Centro Asociado UNED A Corua

Tutora: Carmen Voces

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.

La puntuacin verdadera (V) es la esperanza matemtica de la puntuacin emprica (X). Si a un

sujeto se le pasara un nmero infinito de veces un mismo test, y suponiendo que las aplicaciones
fueran independientes entre s de manera que la puntuacin obtenida por dicho sujeto en una de
las aplicaciones no estuviera influyendo en la obtenida en las dems, la media de todas las
puntuaciones observadas (X) sera la puntuacin verdadera del sujeto.
Las puntuaciones verdaderas (V) y los errores de medida (E) en la poblacin de sujetos
examinados no estn correlacionadas. Es decir, no existe relacin entre los errores de medida y
las puntuaciones verdaderas. La Teora Clsica de los Tests (TCT) considera el error de medida
como una desviacin aleatoria, no sistemtica, de la puntuacin verdadera y, por eso, no ha de
correlacionar con la puntuacin verdadera.
Los errores de medida de dos tests distintos no estn correlacionados. Es decir, si las
puntuaciones de un sujeto en un test estn afectadas por errores positivos, bajo este supuesto,
ello no hace ms probable que las puntuaciones obtenidas en otro test tambin estn sesgadas
en este sentido. Si e1 representa los errores de medida de las puntuaciones de n sujetos en el
test 1 y e2 representa los errores de medida de las puntuaciones de los mismos sujetos en el test
2, no existe ninguna razn para presuponer que los errores de medida cometidos en un test
vayan a influir, positiva o negativamente, en el otro test, siempre y cuando los tests se apliquen
correctamente. Sin embargo, este supuesto no parece razonable en puntuaciones que se vean
afectadas por factores tales como la prctica, la fatiga o el estado de nimo.

V = E(X)

rve = 0

re1e2 = 0

Centro Asociado UNED A Corua

Tutora: Carmen Voces
EL MODELO LINEAL DE SPEARMAN
B) Deducciones del modelo
Derivaciones sobre esperanzas, varianzas y correlaciones: Los supuestos del Modelo Lineal de Spearman conllevan un gran
nmero de deducciones sobre las esperanzas, varianzas y covarianzas que nos van a permitir construir un modelo a partir del que
se pueda estimar el valor verdadero de los sujetos en el rasgo medido.
1.

El error de medida se define como la diferencia entre la puntuacin emprica obtenida por un
sujeto y su puntuacin verdadera.

E=XV

2.

La esperanza matemtica de los errores de medida es cero. El valor esperado de la variable

aleatoria error de medida es igual a cero (ya sea para una poblacin medida con el mismo test
o para una repeticin infinita de medidas sobre la misma persona, formalmente, cuando N )

E(Ei)= 0

El valor esperado de la puntuacin verdadera es igual al valor esperado de la puntuacin

emprica, lo que implica que las medias poblacionales tambin son iguales. La media de las
puntuaciones empricas es igual a la media de las puntuaciones verdaderas. [X = V + E E(X)
= E(V) + E(E). Dado que E(E) = 0, tenemos que E(X) = E(V) = x = V]

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

La varianza de las puntuaciones empricas es igual a la varianza de las puntuaciones verdaderas

ms la del error. Dado que la relacin entre las puntuaciones verdaderas y los errores de medida
es cero. La varianza de las puntuaciones empricas es igual a la suma de la varianza de las
puntuaciones verdaderas ms la varianza de los errores. [2X=2V + 2E + 2EV = 2V+ 2E]

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

Cov( X1, X 2 ) = Cov(V1,V2 )

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.

Las puntuaciones verdaderas de los sujetos son iguales en ambos tests.

2.

La varianza de los errores de medida es igual en ambos test

V1 = V2
S2e1 = S2e2

2) Deducciones de las condiciones de paralelismo

De nuevo, a partir de estos dos supuestos bsicos, o condiciones de paralelismo, se obtienen una serie de deducciones importantes
que nos van a permitir la estimacin de las puntuaciones verdaderas de los sujetos.
1.

2.

3.

4.

La media de las puntuaciones empricas en dos test supuestamente paralelos es la misma.

Teniendo en cuanta que la esperanza matemtica de los errores de medida es igual a cero y que las
puntuaciones verdaderas de los sujetos son iguales en ambos tests, podemos concluir la existencia de
igualdad entre las medias de las puntuaciones empricas

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

Centro Asociado UNED A Corua

Tutora: Carmen Voces
FIABILIDAD DE LAS PUNTUACIONES
A) Coeficiente de Fiabilidad (rxx)
Definimos el coeficiente de fiabilidad como la correlacin entre las puntuaciones empricas obtenidas
por una muestra de sujetos en dos formas paralelas de un test.

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 ' =

El coeficiente de fiabilidad de un test se puede expresar tambin en funcin de la varianza de los

errores:

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

Coeficiente de fiabilidad perfecto o fiabilidad perfecta del test.

Coeficiente de fiabilidad nulo o fiabilidad nula del test.

Las medidas no tienen error (E)

Las puntuaciones observadas slo incluyen error (E)

Las puntuaciones observadas son iguales a las verdaderas (X =

V) para todos los sujetos

Las puntuaciones observadas son iguales a los errores (X = E)

para todos los sujetos

La varianza de las puntuaciones observadas es igual a la

varianza de las puntuaciones verdaderas

La varianza de las puntuaciones observadas es igual a la

varianza de los errores aleatorios

La correlacin entre las puntuaciones observadas y verdaderas

es 1

La correlacin entre las puntuaciones observadas y verdaderas

es 0

La correlacin entre las puntuaciones observadas y los errores

es 0

La correlacin entre las puntuaciones observadas y los errores

es 1

B) ndice de Fiabilidad (rxv)

Definimos el ndice de fiabilidad como la correlacin entre las puntuaciones empricas obtenidas por
una muestra de sujetos y sus puntuaciones verdaderas.
De la expresin rxx' = rxv2 (deduccin de las condiciones de paralelismo n 3) se puede inferir que:
El ndice de fiabilidad se puede expresar tambin como el cociente entre la desviacin tpica de las
puntuaciones verdaderas y las puntuaciones empricas.
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:

rxv

rxv = rxx '

rxv =

Sv
Sx

0 rXv 1

C) La correlacin entre puntuaciones empricas y errores (rxe)

El trmino rxe es la proporcin de la desviacin tpica de las puntuaciones de los sujetos en el test que
se debe a la desviacin tpica de los errores.

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.

Centro Asociado UNED A Corua

Tutora: Carmen Voces
ERRORES DE MEDIDA
A) Error de medida
El error de medida de un sujeto se define como la diferencia entre la puntuacin emprica del sujeto y su
puntuacin verdadera:
A la desviacin tpica de los errores de medida se le denomina error tpico de medida. Mediante l estamos
llevando a cabo una medida grupal del error puesto que se calcula para todos los sujetos de la muestra.
a) En puntuaciones directas y diferenciales: Se = S x 1 rxx'
b)

En puntuaciones tpicas: S Ze = 1 rxx'

E=XV

Se

B) Error de estimacin de la puntuacin verdadera

Se denomina error de estimacin de la puntuacin verdadera a la diferencia entre la puntuacin verdadera de
un sujeto y su puntuacin verdadera pronosticada mediante el modelo de regresin:
Error tpico de estimacin de la puntuacin verdadera es la desviacin tpica de los errores de estimacin:
a) En puntuaciones directas y diferenciales: Svx = S x 1 rxx' rxx' = Se rxx'
b)

En puntuaciones tpicas: S ZvZx = 1 rxx ' rxx ' = S Ze rxx'

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)

En puntuaciones tpicas: S Zx1 Zx2 = 1 rxx' 2 = S Ze 2

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

La puntuacin X1 se obtiene mediante la recta de regresin de X1 sobre X2.

X '1 = r12

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)

En puntuaciones tpicas: S Ze p = 1 rxx ' 1 + rxx' = 1 rxx2 ' = S Ze 1 + rxx '

Sep

Centro Asociado UNED A Corua

Tutora: Carmen Voces
FACTORES QUE AFECTAN A LA FIABILIDAD
La fiabilidad de un test depende de factores como la variabilidad de la muestra, la longitud del propio test o las caractersticas de los
tems que lo configuran. En este tema nos vamos a dedicar exclusivamente a los dos primeros, dejando el tercero para un tema posterior.
Si la precisin del instrumento depende de la variabilidad de la muestra es como decir que la longitud de un metro va a depender del tipo
de tubera que est midiendo, esta circunstancia no es deseable ya que implica que la precisin del instrumento de medida va a depender
de las caractersticas del objeto medido.
A) Longitud del test
Uno de los factores que influyen en la fiabilidad de un test es de su longitud, es decir, el nmero de tems que lo componen.
Cuantos ms tems representativos del rasgo a medir se utilicen mayor ser la informacin que obtengamos sobre el atributo que
estemos estudiando y en consecuencia, menor el error que cometemos al tratar de estimar la puntuacin verdadera de un sujeto y,
por lo tanto, la fiabilidad del test incrementar. Entonces, una forma de aumentar la fiabilidad del test es aumentar su longitud.
La relacin existente entre la fiabilidad y la longitud, siempre y cuando los tems a aadir sea paralelos a los que ya tena el test
original, se puede evaluar mediante la frmula de Spearman-Brown.
Rxx' =

nrxx'
1 + (n 1)rxx '

Rxx = coeficiente de fiabilidad del test acortado o alargado

rxx= coeficiente de fiabilidad del test original
n = nmero de veces que se ha alargado el test; n = EF/EI. Donde EF es el nmero de elementos finales y EI es el nmero de
elementos iniciales
Todo lo que acabamos de decir, es igual de vlido en el caso de reducir la longitud del test, con la salvedad de que n ser siempre
menor que 1.
Cuando n tiende a infinito, el coeficiente de fiabilidad tiende a 1. Llegando a este lmite si se aadiesen infinitos tems. SpearmanBrown: n ; Rxx 1
A medida que aumenta la longitud del test tambin aumenta el coeficiente de fiabilidad, aunque no de manera proporcional, en un
primer momento el aumento es ms pronunciado para los tests ms fiables desde un principio, pero a medida que n se incrementa
el aumento se suaviza. Por tanto, una pregunta a responder es la siguiente: Hasta dnde resulta rentable aumentar el nmero de
tems paralelos para obtener una fiabilidad significativamente mejor que la original?, lo que implica preguntarse, Cuntos tems
paralelos habra que aadir para alcanzar un determinado valor del coeficiente de fiabilidad?.
Una interesante aplicacin de la frmula de Spearman-Brown es que permite estimar el nmero de tems paralelos que sera
necesario aadir para alcanzar un determinado valor del coeficiente de fiabilidad:
n=

R xx ' (1 rxx ' )

rxx ' (1 R xx ' )

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 )

S21 = varianza emprica de las puntuaciones en el grupo 1

S22 = varianza emprica de las puntuaciones en el grupo 2
r11 = coeficiente de fiabilidad en el grupo 1
r22 = coeficiente de fiabilidad en el grupo 2
Cmo se obtiene la frmula anterior?: Supongamos dos grupos de sujetos 1 y 2. Partiendo del supuesto de que el error tpico de
medida de un test se mantiene constante, independientemente de la variabilidad del grupo en el que se aplique, podemos
establecer la siguiente igualdad a partir de los errores tpicos al cuadrado: S21 = S22. Por tanto, teniendo en cuenta que, S2e = S2x(1
rxx) podemos establecer la igualdad: S21(1 r11) = S22(1- r22), despejando r22 llegamos a la frmula anunciada.
5

Centro Asociado UNED A Corua

Tutora: Carmen Voces
FIABILIDAD COMO EQUIVALENCIA Y COMO ESTABILIDAD
Un test debe cumplir dos requisitos bsicos. En primer lugar debe medir el rasgo que realmente pretende medir (es decir, ser vlido)
y, en segundo lugar, las puntuaciones empricas obtenidas al aplicar el test deben ser estables y precisas. La precisin hace
referencia, como ya se ha apuntado, a la necesidad de que, en la medida de lo posible, estn libres de errores. La estabilidad hace
referencia a que cuando se evala un rasgo con el mismo test en distintas ocasiones y bajo condiciones lo ms parecidas posibles,
siempre y cuando el rasgo estudiado no haya cambiado, se debern obtener puntuaciones muy similares. Este segundo requisito,
referido a la reproductividad de unos resultados en condiciones similares, es lo que definimos como la fiabilidad del test, entendida
como estabilidad de las medidas. En definitiva, lo que se pretende es poder establecer el grado de acuerdo entre las puntuaciones
obtenidas por lo sujetos en distintas aplicaciones de un mismo test.
Los dos principales mtodos para el clculo del coeficiente de fiabilidad del test, entendida como estabilidad de las medidas, y que
se basan en la aplicacin directa del coeficiente de correlacin entre formas paralelas son el mtodo de las formas paralelas y el
mtodo test-retest.
A) Mtodo de las formas paralelas
El mtodo de las formas paralelas consiste en construir dos formas paralelas de un test: X1 e X2. Aplicar las dos formas paralelas a
una muestra de sujetos lo suficientemente amplia y calcular el coeficiente de correlacin de Pearson:
rx1 x2 =

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.
-

Ventaja: no requiere la elaboracin de dos formas paralelas del mismo test.

Inconvenientes:
Puede afectar la memorizacin de algunos tems por parte de los sujetos, lo que estara incrementando artificialmente el
coeficiente de correlacin
Habra que determinar el intervalo temporal. En principio es deseable incrementarlo, sin embargo, un incremento
demasiado grande hace ms probable que el rasgo cambie debido a la influencia de factores sociales o a la propia
evolucin del sujeto
La actitud de los sujetos. Un cambio en el grado de cooperacin puede provocar una puntuacin ms alta o ms baja

Centro Asociado UNED A Corua

Tutora: Carmen Voces
FIABILIDAD COMO CONSISTENCIA INTERNA
Hasta ahora hemos visto que el coeficiente de fiabilidad se obtiene a partir de la correlacin entre formas paralelas de un test, o
mediante la correlacin entre dos aplicaciones del mismo test (test-retest). No obstante, en la mayora de las ocasiones slo es
posible llevar a cabo una nica aplicacin del test, e incluso puede suceder que un anlisis de la estabilidad o la equivalencia de las
medidas no constituya un fin prioritario. Existen distintos mtodos para estimar la fiabilidad del test que slo requieren una
aplicacin del mismo, con estos procedimientos se evitan los problemas asociados con la repeticin del test y con la dificultad de
construir formas paralelas. Unos hacen referencia a la divisin del test en dos mitades y otros requieren un anlisis de covariaza
entre los tems del test.
A) Mtodos basados en la divisin del test en dos mitades
Bsicamente este mtodo consiste en aplicar el test a una muestra de sujetos y, una vez obtenidas las puntuaciones dividir el test
en dos mitades, calculando posteriormente, la correlacin entre las puntuaciones obtenidas por los sujetos en ambas partes y
aplicar a continuacin una frmula de correccin.
Dividir el test en dos mitades no es siempre una labor sencilla, ya que se requiere que las mitades sean iguales en cuanto a
dificultad y contenido. Para llevar a cabo esta tarea se suele utilizar alguno de los siguientes procedimientos:
- Dividir el test por la mitad, es decir, considerar los primeros n/2 tems como una mitad y los ltimos n/2 tems como la segunda
mitad. Sin embargo, en muchos test los tems fciles suelen aparecer al principio
- Asignar los tems pares a la primera mitad y los impares a la segunda
- Ordenar los tems por su dificultad y asignar los pares a la primera mitad y los impares a la segunda [recomendada]
- Asignacin aleatoria a cada una de las mitades [poco recomendable]
1) Spearman Brown

Spearman Brown

El mtodo de Spearman-Brown es tal vez el ms antiguo y probablemente el ms utilizado para

calcular el coeficiente de fiabilidad cuando se divide el test en dos mitades.
En primer lugar se aplica el test a una muestra de sujetos, se divide en dos mitades,
supuestamente paralelas, se calcula la correlacin entre ambas. El valor obtenido
correspondera al coeficiente de fiabilidad de cada una de las mitades del test, pero lo que
queremos es calcular la fiabilidad del test completo, para ello aplicamos la frmula de correccin
(ecuacin de Spearman-Brown) para el caso de un test con longitud doble.
Cuando se aplica este procedimiento se asume que las dos mitades son paralelas, no
obstante, aplicarlo de forma estricta implicara comprobar que las medias y el error tpico de
medida de ambas mitades del test son iguales.

R xx ' =

Rxx = coeficiente de fiabilidad

cuando se ha duplicado su
longitud
rxx = coeficiente de fiabilidad
de cada una de las mitades

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

d = diferencia entre las punt.

pares e impares
S2d = varianza de las
diferencias entre las punt.
pares e impares
S2x = varianza de las punt.
empricas de los sujetos

Guttman-Flanagan
rx1 x2

S 2p + S i2
= 21

S x2

S2p y S2i = varianzas de las

puntuaciones de los tems
pares e impares,
respectivamente
S2x = varianza de las punt.
empricas de los sujetos

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.

Centro Asociado UNED A Corua

Tutora: Carmen Voces
FIABILIDAD COMO CONSISTENCIA INTERNA
B) Mtodos basados en la covariacin entre los tems
Uno de los principales problemas con la divisin del test en dos mitades, es que existen numerosas formas de obtener dos mitades.
Obteniendo otras tantas estimaciones del coeficiente de fiabilidad. Una forma de resolver el problema es considerar a cada tem
como si fuera un test de longitud unidad. El coeficiente obtenido de este modo proporciona una estimacin de la consistencia interna
de los tems del test. Entre los coeficientes que se basan en este procedimiento nos centraremos fundamentalmente en el
coeficiente alpha de Cronbach y en dos de sus casos particulares (cuando los tems sean dicotmicos) como los coeficientes KR20
y KR21 de Kuder-Richardson (1937)
Alfa de Cronbach

1) Coeficiente alfa () de Cronbach

El coeficiente alpha de Cronbach expresa la fiabilidad del test en funcin del nmero de
tems y de la proporcin de la varianza total del test debida a la covariacin de los tems.
Cuanto ms covarien los tem entre s mayor ser la fiabilidad del test.
En primer lugar hay que calcular la varianza de cada tem (S2j), tambin habr que calcular
la varianza de las puntuaciones obtenidas por los sujetos en el test total (S2x), por ltimo,
habr que obtener el alpha de Cronbach ()

n
1
=
n 1

2
j

j =1

S x2

n = n de elementos del test

S2j = varianza cada tem
S2x = varianza total del test

2) Estimador insesgado de

Alfa insesgado

Podemos considerar que el valor de alpha es simplemente un estimador o aproximacin al

valor real del coeficiente de fiabilidad. Sin embargo, existe una aproximacin ms exacta de
dicho valor que se expresa mediante la formulacin que aparece en el margen derecho.
El valor obtenido en la muestra (alfa de Cronbach) se aproxima a la del estimador
insesgado cuando el nmero de sujetos tiende a infinito: cuando N . En la
prctica a partir de 100 sujetos las diferencias son insignificantes.
3) Casos particulares del coeficiente alfa
Los casos particulares de Alpha se concretan en las frmulas de Kuder-Richardson (1937)
que hacen referencia a la estimacin de la fiabilidad de un test en el caso de que los tems
sean dicotmicos, lo que implica que la varianza viene determinada por el producto de p
por q.
S2x = pq
Donde p es la proporcin de aciertos y q la proporcin de errores.
En tal caso, alpha se puede definir mediante las expresiones KR20 y KR21, esta ltima se
aplicar cuando los tems tengan la misma dificultad, es decir, cuando tengan todos ellos la
misma proporcin de aciertos.

(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

Inferencias sobre el coeficiente alfa

El coeficiente alpha proporciona una estimacin de la fiabilidad de un test basada en la consistencia interna del mismo, a partir de
la muestra en que se ha aplicado, sin embargo, en ocasiones interesa plantearse cuestiones como: existe una diferencia
significativa entre el valor de alpha de dos o ms muestras independientes?, puede tomar alpha un valor concreto en la
poblacin?, es la diferencia en el valor de alpha para una misma muestra significativa?
Inferencias para un solo valor de alfa: Una de las principales preguntas que nos podemos
plantear es si alpha puede tomar un determinado valor en la poblacin a partir del valor muestral
obtenido. Para responder a esta pregunta, Kristof (1963) y Feldt (1965) proponen un estadstico
basado en la distribucin F que se distribuye con (N 1) y (n 1)(N 1) grados de libertad [N = n
de sujetos y n = n de tems]
Inferencias sobre alfa para muestras independientes: Otra cuestin es si existe una diferencia
significativa entre el valor de alpha de dos muestras independientes (H0 = 1 = 2). Para
responder a esta pregunta Feldt (1965) proponen el estadstico basado en la distribucin F con
(N1 1) y (N2 1) grados de libertad [N1 y N2 = n de sujetos de cada muestra]

F=

= alpha de la hiptesis
= alpha de la muestra

F=

1 1
1 2

1 y 2 = alpha de cada muestra

t=

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

1 y 2 = alpha de cada muestra

rx1 x2 = correlacin entre las punt.

de ambos tests

Centro Asociado UNED A Corua

Tutora: Carmen Voces
FIABILIDAD COMO CONSISTENCIA INTERNA
B) Mtodos basados en la covariacin entre los tems Continuacin
4) Coeficientes Theta () y Omega ()
Los coeficientes Theta () y Omega () constituyen dos indicadores de la consistencia
interna de los tems de un test, basados en el Anlisis Factorial de los tems.
En general, para los mismos datos se verifica que

Theta ()

1
n
1
n 1 1

N = nmero de tems del test

1 = varianza explicada por el
primer factor antes de la rotacin

Omega ()

h
= 1
n 2 r
n

2
j
jh

n = nmero de tems del test

h2j = comunalidad estimada del tem
j
rjh = representa la correlacin entre
los tems j y h

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

Centro Asociado UNED A Corua

Tutora: Carmen Voces
PROCEDIMIENTOS PARA ESTIMAR LA PUNTUACIN VERDADERA DE LOS SUJETOS
Tras obtener el valor del coeficiente de fiabilidad, la siguiente pregunta relevante que nos podemos es cmo hacer estimaciones acerca
de la puntuacin verdadera de un sujeto. Desgraciadamente no podemos calcular el valor exacto de la puntuacin verdadera de un
sujeto, pero s establecer un intervalo confidencial dentro del cual se encontrar dicha puntuacin con un determinado nivel de confianza.
Para ello se suele recurrir a tres procedimientos distintos:
- Desigualdad de Chebychev
- Estimacin basada en la distribucin normal de los errores
- Estimacin basada en el modelo de regresin
A) Estimacin mediante la desigualdad de Chebychev
Mediante este procedimiento no se asume ningn tipo de distribucin de las puntuaciones empricas ni de los errores de medida. En
trminos generales, se establece que la probabilidad de que una variable aleatoria est distanciada de su media en menos de K
veces su desviacin tpica es mayor o igual que 1 1/K2. Ello se expresa formalmente mediante la siguiente ecuacin:
K

P X V KSe 1

1
K2

Donde:

= nivel de confianza utilizado

K2
Se = error tpico de medida (se debe utilizar S Z e si la estimacin se hace en puntuaciones tpicas)

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

(b) Despejamos y calculamos el valor K: 1

P{48,62 V 81,38} 0,95

Comprobamos que con una probabilidad del 95% la puntuacin verdadera de un sujeto que ha obtenido una puntuacin emprica, X = 65,
se encuentra entre 48,62 y 81,38. A simple vista se puede apreciar que se trata de un intervalo excesivamente amplio.

B) Estimacin basada en la distribucin normal de los errores

Ahora se asume la distribucin normal de los errores de medida (E), con media 0 y varianza S2e, y de las puntuaciones empricas
(X) condicionadas a un determinado valor de V. Las fases a seguir seran:
- Se fija un nivel de confianza y se determina el valor de Zc correspondiente buscndola en la tabla de la distribucin normal
- Se calcula el error tpico de medida (Se)
- Se calcula el error de medida mximo que estamos dispuestos a asumir (Emx): que viene dado por el producto de la Z crtica y el
error de medida. Emx = Zc Se. Lgicamente a mayor error de medida mayor ser el intervalo correspondiente.
-

Se calcula el intervalo confidencial de la puntuacin verdadera: IC = X Emx

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

Centro Asociado UNED A Corua

Tutora: Carmen Voces
PROCEDIMIENTOS PARA ESTIMAR LA PUNTUACIN VERDADERA DE LOS SUJETOS
C) Estimacin basada en el modelo de regresin
Mediante el mtodo de regresin podemos hacer estimaciones puntuales de la puntuacin verdadera (V) a partir de la puntuacin
emprica (X). A posteriori se pueden establecer intervalos de confianza en torno a la puntuacin verdadera pronosticada.
Como sabemos, en el modelo de regresin lineal la prediccin de una variable Y a partir de otra X viene expresada por la siguiente
ecuacin:
Sy
Y ' = rxy
X X +Y
Sx
rxy = correlacin entre ambas variables
Sx y Sy son las respectivas desviaciones tpicas

Si la traducimos en trminos psicomtricos:

- La Y sera sustituida por la puntuacin verdadera, V
- La desviacin tpica de las puntuaciones Y (Sy) por la desviacin tpica de las verdaderas V (Sv)
- La media de las puntuaciones Y por la media de las puntuaciones verdaderas, V
V ' = rxv

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

La ecuacin tambin puede expresarse en puntuaciones diferenciales y tpicas:

v' = rxx 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

V ' = rxx X X + X = 0,73(65 52) + 52 = 61,49

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:
-

Primero tendramos que fijar el NC y determinar la Zc asociada

A continuacin calculamos el error tpico de estimacin (Svx)
Calculamos el error mximo asumido en funcin del nivel de confianza con el que estemos trabajando y la precisin con la que
medimos
Finalmente el intervalo de confianza de la puntacin verdadera: IC = V Emx

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

Fijar el NC y Zc asociada: NC = 95% Zc = 1,96

Error tpico de estimacin: S vx = S x 1 rxx rxx = 7 1 0,73 0,73 ; Svx = 3,09

Error mximo: Emx = Zc Svx = 1,96 3,09 = 6,06

Intervalo de confianza de la puntacin verdadera: IC = V Emx = 61,49 6,06 = 55,43 67,55

11