Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Prlogo.........1
PARTE I. R y Rcommander
1
INTRODUCCIN .............................................................................................................. 2
1.1
1.2
1.3
1.4
1.5
1.6
1.7
2
3
Instalacin de R....................................................................................................... 6
Primer contacto ....................................................................................................... 8
Opciones de trabajo con R ................................................................................... 12
Obtencin de ayuda sobre R ............................................................................... 14
Paquetes ................................................................................................................. 19
R a modo de calculadora ...................................................................................... 20
Notas bsicas sobre R ........................................................................................... 21
3.1.2
3.1.3
3.1.4
3.1.5
3.1.6
3.1.7
3.1.8
3.2
3.2.1
3.2.2
3.2.3
3.2.4
3.2.5
____________________________________________________________________
I
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
3.2.6
3.2.7
3.2.8
3.2.9
4
5
6
4.4
4.5
4.6
4.6.1
4.6.2
4.6.3
5.3.2
5.3.3
5.3.4
5.3.5
5.3.6
5.4
5.4.1
5.4.2
5.4.3
5.4.4
____________________________________________________________________
II
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
7
8
9
6.2.2
6.2.3
6.2.4
6.2.5
6.2.6
7.1.2
7.1.3
7.1.4
7.1.5
7.1.6
7.2
7.2.1
7.3
7.3.1
7.3.2
7.3.3
7.3.4
7.3.5
8.4
8.4.1
8.4.2
9.1.2
9.1.3
9.2
9.2.1
9.3
____________________________________________________________________
III
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
9.3.1
9.4
9.4.2
9.4.3
9.5
9.5.2
10.1.2
10.1.3
10.1.4
10.1.5
10.1.6
10.1.7
10.2
10.3
10.3.1
10.3.2
10.3.3
10.3.4
10.3.5
10.3.6
10.4
10.4.1
10.4.2
____________________________________________________________________
IV
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
Prlogo
-1-
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
1 Introduccin
-2-
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
empaquetados cuya adaptacin a la situaciones concretas de anlisis se torna
ardua y a veces imposible.
R viene
avalado tcnicamente
-3-
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
Chambers y Hastie, 1992; Venables y Ripley, 2000). Existe una versin de este
lenguaje distribuida por Insightful Corporation bajo el nombre comercial de SPlus, y una versin libre con cdigo abierto conocida como R. Esta ltima fue
desarrollada por Ross Ihaka y Robert Gentleman (esta es una de las razones del
nombre R; Ihaka y Gentleman, 1996; otra de las razones deriva de la fontica de
R our nuestro- que lo enlaza con la filosofa del software libre) del
Departamento de Estadstica de la Universidad de Auckland (Nueva Zelanda).
La primera versin de R se difundi rpidamente y la expansin es hoy
irrefrenable. Desde su creacin, R se alimenta y crece con los trabajos de
investigadores provenientes de prcticamente todas las ramas del conocimiento.
Las aportaciones desinteresadas de funciones y libreras de propsito tanto
general como especfico hacen de R un entorno dinmico formado por una
comunidad en movimiento continuo y acelerado que se inscribe dentro de la
filosofa del software libre.
los artculos de
-4-
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
Development Core Team; asumi en 1997 las labores de actualizacin semestral
del cdigo de R),
S-plus
la ltima
ofrece
dos
productos;
un
corto
accesible
en
red
-5-
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
ms avanzados modelos estadsticos. R es un software libre que se inscribe
dentro del proyecto GNU (acrnimo recursivo de GNU in not UNIX), lo que
significa que los usuarios pueden utilizarlo, modificarlo y actualizarlo en funcin
de sus necesidades. La informacin disponible sobre R es accesible a travs de la
web CRAN (Comprehensive R Archive Network; http://cran.r-project.org/).
de
grficos
generados
con
en
el
sitio
la versatilidad y
posibilidades de R.
1.1
Instalacin de R
-6-
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
-7-
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
el
programa
se
instalar
en
C:\Archivos
de
1.2
Primer contacto
-8-
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
> 2+3
[1] 5
>
-9-
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
histograma el comando a emplear sera el siguiente (ms adelante se explicarn
ste y otros comandos).
hist
(rnorm(100),
col=3,
xlim=c(-3,3),main="Ejemplo
histograma
N=100",xlab="", ylab="frecuencia")
200
20
1500
frecuencia
10
frecuencia
1000
100
frecuencia
150
15
50
500
-3
-
-2
-1
-2
- 10 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
Otro smbolo importante en el entorno de programacin R es el smbolo
#, utilizado para aadir comentarios no ejecutables durante la construccin de
un cdigo.
> 3+5+(
+
> 3+5+(
+ 7*3)
[1] 29
> 2+3;4*7
[1] 5
[1] 28
Para abandonar R tras una sesin de trabajo son varias las opciones
disponibles:
- 11 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
el fichero .Rhistory del cual son fcilmente recuperables desde cualquier
editor de texto.
1.3
modo de operar.
1.
con las
2.
- 12 -
. Cuando
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
se utiliza la ventana de escritura, las salidas de R se muestran en la
consola, por lo tanto es recomendable mantener simultneamente
abiertas ambas ventanas: consola y ventana de comandos.
3.
utilizados
se
pueden
citar
(http://www.sciviews.org/Tinn-R/),
(http://www.winedt.com/)
Tinn-R,
WinEdit
Emacs
4.
R.NET
Rkward
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
(http://es/wikipedia.org/wiki/RKWard) todava no disponible para
Windows,
Rcommander
(Fox,
2005),
RExcel
1.4
- 14 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
> help(screeplot)
> ?screeplot
- 15 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
Podemos acceder a la misma pgina a travs del comando
help.start() que se teclear directamente sobre la consola R.
help.search(factor analysis)
Este comando ofrece como salida una lista de todas las funciones cuyas
pginas de ayuda contienen la palabra situada entre comillas. En este caso
factor analysis.
- 16 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
La salida indica que existe una funcin llamada factanal en la librera
stats, en la que tambin se encuentran las funciones
loadings y
help(factanal,package=stats)
> apropos(vector)
- 17 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
1.11. Figura.apropos()
en
la
red;
dispone
de
una
lista
de
distribucin
- 18 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
1.5 Paquetes
- 19 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
Es posible acceder a este listado de centros imagen a travs del comando
CRAN.packages() que se teclear directamente sobre la consola. Una vez
seleccionado el sitio se visualizar/n y seleccionar/n la/s librera/s a instalar.
1.6
R a modo de calculadora
Funcin
Operacin
+, -, *, /
abs
Valor absoluto
exp,
log
Round
Redondeo
Funciones trigonomtricas
- 20 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
sqrt ()
%/%
Divisin entera
%%
Resto de la divisin
> 2+3
[1] 5
> sqrt(20)
[1] 4.472136
> 5%/%3 # genera la parte entera de la divisin 5/3
[1] 1
> 5%%3
[1] 2
> pi*5^2
[1] 78.53982
> 1000*(1+0.05)^3-100
[1] 1057.625
> sqrt(c(10,100,1000))
[1]
1.7
- 21 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
momento, un marco de datos es una matriz de datos similar a los ficheros de
datos que manipula SPSS o BMDP.
setwd
("C\Documents
and
Settings\Rmanual")
##
NO
NO
NO
CORRECTO
- 22 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
2 Rcommander
2.1
Instalacin de Rcommander
Las capacidades del Rcommander (como las del entorno R) han ido y
van continuamente amplindose. La versin sobre la que trabajamos fue
construida para dar cobertura a un curso bsico de anlisis de datos. Esto
significa que slo una pequea fraccin del potencial estadstico y de gestin de
datos disponibles bajo R (actualmente son ms de 2100 los paquetes disponibles)
es accesible por medio de Rcommander.
- 23 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
ir profundizando en este entorno de programacin de modo que puede ampliarse
y adaptarse a necesidades particulares (Fox, 2007).
- 24 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
R abrir una nueva ventana en la que se seleccionar el sitio del que se
desee instalar los paquetes faltantes. Es posible optar por la opcin por defecto
CRAN.
- 25 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
2.2 Descripcin de Rcommander
La
pantalla
inicial
de
Rcommander
Graphical
user
- 26 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
Permite acceder por medio del ratn a las operaciones relacionadas con el
manejo de ficheros, manipulacin/descripcin de datos o ajuste de modelos
estadsticos, generacin de grficos o varias opciones de configuracin de
Rcommander. Se presentarn de forma detallada cada una de las opciones
disponibles.
La opcin de visualizar datos est fijada por defecto para poder acceder a
un fichero que contiene un nmero de variables igual o menor a 100. A partir de
este umbral (que puede ser modificado) se utiliza el editor de datos.
- 27 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
3.- Ventana de instrucciones
o las
- 28 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
5- Ventana de mensajes
2.3
- 29 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
2.11. Figura. Opciones de Fichero de Rcommander
conjunto
de
Edicin. Las opciones que abre el men de edicin son las propias de cualquier
editor al uso (cortar, copiar, pegar, buscar) que podrn ser utilizadas tanto en
la ventana de instrucciones como en la ventana de salidas.
Datos Esta opcin da paso a una serie de submens relacionados con la lectura e
importacin de conjuntos de datos y la manipulacin de variables contenidas en
ellos.
- 30 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
- 31 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
- 32 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
2.4
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
cualquier software estadstico que incluye sujetos y variables (filascolumnas,
casosvariables), bajo R se convierten en un objeto de tipo data frame
(marco de datos). Es decir, un marco de datos es una matriz de datos cuyas
columnas pueden contener variables de distinto tipo y en la que es posible aadir
nombres a cada una de las columnas as como nombres a cada una de las filas.
Los marcos de datos son el tipo de objeto ms comn en R. Cada una de las
variables del marco de datos se especifica por medio del nombre general del
marco seguido de un smbolo $ ms el nombre de la variable.
los
primeros
horas.trabajo.
relacionadas
tres
das
de
Esta
data
frame
los
das
de
con
la
semana,
contiene
la
semana
que
se
llama
variables,
(lunes,
martes
3
y
SI
Martn
SI
Ana
NO
Cada
una
de
las
variables
de
este
marco
de
datos
se
nombrar como:
horas.trabajo$lunes,
horas.trabajo$martes,
horas.trabajo$miercoles, horas.trabajo$coche.
Datos>
Nuevo
Conjunto
de
datos,
- 34 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
Esta opcin requiere introducir los datos directamente a travs del editor
de Rcommander. La seleccin de esta opcin abre una ventana en la cual se
dar un nombre al conjunto de datos que se vaya a crear.
- 35 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
- 36 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
Europa. En la ventana Conjunto de Datos aparecer ahora Europa.
Disponemos de un conjunto de datos activo sobre el que se ejecutarn las
funciones que indiquemos.
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
(Datos>Conjunto de datos activo>Guardar conjunto de
datos activos)
La
segunda
opcin,
Datos>Conjunto
de
datos
en
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
adjunto, que da acceso a una ventana en la que adems de elegir el paquete
y el conjunto de datos, ste ltimo puede ser renombrado.
- 39 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
Para importar un fichero de datos desde SPSS se procede a travs de la
opcin, Datos>Importar Datos>desde datos SPSS, que abrir
una ventana de dilogo en la que se especificarn las opciones de importacin.
- 40 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
funcin read.spss para acceder al fichero de datos Insatisfaccin
corporal.sav, que en este ejemplo se almacenar bajo el nombre de Edi.data.
Edi.data
<-
read.spss("C:/Insatisfaccion
corporal.sav",
- 41 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
modo en que se han codificado los valores ausentes todos los valores diferentes a
NA sern tratados como valores presentes, lo cual originar resultados cuanto
menos extraos. Adems de los datos ausentes, es importante especificar el
carcter decimal utilizado en el fichero ASCII. Si se ha utilizado la coma como
carcter decimal y no se especifica
Edi.data
<-
read.table("C:/Insatisfaccion
corporal.txt",
2.4.1
Opciones de configuracin
- 42 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
- 43 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
3 Manipulacion de datos
y transformacion de
variables
3.1
Manipulacin de datos
- 44 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
3.1.1 Seleccionar conjunto de datos activo.
Conjunto
de
datos
activo>Seleccionar
3.1.2
conjunto
de
- 45 -
datos
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
3.1.3 Ayuda sobre el conjunto de datos activo
3.1.4
- 46 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
nmero [1] indica la posicin de Edad en el conjunto de datos. La variable
Pesideal ocupa el lugar [4], la variable IC_7 ocupa el lugar [19].
> names(Edi.data)
[1] "Edad"
"Sexo"
"Peso"
"Pesideal" "Altura"
"OD_1"
[7] "OD_2"
"OD_3"
"OD_4"
"OD_5"
"OD_6"
"OD_7"
[13] "IC_1"
"IC_2"
"IC_3"
"IC_4"
"IC_5"
"IC_6"
[19] "IC_7"
"IC_8"
"IC_9"
"IC_10"
"BA"
"B"
3.1.5
3.1.6
La opcin Datos>Conjunto
de
datos
- 47 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
conjunto de datos, solo.mujer en el que es posible incluir todas las
variables originales o solamente un subconjunto de ellas.
- 48 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
<
<=
>
>=
= =
!=
Menor
Menor o igual
Mayor
Mayor o igual
Igualdad lgica
Distinto
Operadores lgicos
&
|
!
xor
Conjuncin (y)
Disyuncin lgica (o)
Negacin
Disyuncin exclusiva
3.1 Tabla. Operadores lgicos
3.1.7
- 49 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
3.1.8
La opcin Datos>Conjunto
de
datos
activo>Guardar
Conjunto de Datos.
.dat).
La
opcin
Datos>Conjunto
de
datos
abre una
- 50 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
save("Europa", file="C:/Europa.txt")
3.2
Manipulacin de variables
- 51 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
3.2.1
Recodificar variables
- 52 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
18 = 1
- 53 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
18:23 = 1
18:23, 25, 27:30=1
ELSE = 2
En
se
indica
el
nombre
de
la
nueva
variable
<-
recode(Edi.data$sexo,
'"mujer"="1";
categricas es
necesario indicar los valores antiguos entre comillas; para los valores nuevos se
debern utilizar las comillas si se desea
3.2.2
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
por 100. El comando que aparecer en la ventana de escritura indica el nombre
de la nueva variable altura_cm que pertenece (smbolo $) al marco de datos
Edi.data.
Funcin
+, -, *, /
abs
asin
acos
atan
exp, log
round
sin con tan
sqrt () , ^
%/%
%%
Operacin
Suma, Resta, Multiplicacin, Divisin
Valor absoluto
Inversas de las funciones trigonomtricas
Exponencial y logaritmo natural
Redondea
Funciones trigonomtricas
Raz cuadrada, Potencia
Divisin entera
Resto de la divisin
3.2.3
- 55 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
Esta opcin, Datos>Modificar variables del conjunto
de
datos
activo>Aadir
nmeros
de
observaciones
al
3.2.4
Tipificar variables
Esta opcin genera una variable tipificada que se aade como nueva
variable en el conjunto de datos activo. El nombre por defecto de esta nueva
variable est formado por el nombre de la variable antigua sin tipificar
antepuesta por Z.. Si la variable a tipificar es Altura, la variable tipificada
ser Z.Altura.
- 56 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
conjunto de datos con el nombre Z.Altura, y una vez incorporada al conjunto
de datos activo finalmente eliminarla remove(.Z).
.Z <- scale(Edi.data[,c("Altura")])
Edi.data$Z.Altura <- .Z[,1]
remove(.Z)
3.2.5
- 57 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
3.2.6
- 58 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
segmentar, se le asignar un nuevo nombre, y se definirn los criterios para
ejecutar la categorizacin en un nmero de clases que definir el investigador.
La variable resultante es un factor. En el ejemplo se categoriza la variable
altura en 4 clases equidistantes que sern nombradas utilizando nmeros.
47 433 352
31
- 59 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
Edi.data$altura_seg
433
352
<-
(1.83,2]
31
bin.var(Edi.data$Altura,
bins=4,
method='intervals', labels=c('1','2','3','4'))
3.2.7
Reordenar
3.2.8
Renombrar variables
- 60 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
Esta opcin permite asignar un nuevo nombre de variable a otra ya
existente.
3.2.9
Esta opcin es til para eliminar variables del conjunto de datos activo.
Basta para ello seleccionar del siguiente cuadro de dilogo la/s variable/s a
eliminar:
- 61 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
4 Anlisis de escalas
- 62 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
de modo que sea posible explicar la variabilidad observada en los datos a travs
de ellas.
basada
en
el
anlisis
de
la
matriz
4.1
- 63 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
puntuacin se le asocia un nivel mayor de insatisfaccin corporal. El contenido
de los 10 tems de la escala Insatisfaccin Corporal es el siguiente:
El conjunto de datos
variables:
IC_1
IC_10:-
tems
Insatisfaccin Corporal
- 64 -
pertenecientes
la
escala
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
23.- BA. Valores de cada uno de los participantes en una escala de
Baja Autoestima
24.- B. Valores de cada uno de los participantes en una escala de
comportamiento bulmicos;
Bulimia
4.2
Lectura de datos
Datos
>
Desde
archivo
de
texto
- 65 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
Edi.data
<-read.table("C:/Edi0.dat",
header=TRUE,
sep="\t",
NOTA:
El
conjunto
de
datos
Edi.data
tiene
976
filas
24
columnas.
- 66 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
Edad
Min.
Sexo
Peso
Pesideal
:10.00
mujer:517
Min.
1st Qu.:13.00
varn:459
Median :14.00
Median : 56.00
Median : 55.00
Mean
Mean
Mean
:14.80
: 26.00
: 56.93
Min.
6.00
: 56.79
3rd Qu.:16.00
Max.
:27.00
Max.
: 98.00
Max.
: 85.00
NA's
: 8.00
NA's
:204.00
NA's
:540.00
Altura
Min.
OD_1
OD_2
:0.000
1.320
Min.
1st Qu.:
1.590
1st Qu.:2.000
1st Qu.:0.000
1st Qu.:0.000
Median :
1.650
Median :3.000
Median :1.000
Median :1.000
Mean
1.651
Mean
Mean
Mean
3rd Qu.:
1.720
3rd Qu.:4.000
3rd Qu.:3.000
3rd Qu.:2.000
Max.
2.000
Max.
:5.000
Max.
:5.000
Max.
:5.000
NA's
:113.000
NA's
:3.000
NA's
:8.000
NA's
:9.000
:2.756
- 67 -
Min.
:0.000
OD_3
:1.490
Min.
:0.000
:1.363
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
OD_4
Min.
:0.000
OD_5
Min.
OD_6
:0.000
Min.
OD_7
:0.000
Min.
:0.000
1st Qu.:1.000
1st Qu.:0.000
1st Qu.:0.000
1st Qu.:0.000
Median :2.000
Median :1.000
Median :1.000
Median :1.000
Mean
Mean
Mean
Mean
:2.263
:1.643
:1.746
:1.846
3rd Qu.:4.000
3rd Qu.:3.000
3rd Qu.:3.000
3rd Qu.:3.000
Max.
:5.000
Max.
:5.000
Max.
:5.000
Max.
:5.000
NA's
:9.000
NA's
:3.000
NA's
:7.000
NA's
:7.000
IC_1
Min.
:0.000
IC_2
Min.
IC_3
:0.000
Min.
IC_4
: 0.000
Min.
: 0.000
1st Qu.:0.000
1st Qu.:0.000
Median :1.000
Median :1.000
Median : 3.000
Median : 3.000
Mean
Mean
Mean
Mean
:1.596
:1.708
: 2.731
: 2.939
3rd Qu.:2.500
3rd Qu.:3.000
Max.
:5.000
Max.
:5.000
Max.
: 5.000
Max.
: 5.000
NA's
:1.000
NA's
:2.000
NA's
:10.000
NA's
:11.000
IC_5
Min.
: 0.000
IC_6
Min.
IC_7
: 0.000
Min.
:0.000
IC_8
Min.
: 0.000
1st Qu.:1.000
Median : 2.000
Median : 1.000
Median :2.000
Median : 2.000
Mean
Mean
Mean
Mean
: 2.552
: 1.379
:1.757
: 2.546
3rd Qu.:2.000
Max.
: 5.000
Max.
: 5.000
Max.
:5.000
Max.
: 5.000
NA's
:28.000
NA's
:10.000
NA's
:5.000
NA's
:10.000
IC_9
Min.
: 0.000
IC_10
Min.
BA
: 0.000
Min.
: 0.000
B
Min.
: 0.000
Median : 1.000
Median : 3.000
Median : 4.000
Median : 2.000
Mean
Mean
Mean
Mean
: 1.368
: 2.754
: 4.303
: 3.598
Max.
: 5.000
Max.
: 5.000
Max.
:22.000
Max.
:31.000
NA's
:12.000
NA's
:12.000
NA's
:88.000
NA's
:74.000
- 68 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
de la distribucin. Desde el punto de vista del anlisis de tems con este
comando comprobamos que para los tems analizados el valor mnimo es 0 y el
valor mximo 5. No existen valores aberrantes en nuestro conjunto de datos. El
comando que bajo R ofrece esta salida es:
summary(Edi.data)
4.3
o de
variables
X j = w1 X 1 j + w2 X 2 j + w3 X 3 j + ... + wn X n j
Dnde Xj es la puntuacin obtenida por el sujeto j ,
wi, i es el coeficiente de ponderacin del tem i,
Xij, es la puntuacin obtenida por el sujeto j en el tem i.
Dado que el peso de cada uno de los elementos sobre la puntuacin total
puede diferir, la ponderacin (w) es necesaria para reflejar el peso asignado a
cada uno de los elementos. Por ejemplo, supongamos que la nota final en una
asignatura est compuesta por los resultados obtenidos en dos exmenes
diferentes, y que el peso del primer examen en la nota final es el doble que el
que tendr el segundo. En este caso la variable compuesta formada por dos
variables simples podra representarse del siguiente modo:
X total = 2 X1 + X 2
- 69 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
En las situaciones de test, sin embargo, la frmula habitual asigna el
mismo peso a cada uno de los tems que componen la prueba. En estas
circunstancias el coeficiente de ponderacin es 1 (wi=1) y la expresin anterior
se simplifica y adquiere la siguiente forma:
n
X = Xi
i =1
Donde
su
correccin
(actitudes,
intereses,
personalidad).
Los
tems
- 70 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
los del segundo grupo son los tems de ejecucin tpica. El azar puede afectar a
los tems de ejecucin mxima, pues es posible responder correctamente an sin
conocer cul es la respuesta correcta. En los tems de ejecucin tpica el azar no
es habitualmente un factor a considerar. En este tipo de tems y con el fin de
controlar los efectos de los estilos de respuesta es habitual utilizar tems
inversos.
4.3.1
tems inversos
- 71 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
opuesta a las conclusiones sobre una persona que elige la opcin Siempre en el
segundo tem. En el primer caso la puntuacin asignada sera 5 y reflejara un
nivel de insatisfaccin corporal mayor que el de aquella persona que hubiera
obtenido un 1. Sin embargo aqul que responde Siempre al segundo tem
poseer un nivel de insatisfaccin corporal menor que la persona que responde al
mismo tem con la opcin Casi nunca. Dado que la direccin de la escala es
sintomtica, a mayor puntuacin mayor insatisfaccin corporal, los tems que
representan el constructo en la direccin asintomtica son tems inversos.
- Constructo +
Constructo
- Item +
X'= (X Ma + X mi ) - X
dnde
X es la puntuacin recodificada,
XMa y Xmi, los valores mximo y mnimo de la variable a recodificar
X, la opcin seleccionada.
- 72 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
X '0 = ( 5 + 0 ) - 0=5
X1' = ( 5 + 0 ) - 1=4
X '2 = ( 5 + 0 ) - 2=3
X 3' = ( 5 + 0 ) - 3=2
X '4 = ( 5 + 0 ) - 4=1
X 5' = ( 5 + 0 ) - 5=0
tem
Valores iniciales
Valores recodificados
1-2-6-7-9
5-4-3-2-1-0
4-3-2-1-0-0
3-4-5-8-10
5-4-3-2-1-0
0-0-1-2-3-4
es
Recodificar
del
conjunto
Variables
de
variables).
- 73 -
datos
(Datos>Modificar
activo>Recodificar
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
- 74 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
- 75 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
Los comandos utilizados por R para la recodificacin aparecen en la
ventana de instrucciones, en donde podemos comprobar que la funcin utilizada
es recode. El comando crea una nueva variable ($) en el conjunto de datos
activo (Edi.data) denominada RecIC_1, a partir de la recodificacin de los
valores de la variable IC_1 perteneciente ($) al conjunto de datos activo
(Edi.data).
as.factor.result=FALSE)
as.factor.result=FALSE)
as.factor.result=FALSE)
as.factor.result=FALSE)
as.factor.result=FALSE)
as.factor.result=FALSE)
as.factor.result=FALSE)
as.factor.result=FALSE)
as.factor.result=FALSE)
4.4
- 76 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
Para construir una nueva variable la opcin de la barra de mens de
Rcommander sera, Datos>Modificar variables del conjunto
de datos activo>Calcular una nueva variable. Esta opcin
abre la siguiente ventana en la que se definirn el nombre de la variable a crear y
la operacin algebraica necesaria para ello.
- 77 -
numricos
elegir
la
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
mean
sd
12.20705 10.22606
11
18
40
n NA
908 68
- 78 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
150
0
50
100
frequency
200
250
300
10
20
30
40
50
60
Edi.data$IC
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
El histograma refleja una distribucin sesgada de la variable
insatisfaccin corporal, en el que existe una acumulacin de sujetos en el lado
izquierdo de la distribucin, donde los valores son ms bajos. Hay muy pocos
sujetos en la cola derecha de la distribucin. Qu significa esto? Para una
correcta interpretacin de cualquier distribucin es importante conocer la
variable representada. En nuestro caso la variable de estudio es la insatisfaccin
corporal, y est siendo analizada en una muestra no-clnica. Por lo tanto, el
perfil que muestra el histograma es el perfil que esperbamos. La mayor parte de
la poblacin tiene niveles bajos de insatisfaccin corporal, y existe un mnimo de
la muestra con niveles de insatisfaccin corporal elevados. Cul hubiera sido el
perfil del histograma en una muestra clnica afectada por problemas de conducta
alimentaria?
4.5
Anlisis de tems
- 80 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
Los ndices numricos ms habituales incluidos en el anlisis de tems
pueden clasificarse en dos grandes bloques; aquellos relacionados con el modelo
formal sobre el cual se ha construido el test, y aquellos ndices relacionados con
la validez del test. Dentro de la teora clsica de test pertenecen al primer grupo
el ndice de dificultad, el ndice de discriminacin y el ndice de fiabilidad (algo
menos utilizado que los anteriores). El ndice de dificultad se halla
estrechamente ligado a la distribucin de las respuestas, y el resto de ndices se
construye sobre el estudio de las relaciones entre variables. Entre los ndices
relacionados con la validez el ndice de validez y el funcionamiento diferencial
del tem son los ms destacados. El primero analiza la relacin del tem con un
criterio externo y el segundo
ndice de dificultad
ndice de atraccin
Modelo formal
ndice de discriminacin
ndice de fiabilidad
ndice de validez
Validez
- 81 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
4.6 Anlisis de tems. ndices de forma
4.6.1
Media aritmtica
del
elemento;
de
hecho,
en
condiciones
de
dicotoma
y no es ms
que la
desviacin
pi =
1 N
X ij
N j =1
- 82 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
de alumnos aquellos que podrn acceder a la beca; es decir, la seleccin de
candidatos se llevara a cabo en un rea de la distribucin limitada por los
valores ms altos de la escala. Para ello la distribucin debera ser sesgada hacia
el lado derecho y ello implicara utilizar ndices de dificultad bajos (tems
difciles). En esta situacin, que en el contexto de la teora clsica de test est
siempre supeditada a las caractersticas del grupo normativo, seran pocos los
que respondieran a los tems correctamente, y la mayora de los miembros del
grupo obtendra puntuaciones bajas. Es decir, la mayora de las personas del
grupo obtendra puntuaciones por debajo del punto de corte, Xc y sobre este
punto habra un grupo de candidatos menor.
Xc
4.11. Figura. Distribucin sesgada
4.6.2
ndice de atraccin
- 83 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
obtencin
de
la
tabla
de
frecuencias
es:
Estadsticos>Resmenes>Distribucin
de
frecuencias.
variables
del
conjunto
de
queremos analizar; los tems recodificados ocupan las posiciones 25-34 (la
funcin apply ser introducida ms adelante).
- 84 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
Rcommander ofrece la siguiente salida: nombre de cada uno de los
tems analizados (RecIC_1.RecIC_10) y la distribucin de respuestas
correspondiente.
RecIC_1 RecIC_2 RecIC_6 RecIC_7 RecIC_9 RecIC_3 RecIC_4 RecIC_5 RecIC_8 RecIC_10
0
556
535
612
476
617
382
433
308
338
374
175
145
135
270
136
128
129
137
124
126
82
102
75
104
73
172
200
222
177
190
76
67
65
72
54
171
115
152
190
169
86
125
79
49
84
113
88
129
137
105
prop.table (tabla.freq,2)
RecIC_10
0.57
0.55
0.63
0.49
0.64
0.40
0.45
0.32
0.35
0.39
0.18
0.15
0.14
0.28
0.14
0.13
0.13
0.14
0.13
0.13
0.08
0.10
0.08
0.11
0.08
0.18
0.21
0.23
0.18
0.20
0.08
0.07
0.07
0.07
0.06
0.18
0.12
0.16
0.20
0.18
0.09
0.13
0.08
0.05
0.09
0.12
0.09
0.14
0.14
0.11
Estadsticos
>
- 85 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
numSummary(Edi.data[,c("RecIC_1", "RecIC_2", "RecIC_3", "RecIC_4",
"RecIC_5",
"RecIC_6",
RecIC_10")],
"RecIC_7",
"RecIC_8",
statistics=c("mean",
"sd",
"RecIC_9",
"quantiles"),
quantiles=c(0,.25,.5,.75,1))
mean
sd
100%
NA
RecIC_1
1.0225641 1.542520
1.5
975
RecIC_2
1.2063655 1.715512
2.0
974
RecIC_3
1.4875776 1.448727
3.0
966
10
RecIC_4
1.2704663 1.371921
2.0
965
11
RecIC_5
1.6381857 1.421251
3.0
948
28
RecIC_6
0.9057971 1.510731
1.0
966
10
RecIC_7
0.9670443 1.304609
1.0
971
RecIC_8
1.6521739 1.474175
3.0
966
10
RecIC_9
0.8962656 1.525017
1.0
964
12
3.0
964
12
4.6.3
- 86 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
Graficas>Grfica de barras, donde podemos seleccionar la/s
variable/s cuya distribucin queremos conocer.
Es posible modificar el aspecto del diagrama fijando los lmites del eje
de ordenadas (ylim=range(0,100), aadiendo un ttulo al mismo
ylab=Frecuencias,
especificando
el
color
de
las
barras
barplot(table(Edi.data$Rec_item1),ylim=range(0,100),
ylab="Frecuencias",
border="blue",
col=heat.colors(5),main=
- 87 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
Automatizando este procedimiento de generacin de grficos se crearon
las siguientes grficas de barras para el conjunto de tems que forman la escala
insatisfaccin corporal.
400
200
0
200
400
Frecuencias
600
Item2
600
Item1
400
0
200
400
Frecuencias
600
Item4
600
Item3
200
Frecuencias
400
0
Frecuencias
200
Frecuencias
400
200
0
Frecuencias
600
600
Item5
Item6
- 88 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
5 Fiabilidad.
ndice
de
discriminacin
coeficiente alfa
5.1
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
naturaleza (discreta/continua) de las variables. Es posible estimar una
correlacin biserial, biserial-puntual, tetracrica, policrica o producto-momento
de Pearson.
bp =
p X
X
p q=
p q
X
pq
b =
p X p
X y
- 90 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
Lord y Novick (1968) formulan de este modo la relacin entre la
correlacin biserial y la correlacin biserial puntual.
bp =
b pq
y
Correlacin Phi
ij =
Donde
pij pi p j
pi qi p j q j
,
pi proporcin de sujetos que responden correctamente al tem i
pj, proporcin de sujetos que responden correctamente al tem j
qi proporcin de sujetos que responden incorrectamente al tem i
qj proporcin de sujetos que responden incorrectamente al tem j.
(o categorizadas) se
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
Correlacin de Pearson
Cuando las dos variables son continuas y se asume una relacin lineal
entre ellas la correlacin a utilizar es la correlacin de Pearson. La correlacin
es una covarianza normalizada, de modo que el intervalo de valores posibles es 1,1.
XY =
Cov ( X , Y )
X Y
Si las correlaciones se estiman entre todos los tems que componen una
escala se obtiene la matriz de correlaciones. Esta matriz aporta informacin
relevante sobre la estructura interna del test. La matriz de correlaciones es una
matriz simtrica (12 = 21.) con unos en la diagonal.
La inspeccin de la matriz de
- 92 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
5.2 ndices de relacin. ndice de discriminacin
La relacin entre cada uno de los tems que componen una escala y la
escala misma se analiza habitualmente por medio del ndice de discriminacin
(riX); la informacin aportada por este ndice est ligada a la consistencia interna
del test. El ndice se obtiene por medio del coeficiente de correlacin entre el
tem objeto de estudio y la puntuacin total. Aunque tericamente y al tratarse de
una correlacin los valores del ndice de discriminacin varan en un rango de 1,1, en el contexto del anlisis de tems no tendran sentido los ndices de
discriminacin negativos.
riX
0,40<ai
0,30<ai<0,39
0,20<ai<0,29
ai<0,19
Nivel
discriminacin
Muy bueno
Bueno
Deficiente
Insuficiente
de
La relacin tem-test estimada por medio de la correlacin tempuntuacin total, presenta una caracterstica que es preceptivo corregir cuando
el nmero de tems que componen la escala es reducido. La correlacin tem-test
obtenida de este modo est inflada espuriamente por la inclusin del tem cuyo
ndice de discriminacin se desea estimar en la puntuacin total de la escala.
Este aumento espurio puede ajustarse fcilmente eliminando de la puntuacin
total la influencia del tem y estimando el ndice de discriminacin corregido,
entre el tem y un compuesto formado por el resto de tems de la escala. Este
ndice habitualmente recibe el nombre de ndice de discriminacin corregido.
- 93 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
Ambos ndices, el ndice de discriminacin y el ndice de discriminacin
corregido, son ofrecidos por Rcommander.
i ( X i ) =
Donde
5.3
iX X i
i2 + X2 2 iX i X
Fiabilidad
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
son diferentes y utilizan distintos tensimetros. En el contexto psicolgico
podra hipotetizarse las repetidas administraciones de un test y registrar sus
distintos valores para el mismo sujeto.
5.3.1
MODELO
SUPUESTOS
X =V + E
1. V = E [ X ]
2. V , E = 0
3. e j ,ek = 0
TEST PARALELOS:
Dos tests, j y k, son paralelos, si sus varianzas de error [2ej = 2ek] y las puntuaciones
verdaderas de un sujeto en ambas formas son equivalentes [Vj=Vk ].
- 95 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
Supuesto 1
La puntuacin verdadera de un sujeto es la esperanza matemtica de su
puntuacin emprica. Es decir, si se obtuvieran repetidas veces las puntuaciones
de un sujeto en un mismo test, la puntuacin verdadera se obtendra como la
media aritmtica de todas las puntuaciones obtenidas en las distintas
aplicaciones del test.
Supuesto 2
No existe correlacin entre la puntuacin verdadera y la puntuacin de error. Los
errores por definicin son errores aleatorios y por tanto no determinan la
puntuacin verdadera.
Supuesto 3
La correlacin entre los errores es 0.
- 96 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
1.- El error de medida es la diferencia entre la puntuacin emprica y la
puntuacin verdadera.
e = X V
2.- La esperanza matemtica del error de medida es 0. Es decir los errores no
son sesgados.
E (e) = 0
3.- La media aritmtica de la puntuacin emprica es igual a la media aritmtica
de la puntuacin verdadera.
X = V
4.- La covarianza entre la puntuacin verdadera y el error de medida es 0.
Cov (V , e ) = 0
5.- La covarianza entre la puntuacin emprica y la puntuacin verdadera es la
varianza de la puntuacin verdadera.
Cov ( X ,V ) = V2
6.- La covarianza entre las puntuaciones empricas de dos formas paralelas es
igual a la covarianza entre las puntuaciones verdaderas de dos formas
paralelas.
X2 = V2 + E2
8.- La correlacin entre la puntuacin emprica y el error de medida es igual a
la razn entre el error estndar de medida y la desviacin estndar de la
puntuacin emprica.
Xe =
e
X
- 97 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
5.3.2 Coeficiente de fiabilidad
XX '
V2
= 2
X
0 XX ' 1
Del mismo modo puede expresarse el coeficiente de fiabilidad como,
V2 X2 e2
e2
XX ' = 2 =
= 1 2
X
X2
X
En el caso hipottico de ausencia de error de medida las varianzas
emprica y verdadera coincidiran alcanzando el coeficiente de fiabilidad su
mximo valor (XX=1).
- 98 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
XV = XX ' =
V
X
e = X 1 XX '
El error tpico de medida podra interpretarse como la desviacin
estndar de las puntuaciones empricas obtenidas por un sujeto en aplicaciones
reiteradas de un test, es decir, su variacin. A medida que aumenta la
distribucin de las puntuaciones empricas disminuir el coeficiente de fiabilidad
del test. El error tpico de medida es conocido como fiabilidad absoluta y el
coeficiente de fiabilidad como coeficiente de fiabilidad relativo.
5.3.3
- 99 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
utilizados en el contexto de la teora clsica de test destacan tres; formas
paralelas, test-retest y mtodo de las mitades. Cada uno de ellos tiene ventajas e
inconvenientes que es preciso conocer para una correcta interpretacin del
coeficiente de fiabilidad.
- 100 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
fiabilidad as obtenido sera un indicador de la consistencia interna del
test. La amenaza a la validez de este diseo est relacionada con la
definicin de dos mitades paralelas. El procedimiento habitual para ello
consiste en dividir el test en tems pares e tems impares con el fin de
garantizar que la dificultad de las dos mitades sea equivalente.
a partir del
f ( e V ) ~ N (0, e2 )
- 101 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
f ( X V ) ~ N ( V, e2 )
- 102 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
2.- Estimacin del error mximo. Para ello es suficiente multiplicar
el valor crtico (Z/2) por el error tpico de medida.
EMax = Z K e
LSup = X i + EMax
Linf = X i EMax
Donde Lsup y Linf son los lmites superior e inferior del intervalo para la
puntuacin verdadera.
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
variable criterio. En este contexto, el problema se reduce a la estimacin por
medio de la recta de regresin del valor de V correspondiente a una puntuacin
emprica. La estimacin en tanto en cuanto modelo de regresin asume la
igualdad de las distribuciones condicionadas de V sobre X (homocedasticidad).
La recta de regresin es aquella que une las medias aritmticas de estas
distribuciones condicionadas.
- 104 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
En todo proceso de estimacin existe una diferencia entre el valor
pronosticado (Vi) y el valor verdadero (Vi). Esta diferencia es conocida como
error de estimacin. Su distribucin, el error estndar de estimacin (V.X) se
utiliza en la estimacin de intervalos de confianza en torno a un valor
pronosticado.
EMax = Z K e
- 105 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
5.3.5 Coeficiente alfa
n n
n
Cov ( i, j )
n
n j =1 ii =1j
i =1
1 2 = =
=
2
n 1
n 1
X
X
ii'. En esas
XX ' =
nii '
1 (n 1)ii '
- 106 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
Alfa y los procedimientos de dos mitades
Estos
Rulon
d2
XX ' = 1 2
X
Donde d 2 es la diferencia entre las puntuaciones empricas
obtenidas en las dos mitades
2X, es la varianza del test completo.
Guttman-Flanagan
XX ' = 2 1
Donde
2pa + im2
X2
- 107 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
Coeficiente alfa y Kuder-Richardson
Si los tems son dicotmicos es posible aplicar la formula de KuderRichardson conocida como KR20 para la estimacin del coeficiente de fiabilidad.
n
pi qi
n
1 i =1 2
KR20 =
n 1
X
KR21 =
n 1
X2
5.3.6
- 108 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
( )
( ) ( )
n
2
n
=
n 1 n 2 + u2
1
n
1
n 1 Eigen1
X i = Vi + Ei
Esta descomposicin de la puntuacin observada en puntuacin
verdadera y error podra generalizarse al modelo unidimensional del factor
comn:
X i = fi + ui
- 109 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
Donde es al peso factorial
fi es el factor comn, que podra asociarse con la puntuacin verdadera
ui es la unicidad de la variable que podra asociarse al componente de
error.
n
i
i =1
=
2
n
n
+
i var(e)ii
i =1 i =1
Donde var(e)ii denota la varianza de error en el modelo factorial
- 110 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
interpretacin del significado de alfa habra de tener en cuenta los siguientes
puntos:
5.4
5.4.1
- 111 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
cor(Edi.data[,c("RecIC_1","RecIC_2","RecIC_3","RecIC_4","RecIC_5","R
ecIC_6","RecIC_7","RecIC_8","RecIC_9",
"RecIC_10")],
use="complete.obs")
RecIC_1
RecIC_2
RecIC_3
RecIC_4
RecIC_5
1.00
0.61
0.73
0.63
0.40
0.61
1.00
0.52
0.61
0.73
0.52
1.00
0.63
0.61
0.40
RecIC_6
RecIC_7
RecIC_8
RecIC_9
0.50
0.18
0.49
0.59
0.47
0.62
0.19
0.70
0.70
0.69
0.48
0.47
0.13
0.56
0.48
0.69
1.00
0.60
0.58
0.16
0.65
0.61
0.47
0.48
0.60
1.00
0.48
0.08
0.60
0.53
0.50
0.62
0.47
0.58
0.48
1.00
0.18
0.55
0.67
0.18
0.19
0.13
0.16
0.08
0.18
1.00
0.11
0.19
0.49
0.70
0.56
0.65
0.60
0.55
0.11
1.00
0.58
0.59
0.70
0.48
0.61
0.53
0.67
0.19
0.58
1.00
RecIC_10
RecIC_1
0.50
RecIC_2
0.56
RecIC_3
0.57
RecIC_4
0.67
RecIC_5
0.62
RecIC_6
0.66
RecIC_7
0.12
RecIC_8
0.73
RecIC_9
0.57
- 112 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
RecIC_10 0.50
0.56
0.57
0.67
0.62
0.66
0.12
0.73
0.57
1.00
5.4.2
- 113 -
>
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
Esa opcin abre un cuadro de dialogo en el que se seleccionarn los tems
a analizar.
reliability(cov(Edi.data[,c("RecIC_1","RecIC_2","RecIC_3","RecIC_4",
"RecIC_5","RecIC_6","RecIC_7","RecIC_8",
"RecIC_9","RecIC_10")],
use="complete.obs"))
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
0,9007 es el coeficiente alfa de la escala compuesta por 9 tems, los tems
2,3,4,5,6,7,8,9,y 10. La tercera columna bajo el ttulo Std. Alfa estima los
valores estandarizados de alfa para las escalas mutiladas, es decir, las escalas a
las que se ha eliminado el tem de la fila. La ltima columna ofrece el valor de la
correlacin entre el tem de la fila y la escala mutilada, es decir, ofrece
informacin sobre el ndice de discriminacin corregido (r(tem,total)).
Todos los valores de la columna excepto uno, superan el valor establecido como
punto de corte 0,30. El valor del ndice de discriminacin para el tem 7 es
0,1881. Este tem estaba implicado en la correlacin ms baja estimada entre
todos los pares de tems.
Alfa reliability =
Standardized alfa =
0.9109
0.9077
0.9007
0.8967
0.6969
RecIC_2
0.8970
0.8931
0.7528
RecIC_3
0.9006
0.8967
0.6975
RecIC_4
0.8948
0.8908
0.7930
RecIC_5
0.9043
0.9005
0.6386
RecIC_6
0.9001
0.8959
0.7079
RecIC_7
0.9258
0.9261
0.1881
RecIC_8
0.8968
0.8932
0.7566
RecIC_9
0.8982
0.8938
0.7413
RecIC_10 0.8966
0.8929
0.7600
- 115 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
5.4.3 Coeficiente Theta
5.4.4
e = X 1 XX ' :
- 116 -
frmula
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
des
- 117 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
Edi.data$Superior <- with (Edi.data, IC+1.96*Se)
Edi.data$Inferior <- with (Edi.data, IC-1.96*Se)
- 118 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
6 Validez
- 119 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
Una primera etapa operacional dominada por una visin pragmtica en la
construccin y uso de instrumentos de medida, en la que prima sobre las
dems la validez relacionada con el criterio ("Un test es vlido para
aquello con lo que correlaciona" Guilford, 1946; pg. 429).
Un segundo estadio terico, en el que se reconoce la importancia de la
teora psicolgica sobre el constructo medido, y se adopta una visin
integradora en la que se impone el anlisis de la validez de constructo,
como concepto unificador que abarca aspectos de contenido y de
relaciones con otras variables. ("Toda validacin es una" Cronbach, 1980;
pg. 99; "toda validacin es validacin de constructo" Cronbach, 1984;
pg. 126)).
La fase actual, a la que podramos denominar, de adecuacin contextual,
en la que se ampla la acepcin anterior y se delimita con el concepto de
uso propuesto. Su objetivo primordial sera el de dotar a los instrumentos
de medicin de avales cientficos y ticos. ("Una visin integradora de la
validez...debe distinguir dos facetas interconectadas del concepto unitario
de validez. Una faceta es la fuente de justificacin..... La otra faceta es la
funcin o resultado del test..."Messick, 1989; pg. 20).
- 120 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
concurrente, en la validez referida al criterio, se mantiene la visin tripartita,
trinitaria de la validez, que no se romper oficialmente hasta la publicacin de los
estndares de 1985, gracias sobre todo a la contribucin de autores como Angoff
(1988), Cronbach (1971), Cronbach y Meehl (1955) o Messick (1980, 1981,
1988,1989).
"La validez se refiere al grado en que la evidencia y la teora soportan las interpretaciones de
las puntuaciones del test implicadas por los usos propuestos del test..... El proceso de
validacin implica acumular evidencia para proveer de una base cientfica las
interpretaciones propuestas de las puntuaciones. Lo que se evala, son las interpretaciones de
las puntuaciones del test requeridas para los usos propuestos, no el test en s mismo." (APA;
AERA; NCME; 1999, pg.9).
- 121 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
La interpretacin propuesta aporta un punto de vista nuevo a la teora de
la validez que diferencia entre garanta cientfica y garanta tica. Bajo ella,
descansa la aseveracin de que interpretar un test es usarlo, y todos los usos
incluyen una interpretacin del test.
6.1
Sesgo
Es necesario minimizar las causas que puedan estar en el origen del sesgo,
garantizando las propiedades tcnicas del test, y explicitando las condiciones que
maximicen su validez.
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
interpretacin de puntuaciones. El objetivo sera el anlisis de una posible
infrarrepresentacin del constructo o de la existencia de varianza irrelevante
para el mismo.
- 123 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
6.2 Fuentes de evidencia
6.2.1
Contenido
- 124 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
El estudio de los factores contextuales cubre un abanico amplio de
condiciones, que incluyen un anlisis del formato de los tems (Scheuneman,
1984, 1987) o el tipo de tareas exigidas, y la evaluacin de la propia situacin de
test. Dentro de esta ltima se incluira un estudio de las instrucciones para la
administracin y correccin de la prueba, de la interaccin entre examinadorexaminado, de la familiaridad con la situacin, de las diferencias de motivacin
o ansiedad o del tipo de material utilizado (Hambleton, 1993; van de Vijver y
Poortinga, 1991).
Comprensin.
Modificacin
de
extrapolacin. .
- 125 -
un
concepto,
interpretacin
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
- Aplicacin. Resolucin de problemas a partir de principios generales.
-
internos.
Conocimiento
Comprensin
Aplicacin
Anlisis
Sntesis
Operaciones
Lgica
Geometra
Resolucin de
problemas
6.1 Tabla. Definicin del dominio
Evaluacin
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
permite ir construyendo un test con las garantas mnimas de validez
imprescindibles.
Relevancia del dominio. Una correcta asignacin de tems a un rea de
dominio es importante, pero es imprescindible, adems, analizar la relevancia de
ese tem respecto al dominio. Un procedimiento que permite obtener
informacin al respecto exigira la colaboracin de un grupo de expertos en el
dominio de contenido que valoren la relevancia de cada uno de los tems. Para
la recogida de informacin pueden crearse escalas como la que siguen, que
permitiran estimar para cada tem un ndice de relevancia.
Nada relevante
10
Muy relevante
- 127 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
de la poblacin destino. No es suficiente una buena representacin del dominio,
sta tiene que venir acompaada con un conjunto de especificaciones
contextuales que adapten la representacin a las circunstancias de administracin
del test y las caractersticas del grupo destino.
4.- Anlisis de datos. Una vez recogidos los datos se estimarn para cada tem
sus ndices de congruencia y relevancia. Estos ndices permitirn una evaluacin
dirigida a mejorar la representacin del dominio, modificando o eliminado
algunos de los tems construidos.
6.2.2
Proceso de respuesta.
- 128 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
La influencia que est ejerciendo la psicologa cognitiva sobre la
psicometra tradicional, est obligando a reanalizar la medicin por medio de
test para que fije su atencin ms que en la utilidad del constructo, en su
representacin (Prieto y Delgado, 1999; 2000; Snow y Lohman, 1993). En este
contexto, el estudio de los procesos cognitivos implicados en la resolucin de los
tems es un elemento de anlisis en la bsqueda de instrumentos de medida que
se ajusten a un marco que no sea estrictamente estadstico. Se convierten de este
modo en un instrumento til para la constatacin de modelos cognitivos
concretos (Embretson, 1985)
6.2.3
Estructura interna
- 129 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
6.2.3.a Dimensionalidad
en
ncleos
dimensionalmente
homogneos
entre
ellos,
Z = Af +e
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
hipottica estructura subyacente a un conjunto de datos (Anlisis Factorial
Confirmatorio).
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
f(X g,z) f(X z)
Son muchos los mtodos diseados para detectarlo y muchos los estudios
que comparan su efectividad bajo distintos supuestos. Bsicamente, los
procedimientos de deteccin del FDI pueden clasificarse en funcin del carcter
de la variable condicionante. Segn sea sta observada o latente, nos
encontramos con tcnicas conocidas como invarianza condicional observada o
invarianza condicional latente (Millsap y Everson, 1993). Todas ellas comparan
la ejecucin en un tem por sujetos que perteneciendo a distintos grupos,
presentan el mismo nivel de habilidad, de ah su calificacin de tcnicas
condicionales.
- 132 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
Estas tcnicas definen Z como la puntuacin total observada. En ellas se
encuadran los procedimientos chi-cuadrado (Scheuneman, 1984), el estadstico
Mantel-Haenszel (Holland y Thayer, 1988), la estandarizacin (Dorans y
Kulick, 1986), modelos log-lineales y los derivados de la regresin logstica
(Swaminathan y Rogers, 1990).
- 133 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
Lpez y Torres, 2000) con procedimientos de juicio que evalen y
contextualicen en cada caso el contenido de cada uno de los tems (Elosua,
Hambleton y Zenisky, 2006; Scheuneman, 1987), para as poder concluir la
presencia o no de sesgo, y poder evaluar los resultados en un marco sustantivo
de estudio de la validez. En definitiva, es necesario buscar el origen del FDI
dentro de teoras explicativas generales, que permitan su control desde el estadio
inicial de construccin de tests.
6.2.4
- 134 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
Las relaciones entre mtodos de medida diferentes aplicados a distintas
variables
se
han
estudiado
tradicionalmente
por
la
matriz
- 135 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
siendo
habitualmente conocidos como el predictivo, concurrente o
retrospectivo.
6.2.5
Generalizacin de la validez
Error
de
medida
en
la
variable
variable
variable
independiente
Dicotomizacin
de
la
independiente
Variacin
del
rango
en
la
independiente
Validez de constructo imperfecta en la
variable independiente
Errores de informe y transcripcin
Error muestral
- 136 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
En definitiva se trata de calcular un promedio de validez, corrigiendo los
efectos de cada uno de los factores mencionados.
6.2.6
Consecuencias
- 137 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
En definitiva, el proceso de validacin de un instrumento aglutina un
conjunto de estudios encaminados a proveer a las puntuaciones del test de una
interpretacin terica coherente en un contexto de uso bien delimitado. Es un
anlisis que ha de comenzar en el momento previo a la construccin del
instrumento, y que ha de guiar y acompaar su desarrollo, asegurando un test
tcnicamente fiable, y sostenido por el suficiente cmulo de evidencias que
garanticen equidad tanto en la administracin como en la puntuacin e
interpretacin.
Todo test se construye sobre dos bases, una formal y una sustantiva. Los
modelos psicomtricos (la teora clsica de tests, por ejemplo) se encargarn del
anlisis formal de las puntuaciones; los estudios de validez por su parte, tienen
como objetivo el anlisis sustantivo de las puntuaciones obtenidas. Todo ello,
siempre orientado o dirigido por los objetivos y finalidades del test, lo cual viene
delimitado por el contexto de aplicacin y las caractersticas de la poblacin
destino.
- 138 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
Constructo
Modelo
Estima
Validez
V
Test
- 139 -
Modelo sustnativo
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
Los constructos tericos que son objeto de investigacin por las ciencias
sociales no son directamente medibles y es necesaria la utilizacin de
indicadores manifiestos para su medicin.
El anlisis factorial engloba un conjunto de modelos matemticoestadsticos que analizan las relaciones de dependencia entre variables. Su
objetivo es explicar la variabilidad contenida en n variables observadas por
medio de m variables latentes, es decir, analizar la estructura interna o
dimensionalidad de los datos. El anlisis factorial se haya estrechamente unido al
estudio de la validez interna de un test o cuestionario y en el mbito psicomtrico
es la tcnica ms utilizada, aunque en muchas ocasiones su utilizacin no sea
correcta.
- 140 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
Es una tcnica surgida de los trabajos pioneros de autores de la talla de
Lawley (1940), Spearmam (1904) o Thurstone (1947), que se ha desarrollado de
la mano de Gorsuch (1974, 1983) o McDonald (1981, 1985), y que hoy se
extiende prcticamente a todos los campos de investigacin social. La
bibliografa sobre el tema es abundante y puede consultarse entre otros, Gorsuch
(1974, 1983), McDonald (1985) o Mulaik (1972). En castellano es
especialmente recomendable el libro de Ferrando (1993), adems de las obras de
Comrey (1985) o Martnez Arias (1995).
7.1
D
D
D
u
u
u
a
a
Z
Z
F
a
a
7.1 Figura.
Modelo bifactorial
- 141 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
Donde
factores (m=2).
o Factores especficos. Son estructuras latentes asociadas a
cada una de las variables observadas. Su nmero es n.
Z1 = a11F1 + u1D1
Z2 = a 21F1 + u 2 D 2
Z3 = a 32 F2 + u 3 D4
Z4 = a 41F1 + a 42 F2 + u 4 D 4
- 142 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
m
Z i = aij F j + ui Di
j =1
7.1.1
Supuestos y consecuencias
Zi ~ N ( 0,1)
Fi ~ N ( 0,1)
Di ~ N ( 0,1)
F D =0
i
(i =
j i j)
D D =0
i
F F =0
j k
i2 = 1 = hi2 + ui2
- 143 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
Donde
h = a + a ++ a = aij2
2
i
2
i1
2
i2
2
im
j =1
Por lo tanto,
m
ik = a a
ij
j =1
kj
- 144 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
Consecuencia 3.- Correlacin entre los factores comunes y las variables
manifiestas. La correlacin entre un factor comn y una variable manifiesta es
igual al peso del factor en la variable.
Z F = a ij
i
7.1.2
a12
a1
a
a2 a1
2
[ a1 a2 an ] =
a a
an
n 1
Donde
a1a2
a22
an a2
a1an h12
*
a2 an 21
=
an2 n*1
12* 1*n
h22 2* n
*
n2
hn2
A A' = R*
La diagonal principal de la matriz de correlaciones reproducida est
ocupada por las comunalidades. El objetivo principal del anlisis factorial es
maximizar la comunalidad de las variables, es decir la parte de la varianza
comn debida a los factores comunes. A medida que aumenta la comunalidad de
las variables los valores de la diagonal principal de la matriz de correlaciones
tendern a 1.
- 145 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
La diferencia entre la matriz de correlaciones observadas y la matriz de
correlaciones reproducida o matriz reducida es la matriz de residuales.
resij = ij ai a j
resij = ij iF jF
u12
res12
2
res
21 u2
resij =
res
n1 resn 2
7.1.3
res1n 1
res2 n 21
=
un2 n1
12 1n h12
*
1 2 n 21
n 2
1 n*1
12* 1*n
h22 2*n
n*2
hn2
Representacin matricial
Z = AF + UD
Donde Z es la matriz de correlaciones entre variables observadas,
F, es la matriz de factores comunes,
A, es la matriz de pesos,
U, es la matriz de pesos de los factores especficos
D, es la matriz de factores especficos.
- 146 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
Z = AF + E
F
D
o
n
d
e
E
Comunalides
e
s
Valores propios
l
a matriz de residuales.
2
= +
Z n an1 an 2 anm Fm 0 0 unn Dn
[n 1] = [n m] [m 1] + [n n] [n 1]
7.2 Figura. Matriz factorial.
- 147 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
El producto de la matriz factorial por su transpuesta dar como resultado
la matriz de correlaciones reproducida:
R* = AA'
La matriz original se obtendr sumando a la matriz de correlaciones
reproducida o matriz reducida (R*) la matriz de unicidades.
R = R* + U
7.1.4
Extraccin factorial
- 148 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
Ejemplo. Supongamos que se quiere estimar la probabilidad de obtener
cara en un experimento de lanzamiento de monedas.
CC+CCC++CC.
L(parmetro|datos) = 7(1-)3
- 149 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
0,0
0,0
0,1
0,0000000729
0,2
0,00000655
0,3
0,0000750
0,4
0,000354
0,5
0,000977
0,6
0,00179
0,7
0,00222
0,8
0,00168
0,9
0,000478
1,0
0,0
0.0000
0.0005
0.0010
0.0015
0.0020
0.0
0.2
0.4
0.6
0.8
1.0
- 150 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
o 1. Invirtiendo el razonamiento se podra afirmar que el valor de ms
probable vistos los datos es aqul que genera una verosimilitud mayor, est valor
es el estimador mximo verosmil. El estimador mximo verosmil es el mximo
de la funcin de verosimilitud, es decir, aqul cuyo valor maximiza la
probabilidad de obtener los datos conocidos. En este ejemplo el estimador
mximo verosmil del parmetro es 0,7, que coincide con la proporcin de
caras en el experimento de lanzamiento de monedas, 7/10.
d log L( )
=0
d
Los estimadores mximo verosmiles son consistentes, asintticamente
insesgados, asintticamente eficientes y distribuidos segn la ley normal.
Siendo L( ) el valor de la funcin de verosimilitud en el punto MLE, y
G 2 2log
7.1.5
L( )
= 2 [log L( ) log L( )]
L( )
- 151 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
Aunque, desde un punto de vista formal, el modelo de componentes
principales no es un modelo de anlisis factorial, su uso como tal es comn en la
investigacin aplicada. De hecho, programas con licencias privativas como el
SPSS incluyen el modelo de componentes principales como un mtodo de
extraccin factorial. El objetivo del modelo de componentes principales es
reproducir la varianza total mientras que el anlisis factorial est interesado en la
varianza comn. Esa diferencia bsica en los objetivos marca la diferencia entre
los modelos.
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
factores especficos a partir de un nmero de variables observadas igual a
n.
b.- La parte ms significativa de la solucin factorial est constituida por
las comunalidades; en el modelo de componentes principales el concepto
fundamental es la varianza. Las primeras son desconocidas las segundas,
sin embargo, no.
7.1.6
Rotacin factorial
Entre todas las posibles soluciones habra que optar por aquella que
mejor pueda interpretarse desde un punto de vista sustantivo; esta solucin
habitualmente se aproxima a la estructura simple definida por Thurstone (1947).
Una matriz factorial P tiene una estructura simple cuando:
Factor 1
Factor 2
- 153 -
Factor 3
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
1
XX
XX
XX
XX
XX
XX
XX
P = AT
Donde A es la matriz factorial
T, es la matriz de transformacin.
0,5
0,5
0
0
-1
-0,5
0,5
-1
-0,5
-0,5
-0,5
-1
-1
- 154 -
0,5
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
La rotacin factorial no afecta a la calidad formal de la solucin factorial;
las comunalidades de las dos soluciones (no-rotada, rotada) son equivalentes; la
rotacin produce una redistribucin de las cargas factoriales que afecta a la parte
de varianza comn asociada a cada factor. Los procedimientos de rotacin
factorial se agrupan en dos grandes bloques; los procedimientos ortogonales y
los procedimientos oblicuos. Los primeros mantienen la independencia entre
factores, y los segundos estiman factores correlacionados.
Rotaciones ortogonales
Solucin no-rotada
F1
F2
Z1
0,780
0,304
Z2
0,799
Z3
Z4
Solucin rotada
F1
F2
Z1
0,348
0,761
-0,328
Z2
0,802
0,321
0,767
0,462
Z3
0,229
0,865
0,789
-0,.417
Z4
0,857
0,250
Rotaciones oblicuas
rotacin
ortogonal. Una rotacin oblicua de una solucin factorial genera dos matrices
- 155 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
diferentes, la matriz de estructura (S) y la matriz de configuracin o matriz
factorial (P). Los elementos de la primera son correlaciones entre las variables y
los factores extrados; los elementos de la matriz de configuracin muestran las
saturaciones de los factores sobre las variables. La obtencin de la matriz de
correlaciones reproducida tras una rotacin oblicua se ajustara a la siguiente
expresin:
R* = PP + U 2
Entre los procedimientos de rotacin oblicua,
Oblimin (Jennrich y
7.2
en una
- 156 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
investigacin delimitar el tipo de acercamiento a la estructura de los datos,
siendo el confirmatorio preferido al exploratorio.
7.2.1
- 157 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
Una vez ejecutado un anlisis factorial, es importante interpretar
correctamente la solucin para que las conclusiones tengan un sustento formal y
sustantivo. Es posible extraer tantos factores como variables observadas y es
importante decidir sobre la solucin ms adecuada. Son varios los criterios
formales disponibles que puedan ayudar en tal proceso (Elosua y Lpez, 2002).
Entre ellos es posible distinguir entre indicadores basados en el porcentaje de
varianza explicada, indicadores basados en el anlisis de residuales e ndices
relativos.
la
el 40%
de
variabilidad observada.
- 158 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
En las situaciones de multidimensionalidad, los siguientes criterios
pueden ser tiles en la fijacin del nmero de factores a retener:
10
11
13
15
17
19
21
23
- 159 -
11
13
15
17 19
21
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
La adecuacin del modelo a los datos queda reflejada en la
similitud/diferencia entre la matriz de correlaciones reproducida y la matriz de
correlaciones observadas. La diferencia entre ambas se aproximar a 0 a medida
que lo haga la adecuacin del modelo. El estudio de los residuales o diferencias
entre ambas matrices, es un modo de aproximacin al problema de la adecuacin
que est siendo objeto de estudio como fuente de informacin sobre el origen de
la falta de ajuste y sobe la magnitud de esta.
( r
n
ECMR =
Donde
i =1 j =1
ij
rij
* 2
n(n 1)
ndices relativos
- 160 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
G = 2n log
RMSEA = d / gl
d=
Donde
G g.l.
N
G es la razn de verosimilitud,
gl son los grados de libertad
N, es el tamao de la muestra.
- 161 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
corte 0,40 . Sin embargo la contextualizacin correcta del trabajo determinar
el punto de corte en cada caso.
a.- Comunalidades:
- 162 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
- Cuando el tamao de la muestra es menor a 300 no se tendrn en
cuenta factores con bajas saturaciones.
-
7.3
Modelo unidimensional
- 163 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
Esa seleccin abre una ventana donde se especificarn las variables a
analizar, el mtodo de rotacin a aplicar y el procedimiento de estimacin de las
puntuaciones factoriales. Rcommander ejecutar el anlisis factorial sobre el
conjunto de datos activo, o en funcin de los intereses del investigador, sobre un
subconjunto de datos que cumplan una determinada condicin.
- 164 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
Unicidad
- 165 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
unicidad mayor que el resto de variables. En el anlisis de la fiabilidad de la
escala, observamos ya un comportamiento algo anmalo de este tem que obtuvo
el ndice de discriminacin ms bajo (0,1881).
Unicidades:
Uniquenesess:
RecIC_1
RecIC_2
RecIC_3
RecIC_8
RecIC_9 RecIC_10
0.479
0.380
0.407
0.356
0.464
RecIC_4
0.316
RecIC_5
0.534
0.448
RecIC_6
0.962
Saturaciones:
Loadings:
Factor1
RecIC_1
0.722
RecIC_2
0.787
RecIC_3
0.732
RecIC_4
0.827
RecIC_5
0.683
RecIC_6
0.743
RecIC_7
0.196
RecIC_8
0.803
RecIC_9
0.770
RecIC_10 0.803
5.30
Proportion Var
0.53
- 166 -
RecIC_7
0.355
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
El valor propio (SS loadings) del factor extrado y la parte de
varianza comn asociada (Proportion Var) son ofrecidas por factanal
en el ltimo bloque informativo. El valor propio es la suma al cuadrado de las
saturaciones (5,30 = 0,7222 + 0,7872 + 0,7322 + 0,8272 + 0,6832 + 0,7432 +
0,1962 + 0,8032 + 0 ,7702 + 0,8032). Dividiendo ese valor entre el nmero de
elementos (n=10) se obtiene la proporcin de varianza explicada por el factor
(5,30/10 = 0,53). En nuestro caso, el factor extrado es capaz de dar cuenta del
53% de la variabilidad observada en los datos.
Anlisis de contenido
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
tems a excepcin del tem sptimo son apreciaciones subjetivas sobre el
conjunto del cuerpo o partes de l. El contenido del sptimo tem, que presenta
una saturacin algo menor que el resto y tiene un ndice de discriminacin
menor, se escapa de este patrn de contenido general haciendo referencia a
una situacin concreta.
7.3.2
Modelo bidimensional
Para
mostrar
la
aplicacin
interpretacin
de
un
modelo
Eating Disorder
En
la
opcin
de
Rcommander
Estadsticos>Anlisis
- 168 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
- 169 -
y los factores
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
Analizando las dos soluciones, no-rotada y rotada, se puede comprobar
que las unicidades o varianzas especficas no cambian. Los valores son iguales
para los 8 tems analizados (0,340, 0,559, 0,376, 0,474, 0,555, 0,363, 0,353 y
0,386). La diferencia fundamental entre ambas soluciones se centra en la matriz
factorial. La rotacin reorganiza las saturaciones; los pesos de las variables en
los factores se redistribuyen. En caso preliminar, el primer factor presenta
saturaciones altas en todas las variables (0,790, 0,638, 0,735, 0,656, 0,659, 0,727
0,781 y 0,751) y los pesos asociados al segundo factor no son altos y en algunos
casos son negativos (0,191, 0,183, 0,289, 0,309, -0,103, -0,330, -0,194 y -0,223).
La variabilidad comn explicada por ambos factores es 57,4%.
Uniquenesses:
Uniquenesses:
RecIC_2
RecIC_3
0.340
0.559
RecOD_3
RecOD_4
0.555
0.363
RecIC_9 RecIC_10
0.376
RecIC_2
0.474
RecOD_5
RecOD_7
0.353
0.386
Loadings:
RecIC_3
0.340
0.559
RecOD_3
RecOD_4
0.555
0.363
RecIC_9 RecIC_10
0.376
0.474
RecOD_5
RecOD_7
0.353
0.386
Loadings:
Factor1 Factor2
Factor1 Factor2
RecIC_2
0.790
0.191
RecIC_2
0.687
0.434
RecIC_3
0.638
0.183
RecIC_3
0.576
0.330
RecIC_9
0.735
0.289
RecIC_9
0.719
0.327
RecIC_10
0.656
0.309
RecIC_10 0.679
0.255
RecOD_3
0.659
-0.103
RecOD_3
0.385
0.545
RecOD_4
0.727
-0.330
RecOD_4
0.270
0.751
RecOD_5
0.781
-0.194
RecOD_5
0.404
0.695
RecOD_7
0.751
-0.223
RecOD_7
0.363
0.694
Factor1 Factor2
Factor1 Factor2
SS loadings
4.138
0.456
SS loadings
2.298
2.296
Proportion Var
0.517
0.057
Proportion Var
0.287
0.287
Cumulative Var
0.517
0.574
Cumulative Var
0.287
0.574
Solucin no rotada
Rotacin Varimax
- 170 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
La matriz factorial obtenida tras la rotacin es diferente. Las variables
aparecen distribuidas en dos bloques claramente diferenciados que se asocian
con dos factores bien definidos. Las primeras cuatro variables presentan altas
correlaciones con el primer factor, y las ltimas cuatro variables presenten
niveles de correlacin elevados con el segundo factor. Las primeras variables
provienen de la escala Insatisfaccin corporal (IC) y las cuatro ltimas variables
pertenecen a la escala Obsesin por la delgadez (OD). La varianza asociada al
primer factor es 28,7 y el segundo factor explica el mismo porcentaje de
variabilidad. Entre los dos factores dan cuenta del 57,4% de la varianza
observada. Este valor es equivalente para las dos soluciones: no-rotada y rotada.
7.3.3
modo:
plot(.FA$loadings,xlim=range(-1,+1),ylim=range(-1,+1), type="n")
abline(h=0,v=0);
text(.FA$loadings,substring(rownames(.FA$loadings),5,6),cex=0.9)
- 171 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
La funcin plot ordena a R que represente grficamente los valores de
la matriz factorial (.FA$loadings) generada por el anlisis factorial. Los
parmetros xlim e ylim indican el rango de valores para el eje X y para el eje
Y, que representan en este caso a los dos factores. abline es utilizado para
aadir las lneas que cortan el grfico en el punto 0, y finalmente con text
estamos indicando que queremos visualizar el nmero del tem que representan
cada punto.
1.0
0.5
2
41
0.0
87
-1.0
-0.5
Factor2
-1.0
-0.5
0.0
0.5
1.0
Factor1
7.3.4
- 172 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
el investigador est interesado en la estimacin de las puntuaciones obtenidas
por los sujetos en los factores extrados. La estimacin de las puntuaciones
factoriales no es sencilla. En la exposicin del modelo del factor comn, las
variables observadas eran explicadas por medio de factores, pero en el caso que
nos ocupa tendramos que invertir la relacin. Por ello sera incorrecto hablar de
la estimacin de las puntuaciones factoriales, en tanto en cuanto, ests no son
parmetros sino que son variables aleatorias, y el problema por tanto debera de
centrarse en su prediccin.
la
7.3.5
- 173 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
>
Anlisis
Dimensional
>
Anlisis
de
- 174 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
Variances
.PC
Comp.1
Comp.3
Comp.5
Comp.7
Comp.9
transcribir
barplot(eigen(cor(Edi.data[,16:25]))$values,col=3,ylim=c(0,10),y
lab="valores propios",xlab="Componentes", main="ScreePlot")
abline(1,0)
a <- eigen(cor(Edi.data[,16:25]))$values
plot
(a,
col=6,
pch=9,
ylim=c(0,6),ylab="valores
propios",xlab="Componentes", main="ScreePlot")
lines (a, lwd=2, col=6)
abline(1,0)
- 175 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
- 176 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
una herramienta de trabajo que permitir, en funcin de los resultados
obtenidos, adoptar decisiones que afecten, bien a la prueba que se est
construyendo o adaptando (Elosua, 2006; Elosua, Lpez y Torres, 1999; Elosua,
Lpez y Egaa, 2000), bien a su utilizacin en poblaciones determinadas (Lpez
y Elosua, 2002).
8.1
Conceptos bsicos
no
f ( X g, z ) f ( X z )
- 177 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
para todos los valores g y z de las variables G y Z. Donde, f(X|g,z),
representa la distribucin de las respuestas al tem dada g, y, f(X|z), representa la
distribucin de respuestas dada z.
- 178 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
FDI uniforme: Un tem presenta FD uniforme, cuando el sentido del mismo
se mantiene constante a lo largo de todo el continuo de habilidad. Es decir,
las diferencias de funcionamiento detectadas entre los dos grupos de sujetos
son constantes. Haciendo uso de la terminologa aportada por la TRI,
diramos que las curvas caractersticas que definen el tem en las dos
poblaciones, son paralelas.
FDI no uniforme: Las diferencias percibidas entre las respuestas del grupo
focal y del grupo referencia no se mantienen constantes a lo largo del
continuo de respuesta. Las curvas caractersticas del tem se cruzan en
algn punto del continuo.
- 179 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
La psicometra ha desarrollado varios procedimientos y mtodos para la
deteccin del funcionamiento diferencial del tem; tras ms de dos dcadas de
trabajo sobre este tema se dispone de mtodos altamente eficaces, que pueden
clasificarse en tres grandes bloques:
Modelos
formales
latentes.
Agrupamos
en
esta
categora
los
- 180 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
veces son utilizados como medidas del tamao del efecto de otros
procedimientos.
la
8.2
Estandarizacin
X iFK
- 181 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
A partir de este concepto bsico y simple (diferencia en un nivel de
habilidad entre las medias aritmticas de un tem obtenido en dos grupos) es
necesario definir un ndice que tenga en cuenta las diferencias a lo largo del
continuo de habilidad, y que adems pondere stas por algn criterio que corrija
el efecto que grandes diferencias estimadas en grupos muy reducidos de sujetos
tengan en el ndice final. En la prctica, uno de los factores de ponderacin (w)
ms utilizado es la proporcin de sujetos pertenecientes al grupo focal situados en
el nivel K. Entre los ndices numricos ms conocidos destaca el siguiente
(STDDIF):
k
k
STDDIFi = k=1
wk [ X iFK - X iRK ] = k=1
K k [ X iFK - X iRK ]
k
k=1 K k
Los valores de este ndice se sitan en el intervalo (-1, 1). Mientras un valor
positivo indica que el tem favorece el grupo focal, un valor negativo indica cierta
ventaja del grupo de referencia. Estudios recientes aconsejan vigilar un tem
cuando el valor del ndice supera el 5% del rango de las puntuaciones del tem.
8.3
Regresin logstica
El modelo base se
- 182 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
de pertenencia al grupo (Total+Grupo; Modelo 2) es significativa. El FDI no
uniforme compara este segundo modelo con el modelo que incluye el trmino de
interaccin (Total+Grupo+Interaccin; Modelo 3). Este mtodo adems de un
test de significacin incluye una medida del efecto del FDI basada en la
diferencias en las R2 entre dos modelos (Gierl y McEwen, 1995). Esta medida,
R2, representa la proporcin de variacin de las respuestas al tem explicada por
el modelo de regresin. Un tem presenta FDI moderado cuando el estadstico
Chi-cuadrado es significativo y cuando el incremento en R2 se sita entre los
valores 0,035 y 0,070. Un tem presenta un FDI severo cuando adems de la
significacin del Chi-cuadrado, la diferencia entre dos R2 es superior o igual a
0,070.
P(u = 1)=
e
[1 + e z ]
donde,
z = 0 + 1X + 2g +3(Xg)
- 183 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
el nivel en la variable medida y se equipara con la puntuacin obtenida por los
sujetos en la prueba. Por ltimo, el trmino, Xg se refiere a la interaccin entre las
dos variables independientes. Un tem presenta FDI uniforme si, 3 =0 y 2 0, y
por el contrario presenta FDI no uniforme si se cumple 3 0, sea cual fuere el
valor de 2.
En este modelo, la hiptesis nula para la deteccin del FDI queda definida
como:
H0: 2 =0 3 =0
Para su comprobacin, se compara el ajuste de modelos especificados con
distintos parmetros. El procedimiento ms sencillo y rpido es evaluar el modelo
base, aquel que incorpora nicamente el nivel de habilidad, con el modelo de
interaccin. En caso de que se optara por el modelo extendido, es posible estudiar
el origen del funcionamiento diferencial estimando el modelo para el FDI
uniforme. La significacin estadstica del parmetro incorporado, se evala a travs
de la razn de verosimilitud, que analiza el incremento en el ajuste producido por la
incorporacin de un nuevo parmetro. Este estadstico sigue una distribucin Chi
cuadrado con grados de libertad igual a la diferencia entre los grados de libertad
entre los modelos (3-1=2).
8.3.1
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
Sin embargo los estudios de FDI no terminan con la deteccin; de poco
sirve concluir que una escala presenta FDI sin no se da un paso ms en el
anlisis de sus consecuencias o en el estudio de la significacin formal y
aplicada de sus consecuencias.
momento de
idioma de
funcionamiento
1.
Deteccin
2.
3.
- 185 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
presencia de tems que actan en su contra, existen procedimientos que permitan
equiparar las puntuaciones. En la prctica diaria el evaluador ha de analizar
detenidamente cuales son las consecuencias prcticas del FDI, y en caso de que
existiera un error sistemtico ha de tomar medidas para neutralizarlo. Cmo?
Dependiendo del modelo formal que utilice podra optar por la estimacin de
puntuaciones factoriales que tengan en cuenta la existencia de modelos diferentes
para cada grupo, o podra utilizar tcnicas de equiparacin de puntuaciones basadas
en el concepto de Curva Caracterstica del Test (Elosua y Lpez-Juregui, 2008).
8.4
8.4.1
Regresin logstica
library(Design,T)
Una vez instalado, son dos los modelos de regresin que habremos de
aplicar a los tems objeto de estudio. El modelo base definido como aqul que
explica las respuestas al tem en funcin de la puntuacin total, y el modelo de
interaccin que adems de la puntuacin total incorpora como parmetro la
interaccin entre el grupo (sexo) y la puntuacin total (IC:SEXO). Estas dos
sencillas instrucciones harn que el modelo de regresin logstica para datos
ordinales se ejecute sobre los datos.
- 186 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
Los resultados de la aplicacin de ambos modelos ($stats) han sido
asignados a dos objetos fit0 u fit1. En ellos se almacena informacin sobre el
ajuste del modelo de regresin; entre los estadsticos que se incluyen nos
interesan especialmente el valor de la razn de verosimilitud, guardada en la
tercera posicin ([3]) y el valor del R2 que ocupa la dcima posicin en la lista
de resultados.
- 187 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
psicomtrica para la categorizacin del funcionamiento diferencial de un tem
como severo, que suele fijarse en el punto de 0,07.
Aunque la significatividad de
Regresin logstica
Creo que mi estmago es demasiado grande
15,49
<.001
0,008
-0,10
27,26
<.001
0,012
0,26
39,25
<.001
0,019
0,05
6,16
<.001
0,002
0,02
Me gusta mi trasero
4,51
0,10
0,002
0,12
2,55
0,28
0,001
0,09
1,19
0,55
0,001
-0,09
20,51
<.001
0,008
0,25
1,26
0,53
0,001
0,00
4,95
0,08
0,002
0,05
8.4.2
- 188 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
modelos de respuesta al tem esa informacin es aportada por las curvas
caractersticas del tem, que podran reemplazarse por curvas empricas como
las mostradas en la siguiente figura para cada uno de los tems de la escala de
Insatisfaccin Corporal.
- 189 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
La representacin grfica de las medias condicionadas puede
complementarse con un ndice numrico que adems del tamao de las
diferencias tenga en cuenta la necesidad de ponderacin de las mismas en
funcin del nmero de sujetos situado en cada nivel de habilidad. No es lo
mismo una diferencia obtenida en un nivel que agrupa a muchos individuos que
una diferencia extrema en cuyo cmputo intervienen muy pocos sujetos. Este
planteamiento es el origen de la frmula de la estandarizacin cuya obtencin en
Rcommander sera tan sencilla como la elaboracin de los grficos de medias
ponderadas. En nuestro caso y utilizando como elemento ponderador el nmero
de varones en cada uno de los niveles de la puntuacin total en Insatisfaccin
Corporal se obtuvieron los ndices que se leen en la tabla de resultados mostrada.
Los resultados numricos respaldan en todo momento los resultados grficos y
existe acuerdo entre los dos procedimientos numricos empleados.
- 190 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
3
1
3
2
1
0
Mujer
Varn
Nivel de Puntuacin
Me gusta mi trasero
0
1
Nivel de Puntuacin
3
2
1
Mujer
Varn
Mujer
Varn
Media tem
Nivel de Puntuacin
Media tem
Nivel de Puntuacin
Media tem
2
0
Mujer
Varn
1
Media tem
Mujer
Varn
Nivel de Puntuacin
Media tem
3
2
1
Mujer
Varn
Media tem
Nivel de Puntuacin
- 191 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
- 192 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
en la estadstica inferencial que ha desarrollado multitud de tcnicas con ese fin.
La utilizacin de una u otra depender de la cuestin de investigacin y de la
naturaleza de los datos a analizar. La seleccin de la prueba ms adecuada a cada
caso es una decisin del investigador que Rcommander ejecutar.
9.1
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
aquellos. A la vista de las medias observadas en los dos grupos observados,
Podramos generalizar los resultados a la poblacin y dar por demostrada la
hiptesis? La prueba adecuada sera la de comparacin de dos medias.
9.1.1
t=
Donde,
x
s/ N
media muestral
media poblacional
s desviacin tpica muestral
N tamao muestral
- 194 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
Este estadstico se distribuye segn la distribucin t de Student con N-1
grados de libertad. La magnitud de este estadstico tiene que ver con la
diferencia entre la media observada o emprica ( x ) y el valor poblacional ().
Cunto mayor sea esta diferencia mayor ser el valor de t. El denominador de la
expresin es lo que se denomina error estndar de la media muestral (Standard
Error, SE), y conceptualmente podemos concebirlo como una medida del
ruido o variacin aleatoria muestral. A mayor error estndar mayor variacin
aleatoria entre las diferentes medias muestrales posibles. Si esta variacin o
ruido es grande, necesitaremos ms seal (valor del numerador) para que sta
sea destacable.
A partir del valor de t se obtendr el grado de significacin que no es
sino una probabilidad aparejada a t. El grado de significacin (p) evala la
probabilidad de obtener un valor muestral como el observado, si se hubiera
extrado efectivamente de una poblacin con un valor 3,30, es decir evala en
cierto modo el grado de compatibilidad de nuestros datos con la hiptesis de
partida (Pardo y San Martn, 1998).
El valor p es una probabilidad y por lo tanto su valor estar entre 0 y 1.
Si el grado de significacin es pequeo, (en nuestro ejemplo es 0,003) es
pequea la probabilidad de haber obtenido un valor de 3,72 de una poblacin
con una media de 3,30. Por tanto optamos por rechazar este ltimo valor como
hiptesis plausible a la luz de nuestra evidencia y concluimos que, en efecto, el
grupo de bailarinas es significativamente superior en la escala de bulimia a la
poblacin general.
Ahora procedamos a contestar a la cuestin con la ayuda de
RCommander.
La opcin del men que nos interesa es Estadsticos>Medias>
test t para una muestra.
- 195 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
9.1 Figura. Prueba de comparacin de una media observada a una terica. Rcommander
- 196 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
9.2 Figura. Seleccin de variable y opciones para la prueba de comparacin de
una media observada a una terica.
data:
Edi.data$B
En la salida de Rcommander
- 197 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
Ahora bien, la cuestin que nos interesa no es la diferencia entre los hombres y
las mujeres en nuestra muestra concreta; queremos saber si existen diferencias
entre las poblaciones de mujeres y hombres y por ello necesitaremos aplicar una
prueba de significacin estadstica.
t=
Donde,
x1
x2
x1 x2
s*2 s*2
+
N1 N 2
*2
N1 1) s12 + ( N 2 1) s22
(
=
N1 + N 2 2
- 198 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
s12 s22
+
N1 N 2
gl =
2
2
1 s12
1 s22
+
N1 1 N1 N 2 1 N 2
Donde, S12 varianza de la primera muestra
S22 varianza de la segunda muestra
N1 nmero de sujetos de la primera muestra y
N2 nmero de sujetos de la segunda muestra.
- 199 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
data=Edi.data)
Welch Two Sample t-test
data:
IC by SEXO
Inf
sample estimates:
mean in group chica mean in group chico
15.714286
8.095694
- 200 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
Aparecen tambin la hiptesis alterna elegida (true difference
in means is not equal to 0) y el intervalo de confianza. El valor del
lmite inferior es 6,59255 y el lmite superior infinito. Esto quiere decir que la
diferencia de medias poblacionales en la variable insatisfaccin corporal ser
mayor que 6,59255 con una probabilidad del 95%. La diferencia entre las
medias ha resultado significativa. Hemos encontrado evidencia emprica que
apoya la hiptesis del investigador; las mujeres muestran ms insatisfaccin con
su cuerpo que los varones.
t=
Donde,
x1 x2
s*2 s*2
+
N1 N 2
x1
x2
s*2 =
( N1 1) s12 + ( N 2 1) s22
N1 + N 2 2
- 201 -
Rcommander
N1 + N 2 2 . El
es idntico al
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
En algunos casos las medias proceden de dos conjuntos de datos
referidos a sujetos emparejados; los sujetos han sido medidos en ocasiones
distintas (test/postest), o los sujetos han sido emparejados por alguna variable de
inters introducida por el investigador a fin de mejorar su diseo. Estos casos
tienen en comn desde el punto de vista estadstico que los conjuntos de datos a
comparar estn correlacionados (un sujeto se parece a s mismo). En estos casos
la estrategia a utilizar es diferente, y la prueba estadstica es muy similar a la
prueba para una media. En concreto se calcularn las diferencias entre los pares,
y la media correspondiente a esas diferencias xd , que se contrastar con la
hiptesis nula d = 0
t=
Donde
xd
xd d
sd / N
para
datos
relacionados, y en la ventana
- 202 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
Paired t-test
data:
- 203 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
9.1.3 Pruebas para las varianzas
9.1.3.a Comparacin de dos varianzas
s12
F= 2
s2
Donde S12 es la varianza de la primera muestra, y
S22 la varianza de la segunda muestra.
para
dos
varianzas.
En la ventana
- 204 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
data:
B by SEXO
- 205 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
9.2
Edad
Insatisfaccin
>14 aos
14-16 aos
16 aos<
Total
corporal
- 206 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
NO
236
269
146
651
SI
67
115
67
249
Total
303
384
213
900
Distribuciones marginales
corporal es,
Proporcin
NO
SI
0,723
0,277
Proporcin
>14 aos
14-16 aos
16 aos <
0,336
0,426
0,238
- 207 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
Cada distribucin marginal en una tabla de contingencia es una
distribucin de una variable categrica simple.
Distribuciones condicionales
Proporcin
NO
SI
77,8%
22,1%
SI
- 208 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
Proporcin
70,05%
29,95%
9.5 Tabla. Distribucin condicional. Adolescentes e insatisfaccin corporal
Proporcin
NO
SI
68,5%
31,45%
- 209 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
<14 14-16
>16
77.9
70.1
68.5
22.1
29.9
31.5
26.2
7.4
>16 Total
29.9 16.2
72.3
12.8
27.7
7.4
- 210 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
Total 33.7
9.2.1
Frecuencias esperadas
- 211 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
27,7 % de 303, es decir 83,9. El resto de frecuencias esperadas se calcularan de
modo similar.
Frecuencias esperadas =
Para verificar la hiptesis nula, esto es, que no existe asociacin entre las
variables fila y columna, se utiliza un estadstico que compara el conjunto
completo de frecuencias observadas con el conjunto de frecuencias esperadas.
Consiste en hallar las diferencias entre la frecuencia osbservada y su
correspondiente valor esperado y elevar esta diferencia al cuadrado. Una
diferencia grande es menos significativa si procede de una celda donde se espere
una frecuencia con valor muy alto, por ello se dividide cada diferencia al
cuadrado por la frecuencia esperada. Finalmente se agregan los valores
correspondientes a todas las celdas.
<14
14-16
>16
- 212 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
1
83.83 106.24
58.93
9.8 Figura. Distribuciones Chi cuadrado con diferentes grados de libertad (1,3,10 y 20)
- 213 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
> .Test
data:
.Table
El test chi cuadrado confirma que los datos contienen evidencia contra la
hiptesis nula. Los sujetos de los tres niveles de edad son distintos en
insatisfaccin corporal, pero no dice cmo o en qu grado difieren. Hay que
completar el test estadstico con una descripcin que explique la clase de
relacin presente en los datos.
- 214 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
entre lo observado y lo esperado. La tabla de componentes obtenida mediante
RCommander se muestra a continuacin:
<14 14-16
>16
0 1.29
0.28 0.42
1 3.38
0.72 1.11
9.3
( 67 83,3)
=
83,3
9.3.1
ANOVA de un factor
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
variable independiente (edad) en el ANOVA se denomina factor (no
confundirlo con el factor del anlisis factorial!) que en este ejemplo tiene tres
categoras o niveles. El factor puede tratarse de una variable propiamente
categrica, o puede haber sido categorizada; como en nuestro caso. La variable
dependiente, insatisfaccin corporal, (IC) es continua.
Para aclarar como funciona este test examinemos la siguiente figura que
contiene dos conjuntos de diagramas de cajas. Se trata de decidir si las medias
muestrales son suficientemente dispares como para rechazar la hiptesis nula. En
el segundo grfico es difcil admitir que las diferencias entre las muestras se
deban nicamente a la variabilidad muestral. En cambio en (a) es ms fcil
deducir que estas observaciones podran haberse dado a partir de grupos con las
mismas medias. Los dos conjuntos (a) y (b) tienen la misma diferencia entre los
centros de los grupos. Sin embargo lo que los diferencia es la variacin dentro
de cada grupo. En el segundo es tan pequea que las diferencias entre los grupos
se evidencian. Pues bien, esta es la idea central del test F. Cuando las diferencias
entre las medias son grandes comparadas con la variacin dentro de los grupos,
rechazaremos la hiptesis nula y concluiremos que las medias no son iguales.
Sin embargo, en el grfico (a) las diferencias entre las medias hacen pensar que
bien podran haberse obtenido por azar a partir de grupos con medias iguales,
por ello no hay evidencia suficiente como para rechazar Ho.
- 216 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
a)
b)
9.9Figura. Diferentes variabilidades intragrupo. Diagramas de cajas
Ahora bien, se necesitar una prueba estadstica que permita hacer esta
comparacin de modo ms preciso. Los tests vistos hasta aqu se basan en el
ratio entre diferencias de alguna clase con alguna medida de la variabilidad
muestral; del mismo modo en el ANOVA las diferencias entre las medias
figurarn en el numerador, y el trmino de comparacin (en el denominador) se
basar en la desviacin estndar subyacente, esto es, en la variabilidad dentro de
los grupos.
9.4
- 217 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
Para los datos de nuestro ejemplo, podemos obtener las medias en la
variable insatisfaccin corporal para los tres grupos de edad, con la opcin
Estadsticos>Resmenes>Resmenes numricos escogiendo en la
ventana emergente la opcin Resumir por grupos (para mayor claridad,
en este ejemplo hemos trabajado con un subconjunto del objeto Edi.data):
mean
<14
NA
10.82
184 14
14-16 12.89
184 16
>16
184
13.67
sx2
2
) es / n . Por lo tanto para
2
estimar bastar con multiplicar n por la varianza observada entre las muestras
( ns x ).
En nuestro caso una estimacin de 2 sera 400,016 (184 x 2,17).
Tenemos as una estimacin de 2 a partir de la variacin entre grupos. Esta
- 218 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
cantidad es la media cuadrtica del factor o media cuadrtica entre (o inter)
grupos (MCG).
numricos
seleccionando
la
opcin
sd
<14
NA
10.57
184 14
14-16 10.58
184 16
>16
9.66
184
*2
s*2 =
- 219 -
= 105,762
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
Esta cantidad es la media cuadrtica del error o media cuadrtica
intragrupos (MCE).
9.4.1.a
Estadstico F
F =
MCG 400,016
=
= 3,782
MCE 105,762
- 220 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
La distribucin de este estadstico es F( K 1)( N K ) = F(31),(5523) = F2,549 . El
valor p del test F es la probabilidad de que una variable aleatoria con
distribucin F(2,549)) sea mayor o igual que el valor calculado.
La opcin
Distribuciones>Distribuciones continuas>Distribucin F
de Rcommander proporciona ese valor:
9.4.1.b Modelo
- 221 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
=
=
xik
+ k
k + ik
+ ik
DATOS
AJUSTE
+ RESIDUAL
xik x = ( xik xk ) + ( xk x )
Esta idea queda
Si en lugar de
nk
( x
i =1 k =1
ik
nk
nk
x ) = ( xik xk ) + ( xk x )
2
i =1 k =1
- 222 -
i =1 k =1
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
xk =
1
Nk
Ni
x
i =1
ik
- 223 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
significacin. La filas son las tres fuentes de variacin en el ANOVA de un
factor; modelo o variacin entregrupos, error o variacin intragrupos y total.
Los datos de nuestro ejemplo se muestran en la siguiente tabla;
Fuentes
variacin
Modelo
de
Sumas
de
cuadrados
Grados de
Medias
libertad
cuadrticas
3,781
,023
799,859
399,929
Error
58065,554
549
105,766
Total
58865,413
551
- 224 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
Como SCG mide la variacin de K medias muestrales en torno a la media global,
los grados de libertad correspondientes son K-1. Por ltimo SCE es la suma de
cuadrados de las desviaciones xik xk . Son N observaciones que se comparan
con K medias muestrales y sus grados de libertad son N-K. Para cada fuente de
variacin se estima la media cuadrtica; este valor es la suma de cuadrados
dividida por los grados de libertad.
9.4.2
Estadsticos>Medias>Anova
de
un
factor.
Se
> summary(AnovaModel.1)
Df Sum Sq Mean Sq F value
EDAD_RE
800
400
3.7813
- 225 -
Pr(>F)
0.02339 *
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
Residuals
549
58066
106
--Signif. codes:
0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
"sd"))
mean
sd
n NA
<14
10.82
10.57
184 14
14-16
12.89
10.58
184 16
>16
13.67
9.66
184
- 226 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
El test F del ANOVA proporciona una respuesta global a la pregunta
Son las diferencias entre las medias de los grupos significativas?; Un valor p
pequeo nicamente indica que las medias no son iguales pero no dice
especficamente cules son las medias que difieren. Aunque una inspeccin de
los grficos de las medias o de sus valores da alguna pista de donde se producen
estas diferencias, es deseable complementarla con otros tests estadsticos
suplementarios al ANOVA. Las comparaciones mltiples son las que se llevan a
cabo tras un ANOVA y en las que se comparan sistemticamente todos los pares
de medias para encontrar los grupos que han producido esta significacin. Las
pruebas diseadas para llevarlas a cabo mantienen el riesgo alfa en cierto nivel
para el conjunto de comparaciones que se efecten.
Linear Hypotheses:
Estimate lwr
upr
14-16 - <14 == 0
2.07
-0.44
4.59
>16 - <14 == 0
2.85
0.33
5.37
>16 - 14-16 == 0
0.7826
-1.73
3.30
- 227 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
14-16 - <14
>16 - <14
>16 - 14-16
)
-1
Linear Function
9.4.3
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
resultando ms eficiente estudiar dos factores simultneamente que por
separado. Adems, reduce la variacin residual en el modelo incluyendo un
segundo factor que presumiblemente tendr influencia en la respuesta y, por
ltimo, permite investigar las interacciones entre los factores.
9.4.3.a Modelo
( ) son
xikl
DATOS
+ k + l + ( )kl
+ ikl
kl
+ ikl
AJUSTE
+ RESIDUAL
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
ambos factores se representa con el trmino ( ) kl . Estimaremos la media de
una poblacin por la media muestral de las observaciones en ese grupo
1
xkl =
N kl
nikl
x
k =1
ikl
desconocida .
muestrales;
s*2 =
( N 1) s
( N 1)
2
kl
kl
kl
9.5
- 230 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
El trmino SCA representa la variacin entre las medias para los
diferentes niveles del factor A. Dado que hay K niveles, los grados de libertad
(glA) son K-1. SCB representa la variacin entre las medias para los diferentes
niveles del factor B, con L-1 grados de libertad (glB). SCAB es la suma de
cuadrados de la interaccin y representa la variacin del modelo que no es
producida por los efectos principales. Sus grados de libertad (glAB) son: (KL-1)(K-1)-(L-1) = (K-1) (L-1).
EDAD_RE
Media
chicas
chicos
Media
>14
12,8
7,5
10,0
14-16
17,5
8,2
13,0
<16
16,2
9,0
13,8
15,7
8,0
12,2
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
Estas medias se denominan medias marginales.
EDAD_RE
Total
chicas
chicos
Total
>14
142
161
303
14-16
198
185
383
<16
141
72
213
481
418
899
Los efectos principales pueden describirse por las diferencias entre las
medias marginales. Por ejemplo la media para chicas es 15,7 mientras que para
los chicos es 8,0. Este es el efecto principal de la variable sexo. El cuerpo de la
tabla muestra que las diferencias en insatisfaccion corporal entre chicas y chicos
para los tres grupos de edad son 5,3 9,3 y 7,2. Aunque la diferencia es ms
acusada en el grupo de ms edad, la mayor parte de la informacin relativa a las
diferencias por sexo se resumen por el efecto principal, la diferencia marginal de
7,7. De modo anlogo, el efecto principal de la edad queda resumido en las
puntuaciones 10, 13 y 13,8. Ahora bien, el grfico pone de manifiesto que el
efecto de la edad no es igual para chicos que para chicas. En el grupo de 14 a 16
aos la insatisfaccin es mayor que en el grupo de menores de 14, tanto para los
chicos como para las chicas, si bien en el grupo de chicas el incremento es
mucho ms acusado. Por otro lado, en el grupo de mayores de 16 aos, la
- 232 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
tendencia se invierte para los dos grupos: en el de las chicas desciende la
insatisfaccin, mientras que en el de chicos se incrementa. Es decir que la
diferencia en insatisfaccin corporal entre chicos y chicas depende del grupo de
edad que se considere. Esto es lo que se denomina el efecto de interaccin entre
los factores. Cuando existe interaccin, las medias marginales no proporcionan
un resumen adecuado de la informacin, aunque esto no quiere decir
necesariamente que los efectos principales no sean informativos. En este grfico
y en la tabla es evidente que las chicas tienen mayor insatisfaccin corporal que
los chicos y tambien se aprecia la tendencia a que la insatisfaccin corporal se
incremente con la edad (salvo para el grupo de chicas mayores de 16). Cuando
existe interaccin, es preciso analizar cuidadosamente las medias para interpretar
adecuadamente los datos. Para que no exista interaccin, la diferencia en las
medias entre niveles de un factor debera ser constante en todos los niveles del
otro factor, lo que se traducira grficamente en lneas aproximadamente
paralelas.
.
- 233 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
9.5.1.a ANOVA de dos factores. Inferencia
Fuente
Grados de
Sumas de
Media
libertad
cuadrados
cuadrtica
I-1
SCA
SCA/ glA
MCA/MCE
J-1
SCB
SCB/ glB
MCB/MCE
AB
(I-1)(J-1)
SCAB
SCAB/ glAB
MCAB/MCE
Error
N-IJ
SCE
SCE/ gle
Total
N-1
SST
SCT/ glT
- 234 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
Valores altos de F conducen al rechazo de la hiptesis nula. El valor p
(grado de significacin) es la probabilidad de que una variable aleatoria que siga
la distribucin F correspondiente sea mayor o igual que el valor calculado.
9.5.2
> Anova(AnovaEdadSexo)
Anova Table (Type II tests)
Response: IC
Sum Sq
EDAD_RE
SEXO
EDAD_RE:SEXO
Residuals
1318
Df
2
12148
652
F value
Pr(>F)
3.6779 0.0256584 *
79267 894
- 235 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
--Signif. codes:
' 1
SEXO : Mujer
SEXO : Varn
18
16
IC
14
12
10
6
1
EDAD_RE
- 236 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
En el grfico se representan las medias por sexo y grupo de edad as
como los intervalos de confianza. Se puede apreciar que los chicos siguen una
tendencia ascendente y uniforme.
- 237 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
y un criterio.
XY =
Cov ( X , Y )
X Y
- 238 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
10.1 Regresin simple
Y = a + bX
Los parmetros a y b permiten estimar los valores de Y asociados a los
valores de X:
Y = 2 + 3X
De este modo,
11
14
17
20
- 239 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
Como se aprecia en la tabla el incremento en 1 unidad de X produce un
incremento de 3 unidades en Y.
- 240 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
dispersin puede apreciarse la relacin entre variables, y el sentido e intensidad
de la misma.
- 241 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
buscamos aquella que genere el mnimo de errores de pronstico al predecir los
valores de Y a partir de los valores de X.
Criterio (Y)
Y=a+bX
Y
e
Y=a+b
Test (X)
X
10.3 Figura Regresin simple
errores,
i =1
- 242 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
a = Y bX
b=
Donde
Cov ( X , Y )
2
X
= XY
Y
X
Yi ' = Y XY
Donde
X + XY Y X i = XY Y X i X + Y
X
X
X
yi' = bxi = xy
y
xi
x
z 'y = XY z X
- 243 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
Donde xi es la puntuacin tpica en la variable predictora,
XY, es la correlacin entre X e Y,
Y ' Z X
2
= 1 XY
nivel de confianza
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
son los mismos. Las reas estn limitadas por los valores crticos
zc=1,96 y zc=2,58.
EMax = Z K e
e = Y ' Y
o
Y = Y '+ e
- 245 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
Dado que la correlacin entre ambos elementos es nula (ye =0), la
varianza de la variable compuesta Y es igual a la suma de las varianzas de sus
componentes. Es decir, la varianza de la variable criterio (y2) se descompone en
la varianza derivada del modelo de regresin (y2) y la varianza debida a las
desviaciones o errores de estimacin (y.x2).
Y2 = Y2 ' + Y2 X
Utilizando el esquema ofrecido por el anlisis de varianza podramos
resumir la informacin acerca de las fuentes de variacin en los datos por medio
del modelo general segn el cual DATOS = AJUSTE + RESIDUAL. La
variacin total en la respuesta Y se expresara por las desviaciones,
- 246 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
(Y Y ) = (Y
2
(1)
'
Y ) + (Yi Yi ' )
2
(2)
(3)
Los trminos (1), (2) y (3) son las sumas de cuadrados total, del modelo y
del error respectivamente; SCT=SCM+SCE. El
F=
MCM
MCE
- 247 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
La tabla ANOVA para la regresin simple sigue el siguiente formato
estndar:
Fuente
Modelo
Grados de
Sumas
libertad
cuadrados
(Y
Error
'
de
SCM/glm
(Y Y )
SCE/gle
(Y Y )
SCT/glt
' 2
N-2
N-1
cuadrtica
Y )
Total
Media
MCM/MCE
Coeficiente de determinacin
Y2 Y2 ' Y2 X
=
+
=1
Y2 Y2 Y2
El primer componente de la descomposicin anterior es el coeficiente de
determinacin, R2. Cuando la relacin entre X e Y es perfecta, es decir, en
ausencia de errores, el coeficiente de determinacin alcanzar el valor 1. Este
coeficiente es el ndice ms utilizado en la determinacin del grado de
aplicabilidad del modelo.
SCE y '
=
R =
SCT y2
2
R2 = 1
Y2 X
y2
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
la correlacin de Pearson entre las variables (XY2). A medida que aumenta la
dispersin de los valores en torno a la recta de regresin disminuir el valor del
coeficiente de determinacin.
2
R 2 = XY
Coeficiente de alienacin
2
K = 1 XY
=
Y X
Y
E = 1 1 xy2
E (eij ) = 0
- 249 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
c.- Independencia entre los errores y los valores observados.
E (eij , eih ) = 0,
jh
El conjunto formado por esas tres asunciones son conocidas como las
condiciones de Gauss-Markov.
Yij ~ Y X , Y2 X
j
eij ~ N ( 0, e2 )
Sexo==chica.
Junto
estas
especificaciones
- 250 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
Residuals:
Min
1Q
Median
3Q
Max
-18.9052
-6.8379
-0.3772
6.1621
25.7014
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept)
8.3772
0.6516
12.86
<2e-16 ***
BA
1.4607
0.1036
14.10
<2e-16 ***
--Signif. codes:
0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
- 251 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
En primer lugar se ofrece informacin sobre la distribucin de los
residuales (Residuals). Por definicin la media aritmtica de los errores es 0
y segn la salida de resultados la mediana de la distribucin no se aleja de ese
valor (-0,37). Adems se ofrece informacin sobre el primer y el tercer cuartil
de la distribucin que en valores absolutos y dada la simetra de la distribucin
han de ser equivalentes. Los cuartiles estimados son -6,8 y 6,16.
IC = 8,37 + 1,46BA
Y Z SYX
Y=8,37+1,4612=25,89
- 252 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
Es una estimacin puntual. Con un nivel de confianza del 95% se podra
afirmar que la puntuacin en Insatisfaccin Corporal de esa persona se encuentra
en el intervalo 25,891,968,548. Si se quisieran generar intervalos de
probabilidad para cada uno de los sujetos bastara con crear dos nuevas variables
que marcaran los lmites superior e inferior del intervalo tal y como se ha
mostrado en la estimacin de la puntuacin verdadera.
- 253 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
IC
10
20
30
40
_______________________________________________________________
10
15
20
BA
2.5 %
97.5 %
1.278205 1.690892
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
Y = B0 + B1 X1 + B2 X 2 + B3 X 3 + ... + Bk X k +
Donde Y es el criterio,
, error de prediccin,
B, los parmetros del modelo (pesos)
Xi, variables predictoras.
Y = XB +
Donde
Es decir,
- 255 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
Y1
1
B0
Y
B
2
2
1
.
.
.
Y =
=
B=
.
.
.
.
.
.
YN
N
Bk
1 X 11
1 X
21
X =
1 X N 1
X 12
X 22
XN2
X 1k
X 2 k
X Nk
Y1
1 X 11
Y
1 X
21
2
.
.
.
=
.
.
.
.
.
.
YN
1 X N 1
X 12
1
X 22
2
B
0
. .
B1 +
. .
B2
. .
X N 2
N
Y1 = B0 + B1 X 11 + B2 X 12 + 1
Y2 = B0 + B1 X 21 + B2 X 22 + 2
YN = B0 + B1 X N 1 + B2 X N 2 + N
- 256 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
y =Xb+e
Donde y es el vector criterio,
e, es el vector residual,
b, es la matriz de pesos estimados
X, es la matriz de variables predictoras.
10.3.2 Supuestos
Y X , X
1
2 ,... X k
= 0 + 1 X1 + 2 X 2 + ... + k X k
X
X
X
X
X
X
b.- Homocedasticidad: Para todo X las varianzas de Y son iguales,
Y2 X , X
1
2 ,..., X k
- 257 -
=2
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
c.- Independencia: Cualquier yi de Y es independiente de cualquier otro
yj .
d.- Normalidad: Para cada X la distribucin de valores de Y es normal.
Y ~ N Y X1 , X 2 ,..., X k ; 2
~ Nk (0, 2 I k )
Es decir, los errores siguen una distribucin normal de orden k, donde la
media es un vector nulo (E()=0) y la matriz de varianzas-covarianzas es (2
IN), siendo IN una matriz identidad de orden N. En esa matriz los elementos
fuera de la diagonal son 0 (las covarianzas entre errores son 0), ya que los
errores son independientes, y los elementos de la diagonal principal (varianzas
de error) son iguales (homocedasticidad).
Y NN ( X, 2I N )
- 258 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
b = ( X'X ) X'y
1
Donde
columna
X, es la matriz transpuesta de X
(XX)-1, es la matriz inversa de (XX)
y, es el vector de puntuaciones en la variable criterio.
y' = Xb
Y el vector de residuales,
e = y Xb
b = C-1xxCxy
Donde
b, es el vector de pesos,
Cxx-1, es la inversa de la matriz de varianzas-covarianzas de las
variables predictoras
Cxy, es el vector de covarianzas entre las variables predictoras y el
criterio.
= R xx1R xy
Donde es el vector de pesos estandarizados
Rxx 1, es la inversa de la matriz de correlaciones entre variables
predictoras,
Rxy, es el vector de correlaciones entre las variables predictoras y el
criterio.
- 259 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
En el modelo de regresin lineal simple el test F de la tabla ANOVA es
equivalente al test bilateral t de hiptesis respecto de 1. En el caso de la
regresin mltiple tambin hay un test F de ANOVA pero pone a prueba la
hiptesis de que todos los coeficientes de regresin (a excepcin del intercepto)
son 0. La forma general de la tabla ANOVA para la regresin mltiple es la
siguiente:
Fuente
Modelo
Grados de
Sumas
libertad
cuadrados
(Y
Error
Y )
SCM/glm
(Y Y )
SCE/gle
(Y Y )
SCT/glt
N-1
Media
cuadrtica
' 2
N-K-1
Total
'
de
MCM/MCE
H o : 1 = 2 = ... = k = 0
Contra la hiptesis alterna
- 260 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
La hiptesis nula mantiene que ninguna de las variables explicativas son
predictoras de la variable respuesta. La alternativa establece que al menos una de
ellas est linealmente relacionada con la repuesta. Como en la regresin simple,
valores altos de F proporcionan evidencia contra H o . Cuando H o es cierta, F
sigue una distribucin F(K,N-K-1). Sus grados de libertad son los asociados con
el modelo y el error de la tabla ANOVA.
R2 = 1
- 261 -
SCE
SCT
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
En el modelo de regresin mltiple el valor del coeficiente de
determinacin es igual al cuadrado del coeficiente de correlacin mltiple entre
las variables predictoras y el criterio.
R 2 = y2' y =
b ' C xy
S y2
= ' R XY
- 262 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
R = 1
2
aj
( N 1) (1 R 2 )
N K 1
reduce el valor de
R 2,
e2 = (1 Raj2 ) Y2
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
2
N k 1 Ry ' y
F =
2
k
1 Ry ' y
que se verifica por medio del estadstico t que sigue una distribucin de
Student con N-K-1 grados de libertad.
t=
bi
ESbi
y
i
1 Ryy2 '
(1 R ) ( N k 1)
2
i. y
- 264 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
1.- Determinar el valor crtico tc en la distribucin t de Student en
funcin del nmero de grados de libertad (N-K-1) y el nivel de
confianza prefijado.
EMax = tc ESbi
de
- 265 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
Call:
lm(formula = IC ~ BA + EDAD, data = Edi.data, subset = SEXO ==
"chica")
Residuals:
Min
1Q
Median
3Q
Max
-19.8991
-6.9437
-0.4725
5.7241
25.0760
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept)
3.0660
2.4562
1.248
BA
1.4626
0.1040
14.066
EDAD
0.3490
0.1563
2.233
0.2126
<2e-16 ***
0.0261 *
--Signif. codes:
0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
- 266 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
Residual standard error: 8.522 on 438 degrees of freedom
(76 observations deleted due to missingness)
Multiple R-squared: 0.3177,
F-statistic:
Los niveles de
t=
bi
1, 46
=
= 14,6
ESbi 0,10
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
(Nmero de sujetos- variables predictoras-1). El intervalo de probabilidad para
el estimador de la Baja Autoestima sera:
1,462+1,640,1040=1,460,17
la
opcin
es
Distribuciones>Distribuciones
97.5 %
1.25823896 1.6669811
EDAD
0.04179919 0.6561753
- 268 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
Response: IC
Sum Sq
BA
14369
EDAD
362
Residuals
Df
F value
Pr(>F)
4.9855 0.02606 *
31811 438
--Signif. codes:
0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
IC=3,06+1,46BA+0,34EDAD
IC=3,06+1,465+0,3413=14,78
- 269 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
Para acceder a ellos es suficiente seleccionar la opcin Modelos >
Grficas>Grficas bsicas de diagnstico.
lm(IC ~ BA + EDAD)
457
20
25
30
3
2
1
0
-1
-3
-2
-1
Theoretical Quantiles
Scale-Location
Residuals vs305
Leverage
0.5
15
20
25
30
35
2
0
299
-3 -2 -1
171
113
Fitted values
0.0
10
299
35
1.0
1.5
Standardized residuals
378
15
Standardized residuals
10
171378
113
-2
-20 -10
Residuals
10
20
Normal Q-Q
171
113
Standardized residuals
30
Residuals vs Fitted
378
305
Cook's315
distance
0.00
Fitted values
0.01
0.02
0.03
Leverage
- 270 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
residuales. Los puntos en la grfica deberan de caer sobre la lnea QQ
si los residuales se ajustaran a una distribucin normal. En este caso
parece apropiada la asuncin de normalidad. Los puntos que se desvan
de la hiptesis son representados con etiquetas que los identifican.
Escala-posicin (Scale-Location).
vs
- 271 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
scatterplot.matrix(~BA+EDAD+IC,
span=0.5,
diagonal
reg.line=FALSE,
=
subset=SEXO=="chica")
- 272 -
'density',
smooth=FALSE,
data=Edi.data,
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
15
20
25
20
10
| | | | | |
| |
25
| | | | | | | | |
10
15
BA
10
15
20
EDAD
|
40
| | | | | | | | | | | | | |
10
15
10.10
20
10
20
30
40
- 273 -
10
20
30
IC
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
La
transformacin
de
puntuaciones
engloba
el
conjunto
de
- 274 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
La transformacin lineal aplicable a cualquier valor o escala est sujeta a
la siguiente ecuacin. En ella se definen los parmetros de transformacin, a y b,
que se corresponderan correlativamente con la media aritmtica y la desviacin
estndar de las nuevas escalas o escalas transformadas.
Yi = a + bX i
donde a y b son los parmetros de la transformacin lineal
a =Y X
b=
SY
SX
Escalas tpicas
zi =
Xi X
SX
- 275 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
Escala tpica derivada
Los valores negativos de las escalas tpicas (dado que el punto medio de
la escala es 0, la mitad de los valores son negativos) son a veces difciles de
interpretar por personas no especializadas ni habituadas a trabajar con este tipo
de escala. Con el fin de solventar este inconveniente es habitual utilizar escalas
derivadas con medias aritmticas y desviaciones estndar prefijadas. Partiendo
de las puntuaciones estndar, el proceso de transformacin consistira en aplicar
la siguiente ecuacin:
Yi = Y + zi S
Donde
Escala
Media
Desviacin
aritmtica
estndar
50
10
WAIS
100
15
Standford-Binet
100
16
MMPI
50
10
Delta
13
- 276 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
Adems de las transformaciones lineales, existen otras que siendo
montonas crecientes s alteran la distribucin original de las puntuaciones;
entre ellas, las ms utilizadas son las puntuaciones centiles y las puntuaciones
estndar normalizadas.
Centiles o percentiles
P=
Donde
f ai + 0,5 fi
N
100
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
Puntuaciones normalizadas derivadas
Una
vez
normalizadas
las
puntuaciones
pueden
aplicrseles
Eneatipos
Lmites
- -1,75 -1,25
-0,75
Percentiles
23-39
5-11
12-22
-0,25
0,25
0,75
1,25
1,75
40-59
60-76
77-88
89-95
>95
Percentiles
- 278 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
Estadsticos > Resmenes, permite seleccionar los cuantiles asociados
a las distribuciones de las variables continuas activas en el conjunto de datos.
Por defecto, Rcommander proporciona los cuantiles de la variable continua, es
decir, aquellos valores que dividen a la muestra en cuatro intervalos 0-25-50-75100.
numSummary(Edi.data[,"IC"],
statistics=c("quantiles"),
quantiles=c(0,.25,.5, .75,1))
>
numSummary(Edi.data[,"IC"],
statistics=c("quantiles"),
quantiles=c(0,.25,.5,.75,1))
0%
0
25%
3
11
50%
18
75% 100%
40
908
n
68
- 279 -
NA
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
La construccin de baremos sin embargo, exige un nmero de
puntuaciones centiles mayores a la opcin por defecto de Rcommander.
Aunque no existen reglas a seguir en lo que respecta al nmero de puntuaciones
centiles que han de obtenerse, siempre hay que utilizar la norma de que las
puntuaciones centiles han de describir a la muestra de la que se extraigan. Es
comn utilizar incrementos de 5 o incrementos de 10 en funcin del rango de la
puntuacin de la variable de la que se van a obtener las puntuaciones centiles.
Para obtener estos valores ser necesario modificar manualmente el comando
anterior en la ventana de comandos especificando los cuantiles que se deseen
extraer.
numSummary(Edi.data[,"IC"], statistics=c("quantiles"),
quantiles=c(0,0.10,0.20,0.25,0.30,0.40,0.50,0.60,0.70,0.75,0.80,
0.85,0.90,0.95,0.99))
0% 10% 20% 25% 30% 40% 50% 60% 70% 75% 80% 85% 90% 95% 99%
0
11
14
17
18
21
24
28
33
37
n
908
NA
68
- 280 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
el caso que nos ocupa, por ejemplo, siendo los valores obtenidos en la variable
Insatisfaccin Corporal significativamente diferentes en funcin del sexo
bastara con seleccionar la opcin que permite obtener salidas diferentes por
grupo en la ventana de especificacin de los descriptivos a obtener:
100%
n NA
chica
15 23.00
40
481 27
chico
5 12.75
37
418 41
numSummary(Edi.data[,"IC"],
groups=Edi.data$SEXO,
statistics=c("quantiles"), quantiles=c(0,.25,.5,.75,1))
Puntuaciones tpicas
- 281 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
Las puntuaciones tpicas correspondientes a las puntuaciones empricas
se obtienen seleccionando la opcin Tipificar variables perteneciente
a
las
opciones
del
men
Datos>Modificar
variables
del
Variable
del
Conjunto
de
- 282 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
seccin anterior. Esta opcin abre una ventana en la que es posible definir el
nombre de la variable que se desea crear y la expresin algebraica que la
compondr.
- 283 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
12 Referencias Bibliogrficas
Ackerman, T. A. (1992). Didactic Explanation of Item Bias, Item Impact and
Item Validity from a Multidimensional Perspective. Journal of
Educational Measurement, 29(1), 67-91.
American Educational Research Association, American Psychological
Association, and National Council on Measurement in Education. (1954).
Standards for Educational and Psychological Tests and Manuals.
Washington, DC: American Psychological Association.
American Educational Research Association, American Psychological
Association, and National Council on Measurement in Education. (1966).
Standards for Educational and Psychological Tests and Manuals.
Washington, DC: American Psychological Association.
American Educational Research Association, American Psychological
Association, and National Council on Measurement in Education (1985).
Standards for Educational and Psychological Testing. Washington, DC:
American Psychological Association.
American Educational Research Association, American Psychological
Association, and National Council on Measurement in Education. (1999).
Standards for Educational and Psychological Testing. Washington, DC:
American Psychological Association.
Angoff, W. H. (1984). Scales, Norms and Equivalent Scores. Princeton, New
Jersey: Educational Testing Service.
Angoff, W. H. (1988). Validity: An Evolving Concept. En H. Wainer y H. I.
Braun (Eds.), Test Validity (19-32 pg.). Hillsdale, N.J.: Lawrence
Erlbaum Associates.
Armor, D.J. (1974). Theta Reliability and Factor Scaling. En H. Costner (Ed.):
Sociological Methodology (pp. 17-50). San Francisco: Jossey-Bass.
Bagozzi, R. P. (1993). Assessing Construct Validity in Personality Research:
Applications to Measures of Self-Esteem. Journal of Research in
Personality, 27, 49-87.
Becker, R. A., Chambers, J. M. y Wilks, A. R. (1988). The New S Language: A
Programming Environment for Data Analysis and Graphics. Pacific
Grove, CA: Wadsworth.
Berk, R. A. (Eds.). (1982). Handbook of Methods for Detecting Item Bias.
Baltimore: John Hopkins University Press.
Bloom, B. S. (Eds.). (1956). Taxonomy of Educational Objectives. Handbook I:
The Cognitive Domain. New York: McGraw Hill.
Bloom, B. S., Hastings, J. T., y Madaus, G. F. (1971). Handbook on Formative
and Summative Evaluation of Student Learning. New York: McGraw
Hill.
- 284 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
Braun, W. J. y Murdoch, D. J. (2007) A First Course in Statistical Programming
with R. Cambridge: Cambridge University Press.
Browne, M. W. (1984). The Decomposition of Multirait-Multimethod Matrices.
British Journal of Mathematical and Statistical Psychology, 37, 1-21.
Byrne, B. M. (1989). A Primer of LISREL. New York: Springer-Verlag.
Camilli, G., y Shepard, L. A. (1994). Methods for Identifying Biased Test Items.
London: Sage.
Campbell, D. T., y Fiske, A. W. (1959). Convergent and Discriminant
Validation by the Multirait-Multimethod Matrix. Psychological Bulletin,
56, 81-105.
Carmines, E. G., y Zeller, R. A. (1979). Reliability and Validity Assessment.
London: Sage.
Cattell, R. B. (Eds.). (1966). Handbook of Multivariate Experimental
Psychology. Chicago: Rand McNally.
Cattell, R. B. (1978). The Scientific Use of Factor Analysis. New York.
Chambers, J. M. (2007). Software for Data Analysis: Programming with R. New
York: Springer.
Chambers, J. y Hastie, T. (1992). Statistical Models in S. Pacific Grove, CA:
Wadsworth y Brooks/Cole.
Clauser, B. E., y Mazor, K. M. (1998). Using Statistical Procedures to Identify
Differentially Functioning Test Items. Educational Measurement: Issues
and Practice, 18, 31-44.
Cole, N. S., y Moss, P. A. (1989). Bias in Test Use. En R.L.Linn (Ed.),
Educational Measurement. Third Edition (pg. 201-219 pg.). New
York: American Council on Education and Macmillan Publishing
Company.
Comrey, A. L. (1985). Manual de anlisis factorial. Madrid: Ctedra.
Crawley, M. J. (2008). The R book. Chichester: John Wiley y Sons.
Cronbach, L. J. (1951). Coefficient Alpha and the Internal Structure of Tests.
Psychometrika, 16(3), 297-334.
Cronbach, L. J. (1971). Test Validation. En R. L. Thorndike (Ed.), Educational
Measurement (443-507 pg.). Washington, DC: American Council of
Education.
Cronbach, L. J. (1975). Five decades of public controversy over mental testing.
American Psychologist, 30, 1-14.
Cronbach, L. J. (1980). Validity on pEdole: How can we go straight? New
Directions for Testing and Measurement: Measuring Achievement over a
Decade. Paper Presented at the ETS Invitational Conference, San
Francisco.
Cronbach, L. J. (1984). Essentials of Psychological Testing (4 Ed.). New York:
Harper.
Cronbach, L. J. (1988). Five Perspectives on the Validity Argument. En H.
- 285 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
Wainer y H. I. Braun (Eds.), Test Validity (3-18 pg.). Hillsdale, N.J.:
Lawrence Erlbaum Associates.
Cronbach, L. J., y Meehl, P. E. (1955). Construct Validity in Psychological
Tests. Psychological Bulletin, 52, 281-302.
Dalgaard, P. (2002). Introductory Statistics with R, Statistics and Computing.
New York: Springer.
Dorans, N.J. y Kulick, E.(1986). Demonstrating the utility of the Standarization
Approach to assessing unexpected Differential Item Performance on the
Scholastic Aptitude Test. Journal of Educational Measurement, 23(4),
355-368.
Ebel, R. L. (1965). Measuring Educational Achievement. Englewood, N.J.:
Prentice-Hall.
Elosua, P. (1996). Froga psikologikoen euskaratzean sorturiko alborapenaren
araky y baieztapena. Euskal Herria, Donostia.
Elosua, P. (2003). Testen euskaratzea. Balizko alborapenaren iturriak. Tantak,
30, 17-38
Elosua, P. (2003). Sobre la validez de los tests. Psicothema, 15(2), 315-321.
Elosua, P. (2005). Evaluacin progresiva de la invarianza factorial entre las
versiones original y adaptada de una escala de autoconcepto. Psicothema
17(2), 356-362.
Elosua, P. (2005). Psikometria. Testen eraky y erabilpena. Bilbao,
U.P.V./E.H.U.
Elosua, P. (2006). Funcionamiento diferencial del tem en la evaluacin
internacional PISA. Deteccin y Comprensin. RELIEVE, 12(2).
Elosua, P. (2009). Existe vida ms all del SPSS? Descubre R. Psicothema,
21(4), 652-655.
Elosua, P., Hambleton, R. K., y Zenisky, A. (2006). Improving the methodology
for detecting biased test items. Paper presented at the 5th ITC Conference
on Adapting Tests, Brussels.
Elosua, P., Lpez, A., y Torres, A. (1999). Adaptacin al euskera de una prueba
de inteligencia verbal. Psicothema, 11(1), 151-161.
Elosua, P., Lpez, A., y Torres, E. (2000). Desarrollos didcticos y
funcionamiento diferencial de los tems. Problemas inherentes a toda
investigacin emprica sobre sesgo. Psicothema, 12(2), 198-202.
Elosua, P., Lpez, A., y Egaa, J. (2000). Fuentes potenciales de sesgo en una
prueba de aptitud numrica. Psicothema, 12(3), 376-382.
Elosua, P., Lpez-Juregui, A. y Snchez-Snchez, F. (2010). Manual de la
adaptacin al espaol del Eating Disoder Inventory-3. Madrid: TEA
Elosua, P., y Lpez, A. (2002). Indicadores de dimensionalidad para tems
binarios. Metodologa de las Ciencias del Comportamiento, 4(1), 121137.
Elosua, P. y Lpez, A. (2007). Aplicacin de cuatro procedimientos de deteccin
- 286 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
del funcionamiento diferencial sobre tems politmicos. Psicothema,
19(2), 329-336.
Elosua, P. y Lpez-Juregui, A., (2008). Equation Between Linguistically
Different Tests: Consequences for Assessment. The Journal of
Experimental Education, 76(4), 387-402.
Elosua, P. y Lpez-Juregui, A., (2010). Manual de la adaptacin al euskera del
Eating Disoder Inventory-3. Madrid: TEA.
Elosua, P. y Muiz, J. (2010). Exploring the Factorial Structure of the SelfConcept: A Sequential Approach Using CFA, MIMIC and MACS
Models, Across Gender and Two Languages. European Psychologist.
Elosua, P. y Wells, C. (2008). A Comparison of Ordinal Logistic Regression and
the IRT Likelihood Ratio Test for Identifying DIF. 6th International Test
Commission Conference, Liverpool.
Elosua, P., y Wells, C. (2008). A Comparison of MACS and the IRT
Likelihood Ratio Test for Identifying DIF. III European Congress of
Methodology, Oviedo.
Elosua, P. y Zumbo, B. (2008). Coeficientes de fiabilidad para escalas de
respuesta categrica ordenada. Psicothema 20(4), 896-901.
Embretson, S. E. (1983). Construct validity: Construct Representation versus
Nomothetic Span. Psychological Bulletin, 93(1), 179-197.
Embretson, S. E. (1985). Test design: Developments in Psychology and
Psychometrics. New York: Academic Press, Inc.
Ferrando, P. J. (1993). Introduccin al anlisis factorial. Barcelona: PPU.
Fidalgo, A. M. (1996). Funcionamiento diferencial de los tems. En J. Muiz
(Eds.), Psicometra (371-455 pg.). Madrid: Universitas.
Flanagan, J. C. (1937). A Note of Calculing the Standard Error of Measurement
and Reliability Coefficients with the Test Scoring Machine. Journal of
Applied Psychology, 23, 529.
Flanagan, J. C. (1951). Units, Scores and Norms. En E. F. Lindquist (Eds.),
Educational Measurement (1 Ed.). Washington DC: American Council
of Education.
Fox, J. (2002). An R and S-plus Companion to Applied Regression. Thousand
Oaks, CA: Sage.
Fox, J. (2005). The Rcommander: A Basic-Statistics Graphical User Interface to
R. Journal of Statistical Software, 14 (9), 1-42.
Fox, J. (2007). Getting Started With the R Commander. Direccin URL:
http://socserv.mcmaster.ca/jfox/Courses/soc3h6/Getting-Started-withthe-Rcmdr.pdf
Garner, D. M. (2004). Eating Disorder Inventory-3. Lutz, FL: Psychological
Assessment Resources, Inc.
Gierl, M.J., y McEwen, N. (1995). Differential Item Functioning on the Alberta
Educationn Social Stuies 30 Diploma Exams. Paper Presented at the
- 287 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
Annual Meeting of the Canadian Society for Studies in Education, Ottawa,
Ontario, Canada.
Gorsuch, R. L. (1974). Factor Analysis. Philadelphia: Saunders.
Gorsuch, R. L. (1983). Factor Analysis. Hillsdale, N.J.: Lawrence Erlbaum
Associates.
Guadagnoli, E., y Velicer, W. (1988). Relation of Sample Size to the Stability of
Component Patterns. Psychological Bulletin, 103, 265-275.
Guilford, J. P. (1946). New Standards for Test Evaluation. Educational and
Psychological Measurement, 6, 427-439.
Gulliksen, H. (1950). Theory of Mental Tests. New York: John Wilwy and Sons.
Guttman, L. (1954). Some Necessary Conditions for Common Factor Analysis.
Psychometrika, 19, 149-162.
Guttman, L. L. (1945). A Basis for Analyzing Test-retest Reliability.
Psychometrika, 10, 255-282.
Hambleton, R. K. (1993). Translating Achievement Tests for Use in Crossnational Studies. European Journal of Psychological Assessment, 9(1),
57-68.
Harman, H. (1980). Anlisis factorial moderno. Madrid: Salts.
Hattie, J. (1984). An Empirical Study of Various Indices for Determining
Unidimensionality. Multivariate Behavioral Research, 19, 49-78.
Hendrickson, A. E., y White, P. O. (1964). Promax: A Quick Method for
Rotation to Oblique Simple Structure. British Journal of Statistical
Psychology, 17, 65-70.
Holland, W. P. y Thayer, D. T. (1988). Differential Item Performance and the
Mantel-Haenszel Procedure. En H. Wainer y H. I. Braun (Eds.), Test
validity (pp. 129-145). Hillsdale, NJ: LEA
Holland, W. P., y Wainer, H. (1993). Differential Item Functioning. Hillsdale:
Lawrence Erlbaum Associates.
Husson, F., L, S. y Mazet, J. (2007), FactoMineR: Factor Analysis and Data
Mining with R. R package version 1.05.
Hunter, J. E., y Schmidt, F. L. (1991). My-analysis. En R. K. Hambleton y J. N.
Zaal (Eds.), Advances in Educational and Psychological Testing: Theory
and Applications (157-184 pg.). Boston: Kluwer Academic Publishers.
Ihaka, R. y Gentleman, R. (1996). R: A Language for Data Analysis and
Graphics. Journal of Computational and Graphical Statistics, 5, 299
314.
Jensen, A. R. (1980). Bias in Mental Testing. New York: Free Press.
Jennrich, R. I., y Sampson, P. F. (1966). Rotation for Simple Loading.
Psychometrika, 31, 313-323.
Kaiser, H. F. (1958). The Varimax Criterion for Analytic Rotation in Factor
Analysis. Psychometrica, 23, 187-200.
Kaiser, H. F. (1960). The Application of Electronic Computers to Factor
- 288 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
Analysis. Educational and Psychological Measurement, 20, 141-151.
Kelley, T.L. (1947). Fundamentals of Statistics. Cambridge, MA: Harvard
University Press.
Kerns, G. J. y Chang, G.A. (2010) Introduction to Probability and Statistics
Using R (IPSUR Taylor & Francis Publishing.
Lawley, D. N. (1940). The Estimation of Factor Loadings by the Method of
Maximum Likelihood. Proceedings of the Royal Society of Edinburgh,
60, 64-82.
Le, S., Josse, J., y Husson, F. (2008). FactoMineR: An R Package for
Multivariate Analysis. Journal of Statistical Software, 25(1).
[http://www.jstatsoft.org/v25/i01/paper]
Linn, R. L., y Harnisch, D. L. (1981). Interactions between Item Content and
Group Membership on Achievement Test Items. Journal of Educational
Measurement, 18(2), 109-118.
Loevinger, J. (1957). Objective Tests as Instruments of Psychological Theory.
Psychological Reports (Monograph Supp. 9), 3, 635-694.
Lpez-Juregui, A. y Elosua, P. (2004). Revista Electrnica de Metodologa
Aplicada 9(2) 1-14.
Lord, F. M. (1980). Applications of Item Response Theory to Practical Testing
Problems. Hillsdale, NJ: LEA.
Lord, F. M., y Novick, M. R. (1968). Statistical Theories of Mental Test Scores.
Reading, Massachusetts: Addison-Wesley Publishing Company.
Magnuson, D. (1967) Test Theory. Boston: Addison Wesley
Marsh, H. W., y Bailey, M. (1991). Confirmatory Factor Analysis of Multiraitmultimethod Data: A Comparison of Alternative Models. Applied
Psychological Measurement, 15, 47-70.
Martnez Arias, R. (1995). Psicometra: Teora de los tests psicolgicos y
educativos. Madrid: Sntesis, S.A.
Maxwell, A. E. (1977). Multivariate Analysis in Behavioral Research. London.
McDonald, R. P. (1981). The Dimensionality of Tests and Items. British Journal
of Mathematical and Statistical Psychology, 34, 100-117.
McDonald, R. P. (1985). Factor Analysis and Related Methods. Hillsdale, New
Jersey: Lawrence Erlbaum Associates.
McDonald, R. P. (1999). Test theory. A Unified Treatment. Mahwah, NJ:
Lawrence Erlbaum Associates.
Mellenbergh, G. J. (1989). Item Bias and Item Response Theory. International
journal of Educational Research, 13, 127-143.
Messick, S. (1980). Test Validity and the Ethics of Assessment. American
Psychologist, 35, 1012-1027.
Messick, S. (1981). Evidence and Ethics in the Evaluation of Tests. Educational
Research, 10, 9-20.
Messick, S. (1988). The Once and Future Issues of Validity: Assessing the
- 289 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
Meaning and Consequences of Measurement. En H. Wainer y H. I.
Braun (Eds.), Test Validity (33-45 pg.). Hillsdale, N.J.: Lawrence
Erlbaum Associates.
Messick, S. (1989). Validity. En R. L. Linn (Eds.), Educational Measurement
(Third Edition, 13-104 pg.). New York: American Council on
Education Macmillan Publishing Company.
Millsap, R. E., y Everson, H. T. (1993). Methodology Review: Statistical
Approaches for Assessing Measurement Bias. Applied Psychological
Measurement, 17(4), 297-334.
Muenchen, R. A. (2009). R for SAS and SPSS Users. New York: Springer.
Mulaik, S. A. (1972). The Foundations of Factor Analysis. New York: McGraw
Hill.
Novick y Lewis (1967) Coefficient alpha and reliability of composite
measurements. Psychometrika, 32, 1-18
Osterlind, S. J. (1983). Test Item Bias. Beverly Hills, California: Sage.
Pardo, A. y San Martn,R (1998). Anlisis de Datos en Psicologa II. Madrid.
Pirmide.
Paradis, E. (2005). R for Beginners. Institut des Sciences de lEvolution:
Montpellier, France.
Petersen, N. S., Kolen, M. J., y Hoover, H. D. (1989). Scaling, Norming and
Equating. En R. L. Linn (Eds.), Educational Measurement (Third edition
ed., 221-262 pg.). New York: American Council on Education and
Macmillan Publishing Company.
Potenza, M. T., y Dorans, N. J. (1995). DIF Assessment for Polytomously
Scored Items: A Framework for Classification and Evaluation. Applied
Psychological Measurement, 19(1), 23-37.
Prieto, G., y Delgado, A. (1999). Medicin cognitiva de las aptitudes. En J.
Olea, V. Ponsoda y G. Prieto (Eds.), Tests informatizados. Fundamentos
y aplicaciones (207-226 pg.). Madrid: Pirmide.
Prieto, G., y Delgado, A. R. (2000). Utilidad y representacin en la psicometra
actual. Revista de Metodologa de las Ciencias del Comportamiento,
2(2), 111-127.
Reckase, M. D. (1979). Unifactor Latent Trait Models Applied to Multifactor
Tests: Results and Implications. Journal of Educational Statistics, 4(3),
207-230.
Rulon, P. J. (1939). A Simplified Procedure for Determining the Reliability of a
Test by Split-Halves. Harvard Educational Review, 9, 99-103.
Scheuneman, J. D. (1984). A Theoretical Framework for the Exploration of
Causes and Effects of Bias in Testing. Educational Psychologist, 19(4),
219-225.
Scheuneman, J. D. (1987). An Experimental, Exploratory Study of Causes of
Bias in Test Items. Journal of Educational Measurement, 24(2), 97-118.
- 290 -
Psicometra.
Conceptos bsicos y aplicaciones prcticas con Rcommander
_______________________________________________________________
Schmitt, N., y Stults, D. M. (1986). Methodological Review: Analysis of
Multitrait-Multimethod matrices. Applied Psychological Measurement,
10, 1-22.
Shealy, R., y Stout, W. F. (1993). A model-based standardization approach that
separates true bias/DIF from group differences and detects test bias/DIF
as well as item bias/DIF. Psychometrika, 58, 159-194.
Simon, J. L. (Ed.). (1969). Basic Research Methods in Social Science. New
York: Random House.
Snow, R. E., y Lohman, D. F. (1993). Cognitive Psychology, New Test Design
and New Test Theory: An Introduction. En N. Frederiksen, R. J. Misley
y I. I. Bejar (Eds.), Test Theory for a New Generation of Tests (1-18
pg.). Hillsdale, New Jersey: Lawrence Erlbaum Associates.
Spearman, C. (1904). The Proof and Measurement of Association between Two
Things. American Journal of Psychology, 15, 72-101.
Spearman, C. (1907). Demonstration of Formulae for True Measurement of
Correlation. American Journal of Psychology, 18, 161-169.
Spearman, C. (1913). Correlations of Sums and Differences. British Journal of
Psychology, 5, 417-426.
Stevens, J. (1992). Applied Multivariate Statistics for the Social Sciences.
Hillsdale, NJ: Lawrence Erlbaum.
Swaminathan, H. y Rogers, H.J. (1990): Detecting differential item functioning
using logistic regression procedures. Journal of Educational
Measurement, 27, 4, 361-370.
Thurstone, L. L. (1947). Multiple Factor Analysis. Chicago: University of
Chicago Press.
Title, C. K. (1982). Use of Judgment Methods in Item Bias Studies. En R. A.
Berk (Eds.), Handbook of Methods for Detecting Test Bias. Baltimore:
John Hopkins University Press.
van de Vijver, F. J. R., y Poortinga, Y. P. (1991). Testing Across Cultures. En R.
K. Hambleton y J.N. Zaal (Eds.), Advances in Educational and
Psychological Testing: Theory and Applications (277-307 pg.). Boston:
Kluwer Academic Publishers.
Venables, W. N. y Ripley, B. D. (2000). S Programming. Springer: New York.
Venables, W.N. y Ripley, B. D. (2002). Modern Applied Statistics with S,
Fourth Edition. New York: Springer.
Venables, W. N., Smith, D. M. y the R Development Core Team (2007). An
Introduction to R. Vienna, Austria: R foundation for Statistical
Computing.
Welch, B.L. (1938). The significance of the difference between two means when
the population variances are unequal. Biometrika, 29, 350-362.
- 291 -