TEMA 10: CONCEPTOS FUNDAMENTALES DE LA TEORA DE RESPUESTA

AL TEM
2.

LIMITACIONES DE LA TEORA CLSICA DE LOS TESTS

3.

INTRODUCCIN A LA TEORA DE LA RESPUESTA AL TEM

4.

LA CURVA CARACTERSTICA DEL TEM

5.

SUPUESTOS BSICOS DE LA TRI

5.1. UNIDIMENSIONALIDAD
5.2. INDEPENDENCIA LOCAL

6.

PRINCIPALES MODELOS DE LA TRI

6.1.
6.2.
6.3.
6.4.

7.

MODELO LOGSTICO DE UN PARMETRO

MODELO LOGSTICO DE DOS PARMETROS
MODELO LOGSTICO DE TRES PARMETROS
OTROS MODELOS

ESTIMACIN DE PARMETROS
7.1. ESTIMACIN DE LA APTITUD DE LOS SUJETOS
7.2. ESTIMACIN DE LOS PARMETROS DE LOS TEMS
7.3. ESTIMACIN SIMULTNEA DE LOS PARMETROS DE LOS SUJETOS Y DE
LOS TEMS

8.

AJUSTE DEL MODELO A LOS DATOS

8.1. LA EVALUACIN DEL MODELO
8.2. MTODOS PARA LA EVALUACIN DEL AJUSTE DEL MODELO
8.2.1. Mtodos grficos
8.2.1.1.
El grfico de la CCI emprica terica
8.2.1.2.
El grfico de residuos
8.2.2. La prueba estadstica Q1

9.

FIABILIDAD EN LA TRI: LA FUNCIN DE INFORMACIN

9.1. LA FUNCIN DE INFORMACIN DEL TEM
9.2. LA FUNCIN DE INFORMACIN DEL TEST Y EL ERROR TPICO DE
ESTIMACIN

10.

FASES EN LA APLICACIN DE LA TRI

11.

VALORACIN DE LA TRI

2.

LIMITACIONES DE LA TEORA CLSICA DE LOS TESTS

3.

Inconvenientes de la TCT:
1. Dependencia de los parmetros de los tems y del test de la muestra de sujetos y la
dependencia de las puntuaciones de habilidad de los sujetos de los tems y tests utilizados
2. Dependen de las caract. de los sujetos:
a) Estadsticos clsicos de los tems (ndice de dificultad proporcin de aciertos y el
de discriminacin correlacin biserial puntual tem test)
b) Estadsticos de los tests (coeficiente de fiabilidad).
3. Carcter tautolgico de los supuestos del mod. lineal
4. La precisin de la medida es independiente de la habilidad de los sujetos o de su nivel en el
rasgo (a nivel intuitivo)
INTRODUCCIN A LA TEORA DE LA RESPUESTA AL TEM

4.

El 1 inconveniente de la TCT se soluciona en el marco de la TRI

La TRI se centra ms en las propiedades de los tems individuales que en las globales
Thurstone (1925): a partir de unos datos del test de Binet, establece unas curvas que relacionan
la edad con la proporcin de aciertos a cada tem
Richardson (1936): Intento de ajustar el mod. de ojiva normal a las RR de los tems
Tucker (1987): en la revisin de los mt. clsicos de anlisis de tems se atribuye el acuar por
m1 vez el trmino Curva Caracterstica del tem
Birnbaum (1957-58): sustituye los mod. de ojiva normal por los logsticos
Rasch (1960): expone el mod. logstico de 1 parmetro (soluciona los problemas de
dependencia del mod. de la TCT
LA CURVA CARACTERSTICA DEL TEM

El inters pral. de la TRI se centra ms en la R del sujeto al tem que en la puntuacin total del
test, por lo que descansan en 2 postulados:
1. La R de 1 sujeto al tem puede predecirse por 1 o varias caract. (rasgos o aptitudes
inobservables)
2. La relacin R de 1 sujeto a 1 tem cjto. de rasgos subyacentes se describe mediante 1
funcin montona creciente Curva Caracterstica del tem (CCI)1 (ver grfico pg.
547)

La probabilidad de responder correctamente a 1 tem P() est relacionada con el nivel de aptitud
de los sujetos . Es 1 relacin montona creciente a ms aptitud ms RR correctas (CCI)

5.

SUPUESTOS BSICOS DE LA TRI

5.1. UNIDIMENSIONALIDAD

Los tems del test miden todos 1 mismo rasgo o aptitud (). Asumen que m =1
Se considera la prueba unidimensional si existe 1 factor predominante que explique la
covariabilidad entre los tems

En adelante CCI

5.2. INDEPENDENCIA LOCAL

No existe relacin entre las RR de los sujetos a diferentes tems para 1 mismo nivel de aptitud,
por lo que las puntuaciones estn relacionadas entre s mediante la variable latente

Prob [U1 = u1, U2 = u2, .,Un = un | ] =II Prob [Ui = ui | j]

i=1

La expresin matemtica significa que para 1 sujeto (o todos los sujetos con igual nivel de
aptitud), la probabilidad de obtener 1 deter. patrn de RR en el test es igual al producto de las
probabilidades de R del sujeto/s a los tems individuales
Es decir, la probabilidad de 1 sujeto con n1 aptitud deter. de obtener 1 patrn de RR (U) en 1 cjto.
de tems es igual al producto de las probabilidades de R a cada1 de los tems (ver ej. pg. 550)

Cuando se cumple el supuesto de unidimensionalidad se obtiene la independencia local (slo si

es 1 dimensin, no se cumple con 2)

Para solucionar el problema de una 2 dimensin se asumen 2 dimensiones y se fija 1 nivel de

aptitud para cada dimensin (los tems sern independientes entre s y se puede asumir l
independencia local pero con 1 mod. bidimensional )

6.

PRINCIPALES MODELOS DE LA TRI

6.1. MODELO LOGSTICO DE UN PARMETRO (1 p)

La probabilidad de responder correctamente a 1 tem depende del nivel de dificultad del tem y
del nivel de aptitud del sujeto
La CCI viene dada por el parmetro de dificultad
D(j bi)

P(X = 1 | jbi) = Pi(j) = =

D(j bi)

1e

- D(j bi)

1+e

Pi(j) = probabilidad de responder correctamente al tem i por parte del sujeto j

j = nivel de aptitud del sujeto j
bi = parmetro de dificultad del tem i
e = n neperiano (e = 2,718)
D = constante igual a 1,7 que posibilita que los valores de la funcin de distribucin logstica
se asemejen a los de la normal
Cada tem se caracteriza por 1 parmetro de dificultad que est en la misma escala de la aptitud y
se define como aquel valor de para el que P(j) = 0,5
__

La aptitud de de los sujetos se expresa en puntuaciones tpicas (X = 0 y Sx = 1)

Los valores de b varan entre 3 (tems muy fciles) y +3 (tems muy difciles)
Ver grfico pg. 553
Adems de los supuestos de unidimensionalidad e independencia local hay otros 2:
1. No hay adivinacin al azar en las RR a los tems del test
2. Las CCI de los tems de 1 test son paralelas entre s (discriminacin constante en todos los
tems)

6.2. MODELO LOGSTICO DE DOS PARMETROS (2 p)

La CCI viene dada por la funcin logstica en la que se especifican 2 parmetros de los tems: la
dificultad y la discriminacin del tem
ai = parmetro de discriminacin del
tem i

Dai(j bi)

e
Pi (X = 1 | jbi ai) = Pi(j) =
Dai(j bi)

1+e

El valor de ai es proporcional a la pendiente de la curva en el punto =b (valor de ka aptitud que

coincide con la dificultad del tem y con 1 Pi(j) = 0,5)
Curva con mayor pendiente discriminan mejor
ai adopta valores que comprenden el intervalo 0 2, (valores prx. a 0 los tems poco
discriminantes y cercanos a 2 los ms discriminantes)
ver grfico pg. 555)
No hay adivinacin al azar en las RR a los tems del test

6.3. MODELO LOGSTICO DE TRES PARMETROS (3 p)

En este mod. se aade un 3 parmetro ci de adivinacin al azar que indica la probabilidad de

los sujetos con bajo nivel de aptitud responder correctamente por azar

Dai(j bi)

e
P (X = 1 | j, ai,bi,ci) =ci + (1 ci) =
Dai(j bi)

1+e

Con la inclusin del parmetro c, cambia la localizacin del parmetro de dificultad. El

parmetro b es el punto de escala de aptitud:

1 + ci
P (X = 1 | j, ai,bi,ci) =ci + (1 ci) = (1 ci)(0,50)=
2

Ver grfico pg. 557

EL TEM SE CARACTERIZA
POR

MODELO
MOD. LOGSTICO DE 1 PARMETRO

MOD. LOGSTICO DE 3 PARMETROS MOD. LOGSTICO DE 2 PARMETROS

La dificultad (bi)
La dificultad (bi)
La discriminacin (ai)
La dificultad (bi)
La discriminacin (ai)
La adivinacin por azar (ci)

6.4. OTROS PARMETROS

En la TRI, 1 mod. es 1 funcin matemtica utilizada para describir la relacin entre el rasgo
psicolgico y su R al tem

Caract. de los principales tipos de mod. de la TRI:

1. Mods. dicotmicos unidimensionales:
a) Mod. logsticos 1, 2 y 3 parmetros
b) Tests unidimensionales de ejecucin mx.
c) RR dicotmicas (correcta = 1 e incorrecta = 0)
2. Mods. politmicos unidimensionales:
a) Distractores o RR incorrectas
b) Posible codificacin politmica de las RR: A = 2, B = 1, C = 0
c) Mod. de R graduada y Mod. de crdito parcial tems de produccin de R
3. Mods. para mltiples aptitudes o componentes (multidimensionales):
a) Se asume que 1 grupo de m dimensiones o rasgos subyacen a las RR de 1 sujeto a los
tems del test
b) Mods de R multicomponente, Mod. multidimensional de ojiva normal
4. Mods. para tiempos de R o mltiples intentos de los tems
a) Se da 1 tiempo lmite para responder y su velocidad es una 2 aptitud a medir
b) Tambin los que modelizan el n de xitos en deter. ensayos hasta conseguir la R
correcta
5. Mods. no paramtricos:
a) Menos exigentes en la forma de la funciones de R
b) RR dicotmicas y politmicas
c) Alternativa cuando los datos no se ajustan bien los mod. paramtricos
d) Adecuados cuando el n de sujetos es insuficiente para el mod. paramtrico
6. Mods. Con supuestos especiales acerca d los proc. de R a los tems:
a) Mod. multigrupo Se trabaja a nivel de grupo
b) Mod. conjuntivo cuando aparecen dependencias locales en las RR a varios tems

Caract. de los TRI:

5

1. Relacionan las RR de los sujetos a los tems

2. Modelizan por separado la influencia de los tems y de las personas sobre las RR
3. Establecen que la R de 1 persona a 1 tem es de naturaleza probabilstica (fenmeno aleatorio
que debe estudiarse con mods. de probabilidad)
7. ESTIMACIN DE PARMETROS

Segn los mods. de la TRI, la probabilidad de responder correctamente depende de los

parmetros que caracterizan 1 tem y de aptitud j de los sujetos, as se estimarn n parmetros de
dificultad y N de aptitud:
- Mod. logstico de 1 parmetro n +N
- Mod. logstico de 2 parmetros 2n* N
- Mod. logstico de 3 parmetros 3n +N
Los datos de partida son 1 matriz de N filas y n columnas de ceros y unos
Las estimaciones ms utilizadas se basan en el principio de mxima verosimilitud
Los parmetros de los tems y los de los sujetos se estiman simultneamente

7.1. ESTIMACIN DE LA APTITUD DE LOS SUJETOS

La funcin de verosimilitud resulta til para estimar el valor ms verosmil a partir de los datos
observados:
n

- su transformacin logartmica:

ui 1 -

ui

L(u1,u2,un| ) = IIpi Qi
n

Ln L (u1,u2,un| ) = [ui lnPi + (1 ui) inQi]

I=1

Ver ej. pg. 563-564)

7.2. ESTIMACIN DE LOS PARMETROS DE LOS TEMS

Se parte de conocido
Para el caso ms gral. , el mod. de los 3 parmetros, se aplica el tem de inters a 1 muestra
grande y se calcula la funcin de verosimilitud para las RR de N sujetos al tem:
N

uj

1- uj

L(u1, u2.,uN | a, b, c) = II P Q
j=1

7.3. ESTIMACIN SIMULTNEA DE LOS PARMETROS DE LOS SUJETOS Y DE LOS TEMS

La funcin de verosimilitud cjta. cuando N sujetos responden a n tems, asumiendo

independencia local:

u = patrn de RR del sujeto j a los n tems

= esa el vector de N parmetros de aptitud
a, b, c = vectores de los parmetros de los

N n

uij

1 - uij

L (u1, u2,.,uN | , a, b,c) = II II Pij Qij

J=1 i=1

tems para los n tems

Los datos observados es la matriz completa de N sujetos por n tems

Proc. de estimacin:
__
1. Fijar la escala de aptitud a una X = 0 y Sx = 1
2. Se eligen valores iniciales para la aptitud ej. Ln (aciertos fallos) para cada sujeto que se
tipifican y se trata comos se conociera el nivel de aptitud y luego se estiman con el mt. de
de estimacin de los parmetros de los tems
3. Considerados conocidos los valores de los parmetros (obtenidos en fase ant.) y se estiman
los parmetros de la aptitud con el mt. de estimacin de parmetros da aptitud de los sujetos

Tabla de los parmetros a estimar segn el mod. logstico:

TEMS
SUJETOS
TOTAL
8.

1p
n
N
n+N

MODELO LOGSTICO
2p
3p
2n
3n
N
N
2n + N
3n + N

AJUSTE DEL MODELO A LOS DATOS

Desde el aspecto terico los mod. TRI son falsables

Bondad de ajuste: Si la discrepancia entre el mod. de la TRI y los datos observados es peq., se
dice que el mod. se ajusta razonablemente y si es grande, el mod. no describe adecuadamente los
datos y buscamos otro alternativo

8.1. LA EVALUACIN DEL MODELO

El estudio de la bondad de ajuste del mod. a los datos implica el anlisis de 3 aspectos
interrelacionados:
1. Comprobacin del cumplimiento de los supuestos del mod.
2. Anlisis del ajuste global del mod.
3. Verificacin del cumplimiento de las propiedades esperadas del mod.

8.2. MTODOS PARA LA EVALUACIN DEL AJUSTE DEL MODELO

8.2.1. Mtodos grficos

Ventaja:
1. Permiten una 1 aprox. visual exploratoria la adecuacin del mod. a los datos
2. Rapidez e interpretacin de los resultados
Limitaciones:
1. No ofrecen criterios objetivos para la evaluacin del ajusta (s para la 1 impresin)
2. No inf. sobre la significacin estadstica de las discrepancias entre el mod. y los datos

8.2.1.1.

El grfico de la CCI emprica terica

Es 1 diagrama de dispersin:
o Eje horizontal: aptitud de los sujetos
o Eje vertical: proporciones de RR correctas observadas y las probabilidades segn el mod.
para cada nivel de aptitud

Lo 1 que se aprecia:
1. La tendencia de las proporciones observadas manifiesta 1 relacin montona creciente con la
aptitud de los sujetos
2. Se ve en que tramo de la actitud se produce discrepancia entre los datos y el mod. (ver
grfico 10.5 pg. 570)

8.2.1.2.

El grfico de residuos
Es 1 diagrama de dispersin:
o Eje horizontal: aptitud de los sujetos
o Eje vertical: residuos tipificados para cada nivel de aptitud (diferencia entre la proporcin
de RR correctas segn el mod. o discrepancias entre el mod. y los datos)
Si el residuo se divide por el error tpico de estimacin residuo tipificado para cada nivel
de aptitud, distribuida normalmente:
pj Pj
Zj =

8.2.2.

Residuo tipificado: > 2 o menores que < 2 indican grandes discrepancias en esta regin de
la aptitud
El mod. se ajusta razonablemente a los datos con mn. discrepancias por azar: Cuando
hay ausencia de patrn, con residuos prx. a 0 y alternando por encima y debajo de 0
aleatoriamente
Ver grficos 10.6, 10.7, 10.8, 10.9 y 10.0 y ejemplos. pg. 571 574
La prueba estadstica Q1

Los mt. estadsticos:

Ventajas:
1. Ofrecen criterios objetivos para evaluar el ajuste
2. Informan de la significacin estadstica de las discrepancias observadas
3. Comparacin objetiva de mod. estadsticos
Limitacin: no inf. de las causas del desajuste del mod. por lo que deben apoyarse en mt.
grficos
Esta prueba evala el ajuste global de 1 mod. a cada tem, analizando la significacin estadstica
de las discrepancias entre los datos y el mod. que se vieron con los mt. grficos. Pasos:
1. Aplicacin del mod. logstico seleccionado a los datos y estimacin de los parmetros de los
tems y sujetos
2. Creacin de k grupos de aptitud con Nj sujetos en cada grupo j
3. Clculo de la probabilidad observada de RR correctas para cada grupo de aptitud j, pj

4. Clculo de la probabilidad de responder correctamente al tem, a partir del mod., para la

aptitud media de cada grupo j, Pj
5. Para cada grupo de aptitud j, obtener:
NJ [pj Pj]
Qj = = zj
Pj (1 Pj)

Inf. sobre la magnitud de las discrepancias entre le mod. y los datos en el grupo j de aptitud
Equivales al residuo tipificado al cuadrado para el grupo j de aptitud
La distribucin de Qj es X con 1 g.l.

Si sumamos los Qj de todos los grupos de aptitud se obtiene el estadstico Q1:

La distribucin de Q1 es X con k m g.l. donde

k
k
Nj [pj - Pj ]
k
m = parmetros 1, 2 3 segn el mod.
Q1 = Qj = = zj
Si Q1 es que el valor crtico de X con k m g.l.,
j=1
j=1 Pj (1 Pj)
j=1
las discrepancias no son significativas, por lo que el
mod. describe razonablemente las RR al tem (ver ej. pg. 575- 576)

9.

LA FIABILIDAD EN LA TRI: LA FUNCIN DE INFORMACIN

En La TRI el concepto de fiabilidad se sustituye por el de informacin

9.1. LA FUNCIN DE INFORMACIN DEL TEM

Para 1 deter. nivel de aptitud j se define:

I(j) = inf. o precisin para la estimacin del nivel de aptitud

j en el tem
I(j) = Inf. para la aptitud j en el tem i
P(j) y Q(j) = probabilidad de que los sujetos con nivel de aptitud
j respondan correctamente al tem, respectivamente
P(j = derivada de la funcin P(j) en el punto j

[P(j)]
I(j) =
P(j)Q(j)

Tabla con la funcin de inf. de los 3 mod. logsticos

MODELO

I(j)

MOD. LOGSTICO DE 1 PARMETRO

D P(j)Q(j)

MOD. LOGSTICO DE 2 PARMETROS

DaPi(j)Q(j)

MOD. LOGSTICO DE 3 PARMETROS

Da Qi(j) Pi(j) ci)

Pi(j)(1 ci)

La inf. de 1 tem para 1 deter. nivel de aptitud es mayor cuando:

1. La varianza del estimador de la aptitud es peq.
2. La discriminacin del tem es alta

Para los 3 mod., 1 tem da inf. mx. en los valores de que aparecen en la 2 columna de la tabla
siguiente. La 3 columna muestra el valor de la funcin de inf. del tem en el punto max

MODELO
MOD. LOGSTICO
DE 1 PARMETRO

max
=b

MOD. LOGSTICO
DE 2
PARMETROS
MOD. LOGSTICO
DE 3
PARMETROS

I( max)
D
4

=b

1
= b + In
Da

Da
4
1
(1 +
2

1 + 8c)

D a
3/2
[1 20c 8c+ (1 + 8c) ]
8(1 c)

Ver ej. pg. 578 - 579

9.2. LA FUNCIN DE INFORMACIN DEL TEST Y EL ERROR TPICO DE ESTIMACIN

La funcin de estimacin del test (FIT) para 1 deter. nivel de aptitud j se define como la suma de
las funciones de inf. de los n tests.

[P(j)]

FIT = Ii(j) =

10

Cuanto mayor es la FIT para 1 nivel de aptitud , mayor es el poder discriminativo y menor el
error de medida que el test presenta para ese nivel de aptitud:
- La varianza de los errores de medida:

1
V () =

- El error tpico de estimacin:

1
ET() =

no es 1 estadstico, sino, 1 funcin de

- El Intervalo Confidencial:
N.C del (1 )% para ,
donde:
^
^
ET() = error tpico evaluado en
z/2 = valor crtico de la distribucin normal
10.

( z/2ET(), () +

FASES EN LA APLICACIN DEL TRI

1.
2.
3.
4.
5.

definicin rigurosa del constructo a medir

Elaboracin y seleccin de los tems ms representativos
Aplicacin de los tems a 1 muestra amplia de sujetos de la poblacin interesada
Anlisis desde la TCT de la calidad mtrica de los tems y del test
Comprobacin del cumplimiento de los supuestos de Independencia Local y
Unidimensionalidad
6. Eleccin de 1 mod. de la TRI
7. Estimacin de parmetros de tems y sujetos
conviene aplicarlos con cada mod. bsico
8. Evaluacin del ajuste del mod.
de la TRI

11.

VALORACIN DE LA TRI
1. La invarianza de parmetros:
a) Mediciones que no varen segn el instrumento utilizado (invariante respecto a los
tems)
b) Disponer de instrumentos de medida cuyas propiedades no dependan de los objetivos
medidos (invariantes respecto a los sujetos)
2. Evaluacin del ajuste entre el mod. y los datos: son falsables, permiten verificar
empricamente si son adecuados a unos datos
3. Medidas locales precisas: mediante la Funcin de Informacin, proporciona medidas precisas
y de fiabilidad

11