Validez y fiabilidad en encuestas de investigación: una guía

Cuando construyes una encuesta, cada respuesta que recopilas es tan fiable como el instrumento que la produjo. Dos propiedades determinan esa fiabilidad: la validez (¿estás midiendo lo que pretendes medir?) y la fiabilidad (¿tu instrumento lo mide de manera consistente?). Un cuestionario puede ser fiable sin ser válido, pero nunca puede ser verdaderamente válido sin ser primero fiable. Comprender ambas es la diferencia entre datos que puedes defender ante los revisores y datos que socavan silenciosamente tus conclusiones.

Qué significa realmente la validez

La validez tiene que ver con la precisión del significado. Pregunta si las inferencias que extraes de las puntuaciones están justificadas para un propósito y una población específicos. La validez no es un único número que calculas una vez; es un argumento que construyes a partir de varios tipos de evidencia.

Validez de contenido

La validez de contenido se refiere a si tus ítems cubren el dominio conceptual completo del constructo. Si estás midiendo «satisfacción laboral» pero todos los ítems son sobre el salario, has ignorado las relaciones con los colegas, la autonomía, el reconocimiento y la carga de trabajo. La validez de contenido se establece generalmente antes de la recopilación de datos haciendo que expertos en la materia revisen cada ítem en cuanto a relevancia y representatividad. Una ayuda cuantitativa habitual es el Índice de Validez de Contenido (CVI), donde los expertos valoran la relevancia de los ítems y se calcula la proporción considerada relevante.

Validez de constructo

La validez de constructo es el grado en que tu instrumento captura realmente el concepto teórico abstracto que afirma medir, como la ansiedad, la motivación o la lealtad a la marca. Se sustenta en dos formas complementarias de evidencia:

• Validez convergente: las puntuaciones se correlacionan fuertemente con otras medidas del mismo constructo o de constructos relacionados.
• Validez discriminante: las puntuaciones no se correlacionan fuertemente con medidas de constructos no relacionados.

Los investigadores a menudo examinan la validez de constructo mediante el análisis factorial (exploratorio o confirmatorio) para confirmar que los ítems se agrupan en las dimensiones que predice la teoría.

Validez de criterio

La validez de criterio evalúa qué tan bien se relacionan las puntuaciones con un resultado externo y observable llamado criterio. Tiene dos formas: la validez concurrente, donde la encuesta y el criterio se miden al mismo tiempo (por ejemplo, una escala de estrés comparada con la valoración actual de un clínico), y la validez predictiva, donde la encuesta predice un resultado futuro (por ejemplo, una prueba de aptitud que pronostica el rendimiento laboral posterior). Una validez de criterio sólida se muestra mediante una correlación significativa entre el instrumento y el criterio.

Qué significa realmente la fiabilidad

La fiabilidad tiene que ver con la consistencia. Si las mismas personas respondieran tu encuesta de nuevo en condiciones similares, ¿obtendrían puntuaciones similares? Varios tipos importan según tu diseño:

• Consistencia interna: si los ítems destinados a medir un constructo concuerdan entre sí.
• Fiabilidad test-retest: estabilidad de las puntuaciones en dos momentos temporales para los mismos encuestados.
• Fiabilidad entre evaluadores: acuerdo entre distintos observadores al puntuar las mismas respuestas.

El alfa de Cronbach: qué es y qué no es

El alfa de Cronbach es el índice de consistencia interna más ampliamente reportado. Conceptualmente, estima cuán estrechamente relacionados están un conjunto de ítems como grupo, basándose en la correlación inter-ítem promedio y el número de ítems. Va (en la práctica) de 0 a 1.

Los umbrales comúnmente citados tratan los valores alrededor de 0,70 o superiores como aceptables, 0,80 y superiores como buenos y 0,90 y superiores como excelentes. Sin embargo, estas son convenciones, no leyes. Dos advertencias importan:

• El alfa aumenta simplemente añadiendo más ítems, por lo que un alfa alto puede enmascarar ítems individuales débiles.
• Un alfa muy alto (por encima de aproximadamente 0,95) puede señalar redundancia, es decir, que varios ítems esencialmente hacen la misma pregunta.

Es fundamental que el alfa mide la consistencia, no la validez. Una escala puede tener un alfa de 0,90 y aun así medir la cosa equivocada. Reporta el alfa para cada subescala por separado en lugar de hacerlo para un cuestionario completo que abarca varios constructos.

Cómo mejorar la validez y la fiabilidad

Ambas propiedades se incorporan en tu diseño mucho antes del análisis. Los pasos prácticos incluyen:

• Define el constructo con precisión y escribe ítems que se correspondan directamente con esa definición.
• Realiza una revisión de expertos para la validez de contenido y la claridad antes del lanzamiento.
• Realiza una prueba piloto con una muestra pequeña para detectar redacciones ambiguas y calcular la fiabilidad preliminar.
• Escribe ítems claros de una sola idea; evita las preguntas de doble cañón y el lenguaje inductivo.
• Usa suficientes ítems por constructo (generalmente varios) para que la fiabilidad sea estable.
• Equilibra los ítems redactados de forma positiva y negativa con cuidado, y recuerda invertir la puntuación de los negativos.
• Inspecciona las correlaciones ítem-total y elimina los ítems que debilitan la escala.

Cuando estés listo para probar estas propiedades, MSN Forms te permite construir la encuesta, probarla en seis idiomas con soporte completo de derecha a izquierda, y explorar los resultados a nivel de ítem mediante análisis integrados y tablas de resultados académicos que puedes exportar a Word o PDF para tu informe de fiabilidad y validez. El objetivo es simple: instrumentos en los que tus lectores y revisores puedan confiar.