En breve
Para la consistencia interna, reporta el omega (ω) de McDonald antes que el alfa de Cronbach: el alfa asume tau-equivalencia (cargas iguales) y suele subestimar la fiabilidad, mientras que omega no lo exige. Usa el ICC cuando te interese la concordancia entre evaluadores, eligiendo la variante que corresponda a tu diseño. Recuerda que la fiabilidad es una propiedad de las puntuaciones en tu muestra, no del instrumento.
La fiabilidad es una propiedad fundamental de cualquier medida psicológica, y sin embargo es uno de los conceptos que más confusión genera entre los investigadores. En su sentido más básico, la fiabilidad se refiere a la consistencia o estabilidad de las puntuaciones de un instrumento. Un instrumento fiable produce resultados similares cuando se aplica en condiciones similares. Pero hay diferentes aspectos de la consistencia (interna, temporal, entre evaluadores) y diferentes coeficientes para estimarlos, y elegir el correcto depende de qué tipo de fiabilidad te interesa evaluar.
El alfa de Cronbach es, con diferencia, el coeficiente de fiabilidad más reportado en psicología. Su popularidad es tan grande que muchos investigadores lo usan como sinónimo de fiabilidad, sin plantearse si es el índice más apropiado para sus datos. El alfa estima la consistencia interna de una escala, es decir, el grado en que los ítems de la escala miden el mismo constructo. Se basa en la varianza de los ítems individuales y la varianza total de la escala, y su valor oscila entre 0 y 1 (aunque técnicamente puede ser negativo si los ítems están correlacionados negativamente). Los puntos de corte convencionales consideran un alfa de 0.70 como aceptable, 0.80 como bueno y 0.90 como excelente, aunque estos umbrales dependen del contexto y del propósito de la medida.
Problemas con el alfa de Cronbach
A pesar de su ubicuidad, el alfa de Cronbach tiene limitaciones importantes que los investigadores deberían conocer. La más fundamental es que alfa asume tau-equivalencia, es decir, que todos los ítems contribuyen de forma igual al constructo latente (tienen cargas factoriales iguales). Cuando este supuesto se viola (y se viola en la inmensa mayoría de las escalas psicológicas), el alfa puede subestimar o sobreestimar la fiabilidad real. En la mayoría de los casos, la viola por debajo, lo que significa que la fiabilidad real de la escala es mayor que lo que el alfa sugiere. Pero en algunos casos, especialmente cuando la escala es multidimensional, el alfa puede inflar artificialmente la estimación de fiabilidad.
Otro problema es que el alfa aumenta mecánicamente con el número de ítems, independientemente de la calidad de esos ítems. Puedes tener un alfa de 0.90 simplemente porque tu escala tiene 40 ítems, aunque las correlaciones inter-ítem sean mediocres. Por esta razón, algunos metodólogos recomiendan reportar también la correlación inter-ítem media, que no está afectada por el número de ítems y que proporciona una medida más pura de la homogeneidad de la escala.
El omega como alternativa superior
El coeficiente omega (ω) de McDonald es la alternativa recomendada al alfa de Cronbach por la mayoría de los metodólogos actuales. A diferencia del alfa, omega no asume que todos los ítems tienen cargas factoriales iguales, sino que estima la fiabilidad basándose en un modelo factorial donde cada ítem puede contribuir de forma diferente al constructo latente. Esto produce una estimación de fiabilidad más precisa y generalmente más exacta que la del alfa. Puedes calcular el omega (y el AVE) directamente desde las cargas factoriales de tu AFC con nuestra calculadora de omega de McDonald.
Existen dos versiones principales del omega. El omega total (ωt) estima la proporción de varianza de la puntuación total que se debe a todos los factores comunes (el factor general más los factores específicos de grupo, si los hay). El omega jerárquico (ωh) estima la proporción de varianza que se debe específicamente al factor general, excluyendo la varianza debida a factores de grupo. Si tu escala tiene subescalas o dimensiones (la estructura que normalmente descubres con el análisis factorial exploratorio), el omega jerárquico te dice cuánta de la variabilidad en la puntuación total refleja realmente el constructo general que supuestamente estás midiendo, frente a la variabilidad que se debe a las dimensiones específicas. Esta distinción es crucial para decidir si es apropiado usar una puntuación total o si deberías trabajar con las subescalas por separado.
El Coeficiente de Correlación Intraclase (ICC)
Cuando la fiabilidad que te interesa no es la consistencia interna sino la concordancia entre evaluadores (interrater reliability), el índice apropiado es el Coeficiente de Correlación Intraclase (ICC). Para variables categóricas, el equivalente es el kappa de Cohen, que puedes obtener con nuestra calculadora de kappa de Cohen. El ICC evalúa en qué medida diferentes evaluadores (jueces, codificadores, clínicos) asignan puntuaciones similares a los mismos sujetos. Un ICC alto indica que los evaluadores son consistentes entre sí, lo que es fundamental para la validez de cualquier medida que dependa del juicio de un evaluador.
Lo complicado del ICC es que existen múltiples variantes, y elegir la correcta requiere considerar tres aspectos del diseño de tu estudio. Primero, si cada sujeto es evaluado por los mismos evaluadores o por evaluadores diferentes (modelos de efectos aleatorios vs. mixtos). Segundo, si te interesa la concordancia absoluta (que los evaluadores asignen exactamente la misma puntuación) o la consistencia (que el orden relativo de las puntuaciones sea el mismo, aunque los niveles absolutos difieran). Y tercero, si vas a usar la puntuación de un solo evaluador o la media de varios evaluadores. Shrout y Fleiss (1979) describieron seis variantes del ICC, y McGraw y Wong (1996) propusieron un sistema de clasificación alternativo. La elección correcta depende de tu diseño y de tus objetivos, y usar la variante equivocada puede producir estimaciones de fiabilidad muy diferentes.
Recomendaciones prácticas
Mi recomendación general es que siempre reportes omega en lugar de (o además de) alfa para la consistencia interna. En R, el paquete psych con su función omega() facilita el cálculo, y el paquete MBESS permite calcular intervalos de confianza para ambos coeficientes. Para la fiabilidad entre evaluadores, asegúrate de elegir la variante correcta del ICC según tu diseño, y reporta qué variante has utilizado (por ejemplo, ICC(2,1) para un modelo de efectos aleatorios con un solo evaluador por medida). La función ICC() del paquete psych en R calcula todas las variantes simultáneamente, lo que facilita la comparación. Y en cualquier caso, recuerda que la fiabilidad es una propiedad de las puntuaciones en una muestra específica, no del instrumento en sí. Un cuestionario puede ser fiable en una población y no en otra, por lo que es importante reportar la fiabilidad en tu propia muestra, no limitarte a citar la fiabilidad del estudio de validación original. Para una visión completa del proceso, consulta nuestra guía sobre validación de cuestionarios en psicología.