsmisc

Attaching package: 'polycor'

1

##
## The following object is masked from 'package:psych':
##
##
polyserial
##
##
## Attaching package: 'ltm'
##
## The following object is masked from 'package:psych':
##
##
factor.scores
library(Hmisc)
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##

Loading
Loading
Loading
Loading
Loading

required
required
required
required
required

package:
package:
package:
package:
package:

grid
lattice
survival
Formula
ggplot2

Attaching package: 'ggplot2'

The following object is masked from 'package:psych':
%+%
Attaching package: 'Hmisc'
The following object is masked from 'package:sfsmisc':
errbar
The following object is masked from 'package:psych':
describe
The following objects are masked from 'package:base':
format.pval, round.POSIXt, trunc.POSIXt, units

#Recuerden definir el directorio de trabajo!!##

setwd("~/Documents/Google Drive/Inv.VII/CarpetaEstudiantes/Scripts_data")
#PRACTICA 3#
#Cargar Mach3nueva
load("Mach2nueva.rda")
head("Mach2nueva")
## [1] "Mach2nueva"

#Cargar asscaddo.rda
load("asscaddo.rda")
head(asscaddo)
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##

1
2
3
4
5
6
1
2
3
4
5
6
1
2
3
4
5
6

AS1 AS2 AS3 AS4 AS5 AS6 AS7 AS8 AS9 AS10 SC1 SC2 SC3 SC4 SC5 SC6 SC7 SC8
4
4
3
3
5
4
1
3
1
1
5
3
3
5
5
3
1
1
4
3
4
4
3
2
3
3
4
3
4
4
2
4
4
3
2
2
5
4
4
5
3
3
2
2
1
1
4
4
5
5
4
3
1
2
4
3
3
2
3
3
4
3
4
1
2
2
2
4
2
5
3
4
4
4
4
4
4
3
2
1
2
0
2
3
5
4
4
3
2
4
3
4
4
3
3
3
3
2
3
3
3
3
2
3
2
3
4
3
SC9 SC10 AD1 AD2 AD3 AD4 AD5 AD6 AD7 AD8 AD9 AD10 DO1 DO2 DO3 DO4 DO5
1
2
5
5
5
5
0
1
2
4
0
3
1
1
3
1
3
4
3
2
4
4
3
4
4
4
4
3
4
4
4
3
2
3
2
1
4
4
4
4
3
3
2
2
2
2
4
3
3
3
3
4
1
4
5
5
4
3
3
2
2
1
4
3
3
3
3
4
3
2
4
5
5
5
2
2
2
2
2
2
4
4
4
3
4
3
4
3
3
3
3
4
4
4
4
4
4
4
3
3
4
4
DO6 DO7 DO8 DO9 DO10 age gender
2
5
4
2
1 29
2
2
3
3
2
2 49
2
4
4
5
2
3 52
1
4
4
5
3
1 34
2
3
5
5
4
4 52
2
4
3
4
4
3 27
2

Anlisis de las puntuaciones Mach2nueva

2.1

Confiabilidad y e ndices de discriminacin de Mach2nueva

#Recomendacin: Dejar SIEMPRE "check.keys = F".

alpha(Mach2nueva[,c(1:19)],check.keys = F)
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##

Reliability analysis
Call: alpha(x = Mach2nueva[, c(1:19)], check.keys = F)
raw_alpha std.alpha G6(smc) average_r S/N
ase mean
sd
0.88
0.88
0.89
0.28 7.4 0.0022 3.3 0.71
lower alpha upper
0.88 0.88 0.89

95% confidence boundaries

Reliability if an item is dropped:

raw_alpha std.alpha G6(smc) average_r
Q1
0.87
0.87
0.88
0.27
Q2
0.87
0.87
0.88
0.28
Q3
0.88
0.88
0.88
0.28
Q4
0.87
0.87
0.88
0.28
Q5
0.88
0.87
0.88
0.28

S/N alpha se
6.8
0.0023
6.9
0.0023
7.0
0.0023
6.9
0.0023
7.0
0.0023
3

##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##

Q6
Q7
Q8
Q9
Q10
Q11
Q12
Q13
Q15
Q16
Q17
Q18
Q19
Q20

0.87
0.87
0.88
0.87
0.87
0.88
0.87
0.87
0.88
0.88
0.88
0.88
0.88
0.88

0.87
0.87
0.88
0.87
0.87
0.88
0.87
0.87
0.88
0.88
0.88
0.88
0.88
0.88

0.88
0.88
0.88
0.88
0.88
0.88
0.88
0.88
0.88
0.88
0.89
0.88
0.89
0.88

0.27
0.28
0.28
0.27
0.27
0.28
0.28
0.28
0.28
0.28
0.29
0.28
0.29
0.29

6.8
6.9
7.1
6.7
6.8
7.1
6.9
6.9
7.1
7.2
7.4
7.0
7.5
7.2

Item statistics
n raw.r std.r r.cor r.drop mean sd
Q1 13156 0.64 0.64 0.62
0.58 3.4 1.3
Q2 13156 0.61 0.61 0.58
0.55 3.3 1.3
Q3 13156 0.55 0.55 0.52
0.48 3.1 1.2
Q4 13156 0.59 0.59 0.56
0.52 3.3 1.2
Q5 13156 0.58 0.58 0.55
0.52 3.5 1.2
Q6 13156 0.67 0.66 0.66
0.60 3.4 1.3
Q7 13156 0.59 0.59 0.57
0.52 3.8 1.2
Q8 13156 0.55 0.54 0.51
0.47 3.1 1.3
Q9 13156 0.70 0.69 0.69
0.64 2.5 1.3
Q10 13156 0.66 0.66 0.65
0.61 3.0 1.3
Q11 13156 0.52 0.53 0.49
0.46 4.1 1.0
Q12 13156 0.60 0.59 0.56
0.53 3.6 1.3
Q13 13156 0.63 0.62 0.60
0.56 3.0 1.3
Q15 13156 0.52 0.52 0.48
0.45 3.3 1.2
Q16 13156 0.50 0.50 0.46
0.42 3.3 1.3
Q17 13156 0.40 0.41 0.35
0.33 3.7 1.2
Q18 13156 0.55 0.56 0.52
0.49 3.5 1.2
Q19 13156 0.36 0.37 0.30
0.28 4.1 1.2
Q20 13156 0.50 0.49 0.44
0.41 2.5 1.4
Non missing response frequency for each item
0
1
2
3
4
5 miss
Q1 0.00 0.08 0.22 0.17 0.31 0.22
0
Q2 0.00 0.09 0.24 0.16 0.30 0.20
0
Q3 0.00 0.10 0.27 0.21 0.27 0.14
0
Q4 0.00 0.06 0.24 0.21 0.26 0.22
0
Q5 0.00 0.06 0.20 0.15 0.36 0.23
0
Q6 0.00 0.10 0.20 0.15 0.31 0.24
0
Q7 0.00 0.07 0.11 0.11 0.40 0.31
0
Q8 0.01 0.10 0.30 0.15 0.29 0.15
0
Q9 0.00 0.26 0.33 0.17 0.14 0.11
0
Q10 0.00 0.12 0.30 0.16 0.28 0.14
0
Q11 0.00 0.03 0.06 0.12 0.35 0.45
0
Q12 0.01 0.07 0.19 0.13 0.32 0.29
0
Q13 0.00 0.13 0.29 0.13 0.27 0.17
0
Q15 0.01 0.09 0.19 0.22 0.35 0.16
0
Q16 0.01 0.09 0.24 0.15 0.31 0.21
0
4

0.0023
0.0023
0.0023
0.0023
0.0023
0.0022
0.0023
0.0023
0.0022
0.0022
0.0022
0.0023
0.0022
0.0022

##
##
##
##

Q17
Q18
Q19
Q20

2.2

0.00
0.01
0.01
0.00

0.06
0.05
0.05
0.28

0.12
0.18
0.05
0.27

0.16
0.15
0.10
0.17

0.38
0.42
0.31
0.16

0.28
0.18
0.47
0.11

0
0
0
0

ndices de dificultad

Max<-5
dif.machnueva<-data.frame(Dif.No.dic<-apply(Mach2nueva[,1:19],2,sum)/
(Max*(length(Mach2nueva[,1]))))
dif.machnueva
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##

Q1
Q2
Q3
Q4
Q5
Q6
Q7
Q8
Q9
Q10
Q11
Q12
Q13
Q15
Q16
Q17
Q18
Q19
Q20

Dif.No.dic....apply.Mach2nueva...1.19...2..sum...Max....length.Mach2nueva...
0.6751292
0.6556704
0.6127090
0.6674065
0.7011706
0.6739434
0.7510642
0.6134539
0.5008513
0.6005321
0.8237762
0.7115081
0.6087717
0.6587109
0.6567802
0.7371998
0.6972180
0.8169960
0.5084220

names(dif.machnueva)<-c("Dificultad") #Cambiar nombre de la variable

dif.machnueva
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##

Q1
Q2
Q3
Q4
Q5
Q6
Q7
Q8
Q9
Q10
Q11
Q12
Q13
Q15

Dificultad
0.6751292
0.6556704
0.6127090
0.6674065
0.7011706
0.6739434
0.7510642
0.6134539
0.5008513
0.6005321
0.8237762
0.7115081
0.6087717
0.6587109
5

##
##
##
##
##

Q16
Q17
Q18
Q19
Q20

0.6567802
0.7371998
0.6972180
0.8169960
0.5084220

Anlisis de las puntuaciones asscaddo

3.1

Recodificar los tems de asscaddo

#El orden que se DEBE SEGUIR para los anlisis es

# 1) Recodificacin
# 2) Si es necesario estimar las medias de cada escala o factor.
# 3) Estimar coeficientes de correlacin. Dependiendo de los resultados se deben
#
estimar los ndicies de confiabilidad, anlisis de distractores (respuestas),
#
discriminacin y dificultad para el test total, por escala o entre factores
#
que esten altamente correlacionados.
fix_missing <- function(x) {
x[x == 1]
<- 5.1
x[x == 2]
<- 4.1
x[x == 4]
<- 2
x[x == 5]
<- 1
x[x == 5.1] <- 5
x[x == 4.1] <- 4
x
}
asscaddo[,c(7:10,25:30,16:20)] <- lapply(asscaddo[,c(7:10,25:30,16:20)],
fix_missing)

3.2

Estimar correlaciones entre factores

#Estimando la media por factor

asscaddo$meanTotal<-(apply(asscaddo[,1:40],1,mean))
asscaddo$asmean<-(apply(asscaddo[,1:10],1,mean))
asscaddo$scmean<-(apply(asscaddo[,11:20],1,mean))
asscaddo$admean<-(apply(asscaddo[,21:30],1,mean))
asscaddo$domean<-(apply(asscaddo[,31:40],1,mean))
#Estimando los coeficientes de correlacin
print(CorTable<-round(cor(asscaddo[,c(44:47)]),3))
##
##
##
##
##

asmean
scmean
admean
domean

asmean scmean admean domean

1.000 0.639 0.402 0.475
0.639 1.000 0.439 0.331
0.402 0.439 1.000 0.207
0.475 0.331 0.207 1.000

#El resultado indica que las correlaciones entre las escalas no son
#mayores que 0.70 lo cual indica que debemos estimar ndices de dificultad,
#discriminacin y confiabilidad de manera independiente. La razn de lo
#anterior es que los ndices de confiabilidad asumen unidimensionalidad

3.3

Confiabilidad y e ndices de discriminacin de asscaddo

#Ac pueden analizar la confiabilidad, los ndices de discriminacin y

#el anlisis de respuestas o distractores (rendimiento ptimo)
print(ascadt1<-alpha(asscaddo[,1:10],check.keys = F))
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##

Reliability analysis
Call: alpha(x = asscaddo[, 1:10], check.keys = F)
raw_alpha std.alpha G6(smc) average_r S/N
ase mean
sd
0.83
0.83
0.83
0.33 4.9 0.013 3.6 0.65
lower alpha upper
0.8 0.83 0.85

95% confidence boundaries

Reliability if an item is dropped:

raw_alpha std.alpha G6(smc) average_r
AS1
0.82
0.82
0.82
0.33
AS2
0.80
0.80
0.80
0.31
AS3
0.80
0.80
0.80
0.31
AS4
0.82
0.82
0.82
0.33
AS5
0.81
0.81
0.82
0.32
AS6
0.81
0.81
0.81
0.32
AS7
0.80
0.80
0.80
0.31
AS8
0.82
0.82
0.82
0.34
AS9
0.82
0.83
0.83
0.35
AS10
0.84
0.84
0.84
0.37

S/N alpha se
4.5
0.014
4.1
0.014
4.1
0.014
4.5
0.014
4.3
0.014
4.3
0.014
4.1
0.014
4.6
0.014
4.8
0.013
5.2
0.013

Item statistics
n raw.r std.r r.cor r.drop mean
sd
AS1 1005 0.61 0.61 0.55
0.49 3.8 1.06
AS2 1005 0.74 0.74 0.72
0.65 3.7 1.03
AS3 1005 0.74 0.74 0.72
0.65 3.4 1.05
AS4 1005 0.60 0.61 0.55
0.49 3.7 0.96
AS5 1005 0.66 0.66 0.61
0.56 3.4 1.02
AS6 1005 0.67 0.68 0.63
0.57 3.6 0.99
AS7 1005 0.72 0.72 0.69
0.63 3.3 1.01
AS8 1005 0.58 0.58 0.52
0.46 3.2 0.99
AS9 1005 0.55 0.54 0.45
0.41 4.0 1.15
AS10 1005 0.43 0.42 0.31
0.28 4.2 1.08
Non missing response frequency for each item
0
1
2
3
4
5 miss
AS1 0.00 0.02 0.13 0.14 0.43 0.28
0
AS2 0.00 0.03 0.13 0.19 0.46 0.19
0
7

##
##
##
##
##
##
##
##

AS3
AS4
AS5
AS6
AS7
AS8
AS9
AS10

0.00
0.00
0.01
0.01
0.00
0.01
0.01
0.01

0.03
0.02
0.01
0.02
0.02
0.02
0.04
0.03

0.18
0.10
0.17
0.10
0.21
0.22
0.09
0.05

0.27
0.22
0.32
0.27
0.30
0.33
0.10
0.08

0.38
0.49
0.37
0.45
0.36
0.35
0.32
0.34

0.14
0.17
0.11
0.15
0.11
0.08
0.45
0.49

0
0
0
0
0
0
0
0

#Ponga atencin y compare con la tabla anterior

ascadt1[1] #Alfa global
## $total
## raw_alpha std.alpha
G6(smc) average_r
S/N
ase
mean
## 0.8286397 0.8310968 0.8348816 0.3297835 4.920552 0.01257018 3.625174
##
sd
## 0.6494658
ascadt1[2] #Confiabilidad si el tem x es eliminado
##
##
##
##
##
##
##
##
##
##
##
##

$alpha.drop
raw_alpha
AS1 0.8155705
AS2 0.7991860
AS3 0.7995599
AS4 0.8152769
AS5 0.8090543
AS6 0.8076372
AS7 0.8018301
AS8 0.8180682
AS9 0.8248137
AS10 0.8369573

std.alpha
0.8181087
0.8020313
0.8024698
0.8182280
0.8119550
0.8102421
0.8045563
0.8211347
0.8262613
0.8388510

G6(smc)
0.8202513
0.8024329
0.8015165
0.8196472
0.8155948
0.8131018
0.8047045
0.8213115
0.8277234
0.8372757

average_r
0.3332241
0.3104137
0.3110057
0.3334024
0.3242166
0.3217720
0.3138447
0.3377873
0.3457291
0.3664398

S/N
4.497788
4.051302
4.062517
4.501399
4.317876
4.269874
4.116564
4.590800
4.755770
5.205438

alpha se
0.01373662
0.01448737
0.01447380
0.01375103
0.01403338
0.01409927
0.01435931
0.01362706
0.01331378
0.01278714

ascadt1[3] #ndices de discriminacin

##
##
##
##
##
##
##
##
##
##
##
##

$item.stats
n
raw.r
AS1 1005 0.6107181
AS2 1005 0.7384815
AS3 1005 0.7350781
AS4 1005 0.6011258
AS5 1005 0.6598829
AS6 1005 0.6705147
AS7 1005 0.7181902
AS8 1005 0.5796140
AS9 1005 0.5546876
AS10 1005 0.4292840

std.r
0.6102621
0.7406230
0.7372395
0.6092430
0.6617397
0.6757104
0.7210147
0.5841834
0.5387963
0.4204352

r.cor
0.5452153
0.7241859
0.7238927
0.5450176
0.6111321
0.6328491
0.6943143
0.5174208
0.4521455
0.3095660

r.drop
0.4915681
0.6524921
0.6459235
0.4938299
0.5561288
0.5725705
0.6286623
0.4639287
0.4127474
0.2795352

ascadt1[4] #Anlisis de respuestas

## $response.freq
8

mean
3.799005
3.658706
3.401990
3.674627
3.366169
3.588060
3.308458
3.232836
4.039801
4.182090

sd
1.0634263
1.0255386
1.0484270
0.9565266
1.0203359
0.9897164
1.0110831
0.9927609
1.1537260
1.0802822

##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##

0
0.001990050
0.001990050
0.001990050
0.003980100
0.012935323
0.010945274
0.004975124
0.006965174
0.005970149
0.009950249
miss
AS1
0
AS2
0
AS3
0
AS4
0
AS5
0
AS6
0
AS7
0
AS8
0
AS9
0
AS10
0
AS1
AS2
AS3
AS4
AS5
AS6
AS7
AS8
AS9
AS10

1
0.02089552
0.02686567
0.03184080
0.01890547
0.01492537
0.01691542
0.01691542
0.02089552
0.03681592
0.03184080

2
0.13432836
0.12835821
0.18308458
0.09950249
0.16716418
0.10049751
0.21492537
0.21592040
0.08955224
0.04577114

3
0.13731343
0.18805970
0.26666667
0.22089552
0.31741294
0.26766169
0.29950249
0.32736318
0.09651741
0.08059701

4
0.4298507
0.4626866
0.3781095
0.4895522
0.3731343
0.4527363
0.3552239
0.3462687
0.3213930
0.3422886

print(ascadt2<-alpha(asscaddo[,11:20],check.keys = F))
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##

Reliability analysis
Call: alpha(x = asscaddo[, 11:20], check.keys = F)
raw_alpha std.alpha G6(smc) average_r S/N
ase mean sd
0.89
0.89
0.9
0.44 7.9 0.0099 3.5 0.8
lower alpha upper
0.87 0.89 0.91

95% confidence boundaries

Reliability if an item is dropped:

raw_alpha std.alpha G6(smc) average_r
SC1
0.88
0.88
0.88
0.44
SC2
0.87
0.87
0.88
0.42
SC3
0.88
0.88
0.89
0.44
SC4
0.88
0.88
0.89
0.45
SC5
0.88
0.88
0.88
0.44
SC6
0.87
0.87
0.88
0.43
SC7
0.88
0.88
0.89
0.45
SC8
0.87
0.87
0.88
0.44
SC9
0.87
0.87
0.88
0.43
SC10
0.88
0.88
0.89
0.46

S/N alpha se
7.0
0.011
6.6
0.011
7.1
0.011
7.3
0.011
7.2
0.011
6.8
0.011
7.4
0.011
6.9
0.011
6.9
0.011
7.5
0.011

Item statistics
n raw.r std.r r.cor r.drop mean sd
SC1 1005 0.72 0.72 0.69
0.64 3.7 1.1
SC2 1005 0.79 0.78 0.77
0.72 3.2 1.2
SC3 1005 0.71 0.69 0.64
0.61 3.1 1.3
SC4 1005 0.67 0.67 0.62
0.58 3.7 1.1
9

5
0.27562189
0.19203980
0.13830846
0.16716418
0.11442786
0.15124378
0.10845771
0.08258706
0.44975124
0.48955224

##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##

SC5
SC6
SC7
SC8
SC9
SC10

1005
1005
1005
1005
1005
1005

0.67
0.76
0.63
0.73
0.75
0.62

0.68
0.76
0.64
0.73
0.74
0.62

0.64
0.74
0.59
0.70
0.72
0.56

0.59
0.69
0.54
0.65
0.68
0.52

3.4
3.3
3.7
3.6
3.0
3.8

1.0
1.2
1.0
1.1
1.1
1.1

Non missing response frequency for each item

0
1
2
3
4
5 miss
SC1 0.01 0.03 0.13 0.18 0.39 0.26
0
SC2 0.01 0.08 0.22 0.22 0.31 0.17
0
SC3 0.01 0.12 0.23 0.20 0.28 0.16
0
SC4 0.01 0.02 0.14 0.17 0.45 0.21
0
SC5 0.01 0.02 0.17 0.28 0.39 0.13
0
SC6 0.01 0.07 0.20 0.22 0.34 0.16
0
SC7 0.01 0.02 0.10 0.17 0.49 0.20
0
SC8 0.01 0.03 0.17 0.19 0.39 0.22
0
SC9 0.00 0.06 0.31 0.23 0.29 0.10
0
SC10 0.01 0.02 0.11 0.15 0.42 0.29
0

print(ascadt3<-alpha(asscaddo[,21:30],check.keys = F))
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##

Reliability analysis
Call: alpha(x = asscaddo[, 21:30], check.keys = F)
raw_alpha std.alpha G6(smc) average_r S/N
ase mean
sd
0.85
0.85
0.86
0.36 5.7 0.012 3.7 0.67
lower alpha upper
0.83 0.85 0.87

95% confidence boundaries

Reliability if an item is dropped:

raw_alpha std.alpha G6(smc) average_r
AD1
0.84
0.84
0.84
0.36
AD2
0.84
0.84
0.84
0.37
AD3
0.84
0.84
0.84
0.38
AD4
0.84
0.84
0.84
0.36
AD5
0.83
0.83
0.84
0.36
AD6
0.82
0.83
0.82
0.35
AD7
0.83
0.83
0.83
0.35
AD8
0.84
0.84
0.84
0.36
AD9
0.85
0.85
0.85
0.38
AD10
0.83
0.84
0.84
0.36

S/N alpha se
5.2
0.013
5.2
0.013
5.4
0.012
5.1
0.013
5.0
0.013
4.8
0.013
4.8
0.013
5.1
0.013
5.6
0.012
5.1
0.013

Item statistics
n raw.r std.r r.cor r.drop mean
sd
AD1 1005 0.65 0.65 0.58
0.54 3.6 1.12
AD2 1005 0.61 0.63 0.57
0.52 4.3 0.91
AD3 1005 0.55 0.58 0.52
0.45 4.4 0.83
AD4 1005 0.64 0.65 0.60
0.54 4.1 0.96
AD5 1005 0.70 0.69 0.64
0.60 3.2 1.05
AD6 1005 0.75 0.75 0.74
0.67 3.6 1.06
AD7 1005 0.74 0.74 0.73
0.66 3.8 1.00
10

##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##

AD8 1005
AD9 1005
AD10 1005

0.66
0.56
0.66

0.65
0.55
0.66

0.59
0.46
0.60

0.55
0.42
0.56

3.0 1.07
4.0 1.13
3.6 1.06

Non missing response frequency for each item

0
1
2
3
4
5 miss
AD1 0.01 0.03 0.15 0.20 0.38 0.23
0
AD2 0.00 0.01 0.05 0.07 0.40 0.47
0
AD3 0.01 0.00 0.02 0.07 0.37 0.53
0
AD4 0.01 0.00 0.05 0.14 0.42 0.37
0
AD5 0.01 0.03 0.25 0.30 0.33 0.09
0
AD6 0.01 0.02 0.13 0.22 0.43 0.19
0
AD7 0.01 0.02 0.08 0.19 0.45 0.25
0
AD8 0.00 0.04 0.32 0.29 0.25 0.09
0
AD9 0.01 0.03 0.08 0.11 0.37 0.40
0
AD10 0.01 0.02 0.16 0.23 0.40 0.19
0

print(ascadt4<-alpha(asscaddo[,31:40],check.keys = F))
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##
##

Reliability analysis
Call: alpha(x = asscaddo[, 31:40], check.keys = F)
raw_alpha std.alpha G6(smc) average_r S/N
ase mean
sd
0.86
0.86
0.88
0.39 6.3 0.011 3.1 0.73
lower alpha upper
0.84 0.86 0.88

95% confidence boundaries

Reliability if an item is dropped:

raw_alpha std.alpha G6(smc) average_r
DO1
0.86
0.86
0.86
0.40
DO2
0.85
0.85
0.85
0.39
DO3
0.85
0.85
0.87
0.39
DO4
0.84
0.84
0.86
0.37
DO5
0.85
0.85
0.86
0.38
DO6
0.85
0.85
0.87
0.39
DO7
0.85
0.85
0.87
0.39
DO8
0.85
0.85
0.87
0.39
DO9
0.85
0.85
0.86
0.38
DO10
0.85
0.85
0.86
0.38

S/N alpha se
6.0
0.012
5.7
0.012
5.6
0.012
5.3
0.013
5.5
0.012
5.7
0.012
5.8
0.012
5.7
0.012
5.6
0.012
5.5
0.012

Item statistics
n raw.r std.r r.cor r.drop mean
sd
DO1 1005 0.60 0.59 0.56
0.48 3.4 1.15
DO2 1005 0.66 0.65 0.64
0.56 3.3 1.17
DO3 1005 0.67 0.67 0.62
0.57 3.3 1.05
DO4 1005 0.75 0.75 0.72
0.67 2.7 1.07
DO5 1005 0.70 0.70 0.66
0.61 3.2 1.14
DO6 1005 0.66 0.66 0.60
0.56 2.8 1.07
DO7 1005 0.63 0.63 0.58
0.53 3.5 1.05
DO8 1005 0.64 0.65 0.59
0.54 3.7 0.99
DO9 1005 0.68 0.68 0.64
0.59 2.6 1.06
DO10 1005 0.70 0.70 0.66
0.61 2.4 1.12
11

##
##
##
##
##
##
##
##
##
##
##
##
##

Non missing response frequency for each item

0
1
2
3
4
5 miss
DO1 0.01 0.05 0.16 0.23 0.38 0.17
0
DO2 0.01 0.06 0.21 0.21 0.36 0.15
0
DO3 0.01 0.03 0.21 0.29 0.37 0.10
0
DO4 0.00 0.10 0.37 0.27 0.20 0.05
0
DO5 0.01 0.05 0.24 0.22 0.36 0.11
0
DO6 0.00 0.09 0.34 0.28 0.24 0.05
0
DO7 0.01 0.03 0.16 0.22 0.45 0.14
0
DO8 0.01 0.02 0.11 0.20 0.49 0.17
0
DO9 0.01 0.13 0.36 0.30 0.15 0.04
0
DO10 0.01 0.20 0.37 0.23 0.16 0.04
0

3.4

ndices de dificultad de asscddo

#Los ndices de dificultad por escala

#Escala 1: as
Max<-5
dif.as<-data.frame(Dif.No.dic.as<-apply(asscaddo[,1:10],2,sum)/
(Max*(length(asscaddo[,1]))))
names(dif.as)<-c("Dificultad")
dif.as #Cul tem es ms fcil? Cul tem es ms difcil?
##
##
##
##
##
##
##
##
##
##
##

AS1
AS2
AS3
AS4
AS5
AS6
AS7
AS8
AS9
AS10

Dificultad
0.7598010
0.7317413
0.6803980
0.7349254
0.6732338
0.7176119
0.6616915
0.6465672
0.8079602
0.8364179

#Escala 2: sc
#Ojo se usa el mismo Max para todas las escalas debido a que son
#iguales.
dif.sc<-data.frame(Dif.No.dic.sd<-apply(asscaddo[,11:20],2,sum)/
(Max*(length(asscaddo[,1]))))
names(dif.sc)<-c("Dificultad")
dif.sc #Cul tem es ms fcil? Cul tem es ms difcil?
##
##
##
##
##
##

SC1
SC2
SC3
SC4
SC5

Dificultad
0.7410945
0.6487562
0.6208955
0.7341294
0.6815920
12

##
##
##
##
##

SC6
SC7
SC8
SC9
SC10

0.6573134
0.7442786
0.7150249
0.6075622
0.7609950

#Escala 3: ad
dif.ad<-data.frame(Dif.No.dic.ad<-apply(asscaddo[,21:30],2,sum)/
(Max*(length(asscaddo[,1]))))
names(dif.ad)<-c("Dificultad")
dif.ad #Cul tem es ms fcil? Cul tem es ms difcil?
##
##
##
##
##
##
##
##
##
##
##

AD1
AD2
AD3
AD4
AD5
AD6
AD7
AD8
AD9
AD10

Dificultad
0.7251741
0.8507463
0.8748259
0.8147264
0.6328358
0.7213930
0.7643781
0.6003980
0.7990050
0.7134328

#Escala 4: do
dif.do<-data.frame(Dif.No.dic.do<-apply(asscaddo[,31:40],2,sum)/
(Max*(length(asscaddo[,1]))))
names(dif.do)<-c("Dificultad")
dif.do #Cul tem es ms fcil? Cul tem es ms difcil?
##
##
##
##
##
##
##
##
##
##
##

DO1
DO2
DO3
DO4
DO5
DO6
DO7
DO8
DO9
DO10

Dificultad
0.6863682
0.6620896
0.6531343
0.5442786
0.6453731
0.5645771
0.6979104
0.7333333
0.5170149
0.4893532

#Prctica
#Haga los mismo con el archivo "CattelRecodificada.rda"
#Dentro de este archi la base de datos se llama "cat.rec"

13