CÓMO COMPROBAR FORMAS PARALELAS DE DOS TEST PSICOMÉTRICOS

CONCEPTO DE FORMAS PARALELAS

Cuando un psicólogo aplica un test a una persona, únicamente conoce su puntuación directa X en la prueba. Lo importante, como se ha indicado en el artículo Modelo Clásico y Concepto de Fiabilidad, es obtener información de las relaciones entre las X observadas en el test y el nivel de rasgo o puntuación verdadera de la persona (V). 

Un procedimiento sería obtener la correlación entre ambas para un grupo de N personas, pero nos encontramos con el inconveniente de desconocer las auténticas V de las N personas. Sí resulta factible, sin embargo, obtener la correlación entre las puntuaciones empíricas que proporcionan dos formas paralelas de un test, diseñadas ambas para evaluar el mismo rasgo V de los individuos.

Según el Modelo Clásico, dos formas paralelas de un test se definen mediante dos condiciones:

a) Un individuo tiene la misma puntuación V en ambas formas.

b) La varianza de los errores de medida en ambas formas es la misma.

El lector puede comprobar en la tabla de datos expuesta anteriormente que los tests 1 y 2 pueden considerarse formas paralelas, dado que se cumplen en los datos las dos condiciones planteadas.

Ahora bien, estamos asumiendo que los datos anteriores se refieren a una población determinada, en la que conocemos las V y los E de los individuos. En la práctica desconocemos esas puntuaciones y, además, disponemos generalmente de datos muestrales y no poblacionales. ¿Cómo determinar entonces si dos formas son o no paralelas? En la tabla anterior podemos constatar que, si dos formas son paralelas, las medias poblacionales de X en ambas son iguales, y también los son las varianzas poblacionales de las puntuaciones X.

Según esto, y haciendo uso de los procedimientos empleados en estadística inferencial, si disponemos de datos muestrales podemos realizar los contrastes oportunos para determinar, con cierta probabilidad, si dos formas son o no paralelas.

Para muestras relacionadas, el contraste sobre diferencia de medias se plantea como:

H₀: μ₁ - μ₂ = 0

H₁: μ₁ - μ₂ ≠ 0

 

Que sigue la distribución t de Student con (N – 2) grados de libertad donde r₁₂ es la correlación de Pearson entre X₁ y X₂.

Ejemplo de formas paralelas: Se quiere saber, con probabilidad 0,95 si dos tests (1 y 2) son o no formas paralelas. Ambos tests fueron aplicados a una muestra de 5 personas y se obtuvieron las puntuaciones que se presentan a continuación:

Para el contraste de diferencia de medias, se obtiene un valor T = -0,46 lo que  lleva a no rechazar H₀, mientras que para el Contraste sobre Diferencia de Varianzas se obtiene un estadístico de contraste T = -0,34, que también nos lleva a no rechazar H₀ de igualdad de varianzas poblacionales. Según esto, se puede decir, con probabilidad 0,95 o con un Nivel de Confianza de 95%, que ambos tests son formas paralelas.

Pero de dónde salieron esos datos, cómo se hicieron los cálculos, se sabe que son operaciones basados en Estadística Inferencial Básico que quien lee este material debe conocer, sin embargo, vamos a hacerlos paso a paso para no perder coherencia en la explicación e impedir que el lector abandone el artículo y el blog que se pone cada vez más interesante.

De acuerdo con la metodología de Prueba de Hipótesis, Contrastes de Hipótesis Estadística o Docimasia de Hipótesis el procedimiento es el siguiente:

Paso 1: se formulan las hipótesis estadísticas

H₀: μ₁ - μ₂ = 0 => hipótesis nula; No existe diferencia significativa entre las medias de los resultados de ambos test

H₁: μ₁ - μ₂ ≠ 0 => hipótesis alterna; existe diferencia significativa entre las medias de los resultados de ambos test

Paso 2: Se fija el nivel de significación de la prueba o nivel de confianza del contraste que para este caso se conviene en que el nivel de significación es de 0,05, es decir un Nivel de Confianza de 95%

Paso 3: Se fija el valor T teórico, es decir, cuanto es el máximo valor que puede tomar T para que la hipótesis nula no sea rechazada. Entonces se busca en la tabla t de Student para N – 1 grado de libertad. t_(0,025;4) =  2,78

En la imagen siguiente se observa la localización del valor t Student que se espera o teórico para (N-1) grados de libertad. (5 – 1) = 4 grados de libertad 

 

 

Para el Contraste Sobre Diferencia de Varianzas se obtuvo un estadístico de contraste  T = -0.36, que también lleva a no rechazar H₀ de igualdad de varianzas poblacionales. Según esto, puede decirse que con probabilidad 0,95, que ambos tests son formas paralelas.

 

Este tema se seguirá desarrollando y explicando en próximas entregas, por favor haga sus comentarios, críticas constructivas para mejorar este sitio de discusión y aprendizaje.

Suscríbase al blog y comparta sus contenidos en redes sociales

Para Procesamiento, Análisis e Interpretación de Test Psicológicos y Estudios Cuantitativos puede contactarnos en el sitio http://www.plepso.com.ve

Hasta una próxima entrega.

OTROS ARTÍCULOS DE INTERÉS
PROCESO DECONSTRUCCIÓN DE UN TEST PSICOMÉTRICO IV	MODELO CLÁSICO Y CONCEPTO DE FIABILIDAD (Psicometría)	¿DE QUÉ SE TRATÓ EL EXPERIMENTO DE MILGRAM?

 

 

REFERENCIAS BIBLIOGRÁFICAS Y DOCUMENTALES

Amón J. (1984). Estadística para psicólogos. Probabilidad. Estadística Inferencial. Volumen 2. 3ª edición. Madrid: Pirámide.

Hambleton R.K, Swaminathan H. y H.J. Rogers (1991). Fundamentals of Item Response Theory. MMSS volumen 2. Londres: Sage.

Hambleton R.K. y Swaminathan H. (1985). Item Response Theory: Principles and applications. Boston: Kluwer.

Kerlinger, F. (1988). Investigación del Comportamiento. Segunda Edición. México. Editorial  McGraw-Hill.

Levet, Lorena (2015) Perímetro Cefálico [Video en línea] disponible en: https://www.youtube.com/watch?v=bR5lfc68CWc [Consulta: 2017, septiembre 23]

López Pina, José Antonio (1995). Teoría de la respuesta al ítem: fundamentos. Barcelona: PPU. Barcelona.

Muñiz Fernández J. (1997). Introducción a la Teoría de Respuesta a los Items. Madrid: Pirámide.

Olea, J. y Ponsoda, V. (2003). Tests adaptativos informatizados. Madrid: UNED Ediciones.

Olea, J., Ponsoda, V. y Prieto, G. (1997). Tests informatizados. Madrid: Pirámide.

Ponsoda V., Olea J. y Revuelta J. (1994). ADTEST: A computer adaptive test based on the maximum information principle. Educational and Psychological Measurement, 57, 2, 210-221.

Reckase M.D. (1979). Unifactor latent trait models applied to multi-factor tests: Results and implications. Journal of Educational Statistics, 4, 207-230.

Renom J. (1993). Tests adaptativos computerizados. Fundamentos y aplicaciones. Barcelona: PPU.