Traducido del inglés al español - www.onlinedoctranslator.
com
Personalidad y diferencias individuales
j ourna l página de inicio: www. el sev ier. com / l oca te / pa id
Análisis psicométrico del cociente de empatía (EQ)
C. Allison a,⇑, S. Baron-Cohen a, SJ Wheelwright a, Piedra MH B, SJ Muncer C
a Centro de Investigación del Autismo, Departamento de Psiquiatría, Universidad de Cambridge, Douglas House, 18B Trumpington Road, Cambridge CB2 8AH, Reino Unido
B Departamentos de Psicología y Matemáticas, Aurora University, 347 South Gladstone Avenue, Aurora, IL 60506-4892, EE. UU.
C Psicología clínica, Universidad de Teesside, Middlesbrough, TS1 3BA, Reino Unido
información del artículo
Historia del artículo:
Recibido el 4 de noviembre de 2010
Recibido en forma revisada el 30 de junio de 2011
Aceptado el 4 de julio de 2011
On-line el 6 de agosto de 2011
Palabras clave:
Afecciones del espectro
autista Empatía
Rasch
Análisis factorial confirmatorio
1. Introducción
La empatía nos permite dar sentido al comportamiento de los demás,
predecir lo que podrían hacer a continuación, cómo se sienten y también se
sienten conectados con esa otra persona, y responder adecuadamente a
ellos (Wheelwright y Baron-Cohen, 2011). La empatía implica un
componente afectivo y cognitivo (Baron-Cohen y Wheelwright, 2004). El
primero se relaciona con un individuo que tiene una respuesta emocional
apropiada al estado mental de otro. Este último se superpone en gran
medida con los conceptos de "lectura de la mente" o "teoría de la mente": la
capacidad de atribuir estados mentales a otros; un entendimiento de que
otras personas tienen pensamientos y sentimientos, y que estos pueden no
ser los mismos que los suyos (Baron-Cohen, 1995).
Baron-Cohen y Wheelwright (2004) argumentan que estos dos componentes de la
empatía coexisten y no se pueden desenredar fácilmente.
El cociente de empatía (EQ) (Baron-Cohen y Wheelwright, 2004) se
desarrolló como una medida de empatía debido a deficiencias en
instrumentos existentes como el Índice de Reactividad Interpersonal
(IRI) (Davis, 1980), el cuestionario de medida de empatía emocional
(QMEE) (Mehrabian y Epstein, 1972) y la Escala de Empatía (EM) (
Hogan, 1969) (ver Baron-Cohen y Wheelwright, 2004; Lawrence, Shaw,
Baker, Baron-Cohen y David, 2004). El EQ es sensible a las diferencias
en la empatía en la población clínica y general; las personas con una
condición del espectro autista (ASC) tienen niveles reducidos de
empatía autoinformada (medido por el EQ), en relación con los
controles típicos (Baron-Cohen y Wheelwright, 2004; Berthoz, Wes-
⇑ Autor correspondiente. Tel .: +44 1223 746082; fax: +44 1223 746033.
Dirección de correo electrónico: cla29@cam.ac.uk (C. Allison).
0191-8869 / $ - ver documento preliminar 2011 Elsevier Ltd. Todos los derechos reservados.
doi:10.1016 / j.paid.2011.07.005
Personalidad y diferencias individuales 51 (2011) 829–835
Listas de contenidos disponibles en ScienceDirect
abstracto
Este estudio evaluó la dimensionalidad del Cociente de Empatía (EQ) utilizando dos enfoques estadísticos: Rasch y Análisis
Factorial Confirmatorio (AFC). Participantes incluidosN = 658 con un diagnóstico de condición del espectro autista (ASC), N =
1375 miembros de la familia de este grupo, y N = 3344 controles típicos. Los datos se aplicaron al modelo de Rasch (Escala de
calificación) utilizando WINSTEPS. El modelo de Rasch explicó el 83% de la varianza. Las estimaciones de confiabilidad fueron
superiores a .90. El análisis del funcionamiento diferencial de los ítems (DIF) demostró la invarianza de los ítems entre los
sexos. El análisis de componentes principales (PCA) del factor residual mostró una separación en subgrupos de respuesta de
acuerdo y en desacuerdo. CFA sugirió que el modelo de 26 ítems con factores de respuesta tenía las estadísticas de mejor
ajuste (RMSEA.05, CFI .93). Un modelo de tres factores de 15 ítems más corto tenía un omega (X) de .779, lo que sugiere que
un factor jerárquico de empatía subyace a estos subfactores. El EQ es una medida apropiada del constructo de empatía y
puede medirse en una sola dimensión.
2011 Elsevier Ltd. Todos los derechos reservados.
sa, Kedia, Wicker y Grezes, 2008; Kim y Lee, 2010; Lawrence y col., 2004;
Wakabayashi et al., 2007; Wheelwright y otros, 2006). El EQ muestra una
diferencia de sexo en la empatía en la población general, las mujeres en
promedio tienen puntajes más altos que los hombres (Baron-Cohen y
Wheelwright, 2004). Estos hallazgos se han replicado en estudios
transculturales en Japón (Wakabayashi et al., 2007), Francia (Berthoz et al.,
2008) e Italia (Preti et al., 2011). Un estudio en Corea (Kim y Lee, 2010) no
encontraron una diferencia de sexo general en la puntuación total de EQ,
una anomalía que debe evaluarse más a fondo. Una versión de informe de
padres de niños del EQ mostró un patrón similar de diferencias de sexo al
observado en adultos (Auyeung et al., 2009). El EQ tiene utilidad clínica y se
utiliza como parte de un protocolo de detección junto con el Cociente del
espectro autista (AQ) (Baron-Cohen, Wheelwright, Skinner, Martin y Clubley,
2001) para una evaluación clínica en una clínica de diagnóstico de adultos
para ASC (Baron-Cohen, Wheelwright, Robinson y Woodbury-Smith, 2005).
El EQ tiene validez convergente; se correlaciona con la prueba 'Leer la
mente a los ojos' (Baron-Cohen, Wheelwright, Hill, Raste y Plumb, 2001) y la
Escala de Alexitimia de Toronto (TAS) (Lombardo et al., 2009). Se ha
encontrado que el EQ se correlaciona inversamente con los niveles de
testosterona fetal (FT) (Chapman y col., 2006), con polimorfismos de un solo
nucleótido (SNP) en genes relacionados con las hormonas esteroides
sexuales, el crecimiento neural y la recompensa social (Chakrabarti et al.,
2009), y con actividad neuronal durante la percepción de emociones en fMRI
(Chakrabarti, Bullmore y Baron-Cohen, 2006).
Lawrence y col. (2004)examinó la estructura factorial del EQ utilizando el
Análisis de Componentes Principales (PCA) y encontró una solución de tres
factores (que consta de empatía cognitiva, reactividad emocional y
habilidades sociales). Berthoz y col. (2008)confirmó esta estructura
mediante el Análisis Factorial Confirmatorio (AFC). Muncer y Ling
830 C. Allison y col. / Personalidad y diferencias individuales 51 (2011) 829–835
(2006) probaron la unidimensionalidad del EQ usando CFA y encontraron que este
modelo no se ajustaba adecuadamente a sus datos. Probaron otras estructuras y
confirmaron que una solución de tres factores que consta de 15 elementos se ajusta
mejor a los datos.Kim y Lee (2010) confirmaron esta estructura en su muestra coreana.
Hasta la fecha, la investigación de la dimensionalidad del EQ se ha limitado a la
aplicación del análisis factorial (FA). Las diferencias en las opciones de respuesta (estar
de acuerdo o en desacuerdo con los elementos seleccionados) pueden dar lugar a que
se encuentren factores que están potencialmente ausentes o que teóricamente no
tienen significado incluso después de que se haya producido la codificación inversa de
los elementos en la dirección adecuada.
Lawrence y col. (2004)señalan que el análisis factorial sobre datos ordinales
puede resultar en factores espurios donde los ítems se cargan según la
'dificultad' (Gorsuch, 1974). Con este fin, adoptamos un enfoque diferente al
examinar la dimensionalidad del EQ utilizando el análisis de Rasch en
combinación con CFA.
1.1. El modelo Rasch
En la teoría clásica de las pruebas (CTT), las respuestas ordinales a los
elementos del cuestionario a menudo se tratan como intervalo. Esto puede llevar
a conclusiones e inferencias erróneas sobre la escala, especialmente cuando se
usa una puntuación total para definir el grado en que un individuo posee un
rasgo o característica (Santor y Ramsay, 1998). Rasch (1960)
desarrolló un enfoque único de la psicometría que cumple con los requisitos
de la medición aditiva (Perline, Wright y Wainer, 1979). El principio detrás
del análisis de Rasch es el siguiente: 'Una persona que tiene una mayor
habilidad que otra persona debería tener la mayor probabilidad de resolver
cualquier ítem del tipo en cuestión, y de manera similar, un ítem es más
difícil que otro significa que para cualquier persona el la probabilidad de
resolver el segundo ítem es la mayor '(Rasch, 1960). Cuando los
participantes completan una escala psicométrica, proporcionan dos fuentes
de información. Uno nos informa cómo las personas responden a los ítems
(utilizado en estudios de confiabilidad y análisis factorial) y el otro, cómo los
participantes puntúan en la escala. Esta última información no se utiliza
mucho en CTT. El enfoque de Rasch utiliza ambas piezas de información
cuando se analizan las escalas. La relación probabilística se modela entre la
habilidad de la persona y la dificultad del ítem como un rasgo latente. Ubica
la habilidad de la persona y la dificultad del elemento a lo largo del mismo
continuo en logits o log odds. El modelo de Rasch transforma los datos de
puntuaciones ordinales en medidas de nivel de intervalo con el logit.
La dificultad del ítem se calcula utilizando la proporción de
participantes que obtienen la respuesta "correcta". Esto se transforma
en el registro de probabilidades de obtener el elemento correcto. La
habilidad de cada participante también se puede calcular tomando el
porcentaje de ítems que aciertan y convirtiéndolo en una probabilidad
de responder correctamente un ítem. La teoría de Rasch sugiere que la
probabilidad de que un elemento individual sea correcto se produce
por la diferencia entre la capacidad de una persona y la dificultad del
elemento. Si la habilidad de una persona es mayor que la dificultad de
un elemento, entonces es más probable que el participante lo entienda
correctamente que si es menor que la dificultad del elemento. Con esta
información, los datos recopilados se pueden comparar con lo que se
esperaría en función de los cálculos de la dificultad del elemento y la
capacidad de la persona.
El análisis de Rasch está diseñado para producir medidas unidimensionales
cuando los datos se ajustan al modelo. Por lo tanto, el instrumento mide solo una
habilidad / rasgo de personalidad / actitud. También está diseñado para producir
medidas en las que la diferencia entre las puntuaciones de los participantes se
escala en intervalos, lo que lo hace más apropiado para el análisis estadístico. El
análisis de Rasch satisface los criterios para la medición conjunta simultánea (
Karabatsos, 2001). Si la medida es unidimensional, entonces es razonable sumar
las puntuaciones de los elementos para producir una puntuación total que sea
una representación adecuada de la dimensión medida. El recuento debe ser de
una unidad cohesiva; de lo contrario, el recuento / medida no es válido. El análisis
de Rasch transformará el crudo
cuenta en estas unidades cohesivas mientras que CFA analiza las cualidades de los
recuentos ordinales (en lugar de intervalos) sin procesar. Desde la perspectiva de Rasch,
los elementos se seleccionan para cubrir una amplia gama de dimensiones, mientras
que CFA incluye elementos que maximizan la confiabilidad. Además, las medidas de
Rasch son menos sensibles a los factores direccionales (Singh, 2004) que las medidas
CFA.
El modelo de Rasch ha sido criticado recientemente por no ser un
ejemplo de medición conjunta (Kyngdon, 2008) (aunque vea
Michell (2008) para críticas al argumento de Kyngdon). El análisis de
Rasch enfatiza la producción de medidas unidimensionales; El
propósito principal del EQ es proporcionar una medida de empatía
confiable y válida. Sin embargo, CFA se considera uno de los métodos
más importantes para examinar las propiedades psicométricas.
1.2. Metas y objetivos
Adoptaremos un enfoque pragmático para examinar la dimensionalidad
del EQ. Los objetivos son aplicar el modelo de Rasch a un gran conjunto de
datos de EQ para crear una medida unidimensional de empatía. Luego
examinamos este modelo y otros modelos de EQ propuestos utilizando CFA.
2. Métodos
2.1. Fuente de datos
Los datos incluidos en el análisis se recopilaron en los sitios web del
Autism Research Center (ARC) de la Universidad de Cambridge. Las
personas pueden registrarse como voluntarios de investigación y
completar cuestionarios y pruebas en línea. El sitio web de ARC (
www.autismresearchcentre.com) recluta tanto a personas con ASC
como a padres de niños con ASC. Las personas de la población general
que tengan interés en participar en la investigación pueden registrarse
enwww.cambridgepsychology.com. Todos están invitados a completar
el Cociente de Empatía (EQ). En total 5377 personas completaron el EQ
en línea, de las cuales 3265 eran mujeres y 2112 eran hombres. Dentro
de esta muestra, 658 personas tenían un diagnóstico de ASC, 1375
eran miembros de la familia de un individuo con ASC y 3344 no tenían
un diagnóstico de ASC. La edad media de toda la muestra fue de 30,4
años (DE = 11,4, rango 16,0-78,0).
2.2. El ecualizador
El EQ consta de 40 declaraciones en las que los participantes deben indicar el grado
en que están de acuerdo o en desacuerdo. Hay cuatro opciones de respuesta:
"totalmente de acuerdo", "ligeramente de acuerdo", "ligeramente en desacuerdo",
"totalmente en desacuerdo". Las respuestas 'Definitivamente de acuerdo' puntúan dos
puntos y las respuestas 'ligeramente de acuerdo' puntúan un punto en la mitad de los
ítems, y las respuestas 'Definitivamente en desacuerdo' puntúan dos puntos y las
respuestas 'ligeramente en desacuerdo' puntúan un punto en la otra mitad. El resto de
las opciones de respuesta puntúan 0. ConsulteBaron-Cohen y Wheelwright (2004) para
conocer todos los detalles.
2.3. Análisis de Rasch
El análisis de Rasch se realizó utilizando la Escala de calificación (Andersen, 1977)
rutina en WINSTEPS (Linacre, 2006). Se utilizó la estimación PROX para hacer converger
los datos con el modelo de Rasch. La estimación de confiabilidad de WINSTEPS se
ejecutó para proporcionar una estimación de la cohesión de los elementos (en términos
de estimaciones de confiabilidad de personas y elementos). Se examinaron las
estadísticas de inadaptación de elementos y personas y de elementos y atuendos.
Se examinaron las correlaciones biseriales puntuales entre las puntuaciones
de los elementos y la puntuación total. En general, se acepta que estos valores de
coeficiente son más aceptables para la discriminación de elementos cuando se
encuentran entre 0,2 y 0,8, o incluso más cerca entre 0,3 y 0,7. Por eso,
 C. Allison y col. / Personalidad y diferencias individuales 51 (2011) 829–835
se considera ideal como índice de discriminación si se sitúa en torno a
la media de 0,5.
La rutina de componentes principales de WINSTEPS examinó la cohesión
del elemento y la persona o la falta de ella para verificar la
unidimensionalidad y evaluar si un solo rasgo latente explica la mayoría de
la varianza en los datos. Se analizó la relación entre la varianza explicada
por el factor de Rasch y la explicada por los factores residuales. Se examinó
la estructura de pasos en las respuestas a los ítems. Se propuso un conjunto
reducido de elementos de EQ y se investigó la invarianza de los elementos.
2.4. Análisis factorial confirmatorio (CFA)
El AFC se realizó utilizando Amos (Arbuckle y Wothke, 1999). En
se empleó la estimación de máxima verosimilitud en todos los casos, excluyendo
los casos con valores perdidos. Para cada modelo, se presentan el valor de chi
cuadrado y los grados de libertad, el índice de ajuste comparativo (CFI) y la raíz
del error cuadrático medio de aproximación (RMSEA) y sus intervalos de
confianza. Estos índices se utilizaron previamente en el examen del EQ (Muncer y
Ling, 2006). Browne y Cudeck (1993) Se utilizó el criterio de buen ajuste, lo que
sugiere que un RMSEA por debajo de .08 representa un ajuste razonable, y por
debajo de .05 representa un ajuste muy bueno (Steiger, 1989). Los valores más
altos del CFI se consideran mejores con valores superiores a .9 considerados
aceptables.
3. Resultados
3.1. Análisis de Rasch
Los datos convergieron con el modelo de Rasch en relativamente pocas
iteraciones (3 Prox y 7JMLE). Una distribución equilibrada de valores llevó a que se
requirieran menos iteraciones para una solución a los valores de los artículos y las
personas. Se requirieron pocas alteraciones en las medidas de dificultad de los
ítems y capacidad de la persona y se alcanzó un modelo de Rasch aceptable con
residuos estandarizados de 0. Esto sugiere que los datos ya muestran un orden
equilibrado y coherente.
La confiabilidad de los elementos para el EQ fue de 0,99, lo cual es
excepcional y confirma un conjunto de elementos altamente cohesivo. Ver
Figura 1 para el mapa de elementos, que muestra una representación
gráfica del EQ con cada elemento representado por su número y con los
encuestados agrupados según su medida general de EQ. Los elementos
están estrechamente agrupados con pocos "huecos" en la secuencia de
elementos de fácil a difícil / raro a común. Las lagunas podrían sugerir que
se podrían construir elementos adicionales para llenar estos espacios. Estos
resultados muestran que los elementos ocurren en pasos razonables entre
sí y que no existe una brecha sustancial entre ellos. La distribución de los
ítems está bien equilibrada alrededor de la media, lo que sugiere que el EQ
mide una sola dimensión de empatía.
En el agrupamiento de personas, su distribución no muestra brechas
claras excepto por las pocas personas en cada extremo que son divergentes
de la mayoría. Las distribuciones de artículos y personas están bastante
equilibradas y las distribuciones coinciden entre sí; los elementos a las
personas son similares por sus centros y por sus dispersiones. Esta
correspondencia sugiere que la medida está bien dirigida por los elementos
y sugiere que podemos estar seguros de que las medidas estimadas por la
persona serán precisas (Linacre, 1994).
Figura 1 es muy indicativo de un conjunto cohesivo de elementos a los que
responde una muestra grande de la manera prevista por los autores de la prueba.
La estimación de la fiabilidad de la persona fue 0,92, que también es
inusualmente alta. La confiabilidad de la persona es a menudo menor que la
confiabilidad del ítem porque generalmente se observa un comportamiento más
errático entre los participantes de lo esperado entre los ítems en un instrumento
bien construido. El desajuste de la persona también puede ocurrir debido a los
diferentes atributos de los encuestados, así como a la inclusión de un grupo más
diverso de individuos.
831
El examen de las estadísticas del atuendo del artículo reveló que no hubo
desviaciones sustanciales de las expectativas para la mayoría de los artículos. Dos
ítems excedieron el límite de 2.0 para valores atípicos significativos (ítems 6 y 10,
ver Apéndice A). Las estadísticas de Item Infit no identificaron ningún elemento
desviado. Sólo cinco ítems superaron la media de 1,06 más la desviación estándar
de ± 0,39 (es decir, el rango entre 1,45 y
0,67). Estos son los elementos 6, 10, 37, 24 y 25. Los mismos elementos tienen
valores de coeficiente de correlación biserial puntual fuera del rango de
0.3-0.7, lo que sugiere que estos elementos no son discriminadores confiables. El
examen de las estadísticas de personas inadaptadas reveló pocas respuestas
inconsistentes.
El análisis de componentes principales (PCA) de los residuos (después de
la extracción del componente de Rasch) sugiere que una solución
unidimensional sigue siendo apropiada para estos datos. El componente de
Rasch explicó el 88,3% de la varianza. La relación entre la varianza explicada
por el componente de Rasch y la explicada por los factores residuales fue de
8,6: 1. La varianza residual inexplicable fue 4.7 de 40 (11%) y se consideró lo
suficientemente pequeña como para no influir y podría ignorarse. Cuando
continuó la rutina de PCA, el porcentaje del segundo componente
disminuyó al 6% y el tercer componente al 4%. Tomando todo esto en
conjunto, se apoya claramente una sola dimensión. Dado que la varianza
aleatoria y el ruido deben tenerse en cuenta dentro de la varianza sobrante,
es poco probable que estén operando otros subfactores teóricamente
sustantivos.
Figura 2 muestra un diagrama de los elementos designados por letras (ver
tabla 1 de cómo la notación alfabética en Figura 2 se relaciona con el número de
artículo con cargas y la puntuación de la medida del artículo en logits). Todos los
elementos están dentro de un margen de desviación de 1 a +1 (horizontalmente).
La escala vertical da sus valores de calibración. Existe una cohesión generalizada a
lo largo de ambos ejes, aunque algunos elementos están más cerca de otros. No
se observaron subgrupos de ítems con agrupaciones de separación claras, y la
dispersión del ítem permaneció dentro de un rango estrecho de desviación
horizontalmente, y a través de las calibraciones mostradas verticalmente. Esta es
una prueba más para indicar que no se requieren factores adicionales.
Los ítems para el factor residual uno mostraron separación en subgrupos de
acuerdo versus en desacuerdo. Figura 2 demuestra que los ítems 34, 14, 35,
36, 38, 11, 26, 15, 29, 22, 1, 13, 28, 4, 21, 8, 9, 40, 12 son representativos del
factor y son en gran parte elementos codificados en la dirección de acuerdo.
Los elementos en desacuerdo constituyen el resto.
La estructura de pasos de 0, 1, 2 estaba razonablemente espaciada para la
mayoría de los ítems, lo que sugiere que los encuestados siguieron generalmente
el diseño de la respuesta. Cuando se examinó la estructura de pasos de 0,1,2,3,
los encuestados no demostraron una gradación al responder.Fig. 3 muestra una
agrupación más cercana para algunos de los pasos que para otros (indicado por
una flecha en el extremo derecho en el Fig. 3). Algunos de estos ya han sido
identificados como artículos que no encajan y sugieren por qué se produjeron
algunos desajustes. Los ejemplos más extremos son para el ítem 25 (entre 2,3),
ítem 23 (entre 2,3), ítem 37 (entre
1,2,3), ítem 6 (entre 0,1,2,3), ítem 10 (entre 1,2) y ítem 24 (entre 0,1).
Se observó una diferencia de sexo, con mujeres (M = 0,31 DE = 0,98
logits) puntuando significativamente más alto que los hombres (M = 0,37 DE =
0,88; t (4836,63) = 26, p < 0,0005), d = 0,69. Los participantes con ASC puntuaron
significativamente más bajo (M = 1,31 SD = 0,75) que los controles
(M = 0,23 DE = 0,88; t (927,78) = 48,51, p <.0005.), d = 1,17.
Por lo tanto, se formó una versión más corta de 26 elementos del EQ que
comprende los elementos 1, 2, 3, 4, 7, 8, 9, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20,
23, 24, 26, 31, 33, 35, 36, 38, 40. Esto mantuvo el mismo rango de calibraciones de
elementos para cubrir el mismo rango de respuesta que el EQ original. También
se mantuvo la dispersión de los coeficientes de correlación biserial puntual para
la discriminación de los ítems de indexación. Se seleccionó un número igual de
elementos clave de respuesta de acuerdo y en desacuerdo para evitar el sesgo de
respuesta. Los ítems fueron revisados para asegurar que el contenido fuera
aceptable con respecto a la teoría original. La diferencia de sexo significativa se
mantuvo y los participantes con ASC puntuaron significativamente más bajo que
el resto de la muestra.
832 C. Allison y col. / Personalidad y diferencias individuales 51 (2011) 829–835

Figura 1. Mapa de personas y artículos.

La confiabilidad de los elementos se mantuvo muy alta para ambas muestras
(ASC versus no ASC) en 0,99. La confiabilidad de la persona fue menor pero aún
aceptable para los hombres (r = 0,90) y hembras (r = 0,91). La correlación entre las
calibraciones de los elementos de las dos muestras fue de 0,93. La desviación
promedio de los 26 ítems fue de 0,16. Las mayores desviaciones fueron para el
ítem 2 (0.41) y 23 (0.34) pero ninguno de estos valores fue estadísticamente
significativo (dado un error estándar de la diferencia de
0,452). Esto indica que no hubo diferencias significativas en las calibraciones
de los ítems entre sexos, lo que demuestra que los ítems estaban
funcionando de manera similar para ambos sexos.
3.2. Cfa
Los resultados se presentan en Tabla 2. El modelo de un factor del
La escala de 26 ítems de Rasch no se ajustaba muy bien ya que el CFI era
bajo (.83). El análisis de Rasch sugirió que la escala puede verse afectada
por los formatos de respuesta que se pueden tener en cuenta en el AFC al
permitir el error correlacionado o al usar formatos de respuesta como
factores. El AFC se realizó con los mismos 26 elementos modelados para
incluir factores de medición para el formato de respuesta. Este modelo
tenía mejores estadísticos de ajuste (CFI = 0,93; RMSEA = 0,05) que el
 C. Allison y col. / Personalidad y diferencias individuales 51 (2011) 829–835 833

Figura 2. Datos de Cambridge: 5377 personas, 40 ítems. Gráfica de factores de componentes principales (residuales estandarizados).

tabla 1
factores de respuestaDv2 = 573, gl = 7, p <.0001). Ambas escalas
Tabla que muestra cómo la notación alfabética en Figura 2 se relaciona con el número de artículo con cargas mostraron una diferencia significativa entre los participantes de ASC y
y puntuación de la medida del ítem en logits. los controles (t (5375) = 43,18, p <.0005 para la escala de 15 ítems, y
t (5375) = 45,2, p <.0005 para la escala Rasch de 26 ítems).
Cargando La medida Carta Artículo Cargando La medida Carta Artículo
Una prueba final de la unidimensionalidad del EQ de 15 ítems evaluó si
. 61 . 24 A # 34 . 41 . 89 a # 25
los tres factores (ER, C y SS) se cargaban en un factor jerárquico. Las cargas
. 60 . 13 B # 14 . 40 . 21 B # dieciséis

. 55 . 63 C # 35 . 39 . 19 C #6 factoriales sobre este factor más alto fueron .73 para ER,
. 55 . 29 D # 36 . 37 . 04 D # 30 . 84 para SS y .93 para C, lo que sugiere que una solución unidimensional es
. 53 . 55 mi # 38 . 33 . 56 mi # 19 aceptable incluso para la versión de 15 ítems. Además, omega
. 53 . 03 F # 11 . 33 . 96 F # 10
(X) calculado por Revelle y Zinbarg's (2009) método es 0,779, lo que
. 51 . 26 GRAMO # 26 . 32 . 21 gramo # 17
. 50 . 52 H # 15 . 29 . 22 h # 20 proporciona un fuerte apoyo a la opinión de que existe un factor
. 48 . 28 I # 29 . 29 1.09 I # 24 jerárquico de empatía subyacente a estos subfactores.
. 45 . 11 J # 22 . 27 . 28 j # 33
. 41 . 72 K #1 . 27 . 26 k #5
. 32 . 11 L # 13 . 23 . 18 l # 27 4. Discusión
. 24 . 11 METRO # 28 . 21 . 30 metro # 37
. 21 . 48 norte #4 . 17 . 40 norte # 31
El propósito de este estudio fue evaluar el EQ utilizando el análisis de
. 21 . 21 O # 21 . 17 . 03 o # 32
. 09 . 49 PAG #8 . 14 . 48 pag # 39 Rasch, como una prueba de la utilidad potencial de aplicar este enfoque
. 06 . 61 Q #9 . 11 . 67 q #2 para medir el constructo de empatía. Los resultados indicaron que el EQ
. 03 . 83 R # 40 . 09 . 50 r # 18 mide una sola dimensión de empatía y, por lo tanto, es aceptable utilizar
. 02 . 14 S # 12 . 08 . 96 s # 23
una puntuación total de EQ sumada. Los datos convergieron con el modelo
. 07 . 67 T #7 . 07 . 18 t #3
de Rasch rápidamente, con pocas iteraciones. Esto fue particularmente
significativo ya que es una indicación temprana de que los elementos de EQ
modelo de un factor, lo que sugiere un ajuste razonable. Además, tuvo un son equilibrados y cohesivos. Además, los análisis confirmaron la diferencia
ajuste significativamente mejor que el modelo de un factor sin factores de significativa informada anteriormente en la puntuación de EQ entre los
respuesta incluidos (Dv2 = 5915, gl = 25 p <.005). sexos y entre los grupos (ASC versus no ASC). El modelo de Rasch de 26
El modelo de Rasch de 26 ítems (factores de empatía y direcciones de ítems con factores de respuesta fue mejor que los modelos sugeridos
respuesta) se comparó con el modelo de tres factores de 28 ítems ( anteriormente que tienen un número similar de ítems.
Lawrence y otros, 2004). Este modelo tenía peores estadísticas de ajuste Se determinó que solo cinco de los 40 ítems no encajaban bien y podían
que el modelo de Rasch. Las correlaciones entre los tres factores en el omitirse de la escala, aunque en aras de la comparabilidad también se
modelo de Lawrence fueron altas (habilidades sociales (SS) -reactividad podrían dejar, ya que contribuyen muy poco. Las muestras grandes pueden
emocional (ER)r = 0,77; Empatía cognitiva SS (C)r = 0,8; ER-Cr = 0,82) presentar más ocasiones de desajuste que las muestras pequeñas cuando
sugiriendo la posibilidad de un factor de empatía de orden superior. se produce una desviación extrema, pero esto no se confirmó en nuestra
Muncer y Ling (2006) Se probó el modelo del EQ como una escala de tres muestra grande, indicada por solo dos elementos que superan el límite de
factores de 15 ítems. Este modelo tenía estadísticas de ajuste similares al valor atípico significativo.
modelo Rasch de 26 elementos con factores de medición. El modelo de tres La invarianza de los ítems se investigó para la escala de Rasch de 26 ítems. La
factores de 15 ítems se mejoró significativamente al incluir invariancia del artículo significa que los parámetros de ubicación del artículo no son
834 C. Allison y col. / Personalidad y diferencias individuales 51 (2011) 829–835

Fig. 3. Codificación 0-3: 5377 personas, 40 elementos. Mediciones promedio observadas por puntaje de categoría para personas.

Tabla 2
Tabla que muestra las estructuras del modelo CFA del EQ.

Modelo Elementos v2 df CFI RMSEA Conf RMSEA 90

Factor Rasch 1 26 9905 299 . 83 . 077 . 079

Rasch 2 con factores de medición 26 3990.2 274 . 93 . 05 . 052
modelo de factor Lawrence 3 28 8884 347 . 88 . 068 . 069
Factor de Muncer y Ling 3 15 1573 87 . 95 . 056 . 059
Muncer y Ling con factores de respuesta 15 1002 80 . 97 . 049 . 052

dependiente de la muestra. Un requisito principal del análisis de Rasch es que los
elementos deben ser invariantes entre las poblaciones, de modo que la
estimación de los parámetros del elemento sea independiente de los subgrupos
de individuos que completan el cuestionario. Era importante demostrar que el CE
tenía invariancia de ítems entre sexos, lo que sugiere que los ítems funcionan de
manera similar para ambos sexos. Este análisis del funcionamiento diferencial de
los ítems (DIF) indica que agrupar los datos
estaba justificado. El ecualizador de 26 elementos conserva la amplitud del ecualizador
original de 40 elementos en términos del nivel de rasgo capturado y las ideas cubiertas.
Una forma en que el análisis de Rasch difiere de los enfoques
tradicionales es que el enfoque de Rasch analiza los residuos una vez
que se ha extraído el factor de Rasch inicial para ver qué queda. En
cambio, la EFA produce tantos factores como variables. Usuarios
 C. Allison y col. / Personalidad y diferencias individuales 51 (2011) 829–835
de EFA a menudo saca mucho provecho del "ruido aleatorio" al continuar
teniendo en cuenta la búsqueda de "significado" en los datos en lugar de que su
investigación sea impulsada por la teoría. Podríamos argumentar que si bien este
enfoque puede sugerir factores adicionales en los estudios exploratorios, la
validez de dichos factores adicionales debe basarse en una confirmación adicional
y no en los resultados aleatorios de la exploración.
Los ítems para el factor residual uno mostraron una separación en subgrupos
de respuesta de acuerdo versus en desacuerdo. Esto nos llevó a reexaminar las
estructuras de factores previas de la escala EQ derivadas a través de CFA. De
nuestros análisis de CFA queda claro que el formato de respuesta debe incluirse
como un factor ya que esto mejora todos los modelos.
El análisis de Rasch sugiere que el EQ puede considerarse como
una medida unidimensional de empatía. El AFC de esta escala también
admite la unidimensionalidad siempre que se considere la dirección de
respuesta. Existe cierto apoyo para la opinión de que la escala de 15
ítems debe considerarse como una medida de tres factores
relacionados. Esto se evidencia por las altas correlaciones entre los
factores y, por lo tanto, sugerimos que es sensato ver la escala como
una medida de una dimensión.
Hay limitaciones en este estudio que deben reconocerse. Primero, los
datos se recopilaron completamente en línea y, por lo tanto, pueden
contener sesgos desconocidos. El soporte para el uso de Internet para la
recopilación de datos es proporcionado porGosling, Vazire, Srivastava y John
(2004), quien descubrió que los datos proporcionados por los métodos de
Internet son de al menos tan buena calidad como los proporcionados por los
métodos tradicionales. Además, los medios y distribuciones de los datos de EQ
recopilados en línea y fuera de línea parecen muy similares (Baron-Cohen y
Wheelwright, 2004; Lombardo et al., 2009). En segundo lugar, los diagnósticos en
el grupo con ASC no se pudieron verificar debido al gran tamaño de la muestra y
se basan en el autoinforme. Estas limitaciones se equilibran con la solidez que
proviene del gran tamaño de la muestra, que probablemente haya dado lugar a
resultados sólidos.
5. Conclusiones
Hemos adoptado un enfoque pragmático (Barrett, 2003) para medir
ing el constructo de empatía y exploró diferentes formas de evaluar
este constructo. Este estudio sugiere que el EQ es una medida
apropiada del constructo de empatía que se puede medir a lo largo de
una sola dimensión (Baron-Cohen y Wheelwright, 2004). El análisis de
Rasch reveló claramente que se requería un factor de respuesta. El
estudio destaca cómo diferentes enfoques estadísticos (Rasch y CFA)
para la medición pueden ser complementarios, produciendo
resultados muy similares.
Referencias
Andersen, EB (1977). Estadísticas suficientes y modelos de rasgos latentes.Psicometrika
42, 69–81.
Arbuckle, JL y Wothke, W. (1999). Guía del usuario de Amos, versión 4.0. Chicago:
SmallWaters Corporation.
Auyeung, B., Wheelwright, S., Allison, C., Atkinson, M., Samarawickrema, N. y
Baron-Cohen, S. (2009). El cociente de empatía de los niños y el cociente de
sistematización: diferencias de sexo en el desarrollo típico y en las condiciones del
espectro autista.Revista de autismo y trastornos del desarrollo, 39 (11), 1509-1521.
Baron-Cohen, S. (1995). Mindblindness: Un ensayo sobre el autismo y la teoría de la mente.
Boston: MIT Press / Bradford Books.
Baron-Cohen, S. y Wheelwright, S. (2004). El cociente de empatía: una investigación
de adultos con síndrome de Asperger o autismo de alto funcionamiento, y diferencias
sexuales normales. Revista de autismo y trastornos del desarrollo, 34 (2), 163-175.
Baron-Cohen, S., Wheelwright, S., Hill, J., Raste, Y. y Plumb, I. (2001). La lectura
la versión revisada de la prueba de la mente en los ojos: un estudio con adultos normales y
adultos con síndrome de Asperger o autismo de alto funcionamiento. Revista de Psicología y
Psiquiatría Infantil, 42 (2), 241-251.
Baron-Cohen, S., Wheelwright, S., Robinson, J. y Woodbury-Smith, M. (2005). los
Evaluación de Asperger en adultos (AAA): un método de diagnóstico. Revista de autismo y
trastornos del desarrollo, 35 (6), 807–819.
835
Baron-Cohen, S., Wheelwright, S., Skinner, R., Martin, J. y Clubley, E. (2001). los
Cociente del espectro autista (AQ): evidencia del síndrome de Asperger / autismo de
alto funcionamiento, hombres y mujeres, científicos y matemáticos. Revista de
autismo y trastornos del desarrollo, 31 (1), 5–17.
Barrett, PT (2003). Más allá de la psicometría: medición, no cuantitativa
estructura y numéricos aplicados. Revista de Psicología Gerencial, 3 (18), 421–439.
Berthoz, S., Wessa, M., Kedia, G., Wicker, B. y Grezes, J. (2008). Transcultural
validación del cociente de empatía en una muestra francófona. Revista Canadiense
de Psiquiatría, 53 (7), 469–477.
Browne, MW y Cudeck, R. (1993). Formas alternativas de evaluar el ajuste del modelo. En JS
Long y KA Bollen (Eds.), Prueba de modelos de ecuaciones estructurales (págs. 136-162).
Newbury Park, CA: Sage.
Chakrabarti, B., Bullmore, E. y Baron-Cohen, S. (2006). Empatizar con lo básico
Emociones: sustratos neurales comunes y discretos. Neurociencia social, 1 (3–4),
364–384.
Chakrabarti, B., Dudbridge, F., Kent, L., Wheelwright, S., Hill-Cawthorne, G., Allison,
C. y col. (2009). Los genes relacionados con los esteroides sexuales, el crecimiento neuronal y el
comportamiento socio-emocional están asociados con los rasgos autistas, la empatía y el síndrome
de Asperger.Investigación sobre el autismo, 2 (3), 157-177.
Chapman, E., Baron-Cohen, S., Auyeung, B., Knickmeyer, R., Taylor, K. y Hackett, G.
(2006). Testosterona fetal y empatía: evidencia del cociente de empatía (EQ) y la
prueba "Lectura de la mente en los ojos".Neurociencia social, 1 (2), 135-148.
Davis, M. (1980). Un enfoque multidimensional de las diferencias individuales en
empatía. Catálogo de documentos seleccionados en psicología, 10, 85.
Gorsuch, R. (1974). Análisis factorial. Filadelfia: WB Saunders.
Gosling, SD, Vazire, S., Srivastava, S. y John, OP (2004). ¿Deberíamos confiar en la web
estudios basados? Un análisis comparativo de seis ideas preconcebidas sobre los
cuestionarios de Internet.Psicólogo estadounidense, 59 (2), 93-104.
Hogan, R. (1969). Desarrollo de una escala de empatía.Revista de Consultoría y
Psicología Clínica, 33, 307–316.
Karabatsos, G. (2001). El modelo de Rasch, medición conjunta aditiva y nuevos
modelos de teoría de medición probabilística. Revista de medición aplicada, 2 (4),
389–423.
Kim, J. y Lee, SJ (2010). Fiabilidad y validez de la versión coreana del
escala de cociente de empatía. Investigación de psiquiatría, 7 (1), 24-30.
Kyngdon, A. (2008). El modelo de Rasch desde la perspectiva de lo representacional
teoría de la medida. Teoría y Psicología, 18 (1), 89-109.
Lawrence, EJ, Shaw, P., Baker, D., Baron-Cohen, S. y David, AS (2004). Medición
empatía: Fiabilidad y validez del cociente de empatía. Medicina Psicológica, 34 (5),
911–919.
Linacre, JM (1994). Tamaño de la muestra y estabilidad de la calibración del artículo.Medición Rasch
Transacciones, 7 (4), 328.
Linacre, JM (2006). Programa informático de medición Winsteps Rasch. Chicago:
Winsteps.com.
Lombardo, MV, Chakrabarti, B., Bullmore, ET, Sadek, SA, Pasco, G., Wheelwright,
SJ y col. (2009). Autorrepresentación neuronal atípica en el autismo.Cerebro, 133 (Pt 2), 611–
624.
Mehrabian, A. y Epstein, N. (1972). Una medida de la empatía emocional.Diario de
Personalidad, 40, 525–543.
Michell, J. (2008). La medición conjunta y la paradoja de Rasch: una respuesta a
Kyngdon. Teoría y Psicología, 18, 119-124.
Muncer, SJ y Ling, J. (2006). Análisis psicométrico del cociente de empatía (EQ)
escala. Personalidad y diferencias individuales, 40 (6), 1111-1119.
Perline, R., Wright, BD y Wainer, H. (1979). El modelo de Rasch como conjunto aditivo
medición. Medición psicológica aplicada, 3 (2), 237-255.
Preti, A., Vellante, M., Baron-Cohen, S., Zucca, G., Petretto, DR y Masala, C. (2011).
El cociente de empatía: una comparación intercultural de la versión italiana.
Neuropsiquiatría cognitiva, 16 (1), 50–70.
Rasch, G. (1960). Modelos probabilísticos para algunas pruebas de inteligencia y de logro:
Instituto danés de investigación educativa. The University of Chicago Press (edición
ampliada (1980)).
Revelle, W. y Zinbarg, R. (2009). Coeficientes alfa, beta, omega y glb:
Comentarios sobre Sijtsma. Psicometrika, 74 (1), 145-154.
Santor, DA y Ramsay, JO (1998). Avances en la tecnología de medición:
Aplicaciones de modelos de respuesta a ítems. Evaluación psicológica, 10 (4), 345–359.
Singh, J. (2004). Abordar los problemas de medición con la teoría de la respuesta al ítem:
Principios, características y valoración, con un ejemplo ilustrativo. Revista de
investigación empresarial, 57 (2), 184-208.
Steiger, JH (1989). EzPath: modelado causal. Evanston, IL: Systat.
Wakabayashi, A., Baron-Cohen, S., Uchiyama, T., Yoshida, Y., Kuroda, M. y
Wheelwright, S. (2007). Empatizar y sistematizar en adultos con y sin condiciones del
espectro autista: estabilidad intercultural.Revista de autismo y trastornos del
desarrollo, 37 (10), 1823-1832.
Wheelwright, S. y Baron-Cohen, S. (2011). Sistematización y empatía. En DA
Fein (Ed.), La neuropsicología del autismo.
Wheelwright, S., Baron-Cohen, S., Goldenfeld, N., Delaney, J., Fine, D., Smith, R., et al.
(2006). Predecir el cociente del espectro autista (AQ) a partir del cociente de sistematización
revisado (SQ-R) y el cociente de empatía (EQ).Investigación del cerebro, 1079 (1), 47–56.