TEMA 2

CRITERIOS DE BONDAD: La fiabilidad y la validez

Introducción

En este capítulo intentaremos hacer un recorrido por lo que ha

sido la metodología propia de la evaluación psicológica. Nos
centraremos para ello en las diferentes dicotomías metodológicas
usuales en nuestra disciplina: correlacional-experimental, ideográfico-
nomotético, cuantitativo-cualitativo y natural-social de la conducta.
Después de realizar algunas reflexiones pasaremos a las garantías
científicas que debemos tener presente a la hora de seleccionar y llevar
a cabo una evaluación.

3.1.- Métodos en evaluación psicológica.

La evaluación psicológica, como subdisciplina de la psicología,

utiliza el mismo método que ella: el método científico. Este método se
caracteriza por su sistematicidad y control, lo que permite la replicación
futura de los hechos observados. Esto se argumenta basándose en la
idea de que en caso contrario, no existirían soluciones comunes al
problema de la descripción, la explicación y la predicción.
 La evaluación psicológica para la consecución de sus objetivos y
sin renunciar al mencionado método científico, emplea diferentes
estrategias. Esta diversidad muestra distintos planteamientos acerca
de las características diferenciadoras del objeto de estudio de la
psicología. En estas diferencias, que usualmente han sido denominadas
dicotomías entraremos en los siguientes apartados.

3.1.1.- Metodología correlacional frente a la experimental.

La metodología correlacional tiene en su haber una función más

descriptiva, cuya pretensión es encontrar relaciones entre las variables
y estimar su grado de covariación, todo ello sin manipular la realidad.
Éste método busca establecer relaciones de concomitancia entre los
hechos tal y como se producen naturalmente, sin la manipulación del
experimentador (Pelechano, 1988), se preocupa en encontrar diferencias
individuales consistentes que, se supone, constituyen variables
organísmicas estables en los seres humanos (Fernández-Ballesteros,
1980). Sin embargo, la supuesta ausencia de control no es tal, ya que
este se impone a posteriori mediante procedimientos estadísticos, no
físicos. Aunque no permite aislar relaciones causales, parte del
supuesto de la multicausalidad de los fenómenos objeto de estudio
(Pelechano, 1988).
Por el contrario, la metodología experimental parte de una
hipótesis en la que se establece una relación causal entre dos variables.
Se impone un fuerte control sobre las variables ajenas a la propia
hipótesis (demandas de la tarea, variables de la situación experimental,
personales...) como garantía para establecer con validez las relaciones
causales predichas. Busca establecer relaciones de causalidad que le
posibilite imputar los cambios observados en las variables dependientes
a la manipulación de las variables independientes (Cronbach, 1957). A
diferencia del método correlacional, se parte del supuesto de una
relación bivariada causa-efecto. La estrategia experimental consiste
esencialmente en provocar una modificación en una situación
determinada y observar el resultado. Esta estrategia requiere un gran
rigor en el planteamiento y una sistematización en la ejecución. Deben
estimarse las variables que inciden en cada caso y controlarlas
(Pelechano, 1988).
En cualquier experimento se intenta establecer conclusiones
válidas acerca del efecto de la manipulación efectuada sobre la variable
independiente. Si los resultados de un experimento pueden ser
atribuidos de forma inequívoca a la variable independiente, entonces se
dice que el experimento tiene validez interna. La validez interna se
refiere al grado en que se pueden descartar explicaciones alternativas
en los resultados (Buela-Casal, 1997). Una disminución de la validez
interna indica una influencia de variables contaminadoras, produciendo
una ambigüedad interpretativa de los resultados de la investigación
(Pereda, 1987). La validez externa hace referencia a la posibilidad de
generalizar los resultados. Una investigación tiene validez externa
cuando sus conclusiones pueden aplicarse en poblaciones de sujetos y
en situaciones distintas a las de la investigación original. Buela-Casal
(1997) afirma que “la validez externa es indicar en qué medida los
resultados de la investigación pueden ser aplicados en contextos más
generales”.
Según lo anterior, es fácil inferir que el método experimental tiene
validez interna, mientras que el correlacional carece casi por completo
de este tipo de validez. Sin embargo, en lo que se refiere a la validez
externa la relación es más compleja, pues a pesar de que están
apoyados en la realidad y en contextos naturales, autores como
Campbell y Stanley (1966) considera que los estudios correlacionales
tienen poca validez externa. Según estos autores, la validez interna es
un requisito previo para la validez externa, por lo que sólo cabría hablar
de validez interna de la experimentación, ya que es más importante
demostrar una relación sin ambigüedad que plantear su generalización.
Esta situación se agrava por el hecho de que a mayor validez interna
menos capacidad de generalización. Una solución es repetir los
experimentos en diferentes situaciones y con distintos sujetos, con lo
que se incrementa la validez externa de la experimentación (Alvira, Avia,
Calvo y Morales, 1979).
Pese a esta primera diferencia histórica, no se puede suponer que
la evaluación psicológica emplee exclusivamente una metodología
correlacional, desechando la experimental. Tal y como plantea
Cronbach en 1957 en su trabajo acerca de esta dicotomía, ambos
enfoques pretenden lo mismo: cómo controlar o eliminar la varianza no
deseable o varianza error y, por tanto, pone de manifiesto que la
psicología se nutre tanto de los estudios provenientes de la psicología
experimental como de los estudios que parten de la psicología
correlacional.
Pese a lo dicho, la metodología más adecuada a la evaluación
psicológica es la correlacional, incluyendo en esta la atención hacia
variables contextuales y ambientales (Pelechano, 1982, 1988; Silva,
1982, 1989; Fernández-Ballesteros, 1980) Tanto en la elaboración de
pruebas como en la aplicación de estas, no se modifica nada y se extrae
la información tal y como se encuentra en la situación natural. En la
actualidad, la evaluación psicológica ha ampliado su campo de
actuación a la evaluación de settings y contextos, gracias al impacto de
la psicología ambiental y de la psicología ecológica (Moos y Lemke,
1979; Baker, 1989). Esto ha supuesto tenerse que dirigir hacia una
evaluación de situaciones y estímulos, añadiéndose estos datos a los
datos de personas y conductas. Si tomamos estas aportaciones y se
abandona el sentido bivariado de causa-efecto de la metodología
experimental y se profundiza en el estudio multivariado del papel
predictivo de los distintos settings, contextos o ambientes, con sus
distintos niveles de consolidación y su peso aportado a la varianza
común, se estaría utilizando la metodología correlacional para estudiar
aquellos que en su concepción tradicional se consideran en el mejor de
los casos, fuente de varianza de error, y/o en el peor de ellos , como
algo que hay que relegar al olvido de la ciencia psicológica (Peñate,
1993).
La complementariedad de ambos enfoques parece un requisito
para cumplir mejor las funciones propias de la evaluación en su
vertiente básica y aplicada.

3.1.2.- Metodología ideográfica frente a la nomotética.

La visión de la psicología como una ciencia ideográfica versus una

ciencia nomotética, constituye una cuestión antigua que ha suscitado
más de un debate y que se plantea como otra de las dicotomías
importantes, especialmente en la evaluación psicológica. Uno de los
objetivos de la ciencia es ofrecer un tipo de conocimiento que sea
generalizable y, por tanto, esta dicotomía antigua en el tiempo, tiende a
superarse por considerar que la psicología en general y la evaluación
psicológica en particular, pueden beneficiarse de ambas metodologías.
Pervin (1979) acerca de los dos polos dice: “lo nomotético busca
las leyes generales de comportamiento y la categorización de las
personas mediante métodos cuantificables y objetivos; lo ideográfico
busca rasgos únicos para cada persona, cuantificando métodos
aplicables a individuos y poniendo énfasis en la búsqueda de leyes
individuales”.
Para Fernández-Ballesteros (1992) las ciencias pueden ser
divididas en dos grandes grupos: las nomotéticas y las ideográficas.
Mientras que las segundas se dedican al estudio de fenómenos
individuales, las primeras tienen como objetivo el hallazgo de los
principios generales aplicables a los fenómenos objeto de estudio.
La psicología científica es una disciplina cuyo objeto es la
búsqueda de los principios aplicables a la conducta humana y, por
tanto, una ciencia nomotética. En el caso de la evaluación psicológica
como subdisciplina de la psicología, tiene como objetivo el análisis de
los principios psicológicos básicos en una persona específica. Si se
estima el concepto ideográfico etimológicamente, la evaluación
psicológica puede ser calificada de disciplina ideográfica, pero
perfectamente compatible con una ciencia de la psicología nomotética
(Fernández-Ballesteros, 1992).
El enfoque ideográfico supone la búsqueda de las características
únicas y propias de una persona. Según este principio, los seres
humanos somos únicos e irrepetibles, por lo que recurrir a leyes
generales no tendría sentido explicativo, ni tampoco recurrir a una
persona única para identificar leyes generales. De ahí la presunción de
que los procedimientos de análisis deberían ser propios para persona.
Esta concepción cerrada, categórica y extrema del concepto ideográfico
parece propia de los acercamientos fenomenológicos y clínicos, no
siendo necesariamente correcta. Frente a esto, la propuesta nomotética
parte del supuesto de que bastaría un grupo limitado de características
psicológicas para describir, clasificar, explicar a una persona. Esto no
supone una homogeneización sino que más bien se basa en esos
elementos comunes para justificar la unicidad de cada paciente, sujeto
o cliente. Tanto es así, que no sólo no niega la psicología experimental,
sino que la apoya y le sirve de método de estudio (Pelechano, 1988). Lo
que debe hacer la evaluación psicológica es utilizar todos los
procedimientos que se consideren adecuados para el descubrimiento de
las leyes individuales que dan sentido a la vida de cada individuo
(Pelechano, 1988).
El acercamiento nomotético defiende que las diferencias entre los
seres humanos son reales, pero se dan a lo largo de unas dimensiones
que son comunes a todos ellos. Existen diferencias, precisamente
porque existen elementos comunes. Las diferencias entre dos seres
humanos se resumirían en dos tipos de análisis: o bien en cuanto a las
puntuaciones alcanzadas en las dimensiones conocidas, o bien en las
relaciones que existen entre estas dimensiones (Pelechano, 1988).
La testología asume una posición nomotética en el estudio del
caso individual, porque entiende que aún sin agotarlo, la información
recogida es suficientemente relevante. Esta información nos permite la
comparación entre personas con el fin de clasificarlos en función de las
puntuaciones obtenidas en las pruebas
Resumiendo, podemos concluir:
(i) la evaluación ideográfica pura como tal, parece que no existe.
Supone una descontextualización del paciente. Toda evaluación
conlleva el recurso a principios generales, a un grupo o criterio de
referencia;
(ii) los objetivos de la evaluación son fundamentalmente
ideográficos;
(iii) los hallazgos de nuestra disciplina se basan en un enfoque
nomotético;
(iv) los métodos de evaluación son los propios de la psicología
nomotética (Fernández-Ballesteros, 1983 y 1992).

3.1.3.- El método cualitativo frente al cuantitativo.

Esta dicotomía a la que Peñate (1993,1999) denomina “clínico

frente a laboratorio”, es posiblemente una de las más injustificadas en
nuestros días. La antinomia cualitativo versus cuantitativo se
encuentra estrechamente relacionada con la dicotomía anterior, aunque
se trata de una polémica de carácter más metodológico, que se halla
relacionada con las estrategias de recogida de la información (Arnau,
1997). Básicamente, el problema se ha centrado en dos puntos: el tipo
de datos que se utilizan y el modo de combinarlos para la predicción de
la conducta. Si tuviéramos que describirla brevemente apelando a una
serie de atributos podríamos elaborar la siguiente caracterización
partiendo de la revisión crítica de Cook y Reichard, 1986:

Cuantitativo Cualitativo
Global-positivista Global-fenomenológica
Hipotética-deductiva Inductiva
Particularista Estructuralista
Objetiva Subjetiva
Orientada a los resultados Orientada al proceso
Ciencia natural Antropología social.

Según Holt (1965, citado por Pervin, 1975), la orientación clínico-

cualitativa surge de la tradición médica, directamente relacionada con
los problemas cotidianos. En este marco, la subjetividad, la perspicacia
y libertad del evaluador (instrumentos, formas, modos,
procedimientos,...) serían claves para obtener una visión global del
paciente o de su problema. En este caso, el criterio de relevancia
prevalece frente al criterio de objetividad. La psicología debe buscar la
comprensión, buscar sentido de la acción humana, en oposición a la
búsqueda de relaciones causales propias de la explicación y de las
ciencias naturales. Esta orientación clínica-cualitativa fuertemente
arraigada con la parte más asistencial y social de la evaluación
psicológica. Las investigaciones en el ámbito cualitativo son
naturalistas, o también denominadas “de campo”, valorándose
fundamentalmente la experiencia clínica del psicólogo encargado de
llevar a cabo la investigación. En cambio, la metodología cuantitativa,
de laboratorio, experimental o psicométrica se origina en contextos
académicos, frente a la subjetividad e irreplicabilidad plantea la
sistematización y estandarización de situaciones y formas de actuar,
planteando un control exhaustivo que ayude a minimizar el error de las
mediciones.
Frente a esto, Peñate (1993,1999) afirma que la evaluación
psicológica en su evolución histórica, no sólo no ha renunciado a su
función asistencial, sino que esta se ha visto enriquecida con los tests.
Esto implica una objetivación y normalización del proceso, propias del
enfoque de laboratorio. Por esto la sitúa más próxima a la metodología
cuantitativa que a la cualitativa.
 Tradicionalmente, se ha entendido que lo cualitativo caracterizaba
al mundo clínico y lo cuantitativo a un mundo más “científico”. Esta
conclusión provocó la respuesta de los “clínicos” argumentando que
esta dicotomía era engañosa, provocando la generación de algunas
estrategias del método estadístico para perfeccionar el juicio clínico (Del
Barrio, 1992): creación de criterios diagnósticos consensuados (DSM),
elaboraciones computerizadas de juicios clínicos basados en el MMPI,
entrevistas estructuradas para diagnóstico computerizado, agrupación
de los síntomas en síndromes empíricos utilizando rating scale o
listados sistemáticos de conductas.
Desde el punto de vista de Cronbach (1985), la investigación
cuantitativa queda limitada y empobrecida cuando no se combina con
la cualitativa.
A modo de resumen, Fernández–Ballesteros (1992) elabora
argumentos para justificar el actual uso de métodos cualitativos y
cuantitativos en el diagnóstico psicológico:
1.- La dicotomía entre ambos enfoques es artificial, porque tanto
los datos cuantitativos como los cualitativos son una constante en
nuestro campo. La dicotomía queda superada por la combinación de la
naturaleza de ambos datos con los elementos del proceso diagnóstico
(variables a evaluar, procedimientos de recogida de información,
elaboración e interferencias).
2.- El subjetivismo que se achacaba a la metodología cualitativa
parece no existir realmente, salvo en enfoques determinados como
pueden ser los fenomenológicos-humanistas y los psicodinámicos.
3.- Problemas con el uso de los criterios actuariales de
diagnóstico (dificultades en su uso).
4.- Las mejores metodologías en torno al estudio de caso único
favorecen un mayor rigor experimental junto con un proceso cualitativo.
Resumiendo, quizá la vía para superar estos problemas sea
el abandono de posturas radicales. Esta apertura hacia puntos de vista
metodológicos menos extremos puede resultar difícil, pero a todos
concierne el contribuir a la obtención de modelos potenciadores en el
marco del método científico, que puedan dar cuenta de estas
insuficiencias (Avero, 2000). Es evidente que la evaluación psicológica
emplea datos y métodos cualitativos y cuantitativos, y ambos deben
permitir la replicación diagnóstica por parte de los restantes
evaluadores. Como bien podemos observar, la dicotomía planteada es
más teórica que práctica.

3.1.4.- Ciencia natural frente a social.

Esta es una dicotomía que muchos autores han esbozado. Tal

como sucede con las dicotomías anteriormente planteadas, ésta no
afecta exclusivamente a la evaluación, sino al conjunto de la psicología.
 En relación con nuestra disciplina, parece claro que se comporta
fundamentalmente como descriptiva-social, no ajena a una metodología
científico-natural. Esta afirmación parece requerir una explicación. Los
tests son una analogía a los reactivos experimentales del laboratorio.
Por otra parte, las necesidades sociales son responsables de una
apertura hacia elementos más contextuales, sociales, enfatizando los
elementos prácticos (frente a los teóricos) de la disciplina evaluativa.
Todo esto no supone un desinterés por la búsqueda de causas o
relaciones funcionales, pero alejada de motivaciones directamente
intervencionistas (como sucede en la evaluación conductual)
(Pelechano, 1980, 1988).
En cualquier caso, como hemos manifestado reiterativamente en
puntos anteriores, la evaluación no se puede permitir un fuerte control
experimental, no una consideración bivariada de la realidad. Esto
supondría el olvido de las influencias sociohistóricas y contextuales
que, siendo tan importantes, tanto nos ha costado admitir.

3.1.6.- Sintetización.

Concluimos este apartado, con las conclusiones de Peñate (1993,

1999) en torno al método o métodos de la evaluación psicológica.
1.- La evaluación se define mejor como un acercamiento
multimétodo. La existencia hipotética de un único método en el campo
del psicodiagnóstico, no podría explicar los conocimientos en el área, ni
cubriría suficientemente las funciones que a la evaluación se le
encomiendan.
2.- Las diferentes dicotomías descritas no funcionan como tales.
Los supuestos polos de cada dicotomía no son necesariamente
incompatibles entre sí. Se da igualmente una cierta semejanza, que no,
equivalencia, entre algunos métodos. Esto sucede con el nomotético y
correlacional y entre el clínico y el ideográfico.
3.- La evaluación utiliza cualquier procedimiento científico que le
permita obtener sus objetivos.
4.- Los métodos correlacionales y nomotéticos son especialmente
útiles en la evaluación de características estables. La estandarización de
los procedimientos diagnósticos y normativización amparan los
esfuerzos predictivos a la vez que la sitúan como una disciplina natural.
5.- Cuando los elementos a evaluar tienen un menor grado de
consolidación, son más situacionales o específicos; la evaluación con un
sentido claramente utilitario y pragmático recurre a técnicas ipsativas,
ideográficas y al análisis funcional.
6.- De todo lo anterior se concluye que la metodología diagnóstica
debería estar condicionada al grado de consolidación del
comportamiento o contexto. “Qué” y “para qué” evaluar, determina qué
metodología es más coherente utilizar.
 Resumiendo, la evaluación es básicamente correlacional, persigue
objetivos ideográficos, se inserta en una ciencia nomotética y se nutre
de sus conocimientos y alternativas metodológicas.

3.2.- Criterios de bondad de los tests y técnica de medida:

fiabilidad, validez y exactitud.

A la hora de seleccionar un instrumento de evaluación concreto,

una de las primeras cuestiones planteadas es si nos sirve para el fin
que le vamos a dar. Cuando hablamos de medida psicológica nos
remitimos casi indefectiblemente a aspectos no directamente
observables (a diferencia de las variables físicas) y en la mayoría de los
casos elementos que carecen de una base física o tangible. En tal caso
el establecimiento de estos dos “simples” criterios se complica
sobremanera. Aquí desarrollaremos con cierta amplitud estos tópicos
por la importancia que poseen, si bien nos limitaremos a la fiabilidad y
la validez en el contexto de la teoría clásica de test.

3.2.1.- Fiabilidad.

Casi de forma intuitiva, se puede decir que un instrumento es

fiable si al efectuar dos mediciones temporalmente distantes con un
mismo grupo de personas, los resultados de ambos pases de pruebas
son iguales o similares (suponiendo que las características de medida
no han sufrido cambios en ese intervalo temporal). La diferencia entre
una y otra medición se debería a errores de medida. La medida real
obtenida en cada momento refleja tanto ese error como la verdadera
magnitud de lo evaluado en el sujeto. Alternativamente, un instrumento
es fiable cuando nos permite detectar, o refleja, las diferencias
individuales existentes. En ambos casos implica que las puntuaciones
que arroja son similares a las que tienen los sujetos en los atributos
medidos (puntuación verdadera).
La fiabilidad conlleva implícita tres términos: error de medida,
puntuación observada y puntuación verdadera. Cuando hablamos de
fiabilidad, el error, desde una perspectiva psicométrica, se refiere al
error aleatorio, no sistemático, no sometido a control y
consecuentemente no predecible. Bajo esta perspectiva, los errores
sistemáticos que se excluyen en el estudio psicométrico de la fiabilidad
son cambios en el atributo medido como consecuencia (Martínez, 1983):
(i) del proceso madurativo del sujeto; (ii) de la intervención o
tratamiento; (iii) las alteraciones en las condiciones del pase de
pruebas; (iv) de las circunstancias personales cambiantes (por ejemplo
el nivel de fatiga en un test de rendimiento). En todos los casos los
errores se introducen por causas ajenas al instrumento de medida. La
teoría clásica de la fiabilidad, es la teoría del error aleatorio (Pelechano,
1988).
Normalmente se habla de fiabilidad, aunque parece que sería más
correcto hablar de fiabilidades ya que no existe una única fiabilidad,
sino diferentes procedimientos para su determinación, teniendo cada
una de ellas una sensibilidad distinta para apresar distintas fuentes de
error (Pelechano, 1988). Básicamente se distingue entre fiabilidad
entendida como consistencia interna, fiabilidad por estabilidad temporal
o test-retest y formas paralelas. En los gráficos siguientes presentamos
de forma esquemática y gráfica algunas características de los tipos de
fiabilidades.

Tipos de coeficientes de fiabilidad

(citada en Pelechano, 1988)
Fiabilidad Tipo (elementos de Estadístico
entendida como comparación) utilizado
Consistencia Homogeneidad (ítem total) Correlación
Interna Equivalencia o dos Spearman-Brown
mitades (escalas
paralelas)
Inter-ítems (ítem) Kuder-Richardson
o Alfa de
Cronbach
Test-Retest Estabilidad temporal Correlación
Fiabilidad interjueces Correlación o
Kappa
Equivalencia Correlación
transtemporal
3.2.1.1.- La fiabilidad como consistencia interna.

Este planteamiento parte de la base de que todos los ítems miden

lo mismo. Los coeficientes de consistencia interna nos informan de sí
esto es verdad o no. Existen tres procedimientos alternativos: el índice
de homogeneidad, el procedimiento de dos mitades o equivalencia y los
que se basan en las comparaciones inter-ítems.
El índice de homogeneidad es el grado de relación entre una parte
(un ítem) y el todo (la escala). Dado que el criterio es la puntuación
total, parece más correcto considerarlo como un indicador de
discriminación que de fiabilidad. Pelechano (1988) comenta que esta
interpretación como fiabilidad debe limitarse a escasas ocasiones, por
ejemplo en los cuestionarios de personalidad. Esta ambigüedad se debe
a que realmente el término homogeneidad se
En el caso de la fiabilidad entendida como equivalencia (o dos
mitades), la lógica es muy similar a la que rige para las escalas
paralelas o la fiabilidad test-retest. Si aplicamos una prueba y
distribuimos sus ítems en dos escalas, la relación entre ellas debería ser
elevada. En caso contrario, las escalas miden atributos diferentes. Sin
embargo, esta lógica presentó sus problemas. La fiabilidad puede ser
distinta para cada una de las posibles escalas paralelas diferentes, no
sabiendo cuál es el estimado más eficaz. Además, las escalas pueden
distar mucho de ser realmente paralelas.
Con independencia de estas consideraciones, al reducir el número
de ítems de la prueba (hacer dos escalas) disminuye su fiabilidad por lo
que más que la correlación es recomendable la formula de Spearman-
Brown.
Al igual que todos los procedimientos de consistencia interna, la
fiabilidad de dos mitades nos informa del grado de representatividad de
la muestra de ítems seleccionados.
El tercer procedimiento, que es el habitualmente más empleado,
se recoge en el Coeficiente Alfa de Cronbach o en la fórmula de Kuder-
Richardson, dependiendo de que se trate de respuestas con más de dos
opciones o respuestas dicotómicas, respectivamente.
Conceptualmente son una estimación de la proporción de
varianza que se puede atribuir a todos los factores comunes a todos los
ítems. Esta consideración habla por sí sola de homogeneidad y justifica
la práctica de sumar la puntuación de los ítems. Pese a esto,
normalmente se confunde unidimensionalidad con alta consistencia
interna. Esta confusión no se justifica si tenemos en cuenta que la
consistencia interna no dice nada sobre cómo se relacionan las
variables entre sí, simplemente informan sobre el grado de relación, no
de su estructura.
Si relacionamos este índice con el anterior, sus ventajas son
claras. Frente al inconveniente de múltiples escalas paralelas y
fiabilidades, alfa aporta una única estimación equivalente a la fiabilidad
media que obtendríamos de dividir el test en todas sus posibles dos
mitades. Además, al basarse en un análisis inter-ítem informa tanto de
la homogeneidad como de la equivalencia. Las virtudes de este
procedimiento explican que se haya convertido en un control de calidad
cada vez más utilizado y cada vez menos cuestionado. Las críticas
recibidas, más parecen fruto de malas interpretaciones y usos que por
sus propiedades intrínsecas.
Teóricamente el valor del alfa de Cronbach depende también: (i)
de la homogeneidad de la muestra (muestras muy homogéneas
favorecen coeficientes de fiabilidad bajos); (ii) del número de ítems (a
mayor número de ítems, mayor valor de alfa); (iii) de la cuantía de las
correlaciones (a mayor cuantía, mayor fiabilidad) y (iv) del nivel de
consolidación de la conducta.
Hagamos una última reflexión con respecto a la fiabilidad
entendida como consistencia interna. Cuando nos referimos a
consistencia interna, la noción de validez cobra realidad, como si entre
ambas existieran relaciones estrechas. Por ejemplo, anteriormente
citamos el coeficiente de discriminación relacionándolo con la
homogeneidad. El coeficiente de discriminación es un criterio de validez,
de hecho nos indica en qué medida el ítem en cuestión es válido para
evaluar lo que evalúan los restantes.
No debemos terminar sin recordar que la consistencia interna
tiene sentido si, y sólo si, se supone covariación entre los elementos de
una prueba, o si una vez encontrada una alta fiabilidad la covariación
empírica tiene sentido.

3.2.1.2.- La fiabilidad por estabilidad: la fiabilidad test-retest.

La fiabilidad test-retest parte de un supuesto simple: la

estabilidad de la conducta. Asumiendo esta premisa, dos mediciones
repetidas con un mismo instrumento deben arrojar puntuaciones
similares. Se parte por tanto del concepto de estabilidad de la medida.
Esta visión es simplista pero útil cuando se cumplen los supuestos de
partida: la reiterada estabilidad comportamental. Sin embargo, no
dejamos de recordar que la psicometría y su teoría clásica de la
fiabilidad tratan del control del error aleatorio.
Pelechano (1988) incluye dentro de la fiabilidad test-retest, la
fiabilidad de los jueces calificadores o fiabilidad interjueces. Bakeman y
Guttman (1986) hablan de entenderlas como pruebas paralelas,
entendidas no exactamente como tales, sino como pruebas
equivalentes, dado que la información que nos facilitan representa el
grado de concordancia o equivalencia de los informadores. Que dos
jueces califiquen simultáneamente la conducta del sujeto (se requiere
“un solo pase de pruebas”) o que ambos calificadores pasen la misma
prueba a la misma persona, sin apenas intervalo temporal (“dos pases
de pruebas”). Esta segunda opción, en la actualidad se presenta como
sin sentido o al menos es problemática. Podemos encontrar cambios en
la conducta de la persona evaluada (motivadas por la fatiga,
motivaciones...) con variaciones en el procedimiento de administración,
variables propias del calificador, o variables de relación sujeto-
evaluador que dificulten la comparación entre ambos calificadores.
Salvo en casos muy justificados, parece más conveniente recurrir a
técnicas de grabación.
Si lo que hacemos es plantearnos la fiabilidad test-retest
entendida como estabilidad temporal, también encontramos problemas.
Desde la visión conductual, pero no exclusivamente desde ella, se ha
criticado esta forma de entender la fiabilidad ya que no parte del
supuesto de la estabilidad, sino de la especificidad. Sobre este punto,
Pelechano en su modelo deja claro que hay diferentes grados de
consolidación-estabilidad de la conducta.
Los coeficientes de estabilidad no prejuzgan la fiabilidad,
simplemente la cuantifican. En esta línea, una baja fiabilidad test-retest
no implica un instrumento no fiable sino que junto a esta alternativa
existe la posibilidad de que evaluemos una conducta inestable. Silva
(1989) plantea que es preciso diferenciar entre la estabilidad como
propiedad del instrumento de medida y estabilidad como propiedad de
la conducta. Por tanto, la puntuación más fiable no será la más
consistente y estable, sino la que refleje la consistencia y estabilidad
comportamental. Los distintos autores coinciden en que es necesario
comprobar que la baja fiabilidad test-retest se debe en efecto a la
inestabilidad conductual. Recomiendan una evaluación multimétodo
como una forma de separar la varianza error de la real y sugieren para
ello combinar procedimientos de fiabilidad test-retest con los de validez
criterial.

3.2.1.3.- Formas paralelas.

La similitud entre las formas paralelas y la fiabilidad test-retest es

evidente. Básicamente, el procedimiento, la lógica de análisis y los
requisitos de una y otra vía son la misma. Sus inconvenientes parecen
superar con mucho las ventajas de la administración de pruebas
paralelas. El propio concepto de pruebas paralelas es, en sentido
estricto, muy restrictivo, por lo que su aplicabilidad práctica es bastante
reducida. Este mismo requerimiento es el que diferenciaría a las formas
paralelas de la test-retest.
La equivalencia temporal reúne los problemas achacables a la
test-retest (estabilidad temporal) y a los propios de las pruebas
paralelas. Sin embargo, la conveniencia de disponer de este tipo de
pruebas es especialmente importante para la evaluación conductual,
donde la medición reiterada de las variables de interés es práctica
común. En el trabajo de Ahava, Iannove, Grebstein y Schirling (1998),
se recogen muy bien los problemas que se plantean por la medición
reiterada y la ausencia de pruebas paralelas. En este trabajo se observó
la disminución del 40% en la puntuación del BDI cuando se aplicó
semanalmente durante ocho semanas, en una muestra de estudiantes,
sin trastorno depresivo y sin que mediara intervención alguna. Este
resultado puede replicarse y generalizarse a otras pruebas, la validez de
éstas para medir el cambio es cuestionable.

En resumen, existen distintos procedimientos para determinar la

fiabilidad de una prueba. La correcta selección e interpretación de la
más adecuada para cada caso no es una cuestión anodina, tampoco lo
es obviar los supuestos subyacentes a cada uno de ellos. La utilidad de
una prueba no es en absoluto independiente del grado de error que
conlleva, pero no es admisible emplear una prueba de la cual no
conocemos la magnitud del error.
3.2.2.- Validez

El concepto de validez, pese a su importancia y su difusión, no es,

ni mucho menos, fácil de definir. En la literatura al respecto podemos
encontrar hasta ¡más de 40! denominaciones de distintos tipos de
validez (Brown, 1972). En los últimos 40 años la definición ha
experimentado múltiples e importantes cambios (Angoff, 1988). Como
producto de esta polémica Nunnally (1973) considera que la validez
tiene un significado excesivo y demanda una distinción clara de sus
significados. Poco después, Cronbach (1972) denuncia esta situación
con un trabajo al que titula de forma significativa: “La validez libertad
condicional”. En opinión de Cattell (1965) buena parte de la
responsabilidad de esta situación la tiene la APA (donde el presidente de
la comisión era Cronbach y también participaba Meehl), al fijar
demasiado pronto el concepto y sus “tipos”. Recuerda que la primera
versión que data de 1954, se basó más en el juicio de expertos y el
consenso que en un esquema teórico coherente.
Intentando tener una visión de conjunto adecuada del concepto
de validez, y apoyándonos en el trabajo de Morales (1988), realizaremos
una breve revisión histórica a la evolución del propio concepto. Tras
esta perspectiva, nos ocuparemos de los diferentes “tipos” de validez.

3.2.2.2.- Tipos clásicos de validez.

3.2.2.2.1.- Validez de contenido.

Se refiere al grado en que el contenido de un test supone una

muestra relevante y representativa de los elementos de un dominio o
constructo a evaluar. Esta definición según Martínez (1983) ha
cambiado en función del paradigma dominante en psicología. Así, por
ejemplo, la definición del APA en 1985 era: “por validez se entiende el
grado en que los procesos empleados por los sujetos para llegar a la
respuesta son típicos de los procesos subyacentes a las respuestas del
dominio”.
Si nos referimos al uso, la validez de contenido ha sido
especialmente importante en las pruebas racionales, en las de
rendimiento y en las conductuales. Pero este tipo de validez no está
exento de presentar problemas:
(i) No existe un dominio o constructo universalmente aceptado, lo
que supone una implicación grave para el requisito de representatividad
y el de relevancia. Por lo que se refiere a la representatividad, si el
universo no está claro, siempre será una cuestión abierta. Con respecto
a la relevancia, es difícil llevar a cabo una selección ponderada de las
características esenciales del universo de interés. Por esto hay que tener
presente el uso que se le va a dar para seleccionar-ponderar los
indicadores. En todo caso es preciso un análisis de las dimensiones,
facetas y objetos básicos.
(ii) No hay un consenso en considerar la validez de contenido
como tal. Lo que se valida a partir de procedimientos de juicios de
expertos es la representatividad-relevancia de los contenidos. Lo que es
lo mismo, no es correcto considerar el contenido de los ítems como
elemento único o de las interpretaciones o significados (Morales, 1988).
(iii) La validez de contenido de una prueba es sensible a los
cambios conceptuales en el significado del constructo.
(iv) Por último, dado que constructo y contenido son elementos
muy relacionados, resulta difícil separar la validación de contenido de la
de constructo.

3.2.2.2.2.- Validez criterial.

Hablaremos aquí indistintamente de validez concurrente y validez

predictiva puesto que procedimentalmente ambas son similares. Se
recurre a la contrastación de la covariación entre dos variables, siendo
una de ellas el criterio y otra la variable objeto de estudio. La validez
criterial puede definirse como: “el grado en que las puntuaciones en
una variable, usualmente un predictor, pueden utilizarse para inferir el
rendimiento en una variable diferente y operacionalmente
independiente llamada criterio” (Guión, 1974, citado en Silva, 1989,
pag.288).
Realicemos dos comentarios acerca de la indistinción entre
validez concurrente y validez predictiva. En primer lugar, el término
“predicción” tal y como es usado en esta definición debe entenderse en
su sentido metodológico, o sea, covariación. Se refiere, por tanto, a
predicción, paradicción o postdicción (Silva, 1989). La APA (1985, 1988)
para evitar la confusión que el concepto “predicción” implica, distingue
entre validez predictiva y validez concurrente. La diferencia
fundamental, no procedimental, entre una y otra reside en cuál es el
uso que le vamos a dar. En relación con cuestiones diagnósticas o la
conducta actual, la evidencia concurrente es la deseable, en tanto que
si la inferencia es predictiva, la validez predictiva es la alternativa a
elegir. También debemos tener en cuenta que si bien
procedimentalmente son similares, no justifica el uso de evidencias de
validez concurrente para fines predictivos o postdictivos (Nunnally y
Bernstein, 1994; Pelechano, 1988).
 Este tipo de consideraciones sirve para hacer notar la necesidad
de que las evidencias criteriales tengan una base teórica sólida. Si son
fruto de un empirismo ciego, sin ningún soporte teórico, su capacidad
de generalización es cuestionable pudiendo desvanecerse en nuevas
condiciones (Anastasi, 1967). Esta reflexión sitúa de nuevo a la validez
criterial como un elemento más de validez de constructo y la enriquece.
Siguiendo el planteamiento de Pelechano (1988) y a modo de
conclusión, comentaremos brevemente los tipos de diseño y algunos
problemas relacionados con la validez criterial. Con respecto a la validez
concurrente se utilizan: grupos criterio, criterio de experto,
correlaciones con otros tests y rendimiento académico. En referencia
con los problemas podemos citar: sesgos en el criterio, empleo de
criterios únicos o múltiples, ausencia de validación de constructo de los
criterios, comportamiento diferencial del criterio frente a ciertos
grupos, y problemas en la estimación de los coeficientes de validez (falta
de fiabilidad del predictor y el criterio, restricciones en el rango,
dicotomización en el criterio, predictor o ambos).

3.2.2.2.3.- Validación de constructo.

Partimos de la idea de que el constructo es un concepto

unificador, ya que este concepto y su validez ha estado presente en todo
momento. Pero para su exposición optaremos por dos planteamientos.
Uno sintetizador, recurriendo a las conclusiones del profesor Silva
(1989) y otro más critico planteado por el profesor Pelechano (1988),
donde se cuestiona el reduccionismo implícito en el concepto de validez
de constructo. Esta dualidad no será un obstáculo para presentar
algunos aspectos ajenos a los autores anteriormente citados,
especialmente cuando hablamos de los métodos en la validez de
constructo. Como punto de partida, comencemos por definir lo que es
un constructo. Según Cronbach y Meehl (1955, citado por Pelechano,
1988), las características de un constructo psicológico son:
(i) Se trata de un atributo hipotetizado que se refleja en las
puntuaciones de un test que, supuestamente, lo evalúa.
(ii) Tiene propiedades predictivas y operacionales. Tiene en
consecuencia poder directivo sobre la conducta.
(iii) Su significación última se sitúa en la red de relaciones que
establece con otros conceptos científicos.
Partiendo de estos y otros principios nos remitimos a los
planteamientos de Silva (1989, pag.165 y 166):
(i) “El constructo es un sinónimo de concepto científico y validez
de constructo, de validez conceptual o grado de adecuación de las
inferencias conductuales o teóricas que se hacen a partir de los datos
de evaluación”. Esta posición no supone una reificación.
 (ii) “Los constructos no deben ser considerados como algo
estático”. El propio proceso de interpretación-desarrollo desmiente esta
postura. El mismo constructo puede conceptualizarse como un proceso,
pese a la relación que mantiene con determinadas técnicas de análisis
(por ejemplo, el análisis factorial).
(iii) “Los constructos aparecen relacionados generalmente de
forma probabilística con indicadores observables y con otros
constructos constituyendo “redes nomológicas”. Es ahí donde un
constructo toma significado y utilidad práctica y conceptual. Sin dicha
red, el constructo es un elemento muerto o por gestar.
(iv) Una forma de explorar esta red es a través de la propuesta de
Campbell y Fiske (1959). Refiriéndonos a la determinación de la validez
convergente y discriminante a través de las matrices multirasgo-
multimétodo.
(v) “Toda validación de constructo se refiere tanto al concepto
como al método implicado. Es conveniente que un constructo sea
medido por más de un instrumento de evaluación”.
(vi) “El estatus de los constructos en el sistema científico puede
resumirse de la siguiente manera: 1.- tanto los constructos, como la
validez de constructo, están ineludiblemente ligados a la evidencia
empírica. 2.- Un constructo no se reduce a sus referentes empíricos;
conserva siempre un “excedente” de significación. 3.- El constructo
posee un estatus fundamentalmente epistemológico. Es un medio de
conocimiento: no está “detrás” de la conducta sino “delante” de ella,
entre la conducta y el científico que la estudia. 4.- Los constructos no
se proponen sólo con fines especulativos, sino para potenciar la
predicción. 5.- El valor de un constructo se juzga por su utilidad”.
(vii) La validez de constructo engloba y unifica a la criterial y de
contenido. La validez de constructo y la validez de contenido se
confunden.
(viii) “No existe límite alguno en cuanto a las estrategias,
procedimientos o instrumentos potencialmente útiles en una validez de
constructo”.
(ix) El proceso de validez de constructo es un proceso infinito que
no se expresa a través de un único coeficiente de validez. Supone una
acumulación de evidencia.
(x) “La validez de constructo consiste esencialmente en la
aplicación del proceso de formulación y contrastación de hipótesis
científicas al campo de la evaluación psicológica. No es, sin embargo,
conveniente exigirle el grado de formalización que se exige en ciencias
más desarrolladas o a la investigación básica no presionada por
requerimientos prácticos”.
Pelechano (1988, pag.257), por el contrario, no se muestra de
acuerdo con que se “haya intentado reducir todo el modelo testológico
clásico a validez de constructo y a ésta a la multiplicidad de tareas que
cumple la ciencia”. En su opinión supone un reduccionismo
metodológico y conceptual. Significa un abandono de la metodología
deductiva a favor de la deductiva-experimental. La validez de constructo
sirve fundamentalmente para atribuir significado a los rasgos, procesos
o dimensiones psicológicas. Además, el reduccionismo conceptual lo
encontramos cuando equipara constructo a rasgos, estos a su acepción
más tradicional, para acabar asumiendo la psicología como estudio de
los rasgos. Este reduccionismo parece insostenible.

3.2.2.3.- Otras consideraciones y limitaciones acerca de la validez.

Sintetizando con respecto al concepto de validez, Silva (1989)

concluye:
1.- El concepto actual de validez es fiel a su concepción
tradicional: expresa aquello que pretende medir.
2.- Se refiere a las inferencias que hacemos de las puntuaciones
de un instrumento en relación con las circunstancias en que se han
obtenido.
3.- Se validan las interpretaciones, no el instrumento.
4.- No se puede reducir a un valor numérico o a un coeficiente. Se
trata de una estimación inferida de un conjunto amplio de datos.
5.- La validación es un proceso infinito. Todo dato, procedimiento
o información aporta significación. El proceso de validación se identifica
con el proceso de construcción y depuración de hipótesis.

3.3.- Teoría de la generalizabilidad.

Esta teoría de Cronbach, Gleser, Nanda y Rajaratman (1972)

representa una nueva concepción en la naturaleza de la medida, que
supone un cambio en las formas tradicionales de entender los
problemas acerca de la fiabilidad y la validez.
La teoría de la generalizabilidad prescinde del concepto de
puntuación verdadera para sustituirlo por el de puntuación universo.
Exactamente lo mismo ocurre con el concepto de pruebas paralelas,
introduciéndose escalas aleatoriamente paralelas. Estos supuestos son
menos restrictivos que los de Spearman y permiten articular un modelo
en el que fiabilidad y validez se conceptualizan en función del grado en
que las puntuaciones obtenidas en un instrumento de medida pueden
generalizarse a distintos ámbitos o universos de generalización. Se
propone la ordenación de los diferentes tipos de fiabilidad y validez en
un continuo de generalizabilidad. En palabras de Fiske (1973, citado
por Silva, 1989, pag.172): “la fiabilidad se refiere a la generalización
más allá del test, hacia un criterio concreto o hacia un constructo”.
La cuestión básica según la teoría de la generalizabilidad, no es si una
prueba es o no fiable o válida, sino hasta qué punto las puntuaciones
obtenidas pueden generalizarse a otras observaciones o universos.
Cronbach y cols. (1972) resumen los universos de generalización
en dos:
1.- Universo de personas. Refiriéndose a la generalización de la
muestra a la población.
2.- Universo de condiciones. Se hace mención a un amplio
repertorio de condiciones tales como los ítems del test, las distintas
formas de éste, los diferentes estímulos, observadores, situaciones, etc.
Cada una de estas condiciones nos remitirá a universos de
generalización distintos.
Pero además de esta conceptualización original, también parece
importante recoger el planteamiento de Cone (1976), que propone seis
universos posibles para efectuar la generalización:
1.- Universo de generalización de las puntuaciones. Se refiere a la
pregunta: ¿en qué grado los datos obtenidos por un observador son
generalizables a los obtenidos por otros?. Parece obvio su relación con
la teoría de la fiabilidad interjueces.
2.- Universo de generalización de los elementos. Indica en qué
medida los ítems de un instrumento son una muestra representativa
del universo de interés. Se relaciona con la validez de contenido y la
consistencia interna.
3.- Universo de generalización temporal. ¿Cuál es el grado en que
los datos obtenidos en un momento determinado son inferibles a otros
momentos?. Su equivalente sería la fiabilidad test-retest.
4.- El universo de generalización situacional hace referencia a sí
las puntuaciones obtenidas en una situación son generalizables a otras
distintas ajenas a aquellas en las que fueron obtenidas. Nos
enfrentamos a la validez ecológica.
5.- Universo de generalización de los métodos. Se refiere al grado
en que las puntuaciones obtenidas con un método de evaluación, son
generalizables a las obtenidas con otros que evalúan el mismo
contenido. Su análogo en la teoría de las pruebas paralelas sería la
validez convergente.
6.- El universo de generalización de las dimensiones está
relacionado con la validez de constructo. Específicamente nos remite a
en qué medida las estimaciones de una conducta son generalizables a
otras conductas.
Partiendo del planteamiento anterior parece que no existe un
universo de generalización ideal, sino que éste depende del investigador
que debe decidir cual es el adecuado en función de sus objetivos
concretos.
 El recurso estadístico que casi invariablemente utiliza este modelo
es el análisis de varianza y además en esta aproximación se distinguen
dos tipos de estudios diferentes (Martínez, 1983):
1.- Estudios G o de generalizabilidad. Pretenden analizar las
características del instrumento o condiciones de medición con las
fuentes de variabilidad de interés que pueden incidir sobre el proceso de
medida. Es adecuado en las fases de elaboración de la instrumentación.
2.- Estudios D o de decisión, cuya finalidad es la recogida de
datos para la toma de decisiones basadas en los datos del instrumento
de medida. Estos estudios utilizan las informaciones de los estudios G
para diseñar la mejor aplicación posible del instrumento de medida
para un fin determinado. Los estudios G permiten, en este caso,
determinar qué fuentes de variación controlar (atendiendo a su
magnitud y significado), lo que se traduciría en un aumento de la
fiabilidad.
La aplicación de esta teoría a la evaluación conductual (así como
a los tests orientados al criterio) es importante si tenemos en cuenta el
énfasis de ambos acercamientos en la validez de contenido.
Por lo demás, la conceptualización de la fiabilidad y la validez
dentro de un continuo de generalizabilidad afecta directamente a la
evaluación tradicional, la conductual y la criterial.

Referencias Bibliográficas

 Ahava, Iannove, Grebstein y Schirling (1998). Is the BDI reliable

over time? An evaluation of multiple test-retest reliability in
nonclinical college student sample. Journal of Personality
Assessment, 70(2), 222-231.
 Angoff, W.H. (1988). Validity: an envolving concept. En H. Waimer
y H. Braun (eds.): Test validity. Hillsdate, Nueva York: Lawrence
Erlbaum.
 APA (1985). Standards for Educational and Psychological Tests.
Washington D.C.: APA.
 APA (1988). Standards for educational and psychological tests.
Washington D.C.: APA.
 Arnau, J. (1997). Model general d’investigació psicológica.
Barcelona: Universitat Oberta de Catalunya.
 Avero, P. (2000). Tratamientos psicológicos: técnicas cognitivo-
conductuales. Proyecto Docente de Titularidad no publicado.
Universidad de La Laguna (La Laguna).
 Baker, F.B. (1989). Computer technology in test construction and
processing. En R.L. Linn (Ed.): Educational measurement (3ªed.).
New York: American Council on Education/McMillan.
 Buela-Casal, G. (1997). Método científico y evaluación psicológica.
En G. Buela-Casal y J.C. Sierra (Eds.): Manual de evaluación
psicológica. Fundamentos, técnicas y aplicaciones. Madrid: Siglo
XXI.
 Campbell, D. y Fiske, D. (1959). Convergent and discriminant
validation by the multitrait-multimethod matrix. Psychological
Bulletin, 56, 81-105.
 Campbell, D. y Stanley, D. (1966). Experimental and
Quasiexperimental designs for research. Chicago: Rand McNally.
 Cattell, R.B. (1965). The scientific analysis of personality.
Baltimore: Md. Penguin.
 Cone, J.D. (1976). Multitrait-multimethod matrices in behavioral
assessment. American Psychological Association.
 Cook, T.D. y Reichard, C.S. (1986). Métodos cuantitativos y
cualitativos en investigación evaluativa. Madrid: Morata.
 Cronbach, L.J. (1957). The two disciplines of scientific
psychology. American Psychology, 12, 584-671.
 Cronbach, L.J. (1972). Fundamentos de la exploración psicológica.
Madrid: Biblioteca Nueva.
 Cronbach, L.J. (1985). Fundamentos de la exploración psicológica
(3ª ed.). Madrid: Biblioteca Nueva.
 Cronbach, l.J. y Meehl, P. (1955). Construct validity in
psichological tests. Psychological Bulletin, 52, 281-302.
 Cronbach, L.J., Gleser, G., Nanda, H. y Rajaratnam, N. (1972).
The dependability of behavioral measurement: Theory of
generalizability of scores and profiles. Nueva York: Wiley.
 Del Barrio, M.V. (1992). Evaluación de las características
psicopatológicas. En R. Fernández-Ballesteros (Ed.): Introducción
a la evaluación psicológica. Tomo II. Madrid: Pirámide.
 Fernández-Ballesteros, R. (1980). Psicodiagnóstico. Concepto y
metodología. Madrid: Cincel-Kapelusz.
 Fernández-Ballesteros, R. (1983). Psicodiagnóstico. Madrid:
UNED.
 Fernández-Ballesteros, R. (1992). Introducción a la evaluación
psicológica (vol I y II). Madrid: Pirámide.
 Martínez, A. (1983). Principios psicométricos en evaluación
conductual. En R. Fernández-Ballesteros y J.A.I. Carrobles (eds.):
Evaluación conductual. Madrid: Pirámide.
 Morales, P. (1988). Medición de aptitudes en psicología y
educación. Navarra.
 Nunnally, J.C. (1973). Introducción a la medición en Psicología.
Buenos Aires: Paidós.
 Nunnally, J.C. y Bernstein, I.H. (1994). Psychometric theory
(3ªed.). New York: McGraw-Hill.
 Pelechano, V. (1980). Terapia familiar comunitaria. Madrid: UNED.
 Pelechano, V. (1982). Una nota sobre interacción: Cronbach a
través del espejo. En J. Seoane (Ed.): Teoría y método en
psicología experimental. Valencia: Alfaplus.
 Pelechano, V. (1988). Del psicodiagnóstico clásico al análisis
ecopsicológico (vols. I y II). Valencia: Alfaplus.
 Peñate, W. (1993). Memoria de oposición a titularidad. Sin
publicar. Universidad de La Laguna. Tenerife.
 Peñate, W. (1999). Memoria de oposición a cátedra. Sin publicar.
Universidad de La Laguna. Tenerife.
 Pereda, S. (1987). Psicología experimental I. Metodología. Madrid:
Pirámide.
 Pervin, L.A. (1978). Personalidad. Bilbao: Desclée ded Brouwer.
 Pervin, L.A. (1979). Personalidad. Teoría, diagnóstico e
investigación. Bilbao: Desclée de Brouwer.
 Silva, F. (1982).Introducción al psicodiagnóstico. Valencia:
Promolibro.
 Silva, F. (1989). Evaluación conductual y criterios psicométricos.
Madrid: Pirámide.