12. Análisis de la confiabilidad de una escala
Uno de los análisis sicométricos que típicamente se realizan a un instrumento de medición es el cálculo de su confiabilidad de consistencia interna, usualmente medida por el coeficiente alfa de Cronbach. Este coeficiente trata de cuantificar cuán relacionados se encuentran los ítems que forman un instrumento. La consistencia interna depende, en gran medida, de la calidad de los ítems, razón por la cual comúnmente se incluye el análisis de ítems al hacer estimados de esta. La instalación básica de R no contiene funciones para llevar a cabo este análisis, sin embargo, en el CRAN se pueden encontrar varios paquetes que sirven para ese propósito, entre ellos ‘psych’, ‘Itm’, y ‘DescTools’. De ellos, el paquete ‘psych’ se considera el más completo para realizar análisis psicométricos. En este escrito mostraré cómo hacer uso de este instrumento para hacer el análisis en analogía con la opción Scale -> Reliability Analysis de SPSS.
Como ejemplo hare uso de la base de datos USJudgeRatings, contenida en el paquete MASS. Este dataframe contiene datos de un instrumento de doce ítems utilizado para evaluar a 43 jueces. Las variables se describen a continuación:
| CONT – Número de contactos de un abogado con el juez. |
| INTG – Integridad jurídica |
| DMNR – Comportamiento |
| DILG – Diligencia |
| CFMG – Manejo del flujo de casos |
| DECI – Rapidez de las decisiones |
| PREP – Preparación para el juicio |
| FAMI – Familiaridad con la ley |
| ORAL – Validez de las sentencias orales |
| WRIT – Validez de las sentencias escritas |
| PHYS – Habilidad física |
| RTEN – Digno de retención |
Para mayor información sobre esta base de datos y su origen, escriba en la ventana de comandos de R la instrucción help(“USJudgeRatings”) una vez acceda la base de datos.
Confiabilidad y análisis de ítems en SPSS
El análisis de una escala se obtiene en SPSS en el menú de análisis bajo la opción Scale -> Reliability Analysis:
En la ventana que se abre, se seleccionan las variables que componen al instrumento:
Al oprimir el botón ‘Statistics…’ se abre una ventana para seleccionar los análisis deseados. En la siguiente imagen se incluyen algunas de las estadísticas más importantes para llevar a cabo el análisis:
Las tablas de resultados típicas incluyen las siguientes:
La primera de estas tablas incluye el estimado de la confiabilidad, en este caso 0.93. La segunda presenta la media y desviación estándar de cada ítem. Las primeras dos columnas de la tercera tabla presentan la media y la varianza de la escala si se elimina cada ítem, la tercer, la correlación ítem-total excluyendo al ítem y la cuarta la confiabilidad si se elimina el ítem. En este ejemplo podemos apreciar que la correlación ítem-total del primer ítem es pobre. La última tabla presenta las estadísticas descriptivas para la puntuación total en la escala
El análisis de confiabilidad en R
Como se indicó en la introducción, el paquete psych es el más completo para hacer análisis sicométricos en R. Este paquete fue desarrollado por William Revelle como parte del Personality Project. La documentación de este paquete se puede obtener de la página de esta organización.
Para obtener la confiabilidad de una escala y las estadísticas de los ítems que la componen se utiliza la función alpha(). Como argumento de esta función se especifica la base de datos (data frame) que contiene a los ítems del instrumento. Si la base de datos contiene variables adicionales, repase el artículo 11 – Manejo de archivos para seleccionar las variables a analizar. La función alpha() tiene como una opción para invertir la escala de ítems específicos, llamada ‘keys’.
Si no lo ha hecho aún, instale el paquete ‘psych’.A continuación haremos el análisis básico de la escala para evaluar la ejecución de los jueces utilizada en la sección anterior:
library(psych)
library(MASS)
data(USJudgeRatings)
alpha(USJudgeRatings)
El resultado del análisis es el siguiente:
Reliability analysis
Call: alpha(x = USJudgeRatings)
raw_alpha std.alpha G6(smc) average_r S/N ase mean sd median_r
0.97 0.97 0.99 0.76 38 0.0056 7.6 0.83 0.91
95% confidence boundaries
lower alpha upper
Feldt 0.96 0.97 0.98
Duhachek 0.96 0.97 0.98
Reliability if an item is dropped:
raw_alpha std.alpha G6(smc) average_r S/N alpha se var.r med.r
CONT 0.99 0.99 1.00 0.91 114 0.0021 0.0039 0.94
INTG 0.97 0.97 0.99 0.75 34 0.0063 0.1315 0.93
DMNR 0.97 0.97 0.99 0.76 34 0.0062 0.1312 0.93
DILG 0.97 0.97 0.99 0.74 32 0.0066 0.1333 0.91
CFMG 0.97 0.97 0.99 0.74 32 0.0065 0.1367 0.91
DECI 0.97 0.97 0.99 0.74 32 0.0065 0.1356 0.91
PREP 0.97 0.97 0.99 0.74 31 0.0068 0.1321 0.91
FAMI 0.97 0.97 0.99 0.74 32 0.0067 0.1317 0.91
ORAL 0.97 0.97 0.99 0.74 31 0.0069 0.1309 0.88
WRIT 0.97 0.97 0.99 0.74 31 0.0068 0.1303 0.89
PHYS 0.97 0.97 0.99 0.76 34 0.0063 0.1384 0.94
RTEN 0.97 0.97 0.99 0.74 31 0.0069 0.1311 0.88
Item statistics
n raw.r std.r r.cor r.drop mean sd
CONT 43 0.081 0.085 0.033 -0.013 7.4 0.94
INTG 43 0.906 0.903 0.904 0.890 8.0 0.77
DMNR 43 0.900 0.897 0.897 0.875 7.5 1.14
DILG 43 0.964 0.966 0.967 0.957 7.7 0.90
CFMG 43 0.971 0.972 0.974 0.965 7.5 0.86
DECI 43 0.963 0.965 0.966 0.957 7.6 0.80
PREP 43 0.981 0.982 0.985 0.977 7.5 0.95
FAMI 43 0.969 0.970 0.972 0.962 7.5 0.95
ORAL 43 0.991 0.991 0.994 0.989 7.3 1.01
WRIT 43 0.982 0.982 0.985 0.979 7.4 0.96
PHYS 43 0.898 0.897 0.894 0.877 7.9 0.94
RTEN 43 0.982 0.980 0.983 0.977 7.6 1.10
En la primera tabla se presenta el estimado de la confiabilidad, 0.97, así como algunas estadísticas descriptivas de ella. En la segunda tabla se presentan intervalos de confianza al 95% para la confiabilidad. La tercera tabla incluye las estadísticas descriptivas de los ítems cuando estos se eliminan del análisis. La última tabla presenta estadísticas descriptivas adicionales de los ítems. Note que estas tablas presentan la información que obtuvimos al utilizar SPSS.