Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Orientación.
Introducimos la definición, dentro de la Teoría Clásica de los Tests, del coeficiente
de fiabilidad, haciendo mención de los distintos factores que pueden influir en su
cuantía como pueden ser la longitud del test y las características de la muestra a la que
se aplica, y explicando la necesidad de establecer procedimientos empíricos que nos
permitan estimarlo: el método de fas formas paralelas, el método test-retest y los
métodos basados en fa consistencia interna del test; indicando cómo se deben
interpretar los coeficientes obtenidos. A continuación, se presentan tres
procedimientos que permitirán estimar el nivel real del sujeto en el rasgo o
característica que mide el test (su puntuación verdadera).
Al estudiar el tema se recomienda que los alumnos hagan hincapié en los siguientes
puntos básicos:
Conocer los supuestos básicos del modelo lineal de Spearman, así como las
deducciones que se puedan hacer a partir de esos supuestos.
Tener muy claros los conceptos de error de medida y fiabilidad.
Saber diferenciar los distintos tipos de error de medida.
Conocer la influencia que pueden tener en el coeficiente de fiabilidad factores
como la longitud del test y la variabilidad de la muestra de sujetos a los que se
aplica.
Conocer los procedimientos empíricos para estimar el coeficiente de fiabilidad.
Diferenciar entre la fiabilidad como estabilidad temporal de las puntuaciones
obtenidas en el test y como consistencia interna de los ítems del test.
Diferenciar entre los distintos procedimientos para estimar la puntuación
verdadera de un sujeto en un test.
De donde se deduce que la covarianza entre las puntuaciones empíricas obtenidas por
una muestra de sujetos en las dos aplicaciones de un test es igual a la varianza de las
puntuaciones verdaderas, dado que al ser el mismo test el que se aplica en dos
ocasiones distintas la puntuación verdadera es la misma y la covarianza de una
variable consigo misma es igual a la varianza.
4. TESTS PARALELOS. CONDICIONES DE PARALELISMO.
Si a una misma muestra de sujetos se le aplican dos tests, X y X', podemos considerar
que son paralelos si, además de cumplirse los supuestos anteriores, se cumplen las dos
condiciones siguientes:
1. Las puntuaciones verdaderas de los sujetos son iguales en ambos tests.
Según el modelo lineal podemos establecer:
X=V+E
X' = V + E'
2. La varianza de los errores de medida es la misma en ambos tests:
Se2=Se´2
De las condiciones de paralelismo enunciadas podemos sacar una serie de deducciones
importantes dentro del modelo clásico.
EJEMPLO:
Calcular el coeficiente de fiabilidad de un test de razonamiento abstracto, sabiendo
que la varianza verdadera de dicho test es el 80% de su varianza empírica.
rxx´=Sv2/Sx2=0,80·Sx2/Sx2=0,80
es decir, el 80% de la varianza de las puntuaciones empíricas es verdadera medida del
rasgo.
Donde:
Rxx=coeficiente de fiabilidad del test alargado o acortado.
rxx=coeficiente de fiabilidad del test inicial.
n=número de veces que se ha alargado o acortado el test.
n=EF/EI siendo EF el número de elementos finales del test y EI el número de elementos
iniciales del test.
EJEMPLO:
Supongamos, que se aplica un test de percepción visual compuesto por 50 ítems a una
muestra de sujetos y se obtiene un coeficiente de fiabilidad de 0,60. Veamos lo que
sucede al incrementar n veces la longitud del test:
Para n=2 2·0,60/1+0,60=0,75
Para n=3 1,80/11+1,20=0,82 Diferencia 0.07
Para n=4 4·0,60/1+1,80=0,86 Diferencia 0,04
Para n=5 5·0,60/1+2,40=0,88 Diferencia 0,02
Como se puede apreciar en el gráfico 4.1, a medida que aumenta el número de ítems
paralelos aumenta el coeficiente de fiabilidad del test, aunque no de una manera
proporcional. Se puede observar que a partir de un determinado valor de n no se
producen incrementos significativos en la fiabilidad del test. Como consecuencia de
esto nos podemos preguntar: ¿cuánto habría que alargar o acortar un test para
obtener un determinado coeficiente de fiabilidad? y, en segundo lugar, ¿hasta qué
punto es razonable dicho aumento?
Supongamos que con los datos del ejemplo anterior queremos aumentar la fiabilidad
del test hasta obtener un valor de r=0,93. Aplicando la expresión anterior tenemos:
lo que implicaría añadir 400 ítems al test original. Obviamente, añadir al test 400 ítems
no parece una solución razonable al problema y debemos plantearnos otras
alternativas como, por ejemplo, revisar el objetivo para el que se construye el test,
mejorar los ítems y analizar cuál es el valor de precisión aceptable para dicho objetivo
(si se hubiera tomado el valor exacto de 8,85 habría que haber añadido 392,5 ítems es
decir 393, lo cual tampoco sería una solución razonable).
En ocasiones puede que estemos interesados en saber si es posible reducir el número
de ítems de un test y que el nuevo coeficiente de fiabilidad sea lo suficientemente
aceptable como para no perder demasiada información respecto al atributo objeto de
estudio. Esta situación se da cuando consideramos el número de ítems excesivo.
Supongamos, por ejemplo, un test compuesto de 100 ítems y un coeficiente de
fiabilidad de 0,85 (rxx)· Supongamos que para nuestros objetivos un coeficiente
de fiabilidad de 0,75 (Rxx) es admisible. La pregunta que nos formularíamos sería
cuántos elementos debemos eliminar del test original para obtener ese coeficiente de
fiabilidad. En este caso:
EF=n·EI=0,52X100=52
luego tendríamos que eliminar 1 00 - 52 = 48 ítems.
donde: X1 y X2 corresponden a las puntuaciones obtenidas por los sujetos en cada una
de las formas aplicadas. El coeficiente de fiabilidad así obtenido recibe también él
nombre de coeficiente de equivalencia, haciendo, referencia al grado en que ambas
formas son equivalentes. El método de las formas paralelas presenta la ventaja de que,
si ambas formas son aplicadas en el mismo momento se tiene un mayor control de las
condiciones en que los sujetos realizan las pruebas. Este método presenta el
inconveniente de la dificultad que supone la construcción de dos formas que sean
paralelas.
donde: X1 y X2 corresponden, en este caso, a las puntuaciones obtenidas por los sujetos
en cada una de las aplicaciones del mismo test.
Como se puede apreciar, el cálculo es idéntico al método de las formas paralelas
siendo la única diferencia que en lugar de aplicar dos formas se emplea la misma en
dos momentos distintos.
Este método presenta la ventaja de que no se requieren dos o más formas distintas del
mismo test. Con el método test-retest, es el mismo test el que aplicaremos en distintas
ocasiones. En el caso de que se pretendan medir rasgos que pueden cambiar en el
tiempo hay que extremar las precauciones si tenemos la pretensión de emplear este
método ya que se pueden encontrar diferencias en las puntuaciones obtenidas en las
dos aplicaciones y no significar falta de estabilidad sino que si realmente los sujetos
han variado en el rasgo que se está midiendo, las diferencias pongan de manifiesto ese
cambio.
EJEMPLO:
Hemos aplicado un test de aptitud numérica compuesto de 20 ítems a una muestra de
6 sujetos. Los resultados que se presentan a continuación corresponden a las
puntuaciones que dichos sujetos obtuvieron en los ítems pares (X1) e impares (X2).
Calcular el coeficiente de fiabilidad suponiendo que las dos mitades del test sean
paralelas.
El coeficiente de fiabilidad de cada una de las mitades es 0,35 pero el del test total es
0,52. Se trata de un coeficiente medio ya que el valor máximo es la unidad. Hemos
asumido que las dos mitades son paralelas dado que se trata de un ejemplo, no
obstante, para aplicar este procedimiento de forma estricta habría que haber hecho
previamente la comprobación analizando, por ejemplo, la igualdad de las medias de
ambas mitades y la igualdad de los errores típicos de medida.
9.1.2. Rulon.
La fórmula de Rulon (1939) para la estimación de la fiabilidad de un test según el
método de dos mitades se utiliza cuando, aún no siendo las dos mitades definidas
estrictamente paralelas, podemos considerarlas -r-equivalentes (tau-equivalentes) o
esencialmente -r-equivalentes. Lord y Novick (1968) definen los tests -r-equivalentes
como aquellos en los que las puntuaciones verdaderas de los sujetos de una muestra
son iguales en ambas formas, pero las varianzas de error no tienen porqué ser iguales,
y definen los tests esencialmente (-r) tau-equivalentes como aquellos en los que la
puntuación verdadera de cada sujeto en uno de los tests es igual a la del otro más una
constante. Tanto en una situación como en otra se asume el cumplimiento del
supuesto de igualdad de las varianzas verdaderas de ambas mitades. Calculados los
valores de las puntuaciones en los ítems pares e impares, se calcula la diferencia entre
ellas y, a continuación, su varianza (varianza de la diferencia entre las puntuaciones).
donde:
d= diferencias entre las puntuaciones de los elementos pares e impares de cada uno
de los sujetos.
Sd2 = Sp-i2= varianza de la diferencia entre las puntuaciones pares e impares.
Sx2= varianza de las puntuaciones empíricas de los sujetos.
EJEMPLO:
Hemos aplicado un test de fluidez verbal compuesto de 6 ítems a 6 sujetos. A
continuación, se presentan las puntuaciones empíricas obtenidas por los sujetos en el
test total, así como las obtenidas en los elementos pares e impares. Calcular el
coeficiente de fiabilidad del test.
donde:
Sp2 y Si2= varianzas de las puntuaciones en los ítems pares e impares.
Sx2= varianza empírica del test total.
Tanto la ecuación de Rulon como la ecuación de Guttman-Flanagan proporcionan el
mismo valor de la fiabilidad por ser expresiones equivalentes.
EJEMPLO:
Con los datos del ejercicio anterior, calcular el coeficiente de fiabilidad utilizando la
fórmula de Guttman-Flanagan.
Sp2=32+12+32+12+12+22/6-(1,83)2=4,16-3,35=0,81
Si2=12+02+32+12+22+32/6-(1,67)2=4-2,79=1,21
Rxx=2(1-0,81+1,21/2,92) =0,61
como se puede ver el resultado es igual que el obtenido por la fórmula de Rulon.
EJEMPLO 1:
Hemos aplicado un test de percepción visual a una muestra de seis sujetos. En la tabla
adjunta se presentan las puntuaciones que los sujetos obtuvieron en cada uno de los
cinco ítems que forman el test. Se desea saber valor del coeficiente fiabilidad del test.
Media X 17+15+14+7+6+3/6=10,33
Ejemplo 2
Siendo la covarianza medía entre todos los elementos de un test igual a 0,25, averiguar
el coeficiente de fiabilidad del test sabiendo que está compuesto por 10 ítems y que la
varianza empírica es igual a 40 puntos. Para resolver el problema hay que partir de que
la varianza de una variable compuesta, suma de otras variables, es igual a la suma de
las varianzas de todas las variables más la de las covarianzas, o bien a la suma de las
varianzas más los n(n-1 ) términos de covarianza media:
9.2.1.7. Estimador insesgado de α.
donde:
= estimador insesgado.
= valor de alpha de Cronbach.
N = número de sujetos de la muestra.
A medida que aumenta el número de sujetos de la muestra, el valor del å encontrado y
el valor del estimador insesgado se aproximan, siendo iguales cuando N--œ. En la
práctica, a partir de 100 sujetos, se pueden considerar insignificantes las diferencias
encontradas. Es decir:
5,88 > 1,47 -Se rechaza la hipótesis nula. El coeficiente alfa es estadísticamente
significativo
2. ¿Existe una diferencia significativa entre el valor de alfa de dos muestras
independientes?
Feldt (1969), propone el estadístico de contraste W basado en la distribución F con
(N1-1; y N2 –1; grados de libertad) que permite probar la H0: α1= α2
3. ¿Es significativa la diferencia entre dos valores de alfa para una misma muestra?
Feldt (1 980, 1987) propuso el empleo del estadístico de contraste «t» para dos va
lores de alfa obtenidos a partir de una misma muestra de sujetos. Feldt recomienda el
empleo de este estadístico cuando N·n < 1.000, siendo N igual al número de sujetos y n
el número de ítems. El estadístico se expresa como:
donde:
t =se distribuye según una distribución t de Student con (N - 2) grados de libertad.
1y 2 = valores del coeficiente alfa en los dos tests.
N = número de sujetos en la muestra.
r2x1x2 = correlación al cuadrado entre las puntuaciones de los sujetos en los dos tests.
EJEMPLO:
Aplicamos dos tests de percepción visual a una muestra de 125 sujetos. La correlación
entre las puntuaciones de ambos tests es igual a 0,70. Los valores del coeficiente alfa
fueron, respectivamente: 0,75 y 0,84. Queremos saber si la diferencia existente entre
ambos valores es estadísticamente significativa o no (N.C. 95%).
H0: α1= α2
H1: α1≠ α2
donde:
n = número de ítems del test.
Lambda 1= primer autovalor de la matriz factorial; es decir, la varianza explicada por el
primer factor antes de la rotación.
El coeficiente es además un indicador de la unidimensionalidad de los ítems. Cuanto
mayor sea la varianza que explica el primer factor mayor será el valor de theta y, por
consiguiente, la intercorrelación entre los ítems, lo que implica que éstos se
distribuyan en torno a una sola dimensión.
El coeficiente Ω se puede expresar mediante la siguiente fórmula:
EJEMPLO:
En la siguiente tabla aparecen valores de la varianza explicada por los cinco factores
obtenidos tras someter a análisis factorial a 5 variables. La suma de las comunalidades
es igual a 4.95 y la suma de las correlaciones entre los ítems es igual a 5.1. Calcular el
valor de los coeficientes Omega Ω y Theta .