Avances en Medicin, 3, 9-28

2005

INTERPRETACIONES DEL COEFICIENTE ALPHA DE CRONBACH

Vctor H. Cervantes*
Universidad Nacional de Colombia, Colombia
Resumen
El coeficiente posee una larga historia dentro del desarrollo de la Teora Clsica en psicometra, y
como tal, ha recibido la atencin de una amplia variedad de investigadores con el fin de comprender
mejor su funcionamiento. Las diferentes interpretaciones que ha recibido dentro de la teora de la
confiabilidad son discutidas; as como diversos estudios que pretenden dar cuenta de las condiciones
necesarias para su buen uso. Este trabajo resalta las limitaciones que se encuentran en el empleo de
este estadstico en tanto estimador de la confiabilidad de una prueba.
Palabras clave: Alpha de Cronbach, Teora de la Confiabilidad, Teora Clsica de los Tests

Abstract
Within the history of Classical Test Theory, coefficient alpha has had a large role; thus, several
researchers have investigated it in order to better understand its behaviour. The present article discusses
different ways in which this coefficient has been interpreted in psychometrical reliability theory, as well
as several studies which provide some guidelines on its proper use. The limitations encountered on using
alpha as a reliability estimator under different actual test circumstances are highlighted.
Key words: Cronbachs alpha, reliability theory, Classical Test Theory

Para todo psiclogo, tanto investigador como profesional, resulta de vital importancia
contar con instrumentos vlidos y confiables. Por esta razn, cuando un investigador desarrolla
una prueba psicolgica lleva a cabo una evaluacin rigurosa de las propiedades psicomtricas
de dicho instrumento. En primer lugar, evala la presencia de un nivel apropiado de
confiabilidad, condicin sine qua non puede obtenerse un instrumento vlido y til. As, en el
proceso de construccin de una prueba psicolgica, la evaluacin de la confiabilidad de la
misma es un paso imprescindible para que pueda ser utilizada en la medicin del atributo de
inters. En este sentido, la estimacin de la confiabilidad ha recibido un amplio inters desde la
Teora Clsica de los Tests (en adelante TCT). En la medida en que la confiabilidad de una
prueba se halla definida como la precisin de los resultados obtenidos por medio de su
aplicacin, es decir, el grado en que la prueba se ve o no afectada por los diferentes errores
aleatorios de medicin, es necesario estimar el tamao de estos errores. Desde la TCT se han
*

Departamento de Psicologa. Universidad Nacional de Colombia. Bogot, Colombia.

e-mail: [email protected]

10

Cervantes

trabajado varias fuentes de error de medicin. La estimacin del error asociado con alguna de ellas
permite evaluar un aspecto diferente de la confiabilidad de una prueba.
Entre las principales fuentes de error de medicin que se encuentran reseadas en los libros
clsicos de psicometra (v.g. Anastasi, 1954,1990; Nunnally, 1970; Brown, 1980; Thorndike,
1989,1996) es posible encontrar las siguientes: (a) los sujetos, (b) los tems, (c) los
evaluadores, (d) la situacin de aplicacin, (e) las interacciones entre estas fuentes, (f) el error
aleatorio "puro". Las estimaciones tradicionales de la confiabilidad se hallan ligadas con los tres
primeros tipos de fuentes de error, mientras se procura que los errores introducidos por la
situacin de aplicacin sean minimizados mediante una estricta estandarizacin de la misma.
Ligado con la estimacin del error producido por los evaluadores se encuentra el coeficiente de
confiabilidad interevaluadores; con la estimacin del error originado por el conjunto de tems
empleados, contrastado con otros conjuntos de tems posibles, se encuentra el coeficiente de
equivalencia; y con el error debido a fluctuaciones de los individuos en el tiempo, se encuentra el
coeficiente de estabilidad. El clculo de estos coeficientes requiere que la prueba sea aplicada dos o
ms veces al mismo grupo de personas. As, la aplicacin de la prueba por dos o ms evaluadores
permite obtener una estimacin de la confiabilidad interevaluadores (ntese que los observadores
pueden, tambin, producir la evaluacin a partir de una sola aplicacin en la que califiquen de
forma independiente a los sujetos, por ejemplo, empleando un video de las conductas que
conforman los tems); la aplicacin de dos pruebas alternativas, compuestas por tems construidos a
partir de la misma definicin de un atributo, permite la estimacin del coeficiente de equivalencia
de ambas pruebas; y la aplicacin en dos momentos diferentes, de la misma prueba, permite estimar
su estabilidad.
Junto con estas formas de evaluar la confiabilidad se encuentra, tambin, la evaluacin por la
consistencia interna de la prueba. Esta estimacin indica la intercorrelacin entre los distintos
componentes de la prueba y, en este sentido, separa del conjunto la variacin que corresponde
a factores comunes de los tems y la que corresponde a factores nicos de cada uno de ellos.
As entendida, la confiabilidad por consistencia interna puede tomarse como una forma de
estimacin de la equivalencia de los componentes entre s y su estimacin ser entonces un
coeficiente de equivalencia calculado a partir de una sola aplicacin de la prueba (ver por ej.
Gerbing & Anderson, 1988; Schmidt, Le & Ilies, 2003). En 1951, Cronbach propuso el
coeficiente como un estimador de este ndice de equivalencia, con el cual generaliz un
conjunto de diferentes mtodos que se empleaban en la poca para tal fin (Muiz, 1996). Desde
entonces, el uso del se ha venido generalizando no slo en la Psicologa, sino tambin en gran
cantidad de reas afines dentro de las ciencias sociales, de la salud y de la estadstica, como el
estimador por excelencia de la confiabilidad de un compuesto de otras mediciones. Muestra de
ello es que, tan slo el artculo de Cronbach (1951) fue citado un promedio de 60 veces anuales
entre 1966 y 1990 (ver Cortina, 1993), ms la cantidad de estudios en los que se emplea sin
llegar a citar la literatura para justificar su utilizacin, por tratarse de un estadstico de amplio
uso (ver p. ej. Peterson, 1994). Junto con la generalizacin del empleo del se ha producido,
asimismo, la propagacin de diversos usos de este estadstico (Cortina, 1993; Schmidt et al.,
2003; Streiner, 2003). Ellos incluyen su utilizacin como estimador de la consistencia interna,
estimador de la homogeneidad de un conjunto de variables, indicador de unidimensionalidad,

Coeficiente alpha de Cronbach

11

evidencia de la calidad de una prueba, ndice de validez de medidas psicolgicas, estimador de

confiabilidad interobservadores, entre otros (Webster, 1957; Green, Lissitz & Mulaik, 1977;
Cortina, 1993; Bernardi, 1994; Peterson, 1994; Iacobucci, 2001; Schmidt et al., 2003; Streiner,
2003). Podr verse que no todos estos usos del coeficiente son afortunados o pueden no
resultar efectivos mediante su uso exclusivo. Actualmente se recomienda que la utilizacin del
coeficiente sea llevada a cabo con precaucin, pues no es tan verstil como la variedad de los
usos que se le han dado podra indicar. Se resalta su incapacidad para estimar el "error
temporal" (transient error o error debido a fluctuaciones temporales en los individuos), la poca
informacin que provee para determinar la existencia de unidimensionalidad, su dependencia de
la cantidad de componentes que conforman la prueba, la alta variabilidad de su estimacin
muestral, la poca robustez de los estimadores muestrales de la varianza a partir de los cuales se
obtiene, el sesgo que lo afecta cuando hay desviaciones de alguno(s) de los supuestos en que se
apoya, y as sucesivamente. Dadas estas dificultades, tanto el coeficiente como su estimador
muestral ( ), se han estudiado bajo diferentes condiciones para evaluar su comportamiento y
proveer guas de accin para su uso.
As, el coeficiente y/o el han sido estudiados en lo que respecta al grado de
homogeneidad de los componentes o tems que conforman la prueba (Green et al., 1977;
Cortina, 1993; Zimmerman, Zumbo & Lalonde, 1993; Osburn, 2000), a la presencia de
correlaciones entre los errores de los tems (Zimmerman et al., 1993; Komaroff, 1997; Raykov,
2001), a la cantidad de componentes (Niemi, Carmines & McIver, 1986; Cortina, 1993;
Zimmerman et al., 1993), a la presencia de error temporal "no trivial" (Schmidt et al., 2003), a
la distribucin de los componentes (Christmann & Van Aelst, 2002; Yuan & Bentler, 2002;
Norris & Aroian, 2004), a la distribucin del atributo (Zimmerman et al., 1993); as como sus
relaciones con otros estadsticos propuestos para la estimacin de la consistencia interna de una
prueba (Osburn, 2000). Sin embargo, dos constantes son comnes a todas estas
aproximaciones al funcionamiento del coeficiente : por una parte, la evaluacin de los efectos
de los distintos factores slo llega a una descripcin de la tendencia encontrada, sin analizar el
tamao del efecto asociado; y por otra, an ms importante y derivada de la primera, las conclusiones
que se le ofrecen como resultado al usuario del estadstico no superan una recomendacin de
caucin en su uso. Adicionalmente, algunas de estas investigaciones encuentran resultados
opuestos, por ej. sobre la distribucin de los componentes; pero, al tener metodologas bastante
dismiles entre s sus resultados tampoco resultan directamente comparables.
Conceptos bsicos de la Teora Clsica de los Tests
El objeto principal de la Psicometra se encuentra en el estudio de "los atributos de las
personas, en las pruebas que intentan medir estos atributos y en los tems particulares que
[. . . ] componen las pruebas" (Thorndike, 1989,1996, p. 16). De este modo, uno de los
principales objetivos de la Psicometra es el desarrollo de modelos que describan el proceso de la
medicin de estos atributos de forma eficiente. La TCT es el modelo ms antiguo y fructfero
propuesto dentro de este campo. As, hoy en da su utilizacin se halla difundida entre

Cervantes

12

psiclogos, educadores y otros profesionales como la herramienta apropiada para el anlisis de

las pruebas psicolgicas. Su empleo y evolucin a lo largo del s. XX han mostrado las
fortalezas y debilidades que posee (Muiz, 1996; Herrera, Snchez & Jimnez-vila, 2000;
Gmez Benito & Hidalgo Montesinos, 2003)
La perspectiva clsica parte de la consideracin del resultado obtenido por un individuo en
una ocasin especfica como el resultado de la adicin de dos componentes: la puntuacin
verdadera del sujeto en la prueba y el error aleatorio de medida (Gulliksen, 1950; Lord &
Novick, 1968; Muiz, 1996; Brennan, 2001; Arvalo, 2002). En psicologa y en otras ciencias
sociales es normal no poder contar con un gran nmero de mediciones de un mismo sujeto; es
comn, incluso, no poseer resultados para una persona mas que de una sola ocasin o de una
sola prueba; y en algunos casos slo se poseen mediciones para cada individuo en una sola
prueba de una nica aplicacin de la misma (Kane, 1996). De este modo, para la mayor parte de
los casos el modelo puede expresarse como:
X i = Ti + i ,
(1)
donde:

X i es el puntaje obtenido por un sujeto i en una prueba en una ocasin.

Ti es la puntuacin verdadera del sujeto en la prueba, este valor se considera constante
en diferentes ocasiones para un sujeto i y una prueba fijos.
i es el error aleatorio de medicin en la ocasin para un sujeto i en una prueba.

En esta relacin, el nico trmino directamente observable es X i , por lo cual la estimacin

de Ti y de i se torna en el problema central del trabajo con este modelo. Ahora bien, ntese
que en tanto que X i es conocido, basta con definir slo uno de los dos trminos restantes para
describir completamente una medicin. La TCT opta por describir ms detalladamente el
componente de error a partir de la inclusin de algunos supuestos sobre su comportamiento a
lo largo de un conjunto de mediciones en una poblacin (Gulliksen, 1950; Lord & Novick,
1968; Nunnally, 1987; Thorndike, 1989,1996; Muiz, 1996; Martnez, 1996; Herrera et al.,
2000). Estos son los siguientes: (a) el valor esperado del error aleatorio es igual a cero
(Ecuacin 2), (b) el error se distribuye normalmente con media cero y varianza 2 (Ecuacin
3), (c) el error aleatorio de medicin en una prueba no se encuentra correlacionado con la
puntuacin verdadera en la prueba, con el error de medicin en otra prueba ni con la puntuacin
verdadera en otra prueba (Ecuacin 4), y (d) las varianzas de las puntuaciones observadas, las
puntuaciones verdaderas y del error son finitas y mayores que cero (Ecuacin 5). Este ltimo es
includo para evitar la trivialidad del modelo y de los dems supuestos.
E( ) = 0
(2)

n( 0 , 2 )
T , = , =
1

(3)
1 ,T2

=0

0 < h2 < para h = T , X ,

(4)
(5)

Coeficiente alpha de Cronbach

13

En Thorndike (1989,1996) podemos ver que estos desarrollos conforman la base para la
teora de la confiabilidad de la TCT --aspecto que se disipa en otros textos y se confunde con la
Teora Clsica en su conjunto. En este sentido, el modelo en el que sta se apoya es,
principalmente, un modelo sobre cmo el error aleatorio afecta la medicin psicolgica; as,
puede verse que, previa cualquier interpretacin del puntaje obtenido por una persona en una
prueba, se requiere de una estimacin de dicho error para la prueba en cuestin. Ciertamente,
sta es una caracterstica inherente a todo procedimiento de medicin [el hallarse afectado por
errores aleatorios] y, dadas las caractersticas de los objetos de estudio de la psicologa, se
modela de la forma hasta aqu presentada (Lord & Novick, 1968; Nunnally, 1987; Herrera et
al., 2000). Ahora bien, dentro de la TCT se consideran dos tipos de errores que afectan la
medicin: el error aleatorio y el error sistemtico. Lo que resta de este documento se concentra
exclusivamente en la teora de la confiabilidad, la cual provee la definicin del primero de estos
tipos de error, as como de sus fuentes. El segundo tipo de error es tratado por la TCT en sus
desarrollos de la teora de la validez de las mediciones psicolgicas.
De los supuestos del modelo se sigue que la variacin de los puntajes observados en una
prueba fija para una poblacin es expresable como la suma de las varianzas en las puntuaciones
verdaderas y el error aleatorio:

X2 = T2 + 2

(6)

De estos componentes, el que en la prctica nos interesa es el correspondiente a T2 , mas a

partir de la aplicacin de una prueba conocemos nicamente X2 . La TCT, con el concepto de
confiabilidad, pone en relacin estas dos cantidades para estimar T2 ; este concepto se define
por la correlacin cuadrtica entre el puntaje observado y la puntuacin verdadera ( X2 ,T ).
Dados los supuestos, este coeficiente es igual a:

X2 ,T =

2
T2
=
1

X2
X2

(7)

es decir, la confiabilidad de una prueba equivale a la razn entre la varianza de las puntuaciones
verdaderas y la varianza de los puntajes observados, y en esta medida expresa la proporcin de
la varianza observada en un grupo de puntajes que corresponde o puede ser atribuda a las
variaciones entre las puntuaciones libres de error (Lord & Novick, 1968; Nunnally, 1987;
Thorndike, 1989,1996; Muiz, 1996).
Ahora bien, una cosa es indicar cmo todo proceso de medida se ve afectado por errores;
algo distinto es cuantificar el error y especificar las condiciones de medida que contribuyen a
l. Lograr estas dos ltimas requiere de la especificacin de las condiciones reales en las que se
obtienen los puntajes observados y de qu es lo que constituye una medida "ideal" de un sujeto
(Brennan, 2001). Para la TCT la variable de error se considera conformada por un compuesto
de factores no controlados en el procedimiento de medicin o que no tienen que ver con el
objetivo de la misma. De este modo, cuando algn factor se considerado irrelevante para una
cierta medicin es tomado como parte del error, de forma anloga, si para una medicin u

14

Cervantes

objetivo diferente, dicho factor resulta relevante, se le tomar como parte de la puntuacin
verdadera (Anastasi, 1954,1990; Thorndike, 1989,1996). As, tanto el error como la puntuacin
verdadera son determinados por la situacin y objetivo especficos en los que se realiza la
medicin (Lord & Novick, 1968). Conviene entonces, revisar cules son los factores que desde
la TCT se han considerado como fuentes relevantes de error `aleatorio' de medida. Se considera
que un procedimiento de medicin es confiable si para un individuo una medida puede ser
replicada, bien sea en una ocasin diferente, o que la calificacin sea realizada por otra persona,
o que para obtener la medida se emplee una prueba paralela o similar; o que resultados
similares puedan ser obtenidos para diferentes personas con la misma cantidad o presencia del
atributo que se busca medir (Anastasi, 1954,1990; Nunnally, 1970, 1987; Brown, 1980;
Thorndike, 1989,1996; Streiner, 1993). Bajo esta concepcin es evidente que para la TCT las
fuentes que pueden introducir error en el proceso de medicin y que merecen ser considerados
como relevantes en la utilizacin del modelo que desde ella se propone (ver Ecuacin 1), son:
(a) los sujetos, (b) los tems, (c) los evaluadores, y (d) la situacin de aplicacin (Cortina,
1993).
Este modo de aproximarse a la confiabilidad implica tambin que para un cierto
procedimiento de medicin (v.g. una prueba) habr un coeficiente de confiabilidad diferente
para cada una de las fuentes de error relevantes para el mismo. Dentro de cada una de las
fuentes de esta clasificacin es posible ubicar diversos factores o facetas que, cuando se tiene la
oportunidad de estimar, conducen a diferentes aspectos de la confiabilidad. As, entre los
errores cuya fuente est dada por los sujetos se encuentran: las variaciones momentneas en los
evaluados (como variaciones de su atencin), aquellas fluctuaciones en el tiempo que no son
debidas a la puntuacin verdadera del sujeto pero que afectan su ejecucin (como cambios en el
estado de nimo, fatiga, sueo, etc.), caractersticas especficas del individuo (como su actitud
hacia el empleo de pruebas psicolgicas). Dentro de los errores originados en los tems estn
los efectos del muestreo de los mismos (i.e. errores que estn asociados con factores especficos
de los tems seleccionados), caractersticas propias de cada tem que hacen que algunas
personas reaccionen ante ellos de formas particulares (por ejemplo, que se haya empleado una
cierta palabra en la redaccin y no otra de sentido similar). Entre los errores originados por los
evaluadores se encuentran las diferencias en la comprensin que poseen del atributo, as como
errores anlogos a los que tienen por fuente a los sujetos. Dentro de los errores cuya fuente es la
situacin de aplicacin se encuentran las condiciones ambientales (como el clima, la
iluminacin, el ruido del lugar de aplicacin), las diferencias en las diferentes sesiones de
aplicacin (como variaciones en las instrucciones verbales, errores tipogrficos en las pruebas).
Es importante anotar que no todas las fuentes ni tipos de error son relevantes para un uso
especfico de una prueba y, por lo tanto, de acuerdo con el uso que dicho procedimiento de
medida vaya a tener ser necesario evaluar slo alguno(s) de estos. En este sentido, los
diferentes aspectos que pueden estimarse dependen del error que el investigador o el usuario de
la prueba consideren relevante (Streiner, 2003). A partir de lo reseado hasta aqu podemos ver
que un procedimiento de medicin tendr multiples coeficientes de confiabilidad asociados con
los diferentes usos a los que se desee someter en una poblacin. Adicionalmente, el

Coeficiente alpha de Cronbach

15

procedimiento que se sigue para evaluar la confiabilidad incluye: "el razonamiento bsico [que
lo sostiene], los procedimientos para recabar informacin y los procedimientos estadsticos para
analizarla" (Thorndike, 1989,1996, p. 178). El razonamiento del cual se parte para la
evaluacin de cada aspecto de la confiabilidad debe identificar los factores que se asocian con
esa fuente de error que pueden ser controlados experimentalmente; los factores que no pueden
ser controlados pero s pueden ser aislados por el experimento y los que se consideran parte de
la puntuacin verdadera para el uso especfico de la prueba [ntese que aquellos factores que no
logren ser identificados y asignados correctamente terminan subsumidos en esta ltima
categora] A partir de este punto habrn de especificarse los procedimientos mediante los cuales
se puede obtener informacin sobre los factores "aislables" y, finalmente, qu procedimientos
estadsticos permiten estimar la confiabilidad en cada caso.
Cuando se consideran los factores que dan origen a errores de medicin debidos a los
sujetos, aquel que recibe mayor atencin, en tanto que no puede ser controlado y que no se
considera parte de la puntuacin verdadera, es aquel que incluye las fluctuaciones de los sujetos
en el tiempo; por su parte, los errores debidos a distracciones, se considera que pueden ser
eliminados empricamente mediante la sumatoria de los puntajes de los tems (ver p. ej.
Anastasi, 1954,1990; Schmidt et al., 2003). Para obtener informacin sobre estas variaciones
temporales en los sujetos se necesita de la aplicacin de la prueba en [por lo menos] dos
ocasiones. Los puntajes as obtenidos son correlacionados entre s, usualmente con el uso de la
correlacin de Pearson, y su valor es tomado como el coeficiente de confiabilidad, tambin
llamado coeficiente de estabilidad (Anastasi, 1954,1990; Nunnally, 1987; Brown, 1980;
Thorndike, 1989,1996).
En cuanto a los errores originados en los tems, aquellos cuya fuente tiene lugar en factores
nicos de los mismos, tales como la redaccin, suelen verse como controlables empricamente
mediante la utilizacin de una prueba nicamente con la poblacin para la cual fue diseada y
su adaptacin [y anlisis respectivo] para otras poblaciones. El error debido al muestreo de los
tems es de especial importancia en aquellas pruebas diseadas bajo el modelo de rasgo latente,
en donde se considera que las conductas observadas por medio de los tems seleccionados son
un efecto de un rasgo no ebservable directamente en las personas (Thorndike, 1989,1996;
Bollen & Lennox, 1991). La estimacin de la confiabilidad asociada con este error requiere de
la aplicacin de dos formas paralelas o similares de la misma simultneamente; la correlacin
entre los puntajes observados en estas dos formas de la prueba constituye un estimador de la
confiabilidad de ambas y se conoce como coeficiente de equivalencia (Lord & Novick, 1968;
Anastasi, 1954,1990; Nunnally, 1987).
Asociada con la estimacin del error producido por los evaluadores est la necesidad de
separar la varianza aportada por los examinadores a la calificacin en aquellas situaciones
donde existe evidencia de que sta resulta ostensible. Casos que precisan de la obtencin de
este ndice abarcan instumentos de evaluacin clnica, pruebas de creatividad o pruebas
proyectivas de personalidad, en las que el juicio del examinador interviene en gran medida en
el momento de obtener la calificacin o puntuacin observada de una persona (Anastasi,
1954,1990). La estimacin de este coeficiente requiere de la calificacin de cada sujeto por dos

16

Cervantes

o ms examinadores y de la correlacin entre estos puntajes; para esta correlacin se

recomienda el uso de un coeficiente de correlacin intraclase (Streiner, 1993; Brennan, 2001;
Snchez Pedraza & Rosero Villota, 2003).
Por su parte, se procura que los errores asociados con la situacin de aplicacin sean
minimizados por medio de una estricta estandarizacin de la misma (Anastasi, 1954,1990; Lord
& Novick, 1968). En la descripcin anterior de diferentes coeficientes de confiabilidad puede
verse que el procedimiento estadstico por excelencia para estimar la confiabilidad de una
prueba [considerada como una totalidad] es el de la correlacin. Anteriormente, se mostr que
la confiabilidad de una prueba est dada por la relacin entre la varianza verdadera y la
varianza observada de un prueba para una poblacin (cf. Ecuacin 7). En diversos textos puede
encontrarse la identidad existente entre esta relacin y la correlacin entre dos conjuntos de
puntuaciones obtenidos por la misma muestra de personas en una prueba ( X ,X ') (ver p. ej.
Lord & Novick, 1968; Nunnally, 1970; Brown, 1980).
Esta enumeracin no es exhaustiva de los posibles coeficientes de confiabilidad que
pueden ser calculados para una prueba; del mismo modo, la correlacin producto-momento de
Pearson no es el nico procedimiento estadstico para obtener la confiabilidad de una prueba.
Ntese, adems, que los coeficientes hasta ahora mencionados pueden estimar la influencia de
una sola fuente de error a la vez en el puntaje observado de la prueba total. La estimacin de la
confiabilidad teniendo en cuenta ms de una fuente de error puede llevarse a cabo gracias a un
anlisis de varianza de los puntajes totales observados a lo largo de los diferentes factores; a
partir de este anlisis de varianza puede obtenerse un coeficiente de confiabilidad
correspondiente a una correlacin intraclase (para una descripcin de estas estimaciones, ver
Thorndike, 1989,1996; Brennan, 2001). En general, la TCT se aproxima al anlisis de una
prueba desde esta perspectiva de prueba total (Lord & Novick, 1968; Nunnally, 1987; Arvalo,
2002); sin embargo, uno de los mtodos clsicos ms empleado parte de una ruptura con esta
tendencia y busca estimar la confiabilidad a partir del anlisis de sus partes: esta es la
confiabilidad por consistencia interna.
Para la estimacin de la confiabilidad por consistencia interna existen una gran variedad de
mtodos. En este escrito se desarrollan slo un par de ellos: la confiabilidad por mitades y el
coeficiente de Cronbach. Todos los mtodos por consistencia interna tienen en comn que
permiten la estimacin de la confiabilidad a partir de una sola aplicacin de una prueba, siendo
esta su mayor ventaja prctica sobre los dems mtodos. Esta caracterstica llev a que estos
mtodos se convirtieran en los ms empleados tanto por quienes aplican las pruebas como por
quienes las desarrollan (Thorndike, 1989,1996). La forma en que se obtiene la informacin
necesaria para los clculos de los estadsticos en estos mtodos consiste en separar la prueba en
diferentes partes y calificar cada una de ellas; la cantidad de partes en que es dividida la prueba,
as como los criterios especficos que guan este proceso dependen del mtodo escogido. Al
realizar esta divisin del puntaje observado en partes estamos asumiendo que el modelo de
medida adoptado se ajusta tambin a las partes resultantes; ahora bien, es fcilmente
demostrable que si el modelo se ajusta para varias mediciones, tambin se ajusta para una
medicin igual a la sumatoria de stas.

Coeficiente alpha de Cronbach

17

El mtodo por mitades consiste en la divisin de la prueba en dos partes paralelas de la

misma longitud. Cada una de estas mitades es calificada y los puntajes observados as obtenidos
son correlacionados entre s. Hasta este punto, el procedimiento de las dos mitades puede verse
como un caso especial del procedimiento con el cual se obtiene un coeficiente de equivalencia,
en el que cada una de las dos mitades es una forma de la prueba. Con esta correlacin lo que se
obtiene es una estimacin de la confiabilidad de cada una de las dos mitades y no de la prueba
completa; para obtener la confiabilidad de la prueba total se hace uso de la frmula de
Spearman-Brown (Anastasi, 1954,1990; Lord & Novick, 1968; Brown, 1980; Thorndike,
1989,1996), la cual en el caso de dos partes, es igual a:

X ,X ' =

2 M ,M '

(8)

1 + M ,M '

donde M ,M ' es la confiabilidad de ambas mitades. Esta frmula asume que las dos mitades en
que ha sido dividida la prueba son paralelas. Asimismo, existe una forma general de la Ecuacin
8 que permite estimar la confiabilidad por consistencia interna de n partes en que se divida una
prueba; en la siguiente seccin se retomar esta frmula.
Coeficiente de Cronbach
El coeficiente fue propuesto en 1951 por Cronbach como un estadstico para estimar la
confiabilidad de una prueba, o de cualquier compuesto obtenido a partir de la suma de varias
mediciones. Este coeficiente estima el valor de X2 ,T (cf. Ecuacin 7) al evaluar la consistencia
interna del conjunto de tems o partes del compuesto; en este sentido, se corresponde con un
coeficiente de equivalencia (Lord, 1955) y, por lo tanto, estima la varianza que en los puntajes
observados corresponde a factores comunes de los diferentes tems (Cronbach, 1951; Cotton,
Campbell & Malone, 1957; Streiner, 1993; Schmidt et al., 2003). En su momento, el coeficiente
entr al campo psicomtrico como un mtodo con el cul se generalizaron varias propuestas
alternativas de estimar la consistencia interna (Muiz, 1996); el principal de estos predecesores
es la frmula de Kuder y Richardson nmero 20 (propuesto en 1939, cf. Cronbach, 1951;
Cotton et al., 1957; Thorndike, 1989,1996, entre otros), la cual puede verse como un coeficiente
para el caso especial en que todos los tems que conforman la prueba se califican de modo
dictomo (e.g. correcto / incorrecto). Otro mtodo con el que est relacionado es el propuesto
por Hoyt en 1941, en el cual se estima la confiabilidad a travs del anlisis de varianza
(Thorndike, 1989,1996; Bravo & Potvin, 1991; McGraw & Wong, 1996; Muiz, 1996;
Brennan, 2001; Bonett, 2003).
Una frmula con la cual se calcula el coeficiente es la siguiente (Cronbach, 1951, p.
305):
n

n
=
n 1

k ,h

k =1 h =1
2
X

; h k

(9)

Cervantes

18

donde n es el nmero de partes, k y h son partes sobre las que se calcula el estadstico. Una
frmula equivalente puede encontrarse en la derivacin del coeficiente de Lord y Novick
(1968, p. 89):
n

k
n
1 k =1 2
=
n 1
X

(10)

Para la aplicacin de esta frmula (sea en la forma dada en la Ecuacin 9 o en la Ecuacin

10) se asume que los supuestos generales del modelo propuesto por la TCT se cumplen para
todas las partes del compuesto (y, por ende, tambin para la sumatoria o prueba total). Si esto es
cierto, el valor del es igual o menor que la confiabilidad real del compuesto ( X2 ,T )
(Cronbach, 1951; Lord & Novick, 1968). En estas condiciones, el tambin se relaciona con la
varianza de los factores subyacentes al conjunto de partes de la prueba, siendo tal que la
varianza del factor general es menor o igual al , y este es menor o igual a la varianza de los
factores comnes del conjunto (Cronbach, 1951; Green et al., 1977). Adicionalmente, ocurre
que si el conjunto de las partes son paralelas, el es exactamente igual a X2 ,T , as como al
valor esperado de todos los posibles coeficientes de confiabilidad por mitades obtenidos por la
aplicacin de la frmula de Spearman-Brown (Cortina, 1993). Gracias a estas propiedades, a la
gran facilidad para obtener los datos necesarios (una sola aplicacin) y a la sencillez de su
clculo, el coeficiente gan rpidamente en aceptacin y aplicacin --tmese como ejemplo
que, tan slo tres aos despus, en el texto introductorio a las pruebas psicolgicas escrito por
Anastasi (1954,1990) ya se puede encontrar como uno de los principales mtodos para la
estimacin de la confiabilidad de una prueba.
Interpretaciones del coeficiente .
La extensin del uso del fue seguida, sin embargo, de una multiplicidad de
interpretaciones, muchas veces contradictorias entre s (Cortina, 1993). Esta situacin ha
llevado a que este estadstico haya sido sobreutilizado a lo largo del tiempo, as como a que se
hayan ignorado las condiciones para las que fue desarrollado. Para hacer un recorrido conjunto
de las cualidades y limitaciones que estos esfuerzos han obtenido, se seguir en primer lugar el
orden de las principales interpretaciones dadas al que se encuentra en Cortina (1993),
posteriormente sern expuestos los aspectos que no hayan sido incluidos por este autor.
Cortina (1993) ubica cinco interpretaciones aceptadas generalmente en la literarura. Estas
son: (a) el coeficiente es la media de todos los coeficientes de confiabilidad por mitades, (b)
es el lmite inferior de la confiabilidad de una prueba, (c) es una medida de la saturacin del
primer factor, (d) es igual a la confiabilidad en condiciones de equivalencia y (e) es una
versin general del coeficiente de equivalencia Kuder-Richardson (K-R 20). De estas cinco
afirmaciones, la segunda y la cuarta se relacionan estrechamente.

Coeficiente alpha de Cronbach

19

El uso de la primera afirmacin implica que se ve al coeficiente como un estimador

estable de la confiabilidad calculada por mitades. Una consecuencia de esto es que se puede
considerar al como un estimador ms robusto que el obtenido por el mtodo de las dos
mitades. Es importante notar que, la identidad entre el y el valor esperado de todas las
posibles mitades se da slo cuando las partes son paralelas, es decir, cuando sus varianzas y
covarianzas son todas iguales, y su valor esperado es el mismo (cf. Infra). Cuando las varianzas
entre los tems no son iguales, el coeficiente es igual al valor esperado del calculado sobre
las mitades de la prueba como partes, en lugar de los tems individuales (Cronbach, 1951; Lord
& Novick, 1968; Cortina, 1993).
La segunda y cuarta afirmaciones ponen de relieve que el es un estimador de la
confiabilidad de una prueba (Cronbach, 1951; Lord & Novick, 1968; Bravo & Potvin, 1991).
La demostracin de las dos afirmaciones puede encontrarse en Cronbach (1951), Novick y
Lewis (1967) y Lord y Novick (1968). Cabe recordar que estos resultados son ciertos en la
medida en que es un coeficiente de equivalencia, esto implica que no tiene en cuenta ciertas
fuentes de error, como el error temporal (Gerbing & Anderson, 1988; Becker, 2000; Osburn,
2000; Schmidt et al., 2003), y por ello no puede tomarse como reemplazo de un coeficiente de
estabilidad como estimador de la confiabilidad de una prueba.
Para la presente discusin es conveniente incluir en este punto algunas de las definiciones
introducidas por Novick y Lewis (1967) y Lord y Novick (1968). Estas definiciones se refieren
a la relacin entre las puntuaciones verdaderas y los puntajes observados de diferentes pruebas,
a partir de las cuales se definen ciertas parejas de mediciones. El caso ms estricto se da cuando
para un par de mediciones: (a) sus puntuajes observados tienen igual valor esperado y varianza
( E ( X 1 ) = E ( X 2 ) y X2 1 = X2 2 ), (b) la media de las puntuaciones verdaderas de ambas es la
misma, as como sus varianzas y covarianzas ( E (T1 ) = E (T2 ) y T21 = T22 = T1T2 ), y (c) el error

de ambas mediciones tiene la misma distribucin E ( 1 ) = E ( 2 ) y 21 = 22 ; a este par de

mediciones se les llama, entonces, paralelas. Este par mide, entonces, el mismo atributo, en las
mismas unidades y con la misma precisin. Los otros casos se dan con la relajacin de algunas
de estas restricciones. As, un par de mediciones son equivalentes cuando dejan de ser
sostenibles las restricciones sobre los errores de las mediciones, pero se siguen tomando las que
aplican sobre las puntuaciones verdaderas; este par mide el mismo atributo en las mismas
unidades aunque con precisiones diferentes. Cuando se relaja la restriccin sobre la localizacin
de las puntuaciones verdaderas (i.e. sobre sus valores esperados), las medidas son llamadas
esencialmente equivalentes. En este caso, el par mide el mismo atributo en las mismas
unidades aunque en ubicaciones diferentes de la escala, y lo hace con precisiones diferentes.
Como los resultados que se obtienen respecto al son idnticos cuando las medidas son
equivalentes o slo esencialmente equivalentes, no se les considera como casos diferentes
cuando se estudia el coeficiente . El ltimo caso es el de los pares de medidas congenricas.
En stas, las restricciones sobre la variabilidad de las puntuaciones verdaderas tambin son
relajadas. En este caso, el par de medidas mide el mismo atributo en unidades diferentes y con
precisiones diferentes. Estas precisiones resultan importantes en la medida que la demostracin

20

Cervantes

de la segunda y cuarta afirmaciones requiere que se asuma el cumplimiento de, por lo menos,
las restricciones correspondientes a variables equivalentes entre las partes que componen la
prueba (Novick & Lewis, 1967; Lord & Novick, 1968; Lucke, 2005)
Con la tercera afirmacin se sugiere que el es una medida del grado en que un factor general
subyace a un conjunto de tems; con esto se sugiere, adems, que el puede usarse como un
ndice de homogeneidad. Este uso puede verse ilustrado en Cronbach (1951), Anastasi
(1954,1990), Webster (1957), Nunnally (1970), Brown (1980), entre muchos otros. Sin
embargo, se ha demostrado que dicha afirmacin es falsa y que dicho empleo del es inapropiado
(ver p. ej. Cotton et al., 1957; Green et al., 1977; Zimmerman et al., 1993; Muiz, 1996; Lucke,
2005). Lo que s es cierto es que entre ms prximos estn los tems a una estructura
unidimensional (i.e. homognea) mejor ser la estimacin de la confiabilidad por el , por lo
que el uso recomendado es determinar primero la estructura factorial, y calcular el sobre los
factores obtenidos en vez de sobre la totalidad de los tems (Cotton et al., 1957; Gerbing &
Anderson, 1988; Thorndike, 1989,1996; Cortina, 1993; Osburn, 2000; Kamata, Turhan &
Darandari, 2003).
La quinta afirmacin se refiere al hecho de que el coeficiente K-R 20 es un caso especial
del cuando los tems son calificados de forma dictoma, el cual es demostrado por Cronbach
(1951). Es interesante anotar, sin embargo, algunas peculiaridades propias del cuando se
obtiene de este modo (v.g. cuando se calcula el K-R 20): (a) por una parte, an en el caso de
unidimensionalidad, nunca es igual al porcentaje de la varianza de los factores comnes (Cotton
et al., 1957) y (b) es siempre inferior al que se obtendra si se calificara al tem en una escala
continua (Feldt, 1993; Stber, Dette & Musch, 2002); esto es relevante si se asume que esta
calificacin no es ms que una dicotomizacin artificial en un cierto nivel del atributo de
inters. Ambas condiciones reflejan la prdida de precisin inherente al empleo de este nivel de
medicin (v.g. dictomo vs. numrico-continuo).
Factores que afectan al coeficiente .
En los aspectos que esas cinco afirmaciones y sus consecuencias tienen respecto al
sobresalen los aciertos y desaciertos que han tenido las diferentes interpretaciones de este
estadstico con respecto a la varianza correspondiente a las puntuaciones verdaderas de las
personas. De su desarrollo puede concluirse que el coeficiente requiere del supuesto de la
equivalencia de sus partes. Los estudios considerados que muestran el sesgo presentado por
el cuando este supuesto no se cumple son especialmente relevantes cuando se considera que
en la prctica es bastante difcil obtener medidas a las que se ajuste tan bien dicho modelo
(Feldt, 1993; Gmez Benito, 1996). Tambin es notoria la falta de consideracin por las
implicaciones que tienen los trminos que definen el clculo del coeficiente, as como de los
otros supuestos en que se basa y que pueden no verse cumplidos en la prctica. Estos son los
que se presentan a continuacin.

Coeficiente alpha de Cronbach

21

Por una parte, los trminos que intervienen en las frmulas de clculo del son la longitud
de la prueba (n), la covarianza entre las partes ( k ,h ) y la varianza total de la prueba ( X2 ).
Varios autores (Cronbach, 1951; Green et al., 1977; Niemi et al., 1986; Cortina, 1993) han
precisado que el valor del coeficiente se incrementa a medida que n aumenta, siempre que se
conserven constantes los dems trminos y se mantengan los supuestos del modelo. Esta
caracterstica fue modelada por Cronbach (1951) relacionando el valor del con la correlacin
promedio entre los tems y con la longitud de la prueba. Esta relacin puede expresarse de la
siguiente forma (Niemi et al., 1986, p. 371):

n kh
1 + kh (n 1)

(11)

donde kh representa la intercorrelacin promedio entre los tems.

De esta formulacin resulta evidente la relacin mencionada; adicionalmente, esta
formulacin es equivalente a la frmula de Spearman-Brown generalizada a una prueba de
longitud n. Esta relacin ha sido estudiada, adems, bajo situaciones en las que los supuestos
del no se cumplen; Green et al. (1977) y Cortina (1993) mostraron que an en condiciones de
multidimensionalidad (i.e. violacin del supuesto de -equivalencia) el valor del puede
superar el nivel de 0.7. Por ejemplo, en el caso ms extremo estudiado por Cortina (1993), el
valor del resulta igual a 0.64 cuando la prueba tiene 18 tems, con una estructura de tres
factores independientes y una interrcorrelacin promedio de tan slo 0.06 (0.3 entre los tems
del mismo factor); este es mayor que 0.7 cuando la intercorrelacin promedio llega a 0.1 y los
dems trminos se mantienen constantes. Se ha encontrado que esta relacin entre el valor del
y la longitud de la prueba es curvilnea y que empieza a estabilizarse en longitudes de prueba
menores a 19 (Komorita & Graham, 1965; Cortina, 1993). Streiner (1993), por su parte, afirma
que escalas de 20 tems o ms suelen obtener valores de alrededor de 0.9. Otro aspecto
importante a considerar se encuentra en el hecho que actualmente la mayora de pruebas
psicolgicas que se desarrollan tienen una longitud inferior a 20 tems (Cortina, 1993). La
importancia observada en el valor obtenido en el tiene su motivo en las guas que al respecto
han sido ofrecidas con el tiempo en las cuales la recomendacin de Nunnally (1987) (el valor
del debera ser igual o superior a 0.7) ha resultado la que mayor aceptacin ha recibido en la
comunidad (ver p. ej. Bernardi, 1994; Peterson, 1994). De estos resultados puede afirmarse que
la influencia de la longitud de la prueba es relevante para muchos casos prcticos en que no es
viable aplicar pruebas de una longitud de 20 o ms tems, para los cuales es posible ver una
variabilidad considerable en el estadstico.
En la Ecuacin 11 tambin se encuentra expresada la relacin entre el y la covarianza
entre los tems. Sin embargo, es mucho ms notorio a partir de la Ecuacin 9 que entre mayor
sea la covarianza entre los tems ( k ,h ) comparada con la varianza total de la prueba ( X2 ),
mayor ser el valor del . La relacin entre la covarianza media de los tems con el valor del
ha sido estudiada por Green et al. (1977), Niemi et al. (1986), Cortina (1993), entre otros.

22

Cervantes

Niemi et al. (1986) mostraron que una reduccin considerable en la interrelacin media de los
tems puede disminuir el valor del estadstico an cuando se aumenta la longitud de la prueba.
En resmen, las tres condiciones de las cuales depende el valor del coeficiente que son
discutidas por Cortina (1993) son: la dimensionalidad del conjunto de tems, el nivel de
covariacin de los tems entre s y la cantidad de tems o partes que conforman la prueba o
compuesto. De estas tres, la primera tiene que ver con el cumplimiento o no de alguno de los
supuestos en los que se apoya el , especficamente con el supuesto de -equivalencia de las
partes. La violacin de este supuesto ha recibido la mayor atencin de la literatura, al ser la
condicin necesaria y suficiente (bajo los supuestos de la TCT) para que el coeficiente sea igual
a la confiabilidad del compuesto; sin embargo, no es el nico supuesto que ha recibido atencin
en diferentes estudios. Asimismo, variables diferentes al valor que adquiere el tambin han
sido estudiadas. A continuacin se presentan diferentes estudios sobre estos otros aspectos.
El abordaje del estudio de los supuestos sobre los que se apoya el coeficiente de
Cronbach puede dividirse en tres grupos. Por una parte, se pueden abordar los supuestos
especficos del ; pueden, por otra, abordarse los supuestos de la TCT en los cuales se inscribe;
o, finalmente, pueden abordarse los supuestos de los procedimientos estadsticos que emplea.
En la primera categora encontramos los estudios que han abordado el supuesto de la equivalencia, y que fueron revisados previamente en este documento. Dentro del segundo
grupo, aquel supuesto que mayor atencin ha recibido es el de la independencia de los errores
de diferentes mediciones entre s (cf. Ecuacin 5); ms adelante se mostrarn algunos de estos
estudios. En cuanto al tercer conjunto, ha sido estudiado el comportamiento del con respecto
a la violacin de los supuestos sobre la distribucin normal de las variables (en este caso del
atributo medido) en la poblacin sobre la cual descansa la precisin de la varianza y la
covarianza. A continuacin se presenta una serie de dichos estudios.
El inters por el efecto de la violacin del supuesto de independencia de los errores de
medida en el de Cronbach es ms bien reciente; sin embargo, es de considerable importancia,
pues es claro que diferentes medidas aplicadas en la misma ocasin, como los tems presentados
en una sola prueba e incluso de diferentes pruebas aplicadas en una misma sesin, pueden ser
influidas por fuentes de error comunes (Zimmerman et al., 1993; Raykov, 2001). Este problema
ha sido abordado por medio de estudios de simulacin (Zimmerman et al., 1993; Komaroff,
1997; Shevlin, Miles, Davies & Walker, 2000), as como por un anlisis matemtico (Raykov,
2001). El anlisis de Raykov (2001) demuestra que cuando existe correlacin entre los errores
de los distintos tems el coeficiente pierde precisin y puede bien subestimar o sobreestimar la
confiabilidad real del compuesto. Para ese autor la variable de inters fue el sesgo que se
produce en el cuando las partes son cuando menos congenricas y se presenta esta
interrelacin entre los errores. La recomendacin que ofrece ese autor es la verificacin previa
de los supuestos con el uso de modelos de estructuras de covarianza para evaluar cun grande
puede ser el sesgo en la estimacin de la confiabilidad. Los estudios de Zimmerman et al.
(1993) y Komaroff (1997) se preocupan especialmente del efecto que la correlacin entre los
errores tiene en el valor calculado del . Zimmerman et al. (1993) tambin estudiaron el sesgo

Coeficiente alpha de Cronbach

23

del para estimar la confiabilidad real; en este estudio encontraron que la presencia de correlacin
entre los errores conllevaba a una sobreestimacin de la confiabilidad. La presencia y tamao de
esta sobreestimacin fue evaluada de forma descriptiva (o "al ojo"), del mismo modo que las
posibles interacciones con los otros factores que estudiaron: (a) la violacin del supuesto de equivalencia y (b) la falta de normalidad en la distribucin poblacional del atributo. Komaroff
(1997) por su parte se centra en la obtencin de una correcin de la frmula del que tenga en
cuenta la relacin entre los errores; la principal limitacin de este estudio es que slo fue
considerado el valor obtenido del y no su relacin con la confiabilidad del compuesto, parmetro
de inters al emplear este coeficiente. El estudio de Shevlin et al. (2000) examina la relacin entre
la correlacin de los errores, el tamao de muestra y el tamao de la carga factorial de los tems,
asumiendo unidimensionalidad en los mismos, con el valor del y con la diferencia entre la
estimacin muestral ( ) y el poblacional; tambin examina la distribucin muestral emprica.
Los resultados de este estudio son acordes con los de Zimmerman et al. (1993) y Komaroff
(1997), e indican un aumento en el valor del cuando se presentan errores entre las partes; una
ventaja que ofrece este estudio es que el efecto de estos factores no fue analizado nicamente de
forma descriptiva, por lo que pudieron dar cuenta de las interacciones entre estos tres factores.
Shevlin et al. (2000) encontraron que el error tiene un efecto significativo sobre el valor del
, y que adems interacta tanto con el tamao de la muestra como con el peso factorial de las
partes; el grado de correlacin entre los errores present un efecto ms grande entre menor
fuese la muestra, as como entre menor fuese el peso factorial de los tems. Este estudio tampoco
relaciona el con la confiabilidad del compuesto.
En cuanto a los estudios relacionados con el tercer grupo de supuestos, los desarrollos ms
importantes se encuentran en el estudio de la distribucin muestral del teniendo en cuenta la
distribucin de los puntajes de las partes sobre las que se calcula; tambin dentro de este grupo
podemos encontrar estudios sobre el valor y la precisin del coeficiente bajo diferentes
distribuciones del atributo en la poblacin. A lo largo de la dcada de los 60, Kristof (Kristof,
1970; van Zyl, Neudecker, & Nel, 2000) y Feldt (1965) derivaron de forma independiente la
teora referente a la distribucin muestral del bajo los supuestos de la TCT, de equivalencia de las partes y de distribucin normal multivariada de las partes. Ms
recientemente han aparecido desarrollos para emplear esta distribucin en pruebas de hiptesis
sobre el estimador del (Feldt, 1990), en obtencin de intervalos de confianza del (Feldt,
1990; Bravo & Potvin, 1991; McGraw & Wong, 1996) y para hacer pruebas de hiptesis sobre
diferencias de dos coeficientes (e.g. Feldt & Ankenmann, 1999; Silver, 2001);
adicionalmente, van Zyl et al. (2000) derivaron la distribucin asinttica del sin restricciones
sobre la existencia de -equivalencia entre las partes. La derivacin de van Zyl et al. (2000) fue
tambin estudiada por Yuan y Bentler (2002), quienes encontraron que dicha distribucin
asinttica parece ser robusta, adems, ante violaciones del supuesto de normalidad multivariada de
las partes. Bajo estos hallazgos, Duhachek y Iacobucci (2004) derivaron un mtodo para obtener
intervlos de confianza bajo esta distribucin muestral del . Podemos encontrar estudios de
simulacin sobre la distribucin muestral del en Zimmerman et al. (1993), Shevlin et al.
(2000) y Duhachek y Iacobucci (2004). En los primeros dos estudios la

Cervantes

24

distribucin muestral es analizada de forma descriptiva, y en general encuentran que la

variabilidad del es menor cuando se tiene un mayor tamao de muestra; Zimmerman et al.
(1993) observan en sus datos una alta variabilidad del en la mayor parte de sus tratamientos,
Shevlin et al. (2000) encuentra que dicha variabilidad, expresada respecto a su desviacin
estndar: (a) no lo hace ininterpretable, y (b) parece verse afectada tanto por la longitud de la
prueba como por el peso factorial de los tems. El estudio de Duhachek y Iacobucci (2004) analiza
el efecto de la longitud de la prueba, del tamao de la muestra, de la intercorrelacin entre los
tems y de la falta de unidimensionalidad, en el error tipo I (contra el valor del ) y en la
amplitud del intervlo de confianza derivado; asimismo, compararon estos efectos entre diferentes
propuestas de obtencin de intervlos de confianza. Con estos resultados, derivaron un intervlo
de confianza para la diferencia de dos coeficientes .
Tabla 1
Cuadro comparativo de estudios sobre el de Cronbach
Respuestaa

Factoresb
n, N, kh ,

Cotton et al. (1957)

Green et al. (1977)

, Dimensionalidad
n, kh , , Dimensionalidad

Niemi et al. (1986)

n, kh
Dimensionalidad

Estudio
Cronbach (1951)

Reuterberg y Gustafsson (1992)

Cortina (1993)
Feldt (1993)
Zimmerman et al. (1993)

2
X ,T

, , S.B.

Komaroff (1997)

2
X ,T

n, kh , dimensionalidad
Dificultad de los tems, kh
n, N, kh , Dimensionalidad

kh , Dimensionalidad

Osburn (2000)
Shevlin et al. (2000)

Dimensionalidad
N, , kh , Interacciones

Raykov (2001)

X2 ,T

kh

Christmann y Van Aelst (2002)

, X2 ,T

Distribucin de los tems

Yuan y Bentler (2002)

Kamata et al. (2003)

Distribucin de los tems

N, , Dimensionalidad

Duhachek y Iacobucci (2004)

2
X ,T

n, N, kh , Dimensionalidad, Interacciones
Distribucin de los tems
Dimensionalidad

Norris y Aroian (2004)

Lucke (2005)
,
Notas: a : Diferencia entre y el valor poblacional especificado en las condiciones de l estudio, X2 ,T : diferencia

entre
el y el valor real de la confiabilidad especificada en el estudio, S.B: Frmula de Spearman-Brown
(Ecuacin 8), X2 ,T : estimacin de la confiabilidad a partir de un anlisis factorial confirmatorio.
b
n: Nmero de partes-tems sobre los que se calcula el coeficiente, N: Tamao de la muestra, : cargas factoriales
de los tems en el(los) factor(es) subyacentes

Coeficiente alpha de Cronbach

25

Sobre la violacin de los supuestos de normalidad multivariada de las partes Zimmerman et

al. (1993) y Christmann y Van Aelst (2002) realizaron dos estudios de simulacin. En ambos
estudios se tiene en cuenta el sesgo de la estimacin de la confiabilidad por parte del ;
Zimmerman et al. (1993) analizan el efecto de la falta de normalidad en las partes de un modo
descriptivo; en su estudio la forma de la distribucin vara entre condiciones diferentes y es
comn a todas las partes de la misma condicin. En el reporte de Christmann y Van Aelst
(2002), la forma de la distribucin tambin fue variada entre condiciones, pero emplearon
distribuciones no normales diferentes; los anlisis del sesgo del fueron asimismo realizados
de forma descriptiva. Mientras que Zimmerman et al. (1993) encuentran que el parece ser
robusto a las violaciones de normalidad en las partes que conforman la prueba, Christmann y
Van Aelst (2002), por su parte, encuentran resultados opuestos.
En la tabla 1 puede verse resumido el conjunto de caractersticas de varios estudios
realizados sobre el de Cronbach. Puede observarse que la mayora de los estudios se han
concentrado nicamente en cmo se ve afectado el valor del o del poblacional, tambin es
evidente que son pocos los estudios que han analizado el sesgo del respecto a la
confiabilidad real de la prueba. El principal factor analizado es claramente el que tiene que ver
con la dimensionalidad del conjunto o prueba; esto es lo relativo al supuesto de -equivalencia
entre las partes. Slo en dos de los estudios que emplearon mtodos de Monte Carlo se llev a
cabo un metamodelo; en ambos se trat de un modelo de ANOVA sobre el en el cual las
interacciones de los factores considerados en el estudio fueron analizados; en el estudio de
Shevlin et al. (2000) si bien se consider la diferencia entre el y el poblacional, esta
relacin no fue modelada. En cuanto a los estudios de Monte Carlo el nmero de rplicas vari
entre 1 (Green et al., 1977) y 2000 (Zimmerman et al., 1993) por condicin. Finalmente,
ninguno de los estudios report el empleo de tcnicas de reduccin de varianza de los
estimadores de Monte Carlo.
Discusin
Puede verse que el lugar que tiene actualmente el coeficiente de Cronbach para la
exploracin de la confiabilidad de un compuesto de diferentes mediciones es realmente
importante. El uso generalizado que ha tenido y la amplitud de las interpretaciones de las que
ha sido objeto muestran, sin embargo, la falta de consenso en la comunidad sobre cmo y
cundo es empleado correctamente; as tambin, puede encontrarse una amplia variedad de
estudios en los cuales se busca encontrar guas para este objetivo.
En este trabajo se han documentado los principales factores que en estos estudios han
mostrado tener alguna influencia en la precisin del coeficiente como estimador de la
confiabilidad. El autor encuentra que los factores considerados en diferentes estudios no han
sido interpretados de forma consistente de uno a otro; por esta razn, los resultados de los
mismos muestran dificultades para ser considerados en su conjunto por los diferentes usuarios
de pruebas y de otras formas de medicin que obtienen informacin de mediciones compuestas.
El principal factor analizado a lo largo de los diferentes estudios aqu considerados, y sobre el

26

Cervantes

cual existen las conclusiones ms solidas para los desarrolladores y usuarios de pruebas, es la
dimensionalidad del compuesto; en este sentido, puede recomendarse el uso del coeficiente
nicamente en aquellos casos en los cuales se haya comprobado la unidimensionalidad del
conjunto, entendida como mnimo como una condicin de tems congenricos y preferiblemente
entendida como -equivalencia, pues se ha demostrado que slo en esta situacin puede
interpretarse el valor obtenido para el como un estimador de la confiabilidad del compuesto.
Otros factores considerados demuestran afectar la precisin de la estimacin de la
confiabilidad que puede llevarse a cabo. Los resultados, sin embargo, no son lo suficientemente
claros para estos factores, con la excepcin de la presencia de correlacin entre los errores de
medida de los tems o partes del conjunto. En el caso de la presencia de errores correlacionados es
posible evaluar cunto afectan los mismos la estimacin; esta evaluacin requiere del ajuste
de un modelo de estructuras de covarianza a los datos obtenidos, mtodo que puede resultar
impracticable o altamente inestable con ciertos tamaos de muestra y especialmente bajo ciertas
condiciones distribucionales de los tems. Cuando dicho modelamiento es factible, puede
obtenerse una estimacin ms directa de la confiabilidad que la obtenida con el uso del de
Cronbach. En esta medida, an no es claro en qu casos podr considerarse que el uso del
coeficiente es apropiado, aunque s es posible establecer casos en los que su obtencin deja de
ser imprescindible.
En general, las propiedades del de Cronbach parecen no ser lo suficientemente deseables
ante situaciones de aplicacin adversas; sin embargo, la evidencia al respecto no es tampoco
concluyente ms que para un par de los posibles casos que es posible encontrar en la prctica.
Actualmente se encuentran alternativas al para la estimacin de la confiabilidad,
especialmente desde modelos factoriales de anlisis de los datos, las cuales pueden en un futuro
volverse mejores opciones; la popularidad que tiene el podra, entonces, ser desafiada y en
esta medida un uso ms conciente y moderado de este estadstico sera factible. Para esto se
necesita an de mayor investigacin sobre cun preciso resulta el , especialmente en las
condiciones que poseen la mayor parte de las investigaciones que utilizan este estadstico, tales
como pruebas cortas con tamaos de muestra reducidos.
Referencias
Anastasi, A. (1990). Psychological testing (6th ed.). New York: MacMillan Publishing Company. (Trabajo original
publicado en 1954)
Arvalo, I. (2002). Estudio comparativo del ndice de dificultad en la teora clsica de los tests, la teora de respuesta
al tem y el anlisis bayesiano. Tesis de pregrado no publicada, Universidad Nacional de Colombia.
Becker, G. (2000). How important is transient error in estimating reliability? going beyond simulation studies.
Psychological Methods, 5, 370-379.
Bernardi, R. (1994). Validating research results when Cronbach's alpha is below .70: A methodological procedure.
Educational and Psychological Measurement, 54, 766-775.
Bollen, K., & Lennox, R. (1991). Conventional wisdom on measurement: A structural equation perspective.
Psychological Bulletin, 110, 305-314.
Bonett, D. G. (2003). Sample size requirements for comparing two alpha coefficients. Applied Psychological
Measurement, 27, 72-74.

Coeficiente alpha de Cronbach

27

Bravo, G., & Potvin, L. (1991). Estimating the reliability of continuous measures with Cronbach's alpha or the
intraclass correlation coefficient: Toward the integration of two traditions. Journal of Clinical
Epidemiology, 44, 381-390.
Brennan, R. L. (2001). Generalizability theory. New York: Springer-Verlag.
Brown, F. G. (1980). Principios de la medicin en psicologa y educacin. Mxico D.F., Mxico: Manual
Moderno.
Christmann, A., & Van Aelst, S. (2002). Robust estimation of Cronbach'
s alph a (Tech. Rep. No. SFB475
42/02). Dortmund, Alemania: Universitt Dortmund.
Cortina, J. M. (1993). What is coefficient alpha? an examination of theory and applications. Journal of Applied
Psychology, 78, 98-104.
Cotton, J. W., Campbell, D. T., & Malone, R. D. (1957). The relationship between factorial composition of test
items and measures of test reliability. Psychometrika, 22, 347-357.
Cronbach, L. J. (1951). Coefficient alpha and the internal structure of tests. Psychometrika, 16, 1-16.
Duhachek, A., & Iacobucci, D. (2004). Alpha's standard error (ASE): An accurate and precise confidence
interval estimate. Journal of Applied Psychology, 89, 792-808.
Feldt, L. S. (1965). The approximate sampling distribution of Kuder-Richardson reliability coefficient twenty.
Psychometrika, 30, 357-370.
Feldt, L. S. (1990). The sampling theory for the intraclass reliability coefficient. Applied Measurement in
Education, 3, 361-367.
Feldt, L. S. (1993). The relationship between the distribution of item difficulties and test reliability. Applied
Measurement in Education, 6, 37-48.
Feldt, L. S., & Ankenmann, R. D. (1999). Determining sample size for a test of the equality of alpha
coefficients when the number of part-tests is small. Psychological Methods, 4, 366-377.
Gerbing, D. W., & Anderson, J. C. (1988). An updated paradigm for scale development incorporating
unidimensionality and its assessment. Journal of Marketing Research, 25, 186-192.
Gmez Benito, J. (1996). Aportaciones de los modelos de estructuras de covarianza al anlisis psicomtrico. En
J. Muiz (Ed.), Psicometra (pp. 457-554). Madrid, Espaa: Universitas.
Gmez Benito, J., & Hidalgo Montesinos, M. D. (2003). Desarrollos recientes en psicometra. Avances en
Medicin, 1, 17-36.
Green, S. B., Lissitz, R. W., & Mulaik, S. A. (1977). Limitations of coefficient alpha as an index of test
unidimensionality. Educational and Psychological Measurement, 37, 827-838.
Gulliksen, H. (1950). Theory of mental tests. New York: John Wiley & Sons, Inc.
Herrera, A. N., Snchez, N. R., & Jimnez vila, H. (2000). De la teora clsica de los tests a la teora de
respuesta al tem. Aula Psicolgica, 3, 293-332.
Iacobucci, D. (Ed.). (2001). Methodological and statistical concerns of the experimental behavioral researcher
[Nmero monogrfico]. Journal of Consumer Psychology, 10(1 & 2).
Kamata, A., Turhan, A., & Darandari, E. (2003, April). Estimating reliability fo r multidimensional composite
scale scores. Presentado en el encuentro anual de la American Educational Research Association, Chicago.
Recuperado el 26 de Marzo de 2005, de http://garnet.acns.fsu.edu/~akamata/papers/
Kane, M. (1996). The precision the measurement. Applied Measurement in Education, 9, 355-379.
Komaroff, E. (1997). Effect of simultaneous violations of essential tau-equivalence and uncorrelated errors on
coefficient alpha. Applied Psychological Measurement, 21, 337-348.
Komorita, S. S., & Graham, W. K. (1965). Number of scale points and the reliability of scales. Educational and
Psychological Measurement, 25, 987-995.
Kristof, W. (1970). On the sampling theory of reliability estimation. Journal of Mathematical Psychology, 7,
371-377.
Lord, F. M. (1955). Sampling fluctuations resulting from the sampling of test items. Psychometrika, 20, 1-22.
Lord, F. M., & Novick, M. R. (1968). Statistical theories of mental test scores. Reading, Massachusstes:
Addison-Wesley.
Lucke, J. F. (2005). The and the of congeneric test theory: An extension of reliability and internal
consistency to heterogeneous tests. Applied Psychological Measurement, 29, 65-81.

28

Cervantes

Martnez, R. (1996). Psicometra: teora de los tests psicolgicos y educativos. Madrid, Espaa: Sntesis.
McGraw, K. O., & Wong, S. P. (1996). Forming inferences about some intraclass correlation coefficients.
Psychological Methods, 1, 30-46.
Muiz, J. (1996). Fiabilidad. En J. Muiz (Ed.), Psicometra (pp. 1-47). Madrid, Espaa: Universitas.
Niemi, R. G., Carmines, E. G., & McIver, J. P. (1986). The impact of scale lenght on reliability and validity.
Quality y Quantity, 20, 371-376.
Norris, A. E., & Aroian, K. J. (2004). To transform or not transform skewed data for psychometric analysis.
Nursing Research, 53, 67-71.
Novick, M. R., & Lewis, C. (1967). Coefficient alpha and the reliability of composite measurements.
Psychometrika, 32, 1-13.
Nunnally, J. (1970). Introduccin a la medicin psicolgica. Buenos Aires, Argentina: Centro Regional de
Ayuda Tcnica.
Nunnally, J. (1987). Teora psicomtrica. Mxico D.F., Mxico: Trillas.
Osburn, H. G. (2000). Coefficient alpha and related internal consistency reliability coefficients. Psychological
Methods, 5, 343-355.
Peterson, R. A. (1994). A meta-analysis of Cronbach's coefficient alpha. Journal of Consumer Research, 21,
381-391.
Raykov, T. (2001). Bias of coefficient for fixed congeneric measures with correlated errors. Applied
Psychological Measurement, 25, 69-76.
Reuterberg, S.-E., & Gustafsson, J.-E. (1992). Confirmatory factor analysis and reliability: Testing
measurement model assumptions. Educational and Psychological Measurement, 52, 795-811.
Snchez Pedraza, R., & Rosero Villota, N. E. (2003). Revisin crtica de las escalas de medicin de mana.
Avances en Medicin, 1, 37-70.
Schmidt, F. L., Le, H., & Ilies, R. (2003). Beyond alpha: An empirical examination of the effects of different
sources of measurement error on reliability estimates for measures of individual differences constructs.
Psychological Methods, 8, 206-224.
Shevlin, M., Miles, J. N. V., Davies, M. N. O., & Walker, S. (2000). Coefficient alpha: a useful indicator of
reliability? Personality and Individual Differences, 28, 229-237.
Silver, N. C. (2001). DIFALPHA: A FORTRAN 77 program for testing the difference between independent
coefficients with different test lengths. Applied Psychological Measurement, 25, 68.
Stber, J., Dette, D. E., & Musch, J. (2002). Comparing continuous and dichotomous scoring of the balanced
inventory of desirable responding. Journal of Personality Assessment, 78, 370-389.
Streiner, D. L. (1993). A checklist for evaluating the usefulness of rating scales. Canadian Journal of
Psychiatry, 38, 140-148.
Streiner, D. L. (2003). Being inconsistent about consistency: When coefficient alpha does and doesn't matter.
Journal of Personality Assessment, 80, 217-222.
Thorndike, R. L. (1996). Psicometra aplicada. Mxico D.F., Mxico: Limusa. (Trabajo original publicado en
1989)
van Zyl, J. M., Neudecker, H., & Nel, D. G. (2000). On the distribution of the maximum likelihood estimator of
Cronbach's alpha. Psychometrika, 65, 271-280.
Webster, H. (1957). Item selection methods for increasing test homogeneity. Psychometrika, 22, 395-403.
Yuan, K.-H., & Bentler, P. M. (2002). On robustness of the normal-theory based aymptotic distributions of three
reliability coefficient estimates. Psychometrika, 67, 251-259.
Zimmerman, D. W., Zumbo, B. D., & Lalonde, C. (1993). Coefficient alpha as an estimate of test reliability
under violation of two assumptions. Educational and Psychological Measurement, 53, 33-49.
Manuscrito recibido en Marzo de 2005
Aprobado para publicacin en Abril de 2005