Universidad Central de Venezuela

Facultad de Humanidades y Educación

Escuela de Psicología
Cátedra de Psicometría

Aplicación Psicométrica 1
 

Profa. Aysbel González A.

 DEFINICIÓN

Los estudios que se realizan considerando incorporar más

de dos variables, utilizan métodos estadísticos que
analizan simultáneamente medidas múltiples del
fenómeno.

Se establece una
interrelación que no
pueda ser interpretada
de forma separada.

Hair, Anderson, Tathan y Black (2004).

 DEFINICIÓN
Hair, Anderson, Tathan y Black (2004).

No hay VI ni VD, sino se realiza un

Es una Técnica de análisis de todas las variables en
Interdependencia conjunto de una vez

Detecta una estructura conceptual que se encuentra

latente, oculta, subyacente, a un conjunto de datos
empíricos.
 DEFINICIÓN

Analiza las intercorrelaciones entre

las variables en estudio e identifica
una serie de dimensiones ocultas a
las que se les denomina
Componentes.

Reduce la complejidad del

fenómeno. Pasa de estudiarlo con
un conjunto variables a explicarlo
por un número más reducido de
Componentes.
 DEFINICIÓN

SE TIENEN 13 VARIABLES

AHORA SE TIENEN 3
COMPONENTES

Las Componentes están compuestas

por las variables originales.
 APLICACIÓN
PSICOMÉTRICA

Constructos/Variables INDICADORES

¿Qué concepto teórico subyace a los datos

observados y es reflejado en el instrumento?
Análisis Factorial Hasta qué punto los indicadores miden al
constructo teórico.

Validez de Constructo Analizar Items

Permite saber qué rasgos teóricos
(componentes) se mide a través de
los enunciados (los items).
Verifica la estructura interna de la
Escala.
Permite seleccionar los items que
mejor representen a componentes
teóricos de la variable medida.
Otorga significado teórico a los
reactivos.
 Tipos

AF EXPLORATORIO

Tiene como objetivo examinar el campo de estudio, descubrir los

constructos o dimensiones principales. En el AFE, el investigador
puede no tener expectativas específicas con respecto al número o
la naturaleza de los constructos o factores subyacentes

AF CONFIRMATORIO

Los modelos teóricos que sustenta la construcción del instrumento son definidas a
priori y no a partir de los datos empíricos. Por lo tanto, el investigador debe
especificar explícitamente el número de variables subyacentes latentes (también
denominadas factores o componentes) y cuáles son los indicadores (items) que se
suponen que deben cargar en las variables latentes específicas.
 VARIANZA:
Tipos
Dos variables se encuentran
relacionadas entre sí, debido a que La varianza total de una variable se
ambas variables poseen algo en debe:
común y algo que las diferencia.

Factores que comparte con las otras

Varianza Común variables (comunalidad). Es la proporción
de varianza de las variables que es
explicada por los factores comunes

Varianza Específica Factores específicos de la variable

(especificidad). Es el porcentaje de
varianza particular de cada variable.

Varianza de Error Es el porcentaje de varianza no explicada,

atribuible al error de medición.
 MÉTODOS DE AF

ANÁLISIS COMPONENTES
PRINCIPALES

Explica la mayor cantidad de varianza

posible en los datos observados. Analiza la
varianza total, la varianza específica y la del
error.

Resume. la mayor parte de la información.

El 1° componente explica una mayor parte
de la varianza total, el 2° sería aquel que
explica la mayor parte de la varianza
restante, y así sucesivamente.
¿Es adecuado?
 ¿Es adecuado?

La medida de adecuación muestral

Kaiser-Meyer-Olkin (KMO)

Es un coeficiente que compara los

coeficientes de correlación simple con
los coeficientes de correlación parcial,
debe tomar valores mayores .6.

La KMO evalúa que la correlación entre las variables, sea fuerte

por los aspectos que comparten y que no se deba a la influencia de
una tercera variable.
 ¿Es adecuado?

La prueba de Esfericidad de Bartlett

Compara la matriz de correlaciones de

la distribución con la Matriz identidad.

Se espera que sean diferentes, para ello

se buscan valores estadísticamente
significativo. Es decir, p < 0,05.

Matriz Identidad Matriz de Correlaciones

 ¿Es adecuado?

Se basa en la existencia de muchas inter-correlaciones (r > .30) estadísticamente

significativas (p < .05) entre las variables.

Las variables se agrupan en componentes en función de dichas correlaciones

Las variables 1, 2 y 5 correlacionen entre sí con valores > ,700; por eso se
definen como el 1° Componente

Las variables 3 y 4 correlacionan entre sí, pero no lo hacen tanto con la 1, 2 y 5;

por ello son otro componente diferente (que sería el Componente 2)
 ¿Es adecuado?

KMO = .734

χ²(91) = 776.535, p < .001

 COMPONENTES

Se crea un espacio multidimensional, donde se proyectan las

variables (items).
La dimensionalidad de dicho espacio coincide con el número
de variables introducidas.
donde se ubican las variables.
Cantidad de ejes factoriales,
MÉTODOS DE
EXTRACCIÓN
 Extracción:
AUTOVALOR

Representa la cantidad de
varianza explicada por cada
componente.
NO son las variables.
Estructura Factorial,

Regla de Káiser
Se seleccionan tantos
componentes como autovalores
mayores de 1.

Con la misma cantidad de variables originales

se está explicando el 100% de información =
100% de varianza.
 Número de Factores:
CRITERIO DE
CONTRASTE DE CAÍDA

Es una representación
gráfica de la magnitud
de los autovalores.

Un corte en la
tendencia descendente
sirve de regla para la
determinación del
número óptimo de
componentes que Ley del
Codo
deben estar presentes
en la salida factorial.
 EJEMPLO
PRÁCTICO

DISPOSICIÓN HACIA Se entiende como el interés que mantienen los

EL ESTUDIO escolares en participar de formar activa en sus estudios.

Dimensión Definición Def. Creados

Estrategia metacognitiva que permite al individuo
Autorregulación organizarse efectivamente y establecer una 2 4
jerarquía de prioridades
Compromiso con la Perseverancia que muestra una persona en el
tarea 3 5
abordaje de determinada actividad
Habilidad del individuo para integrarse y responder
Adaptación de manera efectiva a las expectativas de los 3 5
diferentes grupos
 MÉTODOS DE
EXTRACCIÓN

CRITERIO A PRIORI

Ya usted sabe
cuantos componentes
hay que extraer antes
de iniciar el análisis
factorial
 Número de Factores:
CRITERIO DE PORCENTAJE
POR VARIANZA

% de variabilidad
explicada por los
componentes
extraídos

Se busca que los componentes

seleccionados expliquen una cantidad
específica de varianza.
¿60%? ¿40%?
 ROTACIÓN

Es un proceso de manipulación o ajuste de

los ejes, que buscan obtener componentes
más fáciles de interpretar

Se logra una solución factorial más sencilla y

más significativa.

Se redistribuye la varianza de los primeros

componentes a los últimos.

Cambia la matriz de componentes y cambia la

varianza explicada por cada componente. NO
cambia la varianza total explicada.
 ROTACIÓN

1
Componente
Componente 1
2

-1 1

Componente 1

Solución Inicial Componente 2

Modelo Rotado Cargas Factoriales
-1
 ROTACIÓN

Se utiliza un método ortogonal, que asegura independencia entre las

variables. Es recomendable Varimax, que busca altas cargas factoriales
(cercanas a +1 o -1) y algunas cercanas a 0, en cada componente
Rotación

% de variabilidad se
redistribuye
Rotación
 Matriz de Componentes
Rotadas

CARGAS O
PESOS
Es la asociación entre variables
FACTORIALES originales y los componentes.

Las cargas indican el peso de

cada variable en cada
componente.

Lo ideal es que cada variable

cargue alto en un componente
y bajo en los demás.
 Matriz de Componentes
Rotadas

Mayor Carga mejor

representada estará cada
variable.

±0,30 Nivel Mínimo

± 0,40 Importantes
± 0,50 Significativas

Se espera que carguen

significativamente en un
solo componente.
 Matriz de Componentes
Rotadas

La matriz nos indica qué

variables (items) y cuánto
saturan (correlacionan) en
cada uno de los componentes
encontrados.

La saturación representa el
peso de la variable (item)
dentro del componente (o
dimensión).

Variables Bipolares

Variables Complejas
 ROTACIÓN

Se espera que:

1) cada componente tenga unas pocas cargas factoriales altas y las otras próximas a
cero;
2) cada variable (item) no esté saturando (correlacionando) más que en un
componente;
3) no deban existir componente con la misma distribución, es decir, dos
componentes distintos deben presentar distribuciones diferentes de cargas altas y
bajas.

Cada componente tendrá una correlación alta con un grupo de variables (items) y baja
con el resto de variables.

Examinando las características de las variables (items) de un grupo asociado a un

determinado componente se pueden encontrar rasgos comunes que permitan
identificar al componente y darle una denominación que responda a esos rasgos
comunes.
 EJEMPLO
PRÁCTICO

DISPOSICIÓN HACIA Se entiende como el interés que mantienen los

EL ESTUDIO escolares en participar de formar activa en sus estudios.

¿cuáles elegir?

Dimensión Definición Def.

Estrategia metacognitiva que permite al individuo
Autorregulación organizarse efectivamente y establecer una jerarquía de 2, 9, 14
prioridades
Compromiso con la Perseverancia que muestra una persona en el abordaje
tarea 10,1,2
de determinada actividad
Habilidad del individuo para integrarse y responder de
Adaptación manera efectiva a las expectativas de los diferentes 6, 11, 13
grupos
 ¿PREGUNTAS?

Ejemplo basado en la Investigación realizada por:

Sánchez, P., Valdés, A., Gantús, M. y Vales, J. (2011). Propiedades psicométricas de un instrumento
para medir la disposición hacia el estudio. Revista de Investigación Educativa, 12(1), 1-15.
https://www.redalyc.org/articulo.oa?id=283121721004