En el proceso de observación de los comportamientos humanos, uno de los aspectos esenciales es el proceso de cuantificación. Entendiendo este proceso de medición como las reglas que nos permiten
asignar números a los procesos observados, de tal forma que representen de
manera adecuada la cantidad del atributo que poseen”
(Nunally & Berstein, 1994). Si bien estas reglas son evidentes en situaciones como la altura, peso o edad, esto ya no es tan claro (no son intuitivas) en propiedades como la personalidad o la inteligencia.
Para medir este tipo variables (constructos) es necesario crear (usar si ya existen) escalas de medida formadas por un conjunto de preguntas o frases (ítems) que permiten medir el nivel que alcanza una atributo determinado (extroversión, psicoticismo, capacidad verbal, capacidad espacial, etc.) que no es directamente observable en el sujeto sometido a observación (un alumno, una institución, un animal, etc.).
En la literatura clásica psicométrica, el alfa de Cronbach, nos indica la fiabilidad de un conjunto de indicadores para medir un constructo evaluado. En caso de obtener mas de un constructo, en el análisis factorial desarrollado, este índice no es adecuado, ya que no tiene en cuenta la influencia que los otros constructos pueden tener sobre el medido. Es un estadístico sesgado (Dunn, Baguley & Brunsden, 2014).
Para medir este tipo variables (constructos) es necesario crear (usar si ya existen) escalas de medida formadas por un conjunto de preguntas o frases (ítems) que permiten medir el nivel que alcanza una atributo determinado (extroversión, psicoticismo, capacidad verbal, capacidad espacial, etc.) que no es directamente observable en el sujeto sometido a observación (un alumno, una institución, un animal, etc.).
En la literatura clásica psicométrica, el alfa de Cronbach, nos indica la fiabilidad de un conjunto de indicadores para medir un constructo evaluado. En caso de obtener mas de un constructo, en el análisis factorial desarrollado, este índice no es adecuado, ya que no tiene en cuenta la influencia que los otros constructos pueden tener sobre el medido. Es un estadístico sesgado (Dunn, Baguley & Brunsden, 2014).
Una solución al problema anterior es el cálculo del Índice de la Fiabilidad Compuesta (Fornell & Larcker, 1981), que se interpreta como el alfa de Cronbach pero tiene en cuenta las interrelaciones de los constructos extraídos. Su fórmula es para un factor j:
[SUM (aij)]^2
IFC = __________________________
[SUM (aij)]^2+SUM Var(Eij)
donde...
aij = carga factorial estandarizada de cada uno de los i indicadores que cargan sobre el factor j
Var(Eij) = varianza del término de error asociado a cada uno de los i indicadores del factor j. Teniendo en cuenta que este error (Eij) también se puede calcular como: 1 - aij^2
El valor del estadístico debería ser superior a 0,7 (en caso descriptivo) o 0,9(pruebas de selección de personal) de acuerdo a las reglas de valoración clásicas admitidas (Prieto & Delgado, 2010).
Junto al estadístico anterior se suele presentar el Índice de Varianza Extraída (IVE), que muestra la relación entre la varianza que es capturada por un factor j en relación a la varianza total debida al error de medida de ese factor (Fornell & Larcker, 1981), es decir:
El valor del estadístico debería ser superior a 0,5.
Aplicando los algoritmos anteriores sobre el ejemplo ofrecido por AMOS en su archivo 8, se puede obtener una tabla resumen en excel semejante a la siguiente:
...como podemos observar la fiabilidad compuesta es ligeramente superior al algoritmo clásico. También podemos ver que el factor Spatial está por debajo de 0,5 (IVE), lo que nos indica que es una solución claramente deficiente (no supera el valor recomendable este constructo).
El valor del estadístico debería ser superior a 0,7 (en caso descriptivo) o 0,9(pruebas de selección de personal) de acuerdo a las reglas de valoración clásicas admitidas (Prieto & Delgado, 2010).
Junto al estadístico anterior se suele presentar el Índice de Varianza Extraída (IVE), que muestra la relación entre la varianza que es capturada por un factor j en relación a la varianza total debida al error de medida de ese factor (Fornell & Larcker, 1981), es decir:
SUM aij^2
IVE = __________________________
SUM (aij)^2+SUM Var(Eij)
donde los términos son equivalentes a la fórmula anterior.El valor del estadístico debería ser superior a 0,5.
Aplicando los algoritmos anteriores sobre el ejemplo ofrecido por AMOS en su archivo 8, se puede obtener una tabla resumen en excel semejante a la siguiente:
Referencias.
*Dunn,T.J.; Baguley,T. and Brunsden,V. (2014).From alpha to omega: A practical solution to the
pervasive problem of internal consistency estimation.British Journal of Psychology, 105, 399–412.
*Fornell,C. & Larcker D.F. (1981). Evaluating structural equations models with unobservable variables and measurement error. Journal of Marketing Research, 18, 39-50.
*Nunnally, J.C. & Bernstein, I.H. (1994). Psychometric Theory. 3ª edición. Nueva York: McGraw Hill.
*Prieto,G. y Delgado,A.R. (2010). Fiabilidad y validez. Papeles del Psicólogo, 31(1), 67-74.
*Fornell,C. & Larcker D.F. (1981). Evaluating structural equations models with unobservable variables and measurement error. Journal of Marketing Research, 18, 39-50.
*Nunnally, J.C. & Bernstein, I.H. (1994). Psychometric Theory. 3ª edición. Nueva York: McGraw Hill.
*Prieto,G. y Delgado,A.R. (2010). Fiabilidad y validez. Papeles del Psicólogo, 31(1), 67-74.
