Fiabilidad y Validez de Cuestionarios con SPSS
¿Cómo determinar por un lado la Fiabilidad/Confiabilidad de una batería de ítems de un cuestionario con SPSS, ya sea de los ítems considerados de manera global, o por bloques de dimensiones/componentes de Psicología, cualquier tipo de Formación, estudios de opinión, encuestas de mercado, etc?. Lo que se trata es de corroborar el grado de confianza que tenemos en nuestro instrumento, por ejemplo a través de un Alfa de Cronbach mayor de 0,7 (cuánto más cercano a 1, mejor), y de esta manera comprobar la validez del constructo a partir de un Análisis Factorial para llevar a cabo una reducción de dimensiones, esto es, pasar de muchas variables a unas pocas componentes o factores, que expliquen un porcentaje importante de la variabilidad.
Índice del Artículo
FIABILIDAD ALFA DE CRONBACH
A partir de una alfa de Cronbach de 0,7-0,8 queda confirmada la confiabilidad del instrumento de medida, cuanto más próximo a 1, mayor fiabilidad de la batería de ítems de la componente/dimensión.
En este caso el alfa de Cronbach no mejora si se suprime ningún ítem, en el caso de que mejorara, se repite el análisis de fiabilidad eliminando el/los ítem/s.
ANÁLISIS DE FIABILIDAD DE 2 MITADES
Nos fijamos en el Coeficiente de Spearman-Brown de Longitud desigual, en este ejemplo, cuyo valor es de 0,883, lo que se considera una buena medida de consistencia interna.
ANÁLISIS DE FIABILIDAD DE ITEMS DICOTÓMICOS
Para el caso de los ítems dicotómicos, se puede calcular el alfa de Cronbach para los mismos, como equivalente al indicador de la fiabilidad (consistencia interna) KR20 de Kuder-Richardson (Psicometría, UNED).
Se puede considerar conveniente el ítem 6 y repetir el análisis de fiabilidad obviándolo.
VALIDEZ ANÁLISIS FACTORIAL
Se puede determinar la validez del constructo a partir de los resultados de la validez del análisis factorial con SPSS.
El valor del KMO está próximo a 1, y la prueba de esfericidad de Bartlett resulta estadísticamente significativa (p-valor<0,05), por lo que se considera conveniente llevar a cabo un análisis factorial para determinar la validez, una vez se ha comprobado previamente que la fiabilidad de la batería de ítems está cercana a 1. El modelo factorial reteniendo 3 factores (con el método de Kaiser de conservar aquellas componentes cuyos autovalores-eigenvalues sean mayores que 1), explica el 56,72% de la variabilidad.
Se considera conveniente retener aquellos factores/dimensiones/componentes donde el gráfico de sedimentación hace ‘codo’.
A partir de la matriz de componentes, se trata de discernir dimensiones subyacentes de agrupación de los ítems, si la mayor parte de los ítems tienden a puntuar alto sobre la misma componente, se lleva a cabo una rotación ortogonal Varimax, en la que los ítems 2, 5, 6, 8, 10, 12 y 13, tienden a tener puntuaciones más altas sobre el factor 1, y se trata de buscar un nexo en común entre este tipo de ítems, para definir esa dimensión.