ISSN-L: 0798-1015 • eISSN: 2739-0071 (En línea)
https://www.revistaespacios.com Pag. 61
Vol. 42 (16) 2021 • Art. 5
Recibido/Received: 28/06/2021 • Aprobado/Approved: 25/08/2021 • Publicado/Published: 30/08/2021
DOI: 10.48082/espacios-a21v42n16p05
Contraste de resultados para validación de una escala Likert
usando un enfoque tradicional y nuevas recomendaciones
Likert scale validation results using tradicional approach and new recommendations
contrast
CONTRERAS, Carolina N.
1
GONZÁLEZ, Ricardo I.
2
Resumen
En este artículo se contrasta los resultados de un análisis exploratorio siguiendo recomendaciones
actualizadas (i.e., Análisis Factorial Exploratorio, AFE), y los criterios clásicos (i.e., Análisis de
Componentes Principales ACP). De igual forma se contrasta el tipo de rotación (i.e., Oblicua u
Ortogonal). Se evidencian las diferencias en los resultados y la importancia de considerar las
recomendaciones recientes. En especial, las características de la muestra determinan la selección de los
procedimientos.
Palabras clave: ACP, AFE, rotación, número de factores.
Abstract
This article contrasts the results of an exploratory analysis following most recent recommendations (i.e.,
Exploratory Factor Analysis, EFA), and the classical criteria (i.e., Principal Component Analysis, PCA). The
type of rotation (i.e., Oblique or Orthogonal) is also contrasted.
The differences in the results and the importance of considering recent recommendations are
evidenced. In particular, the characteristics of the sample determine the selection of the procedures.
Key words: PCA, EFA, rotation, number of factors
1. Introducción
Frente a la metodología para la validación de escalas psicométricas existen técnicas más usadas que otras, ya
sea, por su facilidad de implementación, por su tradición, divulgación y acceso en determinadas disciplinas, entre
otros. Sin embargo, dicha popularidad ha sido puesta en discusión en algunas publicaciones desde los aspectos
metodológicos (Lloret-Segura, et al., 2014) que involucran el tipo de análisis estadístico (Ferrando, Ledesma, &
Tosi, 2019) y el tipo de software a utilizar (Lloret-Segura, et al., 2017). Frente al análisis de una escala tipo Likert
el investigador se ve enfrentado a tomar la decisión de utilizar las técnicas más clásicas, ampliamente usadas y
1
Estudiante Magister. Facultad de Educación. Universidad Católica de la Santísima Concepción. Chile. Email: ccontreras@magisteredu.ucsc.cl
2
Docente. Departamento de Currículum y Evaluación, Facultad de Educación. Universidad Católica de la Santísima Concepción. Chile. Email:
rgonzalez@ucsc.cl
ISSN-L: 0798-1015 • eISSN: 2739-0071 (En línea) Revista EspaciosVol. 42, Nº 16, Año 2021
CONTRERAS, Carolina N. et al. «Contraste de resultados para validación de una escala Likert usando un
enfoque tradicional y nuevas recomendaciones»
Pag. 62
divulgadas (i.e., Análisis de Componentes Principales ACP), o usar las recomendaciones que desaconsejan estas
técnicas.
1.1. Objetivo
El objetivo de este artículo es contrastar los resultados de un análisis considerado clásico y uno que siga las
recomendaciones más recientes a modo de ejemplo para investigadores nóveles. Como objetivos específicos se
contrastó el Análisis de Componentes Principales (ACP) con Análisis Factorial Exploratorio (AFE). Además, se
contrastó ACP y AFE donde se usaron diferentes tipos de rotación oblicuo u ortogonal.
Para seleccionar las recomendaciones de la literatura reciente se usó el criterio de seleccionar el tipo de análisis
según las características específicas de la escala.
Primeramente, veremos la comparación de resultados entre el ACP y AFE. Dicha discusión podría presuponer
que ambos métodos son lo mismo, por lo tanto, entregarán el mismo resultado. No obstante, no es así. En la
tradición se ha planteado y usado el ACP como un método de extracción de factores lo que ha generado esta
confusión (Ferrando, Ledesma, & Tosi, 2019). No obstante, hoy existen publicaciones que son enfáticas en
señalar que el ACP no es un método que permita descubrir la variable latente, sino que permite la reducción de
componentes (Lloret-Segura et al., 2014).
Segundo, presentaremos las diferencias de ACP y AFE según el tipo de rotación. Dicho punto, nos contrapone
entre la recomendación de un método oblicuo u otro ortogonal. Se realiza la comparación por la rotación
específica Varimax y Oblimin. En las recomendaciones de la literatura actual (Lloret-Segura et al., 2014) se debe
analizar exhaustivamente las características de los datos para determinar el tipo de rotación. En este caso dichas
características corresponden a la psicometría principalmente.
2. Metodología
Los datos utilizados corresponden a una investigación para la validación de una escala tipo Likert.
La escala cuenta con 53 ítems (Anexo 1) que nacen de la teoría de autorregulación de los aprendizajes de
Zimmerman (Panadero & Alonso, 2014). Se mide frecuencia con 7 opciones que va desde “nunca” a “siempre”.
Se divide en tres la escala con tres consignas que anticipan los momentos de la tarea: Antes de empezar la
investigación en Lenguaje y Comunicación… ; Mientras realizo la investigación en Lenguaje y Comunicación…; y ,
Una vez terminada la investigación en Lenguaje y Comunicación. Para realizar el contraste se utilizó una muestra
de 279 personas.
Se realizaron las pruebas de normalidad, las pruebas de fiabilidad para consistencia interna y las pruebas de
Kaiser-Meyer-Olkin y la prueba de esfericidad Bartlett's. Una vez terminado esto se realizaron las pruebas
estadísticas ACP y AFE.
2.1. Elección de la Metodología de análisis preliminares
La muestra tiene características que son particulares como son no tener normalidad y tener un sesgo negativo.
Dichas características posicionan y plantan al investigador frente a una cuestión recurrente en la validación,
búsqueda y toma de decisiones para al análisis de los datos. En este caso, seguimos las indicaciones de la
literatura cuando no se obtiene el resultado de los supuestos de normalidad (Freiberg, et al., 2013) que indican
que la violación de este supuesto en esta muestra no trae consecuencias estadísticamente significativas en los
resultados.
ISSN-L: 0798-1015 • eISSN: 2739-0071 (En línea) Revista EspaciosVol. 42, Nº 16, Año 2021
CONTRERAS, Carolina N. et al. «Contraste de resultados para validación de una escala Likert usando un
enfoque tradicional y nuevas recomendaciones»
Pag. 63
La confiabilidad o consistencia interna fue medida comparando alpha de Cronbach, McDonald's omega (Ventura
& Caycho, 2017) y alfa ordinal (Domínguez, 2012). En este trabajo no se profundiza en estas diferencias, solo se
dirá que todas ellas fueron favorables. No obstante, siguiendo las recomendaciones de la literatura, para AFE, se
informa el alfa ordinal que se sugiere, para las escalas policóricas (véase tabla 3, fila AFE), como el más indicado
de .9 (Freiberg, et al., 2013)
La prueba de Kaiser-Meyer-Olkin es muy buena (.957) ya que es más cercana a 1 y la prueba de esfericidad
Bartlett's statistic fue 10172,451 (gl = 1368; Sig = .0001). Ahora bien, las siguientes decisiones a tomar
corresponden a las características de la muestras. Pero, también a los objetivos específicos que se espera lograr.
2.2. Metodología para la estimación del número de factores
El problema del camino a seguir para un análisis factorial es compleja para el investigador novel cuando ante él
se presentan diferentes escuelas, tradiciones, publicaciones, software, entre otros. En este caso, se tomaron dos
modelos para comparar: La tradición y popularidad de manuales encontrados para análisis factoriales, y, por otro
lado, se considera la literatura científica que cuestiona dicha tradición.
La publicación “El análisis factorial exploratorio de los ítems: una guía práctica, revisada y actualizada” (Lloret-
Segura, et al., 2014) es muy detallada en las recomendaciones y es explícita en desaconsejar algunas prácticas
tradicionales. Puntualiza, además, cuál es el correcto uso de cada uno de estos análisis según el objetivo que se
quiere lograr.
Es de interés de esta investigación contrastar los resultados para corroborar la literatura. La nueva
recomendación que consideraremos primordial será, tener presente las características de la escala para la
selección de los métodos de análisis.
Las primeras características que se consideraron fueron que la escala usada es policórica y utiliza constructos de
la psicología. Frente a esta característica la literatura indica que es posible encontrar dificultades al ser escalas
menos precisas y/o estables (Ferrando, et al., 2019). Justamente, la escala usada no cumple con los supuestos
de normalidad. Frente a esta característica la literatura refiere que la violación del supuesto de normalidad es
una característica a considerar y estudiar, pero no es un impedimento para realizar los análisis, ya que si cumple
con requisitos como el número de muestras (entre otros) no alterará los resultados (Freiberg, et al., 2013).
Con respecto a la consistencia interna la tradición usa el índice de alfa de Cronbach; mientras que, para las escalas
que son policóricas, las nuevas recomendaciones son usar el alfa ordinal (Freiberg, et al., 2013). Por otra parte,
existen otros textos que recomiendan omega (Hayes & Coutts, 2020). En este caso, como el objetivo es contrastar
resultados en el ACP oblicuo usaremos omega y en el AFE oblicuo usaremos alfa ordinal (Domínguez, 2014).
En lo que respecta a las correlaciones para el AFE la tradición usará medidas de Pearson (Freiberg, et al., 2013).
Mientras que las nuevas recomendaciones la desaconsejan para escalas como la de este estudio (policóricas o
tetracóricas) (Freiberg, et al., 2013). Frente a esto, como solución se presenta un método robusto, en este caso,
Robust Unweighted Least Squares, según el número de la muestra (Ferrando, et al., 2019).
Sobre la tradición y el tipo de rotación, se puede decir que Varimax, por mucho tiempo ha sido la opción de los
expertos (Freiberg, et al., 2013). No obstante, en la literatura reciente se presenta que para estudios
exploratorios y constructos psicológicos es preferible los métodos ortogonales (Ferrando, et al., 2019).
El resultado del ACP, tradicionalmente es usado como método de extracción de factores, pero no es tal (Lloret-
Segura et al., 2014). Este debe ser usado para análisis de congruencia de las variables con el constructo y para
reducción de variables. La explicación de esto corresponde al tipo de varianza usado en el análisis: la varianza
ISSN-L: 0798-1015 • eISSN: 2739-0071 (En línea) Revista EspaciosVol. 42, Nº 16, Año 2021
CONTRERAS, Carolina N. et al. «Contraste de resultados para validación de una escala Likert usando un
enfoque tradicional y nuevas recomendaciones»
Pag. 64
total (Ferrando & Anguiano, 2010). Por otra parte, el AFE utiliza la varianza común para hallar la variable latente,
por lo cual, será más aconsejable por sobre el ACP (Ferrando & Anguiano, 2010). Véase en la tabla 1 el contraste
entre ACP y AFE con los respectivos tipos de varianzas que usan y los usos que deberían darse de acuerdo a la
recomendaciones actualizadas de la literatura referida.
Tabla 1
Comparación de ACP y AFE
ACP
AFE
Usa la varianza total (Lloret, Ferreres, Hernández, Tomás,
2014)
Usa la varianza común, Considerando la varianza del error
(Lloret, Ferreres, Hernández, Tomás, 2014)
Sirve para
Reducción de variables (Lloret et al., 2014)
Ver la congruencia entre los componentes o compuestos
con el constructo (Lloret et al., 2014)
Sirve para
Hallar variables latentes (Lloret et al., 2014)
Descubrir constructo que subyace a las variables
manifiestas. (Lloret et al., 2014)
No debe ser usada para:
Extracción de factores (Ferrando, Ledesma, & Jeremías,
2019) (Lloret et al., 2014) (Ferrando, et al., 2010)
Fuente: Tabla de elaboración propia
Otra recomendación corresponde a los software estadísticos (Ferrando, Ledesma, & Tosi, 2019) . Hoy existen
variedad de nuevos programas que se enfrentan a los tradicionales, como SPSS, y su uso
indiscriminado(Ferrando, Ledesma, & Tosi, 2019). En este caso, FACTOR (Lorenzo & Ferrando, 2017) es un
programa que aparece en la literatura como una opción gratuita para escalas policóricas o tetracóricas (Freiberg,
et al., 2013). Dicho programa es utilizado para el AFE obedeciendo a las recomendaciones de la literatura (Lloret-
Segura et al., 2014)
3. Resultados y discusión
La comparación de los resultados de los ACP usando 2 tipos diferentes de rotaciones, oblicua y ortogonal
evidenció el contraste entre la cantidad de los componentes, la reducción de variables, y, la congruencia teórica.
Por otra parte, el contraste de los resultados del ACP y AFE evidencia que ambos tienen objetivos de análisis
diferentes.
Por lo tanto, frente a la problemática primaria, el investigador podrá seleccionar de acuerdo a su objetivo y las
características de su escala y muestra.
3.1. Resultados de número de componentes con ACP
El resultado del ACP oblicuo, Oblimin evidenció una mayor reducción de los reactivos. De los 53 reactivos quedan
31 (Anexo 2). Por otra parte, tiene menos congruencia con el constructo de origen al eliminar el componente
correspondiente a los reactivos de creencias y dejar 4 componentes. Véase en la tabla 2 la columna de rotación
Oblimin.
Mientras, el ACP realizado con rotación ortogonal Varimax nos da mayor congruencia al dar 6 componentes.
Aunque uno de ellos está unificando autorreflexión y otro está dividiendo planificación. Por otra parte, frente a
la reducción de reactivos, de los 53 reactivos quedan 41. Véase en la tabla 2 la columna de rotación varimax.
ISSN-L: 0798-1015 • eISSN: 2739-0071 (En línea) Revista EspaciosVol. 42, Nº 16, Año 2021
CONTRERAS, Carolina N. et al. «Contraste de resultados para validación de una escala Likert usando un
enfoque tradicional y nuevas recomendaciones»
Pag. 65
Tabla 2
Componentes resultantes de los ACP y la
cantidad de reactivos según las rotaciones.
Fuente: Tabla de elaboración propia
Por otra parte, dentro de la tradición también se usa la regla de Kaiser que determina que los factores serán los
valores mayores a 1. El mismo criterio se usa para el gráfico de sedimentación o scree test, los cuales se
desaconsejan en la literatura actualizada (Lloret-Segura et al., 2014). En esta investigación los gráficos nos
muestran para la rotación Oblimin 4 valores sobre 1 (Véase en el gráfico 2). Por otro lado, el gráfico de
sedimentación que usó rotación Varimax hay 6 valores sobre 1 (Véase en el gráfico 1).
Gráfico 1
Gráfico de sedimentación ortogonal
Autovalores mayores a 1 son 6. La especificación de ellos es la siguiente:
1 18,443
2 2,857
3 1,695
4 1,341
5 1,264
6 1,024
0,000
2,000
4,000
6,000
8,000
10,000
12,000
14,000
16,000
18,000
20,000
0 5 10 15 20 25 30 35 40 45
Reactivos del constructo original
Rotación varimax
15 Planificación, análisis de la tarea
Lo divide en dos componentes
5 planificación estratégica
4 Análisis de mis conocimientos
7 Planificación, creencias
5 creencias
11 Ejecución, auto observación
11 auto observación
10 Ejecución, auto control
7 auto control
7 Autorreflexión, Autojuicio
Unifica los dos grupos
9 Autorreflexión
(6 autojuicio-3 auto reacción)
3 Autorreflexión, auto reacción
cognitiva y emocional
ISSN-L: 0798-1015 • eISSN: 2739-0071 (En línea) Revista EspaciosVol. 42, Nº 16, Año 2021
CONTRERAS, Carolina N. et al. «Contraste de resultados para validación de una escala Likert usando un
enfoque tradicional y nuevas recomendaciones»
Pag. 66
Gráfico 2
Gráfico de sedimentación oblicua
Autovalores mayores a 1 son 4, La especificación de estos es la siguiente:
1 14,481
2 2,413
3 1,526
4 1,212
3.2. Resultado de congruencia teórica ACP
3.2.1. ACP ortogonal Varimax
Primeramente, el ACP ortogonal Varimax (véase anexo 3) entrega un análisis preliminar que indica cierta
congruencia teórica (véase tabla 2) entre el constructo (Zimmerman, 2010) y la escala (Véase anexo 1). Este,
identificó dimensiones semejantes, según la varianza total, pero no idénticas a las usadas en la elaboración de la
escala. Esto es, de las tres etapas del ciclo de autorregulación se determina 6 dimensiones para la elaboración
de la escala y el ACP agrupó 6 dimensiones, pero dividió una de estas y unificó otra.
El ACP evidenció concordancia teórica con la primera fase “planificación”. Se identifican dos de las dimensiones
en “Análisis de la tarea”: La teoría primigenia propone que en el “Análisis de la tarea”, establecemos objetivos y
niveles de perfección con los que haremos la tarea como también la planificación y visualización de las estrategias
que se usarán para lograr realizarla. Es interesante ver como en el análisis fueron separados los reactivos: por
una parte, los que se referían a lo que sabían sobre investigación para enfrentar la tareas, y por otra parte, los
reactivos que se referían a planificar estrategias para realizar la investigación. En tanto, la dimensión “creencias”,
de esta misma fase “planificación”, queda con congruencia teórica con 5 reactivos.
La fase del ciclo “ejecución de la tarea”, en su dimensión de “auto observación” se agrupa claramente con 11
reactivos en el ACP. No sucede lo mismo con “autocontrol” donde son eliminados 3 de sus reactivos.
0,000
2,000
4,000
6,000
8,000
10,000
12,000
14,000
16,000
0 5 10 15 20 25 30 35
ISSN-L: 0798-1015 • eISSN: 2739-0071 (En línea) Revista EspaciosVol. 42, Nº 16, Año 2021
CONTRERAS, Carolina N. et al. «Contraste de resultados para validación de una escala Likert usando un
enfoque tradicional y nuevas recomendaciones»
Pag. 67
La fase “autorreflexión” se construye en la escala realizando la distinción teórica entre “autojuicio” y
“autorreacción”. No obstante, no se profundiza en todas las subdimensiones de estas. Los resultados unificaron
estos dos “autojuicio” y “auto reacción” en un solo componente.
3.2.3. ACP oblicuo Oblimin
Por otro lado, el ACP oblicuo (véase anexo 2), Oblimin, también evidenció de la primera fase planificación
concordancia teórica semejante (véase tabla 2). Sin embargo, en el análisis fueron separados los reactivos de
análisis de la tarea: por una parte, los que se referían a lo que sabían los alumnos sobre investigación para
enfrentar las tareas, y por otra parte, los reactivos que se referían a planificar estrategias para realizar la
investigación. Sin embargo, mientras se avanzó en el análisis de los reactivos sobre lo que sabían, fueron
eliminados por ambigüedad o baja carga.
En tanto, la dimensión de creencias, no se ordena en un componente. Aunque, logra su ordenación con
rotación Varimax, no es tal con rotación Oblimin.
En la fase del ciclo de ejecución de la tarea, los componentes no presentan dificultades. Su dimensión de auto
observación evidencia clara congruencia con 11 reactivos (solo pierde 2 reactivos) y con autocontrol donde son
eliminados 3 de sus reactivos.
La fase de autorreflexión se comporta de igual forma que con la rotación Varimax y se unifica en un componente.
3.3. Contraste resultado ACP y AFE
En el desarrollo de este artículo ya se expuso que el ACP es un análisis que no permite descubrir factores, a pesar
del uso que se ha dado para ello. En contraste, está el AFE como el análisis recomendado. En los resultados, se
evidencia la diferencia de estos. Se puede apreciar un claro contraste entre los resultados (véase tabla 3), ya que
el AFE permite encontrar dos factores (véase en la fila AFE de la tabla 3), mientras el ACP señala el doble o más
componentes, dependiendo el tipo de rotación (véase en la fila ACP de la tabla 3).
Tabla 3
Comparación componentes
de ACP y factores de AFE
Rotación Ortogonal Varimax
Rotación Oblicua Oblimin
ACP
Escala con 41 reactivos
6 componentes
Alfa de
cronbach
Escala con 31 reactivos
4 componentes
Omega
Mcdonald
Auto-observación
.939
Auto-observación
.933
Autorreflexión
.907
Autorreflexión
.907
Análisis de la t. 1
.873
Análisis de la tarea
.899
Creencias
.849
Auto- Control
.880
Autocontrol
.882
Análisis de la t. 2
.845
AFE
Escala con 38 reactivos
2 Factores
Alfa ordinal
Escala con 22 reactivos
2 factores
Alfa ordinal
Dimensión Planificación y ejecuta
.972
Dimensión Planificación y ejecuta
.946
Dimensión autorreflexión
.921
Dimensión autorreflexión
.929
El AFE es un conjunto de métodos estadísticos multivariados de interdependencia con los cuales se identifican
factores subyacentes (Pérez & Medrano, 2014) que agrupan ítems interrelacionados. Es decir, que un conjunto
de variables se encuentran relacionadas por medio de lo que conocemos como rasgo o factor latente. El
ISSN-L: 0798-1015 • eISSN: 2739-0071 (En línea) Revista EspaciosVol. 42, Nº 16, Año 2021
CONTRERAS, Carolina N. et al. «Contraste de resultados para validación de una escala Likert usando un
enfoque tradicional y nuevas recomendaciones»
Pag. 68
constructo usado para la construcción de la escala, autorregulación, nos da tres fases cíclicas: Planificación de
la tarea, Ejecución de la tarea y Autorreflexión en los resultados (Zimmerman, Kitsantas, & Campillo, 2005). En
esta investigación se evidencia que el AFE unifica dos partes de las tres del ciclo de autorregulación (Zimmerman,
et al., 2005) y deja como variable la tercera. Podemos concluir que, el ciclo de autorregulación, con tres partes,
no se comporta como tal en la muestra y en la escala. Ya que, está separado en 2 factores y no en los 3.
Específicamente, planificación y ejecución que en la tarea de investigación son vistos como una variable.
Cabe resaltar, además, un contraste sobre el constructo. Se evidencian subdimensiones de la teoría en el ACP,
donde se pueden ver componentes correspondientes a subdimensiones de las tres fases (creencias, autocontrol,
auto observación, entre otros). Pero, esto no es evidenciado como factor en el AFE.
En lo que respecta al tipo de programa usado, siguiendo la misma dinámica de la tradición versus nuevas
recomendaciones (Lloret et al., 2014), el ACP fue realizado con SPSS, mientras que, el AFE fue realizado con el
programa FACTOR (Lorenzo & Ferrando, 2020). Este último programa es de acceso gratuito y es recomendado
para análisis AFE en escalas policóricas (Freiberg, et al., 2013).
4. Conclusiones
El problema presentado en este artículo corresponde a la elección a la que se enfrentan los investigadores
noveles al momento de seleccionar el método para la validación de una escala psicométrica. En especial, la
decisión sobre si seguir la tradición o hacer uso de las nuevas recomendaciones.
Se planteó como objetivo entregar un ejemplo que muestra el contraste entre los resultados de las dos líneas de
investigación. Así evidenciar las diferencias entre ambos análisis colaborando con la decisión a tomar.
Como conclusión primaria de este contraste, se demostró la diferencia entre los objetivos del ACP y AFE. El
primero, es útil cuando lo que buscamos es la reducción de variables, y, si se usa con una rotación que
corresponda a las características de la muestra. En este caso, la escala al ser tipo Likert y por ser psicométrica se
usó rotación Oblimin.
Por otra parte, el AFE, es el análisis que puede entregar información nueva sobre el comportamiento de la escala
al definir factores. Este punto es muy importante para al investigador, al momento de tener como objetivo la
búsqueda de variables latentes.
Como postura final, se busca que el investigador sea minucioso en el uso del lenguaje. Por lo tanto, ya no se
habla de factores cuando se realiza un ACP, sino de componentes.
En segundo lugar, la elección del tipo de rotación determina cambios en el resultado. Ello se da tanto en el AFE
como en el ACP. Por lo tanto, el investigador deberá considerar las recomendaciones de la literatura actual y
debe analizar exhaustivamente las características de los datos para determinar el tipo de rotación. En esta
investigación se comprueba tal punto, ya que, al usar rotación oblicua un componente desaparece por completo,
mientras que no es así con la rotación ortogonal.
Podemos concluir que serán muchos los factores que influyen en la decisión del tipo de análisis y que el
investigador tendrá la tarea de estar en permanente búsqueda de recomendaciones y/o análisis que ya se
desaconsejan.
Otras aristas que se nombran en esta publicación, quedando como desafío a estudiar en el futuro, son los
programas a usar dependiendo el tipo de análisis y el estudio del tipo de consistencia interna a usar para los
diferentes análisis.
ISSN-L: 0798-1015 • eISSN: 2739-0071 (En línea) Revista EspaciosVol. 42, Nº 16, Año 2021
CONTRERAS, Carolina N. et al. «Contraste de resultados para validación de una escala Likert usando un
enfoque tradicional y nuevas recomendaciones»
Pag. 69
Agradecimiento
Esta publicación contó con el apoyo de la Agencia Nacional de Investigación y Desarrollo / Programa Formación
de Capital Humano Avanzado / Beca de Magíster en Chile para Profesionales de la Educación Folio 50180100
Referencias bibliográficas
Domínguez , S. (2012). Propuesta para el cálculo del Alfa Ordinal y Theta de Armor. Revista de Investigación En
Psicología, 15(1), 213. https://doi.org/10.15381/rinvp.v15i1.3684
Ferrando P. & Anguiano, C. (2010). El análisis factorial como técnica de investigación histórica. Papeles Del
Psicólogo, 31(1), 1333. Recuperado de: http://www.redalyc.org/articulo.oa?id=77812441003
Ferrando, P. J., Ledesma, R., & Tosi, J. (2019). Uso del Análisis Factorial Exploratorio en RIDEP.
Recomendaciones para Autores y Revisores The Use of Exploratory Factor Analysis in RIDEP . Guidelines
for Authors and Reviewers Resumen. Revista Iberoamericana de Diagnóstico y Evaluación, 3(7600), 173
180. Recuperado de: https://doi.org/https://doi.org/10.21865/RIDEP52.3.13
Freiberg, A. F., Stover, B. J., De la Iglesia, G., & Fernández, M. (2013). Correlaciones policóricas y tetracóricas en
estudios factoriales exploratorios y confirmatorios. Ciencias Psicológicas, VII, 151164. Recuperado de:
https://www.redalyc.org/pdf/4595/459545415005.pdf
Hayes, A. & Coutts J. (2020) Use Omega Rather than Cronbach’s Alpha for Estimating Reliability. But….
Communication Methods and Measures, 14:1, 1-24, Recuperado de:
https://doi.org/10.1080/19312458.2020.1718629
Lloret, S., Ferreres, A., Hernández, A., & Tomás, I. (2014). El análisis factorial exploratorio de los ítems: una guía
práctica, revisada y actualizada. Anales de Psicología, 30(3), 11511169. Recuperado de:
https://doi.org/10.6018/analesps.30.3.199361
Lloret, S., Ferreres, A., Hernández, A., & Tomás, I. (2017). El análisis factorial exploratorio de los ítems: análisis
guiado según los datos empíricos y el software. Anales de Psicología / Annals of Psychology, 33(2), 417
432. https://doi.org/10.6018/analesps.33.2.270211
Lorenzo, U., & Ferrando, P. J.(2017). Program FACTOR at 10: Origins, development and future directions.
Psicothema 2017, Vol. 29, No. 2, 236-240. Recuperado de: doi: 10.7334/psicothema2016.304
Lorenzo-Seva, U., & Ferrando, P. J. (2020). FACTOR (Nº de versión 10.10.03). Windows. Tarragona (Spain):
Rovira i Virgili University. Recuperado de: http://psico.fcep.urv.es/utilitats/factor
Panadero, E., & Alonso-Tapia, J. (2014). ¿Cómo autorregulan nuestros alumnos? Modelo de Zimmerman sobre
estrategias de aprendizaje. Anales de Psicología, 30(2), 450462. Recuperado de:
https://doi.org/10.6018/analesps.30.2.167221
Pérez, E., & Medrano, L. (2014). Análisis factorial exploratorio : Bases conceptuales y metodológicas Análisis
Factorial Exploratorio : Bases Conceptuales y Metodológicas Artículo de Revisión. Revista Argentina de
Ciencias Del Comportamiento RACC, 2(July), 5866. Recuperado de:
https://dialnet.unirioja.es/servlet/articulo?codigo=3161108
Ventura-León, J., & Caycho-Rodríguez, T. (2017). El coeficiente Omega: un método alternativo para la
estimación de la confiabilidad. Revista Latinoamericana de Ciencias Sociales, Niñez y Juventud, 15(1),625-
ISSN-L: 0798-1015 • eISSN: 2739-0071 (En línea) Revista EspaciosVol. 42, Nº 16, Año 2021
CONTRERAS, Carolina N. et al. «Contraste de resultados para validación de una escala Likert usando un
enfoque tradicional y nuevas recomendaciones»
Pag. 70
627.[fecha de Consulta 17 de Agosto de 2021]. ISSN: 1692-715X. Recuperado de:
https://www.redalyc.org/articulo.oa?id=77349627039
Zimmerman, B. J. (2010). Becoming a Self-Regulated Learner : An Overview. Theory Into Practice, 5841(2002),
6470. Recuperado de: https://doi.org/10.1207/s15430421tip4102_2
Zimmerman, B., Kitsantas, A., & Campillo, M. (2005). Evaluación de la Autoeficacia Regulatoria: Una Perspectiva
Social Cognitiva Barry J. Zimmerman* 1 , Anastasia Kitsantas**, Magda Campillo. Learning, 5, 121.
Recuperado de: http://www.revistaevaluar.com.ar/51.pdf
5. Anexos
Anexo 1: Escala de autorregulación de los aprendizajes
ISSN-L: 0798-1015 • eISSN: 2739-0071 (En línea) Revista EspaciosVol. 42, Nº 16, Año 2021
CONTRERAS, Carolina N. et al. «Contraste de resultados para validación de una escala Likert usando un
enfoque tradicional y nuevas recomendaciones»
Pag. 71
ISSN-L: 0798-1015 • eISSN: 2739-0071 (En línea) Revista EspaciosVol. 42, Nº 16, Año 2021
CONTRERAS, Carolina N. et al. «Contraste de resultados para validación de una escala Likert usando un
enfoque tradicional y nuevas recomendaciones»
Pag. 72
ISSN-L: 0798-1015 • eISSN: 2739-0071 (En línea) Revista EspaciosVol. 42, Nº 16, Año 2021
CONTRERAS, Carolina N. et al. «Contraste de resultados para validación de una escala Likert usando un
enfoque tradicional y nuevas recomendaciones»
Pag. 73
ISSN-L: 0798-1015 • eISSN: 2739-0071 (En línea) Revista EspaciosVol. 42, Nº 16, Año 2021
CONTRERAS, Carolina N. et al. «Contraste de resultados para validación de una escala Likert usando un
enfoque tradicional y nuevas recomendaciones»
Pag. 74
ISSN-L: 0798-1015 • eISSN: 2739-0071 (En línea) Revista EspaciosVol. 42, Nº 16, Año 2021
CONTRERAS, Carolina N. et al. «Contraste de resultados para validación de una escala Likert usando un
enfoque tradicional y nuevas recomendaciones»
Pag. 75
Anexo 2: ACP Oblimin
ISSN-L: 0798-1015 • eISSN: 2739-0071 (En línea) Revista EspaciosVol. 42, Nº 16, Año 2021
CONTRERAS, Carolina N. et al. «Contraste de resultados para validación de una escala Likert usando un
enfoque tradicional y nuevas recomendaciones»
Pag. 76
ISSN-L: 0798-1015 • eISSN: 2739-0071 (En línea) Revista EspaciosVol. 42, Nº 16, Año 2021
CONTRERAS, Carolina N. et al. «Contraste de resultados para validación de una escala Likert usando un
enfoque tradicional y nuevas recomendaciones»
Pag. 77
ISSN-L: 0798-1015 • eISSN: 2739-0071 (En línea) Revista EspaciosVol. 42, Nº 16, Año 2021
CONTRERAS, Carolina N. et al. «Contraste de resultados para validación de una escala Likert usando un
enfoque tradicional y nuevas recomendaciones»
Pag. 78