Requisitos que deben cubrir

los instrumentos de
medicin
Confiabilidad
Validez

Validez

Es el grado en que un instrumento

realmente mide la variable que pretende
medir.

Tipos de validez de un instrumento de

medicin:
Validez de contenido.
Validez de criterio.
Validez de constructo.

Validez de contenido

Se refiere al grado en que un instrumento

refleja un dominio especfico de contenido de
lo que se mide.

Es el grado en el que la medicin representa

al concepto o variable de medida.

El dominio de contenido de una variable

normalmente es definido o establecido por la
literatura.

Validez de criterio

Establece la validez de un instrumento de

medicin al compararla con algn criterio
externo que pretende medir lo mismo.
El criterio externo es un estndar con el que
se juzga la validez del instrumento.
Si el criterio se fija en el presente se trata de
validez concurrente.
Si el criterio se fija en el futuro, se habla de
validez predictiva.

Validez de constructo

Se refiere a qu tan exitosamente un

instrumento representa y mide un
concepto terico.

Debe explicar el modelo terico-emprico

que subyace a la variable de inters. Se
estima con procedimientos del anlisis
estadstico multivariado.

Anlisis de factores

Anlisis factorial (factor analysis)

Es una tcnica para reduccin de datos que sirve para encontrar

grupos homogneos de variables a partir de un conjunto de
variables.

Estos grupos homogneos se forman con variables que

correlacionan mucho entre s y procurando que unos grupos sean
independientes de otros.

Cuando se analiza un conjunto de variables (reactivos o preguntas)

de forma simultnea (v.gr., Instrumento de medicin de la
satisfaccin laboral) es posible analizar si las preguntas del
cuestionario se agrupan de alguna manera, tal como lo seala la
teora (dimensiones de la satisfaccin laboral).

Realizando el anlisis factorial es posible identificar grupos de

variables con significado comn y obtener un reducido nmero de
dimensiones para explicar las respuestas de los sujetos.

Anlisis factorial (factor analysis)

Es una tcnica de reduccin de la dimensionalidad de los

datos.

Su propsito consiste en buscar el nmero mnimo de

dimensiones capaces de explicar el mximo de
informacin contenida en los datos.

En el anlisis factorial no existe variable dependiente.

Todas las variables en el anlisis son independientes en

el sentido de que no existe a priori una dependencia
conceptual de unas variables sobre otras.

1o.

Etapas del anlisis factorial

El clculo de la matriz que

expresa la variabilidad
conjunta de todas las variables
2o.
La extraccin del nmero
de factores (dimensiones)
3o.
La rotacin de la solucin
para facilitar su interpretacin
4o.
La estimacin de las
puntuaciones en
las nuevas dimensiones

Aplicacin en investigacin

1o. Efectuar la validez de constructo (o

validez de construccin) de la escala.
Determinar el nmero de factores de un
instrumento de medicin (preferentemente de
una variable o constructo), o bien
Confirmar el nmero de factores de un
instrumento de medicin (que mide una
variable o constructo).

Validez: grado en que un instrumento en verdad

mide lo que se busca medir.

Validez de constructo: es el grado en el que una

medicin se relaciona de manera consistente
con otras mediciones, de acuerdo con las
hiptesis derivadas tericamente y que se
refieren a los conceptos o constructos que se
estn midiendo.

Constructo: Es una variable medida y que tiene

lugar dentro de una teora o un esquema terico
(v.gr., liderazgo, desempeo, motivacin).

La validez de constructo incluye tres

etapas:

1o. Se establece y especifica la relacin terica

entre los conceptos (sobre la base del marco
terico).

2o. Se correlacionan los conceptos y se analiza

cuidadosamente la correlacin.

3o. Se interpreta la evidencia emprica de

acuerdo con el nivel en el que se clarifica la
validez de constructo de una medicin en
particular.

Instrumento
de medicin
Items
(reactivos o
preguntas)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
13
24
25

Factores de una variable

o constructo
Factor
1

Factor
2

Factor
3

1
2
3
4
5
6
7
8

9
10
11
12
13
14
15
16
17

Ejemplo

1o. La teora (autor)

sealan o sustentan
dicha estructura
terica.

18
19
20
21
22
13
24
25

2o. El anlisis factorial

confirma o
disconfirma dicha
estructura terica de
los reactivos que
miden los factores de
la variable.

El Anlisis factorial en SPSS

En el men Analizar, seleccionar Reduccin de

datos > Anlisis factorial:

Seleccin de variables se utiliza

cuando se desea efectuar el
anlisis por grupos (por ejem, con
hombres y mujeres; empresas
grandes, medianas y pequeas)

Seleccionar los reactivos y

trasladarlas a la casilla de la
derecha

Solicitar la solucin inicial

Solicitar estimaciones de la
matriz de correlacin

Seleccionar la prueba:
contrasta si las
correlaciones parciales
entre variables son
suficientemente pequeas.
Vara entre 0 y 1.
Los valores pequeos
indican que el anlisis
factorial no es una prueba
adecuada, los valores altos
(mayores a 0.5) indican que
es idneo el uso de la
prueba.

Solicitar el mtodo de
componentes principales

Solicitar la solucin de factores no

rotada y la grfica de dispersin o
grfico de sedimentacin

Se utiliza slo para el caso

de confirmar un
determinado nmero de
factores o dimensiones. El
anlisis ajusta los datos al
nmero de factores
sealados

Mtodos de extraccin de factores:

Componentes principales: los factores obtenidos son los

autovectores de la matriz de correlaciones-re-escalados.

Mnimos cuadrados no ponderados: minimiza la suma de los

cuadrados de las diferencias entre las matrices de correlaciones
observadas y reproducida, ignorando los elementos de la diagonal.

Mnimos cuadrados generalizados: minimiza la suma de los

cuadrados de las diferencias entre matrices de correlaciones. Este
mtodo genera un estadstico de bondad de ajuste Ji-Cuadrado que
contrasta la hiptesis que indica que la matriz residual es una matriz
nula.

Mxima verosimilitud: mtodo de extraccin que proporciona las

estimaciones de los parmetros que con mayor probabilidad han
producido la matriz de correlaciones observada. Asume que la
muestra procede de la distribucin normal multivariada. Genera un
estadstico de bondad de ajuste Ji-Cuadrado.

Mtodos de extraccin de factores:

Ejes principales: como estimacin inicial, la matriz de

correlaciones original se reduce sustituyendo los unos de
su diagonal por las estimaciones de la correlacin
mltiple al cuadrado entre cada variable y todas las
dems. La matriz reducida se auto-descompone y se
corrigen las estimaciones iniciales.

Alfa: Considera las variables incluidas en el anlisis

como una muestra del universo de las variables posibles.
Maximiza la generalizacin de los factores calculada
como el alfa de Cronbach.

Imagen: auto-descompone la matriz de correlaciones

imagen. Se asume que la comunalidad es igual al
cuadrado de la correlacin mltiple entre una variable y
todas las dems.

Se recomienda la rotacin
varimax

Solicitar la solucin rotada y

los grficos de saturaciones

Mtodos de rotacin de la solucin

factorial

Varimax: mtodo de rotacin ortogonal que minimiza el

nmero de variables que tienen saturaciones altas en
cada factor. Simplifica la interpretacin de los factores
optimizando la solucin por columna.

Quartimax. Mtodo de rotacin ortogonal que minimiza

el nmero de factores necesarios para explicar cada
variable. Simplifica la interpretacin de las variables
observadas optimizando la interpretacin por filas.

Equamax: Mtodo de rotacin que es una combinacin

de Varimax (simplifica los factores) y Quartimax
(simplifica las variables). Se minimiza tanto el nmero de
variables que saturan alto un factor como el nmero de
factores necesarios para explicar una variable.

Mtodos de rotacin de la solucin

factorial

Oblimin directo: mtodo de rotacin oblicua (no

ortogonal). Cuando delta es igual a cero (el valor por
default), las soluciones son las ms oblicuas. A medida
que delta se hace negativa, los factores son menos
oblicuos.

Delta: el valor de delta permite controlar el grado de oblicuidad

que pueden llegar a alcanzar los factores.

Promax: Rotacin oblicua que permite que los factores

estn correlacionados. Se requiere un amplio conjunto
de datos.

Se utiliza para guardar en

un archivo las puntuaciones
de las variables, pera
posteriores anlisis

Si se desea, solicitar la
matriz de coeficientes de las
puntuaciones factoriales

Missing Values:
1: Excluir casos segn lista
2: Excluir casos segn
pareja
3: Reemplazar por la media

Opciones: tratamiento a
missing values y formato de
visualizacin de los
coeficientes

Ejemplo

Se seleccionaron los reactivos var1 a var79.

Estas variables miden 11 dimensiones de la variable desempeo laboral

de una muestra de 89 trabajadores.

Se efectu el anlisis factorial exploratorio (sin solicitar los 11 factores)

y se determinaron los factores. El propsito es identificar la estructura
terica de las 79 reactivos.

Posteriormente, se efectu el anlisis factorial solicitando 11 factores.

Se analiz la estructura obtenida y se comparar con la solucin
anterior.

Al finalizar los anlisis, debe constatarse la estructura terica de las

variables o reactivos con la solucin obtenida en el anlisis factorial. Si
existe coincidencia entre lo propuesto por la teora (autor) y la solucin
obtenida, entonces podremos afirmar que existe validez de constructo o
validez de construccin.

Debemos hacer un anlisis inicial a los datos

utilizando frecuencias

Resultados

Matriz de correlaciones: muestra las

correlaciones existentes entre cada variable
o item.

Medidas de adecuacin KMO y prueba de Bartlett: la medida de adecuacin muestral

de Kaiser-Meyer-Olkin es un ndice que compara la magnitud de los coeficientes de
correlacin observados con la magnitud de los coeficientes de correlacin parcial. Los
Valores menores a 0.6 son bajos e indican que el anlisis factorial no es pertinente.
Los valores altos indican que si existe una estructura factorial.

La prueba de esfericidad de Bartlet contrasta la hiptesis nula de que la matriz de

correlaciones observada es en realidad una matriz de identidad. El estadstico se
distribuye segn el estadstico Ji-Cuadrado. Si el valor de Sig (P) es mayor a .05 no se
podr rechazar la hiptesis nula de esfericidad y no se podr asegurar que el modelo
factorial es adecuado para explicar los datos.

La comunalidad de una variable es la

proporcin de su varianza que puede ser
explicada por el modelo factorial
obtenido.
De acuerdo con las comunalidades de
cada variables es posible valorarse qu
variables son peor explicadas por el
modelo. Por ejemplo, el reactivo 21 es
explicado en un 72.4%.

Total de la varianza explicada: Se presenta un listado de los autovalores de la matriz

varianzas-covarianzas y el porcentaje de la varianza que representa cada uno de ellos.
Los autovalores (eingenvalues) expresan la cantidad de varianza total que est
explicada por cada factor.

Grfico de sedimentacin: sirve para determinar el nmero ptimo de factores.

Consiste en una representacin grfica del tamao de los autovalores.

Matriz de la estructura factorial

Matriz de la estructura factorial (despus del mtodo de rotacin). Cada variable no

comparte informacin con las restantes variables: no satura en ninguno de los dos
factores presentes en la solucin.

Grfico de saturaciones factoriales: representa el espacio factorial

definido por los factores contenidos en la solucin factorial

Matriz de coeficientes para el clculo de las puntuaciones factoriales: contiene las

ponderaciones que recibe cada variable en el clculo de las puntuaciones
factoriales.

Confiabilidad

Grado en el que un instrumento de

medicin produce resultados consistentes
y coherentes.

Grado en que en su aplicacin repetida al

mismo sujeto produce resultados iguales.

Clculo de la confiabilidad

Existen diversos procedimientos para estimar

la confiabilidad de un instrumento de
medicin: coeficientes de confiabilidad.

Estos coeficientes pueden oscilar entre cero y

uno, donde cero indica nula confiabilidad y
uno representa un mximo de confiabilidad o
confiabilidad total. Cuando mayor se acerque
a cero el coeficiente, existe mayor error de
medicin.

Clculo de la confiabilidad

Procedimientos ms utilizados para determinar la

confiabilidad mediante un coeficiente:
Medida de estabilidad (test-retest).

Un mismo instrumento de medicin se aplica dos o ms

veces a un mismo grupo de personas despus de cierto
periodo.

Mtodo de formas alternativas o paralelas. Se

administran dos o ms versiones equivalentes al
instrumento de medicin en cuestin.

Las versiones deben son similares en contenido,

instrucciones, duracin y otras caractersticas.
Las versiones se aplican simultneamente a un mismo grupo.

Clculo de la confiabilidad

Mtodo de mitades partidas (split-halves). Este mtodo requiere

solo una aplicacin de la medicin.

El conjunto de tems o reactivos se divide en dos mitades equivalentes

y se comparan las puntuaciones de ambas.
Si el instrumento de medicin es confiable, ambas puntuaciones deben
estar muy correlacionadas.

Medidas de consistencia interna. Son coeficientes que estiman la

confiabilidad:
Alfa de Cronbach.
Coeficientes KR-20 y KR-21 de Kuder y Richardson.

En ambos casos se requiere una sola aplicacin del instrumento de

medicin.
Su ventaja reside en que no es necesario dividir en dos mitades los
tems del instrumento, simplemente se aplica la medicin y se calcula el
coeficiente

Anlisis de confiabilidad de un
instrumento de medicin

Consiste en el uso de un conjunto de estadsticos que

permiten valorar las propiedades mtricas de un
instrumento de medicin.

La confiabilidad es la capacidad de un instrumento de

medicin para medir de forma consistente, precisa y sin
error la caracterstica que se desea medir.
Consistencia interna: es el grado de coincidencia o parecido
(homogeneidad) existente entre los elementos que componen
los reactivos que miden un factor o variable.
Estabilidad temporal: se refiere a la capacidad del instrumento
para arrojar las mismas mediciones cuando se aplica ms de una
vez a los mismos sujetos.

Anlisis de confiabilidad

Anlisis de confiabilidad

La estimacin del coeficiente de confiabilidad puede

hacerse tomando como referencia distintos escenarios o
modelos.

El primer escenario se da cuando se dispone de una

escala formada por un conjunto de elementos que se
considera que son representativos de todos los
elementos que hubiera sido posible analizar. En este
escenario la confiabilidad del instrumento de medicin
puede estimarse a partir del grado de homogeneidad
existente entre los elementos o a partir del grado de
relacin existente entre dos mitades de la escala.

El segundo escenario es cuando se dispone de dos

formas paralelas de un mismo instrumento de medicin
y ambas formas se administran a los sujetos. La
confiabilidad del instrumento se evala correlacionando
los resultados obtenidos en ambas formas

El tercer escenario se da cuando se llevan a cabo dos

mediciones consecutivas con el mismo instrumento de
medicin (test-retest), es decir cuando el instrumento se
aplica en dos ocasiones sucesivas a los mismos sujetos.
La confiabilidad de la escala se evala a partir de la
correlacin existente entre los resultados obtenidos en
las dos aplicaciones.

Anlisis de confiabilidad

Los coeficientes de confiabilidad pueden

oscilar entre 0 y 1, donde:
0 significa nula confiabilidad
1 representa un mximo de confiabilidad.
Cuando el coeficientes se acerque a cero
mayor error habr en la medicin.

El anlisis de confiabilidad en SPSS

Seleccionar el Men Analizar, opcin Escalas >

Anlisis de confiabilidad.

Seleccionar los reactivos que sers sometidos al anlisis de confiabilidad y

trasladarlos a la casilla de la derecha.
Sealar el modelo de confiabilidad y solicitar estadsticas y sealar la lista de
etiquetas de los items.

Modelos de confiabilidad

El modelo seleccionado no altera el valor de los

estadsticos seleccionados, pero permite obtener
diferentes coeficientes de confiabilidad:
Alfa (Cronbach): es el modelo por default. Valora la
consistencia interna de la escala a partir de la correlacin interelementos promedio.
Dos mitades: divide el conjunto de reactivos o items en dos
partes y calcula la confiabilidad a partir de la correlacin entre
ambas partes.
Guttman: Calcula los limites inferiores de Guttman.
Paralelo: asume que todos los elementos tienen iguales
varianzas observadas y error.
Paralelo estricto: asume los supuestos del modelo paralelo y
adems que las medidas de todos los elementos son iguales.

Seleccionar:
Descriptivos: para
elemento, escala, escala si
se elimina elemento.
Resumen de: medias,
varianzas, covarianzas,
correlaciones.
Correlaciones entre
elementos.
Tabla de anova: prueba F,
Ji-Cuadrado de Fiedman,
Ji-Cuadrado de Cochran.

Tabla de Anova

Prueba F: ofrece el estadstico F del anlisis de la varianza

para contrastar la hiptesis nula de que todos los elementos
del instrumento (escala) tienen la misma medida. Es una
opcin vlida cuando todos los elementos estn medidos en
escala de intervalo o de razn.

Ji-Cuadrado de Friedman: Opcin vlida para contrastar la

hiptesis nula de que todos los elementos tienen la misma
media cuando los elementos estn medidos en escala
ordinal. Ofrece el estadstico Ji-Cuadrado de Friedman y el
coeficiente de concordancia de Kendall.

Ji-Cuadrado de Cochran: opcin vlida para contrastar la

hiptesis nula de que todos los elementos tienen la misma
media cuando los elementos son dicotmicos (unos y
ceros).

Ejemplo

Estimar el coeficiente de confiabilidad con los

reactivos de la siguiente lmina.

La estimacin debe efectuarse para cada

conjunto de reactivos (o items) que miden una
dimensin de una VARIABLE.

Solo se estima la confiabilidad considerando

todos los reactivos cuando stos miden una sola
dimensin (es decir una sola variable sin
dimensiones a su interior).

Instrumento
de medicin
Items
(reactivos o
preguntas)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23

79

Factores de una variable

o constructo
Factor
1

Factor
2

Factor
3

1
2
3
4
6
7
8

Ejemplo
Variable:
Desempeo laboral
Factor1: Responsabilidad
Alfa ajustada = .958

9
14
15
16
17

Factor 2: Iniciativa

Alfa ajustada= .876

20
21
23
24
25

Factor 3: Puntualidad
Alfa ajustada = .885

Total de casos
validos y excluidos

Estimacin del Alfa

y del Alfa
estandarizada

Estadsticas por
item

Matriz de
correlaciones
inter-items

Resumen de
estadsticas de los
items

Estadsticas totales
de los items

Nota:
Alfa ajustada = .950

Estadsticas de la
escala (dimensin
1)

Tabla de Anova

Anova

Anlisis de la varianza (de ms de

una va o de ms de un factor)

Se utiliza para evaluar el efecto individual

y conjunto de dos o ms factores
(variables independientes categricas)
sobre una variable dependiente
cuantitativa.
Variable independiente
(categrica)
Variable dependiente
(cuantitativa)

Variable independiente
(categrica)
Variable independiente
(categrica)

Anlisis de la varianza

En un anlisis de la varianza existe una hiptesis

nula por cada factor y por cada posible
combinacin de factores.

La hiptesis nula afirma que las medias de las

poblaciones definidas por los niveles del factor
son iguales.

Para contrastar esta hiptesis Anova utiliza la

prueba F.

Anlisis de la varianza en SPSS

Seleccionar el men Analizar > Modelo lineal general >

Univariante.

Seleccionar la variable dependiente y pasar a la casilla de la derecha.

Seleccionar las variables independientes (factores fijos) y pasar a la casilla de la derecha.
Pueden seleccionarse variables independientes cuyos valores se seleccionan aleatoriamente.
Puede seleccionarse tambin covariables.

Factores fijos: un factor fijo o efecto fijo es aquel cuyos

niveles los establece el investigador (dosis de un
frmaco) o estn dados por la naturaleza del factor
(sexo, escolaridad, etc.).

Factores aleatorios: es aquel cuyos niveles son

seleccionados en forma aleatoria entre todos los posibles
niveles del factor. Constituyen una muestra de la
poblacin de niveles sobre los que se hace la inferencia.

Covariables: Efectos (variables) cuyo efecto se desea

controlar porque el marco terico indica que interfiere
entre la variable dependiente y la (s) independientes).

Solicitar modelo
completo

Solicitar suma de
cuadrados tipo III

Modelos

Factorial completo: opcin vlida para

ajustar modelos completamente
aleatorizados, en los que intervienen todos
los efectos principales previamente
definidos como factores y todas las posible
interacciones entre ellos.

Personalizado: permite definir los modelos

distintos del completamente aleatorizado.

Suma de cuadrados

Tipo I (descomposicin jerrquica): cada trmino se corrige

slo respecto al trmino que le precede en el modelo. Se
utiliza en los modelos equilibrados en los que cualquier
efecto principal se evala antes que cualquier efecto de
interaccin de primer orden.

Tipo II: se utiliza en los modelos equilibrados, en los

modelos que solo contienen efectos principales (no
interacciones) y en los diseos anidados en los que cada
efecto est anidad sobre el anterior.

Tipo III: se calcula ajustando cada efecto, teniendo en

cuenta cualquier otro efecto que no lo contenga y de forma
independiente cualquier efecto que lo contenga, si existe. Es
el ms utilizado.

Tipo IV: son apropiados para analizar tanto modelos

equilibrados como no equilibrados cuando existen casillas
vacas.

Realiza contrastes
planeados a priori
incluyendo
comparaciones de
tendencia para
estudiar el tipo de
relacin existente
entre la VI y la VD

Grficos de perfil:
Es un grfico sobre la
interaccin entre dos
factores (VI) en el eje
de las ordenadas se
representa la escala
de las medias de la
variable dependiente;
en el eje de las
abcisas se
representan los
niveles del primer
factor; y las lneas del
grfico representan
los niveles del
segundo factor

Comparaciones
mltiples post-hoc para
las medias observadas

Seleccionar la variable
independiente (factor)
y el tipo de prueba de
igualdad de varianzas

Opcin guardar:
guarda en archivo los
valores pronosticados y
los residuos que
derivan del modelo

Opciones: permite
obtener informacin
relacionada con varios
aspectos

Ejemplo

Ho: No existen diferencias estadsticamente

significativas entre el grado de marginacin,
urbanidad y nivel de alternancia con el nivel
de competitividad electoral

Efectuar el anlisis de la varianza con las

siguientes variables:
VD: nivel de competitividad electoral 1996 (para
fines del anlisis de la clase, asumimos que es
una variable cuantitativa).
VI:
Grado de marginacin 1995: muy alta, alta, media,
baja, muy baja.
Urbanidad: rural, semiurbano, urbano y
metropolitano.
Nivel de alternancia: muy alta, alta, baja, muy baja.

Resultados

Resultados

Factores (categoras de
las variables
independientes)

Estadsticas descriptivas

Prueba de igualdad de
varianzas

Prueba F y significacin
estadstica, por variable
independiente y sus
interacciones

R2 ajustada = 20.3%
(de varianza explicada
de la variable
dependiente)

Prueba de Scheffe de
diferencias entre las
medias de cada
categora de las
variables
independientes

Prueba de Scheffe de
diferencias entre las
medias de cada
categora de las
variables
independientes