TEMA 3: Escalas de medida. Validación de cuestionarios.

Transcripción

1 1. INTRODUCCIÓN. ESCALAS BÁSICAS. 2. ESCALAS COMPARATIVAS Y NO COMPARATIVAS. 3. ANALISIS CLÁSICO DE ÍTEMS 3.1 ANÁLISIS PRIMARIOS. 3.2 FIABILIDAD. 3.3 VALIDEZ. 4. ESCALAMIENTO MULTIDIMENSIONAL (MDS). 4.1 CONCEPTOS BÁSICOS. SIMILARIDADES. 4.2 MODELOS MÉTRICOS Y NO-MÉTRICOS. STRESS. 4.3 APLICACIÓN A LA VALIDACIÓN DE CUESTIONARIOS.

2 3.1 Introducción. Escalas Básicas. Medir: cuantificar observaciones empíricas. Asignar el conjunto de valores posibles para un conjunto de objetos y en establecer la regla de correspondencia Escalas Básicas (Stevens): Escala Nominal. Escala Ordinal. Escala de intervalos. Escala de Razón.

3 3.2 Escalas comparativas y no comparativas. Escalas comparativas Escala de comparación por pares. Escala de orden. Escala de sumas constantes. Escala de Guttman. Escalas no comparativas Escalas continuas. Escala de ítems. Escalas multi-ítems: Escala de Likert. Escala de Osgood. Escala de Stapel.

4 3.3.1 Análisis de Ítems. Análisis Primarios. Proceso Análisis primarios. Cálculo de la fiabilidad-validez. Escala provisional. Análisis adicionales: cualitativos y cuantitativos. Nuevas versiones modificadas. Versión definitiva. Otros análisis posteriores (validez). Análisis Primarios: Significación de un ítem estableciendo la relación entre las notas elementales que han sido dadas y las notas globales correspondientes. Método de los grupos extremos: t-student o Wilcoxon. Método de la correlación ítems-test (normalidad): r- Pearson. Dificultad para asignar decisión en la inclusión/exclusión de ítems.

5 3.3.1 Análisis de Ítems. Fiabilidad. La fiabilidad es necesaria pero no suficiente para que una medida sea valida. Mejora eliminando los peores ítems. Valoraciones sobre la magnitud del coeficiente de fiabilidad. Fiabilidad y numeración de respuestas. Necesidad de calcular la fiabilidad en las nuevas muestras. Evaluación de la fiabilidad: Técnica TEST-RETEST (pruebas repetidas). Consistencia Interna: Método SPLIT-HALF (Coeficiente alfa de Cronbach). Crítica de coeficientes. Proceso: Cálculo de la fiabilidad de la escala con todos los ítems. Eliminar los ítems que con más claridad no son discriminantes. Calcular la fiabilidad de la nueva versión de la escala más reducida. Repetir el proceso del paso anterior, hasta que la fiabilidad empieza a bajar (fiabilidad óptima).

6 3.3.2 Análisis de Ítems. Validez. Un instrumento de medida se dice válido cuando mide lo que debe medir. Aspectos de la Validez Menor error sistemático en la medida. Recoger todos los aspectos de la característica medida (validez de contenido). Los indicadores diseñados representan bien al fenómeno en estudio (validez de constructo). La escala es capaz de refleja las relaciones entre las medidas de una variable y otras anticipadas por la teoría (validez de criterio). Hay relación con otros instrumentos que pretendidamente miden lo mismo (validez convergente). No hay relación con otros instrumentos que miden otras cosas (validez divergente).

7 3.4.1 MDS. Conceptos Básicos. Similaridades. Objeto: Obtener representación espacial de estímulos en función de: Medida de similaridad entre estímulos. Dimensiones utilizadas. La importancia relativa de cada dimensión. Relación perceptual de los objetos. Escalas de medida y similaridades entre estímulos. Los estímulos de la configuración propuesta tienen salvo error medible distancias equivalentes a las originales.

8 3.4.2 MDS. Modelos Métricos y No-métricos. Modelo métrico: Distancias como función lineal de similaridades (proximidades). Problema de la constante aditiva. Productos escalares. Obtención de la configuración. Modelo no-métrico: Distancias como función monótona de similaridades. Algoritmo de Shepard-Kruskal. Obtención de disparidades. Cálculo de la medida de ajuste STRESS. Crítica de modelos. Dimensionalidad óptima.

9 3.4.3 MDS. Aplicación a la validación de cuestionarios. Escalas multi-ítems y objetos de MDS. Elección de la medida de similaridad. Configuración de ítems: detección de puntos discordantes. Configuración de individuos: detección de elementos discordantes. Determinación de la dimensión óptima. Interpretación de ejes. Análisis de sensibilidad de la configuración. Robustez. Comparación con Análisis Cluster y A. Factorial.