Fiabilidad y variabilidad

► El coeficiente de fiabilidad de un test se ve

afectado por la variabilidad de la muestra.
Un test tiende a manifestar un coeficiente
de fiabilidad mayor cuanto mayor sea su
variabilidad.
► Basándose en que:
ƒ El error típico de medida es independiente de la
variabilidad de la muestra =>
σe1 = σe2
 Fiabilidad y variabilidad

σ = σ (1 − ρ11 ) = σ (1 − ρ22 ) = σ
2
e1
2
x1
2
x2
2
e2

despejando
σ (1 − ρ11 )
2

ρ22 = 1 − x1

σ x2
2
 Fiabilidad y longitud
► Spearman –Brown, para n=2

2 ρ xx
R xx =
1 + ρ xx
Siendo Rxx la fiabilidad del test de longitud doble y
ρxx la fiabilidad del test primitivo
 Fiabilidad y longitud
► Ejemplo:
El coeficiente de correlación de Pearson entre dos mitades
aleatorias de un test es de 0,85. ¿Cuál es el coeficiente de
fiabilidad de dicho test?

2 x 0,85
R xx = = 0,92
1 + 0,85
 Fiabilidad y longitud
► Spearman –Brown, caso general
nρ xx
R xx = 1+ ( n −1) ρ xx

Siendo:
Rxx, el coeficiente de fiabilidad del test resultante
n, el número de veces que se aumenta la longitud del
test
ρxx, el coeficiente de fiabilidad del test original
 Fiabilidad y longitud
► Ejemplo:
Un test tiene 10 ítems y un coeficiente de fiabilidad de 0,8.
Se le añaden 20 ítems más, paralelos a los que ya poseía.
¿Cuál es el coeficiente de fiabilidad del test resultante?

Rxx = 3 x 0 ,8
1+(3−1) 0,8 = 0,92
 Fiabilidad y longitud
► De la fórmula anterior si se despeja la n Æ

R xx (1− ρ xx )
n= ρ xx (1− R xx )
Donde cada símbolo representa lo mismo que
en la fórmula de Spearman-Brown
Esta fórmula sirve para calcular directamente
el valor de N con el fin de conseguir un determinado
coeficiente de fiabilidad
 Ejemplo
► Se dispone de un test de 10 ítems para llevar a cabo una
investigación. El coeficiente de fiabilidad del test es de 0,75. ¿Cuántos
elementos hay que añadir al test si se quiere que su fiabilidad sea de
0,9?

0,9(1 − 0,75)
n= =3
0,75(1 − 0,9)
Es decir, al test habrá que añadirle 20 elementos
paralelos a los que ya tiene.
 Otras fórmulas para el cálculo del coeficiente de
fiabilidad

► Fórmulas basadas en la consistencia interna entre

las dos mitades del test:
► Fórmula de Rulon:
σ p −i
2

ρ xx = 1 − 2
σx
► Fórmula de Guttman y Flanagan:
⎛ σ p2 + σ i2 ⎞
ρ xx = 2⎜⎜1 − ⎟
⎟
⎝ σ 2
x ⎠
Sujetos Ítems i p p-i i2 p2 (p-i)2 x X2
1 2 3 4 5 6 σ2(p-i)= 0,4 - 0.04 = 0,36
σ2(p)= 3,6 - 2,56 = 1,04
1 1 0 0 0 0 0 1 0 -1 1 0 1 1 1 σ2(i)= 3,8 – 3,24 = 0,56
2 1 1 1 1 0 0 2 2 0 4 4 0 4 16 σ2(x)= 14,4 – 11,56 = 2,84
3 1 1 0 0 0 0 1 1 0 1 1 0 2 4
4 1 1 1 1 0 0 2 2 0 4 4 0 4 16
5 1 1 1 1 1 1 3 3 0 9 9 0 6 36
6 1 0 0 0 0 0 1 0 -1 1 0 1 1 1
7 1 1 0 1 0 0 1 2 1 1 4 1 3 9
8 1 1 1 0 0 0 2 1 -1 4 1 1 3 9
9 1 1 1 1 0 0 2 2 0 4 4 0 4 16
10 1 1 1 1 1 1 3 3 0 9 9 0 6 36
Σ 18 16 -2 38 36 4 34 144

Media 1,8 1,6 -0,2 3,8 3,6 0,4 3,4 14,4

Media2 3,24 2,56 0,04 11,56

0 , 36
Rulon = 1− = 0 , 87
2 , 84
⎛ 1, 04 + 0 , 56 ⎞
Guttman = 2⎜1 − ⎟ = 0 , 87
⎝ 2 , 84 ⎠
La consistencia interna como
estimación de la fiabilidad

El coeficiente α
En 1951, Cronbach, publica
en Psychometrika un artículo
titulado:
Coefficient alpha and
the
internal structure of
tests
 El coeficiente α
► El coeficiente α de Conbrach es, sin duda, el método
más conocido y más utilizado para el estudio de la
consistencia interna del test como estimación de su
fiabilidad.
► Su valor se estima a partir de la siguiente ecuación:

⎛ n
2 ⎞
⎜ ∑σ j ⎟
n ⎜ j =1 ⎟
α= ⎜ 1 − 2 ⎟
n −1 σx
⎜⎜ ⎟⎟
⎝ ⎠
 El coeficiente α
Ítems
Sujetos
1 2 3 4 5 6 7 8 9 10
1 2 2 3 1 3 4 1 2 4 1
2 4 3 3 1 3 5 2 4 5 2
3 5 3 5 3 4 5 3 5 5 2
4 2 1 3 2 3 4 1 3 5 1
5 3 2 5 4 5 5 2 4 5 1
6 3 3 5 4 5 5 2 4 5 1
7 1 1 3 2 3 3 0 2 4 2
8 1 1 3 1 4 3 0 1 3 0
9 0 1 2 0 3 3 0 1 3 0
10 5 3 5 3 3 5 3 5 5 3
Varianza 2,64 0,80 1,21 1,69 0,64 0,76 1,24 2,09 0,64 0,81

σ2x = 87,6
10 ⎛ 12 , 4 ⎞
α = ⎜1 − ⎟ = 0,95
9 ⎝ 87 ,6 ⎠
Fórmulas basadas en el coeficiente α

⎛ n
⎞
⎜ ∑ pi q i ⎟
⎛ n ⎞⎜ ⎟
KR20 = ⎜ ⎟ 1− i =1

⎝ n −1 ⎠⎜ σx2 ⎟
⎜ ⎟
⎝ ⎠
Esta fórmula está basada en el
coeficiente α y puede utilizarse
cuando los ítems son dicotómicos
 Fórmulas basadas en el coeficiente α
⎛ X
2
⎞
⎜ X − ⎟
⎛ n ⎞⎜ n ⎟
KR = ⎜ ⎟⎜ 1 − ⎟
σ
21
⎝ n − 1 ⎠
2
⎜⎜ x
⎟⎟
⎝ ⎠

La fórmula es equivalente al α de Cronbach cuando

los ítems son dicotómicos y tienen todos ellos la
misma probabilidad de ser acertados
 Fórmulas basadas en el análisis
factorial
► Coeficiente θ de Carmines
ƒ En 1979 Carmines y Zeller propusieron el coeficiente θ
como una aproximación al coeficiente α.

n ⎛ 1⎞
θ= ⎜⎜1 − ⎟⎟
n − 1 ⎝ λ1 ⎠
Donde λ1 es el primer autovalor de la matriz de
datos sometida a análisis factorial
 Fórmulas basadas en el análisis
factorial
► Se puede demostrar que:

xx
 Coeficiente β
► Raju en 1977 propone el coeficiente β,
generalización de α, que permite resolver el
problema que se plantea para estimar el
coeficiente de α de la batería, sólo se
dispone de las puntuaciones en los subtests
y éstos no tienen el mismo número de
ítems. Si bajo estas condiciones se calcula
α, se obtiene una infraestimación del
coeficiente
 Coeficiente β
k
σ − 2
x ∑σ j =1
2
j

β=
⎡ k
⎛ nj ⎞ ⎤
2

σ x ⎢1 −
2
∑ ⎜
j =1 ⎝ n ⎠
⎟ ⎥
⎢⎣ ⎥⎦
K: Número de subtests de la batería
σ2x: Varianza de las puntuaciones en la batería
σ2j : Varianza de cada subtest
nj: Número de ítems de cada subtest
n: Número de ítems de la batería
 Fiabilidad de una batería de tests
► Para el cálculo de la fiabilidad de una batería de
tests Yela (1987) propone la siguiente fórmula:

n n

∑ σ −∑ σ
j =1
2
j
j =1
2
j ρ jj '
Rn = 1 −
σ 2
x
 Inferencias sobre α
► En muchas ocasiones interesa comparar el
valor del coeficiente α cuando un test se
aplica en dos muestras diferentes. Por
ejemplo puede ser interesante comprobar si
la fiabilidad o la consistencia interna de un
test es la misma en hombres y mujeres.

► Feldt
en 1.969 propone un estadístico de
contraste que permite esta comparación:
 Inferencias sobre α
► H0 : α1 = α2

► H1 : α1 ≠ α2 o H1: α1 < α2
 Inferencias sobre α

1 − α1
w=
1−α2
Donde w se distribuye según la distribución F con (N1- 1) y (N2-1) g. l.
 Inferencias sobre α
► Se pasa un test de Neuroticismo a 121 mujeres y 61
varones. El coeficiente α en el grupo de las mujeres fue
de 0,92 y 0,87 en el grupo de varones. Al nivel de
confianza del 95% ¿se puede decir que el test tiene la
misma consistencia interna en ambos grupos?

1 − 0,87
W = = 1,625
1 − 0,92
F60,120 g.l. = 1,53; 1,625 > 1,53
 Fiabilidad de las diferencias
► Diferencias inter e intraindividuales en el mismo
tests o en tests paralelos
ƒ H0: V1 = V2
ƒ H1: V1 ≠ V2 ó H’1: V1 > V2

σ d = σ x 1− ρ xx ' 2

X − X
RC = 1 2
σ d
 Fiabilidad de las diferencias
► Diferencias intraindividuales en tests diferentes:

σ d = σ x 2 − ρx x − ρx x 1 1 2 2
 Fiabilidad de las diferencias
► Ejemplo 1º: A un paciente se le diagnostica
una depresión por haber obtenido en un
test que mide este trastorno 54 puntos.
Tras una terapia se le vuelve a aplicar el
test y obtiene 30 puntos. La fiabilidad del
test es de 0,9 y su varianza 121. Al nivel de
confianza del 95% se puede decir que la
terapia fue eficaz?
 Fiabilidad de las diferencias
► 1.- Nivel de confianza 95%=Zα=1,645

► 2.- σ d = 11 1 − 0,9 2 = 4,92

► 3.- 54− 30
RC = = 4,88
4,92

► 4.- 1,645 < 4,88

 Definición

►Un test, como cualquier otro

instrumento de medida, es
válido si sirve para medir
adecuadamente aquello para lo
que fue pensado como tal
instrumento de medida
 Diferentes tipos de validez
► Validez de contenido.
ƒ Validez aparente.
ƒ Validez muestral.
ƒ Validez curricular.
► Validez de constructo.
ƒ Validez convergente.
ƒ Validez discriminante.
ƒ Validez factorial.
► Validez en relación con un criterio.
ƒ Validez predictiva.
ƒ Validez concurrente.
ƒ Validez retrospectiva.