Docsity
Docsity

Prepara tus exámenes
Prepara tus exámenes

Prepara tus exámenes y mejora tus resultados gracias a la gran cantidad de recursos disponibles en Docsity


Consigue puntos base para descargar
Consigue puntos base para descargar

Gana puntos ayudando a otros estudiantes o consíguelos activando un Plan Premium


Orientación Universidad
Orientación Universidad


psicometria, Apuntes de Psicometría

Asignatura: Psicometría, Profesor: , Carrera: Psicología, Universidad: UAM

Tipo: Apuntes

2016/2017

Subido el 06/10/2017

joseluis3795
joseluis3795 🇪🇸

3

(3)

6 documentos

1 / 9

Toggle sidebar

Esta página no es visible en la vista previa

¡No te pierdas las partes importantes!

bg1
Psicometria
3, Modelo clásico y fiabilidad
3,2 supuestos
Primer supesto
X=V+E
Xif: Puntuación empírica u observada de un sujeto i en el test f.
Vi: Puntuación verdadera o nivel real del sujeto i en el test. V es constante
“fijo” para un mismo sujeto.
Eif: Error de medida cometido en la medición.
E (y X) son variables para un mismo sujeto.
E es la diferencia entre el nivel observado y el real.
Se asumen formas parelas
Segundo supuesto.
Se asume que los errores tiene media cero. V= (E)(X)
Si pudiéramos medir a un sujeto infinitas veces (medidas repetidas) el
valor esperado de sus puntuaciones empíricas X sería su puntuación
Verdadera V y el valor esperado del error E sería 0 (puesto que es
aleatorio).
Error aleatorio: Unas vecesz es positivo y otras veceses negativo. La
media es cero.
Tercer supuesto. Correlación nula entre E y V en el mismo test.
Cuarto supuesto. Correlación nula entre los errores de dos test distintos
Quinto supuesto. Correlación nula entre los errores y las puntuaciones
verdaderas en distintos test
De todo esto se deriva:
1. Aplicamos a una persona distintas medidas con diferente valor de X, por tanto
siempre Var(X)=Var(E)
2. Aplicamos el test a diferentes personas, por tanto:
pf3
pf4
pf5
pf8
pf9

Vista previa parcial del texto

¡Descarga psicometria y más Apuntes en PDF de Psicometría solo en Docsity!

Psicometria

3, Modelo clásico y fiabilidad

3,2 supuestos

Primer supesto

X=V+E

Xif : Puntuación empírica u observada de un sujeto i en el test f. Vi : Puntuación verdadera o nivel real del sujeto i en el test. V es constante “fijo” para un mismo sujeto. Eif : Error de medida cometido en la medición. E (y X ) son variables para un mismo sujeto. E es la diferencia entre el nivel observado y el real. Se asumen formas parelas Segundo supuesto. Se asume que los errores tiene media cero. V= (E)(X) Si pudiéramos medir a un sujeto infinitas veces (medidas repetidas) el valor esperado de sus puntuaciones empíricas X sería su puntuación Verdadera V y el valor esperado del error E sería 0 (puesto que es aleatorio). Error aleatorio: Unas vecesz es positivo y otras veceses negativo. La media es cero. Tercer supuesto. Correlación nula entre E y V en el mismo test. Cuarto supuesto. Correlación nula entre los errores de dos test distintos Quinto supuesto. Correlación nula entre los errores y las puntuaciones verdaderas en distintos test De todo esto se deriva:

  1. Aplicamos a una persona distintas medidas con diferente valor de X, por tanto siempre Var(X)=Var(E)
  2. Aplicamos el test a diferentes personas, por tanto:

3,3 Concepto de formas paralelas y fiabilidad

Para que sean formas parelas tienen que tener el mismo numero de items,las mismas especificaciones de contenido y la misma dificultad media. El coeficiente de fiabilidad es la proporcion de variaza empirica (de una cualqiera de las formas paralelas) debida a la varianza del verdadero nivel del rasgo.

3,4 Fiabilidad de un test alargado

¿que pasa si hacemos el test más largo? Sea un test (a) compuesto por "n" formas paralelas. ¿Que relación hay entre las puntuaciones en el test alargado y las puntuaciones en las n formas paralelas?

EJ. Un test de razonamiento verbal tiene 20 items y un coeficiente de fiabilidad de 0,70. ¿Cuantos items deberá tener el test para alcanzar una fiabilidad de 0,90? 3,5 Aproximación a la fiabilidad La fiabilidad es el grado de estabilidad, precisión o consistencia de un instrumento de medidad. En la práctica existen distintas aproximaciones para estimar la fiabilidad.

1. Mediante formas paralelas: Correlación entre los resultados de dos formas aplicadas a la misma muestra. Es el coeficiente de fiabilidad de las puntuaciones en una de las dos formas. Se interpreta como proporcion de varianza empírica que se debe a ls puntuaciones verdaderas. 2. Test-retest: Correlación entre los resultados de aplicar el mismo test en dos momentos temporales distintos. También se denomina coeficiente de estabilidad temporal

  1. Consistencia interna
  • Metodo de las dos mitades Dividir el test en dos mitades equivalentes (pares e impares), después se calcula la correlación entre las dos mitades y luego se aplica la formula de S-B para estimar la

fiabilidad de las puntuaciones del test completo.

  • Coeficiente alfa de Cronbach Por lo general el coeficiente alfa entre 0 y 1. Estimación por defecto del coeficiente de fiabilidad. Indica el grado de coovariación media entre los items. También depende de la longitud. Valores extremadamente altos (>0,90) puede indicar redundancia en el contenido de los items. No es un indicador de unidimensionalidad
  1. método de extracción de factores metodos para estimar los pesos factoriales, estimar un parametro de un módelo. Existen distintos métodos para estimar la matriz factorial.
  • Los distintos métodos difieren en los supuestos distribucionales y en la estrategia empleada para buscar los parámetros que minimizan las correlaciones residuales (a 0).
  • Algunos métodos (Ej.: EP, ULS y MV) son métodos iterativos. Los parámetros no se estiman en un solo paso sino por aproximaciones sucesivas. El procedimiento para cuando en dos interacciones sucesivas los pesos son los mismos, esto se llama convergencia. También se para cuando se han hecho muchas interacciones y siguen variando, no se alcanza la convergencia. El que vamos a usar en clase es el de maxima verosimilitud.
  • Componentes principales (CP) → No recomendable. Asume que los ítems no tienen parte específica ni error de medida. Es el método más usado. Es la opción por defecto en muchos programas. Se sobreestiman los pesos.
  • Ejes principales (EP), máxima verosimilitud (ML) ó mínimos cuadrados no ponderados (ULS): Recomendables. Usar ML si se cumple el supuesto de distribución multivariada normal de las variables (nos permite obtener contrastes estadisticos como si los residuales son proximos a cero o no). ML permite contrastar el ajuste del modelo a los datos Para usar ML, tenemos que ver que las variables siguen una distribución multivariada normal. Si la simetria y la curtosis se aproximan mucho a cero, se asume que la distribucion es normal. SI no fuera asi también se podria usar, pero no se pueden realizar contrastes estadisticos.
  1. Selección del número de factores Idea clave en AFE: seleccionar el número minimo de factores con el que se reproduzca bien

la matriz de correlaciones. Hay que ver cuando ha bajado lo suficente para no seguir añadiendo factores Métodos basados en el analisis de residuos:

  • La bondad de ajuste mediante pearson
  • Analisis estadistico sobre la signifiación los residuos Métodos basados en la proporcion de varianza explicada por el factor: Criterio basado en el analisis de los residuos:
  • Inspeccion de los residuos: Comprobar que los residuos sean bajos (menores que 0,1)
  • Obtener la raiz residual cuadrático medio (RMSR); esto es la raiz de la media de los residuales al caduadrado (valores aceptables si son menores de 0,08) Ejemplo: