Alfa de Cronbach

Hernán Aules Centeno, M.Sc.

14 de noviembre de 2017 - 04:08

1. Cálculo del Alfa de Cronbach

1.1. Cálculo del coeficiente alfa

Hemos aplicado un test de n = 8 items a 10 personas observando los siguientes resultados. Obtener el coeficiente
alfa.

Items T1 T2 T3 T4 T5 T6 T7 T8 Total
s1 1 1 1 2 3 1 1 1 11
s2 5 4 5 4 4 3 2 1 28
s3 3 3 4 4 3 4 3 2 26
s4 5 5 5 4 4 4 5 3 35
s5 2 1 2 2 3 1 1 1 13
s6 4 3 4 4 3 5 5 3 31
s7 1 2 1 2 1 2 2 1 12
s8 5 5 5 4 5 5 4 2 35
s9 3 3 1 2 3 3 1 1 17
s10 5 5 5 5 4 4 3 1 32
suma 34 32 33 33 33 32 27 16 240
M edia 3.4 3.2 3.3 3.3 3.3 3.2 2.7 1.6 24
Desviacion T ipica 1.646545 1.549193 1.828782 1.159502 1.05935 1.47573 1.567021 0.843274 9.763879
V arianza 2.711111 2.40000 3.344444 1.344444 1.122222 2.177778 2.455556 0.7111111 95.33333

Suma de las Varianzas de los Items (SV)= 16.26667

Varianza Total (VT)=95.33333
No de Items (n)=8
Una vez calculadas las varianzas de los items y del total del test (Columna T), simplemente se aplica la fórmula

 P 2
n s
α= · 1− 2 i
n−1 sT

1
1.2 Cálculo utilizando R 1 CÁLCULO DEL ALFA DE CRONBACH

 
8 16,26667
α= · 1− = 0,9478521
8−1 95,33333

El coeficiente alfa vale 0,9478521

Observese que en la fórmula de alfa n significa el número de item, n=8 por ejemplo

1.2. Cálculo utilizando R

> # Ingreso de la Variable T1

> T1<-c(1,5,3,5,2,4,1,5,3,5)
> sum(T1)

[1] 34

> mean(T1)

[1] 3.4

> sd(T1)

[1] 1.646545

> var(T1)

[1] 2.711111

> # Ingreso de la Variable T2

> T2<-c(1,4,3,5,1,3,2,5,3,5)
> sum(T2)

[1] 32

> mean(T2)

[1] 3.2

> sd(T2)

[1] 1.549193

> var(T2)

2
1.2 Cálculo utilizando R 1 CÁLCULO DEL ALFA DE CRONBACH

[1] 2.4

> # Ingreso de la Variable T3

> T3<-c(1,5,4,5,2,4,1,5,1,5)
> sum(T3)

[1] 33

> mean(T3)

[1] 3.3

> sd(T3)

[1] 1.828782

> var(T3)

[1] 3.344444

> # Ingreso de la Variable T4

> T4<-c(2,4,4,4,2,4,2,4,2,5)
> sum(T4)

[1] 33

> mean(T4)

[1] 3.3

> sd(T4)

[1] 1.159502

> var(T4)

[1] 1.344444

> # Ingreso de la Variable T5

> T5<-c(3,4,3,4,3,3,1,5,3,4)
> sum(T5)

3
1.2 Cálculo utilizando R 1 CÁLCULO DEL ALFA DE CRONBACH

[1] 33

> mean(T5)

[1] 3.3

> sd(T5)

[1] 1.05935

> var(T5)

[1] 1.122222

> # Ingreso de la Variable T6

> T6<-c(1,3,4,4,1,5,2,5,3,4)
> sum(T6)

[1] 32

> mean(T6)

[1] 3.2

> sd(T6)

[1] 1.47573

> var(T6)

[1] 2.177778

> # Ingreso de la Variable T7

> T7<-c(1,2,3,5,1,5,2,4,1,3)
> sum(T7)

[1] 27

> mean(T7)

[1] 2.7

4
1.2 Cálculo utilizando R 1 CÁLCULO DEL ALFA DE CRONBACH

> sd(T7)

[1] 1.567021

> var(T7)

[1] 2.455556

> # Ingreso de la Variable T8

> T8<-c(1,1,2,3,1,3,1,2,1,1)
> sum(T8)

[1] 16

> mean(T8)

[1] 1.6

> sd(T8)

[1] 0.843274

> var(T8)

[1] 0.7111111

> # Ingreso de la Variable Total

> T<-c(11,28,26,35,13,31,12,35,17,32)
> sum(T)

[1] 240

> mean(T)

[1] 24

> sd(T)

[1] 9.763879

> var(T)

5
1.2 Cálculo utilizando R 1 CÁLCULO DEL ALFA DE CRONBACH

[1] 95.33333

Sumatoria de las varianzas

> SV<- c(2.711111,2.40000,3.344444,1.344444,1.122222,2.177778,2.455556,0.7111111)

> sum(SV)

[1] 16.26667

Cálculo de la Media Aritmética T1

Pn
x=1 xi
x̄ =
n

> # Funcion de la media aritmetica

> media<-function(T1,n) {sum(T1)/n}
> media(T1,10)

[1] 3.4

Cálculo de la Desviación Estándar T1

sP
n
− x̄)2
i=1 (x
s=
n−1

> # Funcion de la desviacion estandar

> desviacion<-function(T1,n){sqrt((sum((T1-mean(T1))^2))/(n-1))}
> a<-desviacion(T1,10)
> a

[1] 1.646545

Cálculo de la Varianza T1
varianza = s2

> # Funcion de la varianza

> varianza<-a^2
> varianza

[1] 2.711111

6
1.3 Alfa de Cronbach y consistencia interna de los items de un instrumento
1 CÁLCULO de medida
DEL ALFA DE CRONBACH

Cálculo del Alfa de Cronbach Final

 P 2
n s
α= · 1− 2 i
n−1 sT

 
8 16,26667
α= · 1− = 0,9478521
8−1 95,33333

> # Funcion del Alfa de Cronbach

> alfa<-function(n,SV,VT){((n)/(n-1))*(1-(SV/VT))}
> b<-alfa(8,16.26667,95.33333)
> b

[1] 0.9478521

> b*100

[1] 94.78521

1.3. Alfa de Cronbach y consistencia interna de los items de un instrumento de

medida

El método de consistencia interna basado en el alfa de Cronbach permite estimar la fiabilidad de un instrumento
de medida a través de un conjunto de ??tems que se espera que midan el mismo constructo o dimensión teórica.
La validez de un instrumento se refiere al grado en que el instrumento mide aquello que pretende medir. Y la
fiabilidad de la consistencia interna del instrumento se puede estimar con el alfa de Cronbach. La medida de la
fiabilidad mediante el alfa de Cronbach asume que los ??tems (medidos en escala tipo Likert) miden un mismo
constructo y que est??n altamente correlacionados (W elch&Comer, 1988). Cuanto más cerca se encuentre el
valor del alfa a 1 mayor es la consistencia interna de los ??tems analizados. La fiabilidad de la escala debe
obtenerse siempre con los datos de cada muestra para garantizar la medida fiable del constructo en la muestra
concreta de investigación. Como criterio general, George y Mallery (2003, p,231) sugieren las recomendaciones
siguientes para evaluar los coeficientes de alfa de Cronbach:

Coeficiente alfa >.9 es excelente

Coeficiente alfa >.8 es bueno

Coeficiente alfa >.7 es aceptable
Coeficiente alfa >.6 es cuestionable
Coeficiente alfa >.5 es pobre

Coeficiente alfa <.5 es inaceptable

7
 1.3 Alfa de Cronbach y consistencia interna de los items de un instrumento
1 CÁLCULO de medida
DEL ALFA DE CRONBACH

En nuestro caso, se tiene que el alfa es de 0,9478521, lo que indica que la investigación es excelente.

Algoritmo 1: Función del Alfa de Cronbach

1 # I n g r e s o de l a V a r i a b l e T1
2 T1<−c ( 1 , 5 , 3 , 5 , 2 , 4 , 1 , 5 , 3 , 5 )
3 sum( T1 )
4 mean( T1 )
5 sd ( T1 )
6 v a r ( T1 )
7 # I n g r e s o de l a V a r i a b l e T o t a l
8 T<−c ( 1 1 , 2 8 , 2 6 , 3 5 , 1 3 , 3 1 , 1 2 , 3 5 , 1 7 , 3 2 )
9 sum(T)
10 mean(T)
11 sd (T)
12 v a r (T)
13 #Sumatoria de l a s v a r i a n z a s
14 SV<− c ( 2 . 7 1 1 1 1 1 , 2 . 4 0 0 0 0 , 3 . 3 4 4 4 4 4 , 1 . 3 4 4 4 4 4 , 1 . 1 2 2 2 2 2 , 2 . 1 7 7 7 7 8 , 2 . 4 5 5 5 5 6 , 0 . 7 1 1 1 1 1 1 )
15 sum(SV)
16 # Funcion de l a media a r i t m e t i c a
17 media<−function ( T1 , n ) {sum( T1 ) /n}
18 media ( T1 , 1 0 )
19 # Funcion de l a d e s v i a c i o n e s t a n d a r
20 d e s v i a c i o n <−function ( T1 , n ) { sqrt ( (sum( ( T1−mean( T1 ) ) ˆ 2 ) ) / ( n−1) ) }
21 a<−d e s v i a c i o n ( T1 , 1 0 )
22 a
23 # Funcion de l a v a r i a n z a
24 v a r i a n z a <−a ˆ2
25 varianza
26 # Funcion d e l A l f a de Cronbach
27 a l f a <−function ( n , SV ,VT) { ( ( n ) / ( n−1) ) ∗(1 −(SV/VT) ) }
28 b<−a l f a ( 8 , 1 6 . 2 6 6 6 7 , 9 5 . 3 3 3 3 3 )
29 b
30 b ∗100