En estadística e investigación , la coherencia interna suele ser una medida basada en las correlaciones entre diferentes elementos de la misma prueba (o la misma subescala en una prueba más grande). Mide si varios ítems que proponen medir el mismo constructo general producen puntuaciones similares. Por ejemplo, si un encuestado expresara su acuerdo con las afirmaciones "Me gusta andar en bicicleta" y "He disfrutado andar en bicicleta en el pasado", y su desacuerdo con la afirmación "Odio las bicicletas", esto sería indicativo de buena coherencia interna. del examen.
La consistencia interna generalmente se mide con el alfa de Cronbach, una estadística calculada a partir de las correlaciones por pares entre ítems. La consistencia interna oscila entre el infinito negativo y el uno. El coeficiente alfa será negativo siempre que exista una mayor variabilidad intrasujetos que entre sujetos. [1]
Una regla general comúnmente aceptada para describir la coherencia interna es la siguiente: [2]
Fiabilidades muy altas (0,95 o más) no son necesariamente deseables, ya que esto indica que los elementos pueden ser redundantes. [3] El objetivo al diseñar un instrumento confiable es que las puntuaciones de ítems similares estén relacionadas (internamente consistentes), pero que cada uno también contribuya con información única. Obsérvese además que el alfa de Cronbach es necesariamente mayor para las pruebas que miden constructos más estrechos y menor cuando se miden constructos más genéricos y amplios. Este fenómeno, junto con una serie de otras razones, es un argumento en contra del uso de valores de corte objetivos para las medidas de consistencia interna. [4] Alfa también es una función del número de ítems, por lo que las escalas más cortas a menudo tendrán estimaciones de confiabilidad más bajas, pero aún así serán preferibles en muchas situaciones porque suponen una carga menor.
Una forma alternativa de pensar sobre la consistencia interna es que es el grado en que todos los ítems de una prueba miden la misma variable latente . La ventaja de esta perspectiva sobre la noción de una correlación promedio alta entre los ítems de una prueba (la perspectiva subyacente al alfa de Cronbach) es que la correlación promedio de los ítems se ve afectada por la asimetría (en la distribución de las correlaciones de los ítems), al igual que cualquier otro promedio. . Por lo tanto, mientras que la correlación modal de los ítems es cero cuando los ítems de una prueba miden varias variables latentes no relacionadas, la correlación promedio de los ítems en tales casos será mayor que cero. Así, mientras que lo ideal de la medición es que todos los ítems de una prueba midan la misma variable latente, se ha demostrado muchas veces que alfa alcanza valores bastante altos incluso cuando el conjunto de ítems mide varias variables latentes no relacionadas. [5] [6] [7] [8] [9] [10] [11] El "coeficiente omega" jerárquico puede ser un índice más apropiado de la medida en que todos los ítems de una prueba miden la misma variable latente . [12] [13] Revelle y Zinbarg (2009) revisan varias medidas diferentes de coherencia interna. [14] [15]