Beruflich Dokumente
Kultur Dokumente
UNED
PSICOMETRA
PLAN NUEVO
R
REESSU
UM
MEEN
N TTEEM
MA
A 44
EEVVA
ALLU
UA
AC
CII
N
ND
DEE LLA
ASS PPR
RO
OPPIIEED
DA
AD
DEESS M
MTTR
RIIC
CA
ASS D
DEE LLO
OSS IIN
NSSTTR
RU
UM
MEEN
NTTO
OSS
D
N
N PPSSIIC
CO
OLL
G
GIIC
CA
A
DEE M
MEED
DIIC
CII
EL MODELO LINEAL DE SPEARMAN
EL ERROR DE MEDIDA
Uno de los requisitos fundamentales en cualquier proceso de medida es la precisin o fiabilidad de los instrumentos de medida. SI
medimos dos veces la misma tubera deberamos obtener dos medidas muy similares, la diferencia entre lo que realmente mida la
tubera y la medida que obtenemos sera el error de medida. La medicin en Psicologa no est exenta de este requisito y debemos
contar con instrumentos que sean fiables y, por consiguiente, libres de errores de medida. El concepto de error de medida es un
concepto bsico en Psicometra.
Se define el error de medida como la diferencia entre la puntuacin emprica obtenida por un sujeto en un test y su puntuacin
verdadera, entendiendo por test cualquier instrumento de medida psicolgica
Si aplicamos n veces el mismo test a un sujeto es muy probable que las puntuaciones obtenidas por el sujeto sean muy parecidas
pero no necesariamente iguales, ello implica que las puntuaciones estarn afectadas por errores de medida aleatorios (como la
motivacin del sujeto, estado de nimo, las condiciones fsicas en que se encuentres, respuestas al azar, ...). Dichos errores que
provocan que la puntuacin emprica sea distinta al supuesto valor verdadero del sujeto, as pues, es necesario tener presente que,
cuando un sujeto obtiene una puntuacin en un test, dicha puntuacin estar afectada por errores de medida. Pero, cmo
podemos conocer el valor real del sujeto en el constructo que estamos midiendo? Para ello se han desarrollado distintas teoras que
abordan esta problemtica, tratando de proporcionar los medios para hacer estimaciones acerca de la cuanta del error que afecta a
las puntuaciones de empricas y acerca del verdadero valor del sujeto (o sujetos) en la caracterstica que se est midiendo. Entre
estas teoras destaca la Teora Clsica de los Test (TCT) basada en el Modelo Lineal de Spearman.
EL MODELO LINEAL DE SPEARMAN Y LA TEORA CLSICA DE LOS TEST
El Modelo Lineal de Spearman se basa en la simple pero a la vez potente idea de que la puntuacin obtenida por un sujeto en un
test (puntuacin observada, X) puede considerarse como una combinacin lineal de dos componentes: por una parte, la puntuacin
verdadera del sujeto en el rasgo que mide el test (V) y, por otra, el error de medida cometido (E).
X =V +E
Para poder estimar el nivel real de un sujeto (V) en la caracterstica de inters a partir de su puntuacin emprica u observable (X), el
modelo se basa en una serie de supuestos referidos a los errores de medida.
A) Supuestos del modelo
1.
2.
3.
V = E(X)
rve = 0
re1e2 = 0
El error de medida se define como la diferencia entre la puntuacin emprica obtenida por un
sujeto y su puntuacin verdadera.
E=XV
2.
E(Ei)= 0
X =V
La covarianza entre los errores de medida y las puntuaciones verdaderas es cero. Es decir, las
puntuaciones verdaderas son independientes de los errores aleatorios de medida. [Cov(EV) =
E(EV) E(E)E(V) = 0]
Cov(V,E)=0
S x2 = Sv2 + Se2
La covarianza entre las puntuaciones empricas y las verdaderas es igual a la varianza de las
puntuaciones verdaderas, dado que la esperanza de los errores y la covarianza entre los errores
y las puntuaciones verdaderas es igual a cero. [XV = E[(V + E)V] E(V + E)E(V) = 2V]
Cov( X ,V ) = Sv2
3.
4.
5.
6.
7.
La correlacin entre las puntuaciones empricas u observadas y los errores es igual al cociente
entre la desviacin tpica de los errores y la desviacin tpica de las puntuaciones empricas.
8.
La covarianza entre las puntuaciones empricas de dos tests es igual a la covarianza entre las
puntuaciones verdaderas.
rxe =
Se
Sx
C) TEST PARALELOS
1) Condiciones de paralelismo: Si a una misma muestra de sujetos se le aplican dos tests, X1 y X2, podemos considerar que son
paralelos si, adems de cumplirse los supuestos anteriores, se cumplen las condiciones siguientes:
1.
2.
V1 = V2
S2e1 = S2e2
2.
3.
4.
Las varianzas de las puntuaciones empricas obtenidas en dos tests paralelos son iguales.
Teniendo en cuenta, por definicin de tests paralelos, que la varianza de los errores es la misma,
podemos concluir que las varianzas de las puntuaciones empricas son iguales.
La correlacin entre las puntuaciones empricas obtenidas en dos tests paralelos (rxx) es igual al
cuadrado de la correlacin entre las puntuaciones empricas y las puntuaciones verdaderas (r2xv)
o bien, al cociente entre la varianza de las puntuaciones verdaderas y la varianza de las
puntuaciones empricas.
Dados dos o ms tests paralelos, las intercorrelaciones entre cada dos de ellos son iguales.
X1 = X 2 = ... = X k
S X2 = S X2 = ... = S X2
1
2 =
rxx' = rxv
S v2
S x2
rX 1 X 2 = rX 1 X 3 = ... = rX j X k
rxx '
Se puede expresar tambin como el cociente entre la varianza de las puntuaciones verdaderas y las
puntuaciones empricas. Por tanto, se puede interpretar como la proporcin de la varianza de las
puntuaciones empricas de los sujetos que se debe a la varianza de las puntuaciones verdaderas (o la
varianza verdadera que hay en la varianza emprica).
rxx ' =
rxx ' = 1
El coeficiente de fiabilidad est comprendido entre 0 y 1. A medida que se aproxima a 1, implica que
las puntuaciones empricas son iguales a las verdaderas, por tanto, la fiabilidad mejora y los errores de
medida disminuyen. Por el contrario, a medida que se aproxima a 0, implica que la varianza de los
errores es mayor:
rXX = 1
S v2
2
= rxv
S x2
S e2
S x2
2
= 1 rxe
0 rXX 1
rXX = 0
rxv
Sv
Sx
0 rXv 1
rxe =
La correlacin entre las puntuaciones empricas y los errores de medida se puede obtener a partir de
la correlacin entre las puntuaciones obtenidas por los sujetos en las dos formas paralelas de un test.
rxe = 1 rxx'
Se
Sx
Resumiendo, podemos decir que el coeficiente de fiabilidad definido segn el modelo clsico de Spearman como la correlacin entre las
puntuaciones obtenidas por una muestra de sujetos en dos tests paralelos, nos proporciona informacin para poder estimar la cuanta del
error de medida.
E=XV
Se
E = V V
Svx
C) Error de sustitucin
Se define el error de sustitucin como la diferencia entre las puntuaciones obtenidas por un sujeto en un test
y las obtenidas en otro test paralelo. El error que se cometera al sustituir las puntuaciones obtenidas en un test
X1 por las obtenidas en un test paralelo X2:
Definimos el error tpico de sustitucin como la desviacin tpica de los errores de sustitucin.
a) En puntuaciones directas y diferenciales: S x1 x2 = S x 1 rxx' 2 = S e 2
b)
E = X1 X2
Sx1-x2
D) Error de prediccin
Se define el error de prediccin como la diferencia entre las puntuaciones obtenidas por un sujeto en un test
(X1) y su puntuacin pronosticada en ese mismo test (X1), a partir de una forma paralela (X2):
E = X1 X1
S x1
S x2
( X 2 X 2 ) + X1
Definimos el error tpico de prediccin como la desviacin tpica de los errores de prediccin:
a) En puntuaciones directas y diferenciales: Se p = S x 1 rxx' 1 + rxx' = S e 1 + rxx '
b)
Sep
nrxx'
1 + (n 1)rxx '
B) Variabilidad de la muestra
La fiabilidad de un test tambin depende de las caractersticas de la muestra a la que se aplica. Un test puede presentar tantos
coeficientes de fiabilidad como muestras distintas en las que se calcule. El coeficiente de fiabilidad puede variar en funcin de la
mayor o menor homogeneidad del grupo, siendo menor cuanto ms homogneo sea la muestra; es decir, cuanto ms pequea
sea la desviacin tpica de las puntuaciones obtenidas por los sujetos en el test. Por lo tanto, es importante saber hasta qu punto la
fiabilidad de un test se ve afectada por dicha variabilidad. La frmula que relaciona ambos aspectos es la siguiente:
r22 = 1
S12
S 22
(1 r11 )
X X X X
N
X ( X ) N X ( X )
2
1
2
2
Al coeficiente as calculado se le denomina tambin coeficiente de equivalencia, ya que evala el grado en que ambas formas son
equivalentes.
-
Ventaja: la posibilidad de aplicar ambas formas en el mismo momento aumenta considerablemente las posibilidades de control
de la situacin
Inconveniente: construir formas estrictamente paralelas es extremadamente difcil
B) Mtodo test-retest
Se aplica el mismo test a la misma muestra de sujetos en dos ocasiones distintas. A continuacin se calcula el coeficiente de
correlacin.
rx1 x2 =
X X X X
N
X ( X ) N X ( X )
2
1
2
2
Al coeficiente de correlacin as obtenido tambin se le llama coeficiente de estabilidad, ya que los resultados obtenidos indicarn
el grado de estabilidad en las puntuaciones.
-
Spearman Brown
R xx ' =
2) Rulon
Se utiliza cuando las dos mitades del test no son estrictamente equivalentes o paralelas, pero
puede mantenerse el supuesto de que son tau-equivalentes (es decir, se sigue asumiendo que
las puntuaciones verdaderas de los sujetos son iguales en ambas formas aunque las varianzas
de los errores no tienen porque ser iguales). Tambin se puede aplicar en los casos de tests
esencialmente tau-equivalentes (aquellos en los que la puntuacin verdadera de cada sujeto
en uno de los test es igual a la del otro ms una constate)
Calculados los valores de las puntuaciones en los tems pares e impares, se calcula la
diferencia entre ellas y, a continuacin, su varianza (varianza de la diferencia entre las
puntuaciones).
3) Guttman-Flanagan
Guttman (1937) y Flanagan (1945) llegaron de forma independiente a una frmula equivalente a
la de Rulon pero de ms fcil aplicacin.
Se utiliza cuando las dos mitades del test no son estrictamente equivalentes o paralelas, pero
puede mantenerse el supuesto de que son tau-equivalentes o esencialmente tauequivalentes
2rxx '
1 + rxx '
Rulon
rx1 x2 = 1
S d2
S x2
Guttman-Flanagan
rx1 x2
S 2p + S i2
= 21
S x2
La equivalencia entre Spearman-Brown y Rulon depende del grado de paralelismo de las formas, de forma que cuanto ms
parecidas sean ms se aproximan los valores mediante ambas frmulas. Tanto la ecuacin de Rulon como la ecuacin de
Guttman-Flanagan proporcionan el mismo valor de fiabilidad por ser expresiones equivalentes.
n
1
=
n 1
2
j
j =1
S x2
2) Estimador insesgado de
Alfa insesgado
(N 3) + 2
N 1
= estimador insesgado
= valor de alpha
N = n de sujetos
Kuder-Richardson
pq
n
1
2
n 1
S x
n = nmero de tems
p = proporcin de aciertos
q = proporcin de errores
S2x = varianza total del test
KR 20 =
KR 21 =
n npq
1 2
n 1
S x
F=
= alpha de la hiptesis
= alpha de la muestra
F=
1 1
1 2
Inferencias sobre alfa para muestras dependientes: As mismo, nos podemos plantear si existe
una diferencia significativa entre el valor de alpha de dos muestras dependientes. Feldt (1965)
proponen el estadstico de contraste t basado en la distribucin t con (N 2) grados de libertad.
1
1
(1 2 ) N 2
4(1 1 )(1 2 )(1 rx2 x
1 2
de ambos tests
Theta ()
1
n
1
n 1 1
Omega ()
h
= 1
n 2 r
n
2
j
jh
5) Coeficiente Beta ()
El coeficiente Beta () de Raju (1977). Cuando un test se divide en varios subtest con
distinto nmero de tems, alpha infraestima el coeficiente de fiabilidad si se calcula a partir
de la puntuacin total de cada subtest. Por el contrario, el coeficiente Beta supera este
problema y proporciona una estimacin de la fiabilidad de un test compuesto por distintos
subtests (batera de tests) a partir de las puntuaciones totales de todos ellos.
Slo en el caso de que los distintos subtests contengan el mismo nmero de tems alpha y
beta sern iguales.
Beta ()
k
S x2
2
j
j =1
S x2 1
nj
n
j =1
k
K = nmero de subtest
S2x = varianza del test total
S2j = varianza de cada subtest
nj = nmero de tems de cada
subtest
n = nmero total de tems del test
P X V KSe 1
1
K2
Donde:
Ejemplo: Se ha administrado un test cuyo coeficiente de fiabilidad es rxx = 0,73 a 200 sujetos (Media = 52; Sx = 7). Con los datos
obtenidos, estimar la puntuacin verdadera de un sujeto que obtuvo una puntuacin de 65 (NC = 95%).
(a) Primero tendramos que calcular el error tpico de medida: S e = S x 1 rxx = 7 1 0,73 = 3,64
1
= 0,95 ; K = 4,5
K2
(c) Sustituimos todos los valores en la desigualdad:
1
P{ X V KS e } 1 2 P{65 V 4,5 3,64} 0,95
K
P{ 16,38 V 65 16,38} 0,95
Ejemplo: Con los datos del ejemplo anterior, calcular el intervalo segn la distribucin normal de los errores. Datos: X = 65; Media = 52;
Sx = 7; rxx = 0,73 y NC = 0,95
(a) Primero tendramos que fijar el NC y determinar la Zc asociada: NC = 95% Zc = 1,96
(b) A continuacin calculamos el error tpico de medida: Se = 3,64
(c) Calculamos el error mximo asumido en funcin del nivel de confianza con el que estemos trabajando y la precisin con la que
medimos: Emx = Zc Se = 1,96 3,64 = 7,13
(d) Finalmente el intervalo de confianza de la puntacin verdadera: IC = X Emx = 65 7,13 = 57,87 72,12
Si comparamos este intervalo [57,87 V 72,12] con el obtenido en funcin de la desigualdad de Chebychev [48,62 V 81,38]
observamos que es bastante menos amplio, ello se debe a que en este caso estamos asumiendo cierta distribucin de probabilidad en
los datos, cosa que no ocurra anteriormente.
10
Sv
X X +V
Sx
Sin embargo, dado que la razn entre las desviaciones tpicas de las puntuaciones verdaderas y las empricas es el ndice de
fiabilidad (rxv=Sv/Sx), el cuadrado del ndice de fiabilidad es igual al coeficiente de fiabilidad (r2xv=rxx) y la media de las
puntuaciones empricas (X) coincide con la de las verdaderas (V), entonces, la ecuacin se simplifica, tal y como aparece en la
siguiente expresin
V ' = rxx X X + X
Z v ' = rvx Z x
Ejemplo: Con los datos del ejemplo anterior, calcular la estimacin puntual segn el mtodo de regresin. Datos: X = 65; Media = 52; Sx
= 7; rxx = 0,73 y NC = 0,95
Probablemente dicho valor no coincidir con el valor real del sujeto. A esta diferencia se le denomina error de estimacin, y a la
desviacin tpica de todas ellas, error tpico de estimacin. Conveniencia de utilizar intervalos
Una vez estimado el valor de la puntuacin verdadera se seguir el esquema general con el fin de establecer el intervalo
confidencial en el que se puede acertar, a un determinado nivel de confianza, que se encuentra la puntuacin verdadera del sujeto.
Los pasos a seguir sern los siguiente:
-
Ejemplo: Con los datos del ejemplo anterior calcular el intervalo de la estimacin. Datos: X = 65; Media = 52; Sx = 7; rxx = 0,73 y NC =
0,95
V ' = rxx X X + X = 0,73(65 52) + 52 = 61,49
11