Modelos complementarios al Análisis Factorial en la construcción de escalas ordinalesun ejemplo aplicado a la medida del Clima Social del Aula

  1. López González, Emelina
  2. Pérez Carbonell, Amparo
  3. Ramos Santana, Genoveva
Revista:
Revista de educación

ISSN: 0034-8082

Año de publicación: 2011

Título del ejemplar: La formación práctica de estudiantes universitarios: repensando el Practicum

Número: 354

Páginas: 301-302

Tipo: Artículo

DOI: 10.4438/1988-592X-RE-2011-354-004 DIALNET GOOGLE SCHOLAR lock_openAcceso abierto editor

Otras publicaciones en: Revista de educación

Resumen

El Análisis Factorial (AF) de componentes principales es uno de los modelos estadísticos de mayor aplicación en investigaciones educativas para estudiar las propiedades de una escala. Su generalizado uso se extiende también a escalas no métricas (categóricas u ordinales) y, sin embargo, las propiedades de estas escalas no cumplen con los requisitos del Análisis Factorial (tales como normalidad de las distribuciones o linealidad de las relaciones entre las variables). Son varios los problemas que se generan y algunos los procedimientos destinados a solventar, en mayor o menor medida, esta falta de adecuación del modelo del AF a datos no métricos. Aquí se describen brevemente algunos de los más relevantes: el Análisis Paralelo o el Análisis Factorial desde la Teoría de Respuesta al Ítem. Igualmente, se propone como una posible solución el empleo conjunto de modelos multivariantes de interdependencia de reducción de la dimensionalidad, tales como el Análisis de Componentes Principales No Lineal (ACPNL), el Escalamiento Multidimensional (EMD) no métrico y el Análisis Cluster (AC), modelos que se adaptan bien a escalas ordinales. En esta línea se muestra un uso combinado y complementario de estos dos últimos, el EMD no métrico y AC, junto con el AF de componentes principales, en el estudio de una escala Likert sobre Clima Social del Aula elaborada en una investigación previa. Como resultado, el ajuste de los modelos a los datos mejora notablemente y la solución de las dimensiones internas es más parsimoniosa y coherente con la concepción sustantiva que inspiró la escala.

Referencias bibliográficas

  • Arce, C. y Andrade, E. M. (2000). Recuperación de información métrica a partir de información no-métrica con diseños de escalamiento multidimensional incompletos. Psicothema, 12, 308-313.
  • Bartholomew, D. J. (2007). Three faces of factor analysis. En R. Cudeck & R. C. Maccallum (Eds.), Factor analysis at 100. Historical development and future directions (pp. 9-21). Mahwah, NJ: LEA.
  • Bartholomew, D. J., Steele, F., Moustaki, I. & Galbrain, J. I. (2002). The analysis and interpretation of multivariate data for social scientists. Boca Raton, FL.: Chapman & Hall/CRC.
  • Bernstein, I. H. (1988). Applied Multivariate Analysis. New York: Springer Verlag.
  • Bernstein, I. H. & Teng, G. (1989). Factoring items and factoring scales are different: Spurious evidence for multidimensionality due to item categorization. Psychological Bulletin, 105, 467-477.
  • Bock, R. D., Gibbons, R. & Muraki, E. (1988). Full-information item factor analysis. Applied Psychological Measurement, 12, 261-280.
  • Bolton, R. J., Hand, D. J. & Webb, A. R. (2003). Projection techniques for nonlinear principal component analysis. Statistics and Computing, 13, 267-276.
  • Buja, A. & Eyuboglu, N. (1993). Remarks on parallel analysis. Multivariate Behavioral Research, 27, 509-540.
  • Cañadas, I. y Sánchez-Bruno, A. (1998). Categorías de respuesta en escalas tipo Likert. Psicothema, 10 (3), 623-631.
  • Cid, A. (2004). El clima escolar como factor de calidad en los centros de educación secundaria de la provincia de Ourense. Revista de Investigación Educativa, 22 (1), 113-144.
  • Cliff, N. R. (1988). The eigenvalues-greater-than-one rule and the reliability of components. Psychological Bulletin, 103, 276-279.
  • Cook, D. & Swayne, D. F. (2007). Interactive and dynamic graphics for data analysis with R and Ggobi. New York: Springer.
  • Costello, A. B. & Osborne, J. W. (2005). Best practices in exploratory factor analysis: four recommendations for getting the most from your analysis. Practical Assesment, Research & Evaluation, 10, 1-9.
  • Fernández Díaz, M. J. y Asensio, I. (1993). Evaluación del clima de centros educativos. Revista de Ciencias de la Educación, 153, 69-83.
  • Ferrando, P. J. y Lorenzo, U. (2000). Unrestricted versus restricted factor analysis of multidimensional test item: some aspects of the problem and some suggestions. Psicológica, 21, 301-323.
  • Flora, D. B. & Curran, P. J. (2004). An empirical evaluation of alternative methods of estimation for confirmatory factor analysis with ordinal data. Psychological Methods, 9, 466-491.
  • Franklin, S. B., Gibson, D. J., Robertson, P. A., Pohlmann, J. T. & Fralish, J. S. (1995). Parallel Analysis: A Method for Determining Significant Principal Components. Journal of Vegetation Science, 6, 99-106.
  • Gibbons, R. D., Bock, R. D., Hedeker, D., Weiss, D. J., Segawa, E., Bhaumik, D. K., Kupfer, D. J., Frank, E., Grochocinski, V. J. & Stover, A. (2007). Full-information item bifactor analysis of graded responsed data. Applied Psychological Measurement, 31 (1), 4-19.
  • Hair, J. F., Anderson, R. E., Tatham, P. L. & Black, W. C. (1999). Análisis multivariante, Madrid: Prentice Hall.
  • Jöreskog, K. G. (2007). Factor analysis and its extensions. En R. Cudeck & R. C. Maccallum (Eds.), Factor analysis at 100. Historical development and future directions (pp. 47-77). Mahwah, NJ: LEA.
  • Kruskal, J. B. (1964a). Multidimensional scaling by optimizing goodness of fit to a nonmetric hypothesis. Psychometrika, 29, 1-27.
  • Kruskal, J. B. (1964b). Nonmetric multidimensional scaling: a numerical method. Psychometrika, 29, 115-129.
  • Little, R. J. A. & Rubin, D. B. (2002). Statistical analysis with missing data. New York: Wiley.
  • Muraki, E. & Carlson, J. E. (1995). Full-information factor analysis for polytomous item responses. Applied Psychological Measurement, 19, 73-90.
  • Muthén, B. (1984). A general structural equation model with dichotomous, ordered categorial, and continuous latent variable indicators. Psychometrika, 49, 115-132.
  • Muthén, B. & Kaplan, D. (1992). A comparison of some methodologies for the factor analysis and non-normal Likert variables: a note on de size of the models. British Journal of the Mathematical and Statistical Psychology, 45, 19-30.
  • Nunnally, J. & Bernstein, I. (1995). Teoría psicométrica. México: McGraw-Hill.
  • O’connor, B. P. (2000). SPSS and SAS programs for determining the number of components using parallel analysis and Velicer’s MAP test. Behavior Research Methods, Instrumentation, and Computers, 32, 396-402.
  • Pérez-Carbonell, A., Ramos, G. y López-González, E. (en prensa). Diseño y análisis de una escala para la valoración de la variable clima social aula en alumnos de educación primaria y secundaria. Revista de Educación (Madrid).
  • Picón, E., Varela, J. y Real, J. E. (2003). Clasificación y segmentación post hoc mediante el análisis de conglomerados. En J. P. Levy y J. Varela (Eds.), Análisis multivariable para las Ciencias Sociales (pp. 417-450). Madrid: Prentice Hall.
  • Real, J. E. y Varela, J. (2003). Escalamiento multidimensional. En J. P. Levy y J. Varela (Eds.), Análisis multivariable para las Ciencias Sociales (pp. 451-505). Madrid: Prentice Hall.
  • Rivas, T. y Martínez Arias, R. (1991). Relación entre escalamiento multidimensional métrico y análisis de componentes principales. Psicothema, 3, 443-451.
  • Schafer, J. L. (1997). Analysis of incomplete multivariate data. London: Chapman & Hall.
  • Schriesheim, C. & Castro, S. (1996). Referent effects in the magnitude estimation scaling of frecuency expressions for response anchor sets: an empirical investigation. Educational and Psychological Measurement, 56, 557-569.
  • Shepard, R. N. (1962). The analysis of proximities: Multidimensional scaling with an unknown distances function (I y II). Psychometrika, 27, 125-139, 219-246.
  • Shigemasu, K. (1990). Factor analysis of categoriacal data. Recent developments. Japanese Journal of Behaviormetrics, 18, 41-51.
  • Swygert, K. A., Mcleod, L. D. & Thissen, D. (2001). Factor analysis for items or testlets in more than two categories. En D. Thissen & H. Wainer (Eds.), Test Scoring (pp. 217-250). Mahwah, NJ: LEA.
  • Thissen, D. & Wainer, H. (Eds.) (2001) Test Scoring. Mahwah, NJ: LEA.
  • Timm, N.H. (2002). Applied Multivariate Analysis. New York: Springer.
  • Yuan, K. H., Marshall, L. L. & Bentler, P. (2002). A unified approach to exploratory factor analysis with missing data, nonnormal data, and in the presence of outliers. Psychometrika, 67 (1) 95-121.
  • Zwick, W.R. & Velicer, W. F. (1986). Comparison of five rules for determining the Lumber of components to retain. Psychological Bulletin, 99, 432-442.
Fuente de los datos: Dialnet