Avaliao Psicolgica, 2012, 11(2), pp.

297-307

Psicometria: fundamentos matemticos da

Teoria Clssica dos Testes
Ricardo Primi1 Universidade So Francisco, Itatiba, Brasil
Resumo
Este artigo revisita textos clssicos em psicometria e apresenta os fundamentos matemticos da Teoria Clssica dos Testes.
Aborda o modelo matemtico da anlise fatorial, o modelo linear clssico, a derivao do ndice de preciso e dos tipos
de clculo do coeficiente de preciso, o erro padro da medida, o equacionamento da validade com a anlise fatorial e, por
ltimo, a anlise de itens. O texto interessa queles que queiram ampliar seu conhecimento nos conceitos de psicometria,
entendendo de onde surgem as principais frmulas que usamos na prtica psicomtrica de anlise de testes e escalas.
Palavras-chave: teoria clssica dos testes; psicometria; preciso; validade; anlise fatorial.

Psychometrics: mathematical foundations of classical test theory

Abstract
This paper revisits the classic texts in psychometrics and presents the mathematical foundations of the classical test theory.
It discusses the mathematical model of factor analysis, the classical linear model, the derivation of the reliability and types
of calculation of the reliability coefficient, the standard error of measurement, the integration of validity with factor analysis and, finally, item analysis procedures. The text concerns those who want to deepen their knowledge in the concepts of
psychometrics, understanding the origin of the main formulas that we use when doing psychometric analysis of tests and
scales.
Keywords: classical test theory; psychometrics; reliability; validity; factor analysis.

Psicometra: fundamentos matemticos de la teora clsica de los tests

Resumen
Este artculo repasa los textos clsicos en psicometra y presenta los fundamentos matemticos de la teora clsica de los
testes. Explica el modelo matemtico de anlisis factorial, el modelo lineal clsico, la derivacin del ndice de precisin
y los tipos de clculo del coeficiente de precisin, el error estndar de medicin, el ecuacionamento de la validez con el
anlisis factorial y, por ltimo, el anlisis de tems. El texto es de inters para aquellos que desean ampliar sus conocimientos sobre los conceptos de la psicometra, la comprensin de donde surgen las principales frmulas que se presentan en la
prctica psicomtrica de tests y escalas.
Palabras-clave: teora clsica de los tests; psicometra; precisin; validez; anlisis factorial.

Endereo para correspondncia:

R. Dr. Jos Bonifcio Coutinho Nogueira, 225 - Cond. 4, Town House 8, 13091611
Campinas, So Paulo, Brasil.
E-mail: rprimi@mac.com

Essa pesquisa teve financiamento do CNPq.

297

298

Primi

Com a popularizao do uso de computadores, as anlises estatsticas e psicomtricas ficaram

muito mais acessveis e fceis de serem executadas.
A formao em ps-graduao tende, compreensivelmente, a focar um contedo instrumental sobre como
operar os programas e executar as anlises. Assim
h uma carncia de formao mais aprofundada
nos fundamentos dos procedimentos psicomtricos
que so frequentemente usados nas pesquisas. Este
artigo pretendeu revisitar trabalhos clssicos da psicometria (Ferguson 1981; Guilford 1954; Gulliksen,
1950; Lord, & Novick, 1974) e resumir os princpios
matemticos da Teoria Clssica dos Testes (TCT).
Pretende-se apresentar: o modelo matemtico da
anlise fatorial, o modelo linear clssico, a derivao do ndice de preciso e dos tipos de clculo
do coeficiente de preciso, o erro padro da medida,
o equacionamento da validade com a anlise fatorial
e, por ltimo, a anlise de itens. O texto interessa
queles que queiram aprofundar seu conhecimento
nos conceitos de psicometria, entendendo de onde
surgem as principais frmulas que usamos na prtica
psicomtrica de anlise de testes e escalas.
Anlise fatorial e modelos estruturais da inteligncia e personalidade
Como afirma Cattell (1973), nas fases iniciais do desenvolvimento das cincias em geral,
observam-se esforos procurando definir a taxonomia ou estrutura de seu fenmeno particular. Assim,
a qumica definiu inicialmente os elementos constituintes da matria antes de edificar teorias gerais
sobre fenmenos complexos. Essa orientao esteve
presente nos estudos sobre a inteligncia, desenvolvidos pelos psicometristas no sculo passado.
As pesquisas procuravam definir quais seriam as
estruturas constituintes da inteligncia humana que
seriam as causas do comportamento observvel.
O objetivo central desses estudos era identificar quais seriam as habilidades latentes bsicas,
definindo o seu nmero e estrutura de organizao.
Para isso, foi utilizada a anlise fatorial, que um
mtodo estatstico que busca analisar estruturas em
matrizes de covarincia ou correlao, redefinindoas em um nmero menor de variveis. Segundo
Johnson e Wichern (1992), o propsito essencial da
anlise fatorial descrever, se possvel, as covarincias entre variveis em termos de um nmero menor
de variveis aleatrias subjacentes, mas inobservveis, chamadas fatores (p. 396).
Avaliao Psicolgica, 2012, 11(2), pp. 297-307

Os psicometristas procuravam mensurar um conjunto amplo de habilidades cognitivas,

por exemplo, por meio de uma bateria de testes de
inteligncia envolvendo contedos diversificados.
Segue-se ento a lgica de que se vrios testes esto
altamente inter-relacionados, de maneira que se
pode ento inferir a existncia de uma nica varivel
latente, inobservvel, que responsvel por estas
inter-relaes. Analisando os testes inter-relacionados, se chegaria a compreender essa estrutura.
Formalmente, supondo que tenham sido observadas p variveis em uma dada amostra de sujeitos, o
modelo fatorial ortogonal diz que:
X1
l11
X1

.
.
= . +
.
.
.

X p px1 X p px1 l p1

l1m
e1
F1

.
. + .
.
.
Fm mx1
l pm
em mx1
pxm

Onde:

X i = valor da i-sima varivel

X i = mdia da i-sima varivel

lij =

carga fatorial da varivel i no fator j

Fj = valor do j-simo fator comum

ei =

valor do i-simo fator especfico

m < p o nmero de fatores menor que o nmero

de variveis

O modelo fatorial ortogonal supe que: (1) a

mdia dos valores dos fatores comuns e especficos
seja zero, (2) a varincia dos fatores seja igual a 1
e a covarincia entre eles seja zero (portanto que a
matriz de covarincia entre os fatores seja igual
matriz identidade) e (3) a covarincia entre os fatores especficos seja zero, portanto que a matriz de
covarincia entre os fatores especficos seja igual a
uma matriz diagonal. Portanto, para uma varivel
particular i supe-se que seu valor possa ser dado
pela seguinte equao:

X i = X + li1 F1 + li 2 F2 +. . .+ lim Fm + ei
Pode-se notar nessa equao que: (1) o valor
da varivel observada i est em funo de um conjunto
m de variveis latentes (portanto inobservveis), ou

Psicometria: fundamentos matemticos da Teoria Clssica dos Testes

seja, os m fatores comuns (F1 . . . Fm), e tambm em

funo de um componente especfico a esta varivel
(ei). Assim, os desvios em relao mdia, ou seja,
a varincia da varivel i explicada pela variao
de um conjunto de variveis comuns, ou seja, associadas tambm varincia do conjunto mais amplo
contendo as p variveis do qual a varivel i faz parte,
e tambm pela variao especfica desta varivel que
no compartilhada pelas outras p variveis; (2) a
magnitude com que a variao de um determinado
fator j est associada variao na varivel i, chamada de carga fatorial, dada por lij; (3) a relao
entre os m fatores e a varivel i linear.
Ainda, segundo o modelo fatorial ortogonal, a matriz de varincias e covarincias entre as p
variveis poderia ser reescrita da seguinte forma (ver
Johnson & Wichern, 1992, para a deduo detalhada
dessa equao):
l11
.
Cov ( X )= L L+ =
.

l p1

l1m
l
. 11

.
.
l m1
l pm
pxm

l1 p

.
l mp

mxp

1 0 0 0
0 . 0 0

+
0 0 . 0

0 0 0 p pxp

O que resulta:

Var ( X i )= li21 +...+ lim2 + i

Cov ( X i , X k )= li1l k1 +...+ liml km
Cov ( X i , F j )= lij
Nota-se, na equao, que a varincia de uma
varivel i dada pela soma do quadrado das cargas
fatoriais desta varivel nos m fatores mais a varincia especfica. Essa soma dos quadrados das cargas
tambm chamada de comunalidade e denotada por
h2:

h 2 = li21 +...+ lim2

Assim, a varincia da varivel i pode ser
reescrita:

Var ( X i )= h 2 + i
Tal equao aponta que a varincia de uma
varivel i pode ser dividida em duas parcelas. A
primeira, a comunalidade, representa a parcela da
varincia dessa varivel associada s variaes dos
fatores. O termo comunalidade refere-se ao fato
de que, sendo os fatores comuns, sua variao est

299

associada tambm s p-1 variveis restantes. Portanto, essa parcela da varincia de i potencialmente
compartilhada pelas p-1 variveis restantes (usa-se
o termo potencialmente compartilhvel, j que no
se sabe a carga fatorial das p-1 variveis restantes).
A segunda parcela, no entanto, representa a poro
da varincia no associada aos m fatores, ou seja,
no compartilhada pelas variveis restantes. Sendo
assim, essa varincia especfica varivel em
anlise.
As equaes dizem ainda que a covarincia
entre duas variveis igual soma dos produtos das
cargas que estas variveis tm nos fatores comuns,
ou seja, sua covarincia nica e exclusivamente
dada pelos fatores. Elas tambm mostram que a
covarincia entre uma varivel e um fator igual
carga da varivel no fator.
Com a anlise fatorial, a psicometria procurou explicar a relao entre escores de diferentes
testes em funo de um nmero menor de habilidades latentes. Nota-se, portanto, que esse mtodo
tentou criar um modelo para explicar as diferenas
entre indivduos nos escores dos testes (portanto
os desvios em relao mdia, Xi X dos resultados dos n sujeitos, nas p medidas efetuadas) em
funo de um conjunto menor de variveis latentes
(Fj). Essas estruturas seriam as habilidades mentais
latentes que representariam as causas das diferenas,
entre os sujeitos, nos escores dos testes.
Diante do exposto, fica claro que a anlise fatorial tornou possvel o estudo emprico de
variveis internas no observveis, diretamente,
sejam elas da inteligncia ou personalidade e por
isto representou um grande avano para a psicologia. Isso ocorreu porque o pesquisador podia partir
de um conjunto de variveis observveis e, por meio
das inter-relaes entre elas, investigar as possveis
dimenses subjacentes que seriam as causas desses
comportamentos. Nota-se que esse mtodo puramente correlacional, no implicando, em nenhum
momento, na manipulao experimental. Em uma
analogia interessante, Cattell (1975) tornou claro o
mtodo da anlise fatorial:
O problema que por muitos anos desconcertou os psiclogos era encontrar um mtodo que
deslindasse essas influncias funcionalmente unitrias na floresta catica do comportamento humano.
Mas como que numa floresta tropical de fato decide
o caador se as manchas escuras que v so dois ou
trs troncos apodrecidos ou um s jacar? Ele fica
Avaliao Psicolgica, 2012, 11(2), pp. 297-307

300

Primi

espera de movimento. Se eles se movem juntos

- aparecem e desaparecem juntos - ele conclui por
uma nica estrutura. Da mesma forma como John
Stuart Mill observou em sua filosofia da cincia o
cientista deveria ter em mira a variao concomitante na busca de conceitos unitrios (p. 55).
Utilizando esse instrumental estatstico, os
psicometristas investigaram a estrutura da inteligncia (bem como da personalidade). Surgiram, ento,
vrias teorias postulando estruturas nicas, mltiplas
e simultaneamente nicas e mltiplas. Uma reviso
desses modelos pode ser encontrada em Sternberg
(1981, 1984, 1986) e Almeida (1988).
Preciso e validade
Ao lado da pesquisa sobre as estruturas da
personalidade, a psicometria foi tambm responsvel pelo aprimoramento das tcnicas de medida na
psicologia. Ela foi e continua sendo um ramo especfico da psicologia, destinado ao desenvolvimento
de tcnicas de mensurao de variveis psicolgicas,
introduzindo um instrumental estatstico adequado
as suas complexidades. Seus fundamentos bsicos
so parte do que se chamou teoria clssica dos testes.
Os instrumentos de avaliao psicolgica
podem ser caracterizados por duas propriedades
mtricas bsicas: Preciso e Validade [em ingls:
reliability, validity]. Preciso est associada ao
erro de medida, isto , diferena entre o escore
observado de um sujeito em um teste, do valor verdadeiro que ele tem na varivel latente. Em razo
da complexidade prpria s variveis psicolgicas, praticamente nunca a variabilidade em escores
observados refletem com exatido e preciso as diferenas reais na varivel latente. Sempre haver um
erro de medida, ou seja, variaes que no refletem
as diferenas reais. Portanto, uma prtica corrente
estimar a preciso de um determinado teste para conseguir estabelecer uma expectativa de quo errnea
poder ser a medida.
Validade, por sua vez, relaciona-se questo
que investiga se o teste est medindo o construto que
se prope medir. Nesse sentido, de se esperar que a
variao nos escores observados em um teste esteja
associada, em certo grau, ao construto psicolgico
que o teste se prope medir. Os estudos de validade
investigam essa expectativa testando empiricamente
se o teste est medindo a varivel conforme foi
planejado.
Avaliao Psicolgica, 2012, 11(2), pp. 297-307

Sobre as relaes entre essas duas propriedades dos testes, sabe-se que uma boa preciso
uma condio necessria, mas no suficiente para
que um teste seja vlido. Mesmo preciso, um teste
pode estar medindo uma varivel diferente daquela
a que se props. Assim, a psicometria estruturou um
sistema conceitual bsico, o qual denominou modelo
linear clssico. Esse sistema ser tratado a seguir e
resume a exposio feita nos trabalhos de Ferguson
(1981), Guilford (1954), Gulliksen (1950), Muiz
(1994) e Pivatto (1992).
O modelo linear clssico: Preciso
O modelo linear clssico postula que um
escore observado de um determinado sujeito Xi
em um teste pode ser decomposto em duas partes
aditivas:
(1) Ti, o escore verdadeiro [em ingls: true
score] do sujeito na varivel medida pelo teste;
(2) ei, o escore de erro que ocorre em funo
da impreciso das medidas psicolgicas.
Assim, o escore observado pode ser definido
como:

X i = Ti + ei
O escore verdadeiro (Ti) pode ser concebido
teoricamente de duas maneiras: (a) uma medida da
varivel em anlise, sob condies ideais, usando um
instrumento perfeito ou (b) a mdia de um conjunto
de infinitas medidas da mesma varivel, no mesmo
sujeito, quando estas so independentes, usando um
instrumento imperfeito com erros de medidas. Ferguson (1981) estabelece essa definio como:
k

Ti = lim
k

X
j =1

O escore de erro (ei) pode ser entendido como

uma varivel aleatria associada a eventuais erros
associados s condies particulares de aplicao.
Ele assume valores positivos e negativos, fazendo,
portanto, com que os escores observados sejam
ora maiores e ora menores do que os escores verdadeiros. Assume-se que o erro seja assistemtico,
aleatrio, ou seja, no mostra tendncia sistemtica
de assumir valores positivos ou negativos. Nota-se

Psicometria: fundamentos matemticos da Teoria Clssica dos Testes

que o valor do escore verdadeiro fixo entre diferentes aplicaes, enquanto o erro tende a variar.
Ainda seguindo essa lgica, trs postulados
so explicitados:
(1) Se os erros so assistemticos, em um
conjunto grande de medidas, a mdia dos erros ser
igual a zero:

escore observado no sofrer contribuio vinda da

covarincia entre escore de erro e escore verdadeiro,
restringindo-se varincia dos escores verdadeiros mais a varincia dos escores dos erros. Uma
deduo importante ocorre quando se aplicam esses
princpios equao da covarincia entre os escores
observados e os escores verdadeiros, tal como dada
a seguir:

e =0

(2) em um grande conjunto de medidas

espera-se que no exista correlao entre os escores
verdadeiros e os escores de erro, j que razovel
supor que sujeitos com altos escores tenham a
mesma tendncia a sofrer acrscimos (erro positivo)
ou decrscimos em seus escores (erro negativo) e
vice versa:

te =0
(3) supe-se que no existir correlao
entre os escores de erro de dois testes diferentes a
e b, que meam a mesma varivel, portanto testes
paralelos:

ea eb =0
Como decorrncia da definio e dos postulados, vrias relaes podem ser deduzidas. Com
relao mdia, pode-se dizer que, supondo que se
mea uma determinada varivel em uma populao,
a mdia destes escores observados pode ser escrita
como:
N

X=

(T + e ) T e
i =1

i =1

i =1

=T +e =T

X =T
Assim, a mdia de um conjunto muito
grande de escores observados igual mdia dos
escores verdadeiros. Entretanto, a varincia dos
escores observados dada por:

2x = 2t + 2e + 2 te t e = 2t + 2e + 2( 0) t e
2x = 2t + 2e
Portanto, como no h correlao entre
escore de erro e escore verdadeiro, a varincia do

301

2
tx

(T T )( X
i =1

[( T
N

2tx =

i =1

(T

X)
=

2
tx

[(T T )((T + e )T )] [(T T )(T T + e )]

i =1

Ti T + Ti ei TTi + T 2 Tei )
N

i =1

] (T
=

2Ti T + T ) + (0) (0)

i =1

(T T )
i =1

i =1

i =1

i =1

2Ti T + T 2 ) + Ti ei NX ei )
N

= 2t

2tx = 2t

Nota-se, por meio dessa deduo que, como

o erro no est correlacionado com o escore verdadeiro, os termos da equao que contm o escore
de erro desaparecem. Assim, a covarincia entre o
escore observado e o escore verdadeiro igual
varincia do escore verdadeiro. Utilizando essas
informaes no clculo do coeficiente de correlao,
entre o escore observado e o escore verdadeiro, temse que:
N

tx =

(T
i =1

T )( X i X )
N t x

(T
i =1

T )( X i X )
N

t2

1
1
= t2
=
= t
t x
t x t x x

tx = t
x

Essa equao diz que a correlao entre o

escore verdadeiro e o escore observado igual a uma
proporo entre os desvios do escore verdadeiro e os
desvios do escore observado. Essa frmula refere-se
variao em termos de desvios padro. Contudo, na
literatura, definiu-se o ndice de preciso [em ingls:
index of reliability - tt ] utilizando, em vez do desvio padro, a varincia. Assim, esse dado por:

tt = (tx )
tt =

2t
t
= = 2
x
x

2t
2x
2

Como a varincia do escore observado ( x )

composta pela varincia do escore verdadeiro mais
Avaliao Psicolgica, 2012, 11(2), pp. 297-307

302

Primi

a varincia do escore de erro, o ndice de preciso

sempre ser igual ou maior que a varincia do escore
verdadeiro ( 2t ). Portanto, esse ndice assume valores entre 0 e 1. O seu valor significa qual parcela da
varincia dos escores observados varincia verdadeira. Quanto menor for o coeficiente, menor ser
a parcela verdadeira e maior a parcela de erro de
medida. Outra forma de se expressar o ndice de preciso, por meio de substituies nas frmulas dadas,
:

2
tt =1 2e
x
Nessa frmula, fica evidente que, quanto
maior for a proporo do erro na varincia total do
escore observado, mais prxima de 1 fica a segunda
parte da equao e menor o ndice de preciso. Conhecendo os valores da varincia do escore verdadeiro
e do escore observado, pode-se calcular o ndice de
preciso. Contudo, como o escore verdadeiro no
observvel diretamente, sua varincia desconhecida. O mtodo de estimao desse ndice decorre
do conceito de formas paralelas de um teste. Formas
paralelas de um mesmo teste equivalem a medidas
idnticas, independentes, de uma mesma varivel
psicolgica. Medidas paralelas tm a mesma mdia,
varincia e correlao entre todos os pares possveis
entre as formas (Guilford, 1954). Sendo assim, como
demonstra Ferguson (1981), aplicando-se duas
formas paralelas a e b de um mesmo teste a uma
populao, tem-se que:

X ia = Ti + eia
X ib = Ti + eib
Nota-se que as duas medidas esto em
funo do mesmo escore verdadeiro e ambas sujeitas
a erros. Calculando-se a correlao entre os escores
observados, tem-se:
N

ab =

( X
i =1

[T
i =1

T )( X ib T )
N a b

ab =

ia

( (T + e
i =1

ia

)T )( (Ti + eib )T )
N a b

+ Ti eib TiT + eia Ti + eia eib eia T TTi Teib + T 2

N a b

Avaliao Psicolgica, 2012, 11(2), pp. 297-307

Como os escores de erro so aleatrios e no

esto correlacionados entre si e nem com os escores
verdadeiros, os termos que contm escore de erro
sero iguais a zero, assim:
N

ab =

[
i =1

Ti 2TiT + T 2
N a b

] (T T )
=

i =1

N a b

2
ab

Como os desvios padres so iguais para as

duas formas paralelas sa = sb = sx, ento

ab = tt =

2t
2x

Conclui-se, a partir da deduo exposta,

que a correlao entre os escores observados igual
ao ndice de preciso. Com base nesse fato, a prtica de estimao da preciso de um teste envolve,
de alguma forma, correlacionar medidas paralelas.
Anastasi (1961) faz uma descrio detalhada dos
mtodos empregados na estimao do ndice de preciso. Basicamente so quatro.
O primeiro mtodo denominado preciso
por formas alternativas e consiste na aplicao
simultnea, mesma amostra, de duas formas paralelas de um teste. A estimao do ndice de preciso
dada pela correlao entre os dois escores observados, como ficou evidente na deduo apresentada
anteriormente.
O segundo mtodo denominado preciso
teste-reteste e envolve a aplicao do mesmo teste,
em uma mesma amostra, duas vezes, supondo que
estas duas aplicaes sejam independentes, ou seja,
a primeira no influencie a segunda. O ndice de
preciso dado mais uma vez pela correlao entre
os dois conjuntos de escores. Isso se d porque
evidente que a forma mais paralela possvel de um
determinado teste ele mesmo. Podendo-se supor
que a primeira aplicao no afete a segunda, tmse duas medidas paralelas do mesmo construto e a
deduo apresentada, referente correlao entre
dois escores paralelos, passa a ser vlida.
O terceiro mtodo denominado preciso
pelas metades e consiste na aplicao de um nico
teste a uma nica amostra e, posteriormente, na
diviso deste teste em duas metades comparveis,
isto , duas metades semelhantes, ou paralelas.
A correlao entre essas duas metades igual

Psicometria: fundamentos matemticos da Teoria Clssica dos Testes

estimao do ndice de preciso. Supe-se que,

estando todos os itens de um teste medindo o mesmo
construto psicolgico, a diviso deste teste em duas
metades comparveis equivale a obter duas medidas
por meio de formas paralelas do mesmo teste e, portanto, passam a ser vlidas as dedues para medidas
paralelas.
Nesse ltimo caso, da preciso pelas metates, como o coeficiente de preciso afetado pelo
nmero de itens que compem o teste, comum
empregar uma frmula denominada correo de
Spearman-Brown para se estimar o coeficiente de
preciso caso o teste fosse composto por duas vezes
mais itens. Isso feito porque o coeficiente de correlao calculado a partir de um teste com a metade
do nmero de itens da forma. A frmula empregada
(para uma deduo detalhada, da equao a seguir,
a partir das equaes apresentadas anteriormente,
veja Muiz, 1994 ou Guilford, 1954):

rtt2 =

2rtt
1+ rtt

O quarto mtodo denominado preciso por

consistncia interna. Esse mtodo se baseia-se na
suposio de que cada item representa uma medida
paralela do mesmo construto e, portanto, pode-se
estimar a preciso de um teste baseando-se na covarincia entre os itens. Ou seja, se a correlao entre
medidas paralelas igual ao ndice de preciso e
cada item do teste uma medida paralela do construto em anlise, ento se pode estimar o coeficiente
de preciso baseando-se nas intercorrelaes entre
os itens. Esse coeficiente foi desenvolvido em 1937
por Kuder e Richardson e, portanto, conhecido
como Kuder Richardson - 20:
n

rtt =

n
n 1

S x2 pi qi
i =1
2
x

Onde:
S x2 a varincia do escore observado x
n

pq
i =1

i i

n itens

representa a soma das varincias dos

303

Quando se somam variveis para se compor

um escore - como no caso do escore observado que
composto pela soma da pontuao nos itens - a
varincia desse novo escore composta pela soma
da varincia dessas variveis (itens) mais a covarincia entre elas. Portanto, quando h covarincia (ou
seja, correlao entre os itens), a varincia do escore
do teste S x2 ser maior do que a soma da varincia nos itens p q . Isso far com que S > p q ,
resultando um numerador positivo. Quanto maior a
varincia dos testes em relao a p q , mais o resultado da diviso se aproximar de 1. Portanto, nesse
caso, rtt estar tambm prximo de 1, indicando alta
consistncia interna. J, quando as covarincias
forem prximas de zero, a varincia dos escores
ser praticamente igual soma das varincias dos
itens. Assim, o numerador da segunda diviso ser
prximo de zero fazendo com que rtt esteja prximo
de zero, indicando, portanto, baixa consistncia
interna do teste.
Uma medida com importncia prtica derivada do ndice de preciso o Erro Padro da Medida
(EPM). Como foi colocado anteriormente:
n

i =1

2
x

i i

i =1

i =1

i i

e2
tt =1 2
x
Isolando 2e , tem-se que:

2e = 2x (1 tt )
e = x 1 tt
Nessa frmula, foi isolado o desvio padro
dos escores de erro. Ela diz que, conhecendo o
ndice de preciso de um teste, a varincia (ou desvio padro) dos escores de erro pode ser calculada.
Considerando-se diferentes medidas, passveis de erro, de um construto psicolgico constante
(sejam elas medidas repetidas independentes ou
medidas feitas por testes paralelos), o valor do
escore verdadeiro (Ti) ser constante de medida a
medida para um mesmo sujeito. O escore de erro
(ei), no entanto, ir variar. Portanto, a variao nos
escores observados Xi, entre as aplicaes, para um
mesmo sujeito, ser causada pela variao dos escores de erro. Dessa maneira, a variao encontrada em
medidas repetidas de um construto psicolgico, que
tem seu valor constante, chamada erro padro da
Avaliao Psicolgica, 2012, 11(2), pp. 297-307

304

Primi

medida. Ela nada mais do que o desvio padro dos

escores de erro.
A frmula apresentada coloca o erro padro
da medida em funo do ndice de preciso. Por meio
dela pode-se extrair qual proporo da varincia do
escore observado ser atribuda ao erro. Assume-se
que, em repetidas medidas, os escores observados
distribuem-se normalmente ao redor do escore verdadeiro com desvio padro igual ao erro padro da
medida. Essa informao usada para calcular a
expectativa de variao dos escores de um teste (em
funo de um dado coeficiente de preciso e um dado
desvio padro) quando se repete a mesma medida.
O modelo linear clssico: Validade
A estimao da preciso um passo relativamente fcil e comumente atingido nos estudos
das propriedades psicomtricas dos testes. J a
estimao da validade um assunto bem mais complexo. Uma das formas de se verificar a validade
pela correlao entre os resultados do teste e uma
medida externa independente. Essa medida externa
deve ser necessariamente uma medida vlida da
varivel latente que o teste se prope medir (portanto
associada ao Ti).

Em termos matemticos, o problema da

validade tratado por Guilford (1954) por meio
de uma juno da teoria da anlise fatorial com
o modelo clssico linear. Como afirma ele, na
pgina 354:
A teoria clssica divide a varincia do escore
observado em dois componentes: varincia verdadeira e varincia de erro. Essencialmente, o
novo passo est em supor que a varincia verdadeira pode ser ainda decomposta em dois
componentes aditivos. Estes componentes so: a
varincia comum ou comunalidade e mais possivelmente uma varincia especfica. A varincia
comum entre os fatores so compartilhadas pelos
outros testes assim como a varincia verdadeira
compartilhada por duas formas paralelas do
mesmo teste. O componente especfico, at onde
se tem informao, nico a um teste particular.
parte da varincia verdadeira e, portanto, compartilhada por duas formas do mesmo teste.

Na anlise fatorial, o escore de uma varivel

qualquer dado pela equao:

Avaliao Psicolgica, 2012, 11(2), pp. 297-307

X i = X + li1 F1 + li 2 F2 +. . .+ lim Fm + si
Tambm no modelo linear clssico, o escore
de uma varivel qualquer dado por:

X i = Ti + ei
Assumindo que o escore verdadeiro seja
determinado por m variveis latentes, este pode ser
decomposto usando o modelo fatorial com m fatores,
ou seja,

Ti = X + li1 F1 + li 2 F2 +. . .+ lim Fm + si
A frmula do escore observado ser
reescrita como:
X i = ( X + li1 F1 + li 2 F2 +. . .+ lim Fm + si ) + ei
Essas relaes trazem uma anlise mais
detalhada do conceito de escore verdadeiro. Nota-se
que o escore verdadeiro representado por um conjunto de variveis latentes construtos psicolgicos
- e mais um componente especfico associado s
particularidades do teste. Portanto, Guilford (1954)
prope que aquilo que medido por um teste seja
concebido como algo multifacetado ou multivariado
ou como um conjunto de variveis latentes comuns.
Os escores de um teste expressam as tentativas de se medir um construto psicolgico. As
medidas externas so mais prximas e vlidas desse
construto, portanto, com o componente especfico
e o erro prximos de zero. Simultaneamente, tero
carga fatorial alta nos fatores subjacentes que compem esse construto psicolgico. Portanto, ambas
variveis, o teste e a varivel externa, se medirem
um mesmo construto, tero cargas fatoriais altas nos
fatores que compem o construto. Como foi dito,
a correlao ou covarincia entre duas variveis se
relacionam s cargas dessas variveis nos fatores
comuns subjacentes a elas. Essa correlao obtida
somando o produto das cargas que as duas variveis
tem nos fatores comuns:

Cov ( X i , X k )= li1l k1 +...+ lim l km

Psicometria: fundamentos matemticos da Teoria Clssica dos Testes

(Xi), ou seja, a somatria de pontos nos itens. Na

linha marginal inferior esto representados os
escores dos itens (Pj), ou seja, quantos sujeitos
acertaram o item j. Um dos primeiros atributos dos
itens o ndice de dificuldade (ID). Ele representa
a probabilidade de acerto no item em causa. Portanto, IDj = Pj/N. Assim, um ID = 0,87, para um
determinado item j indica que 87% das pessoas
acertaram o item j.
Considerando, nesse momento, somente o
ndice de dificuldade, pode-se dizer que um bom
item aquele que possui alta varincia, visto que o
objetivo do teste explicitar as variaes que existem entre os indivduos, itens com alta varincia iro
contribuir para uma maior varincia do escore do
teste, j que uma das parcelas da varincia do escore
a soma da varincia dos itens individuais. Isso ir
permitir uma maior discriminao dos indivduos
em funo dos escores. Um item com ID = 1,00 ou
0,00 no traz informao alguma, pois no permitir uma separao dos sujeitos j que, em um caso
100% acertam e, no outro, 100% erram.
sabido que os indivduos diferem entre si
no construto que se deseja avaliar, ento um item com
varincia prxima a zero pode ser considerado como
um item inadequado para o teste. Em contrapartida,
itens com ID = 0,50 so os que apresentam maior
varincia j que dividem o grupo de sujeitos pela
metade, permitindo a comparao de cada um dos
50 sujeitos que erraram com cada um dos 50 sujeitos
que acertaram, ou seja, 50 X 50 = 2500 comparaes
(em um grupo de 100 sujeitos). Desse modo, so
considerados bons itens aqueles que possuem IDs
entre 0,30 e 0,70, ou seja perto de 0,50 (Ferguison,
1981). Em termos tcnicos, o que se deseja que a
varincia dos escores do teste seja mxima. ndices
com IDs prximos a 0,50 contribuem aumentando
a varincia dos escores. Contudo, um segundo fator
tambm contribui para isso: a covarincia entre os

Assim, quanto maiores as cargas que duas

variveis tm em um fator comum maior, ser a
correlao entre estas variveis. Isso ocorre porque
a anlise fatorial extrai e concretiza, nos escores dos
fatores, a varincia comum. Com base nisso, se um
teste e uma varivel externa medem um mesmo atributo psicolgico, suas cargas fatoriais nas variveis
latentes que compem este construto sero altas.
Embasando-se na frmula apresentada, pode-se
deduzir que a correlao entre o teste e a varivel
externa ser alta, provando assim que, quanto maior
a correlao teste e varivel externa, mais vlido o
teste. Assim sendo, o mtodo de estimao da validade envolve a anlise correlacional com medidas
externas, buscando-se esclarecer a rede de relaes
com variveis externas rede nomolgica (Embretson, 1994).
Anlise de itens pela TCT
Para que os critrios de preciso e validade
de um teste sejam satisfeitos, inicialmente devese partir para a anlise das unidades bsicas que
compem o teste, ou seja, os itens. Geralmente,
as anlises quantitativas incluem a anlise da distribuio de respostas nos itens (ou o ndice de
dificuldade, quando o item dicotmico), o poder
discriminativo, a anlise das alternativas, a probabilidade de acerto ao acaso e a validade externa do
item (Almeida, 1993).
Supondo que os itens representem respostas
dicotmicas como acerto ou erro, e que N sujeitos
respondam a n itens, os dados podem ser arranjados na matriz a seguir (Figura 1) onde cada sujeito
representado em uma linha e cada item em uma
coluna:
No corpo da matriz esto representadas as
respostas dos sujeitos aos itens. Na coluna marginal
direita esto representados os acertos dos sujeitos
Itens sujeitos
1
.
i

1
c11

N
S .

cN1
P1

ci1

305

.n
c1n

S
X1
Xi

cij

Pj
Figura 1 - Matriz de respostas de N sujeitos a n itens

cNn
Pn

XN

Avaliao Psicolgica, 2012, 11(2), pp. 297-307

306

Primi

itens. Quando os itens esto altamente correlacionados, a varincia do escore aumenta.

Um exemplo simples pode ajudar a compreender esse fato. Suponha que um teste seja
composto por 20 itens com IDs = 0,50, suponha
tambm que todos os itens tenham uma correlao
perfeita entre si, ou seja, um indivduo que acerte o
item j acerte tambm os j-1 itens restantes e inversamente um sujeito que erre o item j erre tambm os
j-1 itens restantes. Como a probabilidade de acerto
de qualquer um dos itens 0,50, e como a correlao
entre todos os itens 1, para qualquer item j, os 50%
que acertam este item acertam tambm todos os j-1
itens restantes, chegando assim ao escore mximo
no teste. J os 50% que erram tm, pelas mesmas
razes, o escore 0.
A varincia dos escores no teste, definida
2
2
por S = S(X - X ) / N, ser mxima, pois 100%
dos indivduos estaro a uma distncia mxima da
mdia, ora para cima (50% dos sujeitos com escore
mximo), ora para baixo (50% dos sujeitos com
escore mnimo), elevando a soma de quadrados.
Mais uma vez, supondo que esse teste tenha sido
aplicado a 100 sujeitos, os 50 sujeitos com escore
mximo podero ser comparados com cada um dos
50 sujeitos com escore mnimo, portanto 2500 comparaes poderiam ser feitas.
Em situaes prticas, no sero encontrados testes com esses padres perfeitos de correlao
1 e IDs = 0,50 como exemplificado. Pode-se pensar, no entanto, em diferentes graus de covarincia
entre os itens. Quanto maior a covarincia, maior
ser a varincia do escore total. Um mtodo muito
frequente de se avaliar quanto um item contribui para
a diferenciao dos sujeitos calcular a correlao
entre o item e o escore total no teste. Esse coeficiente
chamado de correlao ponto bisserial (rpbi) e
expressa a correlao entre uma varivel categrica
dicotmica (acerto ou erro) e uma varivel intervalar
(o escore no teste que, embora no possa ser considerada uma varivel intervalar genuna, para fins
prticos considerada como tal). Ver argumentos de
Ferguson (1981) e Lord e Novick (1974).
Esse coeficiente tambm chamado de
poder discriminativo do item. Esse nome dado j
que uma alta correlao entre o item e o escore indica
que o item contribui para aumentar a varincia dos

Avaliao Psicolgica, 2012, 11(2), pp. 297-307

escores ajudando a discriminao entre os sujeitos.

O clculo desse coeficiente dado por:

rpbi =

X p Xq
Sx

pq

Onde
p representa a probabilidade de acerto ou o ID do
item em causa
q=1-p
Sx representa o desvio padro da varivel contnua
Xp,Xq a mdia dos sujeitos que acertaram o item e
dos que erraram
Em suma, um bom teste deve ser composto por itens com alta varincia (ID) e com alta
correlao com o escore total (rpbi). Isso faz com
que a varincia do escore seja alta e possa captar as
variaes do atributo psicolgico que mensurado.
Como foi visto anteriormente, o mtodo de
preciso por consistncia interna baseia-se na covariao entre os itens para estimar a preciso. Altas
correlaes item-total associam-se alta consistncia interna e alta preciso. A anlise dos itens
possibilita um olhar mais apurado s caractersticas dos itens para que se possa fazer uma seleo
daqueles que contribuem, em maior grau, para o
teste como um todo no aumento da preciso. Contudo, essa varincia capturada deve estar associada
varivel latente em anlise. Da mesma forma que
julgada a validade de um teste, a validade de um
item dada pela correlao entre o item e um critrio
externo.
Haveria ainda muitos detalhes a tratar para
que se possa analisar todo o conjunto terico e prtico edificado pela psicometria. No entanto, este
artigo trata somente dos conceitos bsicos referentes analise fatorial e ao modelo clssico e como as
prticas mais comuns de construo de instrumentos
de avaliao se relacionam a eles. Atualmente, novas
abordagens tm surgido dentro dos modelos da
Teoria de Resposta ao Item (Hambleton & Swaminatham, 1985) e devero ser objeto de reflexo em
trabalhos futuros, de forma a enriquecer a discusso
sobre as teorias da medida.

Psicometria: fundamentos matemticos da Teoria Clssica dos Testes

Referncias
Almeida, L. S. (1993). Relatrio da disciplina de
mtodos de observao e investigao Psicolgica -1 ano. Braga: Universidade do Minho.
Almeida, L. S. (1988). Teorias da inteligncia. Porto: Edies Jornal de Psicologia.
Anastasi, A. (1961) Testes Psicolgicos. So Paulo:
EPU.
Cattell, R. B. (1973). Personality and mood by questionaire: a handbook of interpretative theory,
psychometrics, and pratical procedures. San
Francisco: Jossey-Bass Publishers.
Cattell, R. B. (1975). Anlise cientfica da personalidade. So Paulo: Ibrasa.
Embretson, S. (1994). Applications of cognitive
design systems to test development. Em: C. R.
Reynolds (Org.), Cognitive assessment: a multidisciplinary perspective (pp. 107-135). New
York: Plenum Press.
Ferguson, G. A. (1981). Statistical Analysis
in Psychology and Education. New York:
McGraww-Hill. International Editions - Psychology Series.
Guilford, J. P. (1954). Psychometric Methods. New
York: McGraw-Hill.
Gulliksen, H. (1950). Theory of mental tests. New
York: John Wiley & Sons.

307

Hambleton, H. K. & Swaminatham, H. (1985). Item

Response Theory: Principles and Applications.
Boston: Kluwer.
Johnson, R. A. & Wichern, D. W. (1992). Applied
multivariate statistical analysis. London: Prentice Hall international.
Lord, F. M. & Novick, N. R. (1974). Statistical Theories of mental test scores. Oxford, England:
Addison-Wesley.
Muiz, J. (1994). Teora Clsica de los Tests. Madrid: Ediciones Pirmide.
Pivatto, M. M. (1992). Modelos para testes com respostas dicotmicas com principal enfoque em
teoria de resposta ao item. Dissertao de Mestrado no publicada. Instituto de Matemtica
Estatstica e Cincias da Computao, Universidade Estadual de Campinas, Campinas.
Sternberg, R. J. (1981). The evolution of theories of
intelligence. Intelligence, 5, 209-230.
Sternberg, R. J. (1984). Toward a triarchic theory of
human intelligence. The Behaviour and Brain
Sciences, 7, 269-315.
Sternberg, R. J. (1986). Toward a unified theory of
human reasoning. Intelligence, 10, 281-314.
Recebido em maio de 2012
Aceito em junho de 2012

Sobre o autor:
Ricardo Primi, psiclogo pela PUC Campinas, doutor em Psicologia Escolar e do Desenvolvimento Humano pela
Universidade de So Paulo. professor associado do Programa de Ps-Graduao em Psicologia da Universidade
So Francisco.
Avaliao Psicolgica, 2012, 11(2), pp. 297-307