Validación de Instrumentos Psicométricos con SPSS: Procedimiento y Criterios

Este documento detalla el procedimiento para realizar la validación de escalas y cuestionarios utilizando el software estadístico SPSS, centrándose en el análisis factorial exploratorio. Se abordan los pasos clave y los criterios de interpretación para asegurar la validez de constructo de sus instrumentos de investigación.

Pasos para la Ejecución del Análisis Factorial en SPSS

1. Configuración Inicial

   Diríjase a Analizar > Reducción de datos > Análisis factorial. Seleccione los ítems de la escala a analizar. Importante: Si se eliminaron ítems en el cálculo del Alfa de Cronbach, no deben incluirse aquí.

2. Descriptivos

   En la sección Descriptivos, marque las opciones: Solución inicial, KMO y prueba de esfericidad de Bartlett.

3. Extracción

   Configure la sección Extracción de la siguiente manera:

   • Método: Componentes principales
   • Analizar: Matriz de correlaciones
   • Mostrar: Solución factorial sin rotar, Gráfico de sedimentación
   • Extraer: Autovalores mayores que 1

4. Rotación

   En la sección Rotación, seleccione:

   • Método: Varimax
   • Mostrar: Solución rotada, Gráficos de saturaciones

5. Opciones

   En la sección Opciones, configure:

   • Valores perdidos: Excluir casos según lista
   • Formato de visualización de los coeficientes: Ordenados por tamaño, Suprimir valores absolutos menores que 0,3

Interpretación de Resultados del Análisis Factorial

6. Tabla KMO y Prueba de Esfericidad de Bartlett

   Esta tabla responde a la pregunta: ¿Existen factores latentes que extraer y analizar?

   
   • KMO (Kaiser-Meyer-Olkin): Un valor superior a 0,5 indica la presencia de factores latentes.
   • Criterios para KMO:
     • > 0,50: Hay factores latentes.
     • > 0,70: Es conveniente realizar el análisis factorial.
   • Prueba de Esfericidad de Bartlett: El valor de significancia (Sig.) debe ser estadísticamente significativo (p < 0,05).

7. Tabla de Comunalidades

   La comunalidad de una variable es la proporción de su varianza que puede ser explicada por el modelo factorial.

   

   Aquí se identifican las variables pobremente explicadas por el modelo factorial. Por ejemplo, el ítem A3 explica solo un 22,3% de su varianza original.

8. Varianza Total Explicada

   

   Esta tabla permite observar el número de factores estimados al considerar la presencia de un factor cada vez que los autovalores son mayores que 1.

   Autovalores iniciales (Total): Se cuentan los autovalores mayores que 1 para determinar el número de factores.

9. Gráfico de Sedimentación (Scree Plot)

   Este gráfico permite observar visualmente el número de factores estimados al considerar la presencia de un factor cada vez que los autovalores son mayores que 1.

   

   Se buscan los puntos donde la curva se "dobla" o se aleja significativamente de la línea horizontal. En este ejemplo, se observan 3 factores (o dimensiones).

10. Matriz de Componentes

    En esta matriz, observamos el grado en que cada ítem está vinculado a los distintos componentes.

    

    Carga Factorial: Cada valor, denominado carga factorial, representa la correlación entre cada variable original (ítem) y los factores (componentes) obtenidos del procedimiento.

11. Interpretación de la Matriz de Componentes Rotados

    Esta matriz nos permite observar el grado en que cada ítem está vinculado a los distintos componentes.

    Para la correcta interpretación de la carga factorial, se pueden considerar los siguientes criterios:

    • Un factor se considera adecuado cuando al menos dos ítems presentan una carga factorial superior a 0,7.
    • Si no aparece un valor de carga, significa que la correlación era inferior a 0,3, ya que se ha configurado SPSS para suprimir valores absolutos menores a este umbral.
    • Un ítem se asigna al factor o componente en el que presente la carga factorial más alta.

    Para cada ítem, se debe identificar el factor en el que presenta la carga factorial más alta; esto indica a qué componente pertenece.

    Si un ítem presenta cargas factoriales similares (con una diferencia menor a 0,05) en dos o más factores, la decisión de asignación debe basarse en la coherencia teórica entre el ítem y la conceptualización de cada factor.

    1. Identificación Conceptual de Factores

       Para ello, se deben observar los ítems que poseen mayor carga en cada factor y realizar una abstracción conceptual.

       En el ejemplo proporcionado, se observa que el Factor 1 representa el malestar subjetivo asociado a la falta de memoria, incluyendo síntomas como la preocupación. El Factor 2, por su parte, se vincula con la experiencia de satisfacción respecto a las habilidades de memoria. Finalmente, el Factor 3, aunque menos definido por cargas inferiores a 0,7, podría medir la importancia atribuida a la dificultad para recordar algo específico.

       Una vez establecida la conceptualización de los factores, se debe revisar cada ítem individualmente para determinar su coherencia con el factor al que ha sido asignado. En el ejemplo, los ítems A2 y A5 no concuerdan plenamente con los factores identificados. Ante esta situación, se puede sugerir una mejora en la redacción de estos ítems para que apunten directamente a los conceptos clave de la escala (malestar subjetivo, satisfacción, importancia) o, en su defecto, considerar su eliminación si no contribuyen significativamente a la estructura factorial.