Documentos de Académico
Documentos de Profesional
Documentos de Cultura
4.
RYX1 X 2
RYX 2 X 1
rYX1 rYX 2 rX 1 X 2
(1 rYX 2 )(1 rX21 X 2 )
rYX 2 rYX1 rX 1 X 2
(1 rYX1 )(1 rX21 X 2 )
ryx1 ryx2rx1x2
ry(x1*x2) =
1 - r x1x2
ryx2 ry1rx1x2
ry(x2*x1) =
1 - r x1x2
a) La 1 expresa la correlacin entre la variable criterio y la predictora X1 cuando de sta se
elimina la influencia de la variable predictora X2
Viene dado por la correlacin mltiple entre las puntuaciones obtenidas por la muestra en la
variable criterio y las obtenidas en el cjto. de las predictoras
G de asociacin entre la VD (criterio) y el cjto de variables predictoras
Correlacin mltiple:
R y*x1x2 =
b*1ryx1 + b2*2ryx2
Puntuaciones tpicas:
Zy= b1*Zx1 + b2*Zx1
ryx2 ryx1
rx1x2
b1* =
b2* =
1 - rx1x2
1-
Puntuaciones diferenciales:
Y = b1x1 + b2x2
Sy
b1 = b*1
Sy
Sx1
a=
b2 = b*2
Sx1
Puntuaciones directas
__ __
__
a = Y b1X1 b2X2
Y = a +b1X1 + b2 X2
El coeficiente de validez mltiple indica la eficacia de las VV predictoras para estimar el criterio
Cuanto ms alto sea el coeficiente de validez, ms exacta es la estimacin
Pero el coeficiente de validez no es perfecto y est afectada por el error de estimacin
Error de estimacin: diferencia entre la puntuacin obtenida en el criterio y la pronosticada
mediante la ecuacin de regresin (Y Y)
A la varianza de todos los errores de estimacin se llama varianza residual, varianza de error o
error cuadrtico medio y su frmula es:
(Y Y)
Sy*x1x2 =
N
(Y Y)
Sy*x1x2 =
N
2.2.3. Intervalos de confianza
Asumiendo que la distribucin de los errores de estimacin cuya desviacin tpica viene dada por
el error tpico de estimacin mltiple, se establece 1 intervalo de confianza en torno a la
puntuacin pronosticada. Pasos:
1. Deter. el nivel de confianza y buscar su puntuacin tpica
2. Calcular el error tpico
3. Calcular el error mx.
4
4.
5.
La variacin total de los valores de Y es igual a la varianza explicada por la influencia de X1X2
(cjto de VV predictoras) ms la variacin por el azar o residual
Sy = Sy +
Sy*x1x2
Sy*x1x2 1 = Ry*x1x2 +
Sy
+
Sy
Sy
Sy*x1x2 = Sy 1 - Ry*x1x2
Szy*zx1zx2 = 1 -- Ry*x1x2
C.D. = Ry*x1x2
Proporcin que representa el error tpico de estimacin mltiple respecto a la desviacin tpica de
las puntuaciones en el criterio
Al cuadrado es el complementario del C.D. y representa las puntuaciones en el criterio que no se
puede predecir a partir de las VV predictoras
Sy* x1x2
C.A. = K =
1 - Ry*x1x2
Sy
1=
1 - Ry*x1x2
2.4.2.
Mtodos Forward
Stepwise: es el ms utilizado. Pasos:
1. Clculo de las intercorrelaciones entre las VV
2. Seleccionar la variable predictora con 1 correlacin mayor y se efecta la ecuacin de
regresin
3. Se aade a la ecuacin (1 a 1) las dems VV predictoras y que cuya correlacin semiparcial
con el criterio sea ms alta (de mayor a menor), despus de haber eliminado la influencia de la
anterior, y as sucesivamente
4. Cada vez que se incluye 1 variable predictora en la ecuacin se calcula el aumento en el C.D.
y se analiza si ese aumento es significativo. Se para cuando el aumento no es significativo
Mtodos Backward
Es inverso al anterior. Pasos:
1. Clculo de la (C.D.) entre la variable criterio y el cjto de predictoras
2. Se eliminan 1 a 1 las VV menos relevantes, calculando en cada proc. de eliminacin la
reduccin en el C.D.
3. El proc. se detiene cuando la reduccin sea significativa
* ver ejemplo (pg. 374 378)
Procedimientos que analizan la valide de las decisiones a partir de las puntuaciones en 1 o varios
tests en relacin a 1 criterio dicotmico. La puntuaciones se dicotomizan a partir de 1 punto de
corte (P:C), es decir se asignan en 2 cat. (p.e. aptos no aptos, admitidos rechazados, etc.)
Para el estudio de validacin se aplica 1 prueba a todos los sujetos y se fija 1 P.C., por lo que todos
que lo superen se consideran Aptos y los que no No aptos. Despus de 1 tiempo se comprueba
cul ha sido el rendimiento de ambas cat.
TEST Aptos
No - Aptos
CRITERIO
Aptos
No- Aptos
NAA
NAN
NNA
NNN
NTA
NTN
A
NCA
NCNA
N
NAA + NNN = Aciertos Sujetos que se han calificado igual en el test y el criterio.
Han sido aptos y no-aptos igual en las 2 pruebas
NNA = Falsos negativos sujetos que superaron el criterio y no el del P.C.
ndices de validez
Coeficiente Kappa: evala la consistencia o acuerdo entre las decisiones adoptadas a partir de las
puntuaciones en el predictor (test) y el criterio (rendimiento)
Fc = n de casos en las que hay coincidencia predictor y criterio
Fc Fa
K=
N - Fa
Fc = NAA + NNN
Fa = n de casos en que el predictor y criterio coincidan por azar
NCA * NTA
NCNA *
NTNA
N
N = n de sujetos
3.1.2.
ndices de seleccin
Razn de idoneidad: proporcin de sujetos que rinden bien en el criterio
NCA
RI =
N
NTA
RS =
N
En teora debera situarse en el valor donde se cometan menos errores, pero hay que analizar las
consecuencias ya que no tiene la misma importancia cometer 1 error u otro (falsos negativos o
positivos), ya que e ello depender la decisin de situar el P.C.
En trminos de decisin estadstica, el P.C. se situara teniendo en cuenta la matriz de pagos (la que
refleja las prdidas y ganancias derivadas de las decisiones)
Criterios utilizados en la toma de decisiones en ambiente de incertidumbre:
1. Criterio maximin: elegir la alternativa que entre los resultados ms desfavorables, permita
mx ganancia (mx. de mn.)
2. Criterio minimax: se estudia las alternativas que van a proporcionar las mx. perdidas y
dentro de stas se elige la que de 1 prdida menor (mn. de los mx.)
* ver ejemplo (pg. 386 389)
Correlacin biserial puntual: Si se considera que la prueba de admisin (test) es 1 variable
cuantitativa y el criterio es dicotmica
Correlacin phi biserial: si la variable predictora (test) es dicotomizada y al criterio
(rendimiento) dicotmica
Mod. Compensatorio: mod. aditivo en el que a cada sujeto se le asigna 1 nica puntuacin global
(p.e. selectividad). La forma adecuada es mediante el mod. de regresin
Mod. conjuntivo: se fijan de antemano unos mn. en cada una de las pruebas. Slo se seleccionan
los sujetos que hayan superado esos mn. en todas las pruebas
Mod. disyuntivo: slo se exige superar 1 deter. nivel de competencia en algn predictor/es
Mod. conjuntivo compensatorio: se seleccionan los sujetos que superan los mn. en cada uno
de los predictores y se les aplica el mod. compensatorio de puntuacin global, pudiendo elegir los
mejores o establecer 1 P.C.
8
Y= A + BX
Sy*x = Sy
1 - rxy
4.
El coeficiente de validez tiende a aumentar a medida que la variabilidad es mayor (ver ejemplo
pg. 394 395)
Supuestos:
1. La pendiente de la ecuacin de regresin (b = admitidos y B = aspirantes)) que permite
pronosticar el criterio a partir de la variable predictora es igual en aspirantes y seleccionados
Sy
B = b Rxy
sy
=
rxy
Sx
2.
Syx = syx Sy
sx
1 - Rxy = sy
1 - rxy
Sx * rxy
Rxy =
Sx * rxy + sx - sx * rxy
1 - rxy + rxy
sx
4.2.1. Estimacin del coeficiente de validez suponiendo que tanto el test como el criterio tuvieran una
fiabilidad perfecta
Rvxvy = coeficiente de validez terico si las puntuaciones del test y
del criterio no estuvieran errores
rxy = coeficiente de validez emprico
rxx = coeficiente de fiabilidad emprico del test
ryy = coeficiente de fiabilidad del criterio
rxy
RVxVy =
rxx *ryy
4.2.2. Estimacin del coeficiente de validez suponiendo que el test tuviera una fiabilidad perfecta
rxy
R VxY =
rxx
4.2.3.
Estimacin del coeficiente de validez suponiendo que el criterio tuviera una fiabilidad perfecta
rxy
RVXy =
ryy
4.2.4.
Estimacin del coeficiente de validez del test suponiendo que mejorara la fiabilidad del test y
del criterio
10
rxy
Rxy =
rxx
4.2.5.
ryy
Rxx
Ryy
Estimacin del coeficiente de validez suponiendo de que se mejorara la fiabilidad del test
rxy
Rxy =
rxx
4.2.6.
Estimacin del coeficiente de validez suponiendo de que se mejorara la fiabilidad del criterio
rxy
Rxy =
ryy
4.2.7.
rxy
RVxVy =
1
rxx
rxy
rxy
rxx
ryy
ryy
rxx
Como la raz cuadrada del coeficiente de fiabilidad es el ndice de fiabilidad, la frmula queda as:
11
rxy rvx
rxy n
Rxy =
1 + (n -1) rxx
nrxx
Rxx =
1 + (n 1) rxx
Cuando se quiere saber el n de veces que hay que aumentar o disminuir la longitud del test para
conseguir 1 deter. valor del coeficiente de validez, ser segn esta frmula:
Rxy (1 - rxx )
n=
Para saber cuntos tems deben aadirse, segn la longitud que nos indica la frmula ant, ser:
EF
n=
EF = n * x * EI
EI
12