Validar un instrumento es reunir evidencia de que mide lo que dice medir y de que lo hace con precisión en tu muestra. No basta con citar la validación del autor original: la validez no es una propiedad fija del test, sino de sus puntuaciones en una población concreta, así que se espera evidencia propia.
El recorrido
- Depura la baseSin respuestas descuidadas, incompletas o invariantes, que distorsionan las correlaciones entre ítems.
- Analiza los ítemsCorrelación ítem-resto, α si se elimina el ítem, asimetría y curtosis.
3 · ¿La estructura tiene sustento teórico y evidencia previa?
- Confiabilidadα y ω de cada dimensión.
- Validez convergente y discriminanteAVE, criterio de Fornell-Larcker y HTMT.
- ReporteLos valores, las decisiones que tomaste y las limitaciones.
La decisión clave: ¿AFE o AFC?
El AFC pone a prueba una estructura planteada de antemano: cuántas dimensiones hay y qué ítems pertenecen a cada una (Brown, 2015). Si la teoría la define y algún estudio previo la respaldó, lo apropiado es ir directo al AFC, sobre todo al adaptar un test con una estructura conocida y clara (Ferrando et al., 2022). El AFE se reserva para cuando esa estructura no se conoce.
Un AFE puede no reproducir una estructura correcta, porque su resultado depende del número de factores, la extracción y la rotación. No abandones una estructura teórica solo porque un AFE no la encontró. Si usas los dos análisis, hazlos en mitades distintas de la muestra: en la misma, el AFC confirma algo ajustado a esos datos (Fokkema y Greiff, 2017).
Qué reportar
| Evidencia | Qué reportar | Criterio orientativo |
|---|---|---|
| Estructura interna | χ²(gl), CFI, TLI, RMSEA con su IC 90 %, SRMR y cargas estandarizadas | CFI y TLI ≥ .90; RMSEA y SRMR ≤ .08; cargas ≥ .50 |
| Confiabilidad | α y ω de cada dimensión | ≥ .70 |
| Validez convergente | Varianza media extraída (AVE) | ≥ .50 |
| Validez discriminante | Fornell-Larcker y HTMT | HTMT < .85 (Henseler et al., 2015) |
Los puntos de corte orientan, no deciden. Un valor cerca del límite puede reportarse si lo justificas y lo declaras como limitación. Lo que no se hace es ocultarlo ni ajustar el modelo hasta que los números cumplan.
Antes de darlo por terminado
- ¿Reportas la evidencia obtenida en tu muestra y no solo la del autor original?
- ¿Justificas por qué hiciste AFC directo o AFE y después AFC?
- ¿Cada ítem eliminado o error correlacionado tiene una razón de contenido y está reportado?
- ¿Reportas α y ω por dimensión, y la validez convergente y discriminante?
- ¿Los resultados débiles aparecen como limitaciones en la discusión?
Hazlo paso a paso con Validación de instrumentos: te explica cada número, genera el texto para tu método y propone las limitaciones. Antes, depura tu base con Depuración de datos.
Referencias
Brown, T. A. (2015). Confirmatory factor analysis for applied research (2nd ed.). Guilford Press.
Ferrando, P. J., Lorenzo-Seva, U., Hernández-Dorado, A., & Muñiz, J. (2022). Decálogo para el análisis factorial de los ítems de un test. Psicothema, 34(1), 7–17. https://doi.org/10.7334/psicothema2021.456
Fokkema, M., & Greiff, S. (2017). How performing PCA and CFA on the same data equals trouble: Overfitting in the assessment of internal structure and some editorial thoughts on it. European Journal of Psychological Assessment, 33(6), 399–402. https://doi.org/10.1027/1015-5759/a000460
Henseler, J., Ringle, C. M., & Sarstedt, M. (2015). A new criterion for assessing discriminant validity in variance-based structural equation modeling. Journal of the Academy of Marketing Science, 43(1), 115–135. https://doi.org/10.1007/s11747-014-0403-8