Please enable JavaScript.
Coggle requires JavaScript to display documents.
El análisis psicométrico de las escalas de evaluación - Coggle Diagram
El análisis psicométrico de las escalas de evaluación
La confiabilidad vista a través de la consistencia interna
Debe responder a la pregunta:
La evaluación que estamos realizando es precisa?
Al hablar de precisión nos referimos a dos aspectos
Es internamente estable?
La serie de reactivos de una escala miden un constructo único?
Suele utilizar un conjunto de reactivos que se espera que midan el mismo atributo o campo de contenido en una escala
La principal ventaja de este método es que requiere sólo una aplicación de la prueba
Los principales coeficientes de estimación basados en este enfoque son sencillos de analizar y están disponibles como opción de análisis en los programas estadísticos como el SPSS, Statistica o SAS
Alfa de Cronbach, coeficiente más popular
Mide la confiabilidad de la escala en función de dos de sus aspectos
Número de ítems (o longitud de la prueba)
Proporción de dispersión total de los valores de la prueba (varianza), debido al grado de asociación entre sus partes (reactivos)
La fiabilidad depende de la longitud de la prueba y el grado de intercorrelación entre sus reactivos
La confiabilidad se refiere a la precisión de la evaluación
Toda escala en algún momento debería someterse a pruebas de consistencia temporal
Validez de la escala de evaluación
Se refiere a las evidencias que demuestran que el instrumento mide lo que se propone medir
Según Kerlinger y Lee existen diversos tipos de validez:
De contenido: grado en que una escala refleja los temas o elementos específicos del elemento a evaluar
De criterio: establece la validez de una escala al compararla con algún juicio externo. Si los resultados que hallamos mediante el instrumento son consistentes con la teoría, decimos que tiene validez predictiva
De constructo: grado en que la escala de evaluación mide un concepto teórico
Cada tipo de validez de contenido tiene sus ventajas y desventajas
La validez de constructo es una práctica común en el campo de la investigación. Se sustenta en los datos de los participantes y requiere la aplicación de la escala en cuestión y se suele probar a través del análisis factorial
Uso psicométrico del análisis factorial
El puntaje total de una persona en una escala sólo es justificable cuando puede comprobarse empíricamente que los reactivos que se suman son parte de un mismo y único elemento evaluado con precisión
Se utiliza para indagar la estructura implícita dentro de la escala de evaluación
Con apoyo en un estudio empírico previo, es posible afirmar que determinados reactivos se explican mejor desde una dimensión esperada o lógica
Permite aconsejar la eliminación de reactivos interpretados como no válidos
Procedimiento matemático-estadístico destinado a reducir información relativa a un conjunto de variables y obtener un conjunto más reducido de elementos, llamados factores, que son capaces de explicar la variabilidad común encontrada en el grupo de participantes que respondieron a las variables de la escala
Es uno de los procedimientos para aprobar la relación entre lo observable y lo latente
Se parte de la matriz de correlaciones entre los reactivos que forman una escala de medida y se buscan las agrupaciones de dichos reactivos que están contemplados en la teoría
Al reducir la información relativa a un conjunto inicial de reactivos el evaluador define constructos, jerarquiza elementos, diseña estructuras subyacentes que tratan de establecer relaciones entre las variables y genera un corpus teórico a partir de elementos y relaciones en una fase incipiente de la evaluación
Se dice que la reducción de datos es la vía inductiva para la construcción de teorías
Análisis factorial vs. análisis de componentes principales
Análisis factorial: Parte de una matiz de correlaciones y concentra los coeficientes de correlación elevados al cuadrado en elementos que expresan una alta varianza; convierte el grado de coherencia con que se responde un grupo de reactivos en factores que representan dicha varianza en común.
Dos enfoques
Análisis de componentes principales: se analiza toda varianza producida por los múltiples reactivos
Los reactivos explican los factores
Análisis de factores comunes: se analizan las interrelaciones entre variables y se restringe a la varianza común, es decir, a la búsqueda de un número reducido de factores que expresen lo que es común al conjunto de variables observadas
Los factores explican los reactivos
Requisitos del análisis factorial
-Normalidad: se espera que los reactivos tengan normalidad univariante y multivariante, correlación e intercorrelación que deben estar en un rango de 0.3 a 0.9
-Nivel de medición de los reactivos: deben ser métricos.
-Tamaño de la muestra: se sugieren 200 o más casos o al menos 10 casos por cada reactivo, a cantidad de reactivos no debe exceder la mitad de los casos.
-Principio de parsimonia: se busca que la solución factorial sea sencilla.
Esquema de un análisis factorial
Para realizar un análisis factorial es necesario pasar por seis etapas, después de lo cual podemos contar con una escala que tenga evidencias de validez, y sólo hasta ese momento es posible comenzar a evaluar cuantitativamente a los participantes
La importancia del plan de prueba
Averiguar en la literatura si existen otras medidas o instrumentos similares
Establecer un plan de prueba, una guía teórico-metodológica que determine lo que queremos medir, cómo lo queremos medir y en qué lo queremos medir
Análisis de la matriz de correlación
Su finalidad es comprobar si sus características son las adecuadas para realizar un análisis factorial
Test de esfericidad de Bartlett
Prueba de Kaiser-Meyer-Olkin (KMO)
Extracción de factores
Se basa en el principio de que hay más reactivos que factores comunes.
Cada factor tendrá una correlación alta con un grupo de reactivos y baja con el resto de los elementos de la escala
Determinación del número de factores
El plan de prueba o determinación "a priori": el evaluador conoce el resultado esperado
Regla de Kaiser: se calculan los valores propios de la matriz de correlaciones y solo se toman en cuenta los factores con valores propios superiores a uno
Criterio del porcentaje de la varianza: toma el número de factores mínimo necesario para que el porcentaje acumulado de la varianza explicado sea el más alto posible
Principio de Cattell o criterio de sedimentación: se representan de manera gráfica los factores en el eje de abscisas, y los valores propios en el de ordenadas
Criterio de división a la mitad: la muestra se divide en dos partes iguales tomadas al azar y se realiza el análisis factorial en cada una de ellas
Rotación de los factores
Buscan factores cuya matriz de cargas factoriales los hagan más fáciles de interpretar
Busca que la solución cumpla con tres características:
Cada factor debe tener pocos reactivos con pesos altos de asociación y los demás reactivos presentar valores próximos a cero
Cada reactivo no tiene que estar saturado más que en un factor
No deben existir factores con la misma distribución
Formas básicas para realizar la rotación:
ORTOGONAL: los ejes se rotan de forma que se mantiene la intercorrelación entre los factores
Método varimax: ayuda a la interpretación de los factores al minimizar el número de reactivos que tienen saturaciones altas en cada factor
Es el más utilizado debido a que simplifica la interpretación de los factores
Método quartimax: ayuda a la interpretación de los reactivos minimizando el número de factores necesarios.
Método equamax: combinación de los métodos anteriores. Minimiza tanto el número de variables que saturan alto en un factor, como el número de factores necesarios para explicar una variable
OBLICUA: debe utilizarse cuando hay evidencia de que los factores tienen una correlación muy fuerte. Con este tipo de rotación es necesario interpretar de forma cuidadosa, ya que la interposición de factores suele confundir la significación de estos.
Interpretación de los factores
Deductivo: el evaluador se apoya en el número de factores, la independencia de los factores y los reactivos que se ubican en un solo factor
Inductivo: es necesario interpretar los reactivos que quedan en cada factor, buscando el tema común que sirvió de base para que los participantes lo respondieran de forma similar.
Es un pequeño análisis de contenido
Eliminar reactivos de una manera muy rápida puede generar un sesgo de INFRAINTERPRETACIÓN; mientras que conservar reactivos, aun que no tengan que ver con un tema, es un sesgo de SOBREINTERPRETACIÓN