Psicometra

Centro Asociado UNED A Corua

VALIDACIN CON UN NICO PREDICTOR Y UN SOLO

INDICADOR DEL CRITERIO [TEMA 6]

VALIDACIN CON VARIOS PREDICTORES Y UN

SOLO INDICADOR DEL CRITERIO [TEMA 7]

EL COEFICIENTE DE VALIDEZ (rxy)

EL COEFICIENTE DE VALIDEZ MLTIPLE

El coeficiente de validez (rxy) se define como la correlacin entre

las puntuaciones obtenidas por los sujetos en el test predictor y las
obtenidas en el criterio.

Viene dado por la correlacin mltiple entre las puntuaciones

obtenidas por la muestra de sujetos en el criterio (Y) y las obtenidas
en el conjunto de variables predictoras. La correlacin mltiple, va a
permitir analizar el grado de asociacin entre la variable dependiente
(criterio, Y) y el conjunto de variables predictoras, en nuestro caso
X1 y X2.

El tipo de correlacin utilizada para el clculo del coeficiente de

validez depender de la naturaleza de las variables implicadas.
En el caso de que tanto el test (X) como el criterio (Y) son dos
variables cuantitativas continuas el coeficiente de validez se calcula
mediante la correlacin de Pearson
rxy =

NXY XY
[ NX 2 (X )2 ] [ NY 2 (Y )2 ]

2 + r 2 2r r
rYX
YX 1 YX 2 rX 1 X 2
YX
1

RY X 1 X 2 =

1 rX2

1X 2

Otra forma de expresar la correlacin mltiple es en funcin de los

coeficientes de regresin mltiple en puntuaciones tpicas y de las
correlaciones de cada variable predictora con el criterio:
RY X 1 X 2 = b1*rYX1 + b2*rYX 2

EL MODELO DE REGRESIN LINEAL SIMPLE

Una vez conocido el grado de asociacin entre el test y el criterio se
puede utilizar el modelo de regresin para hacer pronsticos. As
pues, el modelo de regresin lineal se puede utilizar para hacer
estimaciones de la puntuacin de los sujetos en el criterio a partir de
las puntuaciones obtenidas por los mismos en el test.

EL MODELO DE REGRESIN LINEAL MLTIPLE

El modelo de regresin mltiple permite obtener una ecuacin de
regresin, ponderando y combinando las variables predictoras
seleccionadas, de manera que los errores de pronstico que se
cometan al estimar el criterio sean mnimos, y eliminando las
variables que no aportan ninguna informacin relevante.

Mediante el modelo de regresin se intenta buscar una ecuacin

lineal que haga mnimos los errores de pronstico. Esta ecuacin
pondr de manifiesto la relacin de dependencia lineal entre el test y
el criterio y tomar la forma:

Aunque la estructura de este modelo es igual que la del modelo de

regresin simple, las ecuaciones de regresin ya no son ecuaciones
de una recta sino de un plano o hiperplano segn que las variables
predictoras sean dos o ms. Si tenemos las puntuaciones obtenidas
por una muestra de sujeto en dos variables predictoras X1 y X2 y en
el criterio Y. La ecuacin del modelo de regresin sera:

Y = a + b X

Y = a + b1X1 + b2X2

Y = puntuacin pronosticada en el criterio

Y = puntuacin pronosticada en el criterio

a = ordenada en el origen o trmino constante, que representa el

valor pronosticado en el criterio (Y) cuando en el test (X) se obtiene
un valor cero.

a = ordenada en el origen del plano de regresin. Es el trmino

independiente y equivale al valor que toma la variable tomada como
indicador del criterio (Y) cuando X1 = X2 = 0

b = pendiente de la recta de regresin, que representa el cambio en

los valores del criterio Y por cada cambio unitario en el test X

b1 = indica lo que aumenta el criterio al aumentar en una unidad la

variable X1 mientras permanece constante la variable X2.
b2 = indica el aumento del criterio cuando la variable X2 aumenta en
una unidad y permanece constante la variable X2.

Ecuacin en puntuaciones tpicas (obsrvese que la pendiente de la

recta de regresin (b) es igual al coeficiente de validez (rxy) y a = 0)
Zy = bZx
b = rxy

b = rxy

Sx

y ' = rxy

Sy
Sx

a = Y bX

y b = rxy

Sx

Y ' = rxy

rYX1 rYX 2 r X 1 X 2

b2* =

1 r X2 X
1 2

rYX 2 rYX1 rX 1 X 2
1 rX2

1X 2

Ecuacin en puntuaciones diferenciales (a = 0):

y ' = b1 x1 + b2 x 2

Ecuacin en puntuaciones directas:

Y = a + bX
Sy

Z Y ' = b1* Z X1 + b2* Z X 2

b1* =

Z 'Y ' = rxy Z x

Ecuacin en puntuaciones diferenciales (a = 0):

y = bx
Sy

Ecuacin en puntuaciones tpicas (a = 0):

b1 = b1*

SY
S X1

b2 = b2*

SY
SX2

Ecuacin en puntuaciones directas:

y = a + b1 X 1 + b2 X 2

Sy
Sx

(X X ) +Y

a = Y b1 X 1 b2 X 2

b1 = b1*

SY
S X1

b2 = b2*

SY
SX2

Psicometra

Centro Asociado UNED A Corua

UN NICO PREDICTOR Y UN SOLO CRITERIO

VARIOS PREDICTORES Y UN SOLO CRITERIO

La varianza residual o varianza de error y el error tpico de

estimacin

La varianza residual o varianza de error y el error tpico de

estimacin mltiple

El coeficiente de validez indica la eficacia del test o variable

predictora para estimar el criterio. En la medida en que el coeficiente
de validez sea ms alto, la estimacin ser ms exacta; en el lmite,
cuando el coeficiente de validez fuera la unidad, el valor estimado
coincidira con la puntuacin que realmente obtuvieran los sujetos en
el criterio. Sin embargo, dado que nunca se alcanzan coeficientes de
validez perfectos (iguales a 1 en valor absoluto), la estimacin
vendr afectada por el denominado error de estimacin, la
diferencia entre la puntuacin que ha obtenido un sujeto en el criterio
y la que se le pronostica mediante la ecuacin de regresin:
E = Y Y

El coeficiente de validez mltiple indica la eficacia de las variables

predictoras para estimar el criterio. En la medida en que el
coeficiente de validez sea ms alto, la estimacin ser ms exacta y,
en el lmite, cuando el coeficiente de validez fuera la unidad, el valor
estimado coincidira con la puntuacin que realmente obtuvieran los
sujetos en el criterio. Sin embargo, a pesar de haber utilizado ms
de una variable predictora, el coeficiente de validez no ser perfecto
(igual a 1 en valor absoluto) y la estimacin vendr afectada por el
denominado error de estimacin que equivale a la diferencia entre
la puntuacin que ha obtenido un sujeto en el criterio y la que se le
pronostica mediante la ecuacin de regresin (Y Y).
E = Y Y

Con cada sujeto se comete un determinado error de estimacin. A la

varianza de todos los errores de estimacin cometidos con los
sujetos de la muestra seleccionada se denomina varianza residual,
varianza error o error cuadrtico medio.

Con cada sujeto se comete un determinado error de estimacin. A la

varianza de todos los errores de estimacin cometidos con los
sujetos de la muestra seleccionada se denomina varianza residual,
varianza error o error cuadrtico medio y su frmula es:

S Y2X

(Y Y ' )
=

(Y Y ')
=

S Y2X X
1 2

Esta varianza de error representa la variabilidad media de las

puntuaciones de los sujetos en el criterio respecto a la puntuacin
que se les pronostica mediante la recta de regresin.

Esta varianza de error representa la variabilidad media de las

puntuaciones de los sujetos en el criterio respecto a la puntuacin
que se les pronostica mediante la recta de regresin.

Otra forma de expresin de la varianza de error

Otra forma de expresin de la varianza de error mltiple

SY2 X

SY2

2
1 r XY

A la desviacin tpica de esos errores se le denomina error tpico

de estimacin.
S Y X =

(Y Y ' )

1X2

= SY2 (1 RY2 X

2
1 rXY

Cuando la escala que se utiliza es la de puntuaciones tpicas, dado

que la desviacin tpica es la unidad, la frmula del error tpico de
estimacin es:
2
S Z Y Z X = 1 rXY

1X2

A la desviacin tpica de estos errores se denomina: error tpico de

estimacin mltiple y su frmula es:

(Y Y ')

Otra forma de expresin del error tpico de estimacin

SY X = SY

SY2 X

SY X

1X 2

Otra forma de expresin del error tpico de estimacin mltiple

SY X

1X 2

= SY (1 RY2X

1X 2

Cuando la escala que se utiliza es la de puntuaciones tpicas, dado

que la desviacin tpica es la unidad, la formula del error tpico de
estimacin es:
SZ

Z X1 Z X 2

= (1 RY2X

1X 2

Intervalos de confianza

Intervalos de confianza

Debido a los errores de estimacin que se cometen al hacer los

pronsticos, ms que estimaciones puntuales es conveniente
hacerlas por intervalos; para ello, asumiendo que la distribucin de
dichos errores se ajusta a una distribucin normal cuya desviacin
tpica viene dada por el error tpico de estimacin, se establece un
intervalo confidencial en torno a la puntuacin pronosticada. Los
pasos a seguir son los siguientes:
Determinar un nivel de confianza y buscar su puntuacin tpica
asociada (Zc)
Calcular el error tpico de estimacin: SY X S Z Y Z X

Al igual que ocurra cuando slo se utilizaba un predictor, ms que

estimaciones puntuales es conveniente hacerlas por intervalos
debido a los errores de estimacin que se cometen al hacer
pronsticos; para ello, asumiendo que la distribucin de dichos
errores se ajusta a una distribucin normal cuya desviacin tpica
viene dada por el error tpico de estimacin mltiple, se establece un
intervalo confidencial en torno a la puntuacin pronosticada. Los
pasos a seguir son los siguientes:
Determinar un nivel de confianza y buscar su puntuacin tpica
asociada (Zc)
Calcular el error tpico de estimacin: SY X 1 X 2 S Z Y Z X Z X

Calcular el error mximo: Emx = Zc SY X Zc S ZY Z Z

Calcular el error mximo: Emx = Zc SY X 1 X 2 Zc S Z Y Z X

Aplicar la ecuacin de regresin correspondiente y obtener la

puntuacin pronostica (Y, y Zy)
Establecer el intervalo de confianza: Y Emx

Aplicar la ecuacin de regresin correspondiente y obtener la

puntuacin pronosticada (Y, y Zy)
Establecer el intervalo de confianza: Y Emx

Z X2

Psicometra

Centro Asociado UNED A Corua

UN NICO PREDICTOR Y UN SOLO CRITERIO

VARIOS PREDICTORES Y UN SOLO CRITERIO

Interpretacin de la evidencia obtenida acerca de la capacidad

predictora del test
La varianza de las puntuaciones obtenidas por los sujetos en el
criterio (Y) se puede expresar como la suma de la varianza de las
puntuaciones pronosticadas a partir de la variable predictora (Y) y
la varianza de los residuos o varianza error:

Interpretacin de la evidencia obtenida acerca de la capacidad

predictora del conjunto de variables utilizadas
La varianza total de las puntuaciones obtenidas por los sujetos en
el criterio (Y) se puede expresar como la suma de la varianza de las
puntuaciones pronosticadas a partir de las variables predictoras (Y)
y la varianza de los residuos o varianza error.

SY2 = SY2' + SY2X

SY2 = SY2' + SY2X

1X 2

Dicho de otro modo, la varianza total de los valores de Y (S2Y) es

igual a la varianza explicada por el test (S2Y) ms la varianza
debida al azar o varianza residual (S2YX)

Dicho de otro modo, la varianza total de los valores de Y (S2Y) es

igual a la varianza explicada por el influjo conjunto de X1 y X2 (S2Y)
ms la varianza debida al azar o varianza residual (S2YX1X2)

A partir de esta ecuacin se puede averiguar la proporcin de la

varianza de las puntuaciones de los sujetos en el criterio que se
puede explicar a partir de la varianza de las puntuaciones en el
predictor (varianza de las puntuaciones pronosticas) y qu
proporcin no se puede explicar y corresponde a los residuos

A partir de esta ecuacin se puede averiguar la proporcin de la

varianza de las puntuaciones de los sujetos en el criterio que se
puede explicar a partir de la varianza de las puntuaciones en las
variables predictoras (varianza de las puntuaciones pronosticadas)
y qu proporcin no se puede explicar y corresponde a los
residuos.

Coeficiente de determinacin

Coeficiente de determinacin mltiple

2 =
CD = rXY

SY2 '
SY2

CD = RY2X

1X 2

SY2'
SY2

Equivale al coeficiente de validez al cuadrado y representa la

proporcin (o porcentaje) de la varianza de las puntuaciones de los
sujetos en el criterio que se puede pronosticar a partir del tests.
Tambin se define como la varianza comn asociado entre el test y
el criterio.

Equivale al coeficiente de validez mltiple al cuadrado y representa

la proporcin de la varianza de las puntuaciones de los sujetos en
el criterio que se puede pronosticar a partir del conjunto de
variables predictoras. Tambin se define como la varianza comn o
asociada entre el criterio y las variables predictoras.

Coeficiente de alienacin al cuadrado

Coeficiente de alienacin mltiple al cuadrado

2 = 1
CA 2 = 1 rXY

SY2 '
SY2

SY2X
SY2

CA 2 = 1 RY2X

1X 2

= 1

SY2'

SY2

SY2X

1X 2

SY2

El coeficiente de alienacin al cuadrado es el complementario del

coeficiente de determinacin y representa, por lo tanto, la
proporcin (o el porcentaje si se multiplica por 100) de la varianza
de las puntuaciones de los sujetos en el criterio que no se puede
predecir a partir del test, es la proporcin de varianza error que hay
en la varianza de las puntuaciones de los sujetos en el criterio.

El coeficiente de alienacin al cuadrado es el complementario del

coeficiente de determinacin y representa, por tanto, la proporcin
(o porcentaje si se multiplica por 100) de la varianza de las
puntuaciones de los sujetos en el criterio que no se puede predecir
a partir del conjunto de variables predictoras, es la proporcin de
varianza error que hay en la varianza de las puntuaciones de los
sujetos en el criterio.

Coeficiente de alienacin

Coeficiente de alienacin mltiple

CA =

2
1 rXY

S
= Y X
SY

CA = 1 RY2X

1X 2

SY X 1 X 2
SY

Aunque la frmula es equivalente a la del error tpico de estimacin

en puntuaciones tpicas, de cara a la interpretacin de este
coeficiente conviene saber que, en realidad, indica la proporcin
que represente el error tpico de estimacin respecto a la desviacin
tpica de las puntuaciones en el criterio. En la medida en que el
error tpico sea ms pequeo que la desviacin tpica del criterio el
coeficiente K ser menor. El valor del coeficiente K oscila entre 0 y
1, ser mximo cuando el coeficiente de validez sea 0 y ser
mnimo cuando el coeficiente de validez valga 1. El coeficiente de
alienacin representa la inseguridad, o el azar, que afecta a los
pronsticos.

Aunque la frmula es equivalente a la del error tpico de estimacin

en puntuaciones tpicas, de cada a la interpretacin de este
coeficiente conviene saber que, en realidad, indica la proporcin
que representa el error tpico de estimacin mltiple respecto a la
desviacin tpica de las puntuaciones en el criterio. En la medida en
que el error tpico sea ms pequeo que la desviacin tpica del
criterio, el coeficiente K ser menor. El valor del coeficiente K oscila
entre 0 y 1, ser mximo cuando el coeficiente de validez sea 0 y
ser mnimo cuando el coeficiente de validez valga 1. El coeficiente
de alienacin representa la inseguridad, o el azar, que afecta a
los pronsticos.

Coeficiente de valor predictivo

Coeficiente de valor predictivo mltiple

C.V .P. = 1

2
1 rxy

Es el complementario del coeficiente de alienacin y es otra forma

de expresar la capacidad del test para pronosticar el criterio ya que
representa la proporcin (o porcentaje si se multiplica por cien) de
seguridad en los pronsticos.

CVP = 1 1 RY2X

1X 2

Es el complementario del coeficiente de alienacin y es otra forma

de expresar la capacidad de las variables predictoras para
pronosticar el criterio. Se interpreta como la proporcin (o
porcentaje) de seguridad con que se hacen los pronsticos.
3