FACULTAD DE CIENCIAS HUMANAS SEMESTRE ACADÉMICO

ESCUELA PROFESIONAL DE PSICOLOGÍA 2022

CONSTRUCCIÓN DE PRUEBAS
Semana 11

EQUIPO DOCENTE
¿Qué recordamos de la sesión anterior?
Recordando…

www.slido.com

con el # 2915495

https://app.sli.do/event/1eT5suQqmB8qaS8yAjxmkL
¿Qué revisaremos hoy?

EVIDENCIAS DE CONFIABILIDAD:

Análisis Factorial confirmatorio.

Resultado de aprendizaje

Al finalizar la sesión, el estudiante reconoce las principales

características del análisis factorial confirmatorio (AFC). Calcula los
valores usando el software JAMOVI y redacta los resultados. Valora su
utilidad para la interpretación de resultados psicométricos.
¿Qué podemos inferir sobre un análisis factorial
confirmatorio?
MANUAL DEL TEST
Partes del manual

Capítulos
I. PLANTEAMIENTO DE LA REALIDAD PROBLEMÁTICA
II. MARCO TEÓRICO
III. DESCRIPCIÓN GENERAL
IV. NORMAS DE ADMINISTRACIÓN Y CALIFICACIÓN
V. JUSTIFICACIÓN ESTADÍSTICA
VI. NORMAS DE INTERPRETACIÓN
REFERENCIAS
ANEXOS
Partes del manual

Formato

Times New Roman 11

Interlineado 1.15
Texto Justificado
Títulos y subtítulos en negrita (solo los título de los capítulos van todo en mayúscula)
Planificación – fases

1 2 3 4 5 6 7 8 9

Identificar un Definir la Especificar el Redacción de Aplicación del Propiedades

Edición Estudio piloto Versión final
problema variable formato ítems test psicométricas

Planteamiento Marco teórico Características Banco de ítems Revisar formato Aplicar a Aplicar a Confiabilidad y Manual
del problema del test (virtual) e ítems muestra de 30 muestra de 300 validez

Necesidad de su Dimensiones e
elaboración indicadores Aplicar a Confiabilidad
muestra de 5

Operacionalizar
Validez de
contenido
(3 jueces)
PROPIEDADES PSICOMÉTRICAS
Propiedades psicométricas

Validez Confiabilidad Normas

Evidencias de validez
Métodos

Métodos de evidencias de validez

Contenido Estructura interna Relación con otras variables

Jueces expertos Análisis factorial Convergente

exploratorio (AFE)

Discriminante
Análisis factorial
confirmatorio (AFC)
Análisis Factorial Confirmatorio
Análisis Factorial Confirmatorio
Estructura interna

Las diferentes formas de evaluar el modelo deben ser valoradas de

manera global; todas serán indicadores del grado de ajuste del
modelo. Basar nuestro juicio sobre lo adecuado del modelo en una
sola prueba, puede generar conclusiones erróneas.

(Manzano et al., 2009) (Janousch et al., 2020)

Análisis Factorial Confirmatorio
Nos indicarán si los datos se ajustan
Estructura interna al modelo de las dimensiones.

Índices de ajuste

Prueba chi-cuadrada (χ²)

CFI: Índice de ajuste comparativo (Comparative Fit Index)

RMSEA: Raíz cuadrada media de error de aproximación (Root Mean Square Error of
Approximation)
Análisis Factorial Confirmatorio
Estructura interna

Prueba chi-cuadrada (χ²) Hipótesis nula (Ho)

Permite evaluar si el modelo planteado se
ajusta a los datos empíricos. Los datos se ajustan al modelo teórico

Hipótesis alterna (H1)

Esperado
p-valor > 0.05 Los datos no se ajustan al modelo teórico
Recordando…

Si p-valor ≤ 0.05 (α) →Decisión: Se rechaza la hipótesis nula

Si p-valor > 0.05 (α) →Decisión: No se rechaza la hipótesis nula

Análisis Factorial Confirmatorio
Estructura interna

Prueba chi-cuadrada (χ²) Interpretación

El rechazo de la hipótesis nula a partir de un valor χ2

significativo (p < .05) implica que el modelo teórico
propuesto es inadecuado (Cea, 2004).
Análisis Factorial Confirmatorio
Estructura interna

Interpretación
Prueba chi-cuadrada (χ²)

≤ 5 = Aceptable
El modelo tiene un ajuste aceptable si los valores
de Chi-cuadrado/gl son de 2 a 3 y con límites de
hasta 5.

(Escobedo et al., 2016)

Análisis Factorial Confirmatorio
Estructura interna

RMSEA: Raíz cuadrada media de error de Interpretación

aproximación
(Root Mean Square Error of Approximation)
0 a .05 = Buen ajuste
.051 a .08 = Ajuste adecuado
Entre más cercano a cero es mayor la .081 a .10 = Mal ajuste
evidencia de buen ajuste.
(Keith, 2015)
Análisis Factorial Confirmatorio
Estructura interna

CFI: Índice de ajuste comparativo Interpretación

(Comparative Fit Index)

1 a .95 = Buen ajuste A

Es mejor cuanto más se aproxime a 1 .94 a .90 = Ajuste adecuado B

(Keith, 2015)
Análisis Factorial Confirmatorio
Análisis Factorial Confirmatorio
Análisis Factorial Confirmatorio

Pasamos los ítems de una dimensión

Análisis Factorial Confirmatorio

Seleccionamos para añadir los ítems de otra dimensión

Análisis Factorial Confirmatorio

Seleccionamos para generar diagrama

Análisis Factorial Confirmatorio

Seleccionamos
Resultados

Tabla 1
Índices de ajuste del modelo
Resultados
Figura 1
Análisis factorial confirmatorio del modelo
 Practiquemos…

En grupos
Abrir

Calcular los indicadores del AFE

Presentar en tablas APA
Base_ider_ejemplo
Redactar los resultados
Resultados

Ejemplos de interpretación

http://dev.scielo.org.pe/scielo.php?script=sci_arttext&pid=S2307-79992018000200002

https://scielo.isciii.es/scielo.php?pid=S0212-16112021000400821&script=sci_arttext&tlng=pt
Desarrollo del manual

ACTIVIDAD GRUPAL
Desarrollo del manual

Avanzar con el AFE

Avanzar con el AFC

Subir al drive del curso base en Excel (cada semana sebe haber un incremento)
Desarrollo del manual

Evaluación E2

Plazo: miércoles 22 de junio

Evaluación E2 Se revisará desde el
drive del curso

Avanzar con el capítulo V. JUSTIFICACIÓN ESTADÍSTICA

4.1. Confiabilidad preliminar del instrumento

Buscar definición del coeficiente omega (citar y referencia)

Tabla de resultados con interpretación

Plazo: miércoles 22 de junio

Evaluación E2

Evaluación oral

Ítems de control
Ítems inversos
E2 = Avance capítulo 5 + oral
Confiabilidad
Validez

Jueves 23 de junio
REFERENCIAS

Alarcón, R., Cerezo, M. V., Hevilla, S., & Blanca, M. J. (2020). Psychometric properties of the Connor-Davidson
Resilience Scale in women with breast cancer. International Journal of Clinical and Health Psychology, 20(1), 81-89.
https://doi.org/10.1016/j.ijchp.2019.11.001

Janousch, C., Anyan, F., Hjemdal, O. y Hirt, CN (2020). Propiedades psicométricas de la escala de resiliencia para
adolescentes (READ) e invarianza de medición en dos muestras diferentes de habla alemana. Fronteras en psicología , 11 , 608-
677.
https://doi.org/10.3389/fpsyg.2020.608677

Escurra, L. (1988). Cuantificación de la validez de contenido por criterio de jueces. Revista De Psicología, 6(1-2), 103-111.
https://revistas.pucp.edu.pe/index.php/psicologia/article/view/4555

Merino, C., y Livia, J. (2009). Intervalos de confianza asimétricos para el índice la validez de contenido: Un programa Visual Basic
para la V de Aiken. Anales de Psicología, 25(1), 169-171.
https://www.redalyc.org/articulo.oa?id=16711594019
REFERENCIAS

Dominguez, S. A. (2016). Validez de contenido usando la V de Aiken con intervalos de confianza: aportes a Rodríguez et al.Arch.
argent. pediatr, e221-e222.
http://www.scielo.org.ar/pdf/aap/v114n3/v114n3a35.pdf

Penfield, R. D., & Giacobbi, Jr, P. R. (2004). Applying a score confidence interval to Aiken's item content-relevance index.
Measurement in physical education and exercise science, 8(4), 213-225.
https://doi.org/10.1207/s15327841mpee0804_3

Carrión, C., Soler, M., & Aymerich, M. (2015). Análisis de la validez de contenido de un cuestionario de evaluación del aprendizaje
basado en problemas: un enfoque cualitativo. Formación universitaria, 8(1), 13-22.
http://dx.doi.org/10.4067/S0718-50062015000100003

Ventura-León, J. L., & Caycho-Rodríguez, T. (2017). El coeficiente Omega: un método alternativo para la estimación de la
confiabilidad. Revista Latinoamericana de Ciencias Sociales, niñez y juventud, 15(1), 625-627.
https://www.redalyc.org/pdf/773/77349627039.pdf
REFERENCIAS

Campo-Arias, A., & Oviedo, H. C. (2008). Propiedades psicométricas de una escala: la consistencia interna. Rev Salud Pública,
10 (5), 831-839.
https://www.redalyc.org/pdf/422/42210515.pdf

Kaiser, H. F. (1974). An index of factorial simplicity. Psychometrika, 39(1), 31–36. doi:10.1007/bf02291575

Manzano, Abigail y Salvador (2009). Sistema de ecuaciones estructurales: una herramienta de investigación. Cuaderno técnico.
Centro Nacional de Evaluación para la Educación Superior.

Cea, M. A. (2004). Análisis multivariable Teoría y práctica en la investigación social (Multivariate analysis Theory and practice in
social research). Síntesis.

Bollen, K. A., & Long, J. S. (Eds.). (1993). Testing structural equation models. Sage.

Keith, T. Z. (2015). Multiple Regression and Beyond An Introduction to Multiple Regression and Structural Equation Modeling.
Rouledge.
REFERENCIAS

Escobedo, M. T., Hernández, J. A., Estebané, V., & Martínez, G. (2016). Modelos de ecuaciones estructurales: Características,
fases, construcción, aplicación y resultados. Ciencia & trabajo, 18(55), 16-22.
https://scielo.conicyt.cl/pdf/cyt/v18n55/art04.pdf