Psicometricas

Propiedades psicométricas del cuestionario ComColors

La validación estadística del cuestionario ComColors ha sido elaborada bajo la dirección de un doctor en psicología que ha aplicado las metodologías psicométricas actuales empleando las herramientas más recientes de las que se disponen hoy en día (2012).

En una primera etapa se creó un cuestionario que permitiera realizar un análisis factorial exploratorio. Este trabajo consistió en medir las dimensiones psicológicas de los seis tipos de personalidad del modelo ComColors. Para realizar este trabajo, fue necesario crear una primera serie de preguntas que se propuso a un grupo de alrededor de 130 personas. De esta manera, hemos podido distinguir las dimensiones psicológicas fidedignas de las que no procuraban medidas de calidad. Repetimos esta operación cuatro veces para conseguir una medición clara de las dimensiones psicológicas medidas.

El siguiente cuadro es el resultado del último análisis factorial exploratorio que demuestra que, como lo esperábamos, los ítems de una dimensión (azul, por ejemplo) sólo están fuertemente saturados con un único factor y muy poco con los factores de las otras dimensiones.

Cerrar

Cuadro Nº1. Resultado del análisis en componentes principales con rotación varimax

Al finalizar este último análisis factorial exploratorio (AFE), comenzamos una validación más profunda de la estructura del cuestionario realizando un análisis factorial  confirmatorio (AFC) sobre 352 participantes.

El análisis factorial confirmatorio es una técnica estadística que constituye la prolongación del análisis factorial exploratorio. El objetivo del análisis factorial confirmatorio es verificar la solidez del modelo teórico que emerge del análisis exploratorio. Por consiguiente, el AFC es una etapa mucho más avanzada del proceso de investigación que el AFE.

Close

Figura Nº1. Modelo estructural

El principio del análisis confirmatorio consiste en verificar que el modelo teórico no sea diferente del modelo observado. Para ello, se calculan indicadores que permitan medir la calidad del ajuste entre el modelo teórico y el modelo observado.

El primer indicador a tomar en cuenta es el  χ2  ya que permite calcular la existencia de una diferencia entre la matriz de co-variación observada y la matriz de co-variación  estimada. Si lo ideal fuera aceptar la hipótesis nula, este test  sería problemático porque depende del efectivo de la muestra y del número de parámetros del modelo examinado.  Para evitar estas distorsiones, el hecho de interpretar los diferentes indicadores sirve para obtener una mejor evaluación de la calidad del ajuste. En ese sentido, hemos retenido cierto número de indicadores de ajuste que son generalmente aceptados para verificar la calidad del modelo observado.

El CFI (Comparative Fit Index) y el TLI (Tucker-Lewis Index) son indicadores basados en la diferencia con respecto al modelo de independencia. Estos indicadores examinan la diferencia entre el chi2 del modelo atestado y el chi2 del modelo teórico. Su valor puede variar en teoría de 0 a 1. Se considera que indican un buen ajuste a partir de valores del orden de .90.

El RMSEA (Root Mean Square Error of Approximation) permite evaluar las diferencias normalizadas entre la matriz observada y la matriz estimada. Los autores consideran que un valor igual o inferior a .06 es garante de un buen ajuste.

Una última categoría de indicadores se centra en la variación explicada. El SRMR estándar  (Standardized Root Mean Residual)  es la raíz cuadrada del promedio de la suma de los cuadrados de los residuos de cada célula de la matriz. Los autores consideran que un valor igual o inferior a .05 es signo de un buen ajuste.

El GFI (Goodness of Fit Index) permite tomar en consideración la variación de la matriz observada sobre la cual se basa el modelo. Este indicador varía en teoría entre 0 y 1, con un valor de ajuste al menos equivalente a .90,

Indicadores                             χ2                 p           df            RMSEA            GFI          TLI           CFI               SRMR

Modelo COMCOLORS         467.2     <.001     259       .059                 .91          .92          .93              .048

Cuadro Nº 2. Indicadores de ajuste

Como podemos constatarlo en el cuadro precedente, todos los indicadores de ajuste alcanzan y en general superan los umbrales recomendados; por lo cual, podemos afirmar que el modelo se ajusta correctamente a los datos y que por lo tanto puede considerarse como válido desde un punto de vista estructural.