Vous êtes sur la page 1sur 44

11/11/2014

6. Estimacin de la fiabilidad
1. Introduccin
2. Condiciones de paralelismo.
3. Coeficiente de fiabilidad: interpretacin.
4. Procedimientos de estimacin de la fiabilidad (incluyendo alfa y
variantes)
5. Fiabilidad de un compuesto
6. Factores que afectan a la fiabilidad
7. Error tpico de medida y aplicaciones: estimacin de
puntuaciones verdaderas y contrastes de puntuaciones
observadas
8. Limitaciones y aspectos crticos

1. Introduccin
La fiabilidad se refiere a la precision o consistencia de las
medidas
X = V + E
E = X V
El error reduce la fiabilidad o replicabilidad de las medidas
obtenidas mediante tests
La fiabilidad es la proporcin de varianza obsevada
atribuible a la puntuacin VERDADERAS (r2XV)
Cmo podemos estimar esta correlacin si las puntuaciones
verdaderas no son obervables?
PARALELISMO
2

11/11/2014

2. Condiciones de paralelismo y
consecuencias
Las relaciones entre medidas paralelas permiten
calcular ndices entre variables no observables
Dos conjuntos de puntuaciones, X y X, son
medidas paralelas si:
1. Tienen la misma puntuacin verdadera:
X = V + E; X = V + E
2. Tienen la misma varianza error:
2
S2e = Se
2

1. Si las puntuaciones verdaderas no cambian: misma media


E(X) = E(V + E) = E(V) + E(E) = E(V)
E(X) = E(V + E) = E(V) + E(E) = E(V)

E(X) = E(X)

2. Si las puntuaciones verdaderas no cambian: misma variabilidad

Y los tests son paralelos

s 2x

s 2x '

Ser lo que verifiquemos para determinar si 2 formas de


un test son paralelas (procedims. estadsticos)
3

11/11/2014

Habamos visto que

3. Se puede demostrar que si calculamos la correlacin entre dos


tests paralelos, obtenemos la proporcin buscada
Linealmente indeps. r E1E2= 0

Iguales si son paralelas


4

4. Estimacin de la varianza error:


2

Sabemos que
luego s 2v = s 2x rxx '

rxx ' =

sE
sV
2 = 12
sX
sX

Y por consiguiente

2
2
sv sx

5. Correlacin con un criterio:

11/11/2014

3. Coeficiente de fiabilidad: interpretacin


Puntuacin verdadera en el rasgo: NO OBSERVABLE. Puede
ser inferida, NUNCA CALCULADA.
ERROR ESTNDAR o error tpico de medida: desviacin tpica
de los errores de medida.
NDICE DE FIABILIDAD:

COEFICIENTE DE FIABILIDAD:
0 > rxx ' < 1
Proporcin de var. observada atribuible a la var. verdadera en
el rasgo. Cuanto ms cercano a 1 ms fiable ser el test

Concepto de fiabilidad
- Es anlogo a precisin.
- Se define como la variacin relativa de la
puntuacin verdadera con respecto a la
puntuacin observada, calculada a travs de la
razn entre las respectivas varianzas.
- La clave es el error. Por qu se comete?

11/11/2014

Ejemplo: 2 formas paralelas de un test de inteligencia aplicadas a


diferentes personas

Cul de los
dos tests es
ms fiable?

Un test es fiable si:


La varianza de error que afecta a las mediciones es pequea
Valor
desconocido!

A partir de la definicin de Medidas Paralelas:


2
2
s v = s x rxx '

Consecuencias:

Cuantificamos el error
Pero su tamao depende de sx2

11/11/2014

Un test es fiable si:


La correlacin entre observadas y verdaderas (rXV) es alta
Ejemplo: Tests de inteligencia aplicados a diferentes personas
Test a

Test c

Test b

a = correlacin perfecta
b = pequeo error
c = mayor error (mayor
discrepancia entre X y V)

Cul de los tres tests es ms fiable?

10

Un test es fiable si:


La correlacin entre observadas y verdaderas (rXV) es alta
En ese caso, la proporcin de varianza de X atribuible a V es alta.
Slo estimable mediante formas paralelas

[0, 1]

Ms fcil de
interpretar

rXX= 1

Test de fiabilidad perfecta,


sin error
3

11

11/11/2014

Ejemplo:
Instrumento

1(X1 y X'1)

Instrumento

2(X 2 y X'2)

Qu instrumento es ms fiable?

Son directamente comparables? Siempre?


12

Otro ejemplo:
Instrumento

1(X1 y X'1)

Instrumento

2(X 2 y X'2)

Qu instrumento es ms fiable?

Son directamente comparables? Siempre?


13

11/11/2014

Coeficiente de Fiabilidad:

Estimador de una propiedad deseable de todo test


Sirve para estimar la precisin de las medidas que ofrece un
test
Permite realizar comparaciones entre instrumentos para
saber cul es ms fiable (dos tests aplicados a la misma
muestra)

14

4. Procedimientos de estimacin de la
fiabilidad

Formas paralelas

Equivalencia de las formas


2 tests, 1 aplicacin (o 2)

Test-retest

1 test, 2 aplicaciones
Estabilidad temporal

Consistencia
Interna

1 test, 1 aplicacin
* Mtodo dos mitades
* Cronbach (tema 9)
16

11/11/2014

1) FIABILIDAD COMO EQUIVALENCIA: FORMAS PARALELAS


Correlacin lineal entre 2 series de
puntuaciones en 2 formas paralelas de un test
XA
r
XB
Forma A
Forma B

Fiabilidad como equivalencia de


medidas (si hay dos ti: tambin
fiabilidad como estabilidad)

t1
Implica crear formas paralelas del test -con similar dificultad
(media) y variabilidad- y calcular la correlacin entre las formas.
Es COMPLICADO Y LABORIOSO
Cuando se aplica en un solo tiempo: Fatiga
17

Dada la dificultad de crear formas paralelas, una


alternativa:
dividir el test en dos partes paralelas
t1

test
MITAD 1

MITAD 2

r
Indica consistencia entre las formas (por ello tambin se
considera indicador de consistencia interna)
18

11/11/2014

Subdividimos el test en 2 partes y las correlacionamos. Tras esto


hemos de tener en cuenta que el test es de longitud doble a las
mitades evaluadas

CORRECCIN DE
SPEARMAN-BROWN
PARA TEST DE LONGITUD
DOBLE

rxx ' =

2 rAB
1 + rAB

rAB es el coeficiente de
correlacin entre ambas partes
Cmo formar las mitades?

* Primera mitad/segunda?
* Aleatoriamente?
* Pares/impares?
19

2) FIABILIDAD COMO ESTABILIDAD: TEST-RETEST


implica pasar el test en dos momentos diferentes y calcular la
correlacin entre las puntuaciones obtenidas en los dos
momentos
test

Fiabilidad como estabilidad

test

t
t1
Xt1

t2
Xt2

Inadecuado cuando intervienen factores como aprendizaje,


cambios madurativos, etc.
El lapso temporal elegido cobra una gran importancia
20

10

11/11/2014

3) FIABILIDAD COMO CONSISTENCIA INTERNA


Dos mitades y Cronbach
Dos mitades paralelas: correlacin entre formas y Spearman-Brown
Dos mitades no paralelas:
Es la varianza de las
diferencias entre las
puntuaciones de la parte 1 y
la parte 2

Frmula de Rulon

Es la varianza de la puntuaciones
observadas totales
Frmula de Guttman-Flanagan
Son las varianzas de las
puntuaciones observadas
en cada parte
21

Formas paralelas Problemas!


Test-retest

Problemas!

Consistencia
Interna

1 test, 1 aplicacin
Problemas!

Independientemente de la frmula, los valores


dependen de cmo se forman las mitades: Posibilidad
-Hacer todas las posibles mitades
-Calcular el promedio de las correlaciones implicadas
-Eso es alfa de Cronbach
Problemas comunes a todas las aproximaciones: Dificultad del
cumplimiento de paralelismo
Cronbach no requiere paralelismo
21

11

11/11/2014

Alternativas al concepto de paralelismo


Surgen de la dificultad del cumplimiento de las
condiciones de paralelismo originales:

Los tems miden lo mismo


con la misma precisin
+ fuerte

x=v+e
x' = v' + e'

Los tems miden lo mismo


pero NO con la misma precisin
Equivalencia

+ dbil
23

3) FIABILIDAD COMO CONSISTENCIA INTERNA


Dos mitades y Cronbach
Alpha de Cronbach
n: numero de tems del test
s2x: varianza del test total
s2i: varianza de un tem (i= 1, 2, ...N)

expresa la proporcin de varianza comn entre los


tems que hay en la varianza total

24

12

11/11/2014

Los coeficientes de Kuder-Richardson

Casos particulares del coeficiente alfa para tems


de respuesta dicotmica
KR-21
(para tems de
igual dificultad)

KR-20

p= proporcin aciertos
q= proporcin errores
4

Test B

Test A

Test C

Suj

10

Tt

50

50

20

8
26

13

11/11/2014

Subtest A: alfa

Subtest B: KR20

Subtest C: KR21

27

Estos mtodos (los de consistencia interna) estn basados


en las covarianzas (correlaciones) entre los tems,
que forman el test

Un test no proporciona una nica medida, X:


La puntuacin total, X, es el promedio de las puntuaciones
en cada uno de los tems
Pero cada tem proporciona una puntuacin diferente,
una medida diferente del mismo rasgo,
Entonces una nica aplicacin de un nico test
ofrece muchas medidas paralelas sobre las que estimar la
fiabilidad del test
No es necesario crear formas paralelas del test,
ni aplicarlo dos veces, ni dividirlo en dos mitades
7

14

11/11/2014

Interpretacin general de Alfa de Cronbach:


Indica la consistencia interna de los elementos del test
Un test es fiable si todos sus elementos ofrecen medidas consistentes de
cada sujeto
Valores entre 0-1

expresa la proporcin de varianza comn entre los tems que


hay en la varianza total

Alfa estima la fiabilidad de un test a partir de los tems que lo


componen
Pero tambin puede emplearse cuando el test se divide en otros
componentes, como subtests
8

Alfa como cota inferior de la fiabilidad


Otros coeficientes sobreestiman la
fiabilidad, si no se cumplen los supuestos
de paralalismo

30

15

11/11/2014

Otros coeficientes
Coeficiente beta

31

Otros coeficientes
Coeficientes derivados del Anlisis Factorial
h: Comunalidad

: 1er valor propio o


eigenvalue del factor
que ms varianza
explica
32

16

11/11/2014

5 Fiabilidad en tests compuestos y


puntuaciones diferencia
TESTS COMPUESTOS
Calcular un coeficiente que rena los subtests que
componen una batera

Si se ponderan los subtests

10

En el ejemplo:
-

Si se pondera el subtest A al doble y el


subtest C a un tercio:
-

)-

34

17

11/11/2014

5. Fiabilidad en tests compuestos y


puntuaciones diferencia
PUNTUACIONES DIFERENCIA
Utilizadas para evaluar la precisin de puntuaciones
tomadas en momentos diferentes para evaluar la
eficacia de programas o intervenciones

12

6. Factores que afectan al coeficiente de fiabilidad

6.1. Longitud del test


Aumentar la
longitud de un test
implica aumentar
su fiabilidad
(siempre que los
nuevos elementos
que se aadan
sean paralelos)

36

18

11/11/2014

A medida que el test es ms largo es ms


fiable:
Test de 3 tems
Puntuacin del sujeto: 2

Test de 100 tems


Puntuacin sujeto: 67

Volvemos a aplicar el test


Puntuacin del sujeto: 3

Error: 1 sobre 3: 33%

Puntuacin sujeto: 70

3 sobre 100: 3%
37

Frmulas de Spearman-Brown (1910) para estimar la


fiabilidad de un test si se modifica su longitud
Caso
general:
rcc = fiabilidad tras modificar longitud del test
rxx = fiabilidad del test con longitud original
K= longitud final/longitud inicial

Caso de longitud doble:


( = frmula dos mitades)

38

19

11/11/2014

Pero no podemos alargar la longitud hasta el infinito

Fiabilidad

Longitud

N de tems
requerido para alcanzar una
determinada fiabilidad:
39

El cambio en la longitud de un test afectar tambin


a sus varianzas:
Longitud doble

Longitud k

Varianza
observada
Varianza
verdadera
Varianza
error

40

20

11/11/2014

Ejemplo:
Aplicamos un test de ansiedad de 40 tems a 500 estudiantes
long. inicial = 40

long. final = 80

k=2

Cul sera la fiabilidad del test si duplicamos su longitud?

Al duplicar la longitud del test con elementos paralelos, el


coeficiente de fiabilidad aumenta de 0,80 a 0,89

41

Ejemplo:
Aplicamos un test de ansiedad de 40 tems a 500 estudiantes
long. inicial = 40

long. final = 100

k = 2.5

Cul sera la fiabilidad del test si aumentamos su longitud a 100 tems?

Al aumentar la longitud del test a 100 tems (aadiendo


60 tems paralelos), el coeficiente de fiabilidad
aumenta de 0,80 a 0,91
42

21

11/11/2014

Ejemplo:
Aplicamos un test de ansiedad de 40 tems a 500 estudiantes
1ong. inicial = 40

1ong. final = ? => 90 tems


k = ?

Cuntos tems deberamos aadir para aumentar el


coeficiente de fiabilidad del test a 0,90?

Debemos aadir 50 tems para que el coeficiente de


fiabilidad aumente de 0,80 a 0,90
43

6.2. Variabilidad de la muestra


Ejemplo:
Sabemos que la varianza error en un test es 9
y la varianza observada, 100.
Se aplica el mismo test a otra muestra, en la
que la varianza observada es 16.
Proporcin de varianza error
en la primera muestra

9/100=

Proporcin de varianza error


en la segunda muestra

9/16=

9%
56%
44

22

11/11/2014

Ejemplo: Elaboramos test para medir actitud hacia Eutanasia


20 = aceptacin
total

1 = rechazo absoluto de la Eutanasia

Medidas en Asociacin a favor


Eutanasia
(2 formas paralelas)
X

20
17
18
19
20
19

20
18
18
18
19
20

r xx ' = 0.67

X
14
5
18
12
9
4

(0)
(+1)
(0)
(-1)
(-1)
(+1)

Instrumento con fiabilidad


deficiente

Medidas personas con


opiniones diversas
(2 formas paralelas)

X
14
6
18
11
8
5

(0)
(+1)
(0)
(-1)
(-1)
(+1)

r xx ' = 0.99
Instrumento fiable
45
45

Para un mismo test aplicado en 2 muestras diferentes (1 y


2), el coeficiente de fiabilidad nicamente presentar el
mismo valor si las dos muestras tienen la misma variabilidad

Si la variabilidad es diferente en las dos muestras, el


coeficiente de fiabilidad para un mismo test ser mayor en la
muestra ms heterognea (la que tenga ms variabilidad)

46

23

11/11/2014

La varianza de las puntuaciones observadas en un grupo de sujetos


(2x) se descompone en la siguiente suma:
S 2x = S 2v + S 2e

S 2x
S2

diferencias individuales que el test detecta

v diferencias

que realmente existen entre los sujetos

- son una caracterstica de los sujetos que componen cada grupo


- por lo que cambian de un grupo de sujetos a otro
S 2e

diferencias/distorsiones que aade el test por efecto del error


- son una caracterstica del test
- por lo que no cambian de un grupo a otro
- Pero el impacto NETO de esas distorsiones cambia segn el
grupo (homogeneidad, tamao...)

Vemoslo
47

S2

Muestra A
2
e = 2 y S x = 20

S2

Muestra B
S2x = 4
e= 2 y

El coeficiente de fiabilidad depende de la proporcin en que


las diferencias que detecta el test (S2x) se deben
a las diferencias que realmente existen entre los sujetos (S2v )

Un test no tiene un nico coeficiente de fiabilidad,


su fiabilidad cambia con el grupo de sujetos al que se aplica:
Cuanto mayores son las diferencias que realmente existen entre los
sujetos (S2v ), menos se notan las distorsiones que introduce el error y
mayor es la fiabilidad
Cuando estas diferencias (S2v ) sean pequeas el efecto es el contrario,
por lo que hemos de descartar ese test a favor de otro test ms sensible,
ms capaz de detectarlas
48

24

11/11/2014

Para interpretar la comparacin del coeficiente de fiabilidad


de dos tests es necesario tener en cuenta la variabilidad de las
muestras en que fueron estimados

Esta frmula permite calcular cul sera la fiabilidad de un


test para una variabilidad muestral determinada

49

Test 1

Ejemplo 4:

Test 2 (X2 y X2)

Qu instrumento
es ms fiable?
Para garantizar la comparacin deberamos estimar los
coeficientes de fiabilidad en igualdad de condiciones de
variabilidad!!
Cul sera la fiabilidad del Test 2 en una muestra con s2x = 8?
Ojo!! Los subndices hacen referencia a:
(1) los valores del test en la muestra original
(varianza =3)
(2) los valores del test si la variabilidad hubiera
sido distinta (varianza=8)
50

25

11/11/2014

Test 1

Test 2 (si varianza=8)

Test 2

51

El coeficiente de fiabilidad de un test depende de la variabilidad de


la muestra en la que es calculado

Sx (heterogenea)

r xx '

Sx (homogenea)

r xx '

Recordemos que se asume que el error tpico de medida se


mantiene constante independientemente de la variabilidad de la
muestra
Se asume la homocedasticidad del error de medida
Sx

(heterogenea)

(homogenea)

2
x

S e cte.

Crticas!
(homoscedasticidad)

52

26

11/11/2014

6. Factores que influyen en el coeficiente de


fiabilidad: Conclusiones
La fiabilidad, en el contexto de la TCT, no puede ser considerada
una propiedad intrnseca del test
Tendencia actual: considerar la fiabilidad como una propiedad de las
puntuaciones obtenidas con el test, y no como una caracterstica
intrnseca al test.
Diferentes autores sealan que hablar de "la fiabilidad del test", o
decir que "el test es fiable", representan expresiones incorrectas. Es
ms adecuado utilizar la expresin: "la fiabilidad de las puntuaciones
obtenidas con el test.
Reciente recomendacin de la APA: que los autores informen de la
fiabilidad presentada por los datos analizados incluso cuando el
objetivo de la investigacin no sea de naturaleza psicomtrica.
Lamentablemente sta no parece ser una prctica habitual.
53

6. Estimacin de la fiabilidad
1. Introduccin
2. Condiciones de paralelismo.
3. Coeficiente de fiabilidad: interpretacin.
4. Procedimientos de estimacin de la fiabilidad (incluyendo alfa y
variantes)
5. Fiabilidad de un compuesto
6. Factores que afectan a la fiabilidad
7. Error tpico de medida y aplicaciones: estimacin de
puntuaciones verdaderas y contrastes de puntuaciones
observadas
8. Limitaciones y aspectos crticos

27

11/11/2014

55

Estimacin de las puntuaciones


Cmo podemos obtener una estimacin de V?

Estimacin puntual

X como indicador de V
(pero no sabemos cunto error cometemos)

Estimacin puntual mediante ecuacin de


regresin

Tienen en
cuenta el error
de medida

Estimacin por intervalo

28

11/11/2014

Estimacin y prediccin de la puntuacin verdadera a partir de las


puntuaciones empricas mediante ecuacin de regresin
ESTIMACION PUNTUAL: Como la relacin es lineal, se suele
emplear una ecuacin de regresin lineal

Y= A + BX

Y
Rendimiento (Y)

A: Valor esperado en Y cuando


X=0
B: Cambio esperado en Y
cuando X aumenta una unidad

Inteligencia (X)
3

V=A+BX

Sabiendo que

29

11/11/2014

EJEMPLO. En una muestra en que la media muestral en


un test de rendimiento ha sido 40 y la fiabilidad del test ha
sido 0.87, Qu puntuacin verdadera estimaramos a un
nio que en el test ha tenido una puntuacin de 60?

Estimacin mediante intervalo de confianza


X=V+E
Sabemos que la distribucin del error e normal, con
media 0 y DT e

Dado que la distribucin del error es normal (0, e),


podemos utilizar las propiedades de este tipo de
distribucin para construir intervalos de confianza
alrededor de X que contengan a V con una probabilidad
fijada de antemano .
6

30

11/11/2014

Distribucin normal
Clave: existe una relacin exacta entre la
desviacin () respecto de la media y el
porcentaje de casos....
99,72%

95,44%
68,26%

casos

-3 -2 -1

+1 +2 +361

Sea cual sea el valor de y de , la relacin se


mantiene.

Ej 1: CI: =100, =15


99,72%
95,44%
68,26%

-3 -2 -1
55
70 85

100

+1
115

+2 +3 62
130 145

31

11/11/2014

99,72%
95,44%
68,26%

-3 -2 -1
+1 +2 +3

55
70 85
100
115 130 145
x
Cmo hemos pasado de z (puntuacin tpica) a x (puntuacin
directa)?

x= (z)+ y a la inversa z= (x-)/


63

Con el error de medida es lo mismo:


Ej 2: Error de medida del test: =0, =0.5
99,72%
95,44%
68,26%

-3 -2 -1
-1.5 -1 -0.5

+1
0.5

+2 +3
1
1.5

64

32

11/11/2014

Estas relaciones son las que usamos para


construir intervalos de confianza para V.
Vemoslo
95,44%
68,26%

-3 -2 -1
-1.5 -1 -0.5

+1
0.5

+2 +3
1
1.5

65

66

33

11/11/2014

67

Datos: X = 17

Error: e = 0,5

Nivel de confianza 1- =0.99; nivel de riesgo = 0,01


1. Establecer el
nivel de confianza:
1- = 0,99

99%

y el de riesgo:

y el de riesgo:

?
68

34

11/11/2014

69

3. Destipificar esas puntuaciones z: x= (z)+

99%

-1.29

1.29
70
70

35

11/11/2014

4. Construir el intervalo

0.99

<e<
<V<

71

5. interpretar el intervalo

0.99

En este test, en el 99%


de los casos el error
oscilar entre -1.29 y
1.29 alrededor de la
puntuacin observada
de inters.

72

36

11/11/2014

73

Ejercicio
Aplicamos una prueba eliminatoria a un grupo de alumnos. La prueba se
punta de 0 a 10, y para eliminarla hay que obtener 5 o mas. Un alumno
obtiene un 4. Se queja de que puede estar injustamente evaluado por
efecto del error de la prueba (e = 0,25). Qu valor puede corresponder a
su puntuacin verdadera, con una confianza del 90%? y del 95%? y del
99%?

Y si el error tpico de la prueba es mayor, de 1.5? qu pasa ahora?


qu conclusiones sugiere la comparacin de estos resultados?

Y qu pasa en el caso contrario, si el sujeto tiene una puntuacin


observada muy alta, digamos 9,5? Qu valor puede corresponder a su
puntuacin verdadera, con una confianza del 99%?
74
Qu conclusin sugiere este resultado?

37

11/11/2014

Ejercicio: e = 0,25
1) Establecer el nivel de confianza (1-) deseado:

0.95

0.99

2) Determinar las puntuaciones tpicas que delimita ese intervalo de probabilidad


= 0.05 Z/2=0.025
= 0.01 Z/2=0.005

Z0.025 = -1,96

Z0.975 = 1,96
Z0.995 = 2,58

Z0.005 = -2,58

3) Determinar las cantidades de error que delimita ese intervalo de probabilidad


emax = 0.49

emax = 0.64
0,95
0,95

0.05

4) Obtener los lmites de confianza:

0,99
0,99

0,025

0,025
0,005

0,025

0,025

0,005

z = -1,96

z = -2,58

Emx

Emx
75

z = 2,58

Contraste de diferencias entre puntuaciones


En muchas ocasiones nos interesa comparar
Las puntuaciones de distintos
sujetos en el mismo test
Las puntuaciones de un sujeto
en el mismo test en
distintas aplicaciones

Diferencias
interindividuales

Diferencias
intraindividuales

Las puntuaciones del mismo


sujeto en test distintos

19

38

11/11/2014

Contraste de diferencias interindividuales


Realizamos el contraste de hiptesis:

Utilizando el estadstico de contraste:

20

EJEMPLO
En el Standford-Binet a los 12 aos la media es 100 y
la Sx 16. En un grupo de esta edad se ha encontrado
rxx=0,93. Una nia obtiene Xi=120 y otra Xj=110.
a) Se puede afirmar con una seguridad del 99% que
la primera es superior a la segunda?
b) Qu puntuacin tendra que tener otra nia para
afirmar que su CI es superior al de la primera con un
99% de seguridad?
21

39

11/11/2014

Xi=120
Xj= 110
Sx=16
rxx=0,93

H0: XiXj
H1=Xi>Xj
confianza: Z unilateral: 2,33

P= =0,01

Ze

-3

No se puede afirmar que la primera es superior a la


segunda
22

b) Para ello Ze>Zc

Xi=120
Xj= 110
Sx=16
rxx=0,93

2,33=d/Sd
2,33=d/5,99
d=13,93
X=120+13,93=133,93
23

40

11/11/2014

Contraste de diferencias interindividuales

Comparamos al mismo individuo


A) MISMO TEST O TESTS PARALELOS

24

EJEMPLO
Un nio con dificultades psicomotoras obtiene en un
test diseado para tal efecto 80 puntos. Sabemos que
la media de dicho test es 100, Sx=15 y rxx=0,95.
Tras un tratamiento, volvemos a aplicar el test y
obtiene 90 puntos. Puede afirmarse con un nivel de
confianza del 99% que ha habido una mejora
significativa?

25

41

11/11/2014

X1=80
X2= 90
Sx=15
rxx=0,95
P= =0,01

Ze

-3

No puede afirmarse a este nivel de confianza que ha


habido una mejora significativa
26

B) DOS TESTS NO NECESARIAMENTE PARALELOS


QUE MIDEN EL MISMO RASGO

Si no conocemos rx1x2:

27

42

11/11/2014

8. Limitaciones y aspectos crticos

El modelo clsico de la TCT tiene algunas ventajas

Sencillez, claridad y flexibilidad.


Escasa complicacin matemtica
Escaso requerimiento de clculo

85

Pero tambin tiene limitaciones


1. Limitaciones relacionadas con la asignacin de puntuaciones:
No hay un modelo de medida
2. Limitaciones relacionadas con el componente de error:
Homoscedasticidad poco plausible: Se asume que a todas las
personas las medimos con la misma cantidad de error
Independencia del error entre aplicaciones de un mismo test:
imposible de demostrar.
No diferencia diferentes fuentes de error, se asume que las
diferentes fuentes de error sistemtico se controlan mediante la
constancia y la aleatorizacin, pero no siempre es as.
86

43

11/11/2014

Limitaciones del MCL


3. Limitaciones relacionadas con la puntuacin verdadera:
Se desconoce su relacin con la puntuacin en el rasgo, no se
puede interpretar directamente (V= f(R,C)). Ejemplo de la
densidad: masa y volumen
4. Limitaciones relacionadas con la puntuacin observada:
No se pueden interpretar directamente, es necesario el uso de
baremos, y la informacin que proporcionan es, generalmente,
ordinal.
5. Limitaciones relacionadas con la fiabilidad del test:
Cambia en funcin de diferentes factores, hay que volver a
calcularla cuando cualquiera de ellos cambia: homogeneidad*
87

Qu valor debe adoptar el


coeficiente de fiabilidad?
No se pueden establecer puntos de corte
generales
Depende del uso que se haga del test
En la prctica se siguen las
recomendaciones de Nunally:
> 0,70 aceptable en investigacin
0,90 cuando se utilizan para tomar
decisiones sobre las personas
Deseable: 0,95

88

44