Pega las respuestas de tu prueba piloto y obtén el alfa, su intervalo de confianza, la tabla de «alfa si se elimina el ítem» y el párrafo en APA listo para tu tesis.
Además del alfa, la tabla te dice qué ítem está bajando tu fiabilidad y cuánto subiría el coeficiente si lo eliminas.
—
| Ítem | Varianza | Correl. ítem-total | Α si se elimina | Diagnóstico |
|---|
—
El Alfa de Cronbach (α), también escrito alpha de Cronbach, es el estadístico más usado en psicometría para medir la confiabilidad de un instrumento de medición, en concreto su consistencia interna: hasta qué punto los ítems de una escala o test miden lo mismo y se comportan de forma coherente entre sí. Lo propuso Lee Cronbach en 1951, dentro de la teoría clásica de los tests, y desde entonces es el estándar que tu jurado de tesis espera ver tras la prueba piloto de un cuestionario.
Sirve para responder una pregunta concreta: ¿las preguntas que formulaste son coherentes entre sí y miden con precisión el constructo que pretendes evaluar? Si los encuestados responden de forma consistente a través de los ítems, el alfa es alto y el instrumento es fiable. Si responden de forma errática, el alfa baja y conviene revisar la escala antes de aplicarla a toda la muestra.
El coeficiente va de 0 a 1. A diferencia de la V de Aiken, que evalúa la validez de contenido antes de aplicar el instrumento, el Alfa de Cronbach mide la fiabilidad con datos reales de una muestra. En una tesis cuantitativa se reportan ambos: primero la validez, luego la confiabilidad.
El alfa se obtiene comparando la suma de las varianzas de cada ítem con la varianza del puntaje total:
La lógica es intuitiva: si los ítems están muy correlacionados entre sí (miden lo mismo), la varianza total de la puntuación es mayor que la suma de las varianzas individuales de los ítems, el cociente Σσ²ᵢ / σ²ₜ se acerca a 0 y el alfa se acerca a 1. El coeficiente también sube con el número de ítems, por eso conviene interpretarlo junto al diagnóstico por ítem y no de forma aislada.
Calcular el Alfa de Cronbach a mano, o montarlo en Excel sumando varianzas, es laborioso y propenso a errores; y aunque SPSS lo hace, no todos tienen licencia. La calculadora de arriba lo resuelve pegando tu matriz, e incluye lo que de verdad necesitas para decidir: la tabla de «alfa si se elimina el ítem».
Los criterios más citados son los de George y Mallery (2003). Como regla general, un alfa ≥ 0.70 se considera aceptable para investigación; por debajo conviene revisar la escala. Un valor alto indica que el instrumento es confiable y que la consistencia interna de una escala es sólida, una de las evidencias clave para validar la fiabilidad de un test antes de aplicarlo. Pero el valor puntual no basta: con muestras pequeñas, el alfa es una estimación con incertidumbre, por eso esta calculadora reporta también su intervalo de confianza por el método de Feldt, tal como recomiendan Domínguez-Lara y Merino-Soto para no sobrestimar la fiabilidad.
Bueno a excelente. Consistencia interna sólida; el instrumento es fiable.
Aceptable. Válido para investigación, con margen de mejora en algunos ítems.
Cuestionable o pobre. Revisa los ítems que bajan el alfa antes de aplicar.
Cuando el alfa sale bajo, la tesis se frena porque el instrumento no es fiable, y la pregunta es: ¿qué ítem está arruinando el cuestionario? Esta es la función que ofrece SPSS y que casi ninguna calculadora gratuita muestra con claridad. Para cada ítem, la herramienta recalcula el alfa como si ese ítem no existiera: si el coeficiente sube al eliminarlo, ese ítem está restando consistencia y es candidato a revisión o eliminación. Lo complementa con la correlación ítem-total corregida: valores por debajo de 0.30 (o negativos) señalan ítems que no acompañan al resto de la escala, a menudo por estar redactados en sentido inverso sin recodificar.
Con la validez de contenido y la confiabilidad cubiertas, tu instrumento está justificado. El siguiente bloque es el análisis de los datos de campo: pruebas de hipótesis y más.
Cronbach, L. J. (1951). Coefficient alpha and the internal structure of tests. Psychometrika, 16(3), 297–334.
George, D., & Mallery, P. (2003). SPSS for Windows step by step: A simple guide and reference (4.ª ed.). Allyn & Bacon.
Feldt, L. S. (1965). The approximate sampling distribution of Kuder-Richardson reliability coefficient twenty. Psychometrika, 30(3), 357–370.
Domínguez-Lara, S. A., & Merino-Soto, C. (2015). ¿Por qué es importante reportar los intervalos de confianza del coeficiente alfa de Cronbach? Revista Latinoamericana de Ciencias Sociales, Niñez y Juventud, 13(2), 1326–1328.