Un viaje alrededor de alfa y omega para estimar la fiabilidad de consistencia interna
En este trabajo se presenta una guía conceptual y práctica para estimar la fiabilidad de consistencia interna de medidas obtenidas mediante suma o promedio de ítems con base en las aportaciones más recientes de la psicometría. El coeficiente de fiabilidad de consistencia interna se presenta como un...
| Autores: | , , |
|---|---|
| Tipo de recurso: | artículo |
| Fecha de publicación: | 2017 |
| País: | España |
| Institución: | Universidad de Murcia |
| Repositorio: | DIGITUM. Depósito Digital Institucional de la Universidad de Murcia |
| OAI Identifier: | oai:digitum.um.es:10201/72905 |
| Acceso en línea: | http://hdl.handle.net/10201/72905 |
| Access Level: | acceso abierto |
| Palabra clave: | Fiabilidad consistencia interna coeficiente alfa coeficien- te omega medidas congenéricas medidas tau-equivalentes análisis factorial confirmatorio. 159.9(05) |
| Sumario: | En este trabajo se presenta una guía conceptual y práctica para estimar la fiabilidad de consistencia interna de medidas obtenidas mediante suma o promedio de ítems con base en las aportaciones más recientes de la psicometría. El coeficiente de fiabilidad de consistencia interna se presenta como un subproducto del modelo de medida subyacente en las respuestas a los ítems y se propone su estimación mediante un procedimiento de análi- sis de los ítems en tres fases, a saber, análisis descriptivo, comprobación de los modelos de medida pertinentes y cálculo del coeficiente de consistencia interna y su intervalo de confianza. Se proporcionan las siguientes fórmu- las: (a) los coeficientes alfa de Cronbach y omega para medidas unidimen- sionales con ítems cuantitativos (b) los coeficientes omega ordinal, alfa or- dinal y de fiabilidad no lineal para ítems dicotómicos y ordinales, y (c) los coeficientes omega y omega jerárquico para medidas esencialmente unidi- mensionales con efectos de método. El procedimiento se generaliza al aná- lisis de medidas obtenidas por suma ponderada, de escalas multidimensio- nales, de diseños complejos con datos multinivel y/o faltantes y también al desarrollo de escalas. Con fines ilustrativos se expone el análisis de cuatro ejemplos numéricos y se proporcionan los datos y la sintaxis en R. |
|---|