32761820-T7 - PM Presentación

PSICOMETRÍA
UNED. Centro Asociado La Rioja

Héctor Martínez García
Curso 2022/23
2
TUTORÍAS I PLANIFICACIÓN
Fecha Previsión
Presentación general de la materia
14/2/2023
T1. Introducción a la psicometría
21/2/2023 T2. Principios básicos para la construcción de instrumentos de medición psicológica
28/2/2023 T3. Técnicas para la construcción de escalas de actitudes
7/3/2023 T3. Técnicas para la construcción de escalas de actitudes
14/3/2023 T4. Fiabilidad de las puntuaciones I
21/3/2023 T4. Fiabilidad de las puntuaciones II
28/3/2023 T4. Fiabilidad de las puntuaciones III
11/4/2023 T6. Validez de las inferencias I
18/4/2023 T7. Validez de las inferencias II
25/4/2023 T7. Validez de las inferencias III
2/5/2023 T8. Análisis de los ítems
9/5/2023 T9. Asignación, transformación y equiparación de las puntuaciones
3
Tema 7. Parte II. Evaluación de las propiedades
métricas de los instrumentos de medición
psicológica
Validez de las inferencias (II)
PSICOMETRÍA I UNED La Rioja

Héctor Martínez García
Curso 2022/23
CONTEXTUALIZAMOS EL TEMA T7 I 5
¿Qué? Medir variables psicológicas a través de conductas (indicadores)
¿Cómo? Mediante instrumentos de medida (tests)

- ¿Para qué?, ¿cómo?, ¿para quién?
Diseño y construyo el test - Prueba piloto
- Escalamiento
- Preciso (pocos errores y “controlados”)

i. Fiabilidad
- Estable (no hay diferencia entre aplicaciones)
Evalúo su calidad
- Mide lo que tiene que medir
ii. Validez
- Inferencias válidas sobre V
Héctor Martínez I UNED La Rioja Tema 7. Validez de las inferencias (II)

OBJETIVO DEL TEMA 7 T7 I 6
Obj. 1. Analizar la validez de un criterio (Y, variable dependiente) cuando disponemos de varios predictores
(X1, X2, X3… varios tests), en la práctica con dos variables independientes.
Ejemplos:
- Rendimiento en matemáticas a partir de un test de capacidad de cálculo y otro de CI
- Adecuación a un puesto de vigilante a partir de un test que mida su apatía, otro que mida su nivel
atencional y un tercero que mida su autocontrol
- Rendimiento (nota) en psicometría a partir de su CI y su nº de horas dedicadas a la materia.
Obj. 2. Validez y utilidad de las decisiones (ambas, criterio y predictor) dicotómicas.
1. Variabilidad
Obj. 3. Factores que afectan al coeficiente de validez 2. Fiabilidad de las puntuaciones (del test y del criterio)
3. Longitud
2. VALIDACIÓN CON VARIOS PREDICTORES Y UN SOLO INDICADOR DEL CRITERIO (p. 324) T7 I 7
Obj. 1. Analizar la validez de un criterio (variable dependiente) cuando disponemos de varios predictores
(varios tests), en la práctica con dos variables independientes.
Ejemplos:
- Rendimiento en matemáticas a partir de un test de capacidad de cálculo y otro de CI
- Adecuación a un puesto de vigilante a partir de un test que mida su apatía, otro que mida su nivel
atencional y un tercero que mida su autocontrol
- Rendimiento en psicometría a partir de su CI y su nº de horas dedicadas a la materia.
¡NO ENTRA EL PUNTO 2 (p. 324 a 345)!

OBJ. 2. 3. VALIDEZ Y UTILIDAD EN LAS DECISIONES (p. 346) T7 I 8
Volvemos a trabajar con un solo predictor (X, test o variable independiente) y un solo criterio (Y, variable
dependiente), pero ahora trabajaremos con ambas dicotómicas (apto/no apto) (en el tema anterior, las variables
predictoras eran cuantitativas).
Para analizar la capacidad predictiva del test en el criterio ¿cómo de bien predecimos?:
Criterio (Y)
Aptos (A) No aptos (R)
Aptos (A) NAA NAR NAT
Test (X)
No aptos (R) NRA NRR NRT
NAC NRC N
Si muchos sujetos están en verde será buen predictor (aciertos: NAA + NRR);
Muchos rojos, mal predictor (errores: NAR + NRA);
Llamamos a NRA falsos negativos (suspendieron el test, pero aprobaron el criterio. Parecía que no, pero al final);
A NAR falsos positivos (aprobaron el test, pero no el criterio. Parecía que sí, pero no);

3. VALIDEZ Y UTILIDAD EN LAS DECISIONES (p. 346; F43 a 45) T7 I 9
Si predictor y criterio son DICOTÓMICAS tenemos varios métodos para analizar la capacidad predictiva del test
en el criterio:
#$ %#& ($ %(&
- Coeficiente de Kappa: 𝐾 = '%#&
=
)%(&
↑
',,-'..
- Proporción de clasificaciones correctas: 𝑃++ = ↑
'
',,
1. Índices de validez - Sensibilidad: 𝑆 = ↑
',$
(F43 y 44) '
- Especificidad: 𝐸 = .. ↑
'.$
'
- Razón de eficacia: 𝑅. 𝐸. = ',,↑
,3
',$
- Razón de idoneidad : 𝑅. 𝐼. = ↑
2. Índices de selección '
',3
(F44 y 45) - Razón de selección: 𝑅. 𝑆. = ↑
'

3.1 VALIDEZ Y UTILIDAD EN LAS DECISIONES I ÍNDICES DE VALIDEZ (p. 346) T7 I 10
#$ %#& ($ %(&
1. Índices de validez (F43) I Coeficiente de Kappa: 𝐾= = (entre -1 y +1)
'%#& )%(&
Donde,
Fc son los aciertos (NAA + NRR) No viene en formulario
↑ Fa posibles coincidencias por azar
N es el número de personas de la muestra
Ejemplo. Calcula la capacidad predictiva de un test, mediante el coeficiente de Kappa, a partir de los siguientes
resultados:
𝐹+ − 𝐹7
Criterio 𝐾=
A R 𝑁 − 𝐹7
NAA NAR NAT Fc (aciertos) = NAA + NRR = (18 + 27) = 45
A
(18) (2) (20)
Test ' ·' '
Fa (azar: AA y RR) = ,$ ,3 + .$ .3 =
·' :)·:; :=·>;
+ = 25,8
NRA NRR NRT
R ' ' <; <;
(3) (27) (30)
Frecuencias
NAC NRC N 𝐹+ − 𝐹7 45 − 25,8
(21) (29) (50)
marginales 𝐾 = = = 𝟎, 𝟕𝟗
𝑁 − 𝐹7 50 − 25,8
Criterio
A R
A NAA (18) NAR (2) NAT (20)
Test
R NRA (3) NRR (27) NRT (30)
NAC (21) NRC (29) N (50)
𝑁II + 𝑁KK
2. Índices de validez (F44) I Proporción de clasificaciones correctas (P.C.C.): 𝑃. 𝐶. 𝐶. =
𝑁
↑ 18 + 27
→ En el ejemplo 𝑃. 𝐶. 𝐶. = = 0,90
50
𝑁II
3. Índices de validez (F44) I Sensibilidad (S): 𝑆=
𝑁I+ ↑ A más valor, mejor
18
↑ → En el ejemplo 𝑆 = = 0,86
21
𝑁KK
4. Índices de validez (F44) I Especificidad (E): 𝐸=
𝑁K+
27
↑ → En el ejemplo 𝐸 = = 0,93
29
Criterio
A R
A NAA (18) NAR (2) NAT (20)
Test
R NRA (3) NRR (27) NRT (30)
NAC (21) NRC (29) N (50)
𝑁II
5. Índices de validez (F44) I Razón de eficacia (R.E.): 𝑅. 𝐸. =
𝑁IZ
18
↑ En el ejemplo 𝑅. 𝐸. = = 0,90
20

Criterio
A R
A NAA (18) NAR (2) NAT (20)
Test
R NRA (3) NRR (27) NRT (30)
NAC (21) NRC (29) N (50)
𝑁I+
1. Índices de selección (F44) I Razón de idoneidad (R.I.): 𝑹. 𝐼. =
𝑁
21
↑ → En el ejemplo 𝑅. 𝐼. = = 0,42
50
𝑁IZ
2. Índices de selección (F45) I Razón de selección (R.S.): 𝑅. 𝑆. =
𝑁
20
↑ → En el ejemplo 𝑅. 𝑆. = = 0,40
50

Junio 2022 1ª semana. 22. Si de 200 aspirantes a vendedores seleccionamos a 60 y de estos sólo 36 resultan
buenos vendedores, ¿cuál es el valor de la razón de selección y la razón de eficacia? A) 0,7 y 0,4 respectivamente;
B) 0,3 y 0,18 respectivamente; C) 0,3 y 0,6 respectivamente
Solución. Aunque no es necesario, podemos completar la tabla si nos aclara:
Y
A R
A 36 (NAA ) 60 (NAT)
X
R
200 (N)
𝑁IZ 60
Razón de selección: 𝑅. 𝑆. = = = 𝟎, 𝟑
𝑁 200
𝑁II 36
Razón de eficacia: 𝑅. 𝐸. = = = 𝟎, 𝟔
𝑁IZ 60

(Junio 2020 A). 14. Dos tests que miden un mismo trastorno han clasificado a los sujetos de la siguiente forma (0
significa no trastorno y 1 trastorno) (NC 95%): a) el acuerdo entre las clasificaciones no es estadísticamente
significativo; b) el intervalo de confianza para Kappa de Cohen es 0,25 - 0,53 (p. 348); c) la frecuencia esperada
por azar es 18 Test B
0 1
0 14 (NAA ) 3 (NAR) 17 (NAT)
Test A
1 9 (NRA) 4 (NRR ) 13 (NRT)
23 (NAC) 7 (NRC) N (30)
Solución. Primero calculamos Fa (que necesitamos para Kappa) y la desviación (que necesitamos para el intervalo):
' ·' ' ·' :>·)^ ^·)>
Fa (azar: AA y RR) = ,$ ,3 + .$ .3 = + = 16,07
' ' >; >;
𝐹7 16,07
𝑆_ = = = 0,2
𝑁(𝑁 − 𝐹7 ) 30(30 − 16,07)
𝐹+ − 𝐹7 𝐹+ 𝑎𝑐𝑖𝑒𝑟𝑡𝑜𝑠, NAA + NRR − 𝐹7 [𝑐𝑜𝑖𝑛𝑐𝑖𝑑𝑒𝑛𝑐𝑖𝑎𝑠 𝑝𝑜𝑟 𝑎𝑧𝑎𝑟] 18 − 16,07
𝐾= = = = 0,14
𝑁 − 𝐹7 𝑁 [𝑛º 𝑝𝑒𝑟𝑠𝑜𝑛𝑎𝑠 𝑑𝑒 𝑙𝑎 𝑚𝑢𝑒𝑠𝑡𝑟𝑎] − 𝐹7 30 − 16,07
𝐸táv = 1,96 · 0,2 = 0,39
𝐼𝐶 = 𝐾 ± 𝐸táv = 0,14 ± 0,39 = −𝟎, 𝟐𝟓 ≤ 𝑲 ≤ 𝟎, 𝟓𝟑
3.2 ¿DÓNDE SITUAR EL PUNTO DE CORTE? (p. 350) T7 I 16
Podemos alterar el punto de corte en:
- El test (X)
- El criterio (Y)
Es fundamental para la validez.

Cuando mejoramos una (test o criterio) empeora la
otra.
Interpretación:
- Elipse: englobaría la distribución conjunta de
puntuaciones obtenidas por los sujetos de una muestra
tanto en el test [ej. aspirantes al curso de doctorado]
como en el criterio cuya validez queremos probar [Ej.
Prueba de admisión a dicho doctorado].
- Las líneas centrales que se cruzan representarían los
puntos de corte para test y criterio, respectivamente.

3.2 ¿DÓNDE SITUAR EL PUNTO DE CORTE? (p. 350) T7 I 17
Para seleccionar los cortes, según la Tª de decisión ,
tendríamos que considerar la matriz de pagos, es
decir, la matriz que refleje las “pérdidas” y
“ganancias” derivadas de las decisiones adoptadas.
Dos posibles criterios:

i. Maximin (elegimos aquella alternativa que entre
los resultados más desfavorables, le permita
obtener la máxima ganancia (máximo de los
mínimos)).
ii. Minimax (de entre las alternativas que generen
máximas “pérdidas” la que de una “pérdida”
menor, es decir, mínima pérdida (mínimo de los
máximos)).

3.4 MODELOS DE SELECCIÓN (p. 355) T7 I 18
¿Cómo combinamos toda la información recogida para tomar una decisión?
Modelos de selección
Modelo aditivo en el que se asigna a cada sujeto una única nota global,
compensando notas altas y bajas [ej. EBAU]. No es muy correcto, mejor obtener la
Compensatorio
nota usando un modelo de regresión lineal múltiple, con una única puntuación, pero
combinándola de forma aditiva dando un peso a cada predictor.
Básicos
Se fijan unos mínimos y se admitirán los que los superen en todas las pruebas [Ej.
Conjuntivo
EOI]
Solo se exige superar el nivel de competencias en “al menos” alguno de los
Disyuntivo
predictores [programa La Voz]
Conjuntivo- Se aplica primero el conjuntivo (los mínimos) y luego el compensatorio. Se eligen los
compensatorio mejores o se establece un punto de corte.
Mixtos
Disyuntivo-
Se aplica primero el disyuntivo y luego el compensatorio
compensatorio

3.5 ¿CÓMO ESTIMAR LA EFICACIA DE UNA SELECCIÓN? (p. 356) T7 I 19
¿Hemos hecho bien esa selección?
'
a. Razón de eficacia: 𝑅. 𝐸. = ',𝑨 (F44) ↑
Dos métodos ,𝑻
b. Modelo de regresión
b. Modelo de regresión
De las múltiples opciones de selección, el libro se centra en dos:
- Situación 1. No hay limitación de plazas y se selecciona a todos los que superen un punto de corte en uno
o varios predictores [Ej. EBAU].
- Situación 2. Existe limitación de plazas y se selecciona a los que hayan obtenido el mejor resultado en el
predictor/es del test que elijamos [Ej. Oposición].

Ejemplo de modelo de regresión (p. 357). Supongamos que la ecuación de regresión obtenida a partir de un test
(X) para predecir un criterio (Y) ha sido: Y' = 0,5 + 2X, que la desviación típica del criterio es Sy = 5, que el coeficiente
de validez es rxy = 0,80 y que para considerar que se ha tenido éxito en el criterio es necesario obtener en el mismo
una puntuación igual o mayor de 8 puntos. Con estos datos, y suponiendo que no hay un número limitado de
plazas, ¿qué probabilidad de éxito tendrán los sujetos que en el test hayan obtenido una puntuación de 6 puntos?
Solución (F45). 1º. Estimamos la pronosticada en el criterio (Y’) de quienes obtuvieron un 6 en el test (X).
Y'= 0,5 +2·(6) = 12,5
2º. Se asume que las distribuciones de los errores de estimación se ajustan a la normal, con una media que
vendrá dada por la puntuación pronosticada en el criterio y con la desviación típica que vendrá dada por el error
típico de estimación:
: = 5 1 − (0,80): = 3
𝑆~·• = 𝑆~ 1 − 𝑟v€

(X) para predecir un criterio (Y) ha sido: Y' = 0,5 + 2X, que la desviación típica del criterio es Sy = 5, que el
coeficiente de validez es rxy = 0,80 y que para considerar que se ha tenido éxito en el criterio es necesario obtener
en el mismo una puntuación igual o mayor de 8 puntos. Con estos datos, y suponiendo que no hay un número
limitado de plazas, ¿qué probabilidad de éxito tendrán los sujetos que en el test hayan obtenido una puntuación
de 6 puntos?
Solución (F45). 1º. Y'= 0,5 +2·(6) = 12,5
2º. 𝑆~·• = 3
La puntuación típica correspondiente al punto crítico del criterio Zc es la que va a marcar la separación entre la
probabilidad de éxito y la de fracaso y, por tanto, la que nos va a permitir analizar la eficacia de la selección:
𝑌+ − 𝑌′ 8 − 12,5
𝑍+ = = = −1,50
𝑆~·• 3
3º. Buscamos en la tabla de la normal (F79) y se busca el área de la curva que queda por encima de una
puntuación típica de -1,50. Obtenemos una probabilidad de 0,9332 (procede de 1 - 0,0668); luego el sujeto tiene
un 93% de posibilidad de éxito (y, por tanto, un 7% de probabilidad de fracaso).

(X) para predecir un criterio (Y) ha sido: Y' = 0,5 + 2X, que la desviación típica del criterio es Sy = 5, que el
coeficiente de validez es rxy = 0,80 y que para considerar que se ha tenido éxito en el criterio es necesario obtener
en el mismo una puntuación igual o mayor de 8 puntos. Con estos datos, y suponiendo que no hay un número
limitado de plazas, ¿qué probabilidad de éxito tendrán los sujetos que en el test hayan obtenido una puntuación
de 6 puntos?
Solución (F45). 1º. Y'= 0,5 +2·(6) = 12,5
2º. 𝑆~·• = 3; 𝑍+ = −1,50
3º. 93% de éxito
Gráficamente sería:

Ejemplo de modelo de regresión (p. 358). Imagina que, con los datos del ejemplo anterior, solo tuviéramos 10
plazas para los 100 aspirantes al puesto de trabajo. ¿Cuál sería la probabilidad de éxito de esas 10 personas?
Solución (F45). Lo que tendríamos que hacer sería seleccionar a los 10 mejores. En este caso, por la sencillez de
los números del ejemplo, esos 10 sujetos representarían el 10% de los aspirantes (que recordemos eran 100),
por lo tanto, deberemos buscar la puntuación que deja por debajo al 90% de los aspirantes. Si asumimos una
distribución normal de las puntuaciones, la puntuación típica que deja por debajo al 90% de los casos es Zx =
1,28. Si la media del test fuera 7 y la Sx = 2 la puntuación mínima directa de las 10 personas seleccionadas sería:
𝑋 − 𝑋† 𝑋−7
𝑍+ = → 1,28 = = −1,5 → 𝑋 = 1,28 · 2 + 7 = 9,56
𝑆• 2
Y, nuevamente, repetiríamos el ejercicio anterior:
Y'= 0,5 +2 · (9,56) = 19,62
8 − 19,62
𝑍+ = = −3,87
3

OBJ. 3. 4. FACTORES QUE INFLUYEN EN EL COEF. DE VALIDEZ (p. 359) T7 I 24
4.1. La variabilidad de la muestra ↑ ↑
Factores que afectan al coef. de validez 4.2 La fiabilidad del test y el criterio ↑ ↑
4.3 La longitud del test ↑ ↑

4. FACTORES QUE INFLUYEN EN EL COEF. DE VALIDEZ (p. 359) T7 I 25
4.1 LA VARIABILIDAD DE LA MUESTRA ↑ ↑
i. La pendiente de regresión del test y el criterio son iguales: B = b

Se parte de dos supuestos
ii. El error típico de ambas será igual 𝑆~·• = 𝑠€·v
𝑆• · 𝑟v€
𝑅•~ =
Despejaríamos (F45):
𝑆•: · 𝑟v€
:
+ 𝑠v: − 𝑠v: · 𝑟v€
:
* Esto es aplicable a dos muestras o a una muestra de ASPIRANTES (mayúsculas) frente a los
admitidos/seleccionados (minúsculas)
Fórmulas secundarias:
Š‹ •
‡‰
‡ : : : :
𝑅•~ · ˆ = 𝑟v€ · 𝑆~·• = 𝑠€·v → 𝑆~ · 1 − 𝑅•~ = 𝑠€ · 1 − 𝑟v€ 𝑆~ = 𝑠€ 1 − 𝑟v€ + 𝑟v€ · •
‡‰ ŠŒ ŠŒ

Ejemplo de variabilidad (p. 361). Vamos a suponer que el número de aspirantes era 300 y obtuvieron una Sx en la
batería de 12 puntos. De entre todos ellos se seleccionaron a 40, cuya Sx en la batería fue de 6 puntos. Al cabo del
año los admitidos fueron calificados en el criterio (Y), siendo la correlación entre las puntuaciones que habían
obtenido en la batería y las del criterio 0,30.
¿Cuál sería el coeficiente de validez estimado si se hubiese calculado en la muestra total de aspirantes?
Solución.
𝑆• · 𝑟v€ 12 · 0,30 3,6
𝑅•~ = = = = 0,5
(12) : · (0,30): +6: − 6: · (0,30): 6,76
𝑆•: · 𝑟v€
: + 𝑠: − 𝑠: · 𝑟:
v v v€

(Jun. 2020 A). Con los datos que se dan a continuación responder a las preguntas 24 y 25
Un test ha obtenido en una muestra un índice de fiabilidad de 0,90; la desviación típica de las puntuaciones
obtenidas fue 4; entre el test y un criterio hay un 36% de varianza común o asociada y el coeficiente de fiabilidad
del criterio es 0,49.
24. Si el test se aplica a una muestra cuya varianza sea la mitad, el nuevo coeficiente de validez será: a) 0,47 (p.
361, F45); b) 0,86; c) 0,58
: → 0,36 = 𝑟 : → 𝑟 = 0,60
Sol. Recordemos que la varianza común o asociada es el 𝐶.𝐷. (T6). Así 𝐶. 𝐷. = 𝑟v€ v€ v€
ŠŒ• )•
Como nos dicen, además, que la varianza es la mitad: 𝑆•: = :
→ 𝑆•: = :
=8
𝑆• · 𝑟v€ 2,83 · 0,60 1,70
𝑅•~ = = = = 0,47
8 · 0,36 + 16 − 16 · 0,36 3,62
𝑆•: · 𝑟v€
: + 𝑠: − 𝑠: · 𝑟:
v v v€
25. Si se eliminaran por completo los errores de medida del test y del criterio, el nuevo coeficiente de validez sería:
a) 0,90; b) 0,95; c) 0,81
Solución. Corresponde al punto 4.2 que veremos a continuación (p. 362):
𝑟•~ 0,60
𝑅•‰•ˆ = = = 𝟎, 𝟗𝟓
𝑟•• · 𝑟~~ 0,81 · 0,49
4.2 LA FIABILIDAD DE LAS PUNTUACIONES DEL TEST Y DEL CRITERIO ↑↑
Cuando calculamos la validez como la correlación entre las puntuaciones empíricas obtenidas por los sujetos en el
test y en el criterio hay que considerar que esas puntuaciones empíricas están afectadas por errores de medida y
que estos influyen en el coeficiente de validez produciendo una serie de sesgos a eliminar o, al menos, controlar.
Existen varios supuestos que nos definirá el enunciado. Para explicarlos partiremos de un ejemplo (F46):
Fiabilidad del CRITERIO
NO se modifica Se modifica Fiabilidad perfecta
𝑟•~ 𝒓𝑿𝒀
𝑅•~ = 𝑅••ˆ =
NO se modifica 𝑟~~ 𝒓𝒀𝒀
𝑅~~
𝑟•~ 𝒓𝑿𝒀
Fiabilidad del TEST 𝑅•~ = 𝑹𝑿𝒀 =
Se modifica 𝑟•• 𝒓𝑿𝑿 𝒓𝒀𝒀
𝑅•• 𝑹𝑿𝑿 𝑹𝒀𝒀
Fiabilidad 𝑟•~ 𝑟•~
𝑅•‰ ~ = 𝑅•‰ •ˆ =
perfecta 𝑟•• 𝑟•• · 𝑟~~
El valor máximo del coeficiente de validez nunca puede ser superior al índice de fiabilidad (𝑟v€ ≤ 𝑟‘v )
4.2 LA FIABILIDAD DE LAS PUNTUACIONES DEL TEST Y DEL CRITERIO ↑ ↑
Ejemplo del libro. Aplicado un test de razonamiento abstracto (RA) a una muestra de sujetos se obtuvo un
coeficiente de fiabilidad igual a 0,64 (rxx’), la fiabilidad del criterio resultó ser 0,60 (ryy') y el coeficiente de validez
0,56 (rxy). El ejercicio consistirá en encontrar el nuevo valor del coeficiente de fiabilidad en distintos supuestos
que iremos viendo en el punto.
Supuesto 1. Estimación del coeficiente de validez en el supuesto de que tanto el test como el criterio tuvieran
una fiabilidad perfecta.
𝑅•‰ •ˆ es el coeficiente de validez teórico con test y criterio libres de errores de medida.
𝑟•~ 𝑟•~ es el coeficiente de validez empírico
𝑅•‰ •ˆ =
𝑟•• · 𝑟~~ 𝑟•• es el coeficiente de fiabilidad empírico del test
𝑟~~ es el coeficiente de fiabilidad empírico del criterio
• ‰ˆ ;,<•
Solución supuesto 1. 𝑅•‰ •ˆ = = = 0,91
• ‰‰ · • ˆˆ ;,•– · ;,•;
Al eliminar todos los errores de medida de test y criterio, el coef. de validez aumentaría mucho (de 0,56 a 0,91)

Supuesto 2. Estimación del coeficiente de validez en el supuesto de que el test tuviera una fiabilidad perfecta.
𝑅•‰ ~ =
𝑟•• 𝑟•• es el coeficiente de fiabilidad empírico del test
• ‰ˆ ;,<•
Solución supuesto 2. 𝑅• ‰ ~ = = = 0,70
• ‰‰ ;,•–
El coef. de validez aumenta, pero menos que en el supuesto 1 (debido a que las puntuaciones del criterio aún
pueden estar afectadas por errores)

Supuesto 3. Estimación del coeficiente de validez en el supuesto de que el criterio tuviera una fiabilidad perfecta
𝐶𝑜𝑣(𝑋𝑉~ ) 𝐶𝑜𝑣(𝑋𝑌) 𝑟•~ 𝑆• 𝑆~ 𝑟•~ 𝑟•~ 𝒓𝑿𝒀 𝑟•~ es el coeficiente de validez empírico
𝑅••ˆ = = = = = =
𝑆• 𝑆•ˆ 𝑆• 𝑆•ˆ 𝑆• 𝑆•ˆ 𝑆• 𝑆•ˆ 𝑟•~ 𝒓𝒀𝒀 𝑟~~ es el coeficiente de fiabilidad
𝑆• 𝑆~ empírico del criterio
•‰ˆ ;,<•
Solución supuesto 3. 𝑅••ˆ = = = 0,73
•ˆˆ ;,•;
El coef. de validez aumenta, pero menos que en el supuesto 1 (debido a que las puntuaciones del test aún
pueden estar afectadas por errores)

Supuesto 4. Estimación del coeficiente de validez del test en el supuesto de que se mejorara la fiabilidad tanto en
el test como en el criterio
𝑅•~ = 𝑟•• es el coeficiente de fiabilidad empírico del test
𝑟•• 𝑟~~
𝑅•• 𝑅~~ 𝑟~~ es el coeficiente de fiabilidad empírico del criterio
*En mayúsculas aparecen los coeficientes de fiabilidad mejorados.
Solución supuesto 4. ¿Cuál sería el coeficiente de validez si se consiguiera un coeficiente de fiabilidad en el test de
0,75 y en el criterio de 0,64?
𝑟•~ 0,56
𝑅•~ = = = 0,63
𝑟•• 𝑟~~ 0,64 0,60
Héctor Martínez I UNED La Rioja 𝑅•• 𝑅~~ 0,75 0,64 Tema 7. Validez de las inferencias (II)
Supuesto 5. Estimación del coeficiente de validez del test en el supuesto de que se mejorara la fiabilidad del test
𝑅•~ =
𝑟•• 𝑟•• es el coeficiente de fiabilidad empírico del test
𝑅•• 𝑅•• es el coeficiente de fiabilidad del test mejorado
Solución supuesto 5. ¿Cuál sería el coeficiente de validez si se consiguiera un coeficiente de fiabilidad del test se
pudiera aumentar hasta 0,75 y se mantuviera constante el del criterio?
𝑟•~ 0,56
𝑅•~ = = = 0,61
𝑟•• 0,64
𝑅•• 0,75

Junio 2022. 1ª semana. 24. Hemos aplicado un test de inteligencia a una muestra de 150 sujetos. Se ha obtenido un
coeficiente de fiabilidad de 0,75, un coeficiente de validez de 0,64. Calcular el coeficiente de validez si aumentásemos el
coeficiente de fiabilidad del test hasta 0,80 y se mantuviera igual el del criterio. A) 0,50; b) 0,66; c) 0,60.
Solución. 𝑟••™ = 0,75; 𝑟•~ = 0,64; 𝑅•• = 0,80; ¿ 𝑅•~ ?

Nos encontramos en el Supuesto 5, es decir, Estimación del coeficiente de validez del test en el supuesto de que se mejorara
la fiabilidad del test. Por tanto:
𝑟•~ 0,64
𝑅•~ = = = 𝟎, 𝟔𝟔
𝑟•• 0,75
𝑅•• 0,80

Supuesto 6. Estimación del coef. de validez del test en el supuesto de que se mejorara la fiabilidad del criterio
𝑅•~ =
𝑟~~ 𝑟~~ es el coeficiente de fiabilidad empírico del criterio
𝑅~~
𝑅~~ es el coeficiente de fiabilidad del criterio mejorado
Solución supuesto 6. ¿Cuál sería el coeficiente de validez si se mantiene invariante el coeficiente de fiabilidad del
test y por algún procedimiento se consigue que la fiabilidad del criterio aumente hasta 0,64?
𝑟•~ 0,56
𝑅•~ = = = 0,58
𝑟~~ 0,60
𝑅~~ 0,64

Valor máximo del coef. de validez. Es el índice de fiabilidad del test (F48 y p. 367)
𝑟•~ es el coeficiente de validez empírico
𝑟•~ ≤ 𝑟••
𝑟‘v es el índice de fiabilidad
Solución valor máximo. ¿Cuál sería el valor máximo que podría alcanzar el coeficiente de validez empírico?
Como el enunciado nos decía que el coeficiente de fiabilidad es igual a 0,64 (rxx’), el índice de fiabilidad (que nos
indica el valor máximo que puede alcanzar el coeficiente de validez) será (F11):
𝑟•• = 𝑟••™ = 0,64 = 0,80

(Jun. 2020 A) 20. Las puntuaciones en un test predictor y un criterio de interés presentan un coeficiente de
fiabilidad de 0.75 y 0.60, respectivamente. Si hemos obtenido un coeficiente de determinación de 0.25, ¿Cuál sería
el valor del coeficiente de validez si tanto las puntuaciones del test como del criterio estuviesen libres de errores de
medida?: a) 0.50; b) 0.75 (p. 362, F47); c) 0.37.
Solución. Estamos en el Supuesto 1, es decir, estimación del coeficiente de validez en el supuesto de que tanto el
test como el criterio tuvieran una fiabilidad perfecta. Por tanto:
𝑟•~ 0,5 0,5
𝑅•‰•ˆ = = = = 𝟎, 𝟕𝟓
𝑟•• · 𝑟~~ 0,75 · 0,60 0,67
Nos falta conocer el coeficiente de validez empírico (𝑟•~ ), pero a cambio nos dan el coeficiente de determinación.
Como vimos al final del T6, el coeficiente de determinación es:
: → 0,25 = 𝑟
𝐶. 𝐷. = 𝑟v€ •~ → 0,5 = 𝑟•~

4.3 VALIDEZ Y LONGITUD ↑ ↑
Procedimiento muy similar al seguido en fiabilidad (T4).
𝑅•~ es el coeficiente de validez estimado al modificar la longitud del test
𝑟•~ · 𝑛 𝑟•~ es el coeficiente de validez inicial del test, antes de la modificación de su longitud
𝑅•~ = 𝑟•• es el coeficiente de fiabilidad inicial del test
1 + 𝑛 − 1 · 𝑟••
œº _•_t_œžŸŠ ¡œ7•_Š
𝑛 es el nº veces aumenta o disminuye la longitud del test; 𝑛 =
œº _•_t_œžŸŠ ¡œ¡¢¡7•_Š
:
𝑅•~ (1 − 𝑟•• )
Fórmula directa para despejar n: 𝑛= : :
𝑟•~ − 𝑅•~ · 𝑟••
Ejemplo del libro. Supongamos un test de 25 elementos que tiene un coeficiente de validez de 0,60 (rxy) y un coeficiente de
fiabilidad de 0,64 (rxx). ¿Cuántos elementos habría que añadirle para obtener un coeficiente de validez de 0,70?
:
𝑅•~ (1 − 𝑟•• ) 0,70: (1 − 0,64)
𝑛= : : = = 3,80
𝑟•~ − 𝑅•~ · 𝑟•• 0,60: − 0,70: · 0,64
𝑛º 𝑒𝑙𝑒𝑚𝑒𝑛𝑡𝑜𝑠 𝑓𝑖𝑛𝑎𝑙𝑒𝑠
𝑛= → 𝐸𝐹 = 𝑛 · 𝐸𝐼 = 3,80 · 25 = 95
𝑛º 𝑒𝑙𝑒𝑚𝑒𝑛𝑡𝑜𝑠 𝑖𝑛𝑖𝑐𝑖𝑎𝑙𝑒𝑠
Por lo tanto, habrá que añadir = 95 − 𝟐𝟓 = 𝟕𝟎 ítems.
Junio 2022. 1ª semana. 21. La fiabilidad de un test compuesto por 25 ítems es 0,70 y su coeficiente de validez es igual a
0,80. ¿Cuántos ítems habría que añadir al test para alcanzar un coeficiente de validez de 0,90? A) 86; b) 61; c) 4
Solución. 25 ítems; Fiabilidad ¿índice o coeficiente? 𝑟••™ = 0,70; 𝑟•~ = 0,80; 𝑅•~ = 0,90
:
𝑅•~ (1 − 𝑟••™ ) 0,90: (1 − 0,70)
𝑛= : : = = 3,33
𝑟•~ − 𝑅•~ · 𝑟••™ 0,80: − 0,90: · 0,70
í𝑡𝑒𝑚𝑠 𝑓𝑖𝑛𝑎𝑙𝑒𝑠
𝑛= → 𝐸𝐹 = 𝑛 · 𝐸𝐼 = 3,33 · 25 = 83,21
í𝑡𝑒𝑚𝑠 𝑖𝑛𝑖𝑐𝑖𝑎𝑙𝑒𝑠
Como nos piden los elementos a añadir:
83,21 − 25 = 𝟓𝟖, 𝟐𝟐

Sep20. 24. Un criterio (Y) tiene una fiabilidad perfecta, es decir, un coeficiente de fiabilidad de 1, y el coeficiente
de fiabilidad del test predictor (X) es de 0,64. Si el test predictor (X) alcanzara la máxima validez posible ¿cuál
sería el coeficiente de validez si al test predictor (X) le añadimos tantos elementos paralelos como los que ya
posee? a) 0,67; b) 0,82; c) 0,88 (p. 368; F48).
Solución. Sabemos que 𝑟•~ ≤ 𝑟•• (máxima validez); y que 𝑟•~ = 0,64 = 0,80
𝑟•~ · 𝑛 0,80 · 2
𝑅•~ = = = 𝟎, 𝟖𝟖
1 + 𝑛 − 1 · 𝑟•• 1 + 2 − 1 · 0,64

Ejemplo Jun19 1ª Semana. Un test compuesto por 50 ítems presenta un coeficiente de fiabilidad de 0,70 y un
coeficiente de validez de 0,80. ¿Cuántos ítems paralelos tendríamos que añadir si deseamos alcanzar un
coeficiente de validez de 0,90? A) 122; b) 172; c) 343.
Solución. 𝑟••™ = 0,70; 𝑟•~ = 0,80; (𝐹48)

: (1 − 𝑟 )
𝑅•~ 0,90:(1 − 0,70) 0,243
••
𝑛= : : ·𝑟 = = = 3,33
𝑟•~ − 𝑅•~ •• 0,80: − 0,90: · 0,70 0,073
𝑛º 𝑒𝑙𝑒𝑚𝑒𝑛𝑡𝑜𝑠 𝑓𝑖𝑛𝑎𝑙𝑒𝑠
𝑛= → 𝐸𝐹 = 𝑛 · 𝐸𝐼 = 50 · 3,33 = 166,4
𝑛º 𝑒𝑙𝑒𝑚𝑒𝑛𝑡𝑜𝑠 𝑖𝑛𝑖𝑐𝑖𝑎𝑙𝑒𝑠
Por lo tanto, habrá que añadir = 166,43 − 𝟓𝟎 = 𝟏𝟏𝟔, 𝟒𝟒 ítems

32761820-T7 - PM Presentación

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

32761820-T7 - PM Presentación

Cargado por

Copyright:

Formatos disponibles

PSICOMETRÍA

UNED. Centro Asociado La Rioja

Validez de las inferencias (II)

PSICOMETRÍA I UNED La Rioja

¿Cómo? Mediante instrumentos de medida (tests)

- Preciso (pocos errores y “controlados”)

Héctor Martínez I UNED La Rioja Tema 7. Validez de las inferencias (II)

Obj. 2. Validez y utilidad de las decisiones (ambas, criterio y predictor) dicotómicas.

¡NO ENTRA EL PUNTO 2 (p. 324 a 345)!

Héctor Martínez I UNED La Rioja Tema 7. Validez de las inferencias (II)

Héctor Martínez I UNED La Rioja Tema 7. Validez de las inferencias (II)

Héctor Martínez I UNED La Rioja Tema 7. Validez de las inferencias (II)

Héctor Martínez I UNED La Rioja Tema 7. Validez de las inferencias (II)

Héctor Martínez I UNED La Rioja Tema 7. Validez de las inferencias (II)

Héctor Martínez I UNED La Rioja Tema 7. Validez de las inferencias (II)

Es fundamental para la validez.

Héctor Martínez I UNED La Rioja Tema 7. Validez de las inferencias (II)

Dos posibles criterios:

Héctor Martínez I UNED La Rioja Tema 7. Validez de las inferencias (II)

Héctor Martínez I UNED La Rioja Tema 7. Validez de las inferencias (II)

Héctor Martínez I UNED La Rioja Tema 7. Validez de las inferencias (II)

Héctor Martínez I UNED La Rioja Tema 7. Validez de las inferencias (II)

Héctor Martínez I UNED La Rioja Tema 7. Validez de las inferencias (II)

Héctor Martínez I UNED La Rioja Tema 7. Validez de las inferencias (II)

Héctor Martínez I UNED La Rioja Tema 7. Validez de las inferencias (II)

Héctor Martínez I UNED La Rioja Tema 7. Validez de las inferencias (II)

i. La pendiente de regresión del test y el criterio son iguales: B = b

Héctor Martínez I UNED La Rioja Tema 7. Validez de las inferencias (II)

Héctor Martínez I UNED La Rioja Tema 7. Validez de las inferencias (II)

Héctor Martínez I UNED La Rioja Tema 7. Validez de las inferencias (II)

Héctor Martínez I UNED La Rioja Tema 7. Validez de las inferencias (II)

Héctor Martínez I UNED La Rioja Tema 7. Validez de las inferencias (II)

Héctor Martínez I UNED La Rioja Tema 7. Validez de las inferencias (II)

Solución. 𝑟••™ = 0,75; 𝑟•~ = 0,64; 𝑅•• = 0,80; ¿ 𝑅•~ ?

Héctor Martínez I UNED La Rioja Tema 7. Validez de las inferencias (II)

Héctor Martínez I UNED La Rioja Tema 7. Validez de las inferencias (II)

Héctor Martínez I UNED La Rioja Tema 7. Validez de las inferencias (II)

Héctor Martínez I UNED La Rioja Tema 7. Validez de las inferencias (II)

Héctor Martínez I UNED La Rioja Tema 7. Validez de las inferencias (II)

Héctor Martínez I UNED La Rioja Tema 7. Validez de las inferencias (II)

Solución. 𝑟••™ = 0,70; 𝑟•~ = 0,80; (𝐹48)

Héctor Martínez I UNED La Rioja Tema 7. Validez de las inferencias (II)

También podría gustarte