FACULTAD DE CIENCIAS DE LA SALUD

ESCUELA PROFESIONAL DE PSICOLOGÍA

INFORME DE VALIDEZ

AUTORES:

Chávez Reyes, Leydi Jhojana (0000-0001-8257-657X)

Morales Jaramillo, Naomi Anthonella (0000-0002-7886-2001)
Tapay López, Joel Sebastián (0000-0002-3037-819X)
Therese Lezama, Misael Stuard (0000-0002-0601-3246)

ASESOR:
Mg. Salirrosas Cabada, Richard Irvin (0000-0002-4443-5992)

LÍNEA DE INVESTIGACIÓN:
Psicométrica

NUEVO CHIMBOTE – PERÚ 

2020
VALIDEZ :

Cualquier tipo de evaluación de la validez implica esencialmente preguntarse si los

indicadores solo se utilizan para el concepto a medir y si no se ven afectados por los
efectos de cualquier otro sistema. Sin embargo, las respuestas a los ítems del
cuestionario tienen innumerables tipos de efectos sistémicos que afectan la validez,
y su naturaleza es diversa. El motivo puede estar en el cuestionario, también puede
estar en el entrevistador, el encuestado o el método de recopilación de información.
Puede ser la forma en que se responde el cuestionario, las expectativas del
entrevistador, la respuesta a la situación, la percepción de amenazas a la privacidad
y la influencia de sucumbir a las expectativas sociales o la aprobación tácita.
(Batista, Coendersb y Alonso, 2004)

Correlacion item - test

Cuando nos dirigimos a la correlación de ítem- test, nos referimos a la correlación

entre escoger la respuesta correcta de cada ítem y puntuar más o menos alto en el
total de la prueba; Así mismo tiene que calcularse sobre la correlación entre cada
una de las alternativas falsas y el total del test. Es decir, si existe una alternativa
falsa correlacione negativamente con el total. Cabe resaltar que no es frecuente
hacer este análisis, pero sirve como informativo. Pues aquí no existe amplitud, de
los análisis estadísticos , pero es relevante mencionar que son relativamente fáciles,
pues se pueden programar con toda la facilidad y permitirá reducir la interpretación
de valorar los resultados (Morales ,2008).

Análisis factorial exploratorio: Varianza explicativa, KMO , Esfericidad de

Bartlett.

Pérez (2008), menciona que el análisis factorial exploratorio busca encontrar la

estructura subyacente de un grupo de datos cuantitativos mencionado un pequeño
número de dimensiones latentes ordinarios que expliquen la mayor parte de la
varianza observada en un conjunto más amplio de variables. Así mismo, este es un
tipo de análisis multivariante de la interdependencia para la disminución de
dimensiones que quieren entender sobre factores latentes en un grupo de variables
cuantitativas.
La varianza explicativa, busca agrupar distintos modelos estadísticos y
procedimientos parecidos, donde la varianza está participando en ciertos
componentes, debido a variables explicativas distintas. Entonces el (ANOVA) es
un tipo de prueba paramétrica. Donde debe cumplir con una serie de supuestos
para aplicarla y además el nivel de la variable deber ser cuantitativo, es decir ,
tiene que ser de intervalo por ejemplo el coeficiente intelectual , donde
encontremos el 0 relativo (Botella , Suero y Ximénez, 2012).

Por otro lado, para ver si existe una relación entre las variables se tiene que hacer la
prueba de adecuación de Kaiser – Meyer Olkin (KMO) de esta manera permite
valorar el nivel de cada una de las variables es predecible hacia las demás. Por
ende, este estadístico se realiza en valores entre 0 y 1, mientras mayor sea el valor,
quiere decir que se encuentran más relacionadas las variables entre sí. Así mismo,
Kaiser (1970), menciona que se debe considerar la matriz más significativa para
poder realizar la factorización, si el valor de este indicador es mayor o igual que
0.80.

Respecto al test de esfericidad de Bartlett se refiere al juicio que ponen sobre la

hipótesis nula de las variables analizadas que no se encuentran correlacionadas en
la muestra, es decir la matriz de correlación es la identidad. Por ende, el estadístico
se tiene que repartir asintóticamente según una distribución X2 con p(p-1)/2 grados
de libertad. Entonces los valores altos, van asociados a los valores pequeños
considerablemente, pues ellos ayudarán a rechazar la hipótesis nula y concluir que
las variables de la muestra están altamente correlacionadas entre sí, para hacer el
análisis factorial. Además, es importante mencionar, que, aunque esta prueba no
pudiera rechazar la hipótesis nula, podría estimar los factores, a pesar que estos
son definitivamente espurios y no reaccionaría a correlaciones presentes de las
variables (Harman,1980).

Análisis factorial confirmatorio: Cargas factoriales, índices de ajuste

En el análisis factorial confirmatorio (AFC), los investigadores pre especifican el

número de factores y el patrón de relación entre los indicadores y las cargas
factoriales y otros parámetros. El factor de resolución predeterminado se evaluará
de acuerdo con el grado de reproducibilidad de la varianza de la muestra y la matriz
de covarianza de las variables medidas (Fernandez, 2015).

En los parámetros del modelo factorial confirmatorio analiza la estructura de la

varianza y covarianza de los datos. Por tanto, los parámetros a estimar (carga
factorial, varianza y covarianza del error, varianza y covarianza del factor) intentan
reproducir la matriz de varianza y covarianza observada en los datos. Las variables
latentes en AFC pueden ser exógenas o endógenas. Las variables exógenas no son
causadas por otras variables en la solución mientras que las variables endógenas
son causadas por una o más variables en el modelo; finalmente para realizar AFC,
la variable latente debe tener su escala definida. (Fernandez, 2015).

La carga factorial es un coeficiente que se utiliza para representar variables

estandarizadas por factores y para indicar el peso atribuido a cada factor. Un factor
con un coeficiente mayor (valor absoluto) es un factor estrechamente relacionado
con la variable. Esta información se muestra en la matriz de estructura factorial
(factor structure matrix) Contiene correlaciones simples entre variables y factores,
pero estas cargas incluyen tanto la varianza única entre variables y factores como la
correlación entre factores. Debido a la gran correlación entre estos factores, es difícil
distinguir qué variables tienen una mayor carga en cada factor (cuando se usa la
rotación de inclinación en lugar de la rotación ortogonal, esta matriz dará el
resultado, y se supone que estos factores están relacionados). La matriz de patrón
de factores tiene una carga que representa la contribución única de cada variable a
cada factor, y es la carga que se utiliza mejor al presentar los resultados (Sierra,
Ortega, Santos, y Gutiérrez, 2007)

Ajuste de un modelo de análisis factorial confirmatorio

Se refiere a los pasos de verificación de cuestionarios mediante AFC. Cabe

considerar que el ajuste del modelo estructural es un proceso complejo, en el que
solo se destacan algunos de los aspectos más relevantes como especificación,
identificación y diagnóstico. La especificación del modelo estipulan que cada
variable solo está saturada por factor común de su medida, el factor común está
relacionado y la única variable no está relacionada. Una vez especificado el modelo,
debe ser evaluado. Esta etapa se denomina " identificación ". Si se pueden utilizar
tres indicadores para cada factor, la precisión de la estimación mejorará
enormemente y el diagnóstico comenzará con inspecciones de rutina de las
soluciones a problemas graves como la existencia de una estimación no permitida o
una convergencia insuficiente del algoritmo de estimación (Batista, Coendersb y
Alonso, 2004).

Validez convergente y divergente

La validez convergente está referido al constructo que se mide en una investigación

y logra converger con los resultados anteriores del mismo estudio o logra guardar
relación con la teoría propuesta o también con otras investigaciones planteadas de
características similares (Medrano y Perez, 2019).
De esta manera la medición que genera un instrumento debe ser correlativa con los
futuros resultados. (Meneses, 2013)
Por ejemplo, autolisis y suicidio consumado, al recoger los datos del estudio y
relacionarlo con la teoría planteada dentro de la ivestigación, los resultado obtenidos
deberán guardar relación con el postulado teórico (Medrano y Perez, 2019).
A diferencia de la anterior, la validez divergente o discriminante, hace relación a la
baja correlación que se puede llegar a tener entre dos constructos. (Romero,
2015);por ejemplo si nos referimos a la depresión mayor y a las conductas maniacas
que se encuentran dentro del trastorno de la personalidad bipolar, si bien es cierto
teóricamente se relacionan dentro de los trastornos del estado de ánimo pero a su
vez están separadas como sintomatologías que no se den en un mismo tiempo
(Medrano y Perez, 2019).
REFERENCIAS

Argibay, Juan Carlos (2006). Técnicas psicométricas. Cuestiones de validez y

confiabilidad. Subjetividad y Procesos Cognitivos, (8),15-33.
http://dspace.uces.edu.ar:8180/jspui/handle/123456789/765

Batista, J., Coenders, G., y Alonso, J. (2004). Análisis factorial confirmatorio. Su

utilidad en la validación de cuestionarios relacionados con la salud. Medicina
clínica, 122(1), 21-27.

Botella, J., Sueró, M., Ximénez, C. (2012). Análisis de datos en psicología I. Madrid:
Pirámide.

Fernández, A. (2015). Aplicación del análisis factorial confirmatorio a un modelo de

medición del rendimiento académico en lectura. Ciencias Económicas, 33(2),
39-66. http://dx.doi.org/10.15517/rce.v33i2.22216

Harman, H. H. (1980). Análisis factorial moderno. Madrid: Saltés

Kaiser, H. F. (1970). A second generation little jiffy. Psychometrika, 35(4), 401–415.

https://doi.org/10.1007/BF02291817

Medrano, L. y Perez, E. (2019). Manual de psicometría y evaluación psicológica.

[2°ed]. Editorial Premisa.

Meneses, J. (2013). Psicometría. Editorial U.OC.

Morales, P. (2008). Estadística aplicada a las Ciencias Sociales. Madrid:

Universidad Pontificia Comillas.

Oviedo, H. y Arias, A. (2005). Aproximación al uso del coeficiente alfa de Cronbach.

Revista Colombiana de Psiquiatría, 34 (4), pp. 572-580.
https://www.redalyc.org/pdf/806/80634409.pdf

Pérez, C. (2008). Técnicas de análisis multivariante de datos. Aplicaciones

con SPSS. Madrid: Pearson, Prentice Hall.

Romero, S. (2015). Psicometría. Editorial CEF-UDIMA.

Sanches, H.,Reyes, C. y Mejía, K. (2018). Manual de términos de investigación.
Bussiness Supourt Aneth S.R.L.

Sierra, J., Ortega, V., Santos, P., y Gutiérrez, J. (2007). Estructura factorial,
consistencia interna e indicadores de validez de la versión española del Index
of Spouse Abuse. Boletín de Psicología, 91, 83-96.

Tovar, J. (2007). Psicometría: tests psicométricos, confiabilidad y validez.

Psicología: Tópicos de actualidad, 85-108. https://n9.cl/6rbam

Vargas, C. S., y Barrientos, A. S. (2017). Análisis confirmatorio y coeficiente Omega

como propiedades psicométricas del instrumento Clima Laboral de Sonia
Palma. Revista de Investigación en Psicología, 20(2), 377-388.
https://revistasinvestigacion.unmsm.edu.pe/index.php/psico/article/view/14047
/12410

Virla, M. Q. (2010). Confiabilidad y coeficiente Alpha de Cronbach. Telos, 12(2), 248-

252. https://www.redalyc.org/pdf/993/99315569010.pdf