Escolar Documentos
Profissional Documentos
Cultura Documentos
Pero hay dos aspectos importantes en los que los datos de análisis de elementos
difieren de otras baterías de predicción:
1. El número de predictores es mucho mayor que en otros casos. (No es raro tener varios
cientos.)
2. Los predictores son individualmente mucho menos confiables. Estos dos hechos
tienen varias implicaciones importantes para nuestro problema:
1. La cantidad de trabajo involucrado en derivar ponderaciones por métodos de
regresión múltiple es abrumadora.
2. Incluso si fuera prácticamente factible derivar tales ponderaciones, las r's
inestables de orden cero y la gran cantidad de variables producirían
ponderaciones inestables y una estimación muy pobre de la validez de la prueba.
3. La última situación no se mejora necesariamente por los diversos métodos de
ponderación abreviados y más toscos, ya que su efectividad depende de la
medida en que produzcan estimaciones de las verdaderas ponderaciones de
regresión múltiple. Sin embargo, se puede esperar que un coeficiente o peso
basado en menos dimensiones inestables muestre menos fluctuación en las
nuevas muestras.
4. La contracción en la validez compuesta de una prueba, en cualquier caso, es
probable que sea tremenda, ya que el número de variables predictoras (ítems) a
menudo no es mucho menor que el número de casos en la muestra de análisis de
ítems. La fórmula de contracción de Wherry nos recuerda que la cantidad de
contracción es inversamente proporcional a la diferencia entre el número de
sujetos y el número de predictores.
Pero esta concesión aún no elimina los dos problemas básicos. Incluso si la decisión
es simplemente ponderar los ítems ya sea 1 o 0, el problema sigue siendo cuáles retener y
cuáles descartar. Y también tenemos el problema de estimar sin sesgo la correlación de
criterios que debe proporcionar la batería de artículos retenidos.
Debe mencionarse entre paréntesis que las soluciones a estas preguntas no se
encuentran en el ámbito de las técnicas analíticas elegantes. Las técnicas elegantes son las
de regresión múltiple, restricciones lineales, etc., que, por las razones citadas
anteriormente, no son adecuadas aquí. Pero no deberíamos estar muy descontentos con
este giro de los acontecimientos, ya que, después de todo, estamos tratando con datos
bastante inestables y toscos a los que la aplicación de métodos altamente sensibles no sería
diferente a lanzar perlas antes que los cerdos.
Pero todas las demás cosas no son iguales, ya que los elementos de mayor validez
manifiesta son los que tienen más probabilidades de tener las mayores desviaciones
aleatorias en la dirección positiva (o válida) de sus verdaderas validez. Tenga en cuenta a
este respecto un hecho agravante: si se asume que la validez real de todos los elementos
es la misma y algo mayor que cero, la distribución muestral de las validez de los elementos
mostraría un modo más alto que el valor verdadero, lo que arrojaría una proporción
espantosamente grande de elementos. Teniendo validez manifiesta relativamente alta. El
resultado de todo esto es que la selección de un número relativamente pequeño de los
elementos más válidos probablemente resultaría en la mayor cantidad de contracción, por
lo que la mejor validez futura probablemente se puede lograr ponderando un número algo
mayor de elementos al profundizar. En la piscina.