APUNTES DE SPSS

Dolores Frías-Navarro

Universidad de Valencia, 2014

____________________________________________________________________________

1. Análisis de fiábilidád de lás puntuáciones de un instrumento de

medidá. Alfá de Cronbách: un coeficiente de fiábilidád
2. Fusio n de váriábles con el SPSS
_________________________________________________________________________________________________

1. Análisis de fiabilidad de las puntuaciones de un instrumento de

medida. Alfa de Cronbach: un coeficiente de fiabilidad
En muchas ocasiones en las Ciencias Sociales o en las Ciencias de la Salud es necesario medir y
cuantificar la expresión de un constructo (prejuicio, racismo, xenofobia, ansiedad, ira, inteligencia, empatía…)
que es imposible medirlo de forma explícita o directa. Para realizar su medición se utilizan un conjunto de
cuestiones o ítems y se combinan las respuestas de los sujetos sumando sus valores y obteniendo una
puntuación total. Pero cuando los ítems son sumados para formar una escala es necesario demostrar
previamente que existe consistencia interna entre dichos ítems. Es decir, todos los ítems deben medir un
mismo constructo y por lo tanto estarán correlacionados entre sí. Un coeficiente para medir la consistencia
interna o fiabilidad de una escala es el denominado alfa de Cronbach.

Los instrumentos de medida de los constructos tienen que demostrar que poseen las propiedades
psicométricas de validez y fiabilidad. Y sus propiedades deben calcularse con cada una de las muestras en las
que se aplica pues no es una propiedad inherente del instrumento y podría ser fiable y válido con una muestra
de participantes pero no serlo con otra muestra.

En 1967 Nunnally definía la fiabilidad como el grado en que las medidas de los constructos son repetibles
y cualquier influencia aleatoria que pudiese hacer las medidas diferentes de una medición a otra es una fuente
de error de medida. Indica una consistencia de la medida del constructo.

La validez de un instrumento se refiere al grado en que el instrumento mide aquello que pretende medir.

Por ejemplo, un instrumento de medida es fiable si proporciona aproximadamente el mismo tipo de

respuestas para diferentes grupos de sujetos o en repetidas aplicaciones a un mismo grupo de sujetos. Además,
será válido si correlaciona con las puntuaciones de otros instrumentos que miden constructos donde es
1
 esperable una convergencia (validez convergente). En cambio, la validez discriminante está presente cuando
se utilizan instrumentos para medir diferentes constructos y sus puntuaciones están débilmente
correlacionadas.

La fiabilidad de la consistencia interna del instrumento se puede estimar con el alfa de Cronbach
(Cronbach, 1951). El método de consistencia interna basado en el coeficiente de fiabilidad alfa de Cronbach
permite estimar la fiabilidad de un instrumento de medida a través de un conjunto de ítems que se espera que
midan el mismo constructo o una única dimensión teórica de un constructo latente. Cuando los datos tienen
una estructura multidimensional el valor del alfa de Cronbach será bajo. Es decir, no se observa una
consistencia en las puntuaciones que forman el constructo teórico que se desea medir.

La medida de la fiabilidad mediante el alfa de Cronbach asume que los ítems (medidos en escala tipo
Likert o también es posible para ítems dicotómicos) miden un mismo constructo y que están altamente
correlacionados entre sí (Welch & Comer, 1988). Al menos se necesitan dos ítems para poder estimar el valor
del coeficiente alfa de Cronbach y cuanto mayor el número de ítems mayor será la fiabilidad de la escala.

El valor de alfa de Cronbach oscila de 0 a 1. Cuanto más cerca se encuentre el valor del alfa a 1 mayor es
la consistencia interna de los ítems analizados. Si los ítems están positivamente correlacionados entonces la
varianza de la suma de los ítems se incrementa. Por ello, si las puntuaciones en todos los ítems fuesen
idénticas, y por lo tanto las puntuaciones estarían perfectamente correlacionadas, el valor de alfa sería igual a
1. En cambio, si los ítems fuesen totalmente independientes, no mostrando ningún tipo de relación entre ellos,
el valor de alfa de Cronbach sería igual a 0.

Una vez comprobado que el valor de alfa de Cronbach es aceptable ya se pueden sumar las puntuaciones
de los ítems y formar una puntuación total de una escala. Por ello, siempre hay que comprobar la fiabilidad de
las puntuaciones de la muestra antes de computar puntuaciones totales o realizar cualquier otro análisis
estadístico. Si la fiabilidad no es adecuada entonces será necesario estudiar si representan a dimensiones
diferentes (por ejemplo, realizando un análisis factorial) pero nunca se utilizarán como elementos que miden
un mismo constructo.

Cálculo

El alfa de Cronbach puede ser calculado a partir de la correlación entre los ítems como una función del
número de ítems del instrumento y la correlación media entre los ítems. La fórmula sería la siguiente:

N r
 [1]
1  N  1  r

Donde N es igual al número de ítems y r es la correlación media entre los ítems.

Como se puede observar en la fórmula, si se incrementa el número de ítems entonces se incrementa el

valor del alfa de Cronbach. Además, si la correlación media entre los ítems es baja entonces el valor del alfa
de Cronbach será bajo. En este sentido, a medida que la correlación media entre los ítems se incrementa
también se incrementa el valor del alfa de Cronbach. Si la correlación entre los ítems es alta entonces habrá
evidencia de que los ítems están midiendo un mismo constructo o dimensión latente. El análisis de las
correlaciones ítem-puntuación total permite valorar la relavancia y la utilidad de cada ítem dentro de la escala.

Cuando se obtiene un valor de alfa de Cronbach bajo entonces los ítems tienen una estructura
multidimensional y es aconsejable realizar un análisis factorial de los ítems para observar cómo se agrupan los
2
 ítems en dimensiones latentes diferentes y entonces calcular el valor de alfa de Cronbach para cada dimensión
por separado que ha detectado el análisis factorial.

Un valor aceptable de alfa de Cronbach señala que existe consistencia interna, es decir, los ítems están
inter-relacionados pero nunca señala el grado de unidimensionalidad de los ítems que miden el constructo. La
consistencia interna es una condición necesaria pero no suficiente para señalar la unidimensionalidad. Un
conjunto de ítems pueden estar inter-relacionados y sin embargo mostrar multidimensionalidad. Por ello,
conviene tener en cuenta que obtener un valor de alfa de Cronbach alto no significa que la medida es
unidimensional. Para comprobar que la escala o instrumento es unidimensional es necesario ejecutar otros
análisis como el Análisis Factorial Exploratorio (EFA) o el Análisis Factorial Confirmatorio (AFC) y
comprobar la dimensionalidad del conjunto de ítems.

Interpretación

Como criterio general, George y Mallery (2003, p. 231) sugieren las recomendaciones siguientes para
evaluar los valores de los coeficientes de alfa de Cronbach:

-Coeficiente alfa >.9 es excelente

- Coeficiente alfa >.8 es bueno

-Coeficiente alfa >.7 es aceptable

- Coeficiente alfa >.6 es cuestionable

- Coeficiente alfa >.5 es pobre

- Coeficiente alfa <.5 es inaceptable

Opiniones de otros investigadores:

 Nunnally (1978): dentro de un análisis exploratorio estándar, el valor de fiabilidad en torno a 0.7 es
adecuado y es el nivel mínimo aceptable. El autor reconoce que valores más bajos son utilizados a
veces en la literatura. En las primeras fases de la investigación o estudios exploratorios un valor de
fiabilidad de 0.6 o 0.5 puede ser suficiente (Nunnally, 1967). Con investigación básica se necesita al
menos 0.8 y en investigación aplicada entre 0.9 y 0.95.
 Gliem & Gliem (2003): un valor de alfa de 0.8 es probablemente una meta razonable.
 Huh, Delorme & Reid (2006): el valor de fiabilidad en investigación exploratoria debe ser igual o
mayor a 0.6 y en estudios confirmatorios debe estar entre 0.7 y 0.8.
 Kaplan & Saccuzzo (1982): el valor de fiabilidad para la investigación básica entre 0.7 y 0.8 y en
investigación aplicada sobre 0.95.
 Loo (2001): el valor de consistencia que se considera adecuado es de 0.8 o más.
 Loewenthal (1996) sugiere que un valor de fiabilidad de 0.6 puede ser considerado aceptable para
escalas con menos de 10 ítems.

3
Análisis con el programa estadístico SPSS

EJERCICIO. Realizar la estimación de la fiabilidad para para la sub-escala de Prejuicio Manifiesto y la de

Prejuicio Sutil.

ANALIZAR---------------ESCALA---------------ANÁLISIS DE FIABILIDAD

En la opción de análisis de fiabilidad se mueven a la derecha aquellos ítems de los que se desea analizar
la fiabilidad y que se supone forman una escala que mide un constructo.

Es muy importante que todos los ítems estén puntuados en el mismo sentido y nunca tener ítems en
sentido directo e inverso en un mismo análisis de fiabilidad pues daría valores de alfa de Cronbach bajos e
incluso negativos. Para invertir los ítems es necesario cambiar el formato de respuesta, por ejemplo si era 1, 2,
3, 4, 5 y 6 hay que cambiar para ese ítem invertido la respuesta a 6, 5, 4, 3, 2 y 1. Es decir, cambiar el 1 por el
6, el dos por el 5 y así sucesivamente. Este proceso de inversión se puede realizar en la Ventana del SPSS de
Transforma y recodificar en la misma variable (se sustituye a la variable original) o recodificar en distinta
variable (se crea una nueva variable con un nombre distinto que aparecerá al final de la base de datos).

Se puede controlar que todos los ítems están en el mismo sentido observando la columna de las
correlaciones del ítem con la puntuación total donde todas tienen que ser correlaciones positivas. Si hay algún
coeficiente de correlación negativo entonces ese ítem está en un sentido inverso al resto de ítems y habría que
transformar su escala de respuesta antes de ejecutar el análisis de fiabilidad. Si la muestra es muy pequeña
también podrían aparecer valores de alfa de Cronbach negativos.

Antes de ejecutar el análisis de fiabilidad es necesario entrar en la opción de Estadísticos para que la
salida de resultados del programa ofrezca el análisis de consistencia interna de los ítems.

En Estadísticos se seleccionan las opciones de Descriptivos para elemento, escala y escala si se elimina el
elemento, Resúmenes de medias, varianzas, covarianzas y correlaciones y en Inter-elementos se señalan las
correlaciones.

4
 La sintaxis para obtener los resultados ejecutando los comandos en la ventana de Sintaxis del SPSS es la
siguiente:

Ventana de Resultados del SPSS

En la ventana de Resultados del SPSS se obtienen un conjunto de tablas relacionadas con toda la
información solicitada en Opciones. Los resultados aparecen en la ventana de Resultados del SPSS.

5
Interpretación de los resultados que ofrece el SPSS
El procedimiento de análisis de la fiabilidad señala la fiabilidad mediante dos valores:

1) El valor de alfa de Cronbach.

2) La fiabilidad basada en valor de alfa de Cronbach que utiliza los elementos o ítems tipificados
(estandarizados).

6
 Cuando se utiliza un conjunto de ítems que tienen la misma unidad de medida la interpretación se realiza
con la fiabilidad del valor del alfa de Cronbach que utiliza la correlación entre los ítems de tal manera que
cuanto mayor sea la correlación entre los ítems más probable será que el instrumento sea consistente. La
fiabilidad basada en los ítems estandarizados utiliza las covarianzas entre los ítems y se utiliza cuando los
ítems que forman la escala usan diferentes unidades de medida. Habitualmente suele trabajarse con el valor de
alfa de Cronbach.

Conviene observar también con detenimiento la información relacionada con “Correlación elemento-total
corregida”. Esta correlación indica la correlación lineal entre el ítem y la puntuación total (sin considerar el
ítem que se está evaluando), señalando la magnitud y la dirección de esta relación. Los ítems cuyos
coeficientes ítem-total arrojan valores menores a 0.35 deben ser desechados o reformulados ya que las
correlaciones a partir de 0.35 son estadísticamente significativas más allá del nivel del 1% (Cohen-Manion,
1990). Una baja correlación entre el ítem y la puntuación total puede deberse a diversas causas, ya sea de mala
redacción del ítem o que el ítem no sirve para medir lo que se desea medir.

Si se aplica la fórmula del alfa de Cronbach a los datos del ejercicio se observa que su valor es de 0.75:

10  0.229
  10  0.75
1  N  1  0.229

Referencias bibliográficas
Cortina, J. M. (1993). What is coefficient alpha? An examination of theory and applications. Journal of
Applied psychology, 78, 98-104.
Cronbach, L. J. (1951). Coefficient alpha and the internal structure of tests. Psychometrika. 16, 297-334.
George, D., & Mallery, P. (2003). SPSS for Windows step by step: A simple guide and reference. 11.0
update (4th ed.). Boston: Allyn & Bacon.
Loewnthal, K.M. (1996). An introduction to psychological tests and scales. London: UCL Press.
Nunnally, J.C. (1967). Psychometric theory. New York: McGraw Hill.
Nunnally, J.C. (1978). Psychometric theory (2nd ed.). New York: McGraw Hill.
Nunnally, J.C., & Bernstein, I.H. (19994). Psychometric theory (3rd ed.). New York: McGraw Hill.

7
 2. Fusión de variables con el SPSS
Supongamos que el investigador necesita categorizar dos variables continuas y después desea combinar sus
valores para crear otra variable fruto de la fusión de las dos variables anteriores combinando los grupos. Por
ejemplo con los factores de Prejuicio Sutil y Prejuicio Manifiesto. Se podría crear dos grupos con cada
subescala: altos y bajo en Prejuicio Sutil y altos y bajos en Prejuicio Manifiesto, combinado los grupos se
crearían cuatro grupos.
Supongamos que tenemos dos variables continuas como son las puntuaciones directas de los sujetos en la
subescala de Prejuicio Sutil y de Prejuicio Manifiesto de Pettigrew y Meertens (1998) y deseamos crear la
tipología de prejuicio de los autores que se define gracias a la combinación de las puntuaciones de los sujetos
en ambas subescalas formando las categorías de sujetos sutiles, sujetos fanáticos, sujetos igualitarios y la
puntuación de error o de respuesta inconsistente dada su incoherencia teórica.

SUTIL BAJO SUTIL ALTO

MANIFIESTO BAJO Igualitarios (grupo 1) Sutiles (grupo 2)
MANIFIESTO ALTO Error (grupo 3) Fanáticos (grupo 4)

1. CATEGORIZAR LAS VARIABLES CONTINUAS

Lo primero que hay que hacer es categorizar las dos variables continuas en dos grupos. Pettigrew y Meertens
(1998) señalan la puntuación de 30 como punto de corte (la mitad de la puntuación máxima posible en la
subescala ya que la amplitud de puntuación oscila de 10 a 60). Entonces es necesario ir a:

Transformar---Recodificar en distintas variables---Valores antiguos y nuevos

En la sección de “valores antiguos y nuevos” del SPSS crearemos las nuevas categorías señalando que de 10 a
30 el nuevo valor será 1 y de 31 a 60 el nuevo valor será de 2. Por lo tanto en la nueva variable, que podemos
etiquetar como “DosSutil”, tenemos una variable categorizada con dos grupos donde el grupo de 1 recoge a los
sujetos que obtuvieron una puntuación de 10 a 30 y el grupo 2 recoge a los sujetos cuya puntuación es de 31 o
más.
Lo mismo realizaremos para la subescala de prejuicio manifiesto que etiquetamos como “DosManifiesto”
creando una nueva variable categorizada con dos grupos: 1 para los sujetos con puntuaciones de 30 o menos y 2
para los sujetos con puntuaciones de 31 o más.
Una vez tenemos categorizadas las dos variables que queremos fusionar ya podemos pasar a combinar su
valores en una tercera variables que denominamos “TipologiaPrejuicio” que estará formada por cuatro grupos
(dos grupos de “DosSutil” por dos grupos de “DosManifiesto” son cuatro grupos, bajo de sutil y bajo de
manifiesto, bajo de sutil y alto de manifiesto, alto de sutil y bajo de manifiesto y alto de sutil y alto de
manifiesto).

2. COMBINAR LOS VALORES DE DOS O MÁS VARIABLES EN UNA NUEVA VARIABLE

Para combinar los valores de dos o más variables en una nueva variable podemos utilizar las ventanas del SPSS o la
sintaxis a través de:

COMPUTE IF argument1 AND argument2 AND argument3

Si ejecutamos la fusión de las dos variables con la ventana del SPSS entonces tenemos que acceder a
transformar variables.

8
 VENTANA: TRANSFORMAR—CALCULAR VARIABLE

Después de abrir transformar hay que acceder a calcular variable.

CALCULAR VARIABLE

Una vez abierta la ventana de calcular variable hay que dar nombre y etiquetar a la nueva variable que vamos a
crear. En nuestro caso utilizaremos el mismo nombre y etiqueta: “TipologiaPrejuicio”.

VARIABLE DE DESTINO: escribir el nombre de la nueva variable

A continuación en “Expresión Numérica” escribimos el valor numérico que tendrá el grupo que vamos a crear
con la combinación de las dos variables. Por ejemplo, supongamos que le adjudicamos un 1 (escribir un 1 en
expresión numérica).

EXPRESIÓN NUMÉRICA: escribir el número del grupo, por ejemplo 1

A continuación accedemos a “SI la opción …” y señalamos la opción de “Incluir si el caso satisface la

condición”.

Si la opción… : por ejemplo DosSutil=1 & DosManifiesto=1

Y entonces añadimos por ejemplo la siguiente expresión “DosSutil=1 & DosManifiesto=1”. Con esa expresión
estamos indicando que se cree un grupo cuya valor de categoría será 1 gracias a la combinación del grupo 1 de
la variable “DosSutil” y del grupo 1 de la variable “DosManifiesto”. Por último se Acepta y ya tenemos el
primer grupo creado de la nueva variable de fusión “TipologíaPrejuicio”.

Hacer clic y ACEPTAR

A continuación hay que repetir todo el proceso señalando en expresión numérica 2 (después 3 y 4) y
estableciendo las condiciones de combinación en cada caso. Cada vez que demos a Aceptar el ordenador
señalará si deseamos cambiar la variable y la respuesta es Sí. Con cada cambio se están rellenando los huecos
que corresponden a la combinación de las variables categorizadas “DosSutil” y “DosManifiesto”.
Como resultado final se habrá creado una nueva variable denominada “TipologiaPrejuicio” donde se
encuentran los valores de 1, 2, 3 y 4 formados por la combinación señalada en “Incluir si el caso satisface la
condición”.
Si deseamos realizar la fusión de las variables con la ventana de Sintaxis entonces los comandos son los
siguientes:

9
 IF (DosSutil= 1 & DosManifiesto =2) TipologiaPrejuicio =1.
VARIABLE LABELS TipologiaPrejuicio 'TipologiaPrejuicio'.
EXECUTE.
IF (DosSutil =1 & DosManifiesto =1) TipologiaPrejuicio =2.
VARIABLE LABELS TipologiaPrejuicio 'TipologiaPrejuicio'.
EXECUTE .
IF (DosSutil =2 & DosManifiesto =1) TipologiaPrejuicio =3.
VARIABLE LABELS TipologiaPrejuicio 'TipologiaPrejuicio'.
EXECUTE.
IF (DosSutil =2 & DosManifiesto =2) TipologiaPrejuicio =4.
VARIABLE LABELS TipologiaPrejuicio 'TipologiaPrejuicio'.
EXECUTE.

El resultado final de la fusión de las dos variables implica crear una nueva variable llamada TipologiaPrejuicio que está
formada por 4 valores o categorías: 1, 2, 3, 4 y que aparecerá al final de la base de datos cuando se haya completado
todo el proceso.

Sintaxis Resultados

10