Menú
Prueba de confiabilidad estadística con SPSS
La prueba de Confiabilidad, Estadística, en la cual se utiliza el Coeficiente de Alpha de Cronbach tiene como finalidad revisar si los ítems tienen consistencia interna, es decir, que correlacionan adecuadamente entre sí.
Por otra parte, el análisis factorial se utiliza para revisar si los ítems saturan (tienen un suficiente grado de correlación entre sí) en el indicador en el que se encuentran dentro del instrumento de recolección de datos; en pocas palabras si todos los ítems que se encuentran en un indicador miden lo mismo.
Para el caso de la prueba de confiabilidad estadística de Alpha de Cronbach, se acepta el instrumento siempre y cuando el coeficiente sea mayor o igual a 0.80.
Para la medición del grado de saturación de los ítems que se encuentran dentro de un indicador, se pueden adoptar diversos valores siempre que no excedan a 1, el valor mas comunmente usado es de 0.50, cuando el grado de saturación tiene como mínimo este valor, entonces el ítem se considera correctamente redactado.
Ejemplo:
Se tiene el siguiente instrumento de recolección de datos.
Para la prueba, se seleccionó una muestra piloto de 34 trabajadores de la educación.
Se utilizó el software SPSS para Windows.
Procedimiento para la prueba de Confiabilidad Estadística de Alpha de Cronbach:
1.- Se selecciona la opción Escala ->Análisis de fiabilidad
2.- Del cuadro de diálogo, se seleccionan todos los ítems del instrumento de recolección de datos
3.- Se pasan todos los ítems seleccionados al cuadro de lista de la derecha por medio del botón
4.- Se obtiene el coeficiente Alpha de Cronbach es mayor que el mínimo aceptable (0.967), 0.967>0.80. Esto indica que el instrumento es CONFIABLE.
Aun así, es posible tener ítems innecesarios o que deban de ser eliminados por lo que independientemente de que el instrumento sea confiable, se debe de efectuar una reducción de dimensiones por medio de un análisis factorial.
Procedimiento del Análisis factorial
El análisis factorial es una técnica de reducción de datos que sirve para encontrar grupos homogéneos de variables a partir de un conjunto numeroso de variables. Esos grupos homogéneos se forman con las variables que correlacionan mucho entre sí y procurando, inicialmente, que unos grupos sean independientes de otros.
Aplicando un análisis factorial a las respuestas de los sujetos podemos encontrar grupos de variables con significado común y conseguir de esta manera reducir el número de dimensiones necesarias para explicar las respuestas de los sujetos.
El análisis factorial es, por tanto, una técnica de reducción de la dimensionalidad de los datos. Su propósito último consiste en buscar el número mínimo de dimensiones capaces de explicar.
Se procede dimensión por dimensión e indicador por indicador por cada dimensión:
Dimensión: Participación
Indicador: Actividades
Ítems 1-14:
1.- Menú Analizar ->Reducción de dimensiones ->Factor
2.- Se seleccionan los ítems del 1 al 14, se colocan en la lista de la derecha.
3.- Se selecciona la opción de Componentes principales
4.- El software SPSS extrajo cinco componentes en base a las varianzas acumuladas Se extrajeron cinco componentes (cada componente es un posible indicador donde se pueden localizar los ítems), en la realidad solo se conoce el primero de ellos que es el componente 1, que es el que se está analizando y es donde se desea que los ítems saturen, en caso de que saturen en otro componente (indicador) significa que no están midiendo lo que el indicador mide, en caso de que saturen en diferentes componentes (diferentes indicadores) significa que miden varios aspectos, y en el caso de que no saturen en ningún componente significa que no miden ningún aspecto.
Lo ideal es que los ítems saturen en el componente 1, a continuación, se verá el comportamiento de los mismos. Se considera que un ítem no satura si su valor de correlación está por debajo de 0.5
5.- Los ítems del 1 al 4, 6, 8, 10, 11, 13 SÍ saturan en el componente 1 (indicador 1), por lo que están correctos, y los ítems 5, 7, 9, 12 y 14 deben eliminarse debido a que no saturan en dicho componente.
Dimensión: Participación
Indicador: Órganos Colegiados
Ítems 15-21:
6.- El ítem 17 se debe eliminar porque no satura (0.485<0.5)
Dimensión: Participación
Indicador: Equipos y reuniones de trabajo
Ítems 22-36:
7.- Los ítems del 1 al 24 y del 26 al 36 sí saturan en el indicador 1, el ítem 25 se elimina porque lo hace en el indicador 8
Dimensión: Participación
Indicador: Coordinación
Ítems 37-40:
8.- No se debe de eliminar ningún ítem, ya que todos saturan en el indicador 1.
Dimensión: Comunicación
Indicador: Agilidad/Rapidez
Ítems 41- 55:
9.- Los ítems 41 al 44 y 46 al 54 SÍ saturan en el correspondiente indicador 1, el ítem 45 no satura en ninguno y el 55 en el indicador 4, por lo que estos dos últimos deben de eliminarse.
Dimensión: Comunicación
Indicador: Respeto
Ítems 56- 60:
10.- No se debe de eliminar ningún ítem, ya que todos saturan en el indicador 1.
Dimensión: Comunicación
Indicador: Aceptación de las propuestas
Ítems 61- 65:
11.- No se debe de eliminar ningún ítem, ya que todos saturan en el indicador 1.
Dimensión: Comunicación
Indicador: Normas
Ítems 66- 68:
12.- No se debe de eliminar ningún ítem, ya que todos saturan en el indicador 1.
Dimensión: Comunicación
Indicador: Espacios y Horarios
Ítems 69- 77:
13.- Solamente los ítems 69,71,76,77 saturan en el indicador 1, y los restantes ítems se deben de eliminar por no saturar en el componente 1
Resumen
Tomando en consideración el análisis efectuado, se deben de eliminar del instrumento de recolección de datos los ítems Deben eliminarse los ítems: 5,7,9,12,14,17,22,25,44,55,70,72,73,74,75
Se recomienda volver a efectuar la prueba de Confiabilidad de Alpha de Cronbach sin considerar los ítems eliminados.
Ahora, en la prueba de confiabilidad estadística el nuevo coeficiente de Alpha de Cronbach es 0.969, ligeramente mayor a 0.967 que se obtuvo con el análisis inicial considerando todas las variables. El instrumento sigue siendo CONFIABLE.
Conclusiones
Cuando se formula un instrumento de recolección de datos tipo escala, es muy común que se formulen ítems que puedan estar mal redactados o ítems que no tengan nada que ver con el indicador donde se están formulando. Es posible que a la hora de diseñar el instrumento de recolección de datos, se tengan instrumentos con un número muy grande de ítems. El procedimiento de análisis factorial resulta de gran ayuda, ya que permite identificar los ítems que no tienen utilidad alguna, al suprimir los mismos, se tendrá un instrumento más compacto y con una mayor confiabilidad de que los ítems corresponden a las dimensiones e indicadores donde están ubicados.
Referencias
Landero Hernández René, González Ramírez Mónica (2012). Estadística con SPSS y Metodología de la Investigación. México. Trillas
José Manuel Carrillo Hernández
Ingeniero Civil, Maestro en Ciencias en Ingeniería de la Construcción, Doctor en Ingeniería con especialidad en sistemas de planeación y construcción