8/19/2019 Cap. 7. 2. Evidencias Internas
http://slidepdf.com/reader/full/cap-7-2-evidencias-internas 1/37
EVIDENCIAS INTERNAS
8/19/2019 Cap. 7. 2. Evidencias Internas
http://slidepdf.com/reader/full/cap-7-2-evidencias-internas 2/37
Demuestra el grado de representatividad de los ítemsde un test del dominio o constructo particular del test.
Si el constructo es multidimensional, cada dimensión
tiene que estar lo suficientemente representada.
Los ítems tienen que ser relevantes del dominio
Asegura alcanzar la validez de constructo.
Está relacionada con la V. APARENTE
EVIDENCIAS BASADAS EN EL CONTENIDO
8/19/2019 Cap. 7. 2. Evidencias Internas
http://slidepdf.com/reader/full/cap-7-2-evidencias-internas 3/37
Es recomendable especialmente en:
Tests educativos, de rendimiento, conocimientoso competencia profesional.
Es importante para los tests referidos al criterio.
3
8/19/2019 Cap. 7. 2. Evidencias Internas
http://slidepdf.com/reader/full/cap-7-2-evidencias-internas 4/37
PROCEDIMIENTO:
1.Especificar los diversos objetivos que se pretenden evaluar.
2.Elaborar un conjunto de ítems para cada objetivo
3. Identificación de expertos en dicho universo.
4. Juicio de los expertos acerca de la relevancia yrepresentatividad de los ítems.
5. Seleccionar los ítems de máximo acuerdo entre jueces
5. Estadísticamente los ítems aportarán consistencia interna
7. Se puede comprobar por medio del Análisis Factorial
8/19/2019 Cap. 7. 2. Evidencias Internas
http://slidepdf.com/reader/full/cap-7-2-evidencias-internas 5/37
PROCESO DE RESPUESTA
Se entiende por proceso de respuesta a lo que haceuna persona cuando responde a un test, es decir, leery comprender los ítems, interpretar su contenido yfinalmente, dar una respuesta a cada ítem.
Debe estar determinado por los factores previstos enel test
Se asegura con las instrucciones y contenido del test
La evidencia del proceso de respuesta, generalmente,resulta del análisis de las respuestas individuales.
8/19/2019 Cap. 7. 2. Evidencias Internas
http://slidepdf.com/reader/full/cap-7-2-evidencias-internas 6/37
Permite comprobar si el test mide un constructocoherente o se trata simplemente de un conjunto deítems no relacionados
Estudios sobre la dimensionalidad: permitedeterminar si la estructura del test coincide con laestructura planteada en el modelo teórico.
Se basa en las relaciones entre los ítems del test con elfin de determinar, empíricamente, los conceptosteóricos que permiten interpretar las puntuaciones.
6
Evidencia de la estructura interna del test
8/19/2019 Cap. 7. 2. Evidencias Internas
http://slidepdf.com/reader/full/cap-7-2-evidencias-internas 7/37
PuntuaciónCompuesta
I1 I2 I3 I4
Estos análisis se pueden hacer de forma más rigurosa conel métodos de factorización.
8/19/2019 Cap. 7. 2. Evidencias Internas
http://slidepdf.com/reader/full/cap-7-2-evidencias-internas 8/37
8
● Son técnicas estadísticas multivariantes
• Identifican las dimensiones (Factores/componentes)que subyacen en un conjunto de variables empíricas(ítems)
• Son técnicas de reducción de datos.
• El número de factores (F) que se extraen es menorque el número de variables
Los métodos más aplicados son el Análisis Factorial
(AF) y el Análisis de Componentes Principales (ACP).
8/19/2019 Cap. 7. 2. Evidencias Internas
http://slidepdf.com/reader/full/cap-7-2-evidencias-internas 9/37
ANÁLISIS FACTORIAL (AF)
Spearman (1904) sienta las bases del AF en susestudios sobre inteligencia, analizando lascorrelaciones entre las puntuaciones de los tests.
Thurstone (1931) y ‘Multiple factor analysis’ (1947)
El AF y sus variantes analizan la matriz decorrelaciones entre los ítems (R(mxm)) y se
diferencian en los métodos de extraer la varianza.
9
8/19/2019 Cap. 7. 2. Evidencias Internas
http://slidepdf.com/reader/full/cap-7-2-evidencias-internas 10/37
Propósito exploratorio (AFE) si el análisis pretendeidentificar el número y composición de los factores
comunes (variables latentes) necesarios para explicarla varianza común del conjunto de ítems analizado.
Propósitos del AF
Una variante del AF es el análisis de componentes
principales (ACP). Este método explica el máximoporcentaje de varianza observada en cada ítem a
partir de un número menor de componentes queresuma esa información. Los ítems son las variablesindependientes en el ACP.
8/19/2019 Cap. 7. 2. Evidencias Internas
http://slidepdf.com/reader/full/cap-7-2-evidencias-internas 11/37
AF ACP/AFC
Factor
I1 I2 I3 I4
U1 U2U3 U4
Componente
I1 I2 I3 I4Indicadores
Factor Único
Factor común
Item1 Item2 Item3 Item4
Item1 -
Item2 -
Item3 -
Item4 -
8/19/2019 Cap. 7. 2. Evidencias Internas
http://slidepdf.com/reader/full/cap-7-2-evidencias-internas 12/37
El AF tiene una aplicación confirmatoria delplanteamiento teórico por eso recibe el nombre deanálisis factorial confirmatorio (AFC). Por ejemplo, seaplica el AFC para verificar la teoría de los cinco
factores de la personalidad (Big Factor). Si todo vabien, se obtendrá la puntuación de los sujetos en lascinco dimensiones.
8/19/2019 Cap. 7. 2. Evidencias Internas
http://slidepdf.com/reader/full/cap-7-2-evidencias-internas 13/37
Factor
I1 I2 I3 I4
a1F
a2F
a3F
a4F
0,802 0,591 0,923 0,921
u1 u2 u3 u3
X 1 = a1F + u1
X 2 = a2F + u1
X 3 = a3F + u1
X 4 = a3F + u1
Xi 1 = 0,802F
1 + u1
……………………………
X i4 = 0,921F 1 + u1
Xij = ai1F1i + ai2F2i +....+ aik Fki + diUi
X = AF + U
8/19/2019 Cap. 7. 2. Evidencias Internas
http://slidepdf.com/reader/full/cap-7-2-evidencias-internas 14/37
Tabla. 10 Matriz de correlaciones de los 4 ítems
item1 item2 item3 item4
item1 1.000 .378 .801 .738item2 .378 1.000 .545 .627
item3 .801 .545 1.000 .797
item4 .738 .627 .797 1.000
Matriz factorial
Factor
item1 .802
item2 .591item3 .923
item4 .921
Saturaciones de losítems en el factor
Factor
item1 a1F
item2 a2F item3 a3F
item4 a4F
Correlacionesítems y factor
Factor
item1 r1F
item2 r2F item3 r3F
item4 r4F
8/19/2019 Cap. 7. 2. Evidencias Internas
http://slidepdf.com/reader/full/cap-7-2-evidencias-internas 15/37
COMUNALIDAD (h2
)= proporción de la varianza de la variable quees explicada por factores comunes.
VARIANZA ESPECÍFICA (S2
)= proporción de varianza verdaderapropia de la variable
VARIANZA ÚNICA (U2)= se denomina unicidad. Se interpreta como
la proporción de varianza que no es explicada por los factorescomunes, sino que lo es por factores únicos y específicos
15
2 2
1
k
ij
j
h a
2 21
i iu h
2 2 2
i I iu S e
Tipos de varianzas
8/19/2019 Cap. 7. 2. Evidencias Internas
http://slidepdf.com/reader/full/cap-7-2-evidencias-internas 16/37
Factor h2
item1 0,.8022) 0,643
item2 (0,5912) 0,349
item3 (0,9232) 0,851
item4 (0, 9212) 0,848
Valor propio, porcentaje de varianza explicada y comunalidad
Factor h2 u2
item1 .802 (.8022) = 0,643 (1-0,643)= 0,357
item2 .591 (.5912) = 0,349 (1-0,349) = 0,651
item3 .923 (.9232) = 0,851 (1-0,851) = 0,149item4 .921 (. 9212) = 0,848 (1-0,848) = 0,152
8/19/2019 Cap. 7. 2. Evidencias Internas
http://slidepdf.com/reader/full/cap-7-2-evidencias-internas 17/37
17
F1 F2 F3
VISPER
CUBOS
ROMBOS
ANTONI
SINONI
C
VERBAL
SUMAS
CONTAR
MAYUS
a11 a1k
d 1
d 2 d 9
d 3 d 4 d 5 d 6 d 7 d 8 U 1 U 9 U 8 U 7 U 6 U 5 U 4 U 3 U 2
ESTRUCTURAS INTERNAS MULTIDIMENSIONALES
8/19/2019 Cap. 7. 2. Evidencias Internas
http://slidepdf.com/reader/full/cap-7-2-evidencias-internas 18/37
Supuestos sobre los factores:
1. Los factores comunes son estadísticamente independientes:
Cov(f j , f k ) = 0
2. Los factores comunes y únicos son estadísticamenteindependientes:
Cov(f j , U m ) = 0
3. Los factores únicos son estadísticamente independientes:
Cov(U i , U m ) = 0
4. Las correlaciones de cada V. con un factor son las saturacionesde la V. con el factor:
(x i , f j ) = aij 18
8/19/2019 Cap. 7. 2. Evidencias Internas
http://slidepdf.com/reader/full/cap-7-2-evidencias-internas 19/37
Análisis Componentes Principales (ACP)
El criterio del método de ACP es optimizar la varianzaexplicada.
X1 = a11F 1 + a12F 2
Si es unidimensional el factor extraído explica lamáxima varianza del total
La varianza que explica el factor se denominada valor propio (λ) o autovalor.
19
2
1
p
ij
i
a
8/19/2019 Cap. 7. 2. Evidencias Internas
http://slidepdf.com/reader/full/cap-7-2-evidencias-internas 20/37
Factor
item1 (.8022)
item2 (.5912
)item3 (.9232)
item4 (. 9212)
Valor propio (λ) 2,691
Porcentaje devarianza explicada 67,2%
Valor propio, porcentaje de varianza explicada
8/19/2019 Cap. 7. 2. Evidencias Internas
http://slidepdf.com/reader/full/cap-7-2-evidencias-internas 21/37
1
2
3
1 2
0,80 0, 40
0, 70 0, 30
0, 20 0, 90
1,17 1, 06
% 39% 35%
% 39% 74%
F F
ac
Para asignar un ítem a un factor se recomiendaque la saturación o carga factorial sea ≥ 0,35
8/19/2019 Cap. 7. 2. Evidencias Internas
http://slidepdf.com/reader/full/cap-7-2-evidencias-internas 22/37
PASOS EN EL ANALISIS FACTORIAL
1- Calcular la matriz de correlaciones entre todas las variables(conocida habitualmente como matriz R). Examen de esamatriz.
2- Extracción de los factores necesarios para representar losdatos.
3- Rotación de los factores con objeto de facilitar suinterpretación. Representación gráfica.
4- Calcular las puntuaciones factoriales de cada individuo.
8/19/2019 Cap. 7. 2. Evidencias Internas
http://slidepdf.com/reader/full/cap-7-2-evidencias-internas 23/37
1 0.68 0.52
0.68 1 0.41
0.52 0.41 1
0.80 0.40
0.70 0.30
0.20 0.90
R = A =
M.de correlaciones M. Factorial
0.80 0.40 0.80 0.68 0.52 0.200.80 0.70 0.20
0.70 0.30 * 0.58 0.41 0.420.40 0.30 0.90
0.20 0.90 0.85 0.15
A A’ Comunalidades Unicidades
8/19/2019 Cap. 7. 2. Evidencias Internas
http://slidepdf.com/reader/full/cap-7-2-evidencias-internas 24/37
Análisis de la matriz de correlaciones
Determinante de la matriz
Kaiser-Meyer-Oklin (KMO) > 0,70
24
0 R
1 >= KMO >= 0.9 muy bueno0.9 >= KMO >= 0.8 meritorio0.8 >= KMO >= 0.7 mediano0.7 >= KMO >= 0.6 mediocre0.6 >= KMO > 0.5 bajo
KMO <= 0.5 inaceptable
8/19/2019 Cap. 7. 2. Evidencias Internas
http://slidepdf.com/reader/full/cap-7-2-evidencias-internas 25/37
Esferecidad de Bertlett
Ho = R = I1 0 0
0 1 0
0 0 1
I
Ho: | R| = 1
8/19/2019 Cap. 7. 2. Evidencias Internas
http://slidepdf.com/reader/full/cap-7-2-evidencias-internas 26/37
Principio de Parsimonia: extraer un númeromínimo de elementos para explicar el máximo
de información.
Interpretabilidad: que la solución tenga
significación psicológica.
26
8/19/2019 Cap. 7. 2. Evidencias Internas
http://slidepdf.com/reader/full/cap-7-2-evidencias-internas 27/37
EXTRACCIÓN DE LOS FACTORES NECESARIOS
La solución factorial puede presentar un númerode factores superior al necesario para explicar laestructura de los datos originales.
Uno de los problemas que se plantea esdeterminar el número de factores a conservar
de manera que se cumpla el principio deparsimonia e interpretabilidad.
8/19/2019 Cap. 7. 2. Evidencias Internas
http://slidepdf.com/reader/full/cap-7-2-evidencias-internas 28/37
Criterios para determinar la dimensionalidad
Hattie (1985)
Kaiser (1960) que indica conservar los factorescuyos valores propios son mayores a la unidad(λ ≥ 1)
Screen-test de Cattell (1966)
312927252321191715131197531
7
6
5
4
3
2
1
0
8/19/2019 Cap. 7. 2. Evidencias Internas
http://slidepdf.com/reader/full/cap-7-2-evidencias-internas 29/37
Reckase (1979)= que el primer factor explique 20%de la varianza total
Carmines y Zaller (1979)= que el primer factor explique40% de la varianza total
Lord (1980) 1 2
/ 3
8/19/2019 Cap. 7. 2. Evidencias Internas
http://slidepdf.com/reader/full/cap-7-2-evidencias-internas 30/37
ROTACIÓN DE LOS FACTORES
Factor
1 2
iri23 .752 -.309
iri26 .732 -.272
iri16 .683 -.178
iri5 .596 -.274iri10 .326 .221
iri24 .365 .741
iri27 .342 .655
iri6 .354 .424
Matriz factorial
Solución de AF sobre 8 ítems del cuestionario IRI (Interpersonal ReactivityIndex). Cuatro ítems pertenecen a la dimensión Fantasía y otros cuatro ala dimensión Ansiedad y malestar .
8/19/2019 Cap. 7. 2. Evidencias Internas
http://slidepdf.com/reader/full/cap-7-2-evidencias-internas 31/37
Factor
1 2
iri23 .810 .073
iri26 .775 .096
iri16 .688 .158
iri5 .655 .032
iri24 -.018 .826
iri27 .001 .739
iri6 .118 .540 iri10 .187 .346
Matriz de factores rotados
8/19/2019 Cap. 7. 2. Evidencias Internas
http://slidepdf.com/reader/full/cap-7-2-evidencias-internas 32/37
La rotación ortogonal: los factores no correlacionan.La más aplicada es la rotación VARIMAX
Rotación Oblicua: los factores están relacionados.La más aplicada es la rotación OBLIMIN
1) Las saturaciones ya no son las correlaciones de losítems con los factores,
2) No permite calcular las comunalidades ni
unicidades,3) No es posible determinar la varianza explicada por
cada factor,4) Los factores pueden estar correlacionados
8/19/2019 Cap. 7. 2. Evidencias Internas
http://slidepdf.com/reader/full/cap-7-2-evidencias-internas 33/37
Rotación de los factores
33
11 12 11 1211 12 13
21 22 23 21 22 21 22
31 32 33 31 32 31 32
cos sin*
sin cos
a a a ar r r
R r r r A a a a a
r r r a a a a
M. correlaciones M. Factorial M. Transformación A. Rotada
8/19/2019 Cap. 7. 2. Evidencias Internas
http://slidepdf.com/reader/full/cap-7-2-evidencias-internas 34/37
Asociación con otras variables
8/19/2019 Cap. 7. 2. Evidencias Internas
http://slidepdf.com/reader/full/cap-7-2-evidencias-internas 35/37
ESTRATEGÍAS CORRELACIONALES
MULTIRRASGO – MULTIMÉTODO Campbell y Fiske, 1959
35
• Es una matriz de correlaciones en la que aparecen varios rasgos
psicológicos (constructos) medidos por varios métodos.
• De su interpretación podemos averiguar la validez convergente y
discriminante.• Son subcategorías de la validez de constructo.
• Ninguna de ellas, por separado, es suficiente para establecer la validez deconstructo.
8/19/2019 Cap. 7. 2. Evidencias Internas
http://slidepdf.com/reader/full/cap-7-2-evidencias-internas 36/37
36
MÉTODO 1 MÉTODO 2
N1 E1 C1 N2 E2 C3
N1 .89
MÉTODO 1 E1 .51 .89
C1 .38 .37 .76
N2 .57 .22 09 .93
MÉTODO 2 E2 .22 .57 .10 .68 .94
C3 .11 .11 .46 .59 .58 .84
M1: entrevista
M2: Autoinforme
Discriminante:Heterorrasgo-monométodo
Convergente: Monorrasgo-heterométodoHeterorasgo-heterométodo
Fiabilidad: Monorasgo-
monométodo
8/19/2019 Cap. 7. 2. Evidencias Internas
http://slidepdf.com/reader/full/cap-7-2-evidencias-internas 37/37
VALIDEZ CONVERGENTE: si las correlaciones entre lasmedidas de un mismo rasgo por distintos métodos son
elevadas (azules). Es decir reflejan la varianza quecomparten del rasgo pero no comparten varianza del
método.
VALIDEZ DISCRIMINANTE: se refiere a las correlaciones de lasmedidas de distintos rasgos por el mismo método (rojo).
37
Top Related