¿Tienes confianza? La confiabilidad y el Alfa de Cronbach

Estimados todos, bienvenidos a un nuevo episodio de Stats SOS, espero que estén muy bien.

En la aventura de hoy tenemos que tener mucha confianza en nosotros y nuestros datos :). El post de hoy como bien sale, busca ver cuán confiables son nuestros datos. En otras palabras, ver si es que las personas nos han respondido por responder o si lo han hecho de manera consciente. Otro tema que nos ayuda la confiabilidad es conocer a grandes rasgos cómo es que está funcionando nuestro cuestionario.

En ese caso, el reto de nuestra aventura es poder resolver el tema de la confiabilidad y poder describirla de manera sencilla. 

Entonces, ¿qué es la confiabilidad? La confiabilidad estadística es cuando los resultados de un análisis se pueden reproducir en diferentes muestras. En otras palabras, son consistentes. Cuando se analiza un cuestionario, se busca que este tenga confiabilidad y consistencia interna. El primero significa que este cuestionario pueda representar efectivamente y sin un gran sesgo, las opiniones de las personas. Aparte, estas opiniones pueden reproducirse nuevamente con el mismo cuestionario.

¡Excelente! Ahora vamos a lo siguiente, consistencia interna. Como el mismo nombre lo dice, se refiere al interior de un cuestionario. En otras palabras, a que los puntajes de cada pregunta del cuestionario sean consistentes con el puntaje total de todo el cuestionario. Pero ahora me dirán, ¿Cómo diablos sacamos el puntaje total de todo la prueba? Muy sencillo, la colección de todas las preguntas del cuestionario nos permite obtener un puntaje total del mismo. Hay varias maneras de obtener esto, pero no tocaré este tema aquí, los que tienen interés en ello siempre pueden ir a la parte de comentarios :).

Entonces, dicho esto en esta aventura veremos específicamente una técnica para obtener la confiabilidad o fiabilidad que vendría a ser el análisis por consistencia interna, el cual es el Alfa de Cronbach. Pero es importante mencionar que existen otras formas de calcular la confiabilidad, como la técnica por mitades, el test-retest, etc.

Ojo, pestaña y ceja (1): El análisis de consistencia funciona de manera adecuada con preguntas que tienen un escala de respuesta de tipo Likert. Una escala Likert, es la clásica escala de respuesta que tiene por ejemplo, valores del 1 – 7, donde 1 es “Nunca”, 2 “Algunas veces”, hasta el  7 que sería “Siempre”. El Alfa de Cronbach no funciona bien con escalas que tienen valores sí y no (dos opciones de respuesta). Para ello, existen otras técnicas estadísticas (Sijtsma, 2009).

¡Perfecto! En lugar de estar hablando tanto, creo que lo mejor que podríamos hacer es ir a un ejemplo :). Imagínense que queremos conocer los niveles de estrés de un grupo de trabajadores justo después del cierre laboral de fin de mes donde la carga de trabajo es muy alta. Para ello, usamos un cuestionario de 33 preguntas sobre síntomas de estrés que tienen opciones de respuesta del 1-5, donde 1 es “Nunca” y 5 es “Siempre”.

Le pedimos a la empresa que nos de tiempo para entregarle una encuesta a los 250 trabajadores para conocer sus síntomas de estrés. Sin embargo, el encargado nos comenta que tengamos cuidado porque en este espacio laboral, la gente tiende a subestimar sus niveles de estrés y muchos de ellos no aceptan que se sienten muy tensos y evidencian síntomas de estrés.

Dicho esto, nos ponemos alerta y sabemos que tenemos que tener especial cuidado con esto. Muy bien, les tomamos el cuestionario de estrés a los trabajadores, ingresamos toda la información a la computadora y ¡a viajar!

Para nuestro viaje es necesario que sigamos la siguiente ruta:

Analizar/Escala/Análisis de fiabilidad/

En esta ventana, es necesario entrar a Estadísticos, y hacer click (pinchar) para marcar la casilla que dice “Escala si se elimina el elemento”, luego de ello Continuar. 

¡Genial! Ya estamos a mitad del proceso, ahora cerremos esta parte. Luego de ello, debemos poner los elementos que vendrían a ser todos los ítems o preguntas de la prueba que quieren analizar. Aceptar. 

¡Muy bien! Si necesitan un café, té o manzanilla, ¡este es el momento perfecto! (5 minutos después). (Tambores para darle ritmo a los análisis de nuestros resultados).

Tabla 1

Esta primera tabla nos dice nuestro Alfa de Cronbach general. ¿Qué diablos significa este número? ¡Muy sencillo! En el fondo es una correlación, así como la correlación de Pearson que ya conocemos (ver post). La única diferencia con una correlación es que los valores posibles son de 0 – 1. Si les sale un Alfa de Cronbach negativo es muy probable que hay un error de dignación de los cuestionarios. 

En esencia, este estadístico nos propone lo siguiente: Nosotros le tomamos la prueba a 250 trabajadores, ¿cierto? Ahora asumamos que escogemos al azar otro grupo de 250 trabajadores y se les toma la misma prueba. Luego de ello, se hace una correlación de los puntajes de la prueba de nuestros trabajadores con este grupo “ficticio” o mejor dicho “esperado” de puntajes. Y así, mis valientes aventureros sale el Alfa de Cronbach. ¿Enredado? ¡No se preocupen! Lo seguimos viendo.

En ese caso, nuestro Alfa de Cronbach debe ser alto, porque demuestra que hay una relación fuerte entre estos dos grupos, lo cual a su vez muestra que hay consistencia, porque se puede reproducir los mismo puntajes de nuestra prueba de estrés con este otro grupo esperado.

En este caso, nuestro Alfa de Cronbach es de .933 lo cual muestra un Alfa de Cronbach bastante bueno. Algunos autores muestran que valores mayores a .70 son adecuados y que menor a esto puede ser complicado (George & Mallery, 2003; Gliem & Gliem, 2003). En ese caso, vamos !muy bien!

Tabla 2

 

Ahora se viene lo bueno, ¡¿Qué es esta tabla enorme con muchos números?! Sencillo, es un resumen de nuestras 33 preguntas de síntomas de estrés. Nada más y nada menos. Los que aún siguen un poco nerviosos por esta tabla no hay problema, (aquí un poco de música relajante para calmar los ánimos).

Si bien aquí salen 4 columnas, las columnas más importantes para nosotros son las dos últimas hacia la derecha. La primera nos dice la correlación item-test. ¿Qué es esto? Es la correlación de los puntajes de cada pregunta con los puntajes totales de toda la prueba.  Pero en este caso, los valores sí pueden ir de -1 a 1. Pero lo que nosotros buscamos es que todos los valores sean positivos. Nuevamente, así como el Alfa de Cronbach, los puntajes deben ser altos. En ese caso, una clásica regla de dedo es que los valores deben ser mayores a .40 (Gliem & Gliem, 2003). Sin embargo, esto es bien discutible porque se pueden encontrar otras reglas de dedo con valores menores.

En nuestro caso, podemos ver que la gran mayoría de las preguntas funcionan bien con la excepción de la: 8, 12, 14 y 33. Esto lo sabemos porque la correlación ítem – test es menor a .40. En otras palabras, los puntajes de estos ítems no están fuertemente relacionados con el puntaje total de la prueba.  En general, cuando ocurre esto la lógica sería retirar los ítems que no funcionan bien del análisis. 

¡Pero no tan rápido! ¡Paremos el carro! Antes de hacer esto, es necesario ver a la última columna de la derecha, que es el “Alfa de Cronbach si es que se elimina el elemento”. Aquí, como el nombre lo dice, nos muestra cuánto subiría nuestro Alfa de Cronbach si es que retiramos el ítem (pregunta) de nuestro análisis. Si vemos en la columna, si retiramos los ítems 8, 12 y 14 el Alfa de Cronbach no subiría nada o subiría a penas un punto, entonces no vale la pena quitar esos ítems.

Por otro lado, si retiramos el ítem 33 (que tiene una correlación ítem-test de .078), aquí sí hay un cambio de 3 puntos en el Alfa de Cronbach. Por lo tanto, sería recomendable eliminar ese ítem de nuestra escala de estrés.

¿Cómo se elimina el ítem? Muy sencillo se vuelve a realizar todo la aventura con la única diferencia que esta vez no incluimos la pregunta 33 y listo (Aquí les dejo una tonada aventurera de los 80).

Ojo, pestaña y ceja (2): El Alfa de Cronbach asume por defecto Unidimensionalidad. ¿Uni…que? Esto quiere decir que interpreta que todas las preguntas que pongamos en el análisis generan un puntaje total único. Si tienen cuestionarios que tienen diferentes áreas o temas. Por ejemplo, 5 ítems miden autoestima, 6 ítems miden, identidad, etc. Es mejor utilizar el Alfa de Cronbach separando por cada una de las áreas.

¡Muy bien! Creo esto sería todo mis valientes lectores, ¡hemos logrado la hazaña! ¡Los felicito por ello! Recuerden que si tienen alguna pregunta pueden ir siempre a la parte de comentarios. Encantado de poder responderles y saber más de ustedes. Por último, un ojo, final.

Ojo, pestaña y ceja (3): Si bien el Alfa de Cronbach se ha mostrado como una aventura aparte, en general siempre que hagamos análisis inferenciales (ver post), cualquiera que hayamos visto en Stats SOS, siempre es importante antes analizar la consistencia interna de nuestros datos. ¿Por qué? porque sino estamos analizando datos y haciendo concluyendo sobre la base de datos que no son confiables. 

¡Perfecto! Para la siguiente aventura volveremos a nuestras queridas regresiones y las miraremos más a profundidad. En otras palabras, entraremos en la selva de la moderación y la mediación estadística. 

Espero que todos hayan experimentado una excelente aventura, siempre es muy agradable poder enfrentar estas aventuras con ustedes.

¡Buenas vibras para todos!

Referencias

George, D., & Mallery, P. (2003). SPSS for Windows step by step: A simple guide and reference. 11.0 update (4th ed.). Boston: Allyn & Bacon.

Gliem, J & Gliem, R. (2003). Calculating, Interpreting, and Reporting Cronbach’s Alpha Reliability Coefficient for Likert-Type Scales. Conference in Adult, Continuing, and Community Education. Midwest Research to Practice.

Sijtsma, K. (2009). On the use, the misuse and the very limited of the Cronbach’s Alpha. Psychometrika, 74(1) 107-120. DOI: 10.1007/S11336-008-9101-0

Advertisement