Printer Friendly

Procedimientos graficos para evaluar la consistencia intra-individual en el analisis factorial de items.

El estudio de la consistencia de las respuestas de una persona a los items de un test tiene un claro interes aplicado, ya que un patron de respuestas inconsistente indica que, posiblemente, no podran hacerse inferencias validas a partir de la puntuacion obtenida por dicho individuo. En el dominio de personalidad, ademas, este tipo de consistencia es un topico de interes teorico ya que el grado de consistencia se considera un indicador de la relevancia o centralidad que tiene el rasgo a medir en la estructura de personalidad del individuo (e.g. Tellegen, 1988). La generalizacion del uso de modelos de teoria de respuesta a los items (TRI) ha dado un impulso notable a la investigacion del tema a partir de los anos 80 (vease e.g. Meijer y Sijtsma, 1995, 2001). Ademas, el marco teorico de los modelos parametricos de TRI permite una interpretacion clara del concepto: la consistencia se evalua en relacion al modelo utilizado en la calibracion de los items y a la puntuacion estimada del individuo. En la terminologia anglosajona este tipo de evaluacion se denomina actualmente "person-fit". Aqui utilizaremos el termino "consistencia intra-individual" (CII).

La evaluacion de la CII es un proceso que idealmente deberia proceder en dos etapas (Emons, Sijtsma y Meijer, 2004, 2005). En la primera se utilizaria un indice global, con valores referidos a una distribucion teorica, para detectar a los sujetos potencialmente inconsistentes. En la segunda se utilizarian una variedad de procedimientos para evaluar: (a) el tipo de inconsistencia, (b) los items especificos en los que se producen las respuestas mas inconsistentes, y (c) el posible impacto en la estimacion del rasgo. Entre los procedimientos empleados en la segunda etapa cabe citar: los indices de CII a nivel de item, procedimientos graficos, analisis de tendencias, e informacion cualitativa obtenida de entrevistas u observaciones.

Para los modelos TRI basados en respuestas binarias, existe actualmente una gran variedad de procedimientos e indices del tipo descrito arriba (vease e.g. Meijer y Sijtsma, 1995, 2001). En menor medida, existen tambien herramientas de este tipo para modelos de respuesta graduada, utilizados en la practica para items con un numero reducido de categorias. En los dominios de personalidad y medicion de actitudes, sin embargo es bastante mas comun utilizar formatos de respuesta mas continuos (Dawes, 1972, Ferrando, 2002, Hofstee, Ten Berge y Hendricks, 1998). En las aplicaciones, estos items se calibran habitualmente mediante el modelo de analisis factorial (AF) lineal, modelo que, en general resulta bastante apropiado (Ferrando, 2002). Sin embargo, la evaluacion de la CII basada en el modelo AF no esta tan avanzada como en el caso de los modelos TRI arriba citados. Recientemente Ferrando (2007, 2009b) ha propuesto indices CII globales para este modelo, asi como medidas a nivel de item e indicadores del grado de impacto sobre la estimacion del rasgo. Sin embargo, los autores no tenemos noticia de que se hayan propuesto procedimientos graficos detallados para evaluar la CII basados en el modelo AF lineal, y este es el objetivo del presente trabajo. Mas especificamente, propondremos aqui dos procedimientos graficos que permiten obtener informacion acerca del tipo de inconsistencia y sus posibles causas en patrones que han sido previamente detectados en la primera etapa mediante el uso de indices globales. Estos procedimientos estan pensados para items con formato de respuesta graduada en 5 o mas puntos, o con formatos mas continuos, que son calibrados mediante el modelo lineal AF unidimensional.

Revision del Modelo y Planteamiento General

Considerese un test formado por n items, con formato de respuesta (aproximadamente) continuo, que mide un rasgo [theta]. El modelo lineal de respuesta para el individuo i que responde al item j, es:

[X.sub.ij] = [[my].sub.j] + [[lambda].sub.j][[theta].sub.i] + [[epsilon].sub.ij] (1)

El modelo (1) es el modelo de un factor comun de Spearman, que, en la literatura psicometrica, recibe el nombre de modelo para items congenericos (Joreskog, 1971, Mellenbergh, 1994). Por brevedad lo denominaremos en adelante modelo congenerico. En las aplicaciones aqui propuestas, las puntuaciones observadas [X.sub.ij] estaran escaladas con valores entre 0 y 1, y [theta] estara en escala estandar (media 0 y varianza 1). Para un nivel fijo en [theta] las puntuaciones en los diferentes items se distribuyen independientemente (independencia local). La distribucion condicional se supone normal, con media y varianza dadas por:

E([X.sub.j]\[theta]) = [my] + [[lambda].sub.j]; Var ([X.sub.j]\[theta]) = [[sigma].sup.2.sub. [epsilon]j] (2)

En la formulacion (1), los parametros correspondientes a cada item son: el intercepto [[my].sub.j], la pendiente o carga factorial, [[lambda].sub.j] y la varianza de error del item [EXPRESION MATEMATICA IRREPRODUCIBLE EN ASCII.]. Ferrando (2009a) ha propuesto recientemente la siguiente parametrizacion alternativa:

E([X.sub.j]\[theta]) = 0.5 + [[lambda].sub.j] ([[theta].sub.i] - [[beta].sub.j]) (3)

con:

[[beta].sub.j] = 1 - 2[[my].sub.j]/2[[lambda].sub.j] (4)

En la forma (3) el modelo es mas similar al modelo de dos parametros de la TRI. Al igual que en este ultimo, el parametro [[beta].sub.j] es el indice de dificultad, y se define como el nivel en el rasgo al que corresponde una puntuacion esperada de 0,5 (el punto medio de la escala). El parametro [[lambda].sub.j] tiene la misma interpretacion que en la formulacion (1): es el indice de discriminacion (Mellenbergh, 1994), y aqui consideraremos que solo adopta valores positivos (es decir, que todos los items se puntuan en la misma direccion). En los metodos que propondremos se hara uso de ambas formulaciones.

La estimacion del modelo congenerico procede habitualmente en dos etapas. En la primera (calibracion) se estiman los parametros de los items y se evalua el ajuste del modelo. En la segunda, los valores estimados se toman como fijos y conocidos y se estiman los niveles de los sujetos en el rasgo a medir (puntuaciones factoriales estimadas). En este trabajo supondremos que los items se han calibrado en una muestra grande y representativa que haga razonable el supuesto de parametros conocidos. Y supondremos tambien que el ajuste del modelo es aceptable. En cuanto a la segunda etapa, consideraremos que, ademas de las puntuaciones estimadas, se han calculado tambien indices globales de CII para detectar a los sujetos potencialmente inconsistentes. Los metodos propuestos a continuacion seran pues herramientas para analizar en detalle estos patrones detectados como inconsistentes y obtener informacion adicional.

Superficie de respuesta de la persona

Consideremos para un sujeto la puntuacion factorial estimada en la segunda etapa del AF. Los metodos aqui propuestos son aplicables a cualquiera de los estimadores habituales de [theta]. Sin embargo, los indices globales propuestos por Ferrando (2007) se basan en las puntuaciones factoriales de Bartlett y estas son las que consideraremos aqui preferentemente. Bajo el supuesto de normalidad condicional, la puntuacion factorial de Bartlett es el estimador maximo verosimil del nivel del sujeto en el rasgo (Mellenbergh, 1994). De acuerdo con (2), la puntuacion esperada para el sujeto i en el item j seria ahora:

E([X.sub.ij]\[[??].sub.i])= [[my].sub.j] + [[lambda].sub.j][[??].sub.i] (5)

donde [theta] es la puntuacion factorial estimada. Este valor se toma como fijo, y se considera una escala de "posicion" ([X.sub.1]) donde se situan los n interceptos [[my].sub.j] ordenados de menor a mayor, y una escala de "discriminacion" ([X.sub.2]) donde se situan los n pesos [[lambda].sub.j] ordenados del mismo modo. Como funcion de [my] y [lambda] los valores esperados en (5) definen un plano de regresion con pendiente de 1 sobre [X.sub.1] y de [theta] sobre [X.sub.2]. Este plano puede interpretarse como el conjunto de respuestas esperadas para el sujeto i segun el modelo (1) dadas las caracteristicas de los items y el nivel estimado de dicho sujeto. Proponemos denominar a este plano como "superficie de respuesta de la persona" (SRP) esperada.

La representacion propuesta es un grafico tridimensional en el que los valores de [my] y de [lambda] se situan en los ejes [X.sub.1] y [X.sub.2]. La propuesta consiste en mostrar simultaneamente la SRP esperada junto con las puntuaciones observadas en los n items representadas como puntos en el grafico. La figura 1 muestra un grafico de este tipo que se discutira en la seccion del ejemplo ilustrativo. En principio el grafico permite una evaluacion rapida del grado en que las respuestas observadas se ajustan a las esperadas, y permite identificar tambien aquellos items o conjuntos de items en los que se observan las respuestas mas inconsistentes.

La representacion grafica propuesta en esta seccion se basa en la formulacion (1) del modelo congenerico. Esto se hace por dos razones. En primer lugar, [my] y [lambda] en (1) son 'a priori' independientes. En cambio, [beta], y [lambda] no lo son (vease ecuacion 4). En segundo lugar, el rango de valores de [my] y [lambda] es mas similar (entre 0 y 1) y esto da lugar a una representacion visual mas clara.

Curva de respuesta de la persona

En el caso de que todos los items tuviesen el mismo poder discriminativo ([[lambda].sub.j] = [lambda]), el modelo congenerico (1) daria lugar al modelo tau-equivalente (Joreskog, 1971). La formulacion (3) muestra con claridad que, en este caso, el modelo AF se convertiria en el equivalente lineal del modelo TRI de un parametro. Puesto que [lambda] es constante, la representacion tridimensional propuesta en la seccion anterior podria reducirse ahora a una representacion bidimensional en la que las puntuaciones fuesen tan solo funcion de las posiciones de los items. En forma mas general, este tipo de representacion fue inicialmente propuesta por Trabin y Weiss (1983) con el nombre de "curva de respuesta de la persona" (CRP) que es el que utilizaremos aqui. Es una metodologia que ha recibido bastante atencion en el estudio de la CII (Emons, Sijtsma y Meijer, 2004, 2005). Sin embargo, hasta donde tenemos noticia, su uso se ha limitado a items binarios.

En la practica no cabe esperar en general que un test de personalidad o actitud se ajuste al modelo tau-equivalente. Sin embargo, la experiencia con este tipo de items sugiere que la variabilidad de los indices de discriminacion es relativamente reducida (Ferrando, 2009a, Levy, 1973). En el modelo tau-equivalente, si se situaran las n posiciones de los items ordenadas en el eje de abcisas, entonces las puntuaciones esperadas definirian una recta. En el modelo congenerico, y teniendo en cuenta la observacion anterior, se esperaria que las puntuaciones formasen una nube de puntos relativamente compacta que seria bien ajustada por una recta de regresion. Definimos entonces la CRP esperada (CRP-E) como la recta de regresion de mejor ajuste (en los terminos habituales de minimos cuadrados) a la nube de puntos esperados.

En el grafico bidimensional que se esta describiendo, consideramos que la formulacion (3) permite aqui una mejor interpretacion que la formulacion (1) propuesta en la anterior seccion. Si se representan las dificultades [beta] en el eje de abcisas, entonces se puede localizar en el grafico el nivel estimado del sujeto como el valor en el eje de las [beta] que corresponde a una puntuacion esperada de 0,5. Ademas, la pendiente de la recta refleja la capacidad discriminativa media de los items y esto, como se discute abajo, permite obtener informacion adicional de interes.

En conjunto, la propuesta CRP consiste en un grafico con las puntuaciones en el eje de ordenadas y las dificultades [beta] en el eje de abcisas. En este grafico se representa la recta CRP-E y, conjuntamente, las respuestas observadas en los n items representadas como puntos. Si el numero de puntos es suficiente, se puede ajustar ademas una curva de regresion a los puntos observados. Esta curva seria la CRP observada (CRP-O). En el caso de un patron detectado como inconsistente, la tendencia de las respuestas observadas no tiene por que ser lineal y, por tanto, la forma de la CRP-O es desconocida. Para ajustar la linea de regresion a los puntos observados (es decir, obtener la CRP-O), se propone utilizar un procedimiento de regresion no parametrico que no fuerce a priori ninguna forma especifica de curva. Procedimientos de este tipo se encuentran implementados en los paquetes estadisticos mas habituales. En nuestros trabajos utilizamos con buenos resultados un procedimiento de suavizado con funcion gaussiana. El estimador correspondiente al punto de evaluacion [beta] se obtiene como

[EXPRESION MATEMATICA IRREPRODUCIBLE EN ASCII.] (6)

donde K(x) es la funcion de suavizado (en este caso gaussiana), no-negativa, continua y simetrica, que asigna valores maximos cerca del punto 0,0, y que decrece al alejarse de dicho punto en cualquier direccion. El parametro h (amplitud de banda) lo selecciona el usuario y controla el grado de suavizado. La idea general del procedimiento es obtener una estimacion no-parametrica de la CRP-O mediante una media ponderada obtenida en cada punto de evaluacion. El procedimiento se explica con detalle en Hardle (1990).

Al igual que en el grafico SRP, las comparaciones entre la CRP-E y la nube de puntos observados pueden dar una idea general de las discrepancias entre el patron de respuestas observado en este individuo, y el patron predicho por el modelo. Si el test no es tau-equivalente, se perdera algo de informacion con respecto al grafico SRP, pero la visualizacion sera mas simple. Por otra parte, las comparaciones entre la CRP-E y la CRP-O pueden indicar tendencias que, a su vez, pueden ser utiles para detectar formas particulares de inconsistencia. Por ejemplo, si la inconsistencia fuese debida a cierta tendencia a responder al azar, entonces se esperaria que la CRP-O tuviese menor pendiente que la CRP-E. Y en el caso de respuestas totalmente al azar, la CRP-O se esperaria que fuese plana. Sin embargo, para que la comparacion entre curvas sea precisa e interpretable es necesario disponer de un numero substancial de items (quizas un minimo de 35 items). Con conjuntos mayores se podrian establecer bandas de confianza en torno a una de las dos curvas, lo que permitiria no solo un analisis general de tendencias sino tambien un analisis local de discrepancias entre ambas curvas.

Ejemplo ilustrativo

La utilidad de los procedimientos propuestos se ilustra en esta seccion mediante un test de personalidad adaptado y administrado por los autores. Se trata de una escala de Extraversion de 35 items que utilizan un formato de respuesta graduada en 5 puntos. A fin de controlar potenciales efectos de aquiescencia, 10 de los items miden en la direccion de Introversion y los 25 restantes en la direccion de Extraversion. El cuestionario se administro a un grupo de 479 estudiantes universitarios que respondieron voluntariamente. De acuerdo con los requisitos descritos antes, las respuestas se reescalaron para que tomaran valores entre 0 y 1, y, para el analisis, se puntuaron todas en la direccion de Extraversion.

En la fase de calibracion se ajusto el modelo congenerico (1) mediante minimos cuadrados simples tal como se encuentran implementados en la version 8.3 de LISREL (Joreskog y Sorbom, 1996). El ajuste del modelo era aceptable: los residuales se distribuian simetricamente en torno a una mediana de cero y, una vez estandarizados, la mayor parte de ellos estaban dentro del intervalo (-3,+3), con una raiz media cuadratica de 0,05. El indice de bondad de ajuste gamma-GFI tenia un valor de 0,93.

En la segunda fase, los parametros de los items se consideraron fijos y, para cada sujeto, se calcularon la puntuacion factorial estimada de Bartlett y el indice global de CII lcz, el cual es una es tandarizacion del indice cuadratico lco, ambos propuestos por Ferrando (2007):

[EXPRESION MATEMATICA IRREPRODUCIBLE EN ASCII.]

donde [theta] es la puntuacion factorial de Barlett. El indice refiere (aproximadamente) a la distribucion normal estandar. Valores altos y positivos (digamos por encima de 2) sugieren inconsistencia en el patron de respuestas evaluado.

[FIGURA 1 OMITIR]

Los dos primeros ejemplos corresponden a participantes que recibieron instrucciones especiales destinadas a provocar un tipo especifico de respuesta inconsistente. Se trata, por tanto, de ver hasta que punto los graficos propuestos permiten recuperar el tipo especifico de inconsistencia. En el primer ejemplo se intento provocar un sesgo de respuesta aquiescente. El participante recibio instrucciones de responder sinceramente a los items en lo posible, pero tambien, al mismo tiempo, de mostrar acuerdo con el contenido de los mismos cualquiera que fuese la direccion del enunciado. El valor del indice lcz para este sujeto fue de 3,12, valor que lo detectaria como potencialmente inconsistente. El grafico SRP se muestra en la figura 1.

El grafico en la figura 1 sugiere que el participante siguio bastante fielmente las instrucciones. La mayor parte de las respuestas no se alejan demasiado del plano de respuesta esperado. Sin embargo, hay un conjunto de 10 items, localizados mayoritariamente en la parte inferior izquierda del grafico, cuyas respuestas parecen claramente inconsistentes. Estos items que se han marcado con una r (revertidos) son, precisamente, los que median en la direccion opuesta. De acuerdo con su nivel estimado, este sujeto no deberia haber estado de acuerdo con ellos. Lo estuvo por la tendencia a responder de forma aquiescente.

En el segundo ejemplo se ilustra la utilidad del procedimiento CRP. Al segundo participante se le pidio que respondiera al cuestionario totalmente al azar. El valor del indice lcz para este sujeto fue de 6,09, un valor muy extremo y que sugeriria un elevado grado de inconsistencia. El grafico CRP se muestra en la figura 2. La recta con trazado grueso es la PRC-E. La curva con trazado fino es la PRC-O obtenida mediante suavizado.

En la figura 2 se aprecia claramente una gran dispersion de todos los valores observados en general, sin ninguna tendencia definida. La CRP-O resume bien este aspecto: es mucho mas plana que la CRP-E, sin tendencia clara ni creciente ni decreciente. Es el grafico que cabria esperar en este tipo de inconsistencia.

El ultimo ejemplo pretende mostrar la utilidad de la CRP en una situacion opuesta a los dos anteriores. Cuando se estudian los valores del indice global de CII, generalmente solo se tienen en cuenta los valores extremos en la direccion de inconsistencia (valores altos y positivos en el caso de lcz). Sin embargo, los valores que indican una extrema consistencia tambien merecen ser inspeccionados. Este seria el caso del participante no 18, con un valor de lcz de -3,18. El resultado sugiere que este sujeto responde de forma mas deterministica de lo que cabria esperar desde el modelo. El grafico CRP se muestra en la figura 3.

Como se ha comentado antes, la pendiente de la CRP-E reflejaria la capacidad discriminativa promedio de los items. La pendiente del la CRP-O en el sujeto 18 es mayor que la de la CRPE lo que sugiere que responde en forma mas consistente de lo que cabria esperar dada la consistencia promedio del test. En teoria de la personalidad esto sugeriria que la estructura del rasgo de Extraversion esta muy bien organizada en este sujeto. Sin embargo, la inspeccion de los puntos indica tambien que esta sobreconsistencia se obtiene, al menos en parte, gracias al uso restringido de la escala de respuesta. El sujeto solo utiliza 4 puntos de respuesta adyacentes de los 5 disponibles (no utiliza el extremo inferior en ningun caso). Y solo utiliza el extremo superior en una ocasion.

[FIGURA 2 OMITIR]

[FIGURA 3 OMITIR]

Discusion y conclusiones

Para que una puntuacion en un test sea interpretable y permita llegar a inferencias correctas (toma de decisiones, relacion con otras variables, etc.) debe basarse en un patron de respuestas consistente (e.g. Rojas, Gonzalez, Padilla y Perez, 2000; Hambleton, 1990). Este requisito esta cada vez mas asumido en las aplicaciones basadas en los modelos mas comunes de TRI. Sin embargo, esta casi totalmente descuidado en aquellas basadas en el AF. En efecto, una vez calibrado el test mediante AF y evaluado (en el mejor de los casos) su ajuste global, las puntuaciones factoriales se interpretan y utilizan generalmente sin ningun tipo de verificacion. Esta situacion afecta principalmente a las aplicaciones en medicion de actitudes y personalidad, que son las que mas utilizan el modelo lineal.

En este trabajo se presentan dos procedimientos graficos basados en el modelo unidimensional de analisis factorial lineal, que complementan los resultados obtenidos con indices globales de consistencia intra-individual. Estos procedimientos, pensados para items aproximadamente continuos, permiten establecer las posibles causas de los patrones inconsistentes de respuesta detectados previamente. En ambos casos, la utilizacion de las tecnicas propuestas requiere en primer lugar la calibracion de los items y la evaluacion global del ajuste del modelo. Si el ajuste es adecuado, se toman los parametros de los items como fijos y, para cada sujeto, se calculan las puntuaciones factoriales estimadas y un indice de CII. Finalmente, una vez identificado los sujetos potencialmente inconsistentes, se procede a la representacion grafica de las puntuaciones observadas en cada item y de las puntuaciones factoriales estimadas de uno de estos sujetos.

En el primer procedimiento propuesto, la representacion grafica tridimensional de los valores esperados del sujeto en cada item, como funcion de los interceptos y de los pesos, forman un plano de regresion denominado Superficie de Respuesta de la Persona. Observando la posicion en el grafico de las puntuaciones observadas, en relacion a dicha superficie, es posible determinar que items son los responsables de la baja consistencia intra-individual detectada mediante el indice global de CII. El ejemplo empirico proporcionado en este articulo ilustra como, este procedimiento grafico permite detectar un patron inconsistente debido a la aquiescencia. Como era de esperar en un patron de este tipo, las respuestas observadas en aquellos items formulados en sentido inverso son las que estan mas alejadas de la Superficie de Respuesta de la Persona.

El segundo procedimiento parte del modelo de items tauequivalentes, segun el cual todos los items del test se caracterizan por tener el mismo poder discriminativo. Los items de personalidad y de actitudes suelen presentar valores similares en cuanto a su discriminacion, por lo que el uso de este modelo puede funcionar como una razonable aproximacion. La representacion grafica en este caso es bidimensional, y las puntuaciones estimadas de los sujetos estaran en funcion de las posiciones de los items, pero no de su nivel de discriminacion. En este procedimiento se propone utilizar una formulacion en la que la posicion del item se define en forma similar a los modelos basicos de TRI. Con respecto al primer procedimiento, este es mas simple, y permite obtener una CRP-O que puede compararse con la CRP-E, lo que, a su vez, permite detectar tendencias de respuesta que son la causa de la inconsistencia. Asi, en un patron consistente, ambas curvas mostraran la misma tendencia y estaran proximas. En cambio, una CRP-O aproximadamente horizontal indicaria que el sujeto tiende a responder siempre de la misma manera, independientemente del nivel de dificultad del item. En este articulo se presenta un ejemplo empirico, correspondiente a un sujeto que recibio instrucciones de responder al azar. La CRP-O, correspondiente al patron de respuestas observadas de este individuo, es muy diferente de la CRP-E, constituyendo en gran medida una linea aproximadamente horizontal.

Pero no solamente la inconsistencia intra-individual debe ser considerada y evaluada. El hecho de que una persona presente un patron de respuestas especialmente consistente tambien puede resultar una valiosa fuente de informacion, porque podria indicar que el rasgo medido esta altamente estructurado en el sujeto. Por lo tanto, podria observarse en personas que tienden a responder de forma muy consistente en las diversas situaciones en las que el rasgo esta implicado. Con el fin de ilustrar esta posibilidad, se proporciona un ultimo ejemplo empirico, correspondiente a un sujeto con un valor CII lcz que sugiere una consistencia intra-individual especialmente elevada. Sin embargo, el grafico muestra que este patron de respuestas tambien se puede obtener cuando el sujeto se limita a responder utilizando un numero limitado de categorias de respuesta. Por lo tanto, es necesario descartar esta posibilidad antes de concluir que el comportamiento del sujeto es muy consistente a traves de las situaciones.

Los procedimientos desarrollados en este trabajo pueden resultar de utilidad tanto en investigacion como a nivel aplicado, en diversas areas de la Psicologia. Por ejemplo, en el caso de que los items de un test se refieran a diversas situaciones en las que se puede manifestar el rasgo evaluado, estos procedimientos graficos permitirian determinar si una persona presenta patrones de respuesta inconsistentes en situaciones concretas. De hecho, diversos autores han reconocido la importancia de conocer hasta que punto es consistente la conducta de una persona, a traves de diversas situaciones. Por ejemplo, segun Deschamps y Beauvois (1996), las personas explicamos las conductas ajenas en funcion de diversas variables, y una de ellas es la consistencia intra-individual de la persona que presenta la conducta en cuestion. A nivel educativo, por otra parte, tambien hay autores que han senalado la consistencia intra-individual como variable a considerar. Rodriguez, Cabanach, Pineiro, Valle, Nunez y Gonzalez-Pienda (2001), por ejemplo, senalan que la orientacion de algunos alumnos hacia metas concretas (metas de aprendizaje, metas de aproximacion a la tarea, metas en defensa del yo, etc.) dependeria de la situacion academica, mientras que en otros alumnos las orientaciones hacia las metas serian consistentes a traves de las situaciones academicas.

Fecha recepcion: 19/3/2009 * Fecha aceptacion: 12/6/2009

Referencias

Dawes, R.M. (1972). Fundamentals of attitude measurement. New York: Wiley.

Deschamps, J.C., y Beauvois, J.L. (1996). Atribuciones intergrupos. En J.F. Morales y D. Paez (Ed.): Estereotipos, Discriminacion y Relaciones entre grupos (pp. 91-112). Madrid: McGraw Hill.

Emons, W.H.M., Sijtsma, K., y Meijer, R.R. (2004). Testing hypothesis about the person-response-function in person-fit analysis. Multivariate Behavioral Research, 39, 1-35.

Emons, W.H.M., Sijtsma, K., y Meijer, R.R. (2005). Global, local and graphical person-fit analysis using person-response functions. Psychological Methods, 10, 101-119.

Ferrando, P.J. (2002). Theoretical and empirical comparisons between two models for continuous item responses. Multivariate Behavioral Research, 37, 521-542.

Ferrando, P.J. (2007). Factor-analytic procedures for assessing response pattern scalability. Multivariate Behavioral Research, 42, 481-508.

Ferrando, P.J. (2009a). Difficulty, discrimination and information indices in the linear factor analysis model for continuous responses. Applied Psychological Measurement, 33, 9-24.

Ferrando, P.J. (2009b). Some statistics for assessing person-fit based on continuous-response models. Applied Psychological Measurement (en prensa).

Hambleton, R.K. (1990). Item response theory: Introduction and bibliography. Psicothema, 2, 97-107.

Hardle, W. (1990). Applied nonparametric regression. London: Chapman & Hall.

Hofstee, W.K.B., Ten Berge, J.M.F., y Hendricks, A.A.J. (1998). How to score questionnaires. Personality and Individual Differences, 25, 897-910.

Joreskog, K.G. (1971). Statistical analysis of sets of congeneric tests. Psychometrika, 36, 109-133.

Joreskog, K.G., y Sorbom, D. (1996). LISREL 8: User's Reference Guide. Chicago: Scientific Software.

Levy, P. (1973). On the relation between test theory and psychology. En P. Kline (Ed.): New approaches in psychological measurement (pp. 142). New York: Wiley.

Meijer, R.R., y Sijtsma, K. (1995). Detection of aberrant item scores patterns: A review and new developments. Applied Measurement in Education, 8, 261 272.

Meijer, R.R., y Sijtsma, K. (2001). Methodology review: Evaluating person fit. Applied Psychological Measurement, 25, 107-135.

Mellenbergh, G.J. (1994). A unidimensional latent trait model for continuous item responses. Multivariate Behavioral Research, 29(3), 223-237.

Rodriguez, S., Cabanach, R., Pineiro, I., Valle, A., Nunez, J.C., y Gonzalez- Pienda, J.A. (2001). Metas de aproximacion, metas de evitacion y multiples metas academicas. Psicothema, 13, 546-550.

Rojas, A.J., Gonzalez, A., Padilla, J.L., y Perez, C. (2000). Comparacion de estrategias de ajuste de los datos al modelo de credito parcial. Psicothema, 12, 296-302.

Tellegen, A. (1988). The analysis of consistency in personality assessment. Journal of Personality, 56, 622-663.

Trabin, T.E., y Weiss, D.J. (1983). The person response curve fit of individuals to item response theory models. En D.J. Weiss (Ed.): New horizons in testing (pp. 83-108). New York: Academic Press.

Correspondencia:

Pere Joan Ferrando Piera

Facultad de Psicologia

Universidad Rovira i Virgili

43007 Tarragona (Spain)

e-mail: perejoan.ferrando@urv.cat
COPYRIGHT 2010 Colegio Oficial De Psicologos Del Principado De Asturias
No portion of this article can be reproduced without the express written permission from the copyright holder.
Copyright 2010 Gale, Cengage Learning. All rights reserved.

Article Details
Printer friendly Cite/link Email Feedback
Author:Ferrando Piera, Pere Joan; Morales Vives, Fabia
Publication:Psicothema
Date:Apr 1, 2010
Words:5058
Previous Article:RAN: un programa informatico para estimar patrones de respuesta aleatorios en tests objetivos.
Next Article:Castigo fisico y consecuencias a largo plazo: el papel moderador del contexto parental positivo y la agresion psicologica.
Topics:

Terms of use | Privacy policy | Copyright © 2019 Farlex, Inc. | Feedback | For webmasters