REPÚBLICA BOLIVARIANA DE VENEZUELA

MINISTERO DEL PODER POPULAR PARA LA EDUCACIÓN

UNIVERSITARIA, CIENCIA Y TECNOLOGÍA
UNIVERSIDAD BICENTENARIA DE ARAGUA
INSTITUTO UNIVERSITARIO DE TECNOLOGÍA MARIO BRICEÑO
IRRAGORRY
CONVENIO UBA-IUTEMBI

Confiabilidad Estadística y Coeficientes de Correlación.

(Ensayo)

Autor:
Univ. Franny Delgado.
C.I:25.454.867
Materia:
Psicoestadística.
Docente: Franklin García.
Sección: X1.

Octubre del 2021.

 INTRODUCCIÓN

La psicoestadística es una rama de la psicología que utiliza los

aportes de la estadística para elaborar sus interpretaciones. A partir de su
uso, pueden estudiarse escenarios que son altamente impredecibles. Es por
esto, que los investigadores deben utilizar las herramientas adecuadas
durante sus estudios, a modo de que los resultados que estos arrojen sean
de alta confiabilidad y veracidad.

La confiabilidad en sí misma consiste en la esperanza firme que se

tiene sobre algún acto, así como su presunción a eventos futuros. En el caso
de la psicoestadística, la confiabilidad manifiesta el esfuerzo del evaluador
para asegurar la pertinencia y permanencia del procedimiento empleado, así
como de las estrategias y métodos utilizados al momento de realizar la
evaluación. De este modo, para poder asegurar un mayor grado de
confiabilidad, los profesionales se valen de herramientas estadísticas tales
como los coeficientes de correlación, los cuales representan la medida
específica de la relación lineal que existe dos variables.

A continuación, se profundizará acerca del concepto de confiabilidad

según tres diferentes autores, así como también se ahondará sobre el uso
de los diferentes métodos de correlación según Pearson, Spearman y
Cronbach.
1) Definición de Confiabilidad por tres autores y explicar cada
concepto.

En líneas generales, la confiabilidad es la capacidad que tiene un ítem

de desempeñar una función requerida, en condiciones establecidas durante
un período de tiempo determinado. Es decir, que la confiabilidad requerida se
logra cuando el "ítem" hace lo que el investigador espera que haga y en el
momento que él decida que lo haga.

En este sentido, según Hernández, Fernández y Bastidas (2003), “la

confiabilidad... se determina mediante diversas técnicas, y se refiere al grado
en el cual su aplicación repetida en el mismo sujeto produce resultados
iguales”. Esto quiere decir que para que un ítem se considere “Confiable”,
debe producir en la muestra seleccionada los mismos resultados cada vez
que se aplique el método. Del mismo modo, estos autores indicaban que
existen numerosas fórmulas para generar coeficientes de confiabilidad; las
cuales arrojan resultados que van desde 0, lo cual indica un grado de
confiabilidad nulo. Y 1, que indica un máximo grado de confiabilidad, lo que
se traduce en que mientras más cerca esté el resultado de cero (0), mayor
error existirá en la medición.

Por otro lado, para Ander Egg (2002), la confiabilidad expresa “la
exactitud con que un instrumento mide lo que tiene que medir”.(p.44). Es
decir, que la confiabilidad expresa la estabilidad y la confiabilidad de la
muestra. También puede definirse como el grado de homogeneidad de los
ítems del instrumento relacionados a las características que pretende medir,
lo que se traduce por el autor como la confiabilidad de consistencia interna a
homogeneidad.
 Por último, Chávez (2001) indicaba que la confiabilidad se realiza
para determinar la exactitud de los resultados obtenidos, al ser aplicados en
situaciones parecidas. Es decir que la confiabilidad se refiere al grado de
congruencia con el que se miden las variables en un trabajo de investigación.

2) Métodos que se usan para determinar confiabilidad y ejemplo de

cada uno de ellos:

 Método de Pearson

El coeficiente de correlación de Pearson es una prueba que permite

medir la relación estadística entre dos variables continuas. Dicho coeficiente
puede tomar un rango de valores de +1 a -1, en donde un valor de 0 indica
que no hay asociación entre las dos variables y un valor mayor que 0 indica
una asociación positiva.

Es decir, a medida que aumenta el valor de una variable, también lo hace

el valor de la otra. Un valor menor que 0 indica una asociación negativa; es
decir, a medida que aumenta el valor de una variable, el valor de la otra
disminuye. Su fórmula es:

∑ zx z y
r xy =
N

Donde:

- “x” es igual a la variable número uno.

- “y” pertenece a la variable número dos.

- “zx” es la desviación estándar de la variable uno.

- “zy” es la desviación estándar de la variable dos.

- “N” es número de datos.

 - Si rxy > 0 → la relación es positiva.

- Si rxy = 0 → no existe relación.

- Si rxy < 0 → la relación es negativa.

Factores a tener en cuenta:

1. Los límites oscilan entre –1 y 1.

2. Naturaleza de las variables: si trabajamos con variables muy

semejantes (ej. dos formas paralelas de un test) las correlaciones deberán
ser muy altas, pero si trabajamos con variables de naturaleza muy diversa
(ej. habilidad verbal y extraversión) una correlación menor supondrá una
relación alta.

3. Coeficientes de correlación que han obtenido con anterioridad otros

investigadores.

4. Fiabilidad de los instrumentos de medida, ya que si existe correlación,

al aumentar la fiabilidad de los instrumentos, suele también aumentar la
correlación.

5. Variabilidad de los datos: cuanto mayor sea la covarianza, mayor será

también la correlación de Pearson.

Condiciones para poder aplicar el coeficiente de correlación de

Pearson:

1. Se debe de tratar de una relación simple, es decir, entre dos variables.

2. La relación entre esas dos variables ha de ser lineal.

3. Las variables tienen que estar, como mínimo, en escala de intervalo y

además tienen que ser continuas.
4. La relación entre las variables ha de ser una relación bivariada normal, es
decir, ambas variables se distribuyen de forma normal o parecida a la normal.

5. Entre las variables tiene que aparecer la homocedasticidad (variación

homogénea): La variación de y para cada valor de x debe ser constante, y
viceversa. La homocedasticidad se da cuando las dos variables son
aproximadamente simétricas.

Ejemplo de Correlación Positiva:

La figura anterior muestra una correlación positiva, donde la

correlación es superior a +0,8 pero inferior a 1+. Esto demuestra un patrón
lineal ascendente bastante fuerte. Un ejemplo de una correlación positiva
que se presente de este modo sería: A medida que el número de automóviles
aumenta, también aumenta la demanda en la variable combustible.

 Método de Sperman:

El coeficiente de correlación de Spearman es una medida no

paramétrica de la correlación de rango (dependencia estadística del
ranking entre dos variables). Se utiliza principalmente para el análisis de
datos. Este coeficiente mide la fuerza y la dirección de la asociación entre
dos variables clasificadas.
 El Coeficiente Spearman puede tomar un valor entre +1 y -1 donde:
• Un valor de +1 en ⍴ significa una perfecta asociación de rango.
• Un valor 0 en ⍴ significa que no hay asociación de rangos.
• Un valor de -1 en ⍴ significa una perfecta asociación negativa entre los
rangos.

En este sentido, si el valor de ⍴ se acerca a 0, la asociación entre los

dos rangos es más débil. Así mismo, es importante que el investigador sea
capaz de clasificar los datos antes de proceder con el coeficiente de
correlación de Spearman. Así por ejemplo:

Paso 1: Se debe crear una tabla con los datos obtenidos.
Paso 2: Se Comienza por clasificar los dos conjuntos de datos. La
clasificación de los datos puede lograrse asignando la clasificación “1” al
número más grande de la columna, “2” al segundo número más grande, y así
sucesivamente. El valor más pequeño generalmente obtendrá la clasificación
más baja. Esto debe hacerse para ambos conjuntos de mediciones.
Paso 3: Luego se Agrega una tercera columna “d” a tu conjunto de datos, “d”
aquí denota la diferencia entre los rangos. Por ejemplo, si el rango de física
del primer estudiante es 3 y el rango de matemáticas es 5, entonces la
diferencia en el rango es 3. En la cuarta columna, cuadrar sus valores “d”.
Historia Rango Geografía Rango d dcuadrada
35 3 30 5 2 4
23 5 33 3 2 4
47 1 45 2 1 1
17 6 23 6 0 0
10 7 8 8 1 1
43 2 49 1 1 1
9 8 12 7 1 1
6 9 4 9 0 0
28 4 31 4 0 0
 12

Paso 4: Sumar todos los valores del cuadrado “d” que es 12 (∑d cuadrada).

Paso 5: Insertar estos valores en la fórmula.

6 ∑ i d 2i
r R=1− 2
n (n −1)
6.12
rR= 1−
( 9(81−1))
72
rR= 1−
720
rR= 1-01
rR= 0.9
El coeficiente de correlación de Spearman para estos datos es de 0.9
y como se mencionó anteriormente si el valor de ⍴ se acerca a +1 entonces
tienen una asociación perfecta de rango

 Alfa de Cronbach

Como los métodos anteriores, el método de Alfa de Cronbach es utilizado

para saber cuál es la fiabilidad de una escala o test. Este coeficiente se
caracteriza porque consiste en  la media de las correlaciones entre las
variables que forman parte de la escala, y puede calcularse de dos maneras:
a partir de las varianzas (Alfa de Cronbach) o de las correlaciones de los
ítems (Alfa de Cronbach estandarizado).

Se entiende entonces, que el coeficiente es mayormente utilizado para

medir la confiabilidad del tipo consistencia interna de una escala, es decir,
para evaluar la magnitud en que los ítems de un instrumento están
correlacionados, por lo que con este coeficiente se calcula el promedio de las
correlaciones entre los ítems que hacen parte de un instrumento.

La popularización del coeficiente alfa de Cronbach se debe a la

practicidad de su uso, ya que requiere una sola administración de la prueba.
Además, tiene la ventaja de corresponder a la media de todos los posibles
resultados de la comparación que se hace en el proceso de dividir en
mitades una escala.

La forma más sencilla de calcular el valor del alfa de Cronbach es

multiplicar el promedio de todas las correlaciones observadas en los ítems
por el número de ítems que componen una escala, y luego dividir el producto
entre el resultado de la suma de 1 más el producto de la multiplicación del
promedio de todas las correlaciones observadas por el resultado de la resta
de 1 al número de items: {a= n.p / 1+p (n– 1)}, donde n es el número de
ítems y p es el promedio de todas las correlaciones.

El coeficiente Alfa de Cronbach al igual que los anteriores, oscila entre el

0 y el 1. Cuanto más próximo esté a 1, más consistentes serán los ítems
serán entre sí (y viceversa). Por otro lado, hay que tener en cuenta que a
mayor longitud del test, mayor será alfa (α).

Ejemplo:

Ítem I II III Suma de

Ítems
Sujetos
[Link]ález 3 5 5 13
2. Gómez 5 4 5 14
[Link] 4 4 5 13
 [Link]ño 4 5 3 12
[Link] 1 2 2 5
[Link]ández 4 3 3 10
VARP 1,58 1,14 1,47 s2t =9,14
Varianza de la ∑s2i : 4,19
población

Donde:

- K: El número de ítems = 3
- Si2 : Sumatoria de Varianzas de los Ítems = 4,19
- ST2 : Varianza de la suma de los Ítems = 9,14
- α : Coeficiente de Alfa de Cronbach
Fórmula:
3 4,19
α= [1− ]
3−1 9,14
α : Coeficiente de Alfa de Cronbach = 0,80

Lo que quiere decir que entre más cerca de 1 está α, más alto es el grado
de confiabilidad.

CONCLUSIÓN

La confiabilidad puede ser entendida como una propiedad en las

puntuaciones de un test, la cual denota la proporción de la varianza
verdadera y se encuentra vinculada al error de medición. Por ende, a mayor
confiabilidad, menor error de medida.

Es importante destacar que la elección del coeficiente de confiabilidad

depende de las características de los datos objeto de estudio. Sin embargo,
se usa con mayor frecuencia el coeficiente de Alfa de Cronbach ya que
requiere una sola administración de la prueba. Es importante saber que el
coeficiente de correlación cuenta con ciertas limitaciones, ya que sólo se
refiere a las dos variables dadas, por lo que no aporta información sobre las
relaciones más allá de los datos bivariados. Es decir, estas pruebas no son
capaces de detectar valores atípicos en los datos, así como tampoco pueden
detectar correctamente las relaciones curvilíneas.

Sin embargo, la confiabilidad es una propiedad importante y debe ser

reportada en los estudios, ya que permite al lector conocer el grado de
precisión y evidencia de los instrumentos utilizados, que derivarán en
conclusiones coherentes en el estudio.

REFERENCIAS
- EraGroup. (2020). Ejemplos del coeficiente de correlación de Pearson.
[Link]. Recuperado el 29 de Septiembre del 2021 en:
[Link]
pearson/

- S.A.(2020). Qué es el Coeficiente de Correlación de Pearson.

[Link]. Recuperado el 29 de Septiembre del 2021 en:
[Link]

- S.A.(2018). ¿Qué es el coeficiente de Correlación de Spearman?.

[Link]. Recuperado el 29 de Septiembre de 2021 en:
[Link]
spearman/

- Oviedo, H; Campo, A. (2005). Aproximación al uso del coeficiente alfa

de Cronbach. [Link]. vol.34 no.4 . Recuperado el 29 de
Septiembre del 2021 en: [Link]
script=sci_arttext&pid=S0034-74502005000400009

- Ruiz, L.(2020). Alfa de Cronbach: Qué es y cómo se usa en

Estadística. Psicología y Mente. Recuperado el 29 de Septiembre del
2021 en: [Link]

- Pérez, J (2014). Cómo Calcular el Coeficiente de alfa de Cronbach.

Asesoría de Tesis Y [Link]. Recuperado el 29 de
Septiembre del 2021 en:
[Link]
[Link]