En breve
El alfa de Cronbach va en el apartado de Medidas, no en Resultados, y se escribe sin cursiva porque α es una letra griega: α = .87, con dos decimales y sin cero inicial. APA 7 pide acompañar cualquier estimación de su intervalo de confianza, así que la forma completa es α = .87, IC 95 % [.83, .90], con n = 100. El .70 es una convención heredada de Nunnally (1978) para investigación en fases tempranas, no un umbral oficial: cuando la puntuación decide algo sobre una persona se pide .90, y un α > .95 casi siempre significa que los ítems se repiten. Y como el alfa sube al añadir ítems y da por supuesto que todos pesan igual, conviene reportar a su lado el omega de McDonald (ω), que se calcula con las cargas reales del modelo factorial.
Casi todo manuscrito con un cuestionario reporta el alfa, y casi todos fallan por el mismo sitio: un número suelto, en la sección equivocada, con el .70 citado como si fuera una norma de la APA. La fiabilidad no es una propiedad del test que puedas copiar del artículo de validación original; es una propiedad de las puntuaciones que tú has obtenido en tu muestra, y cambia con la muestra. Aquí tienes la frase exacta, el intervalo de confianza que casi nadie pone y el omega que cada vez más revisores piden. Las reglas generales de formato están en cómo reportar resultados en APA 7.
Dónde va el alfa: en Medidas, no en Resultados
El sitio natural del alfa es la subsección de Medidas (o Instrumentos) del apartado de Método, pegada a la descripción del cuestionario al que pertenece. Ahí el lector acaba de leer cuántos ítems tiene la escala y con qué formato de respuesta, que es justo lo que necesita para juzgar si ese .87 significa algo o es aritmética de tener muchos ítems.
Así queda la frase completa: «La sintomatología depresiva se midió con el BDI-II (21 ítems, escala de 0 a 3). La consistencia interna de las puntuaciones en esta muestra fue adecuada, α = .89, IC 95 % [.86, .91], n = 150.» Un instrumento, una frase, con su fiabilidad calculada en tus datos.
El segundo sitio legítimo es la diagonal de la matriz de correlaciones, con los coeficientes entre paréntesis y una nota que lo aclare: «Los valores entre paréntesis en la diagonal son coeficientes alfa de Cronbach». Es lo que se hace cuando tienes seis escalas y no quieres seis frases idénticas en Método, y ahorra una columna entera de tabla.
Lo que no vale es soltar el alfa en Resultados sin contexto, ni repetirlo en tres sitios distintos con tres decimales distintos. Y si calculas la fiabilidad por submuestras o por oleadas, di de dónde sale cada cifra: un alfa sin muestra identificada no se puede comprobar.
La frase exacta: cursiva, decimales e intervalo del 95 %
El alfa no lleva cursiva. La regla de APA es que las letras griegas van en redonda, y α lo es; lo mismo vale para ω. La cursiva se reserva para los estadísticos latinos: M = 3.42, DT = 0.81, t(148) = 2.34, r = .31. Ver un α en cursiva es la señal más rápida de que el manuscrito no ha pasado por nadie que conozca el manual.
Dos decimales y sin cero inicial, porque el coeficiente no puede pasar de 1: α = .87, nunca 0.87. Es la misma regla que gobierna el valor p, la r y la R2.
El intervalo de confianza es lo que separa un informe de fiabilidad decente de uno de trámite. Con n = 120 y una escala de 10 ítems, un α = .71 viene acompañado de un IC 95 % [.61, .78]: el punto cruza el umbral célebre, pero el intervalo dice que con esa muestra no puedes distinguir un .61 de un .78. Se obtiene con la aproximación de Feldt, basada en la distribución F, o por bootstrap con 5.000 remuestreos; las dos valen, y se dice cuál has usado. El cálculo, con el intervalo incluido, lo tienes en la calculadora de alfa de Cronbach.
Indica la n sobre la que has calculado el coeficiente cuando no coincide con la del análisis principal. Con eliminación por casos, un cuestionario largo pierde participantes por el camino y la fiabilidad puede estar estimada sobre bastante menos gente de la que anuncia tu apartado de participantes.
El .70 es una convención, no una ley
Nunnally (1978) propuso .70 para investigación en fases tempranas, cuando estás explorando un constructo, y pidió .90 o más para puntuaciones con las que se toman decisiones sobre personas concretas. Las revistas se quedaron con el número y tiraron el contexto. El Manual de Publicación de la APA no fija ningún umbral: te pide reportar la fiabilidad y discutirla, no aprobar un examen.
Lo que decide cuánta fiabilidad necesitas es el uso de la puntuación. Para comparar medias entre dos grupos en un estudio de investigación, .70 es defendible. Para un punto de corte clínico que clasifica a una persona como caso, .70 es un error con consecuencias: cada error de medida se traduce en alguien mal clasificado.
El techo también importa. Un α > .95 rara vez es una buena noticia: suele indicar redundancia, ítems que son paráfrasis unos de otros y que estrechan el constructo hasta dejarlo en una sola pregunta repetida diez veces. Si tu escala de 30 ítems da .97, la pregunta del revisor no será si es fiable, sino por qué necesitas 30 ítems.
¿Y si te sale .64? Se reporta, se dice qué limita —la fiabilidad baja atenúa las correlaciones que estimes con esa escala— y se lleva a la sección de limitaciones. Lo que no se hace es ir borrando ítems después de ver los datos hasta cruzar el .70. Si eliminas alguno, que sea por una razón de contenido, y reporta el alfa antes y después.
Por qué el omega de McDonald es mejor
El alfa asume tau-equivalencia: que todos los ítems miden el constructo con el mismo peso y que sus errores no correlacionan. Esa condición no se cumple casi nunca. Cuando las cargas factoriales difieren —y siempre difieren—, el alfa deja de ser la fiabilidad y pasa a ser un límite inferior: la infraestima. Estás castigando tu propia escala por un supuesto que nadie comprueba.
El omega de McDonald (1999) usa las cargas de verdad, las que estima un modelo factorial de un factor: ω = (Σλ)² / [(Σλ)² + Σθ]. Con seis ítems que cargan .90, .85, .80, .40, .35 y .30, el alfa sale .76 y el omega .79. La diferencia parece pequeña, pero va siempre en la misma dirección y crece cuanto más desiguales son las cargas. Dunn et al. (2014) llevan una década pidiendo el cambio, y ya se nota en las revisiones.
El omega tiene un coste: necesita un modelo factorial que ajuste. Si tu AFC no ajusta, el omega no es más creíble que el alfa, solo está peor justificado. Por eso el orden correcto es ajustar primero el modelo de medida —lo cuenta cómo reportar un AFC en APA 7— y calcular el omega después, con las cargas estandarizadas de ese modelo. La calculadora de omega de McDonald hace la cuenta a partir de las cargas.
Mientras el campo termina de moverse, reporta los dos: «La consistencia interna fue aceptable, α = .76, ω = .79». El alfa porque tus lectores lo esperan y les permite comparar con la literatura previa; el omega porque es el número que de verdad estima la fiabilidad de tus puntuaciones. Si la escala tiene un factor general y varios específicos, lo que se reporta es el omega jerárquico (ωh), que dice qué parte de la varianza total explica ese factor general.
El alfa depende del número de ítems
La fórmula lo dice sin disimulo: α = k · r̄ / [1 + (k − 1) · r̄], donde k es el número de ítems y r̄ la correlación media entre ellos. Con la correlación media fija, el alfa sube solo con alargar la escala, aunque los ítems nuevos no aporten nada que no estuviera ya.
Los números lo dejan claro. Una escala de 40 ítems cuyas correlaciones medias entre ítems son de apenas .18 alcanza α = .90. Una escala de 4 ítems con correlaciones de .40 —más del doble de coherencia real entre sus ítems— se queda en α = .73. Si comparas las dos por el alfa, te llevas la peor.
De ahí que convenga reportar también la correlación media entre ítems, que no depende de la longitud. Clark y Watson (1995) sugirieron mantenerla entre .15 y .50 según lo amplio que sea el constructo: por debajo, los ítems no miden lo mismo; por encima, se están repitiendo.
Con dos ítems el alfa no es la herramienta. Lo recomendado es la correlación entre ambos corregida por Spearman-Brown (Eisinga et al., 2013), o directamente la correlación con su intervalo: r = .62, IC 95 % [.51, .71]. Un alfa de dos ítems no está mal calculado, está mal elegido, y es de las cosas que un revisor de psicometría ve de un vistazo.
Lo que se marca en revisión
El alfa de la validación original. Copiar el .91 del artículo del que sacaste la escala no dice nada sobre tus datos: esa cifra se estimó en otra muestra, otro idioma y a veces otra década. Se cita como referencia si quieres, pero el que cuenta es el tuyo.
Un solo alfa para una escala multidimensional. Si tu AFE o tu AFC sacaron tres factores, un alfa del total mezcla tres cosas distintas y no informa de ninguna. Se reporta uno por subescala. Si además usas la puntuación total, justifícala con un modelo bifactor o de segundo orden y acompáñala del omega jerárquico.
Un alfa negativo o absurdamente bajo. Casi siempre son ítems inversos sin recodificar. Antes de escribir en las limitaciones que tu escala es poco fiable, comprueba la recodificación y mira la matriz de correlaciones entre ítems: si hay un bloque con el signo cambiado, ahí está.
Alfa en escalas de tres o cuatro categorías de respuesta. Con pocas categorías, el alfa de Pearson subestima la fiabilidad. Ahí toca el alfa (u omega) ordinal, calculado sobre correlaciones policóricas, y decir en el texto que es la versión ordinal. El panorama completo de coeficientes está en análisis de fiabilidad: alfa, omega e ICC.
Preguntas frecuentes
¿Qué valor de alfa de Cronbach es aceptable?
Depende del uso que le des a la puntuación. El .70 es una convención que viene de Nunnally (1978) para investigación en fases tempranas; para escalas consolidadas se espera .80 y para puntuaciones que deciden algo sobre una persona concreta, .90 o más. Por encima de .95 la señal suele ser redundancia entre los ítems. La APA no fija ningún umbral: te pide reportar la fiabilidad y discutirla.
¿El alfa de Cronbach va en cursiva en APA 7?
No. Las letras griegas van en redonda en APA, y alfa lo es; lo mismo vale para omega. La cursiva se reserva para los estadísticos latinos como M, DT, t, r o p. Y no lleva cero inicial, porque el coeficiente no puede superar 1: se escribe α = .87, no 0.87.
¿Dónde se pone el alfa de Cronbach en un artículo APA?
En la subsección de Medidas o Instrumentos del apartado de Método, junto a la descripción de cada cuestionario. La alternativa aceptada es ponerlo entre paréntesis en la diagonal de la tabla de correlaciones, con una nota que lo explique. Lo que no procede es soltarlo en Resultados sin contexto ni repetirlo en tres sitios distintos.
¿Hay que reportar el omega de McDonald además del alfa?
Cada vez más revisores lo piden, y lo razonable hoy es dar los dos. El alfa asume que todos los ítems pesan igual, cosa que casi nunca se cumple, y por eso infraestima la fiabilidad; el omega usa las cargas reales del modelo factorial. El omega exige un modelo de un factor que ajuste: si tu AFC no ajusta, el omega no arregla nada.
¿Cómo se calcula el intervalo de confianza del alfa de Cronbach?
Con la aproximación de Feldt, basada en la distribución F, o por bootstrap con unos 5.000 remuestreos. Las dos son aceptables y basta con decir cuál has usado. Se reporta así: α = .87, IC 95 % [.83, .90]. Con muestras pequeñas el intervalo es ancho, y esa anchura es justo la información que un alfa suelto esconde.
¿Se puede calcular el alfa de Cronbach con dos ítems?
Se puede, pero no es lo recomendado. Con dos ítems lo indicado es la correlación entre ambos corregida por la fórmula de Spearman-Brown (Eisinga et al., 2013), o directamente la correlación con su intervalo de confianza. Un alfa de dos ítems no está mal calculado, está mal elegido.
¿Tu apartado de Medidas aguantaría una pregunta sobre la fiabilidad?
Un alfa sin intervalo, sin omega y sin decir de qué muestra sale es de las primeras cosas que subraya un revisor de psicometría.
Pásalo por el revisor de artículos →Con el alfa en Medidas, su intervalo del 95 % al lado y el omega acompañándolo, la fiabilidad deja de ser el punto flojo del manuscrito. Si tu escala es multidimensional, o el alfa se te ha quedado corto y no sabes si el problema son los ítems o la muestra, lo vemos en mi consultoría estadística.