UNIDIMENSIONALIDAD
Download
1 / 34

UNIDIMENSIONALIDAD - PowerPoint PPT Presentation


  • 90 Views
  • Uploaded on

UNIDIMENSIONALIDAD. Calderón Risquete, Diana. ¿¿Que es??: Un instrumento será unidimensional si todas las respuestas dadas a él son basadas en un mismo atributo, es decir, si es un solo atributo el que se mide. Primero validez y fiabilidad. Teoría clásica de los Test .

loader
I am the owner, or an agent authorized to act on behalf of the owner, of the copyrighted work described.
capcha
Download Presentation

PowerPoint Slideshow about 'UNIDIMENSIONALIDAD' - heaton


An Image/Link below is provided (as is) to download presentation

Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author.While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.


- - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - -
Presentation Transcript
Unidimensionalidad

UNIDIMENSIONALIDAD

Calderón Risquete, Diana


Unidimensionalidad

¿¿Que es??:Un instrumento será unidimensional si todas las respuestas dadas a él son basadas en un mismo atributo, es decir, si es un solo atributo el que se mide.

Primero validez y fiabilidad

Teoría clásica de los Test

Después Unidimensionalidad

  • Razones por las que un test debe de ser Unidimensional, Stout:

  • Contaminación de una variable por otros conocimientos.

  • Test diseñado para medir diferencias individuales mida un único rasgo.

  • Debe darse la Unidimensionalidad para que para que este pueda estar al alcance la TRI.


Unidimensionalidad

DEFINICIONES BASADAS EN PATRONES DE RESPUESTA

Test

Unidimensional

ESCALA PERFECTA (GUTMAN)


Definiciones basadas en la teor a de rasgo latente tri i
Definiciones basadas en la teoría de rasgo latente (TRI)(I)

  • Entendemos la unidimensionalidad como el grado de varianza común compartida que tienen los ítems que componen un tests.

  • Lo primero que se debe cumplir para hablar de unidimensionalidad es la independencia local.

Asume que las respuestas de diferentes sujetos j con un determinado nivel i en el rasgo a un ítem son también estadísticamente independientes de las respuestas de esos sujetos a cualquier otro ítem, es decir, cada nueva respuesta es independiente de la respuesta anterior, y éstas sólo vienen determinadas por la probabilidad de acierto a ese ítem, que para sujetos con igual nivel de habilidad, es la misma para todo el grupo.


Definiciones basadas en la teor a de rasgo latente tri ii
Definiciones basadas en la teoría de rasgo latente (TRI)(II)

Dimensionalidad

Esencial(STOUT,1987-1990)

Independencia local

Tienen en común la característica de la independencia estadística entre las respuestas de los sujetos


Unidimensionalidad

Definiciones basadas en la teoría de rasgo latente (TRI)(IV)

  • Dimensionalidad psicológica: número de constructos psicológicos hipotéticos necesarios para la consecución exitosa de un test.

  • Dimensionalidad estadística: número mínimo de variables matemáticas que se necesitan para resumir una matriz de respuestas a ítems.

Reckase (1990)

Dimensionalidad psicológica—Dimensionalidad estadística


Definiciones basadas en la teor a de rasgo latente tri iv
Definiciones basadas en la teoría de rasgo latente (TRI)(IV)

  • Esta interacción, postula, puede ser unidimensional de tres formas distintas dependiendo de:

    • lo que mida un ítem.

    • la variación que los sujetos presentan en la medición de dichas dimensiones.

ACKERMAN

(1992)

Dimensionalidad como interacción entre los sujetos y los ítems.


Unidimensionalidad

Definiciones basadas en la teoría de rasgo latente (TRI) (TRI)(IV)

CONCLUSIONES (V)

Evolución histórica de la unidimensionalidad:

  • Independencia local.

  • Dimensionalidad esencial (Scout).

  • Dimensionalidad psicológica - dimensionalidad estadística (Reckase).

  • Dimensionalidad (Ackerman).

    De todo lo anteriormente expuesto surge la teoría de respuestaal ítem o teoría del rasgo latente.

    Se trata de un modelo probabilístico que permite conocer la información que aporta cada ítem y con ello, crear test a medida.


Unidimensionalidad

  • Plantea un modelo en el que es posible considerar simultáneamente varios factores que pueden influenciar la manera en que un sujeto responde a un ítem y que no solo afectan al grupo de pertenencia, sino a la ocasión temporal en que la variable es medida, a la sensibilidad del ítem a una categoría de respuesta determinada, a la facilidad con que un rasgo encubre a otros, etc.

  • La teoría de los violadores consta de tres componentes:

    1. Hace referencia a las definiciones de pureza de un ítem y de unidimensionalidad.

    2. Una tipología de los violadores.

    3. Este último se ocupa de cómo construir una escala que sea unidimensional y eficiente.

VIOLADOR POTENCIAL: variable con respecto a la cual un ítem puede estar sesgado. Una escala consistente en un conjunto de ítems es unidimensional si y solo si todos y cada uno de los ítems que la componen son puros con respecto a cualquier violador potencial


Unidimensionalidad

Definiciones basadas (TRI)(IV)

en la consistencia interna

Definición:grado de relación existente entre los ítems de una prueba.Estamos en la escala tipo Lickert y que para sumar ítems deben medir lo mismo.

Utilizamos

Procedimiento de las dos mitades : fórmula Spearman Brown

Procedimiento informativo de cada ítem:

Ө de Cronbach

(ítem continúos)

Kuder-Richardson (para ítems dicotómicos).


Evaluaci n de la unidimensionalidad ndices basados en los patrones de respuesta
EVALUACIÓN DE LA UNIDIMENSIONALIDAD: (TRI)(IV)Índices basados en los patrones de respuesta

Coeficiente de Reproductibilidad de Guttman:tiene en cuenta los errores cometidos al predecir las respuestas a los ítems de los sujetos a los que se pasa el test.

Errores = número de unos y ceros fuera de su lugar en la matriz de escala perfecta.

CR= 1- E/Nn

E = número de errores

N = número de sujetos

N = número de ítems


Ndices basados en la fiabilidad i
Índices basados en la fiabilidad (I) (TRI)(IV)

Alpha de Cronbach: evaluación de la unidimensionalidad desde esta perspectiva asume que alpha es alto si el test es homogéneo

Es un límite inferior de la proporción de varianza debida a los factores comunes entre los ítems de un test y el límite superior de la proporción de la varianza debida al primer factor común.


Unidimensionalidad
Índices basados en la fiabilidad(II): (TRI)(IV)Según Green et al (1977),el comportamiento de alpha en distintas circunstancias:

  • El coeficiente crece cuando aumenta el número de ítems.

  • El coeficiente crece rápidamente cuando el número de repeticiones paralelas de cada tipo de ítem aumenta.

  • El coeficiente aumenta cuando el número de factores presentes en cada ítem aumenta.

  • El coeficiente se aproxima y sobrepasa rápidamente el valor de 0.8 cuando el número de factores presentes en cada ítem es dos o mayor y el número de ítems es moderadamente grande (mayor o igual a 45).

  • El coeficiente decrece moderadamente cuando las comunalidades de ítems disminuye.


Ndices basados en el modelo factorial i
Índices basados en el modelo factorial (I) (TRI)(IV)

  • Índice basado en la proporción de varianza explicada por el primer factor

  • La cuestión está en a partir de qué valor de varianza explicada se consideraría que existe unidimensionalidad.

  • Para determinar el número de factores idóneo que deben tenerse en cuenta en un análisis. Se han desarrollado diversas reglas y estadísticos:

    - La regla de Kaiser-Guttman, o regla K1

    - El Scree Test de Cattell. Línea recta base a la altura de los últimos autovalores (los más pequeños) y aquellos que queden por encima indicarán el número de factores a retener.


Ndices basados en el modelo factorial ii
Índices basados en el modelo factorial (II) (TRI)(IV)

  • MAP de Velicer: Promedio de las correlaciones parciales al cuadrado

  • Criterio de Barlett: Prueba estadística para contrastar la hipótesis nula. Cada autovalor es excluido de manera secuencial hasta que no puede ser rechazada la hipótesis nula a través de una prueba de Ji-cuadrado (χ²)

  • Análisis paralelo:A nivel poblacional los autovalores de una matriz de correlaciones para variables no correlacionadas tomarían valor 1.

  • Razón de Verosimilitud: se trata de un criterio de bondad de ajuste La lógica de este procedimiento es comprobar si el número de factores extraído es suficiente para explicar los coeficientes de correlación observados.


An lisis factorial en datos binario i
Análisis factorial en datos binario (I) (TRI)(IV)

  • Se han propuesto varias soluciones para el estudio de ítems dicotómicos:

  • Christoffersson ideó un método para analizar factorialmente los ítems dicotómicos usando correlaciones tetracóricas, e implica:

  • -por una parte indicar la proporción de ciertos esperados para cada ítem

  • -por otra parte la indicación del porcentaje de aciertos que tienen

  • en común un par de ítem.

  • Las distancias ponderadas, es decir, más o menos la media de las distancias entre los valores esperados y los observados de estas proporciones son minimizadas usando el método de Mínimos Cuadrados Generalizados.

Cálculos muy complicados

Muthén desarrolló un método de mínimos cuadrados que permitía reducir los cálculos y por lo tanto aumentaba su utilización


An lisis factorial en datos binario ii
Análisis factorial en datos binario (II) (TRI)(IV)

  • El Análisis Factorial de Información Completa de Bock : trata de utilizar la información contenida en las tablas de frecuencia conjunta de todos los órdenes.

  • Análisis Factorial No Lineal de McDonald: cuando las respuestas a los ítem son variables dicotomizadas pero que se subyacen a variables continúas entonces no habría ningún problema de utilizar correlaciones lineales sobre matrices tetracóricas, pero si las respuesta a los ítem son dicotómicas no podemos hacer un modelos en el que exista una relación lineal entre el los ítem y el factor. Al revés en este caso solo podríamos hablar de una relación No Lineal.

  • El inconveniente que tenía aplicar un análisis factorial a datos binarios es que se distorsionaban los pesos de los ítems con dificultades extremas, muy fáciles-muy difíciles, sin término medio ninguno.


Ndices basados en la tri
Índices basados en la TRI (TRI)(IV)

  • Se basan en el grado de ajuste utilizando índices como Ji-cuadrado, análisis de residuos

  • Problema: cuando utilizamos Ji-cuadrado puede resulta fácilmente significativa con una muestra grande.

  • Han sido propuestos otros índices como el método de Bejar, el de Stout y el de Rosenbaum.

    • Bejar intenta detectar la multidimensionalidad

    • Stout propone u estadístico que es conocido como el estadístico T de Scout, para determinar la unidimensionalidad de un conjunto de ítems basado en su conceptualización de dimensionalidad esencial.

    • El modelo de Rosenbaum puede ser aplicado independientemente del modelo de TRI, y es conocido como Test de Independencia Condicional y Monotonicidad



Unidimensionalidad

ESTUDIOS COMPARATIVOS (II) (TRI)(IV)

ZwickAplicación a matrices análisis de componentes principales, Análisis Factorial de Información Completa de Bock y el test de Rosenbaum.(NAEP, ítems de lectura como datos empíricos)Acuerdo entre los tres métodos para indicar que la decisión de calibrar los ítems con un modelo unidimensional es correcta.

Ayala y Hertzog Comparación entre el funcionamiento del análisis factorial y del escalamiento Multidimensional no métrico. Funcionamiento del escalamiento Multidimensional no métrico "esperanzador" como instrumento para determinar la dimensionalidad.

Tucker, Humphreys, Roznowsk Contraste del funcionamiento de: diferencias entre autovalores, cociente de diferencias entre autovalores, criterio de independencia local y patrones de pesos factoriales que deberían darse si los ítems respondieran a una escala perfecta de Guttman. Ningún índice ofrece prestaciones satisfactorias en todas las condiciones. Se descartan para su uso la diferencia entre los dos primeros autovalores



Unidimensionalidad

ESTUDIOS COMPARATIVOS (IV) (TRI)(IV)

Berger y KnolEstudio de índices de fiabilidad: estadísticos formales para el ajuste de los modelos de TRI, criterios de selección de modelos por información teórica, cantidad total de varianza explicada y residuales tras ajustar un modelo de análisis factorial no lineal a los datos. El primer procedimiento no es muy fiable, el segundo funciona algo mejor, la estructura de la matriz de parámetros de discriminación es crucial para el funcionamiento de las medidas que emplean autovalores, los criterios de autovalores deben evitarse, el análisis en paralelo funciona bastante bien y las medidas basadas en los residuales del análisis factorial no lineal funcionan bastante bien.

Nandakumar Comparación de la ejecución de tres métodos de evaluar la unidimensionalidad: el método de Stout, el de Holland y Rosenbaum y el análisis factorial no lineal.Los tres métodos confirman correctamente la unidimensionalidad. El método de Stout funciona adecuadamente para detectar la ausencia de unidimensionalidad. Los otros dos métodos tienen buenos resultados cuando la correlación entre habilidades es baja


Viabilidad del supuesto de unidimensionalidad
Viabilidad del supuesto de unidimensionalidad (TRI)(IV)

- Muy Estricta.

- En la vida real es prácticamente imposible

  • Influencia de la instrucción

    Todos los aspectos que pueden influir negativamente en el supuesto

    que estamos tratando son llamados “violadores” y se clasifican según

    Oort, en cinco:

  • Violaciones de los ítems. Hace referencia a la independencia local. Según ésta, los modelos asumen que las respuestas de las personas a un ítem son independientes de las respuestas a los demás ítems.

  • Violaciones del rasgo. Hace referencia a la validez del constructo.

  • Violaciones de estilo de respuesta. Los sujetos pueden tener más en cuenta una categoría de respuesta concreta que el contenido del ítem.

  • Violaciones de grupo

  • Violaciones de tiempo, ya que los parámetros no permanecen constantes a lo largo del tiempo.


Modelos multidimensionales hay que decidir para desarrollar un modelo multidimensional
Modelos multidimensionales (TRI)(IV) Hay que decidir para desarrollar un modelo multidimensional:

¿ Modelo compensatorio o no-compensatorio ?

  • Compensatorio: para responder correctamente a un ítem de alta habilidad en una de las dimensiones puede compensar la baja habilidad en otras.

    • Hattie (1981).

    • Doody-Bogan y Yen (1983).

    • McKinley y Reckase (1983b)

  • No compensatorio: la alta habilidad en una dimensión no puede compensar el déficit en las otras.

    • Sympson (1978)


Modelos multidimensionales conclusiones
Modelos multidimensionales: Conclusiones (TRI)(IV)

  • Los modelos en auge son los compensatorios, estando su elección supeditada a cuestiones de tipo teórico y practico.

  • La multidimensionalidad empieza a quedar representada por programas

MAXLOG

MIRTE


Robustez de los modelos unidimensionales

Se abandona el estudio de la unidimensionalidad para centrarnos en robustez de las estimaciones ante la violación de una de las asunciones elementales de los modelos más populares.

Estudios:

-Reckase (1979).

-Drasgow y Parsons (1983).

-McKinley (1983).

-Doody-Bogan y Yen (1983).

-Yen (1984).

Robustez de los modelos unidimensionales

Doody-Bogan (1985).

Ansley y Forsyth (1985).

Way, Ansley y Forsyth (1988).

Cuesta y Muñiz (1999).


Robustez de los modelos unidimensionales conclusiones
Robustez de los modelos unidimensionales: Conclusiones centrarnos en robustez de las estimaciones ante la violación de una de las asunciones elementales de los modelos más populares.

  • Tendencia encontrada en los tests no adaptados, también se produce en los test adaptados pero de una manera aun mas acentuada.

  • Prudencia al emplear modelos unidimensionales con datos multidimensionales.

  • No emplearlos, y por lo tanto, crear instrumentos verdaderamente unidimensionales o potenciar el desarrollo de modelos multidimensionales.

  • Cuanto mayor sea la relación entre las dimensiones subyacentes mas parecido existirá entre las estimaciones unidimensionales y los verdaderos valores de los parámetros.


Unidimensionalidad

Estadístico descriptivo centrarnos en robustez de las estimaciones ante la violación de una de las asunciones elementales de los modelos más populares.

Ejemplo

Práctico:

Análisis Factorial

PRETEST


Unidimensionalidad

Matriz de componentes principales centrarnos en robustez de las estimaciones ante la violación de una de las asunciones elementales de los modelos más populares.

VARIANZA TOTAL EXPLICADA


Unidimensionalidad

Varianza explicada centrarnos en robustez de las estimaciones ante la violación de una de las asunciones elementales de los modelos más populares.

Dos dimensiones


Unidimensionalidad

VARIANZA EXPLICADA centrarnos en robustez de las estimaciones ante la violación de una de las asunciones elementales de los modelos más populares.


Estad sticos descriptivos postest
Estadísticos descriptivos centrarnos en robustez de las estimaciones ante la violación de una de las asunciones elementales de los modelos más populares.POSTEST

Advertencia


Unidimensionalidad

Análisis de Postest centrarnos en robustez de las estimaciones ante la violación de una de las asunciones elementales de los modelos más populares.


Unidimensionalidad

Matriz de componentes centrarnos en robustez de las estimaciones ante la violación de una de las asunciones elementales de los modelos más populares.


ad