PSICOMETRÍA
TEMA 5.1.: FIABILIDAD I
Tema 5.1
Evaluación del instrumento de medida:
FIABILIDAD I
Salvador Chacón Moscoso
Susana Sanduvete Chaves
Agradecemos a Francisco Pablo Holgado Tello su inestimable colaboración en la elaboración de este material
ÍNDICE
TEMA 5.1.: FIABILIDAD I
1.
2.
3.
4.
5.
6.
El problema del error de medida.
El modelo lineal de Spearman.
Tests paralelos. Condiciones de paralelismo.
Interpretación teórica del coeficiente de fiabilidad.
Tipos de errores de medida.
Factores que afectan a la fiabilidad.
6.1. Longitud del test.
6.2. Variabilidad de la muestra.
7. La fiabilidad como equivalencia y como estabilidad
de las medidas.
7.1. Método de las formas paralelas.
7.2. Método test-retest.
8. Bibliografía.
2
1. EL PROBLEMA DEL ERROR DE MEDIDA
Error de medida: uno de los requisitos fundamentales en
cualquier proceso de medida es la precisión.
TEMA 5.1.: FIABILIDAD I
“Diferencia entre la puntuación empírica obtenida por un
participante en un test y su puntuación verdadera, entendiendo
por test cualquier instrumento de medición psicológica”. 
- Si aplicamos n veces el mismo test a un mismo participante
¿Qué ocurre? las puntuaciones obtenidas nunca serán iguales,
aunque sí parecidas las puntuaciones estarán afectadas por
errores de medida aleatorios (motivación del participante,
estado de ánimo,...) que provocan que la puntuación empírica
sea distinta al supuesto valor verdadero del participante.
-¿Cómo podemos conocer el valor real del participante en el
constructo que estamos midiendo?  Modelo Lineal3 de
Spearman (TCT):
2. EL MODELO LINEAL DE SPEARMAN.
TEMA 5.1.: FIABILIDAD I
La puntuación observada por un participante en un
test es igual a la suma de dos componentes: su
verdadero valor en el rasgo medido más el error de
medida cometido
X=V+E
4
2. EL MODELO LINEAL DE SPEARMAN.
Supuestos
1. El valor esperado de la variable aleatoria “error de medida”,
es igual a cero, para una población medida con el mismo test,
o para una repetición infinita de medidas sobre la misma
persona
TEMA 5.1.: FIABILIDAD I
E ( Ei )  0
2. las puntuaciones verdaderas y los errores de medida no
están correlacionados (supuesto importante para posteriores
derivaciones)  no existe un patrón sistemático de errores
positivos o negativos.
 EV  0
5
2. EL MODELO LINEAL DE SPEARMAN.
Supuestos
Supuestos:
3. Los errores de medida de dos tests distintos no están
correlacionados. Este supuesto no parece razonable en
puntuaciones que se vean afectadas por factores tales como la
fatiga, práctica o estado de ánimo (Allen y Yen, 1979).
TEMA 5.1.: FIABILIDAD I
3 .  E1E 2  0
4. Los e de un test no están correlacionados con las puntuaciones v
de un segundo test.
4.  E V  0
1
2
La TCT considera el error de medida como una desviación
aleatoria, no sistemática, de la puntuación verdadera. 6
2. EL MODELO LINEAL DE SPEARMAN.
Derivaciones
Derivaciones sobre
correlaciones:
esperanzas,
varianzas
(VAR)
y
1. Dado que el E(Ei)=0, el valor esperado de las X, es igual al
de las puntuaciones V  las medias poblacionales son
iguales.
TEMA 5.1.: FIABILIDAD I
1 . E ( X )  E (V )  E ( E )   X   V
2. Dado que el E(Ei)=0, y que los errores son independientes
de las puntuaciones verdaderas, la covariación entre las
puntuaciones verdaderas y los errores es cero.
2 . E(EV)  E ( EV )  E ( E ) E (V )  0
7
2. EL MODELO LINEAL DE SPEARMAN.
Derivaciones
3. Dado que las V y los E son independientes, la VAR de X es
igual a la suma de la VAR de V más la VAR de E.
TEMA 5.1.: FIABILIDAD I
3. 
2
X

2
V

2
E
 2 EV  
2
V

2
E
4. Dado que la COV entre los E y V es cero, la covarianza
(COV) entre las X y las V es la VAR de las puntuaciones V.
4. 
 E (V  E)V   E (V  E ) E (V )   V
2
XV
8
2. EL MODELO LINEAL DE SPEARMAN.
Derivaciones
5. Dado que la COV entre X y V es igual a la VAR de V, la
correlación entre las X y V puede expresarse como la
proporción de variabilidad de V sobre la de X.
TEMA 5.1.: FIABILIDAD I
5 .  XV 
 XV
 XV


2
V
 XV

Índice de fiabilidad
V
X
Si elevamos al cuadrado el índice de fiabilidad, obtenemos el
coeficiente de fiabilidad
 XV
2
5 .  XV 
2
 
2
X
( V )
2
2
V

 
2
X
2
2
V
V
2

X
2
Representa la proporción
de VAR de X, explicada
por su relación lineal con
V.
9
2. EL MODELO LINEAL DE SPEARMAN.
Derivaciones
6. La correlación al cuadrado entre los E y X es igual a la VAR
de las X, no explicada por su relación con V, sino a partir de su
relación lineal con E.
 XE
2
6 .  XE 
TEMA 5.1.: FIABILIDAD I
2
 
2
X
( E )
2
 
2
E
2
2
E

2
X
E
2

X
2
7. A partir de la formulación anterior, también se puede
expresar el coeficiente de fiabilidad como 1 menos la
correlación al cuadrado entre X y E.
E
2
7 .  XV  1 
2
X
2
 1   XE
2
Cuando la VAR de los
errores sea pequeña, el
coeficiente de fiabilidad
será elevado
10
2. EL MODELO LINEAL DE SPEARMAN. Ejemplos
1. La razón entre la desviación típica de los errores y la
desviación típica de las puntuaciones empíricas es 0.45. ¿Cuál
es el valor del coeficiente de fiabilidad?
TEMA 5.1.: FIABILIDAD I
2. Calcular el coeficiente de fiabilidad de un test sabiendo que
la VAR de las puntuaciones empíricas es igual a 36 y el error
típico de medida es 3.
3. ¿Cuál es el valor del coeficiente de fiabilidad si la
proporción de la VAR verdadera que hay en la VAR
empírica de un test es 0.9?
11
2. EL MODELO LINEAL DE SPEARMAN. Ejemplos
1.
Se
 0 . 45
Sx
2
rxx  1 
Se
rxx  1 
Se
2
 1  0 . 45  0 . 80
2
Sx
TEMA 5.1.: FIABILIDAD I
2
2.
S
2
x
 1
9
 0 . 75
36
2
3.
rxx  rxv 
2
Sv
S
2
x
 0 . 90
12
3. TESTS PARALELOS. CONDICIONES DE PARALELISMO
La imposibilidad de calcular empíricamente el coeficiente de
fiabilidad, dado que desconocemos V, y por tanto los E,
condujo a Spearman a definir el concepto de tests paralelos.
Sean dos tests X y X´ que cumplen los supuestos anteriores; se
denomina paralelos si:
TEMA 5.1.: FIABILIDAD I
1. Las puntuaciones verdaderas son iguales en ambos tests. Es
decir:
X V  E
X ´ V  E ´
2. La VAR de los errores de medida es igual en ambos tests:
 E   E´
2
2
13
3. TESTS PARALELOS.N CONDICIONES DE
PARALELISMO. Deducciones
1. Dado que la E(Ei)=0, la media de las puntuaciones
empíricas obtenidas en dos tests supuestamente paralelos
es igual:
X  X´
X V  E V 0
TEMA 5.1.: FIABILIDAD I
X ´ V  E ´ V  0
2. Dado que la VAR de los E es la misma, la VAR de las X
obtenidas en dos tests paralelos también son iguales:
SX  SX´
2
2
S X  SV  S E
2
2
2
S X ´  SV  S E´
2
2
2
14
3. TESTS PARALELOS. CONDICIONES DE
PARALELISMO. Deducciones
3. La correlación entre las puntuaciones obtenidas en dos tests
paralelos es igual al cuadrado de la correlación entre las
puntuaciones empíricas y las verdaderas:
 xx ´  
2
XV


XX ´
 X

X´
E ( XX ´)
 X

E (V  E )( V  E ´)
X´
E (V )  E (VE ´)  E ( EV )  E ( EE ´)
 X
TEMA 5.1.: FIABILIDAD I

 X
X´
V
2
2


2
X
X´
Consecuencias
prácticas, ya que
podemos expresar
el coeficiente de
fiabilidad como la
correlación entre
dos tests paralelos
4. Dados dos o más tests paralelos, las intercorrelaciones entre
cada uno de ellos son iguales:
X
1X 2
  X 1 X 3   X 2 X 3  ...   X i X j
15
3. TESTS PARALELOS. CONDICIONES DE
PARALELISMO. Deducciones
Una vez estimado el coeficiente de fiabilidad se puede estimar las VAR de V y E.
5. Despejando la VAR de V de la ecuación anterior,
encontramos que la VAR de las puntuaciones verdaderas
es igual al producto de la VAR de las empíricas por la
correlación entre las medidas paralelas:
 V   X  XX '
TEMA 5.1.: FIABILIDAD I
2
2
6. Despejando de la anterior, encontramos que la VAR de E es
igual al producto de la VAR de X por uno menos la
correlación entre las medidas paralelas.
Error típico
 E   X 1   XX
de medida
2
2

  E   X  XX ;
2
X
E 
2
2
X
  X  XX  
2
2
X
(1   XX )
16
3. TESTS PARALELOS. CONDICIONES DE
PARALELISMO. Diagrama causal
1. Puntuación
verdadera
λ1
Y1
ε1
2. Puntuación
observada en test
Y1, supuesto
paralelo a Y2
TEMA 5.1.: FIABILIDAD I
η
4. Cambio en Y
por cada unidad
de cambio en eta.
3. Error de
medida
λ2
Y2
ε2
Bajo esta lógica, dos tests son estrictamente paralelos
si:
λi  λ j  i  j
εi  ε j  i  j
17
3. TESTS PARALELOS. CONDICIONES DE
PARALELISMO. Diagrama causal. Tests estrictamente
paralelos
-Es decir, Y1 e Y2 son estrictamente paralelos si la relación que se
establece entre V y la Y es exactamente igual, así como las VAR de
sus correspondientes errores de medida.
1. Bajo los supuestos de la TCT, obtenemos que la COV entre ambos tests
es igual a la VAR de la puntuación verdadera.
2
TEMA 5.1.: FIABILIDAD I
σ y1y2  σ(η  ε 1 )(η  ε 2 )  σ(ηη)  σ(ηε 2 )  σ(ε 1 η)  σ(ε 1 ε 2 )  σ η
2. La VAR de Y es igual a suma de la VAR de V más la del E.
2
2
σ y  σ (η  ε)  σ
i
1. VAR de
cada Y
2
η   σ 2 ε   2σ ηε   σ η2
 σ η2  σ ε2

2
σ

η
2
 σε


2
 σε 

2
ση
2
ση
2. COV que es igual a
18
la VAR de V
3. TESTS PARALELOS. CONDICIONES DE
PARALELISMO. Medidas Tau-equivalentes
Medidas TAU-EQUIVALENTES
TEMA 5.1.: FIABILIDAD I
¿Realmente existen los tests paralelos o se trata de una
quimera teórica? Aun en el difícil caso de que se obtengan
V iguales, resulta difícil que su E sea exactamente igual 
Podemos flexibilizar este supuesto y obtenemos medidas
Tau-equivalentes
λi  λ j  i  j
εi  ε j  i  j
19
3. TESTS PARALELOS. CONDICIONES DE
PARALELISMO. Medidas Tau-equivalentes
Medidas TAU-EQUIVALENTES
λi  λ j  i  j
εi  ε j  i  j
1´. Bajo los supuestos de la TCT, volvemos a obtener que la
COV entre ambos tests es igual a la VAR de V.
TEMA 5.1.: FIABILIDAD I
σ y1y2  σ(η  ε 1 )(η  ε 2 )  σ(ηη)  σ(ηε
2
2
)  σ(ε 1 η)  σ(ε 1 ε 2 )  σ η
2´. Mientras que en el segundo supuesto, la VAR de Y ahora
tendría un término de error distinto específico para cada test.
σ y  σ (η  ε i )  σ
2
2
i
1. VAR de
cada Y, con su
E específico
2
η   σ 2 ε i   2σ ηε i   σ η2  σ ε2
 σ η2  σ ε2
1

2
 ση

i


2
2
ση  σε 
2 
2
ση
2. COV que es
igual a la VAR de
V
20
3. TESTS PARALELOS. CONDICIONES DE
PARALELISMO. Medidas Congenéricas
Tests CONGENÉRICOS
Si flexibilizamos aún más los supuestos obtenemos
tests congenéricos.
λi  λ j  i  j
TEMA 5.1.: FIABILIDAD I
εi  ε j  i  j
Implica que las V obtenidas con dos tests son
transformaciones lineales unas de otras
21
3. TESTS PARALELOS. CONDICIONES DE
PARALELISMO. Medidas Congenéricas
Tests CONGENÉRICOS
λi  λ j  i  j
εi  ε j  i  j
1´´. Bajo los supuestos de la TCT, ahora la COV entre Y es el
producto de las respectivas Lambdas y de la VAR de V.
σ y1y2  σ(  i1 η  ε i )(  j1 η  ε j )   i1  j1 σ η
TEMA 5.1.: FIABILIDAD I
2
2´´. Mientras que la VAR de Y será igual al producto de
lambda al cuadrado por la VAR de V más la VAR de E.
2
2
2
2
2
σ y  σ (  i1 η  ε i )  λ i1 σ η  σ ε
i
2 σ 2  σ 2
11 η
ε
1

  11  12 σ η2

i
2
 12  11 σ η 

2
2
2
 12 σ η  σ ε 
2 
22
4. INTERPRETACIÓN TEÓRICA DEL COEFICIENTE DE
FIABILIDAD
…la correlación entre las puntuaciones empíricas obtenidas por una
muestra de participantes en dos formas paralelas del test.
 XX ´  
2
XV


XX ´
 X

X´
E ( XX ´)
 X

E (V  E )( V  E ´)
 X
X´
E (V )  E (VE ´)  E ( EV )  E ( EE ´)
TEMA 5.1.: FIABILIDAD I

 X
2. Las V se alejan de
las X  E aumenta
X´
0   XX ´  1
V
2
2


X´
Cociente entre la
VAR de V y la de
X  la proporción
de X debida a V
2
X
1. Las V se acercan a
las X  E
disminuye
23
4. INTERPRETACIÓN TEÓRICA DEL COEFICIENTE DE
FIABILIDAD
 XX ´  1

XX ´
 0
1. Las medidas no tienen E
1. La X incluye sólo E
2. X=V para todos los
participantes
2. X=E para todos los
participantes
TEMA 5.1.: FIABILIDAD I
3. La VAR de X es igual a la 3. La VAR de X es igual a la
de V.
de E.
4. Todas las diferencias en X 4. Todas las diferencias en X
reflejan diferencias en V
reflejan errores de medida
5. La correlación entre X y V 5. La correlación entre X y V
es = 1
es = 0
6. La correlación entre X y E 6. La correlación entre X y E
es = 0
es = 1
24
4. INTERPRETACIÓN TEÓRICA DEL COEFICIENTE DE
FIABILIDAD. Ejemplo
TEMA 5.1.: FIABILIDAD I
Ejemplo. Calcular el coeficiente de fiabilidad de un
test de razonamiento abstracto, sabiendo que la
VAR verdadera de dicho test es el 80% de su VAR
empírica.
25
4. INTERPRETACIÓN TEÓRICA DEL COEFICIENTE DE
FIABILIDAD. Ejemplo
V
2
 XX ´ 

2
X

0 ,80 

2
X
2
X
 0 ,80
TEMA 5.1.: FIABILIDAD I
Es decir, el 80% de la VAR de las puntuaciones empíricas es
verdadera medida del rasgo.
El coeficiente de fiabilidad también se puede expresar en
función de la VAR de los errores (deducción número 7).
E
2
7 .  XX ´  
2
XV
 1
X
2
26
4. INTERPRETACIÓN TEÓRICA DEL COEFICIENTE DE
FIABILIDAD. Ejemplo 2
Ejemplo. Podemos obtener xx’ si a 1 le restamos la VAR de las
puntuaciones empíricas que se debe al error de medida
E
2
TEMA 5.1.: FIABILIDAD I
 XX ´  1 

2
X
 1  0 , 20  0 ,80
Despejando en la ecuación anterior, podemos obtener el error
típico de medida: medida grupal del error, es decir la
diferencia entre X e V para la muestra utilizada
 E   X 1   XX ´
27
5. TIPOS DE ERRORES DE MEDIDA
1. Error de medida: diferencia entre la puntuación empírica de un
participante y su puntuación verdadera.
El error típico de medida es la
desviación típica de los errores de
medida de todos los participantes de la
muestra  medida grupal del error
E  X V ;
TEMA 5.1.: FIABILIDAD I
 E   X 1   XX ´
2. Error de estimación de la puntuación verdadera: diferencia entre
V de un participante y su puntuación verdadera pronosticada
E  V  V ´;
 VX   X 1   XX ´
 XX ´   E
 XX ´
El error típico de
estimación de la
puntuación verdadera
28
5. TIPOS DE ERRORES DE MEDIDA
3. Error de sustitución: diferencia entre la puntuación obtenida
por un participante en un test y la obtenida en otro paralelo.
El error típico de
sustitución
E  X1  X 2;
TEMA 5.1.: FIABILIDAD I
X
1 -X 2
  X 1   XX ´
2
4. Error de predicción: diferencia entre las puntuaciones
obtenidas por un participante en un test, y su puntuación
El error típico de
pronosticada en ese mismo test.

predicción
E  X1  X 1;
 ep   X 1   XX ´ 1   XX ´   E 1   XX ´
29
6. FACTORES QUE AFECTAN A LA FIABILIDAD
La fiabilidad de un test depende de factores
como:
• La longitud del propio test.
TEMA 5.1.: FIABILIDAD I
• Variabilidad de la muestra.
Decir que la precisión del instrumento depende de
la variabilidad de la muestra, implica que la
precisión del instrumento depende del objeto
medido, lo que no resulta deseable en ningún
proceso de medición
30
6.1. FACTORES QUE AFECTAN A LA FIABILIDAD.
La longitud del test
A mayor número de ítems, mayor fiabilidad  Cuantos más ítems se
utilicen, mayor será la información acerca del rasgo a medir
TEMA 5.1.: FIABILIDAD I
R XX ' 
nr XX '
1  ( n  1) r XX '
La relación entre la fiabilidad
y la longitud viene
determinada por la Fórmula
de Spearman-Brown
-RXX’ = coeficiente de fiabilidad del test acortado o alargado
-rXX’= coeficiente de fiabilidad del test original
-n = número de veces que se ha alargado el test: n=EF/EI;
donde EF = número de elementos finales;
EI = número de elementos iniciales
31
TEMA 5.1.: FIABILIDAD I
6.1. FACTORES QUE AFECTAN A LA FIABILIDAD.
La longitud del test
Ejemplo. Se aplica un test compuesto por 50 ítems a
una muestra de participantes y se obtiene un
coeficiente de fiabilidad de 0,60. ¿Cuál será el
coeficiente de fiabilidad si duplicamos la longitud
del test? ¿Y si multiplicamos por 6 el número de
ítems original?
32
6.1. FACTORES QUE AFECTAN A LA FIABILIDAD.
La longitud del test
Spearman  Brown
R XX ' 
TEMA 5.1.: FIABILIDAD I
R XX ' 
nr xx '
1  ( n  1) rxx '
nr XX '
1  ( n  1) r XX '

2 * 0 , 60

1  0 ,6
6 * 0 , 60
1  5 * 0 ,6
Spearman  Brown
n   ; R xx'  1
 0 , 75
 0 ,9
1. Observamos que el
coeficiente de fiabilidad
pasa de 0,60 a 0,75
2. Si aumentamos 6
veces la longitud,
obtenemos un
coeficiente de 0,9
3. Cuando n tiende a infinito, el
coeficiente tiende a 1; llegando a
este límite si se añadiesen infinitos
ítems
33
6.1. FACTORES QUE AFECTAN A LA FIABILIDAD.
La longitud del test
En la gráfica se aprecia que a medida que aumenta n, el
coeficiente aumenta, pero:
1. Al principio, el aumento es más
pronunciado para tests más fiables
TEMA 5.1.: FIABILIDAD I
2. A medida que n se
incrementa el
aumento se suaviza
3. El incremento es
menor a medida que
rxx’ disminuye
34
6.1. FACTORES QUE AFECTAN A LA FIABILIDAD.
La longitud del test
¿Hasta dónde resulta rentable aumentar el número de ítems
para obtener una fiabilidad significativamente mejor que la
original?  ¿Cuántos ítems paralelos habría que añadir para
alcanzar un determinado valor del coeficiente de fiabilidad?
TEMA 5.1.: FIABILIDAD I
n
R XX ' (1  rXX ' )
rXX ' (1  R XX ' )
Spearman-Brown permite estimar el n
que sería necesario para alcanzar un
determinado valor del coeficiente de
fiabilidad
Para el test del ejemplo, queremos alcanzar un coeficiente de
fiabilidad de 0,90. ¿Cuántos elementos paralelos abría que
añadir?
35
6.1. FACTORES QUE AFECTAN A LA FIABILIDAD.
La longitud del test
n
n
R XX ' (1  r XX ' )
r XX ' (1  R XX ' )
TEMA 5.1.: FIABILIDAD I
0 , 60 (1  0 , 90 )
6
EF
Habría que aumentar la longitud 6
veces, lo que equivale a un test de 300
elementos. Por lo tanto, habría que
añadir 250 ítems.
EI
6

0 , 90 (1  0 , 60 )
EF
50
EF  50 * 6  300
Añadidos
 EF  EI  300  50  250
36
6.2. FACTORES QUE AFECTAN A LA FIABILIDAD.
La variabilidad de la muestra
El coeficiente de fiabilidad puede variar en función de la mayor o
menor homogeneidad del grupo.
Fórmula que relaciona
variabilidad con fiabilidad.
2
r22  1 
S1
S
2
2
(1  r11 )
S 1  varianza
empírica
de las puntuacion
es en el grupo 1.
S 2  varianza
empírica
de las puntuacion
es en el grupo 2.
TEMA 5.1.: FIABILIDAD I
2
2
r11  coeficient
e de fiabilidad
en el grupo 1.
r22  coeficient
e de fiabilidad
en el grupo 2.
A mayor variabilidad, mayor fiabilidad.
37
TEMA 5.1.: FIABILIDAD I
6.2. FACTORES QUE AFECTAN A LA FIABILIDAD.
La variabilidad de la muestra
Ejemplo. Se ha aplicado un test a una muestra de
participantes en donde la desviación típica de las
puntuaciones empíricas es igual a 20. La razón entre la
desviación típica de los errores y de las puntuaciones
empíricas es 0,4. Además, se ha aplicado el test a otra
muestra de participantes en la que la desviación típica de las
puntuaciones empíricas es igual a 10. ¿Cuál será el valor del
coeficiente de fiabilidad del test en esta segunda muestra?
38
6.2. FACTORES QUE AFECTAN A LA FIABILIDAD.
La variabilidad de la muestra
Se
Sx
2
 0 , 4 ; r11  1 
Se
S
2
x
 1  0 , 4  0 ,84
2
TEMA 5.1.: FIABILIDAD I
r22  1 
S1
S
2
2
(1  r11 )  1 
2
400
100
1. Calcular el coeficiente de
fiabilidad en la muestra
original. Encontramos que
vale 0,84
(1  0 ,84 )  0 ,36
2. Aplicamos la fórmula y
encontramos que vale
0,36 a menor
variabilidad menor
fiabilidad
39
7. LA FIABILIDAD COMO EQUIVALENCIA Y COMO
ESTABILIDAD DE LAS MEDIDAS
TEMA 5.1.: FIABILIDAD I
La estabilidad hace referencia a que cuando se evalúa un
rasgo con el mismo test en distintas ocasiones, siempre
y cuando el rasgo no haya cambiado, se deberían
obtener puntuaciones muy similares.
- Los principales métodos para el cálculo del coeficiente de
fiabilidad y que se basan en la aplicación directa de la
correlación son:
-
de las formas paralelas
-
test-retest
40
7.1. LA FIABILIDAD COMO EQUIVALENCIA Y COMO
ESTABILIDAD DE LAS MEDIDAS. Método de las formas paralelas
Fases:
1. Construir dos formas paralelas de un test: X y X’.
2. Aplicar las dos formas del test a una muestra de participantes lo
suficientemente amplia.
TEMA 5.1.: FIABILIDAD I
3. Calcular el coeficiente de correlación de Pearson.
rX 1 X 2 
N  X
N  X1X 2   X1 X 2
2
1

 ( X 1 ) N  X 2  ( X 2 )
2
2
2

Coeficiente de equivalencia
(grado en que ambas formas
son equivalentes)
Ventaja: la posibilidad de aplicar ambas formas en el mismo
momento posibilita un mayor control de la situación.
Inconveniente: es realmente difícil construir formas paralelas.
41
7.2. LA FIABILIDAD COMO EQUIVALENCIA Y COMO
ESTABILIDAD DE LAS MEDIDAS. Método test-retest
Se aplica el mismo test a la misma muestra de participantes en dos
ocasiones diferentes. A continuación, calculamos el coeficiente
de correlación (coeficiente de estabilidad).
-Ventaja: no requiere la elaboración de dos formas paralelas
del mismo test.
TEMA 5.1.: FIABILIDAD I
- Inconvenientes:
- memorización de algunos ítems: provoca aumento irreal
de la puntuación de los participantes.
- intervalo temporal: es deseable incrementar el tiempo,
pero se corre el peligro de que el rasgo cambie.
- actitud de los participantes, ya que un cambio en la
cooperación puede provocar una puntuación más alta42 o
baja.
8. BIBLIOGRAFÍA
TEMA 5.1.: FIABILIDAD I
1. Barbero, I., García, E. Vila, E., y Holgado, F.P. (2010). Psicometría:
Problemas resueltos. Madrid: Sanz y Torres.
Se trata de un libro de ejercicios y problemas en el que se incluye el
desarrollo de la solución. El alumno podrá completar desde un punto de
vista aplicado los conceptos y contenidos vistos en la parte teórica; así
como adquirir las destrezas necesarias para la resolución de problemas.
2. Barbero, I. (Coord.) , Vila, E. y Holgado, F.P. (2010). Psicometría.
Madrid: Sanz y Torres.
En el capítulo 4 se introduce el modelo lineal clásico y el concepto de tests
paralelos, así como la interpretación del coeficiente de fiabilidad y
distintos métodos para su estimación.
3. Gómez-Benito, J. (1996). Aportaciones de los modelos de estructuras de
covarianza al análisis psicométrico. En J. Muñíz (Coord.), Psicometría.
Madrid: Universitas.
El capítulo 10, define conceptos fundamentales como coeficiente de
fiabilidad y tests paralelos desde modelos de ecuaciones estructurales.
43
8. BIBLIOGRAFÍA
4. Meliá, J.L. (2000). Teoría de la Fiabilidad y la Validez. Valencia: Cristóbal
Serrano.
En los Capítulos 3 y 4 expone el modelo lineal clásico de los errores de
medida, el concepto de coeficiente e índice de fiabilidad y la definición de
tests paralelos. El Capítulo 6 destaca algunas de las críticas. En el Capítulo
7 se trata la consistencia interna y los factores que afectan a la estimación de
la fiabilidad.
TEMA 5.1.: FIABILIDAD I
5. Muñíz, J. (1996). Fiabilidad. En J. Muñíz (Coord.), Psicometría. Madrid:
Universitas.
En el Capítulo 1 se resumen los conceptos fundamentales del modelo lineal
clásico y la definición de paralelismo.
6. Nunnally, J.C. y Bernstein, I.J. (1995). Teoría Psicométrica. México:
McGraw Hill.
El Capítulo 6 se presentan aspectos sobre supuestos y deducciones del
modelo clásico. En el Capítulo 7 presentan algunas limitaciones y
extensiones del modelo lineal clásico.
44
Descargar

Diapositiva 1 - GrupoInnoevalua : Inicio