Más allá del alfa de Cronbach

393032712_fa788a6c4d_b

Publicado originalmente en Psychological Statistic.

Una cosa interesante de trabajar en el campo de la estadística psicológica es lo difícil que es sacar a la gente de su confienza en métodos malos, ineficientes o problemáticos. Mi punto de vista – formado en parte por la bibliografía, por la experiencia y por la anécdota – es que no basta con establecer que el enfoque estándar es incorrecto. Ni siquiera es suficiente con proporcionar una alternativa obviamente superior. Se necesitan al menos otras tres cosas: i) llevar el mensaje a las personas que utilizan esos método, ii) reducir las barreras a la realización del procedimiento (proporcionar un software fácil de usar, con tutoriales fáciles de entender), y iii) conseguir que el nuevo método sea enseñado a nivel de grado o máster. Un buen ejemplo es la necesidad de proporcionar los intervalos de confianza así como las estimaciones puntuales. Este ha sido defendido durante décadas y se ha filtrado poco a poco a través de la práctica estándar. Es más, los intervalos de confianza sólo se suelen reportar cuando paquetes populares de software (como el SPSS) los arroja de forma predeterminada. Por ejemplo, muy pocos trabajos de psicología los ofrecen para el coeficiente de correlación r (probablemente porque no se encuentra en muchos textos introductorios y no forma parte de la salida de SPSS por defecto).

Un ejemplo en este sentido es el problema de la estimación de la fiabilidad interna. Hay docenas de trabajos en la literatura psicométrica que han demostrado que la medida de fiabilidad de consistencia interna más popular, el coeficiente alfa (o alfa de Cronbach), es seriamente defectuoso. Se han propuesto una serie de enfoques o medidas alternativas que son relativamente fáciles de calcular y que tienen buenas propiedades cuando se aplican a las escalas propias de la psicología. Sin embargo, estos procedimientos rara vez se utilizan en la práctica. Las principales barreras aquí son probablemente la conciencia del problema y la disponibilidad de un software apropiado. Mi conjetura es que en la medida en que estas barreras se reduzcan, las alternativas a alfa también se meterán en los libros de texto y serán más ampliamente enseñadas.

Tom Dunn (ex-estudiante de doctorado) acaba de escribir un artículo (junto con Viv Brunsden y yo mismo – Thom Baguley) con el objetivo de cambiar la actitud de las personas hacia el coeficiente alfa. Y acaba de ser aceptado en el British Journal of Psychology. En él tratamos de resumir con la mínima jerga posible las críticas de coeficiente alfa y recomendar una alternativa simple: el coeficiente omega de McDonald (McDonald, 1999). Además, y más importante si cabe, también ofrecemos un mini-tutorial sobre el cálculo de omega usando R. Elegimos R, ya que es, de código abierto y funciona en sistemas Mac, PC y Linux. Sin contar con que tiene la gran ventaja adicional de que el paquete MBESS lo estima como intervalos de confianza automáticamente. Las estimaciones de fiabilidad (de cualquier tipo) son bastante inútiles si se presentan como estimaciones puntuales, por la imprecisión que aportan. En muchos casos, el límite inferior del intervalo de confianza del 95% es una guía más útil de si una prueba es confiable. Es cierto que el límite inferior suele ser conservador, pero es mejor prevenir que curar en la mayoría de los casos.

Un versión previa del artículo ( los enlaces a la versión en línea se añadirá tan pronto como estén disponibles) se puede encontrar aquí. El script de R que se usa en el documento está accesible aquí. Los conjuntos de datos (en un archivo comprimido llamado “ejemplo omega”) se pueden descargar aquí. También puede descargar el archivo de datos con formato CSV directamente desde aquí.

Referencias:

Cronbach, L. J. (1951). Coefficient alpha and the internal structure of tests. Psychometrika, 16, 297–334.

Dunn, T., Baguley, T., & Brunsden, V. (2013, in press). From alpha to omega: A practical solution to the pervasive problem of internal consistency estimation. British Journal of Psychology.

McDonald, R. P. (1999). Test theory: A unified approach. Mahwah, NJ: Lawrence Erlbaum Associates.

Bienvenidos

Ahora mismo estamos en obras pero la intención de Psicología de Datos es convertirse en el recurso metodológico en castellano más importante para estudiantes, investigadores y profesionales de la psicología y ciencias afines. Como ven no somos para nada ambiciosos.

Ya les aviso que será un trabajo largo y lento, y que seguramente necesitaremos ayuda. Pero, ¡qué leñe!, la psicología bien vale unas cuentas noches trabajando en vela.

Let’s go!