COEFICIENTE

ALFA(A)
 CONCEPTO Y FORMULA

 El coeficiente alfa (a), propuesto por Cronbach

(1951),constituye otra forma de acercarse a la fiabilidad.
Más que la estabilidad de las medidas, a refleja el grado en
el que covarían los ítems que constituyen el test; es, por
tanto, un indicador de la consistencia interna del test.
 Su fórmula viene dada por: α = n n – 1 11 − σ J 2 j =1 n ∑ σ
X 2 2 [2.24]

 n: Número de ítems del test.

 ΣsJ 2 : Suma de las varianzas de los n ítems
 s2
 X: Varianza de las puntuaciones en el test.
 Q u e a e s f u n c ió n d ir e c t a d e la s c o v a r ia n z a s e n tr e l o s í t e m s , i n d ic a n d o , p o r
ta n t o , la c o n s is te n c ia
 in te r n a d e l t e s t, t a l v e z s e p u e d a a p r e c i a r m á s d ir e c t a m e n t e s i s e e x p r e s a s u
fó r m u l a e n f u n c ió n e x p lí c it a d e d ic h a s c o v a r ia n z a s .

 G r e e n , L i s s it z y M u l a i k ( 1 9 7 7 ) , u n a
 e l e v a d a c o n s i s t e n c ia in t e r n a n o im p li c a n e c e s a r i a m e n t e u n id im e n s io n a l id a d .
S e g ú n l o s c it a d o s a u to r e s , a v ie n e a fe c t a d o p o r d iv e r s o s f a c t o r e s p a r a s e r u n
ín d ic e a p r o p ia d o d e la u n id im e n s i o n a li d a d :
 1 . A u m e n t a c u a n d o s e in c r e m e n ta e l n ú m e r o
 d e í te m s .
 2 . A u m e n t a c u a n d o s e r e p i te n ít e m s s im il a r e s .
 3 . A u m e n t a c u a n d o e l n ú m e r o d e f a c to r e s p e r te n e c ie n t e s a c a d a ít e m a u m e n t a .
 4 . F á c il m e n t e s e a c e r c a a 0 , 8 0 y l o s u p e r a
 c u a n d o e l n ú m e r o d e f a c to r e s q u e p e r t e n e c e n a c a d a í t e m e s d o s o m á s y e l
número
 d e í te m s m o d e r a d a m e n t e a m p lio .
 5 . D is m in u y e m o d e r a d a m e n t e a l d i s m in u i r la s
 c o m u n a li d a d e s d e lo s í te m s .
 (a) Puede considerarse una estimación del límite inferior
del coeficiente de fiabilidad de un test. Se han propuesto
otros índices como estimaciones del límite inferior de la
fiabilidad. Así, Lord y Novick (1968) recomiendan d3 de
Guttman (1945), que según ellos da estimaciones al menos
tan buenas como a y tiene las ventajas de ser siempre
positivo, mientras que a puede ser negativo cuando hay
correlaciones negativas entre los ítems, lo que lo invalida
como estimador de la fiabilidad.
 McDonald (1970, 1978, 1986) se muestra también crítico con
a, negando que sea un buen indicador de la generalizabilidad,
así como del límite inferior de la fiabilidad. Cabe señalar que
si bien el coeficiente alfa puede utilizarse tanto si los ítems
son dicotómicos como si provienen de una escala ordinal con
varias categorías, tipo Likert, en este último caso se han
propuesto algunas variaciones que mejoran la estimación de
la consistencia interna de la prueba respecto a la fórmula
clásica.
 CASOS PARTICULARES DE ALFA

 Previamente a la presentación del coeficiente a por Cronbach

en 1951, la psicometría clásica ya disponía de otras fórmulas
para estimar la fiabilidad en términos de la consistencia
interna del test. Dado que a constituye una solución más
general al problema, se presentan aquí cuatro de esas
fórmulas como casos particulares de (a)

 Rulon (1939). — Guttman (1945)/Flanagan (1937). — Kuder y

Richardson (1937):
 La fórmula de Rulon es una estimación de la fiabilidad del
test a partir de las puntuaciones obtenidas en sus dos
mitades, que se asumen paralelas, y, por tanto, las
puntuaciones en ellas solo diferirán debido al error aleatorio.

 Emerge directamente de la definición de coeficiente de

fiabilidad dada en [2.2], rXX′ = 1 – (se 2 /s2 X), al considerar,
como se ha dicho, que la diferencia entre las dos mitades se
debe únicamente al error, es decir, se define la varianza de
los errores como la varianza de las diferencias.
 La fórmula de Guttman-Flanagan es equivalente a la de Rulon,
expresando la varianza de las diferencias que aparecía en la
fórmula de Rulon en función de las varianzas de la mitad par e
impar del test.
 La estimación de la fiabilidad a partir de dos mitades resulta
bastante problemática: ¿qué mitades tomar? Un test con n ítems
tiene muchas posibles mitades, exactamente combinaciones de
n elementos tomados de n/2 en n/2. Por ejemplo, un test con 10
ítems (solo 10) tiene 252 posibles mitades, o sea, por ese
método se pueden hacer 126 estimaciones de su fiabilidad. Se
demuestra (Cronbach, 1951) que a calculado a partir de todos
los ítems de un test es el valor medio que se obtendría de
calcularlo para todas las posibles mitades del test, es el valor
esperado de las mitades: a = E(a/2).
 En su famoso artículo de 1937, Kuder y Richardson presentan,
entre otras, sus no menos famosas fórmulas KR20 y KR21,
denominadas así por hacer precisamente los números 20 y 21
de las presentadas por los autores.
 KR20 es un caso particular de a cuando los ítems son
dicotómicos, pues en ese caso, como es bien sabido, la
varianza de una variable dicotómica viene dada por sj 2 = pjqj
, siendo pj la proporción de personas que aciertan el ítem j, y
qj , la proporción de los que lo fallan. Estas cuatro fórmulas
que se acaban de citar tenían otrora una gran utilidad
práctica, dada su sencillez para el cálculo; pero en la
actualidad, en que todos los cálculos se hacen mediante
ordenador, han caído en desuso y sencillamente se calcula a
en su forma general.
 COEFICIENTE BETA (B)

 Raju (1977) propuso el coeficiente b, generalización de a, que

permite resolver un problema que se plantea cuando se dispone
de una batería compuesta de varios subtest y se está interesado
en obtener una estimación del coeficiente a de la batería
basándose en los datos de los subtest considerados como
componentes, al modo de los ítems de un test, es decir, aquí los
subtest serían los ítems de la batería. Pues bien, en esas
circunstancias, si los subtest tienen distinto número de ítems,
que suele ser lo más frecuente, y se calcula el coeficiente a
global de la batería, la estimación resulta ser una
infraestimación, y ese es precisamente el problema que viene a
resolver Raju. En suma, el coeficiente b evita el problema de la
infraestimación de a en las baterías cuando los subtest que las
componen tienen distinto número de ítems, siendo igual a a
cuando el número de ítems de los subtest es el mismo.
 Es más recomendable calcular a directamente, considerando
la batería un test formado por los ítems de todos los subtest.
No obstante, puede haber situaciones, de hecho hay
bastantes, en las que solo se dispone de los datos referidos a
los subtest, en cuyo caso b resulta apropiado.
 COEFICIENTES BASADOS EN EL
AN Á LISIS
FACTORIAL DE LOS Í TEMS
 A partir de los datos proporcionados por el análisis factorial
de los ítems de un test se pueden obtener indicadores de la
consistencia interna muy semejantes al coeficiente a. Ni que
decir tiene que el propio resultado del análisis factorial ya
constituye un excelente indicador de la consistencia interna
de los ítems, analizando la matriz de correlaciones, el número
de factores obtenidos y la varianza explicada por cada uno de
ellos. No obstante, tiene interés la obtención de algún índice
único que sintetice de una forma razonable toda esta
información. Dos de los índices más usados son la theta (q)
de Carmines (Carmines y Zeller, 1979) y la omega (W) de
Heise y Bohrnstedt (1970).
 INFERENCIAS SOBRE ALFA

 La teoría del error muestral para el coeficiente a ha sido

desarrollada por diversos autores (Feldt,1965, 1969, 1980;
Hakstian y Whalen, 1976; Kristof, 1963, entre otros). Aquí
seguiremos básicamente la exposición sistemática y clara
realizada por Feldt, Woodruff y Salih (1987). Se considerarán
tres casos:
 a) Inferencias acerca de un solo coeficiente.
 b) Comparación de coeficientes obtenidos en
 muestras independientes.
 c) Comparación de coeficientes obtenidos en
 la misma muestra