Casi todas las tesis con cuestionario reportan el alfa de Cronbach, y casi todos los sínodos asumen que con eso basta. Pero cada vez más revisores preguntan por el omega de McDonald, y quienes trabajan con pruebas de respuestas correctas o incorrectas descubren que su coeficiente correcto es otro (el KR-20). Esta guía compara los tres coeficientes con la lógica de una comparativa: qué mide cada uno, qué supuestos tiene, cuándo conviene usarlo, con tres ejemplos calculados a mano para que entiendas qué hay detrás del número y con instrucciones prácticas para reportarlo sin errores.
Qué es la confiabilidad de consistencia interna
La consistencia interna responde a una pregunta simple: ¿los ítems que se supone miden lo mismo se comportan de manera coherente entre sí? Un coeficiente alto indica que las respuestas a los ítems de una dimensión tienden a moverse juntas; uno bajo, que los ítems miden cosas distintas, hay mucho error o la dimensión tiene pocos ítems. Es una evidencia de confiabilidad, no de validez: un instrumento puede ser consistente y medir mal el constructo. Para el panorama completo de validez y confiabilidad, revisa la guía de validez y confiabilidad de un instrumento, y para el proceso aplicado a un cuestionario de tesis, validez y confiabilidad del cuestionario en una tesis de Educación.
Comparativa de los tres coeficientes
| Coeficiente | Tipo de ítems | Supuesto principal | Cuándo usarlo | Precaución |
|---|---|---|---|---|
| Alfa de Cronbach (1951) | Respuestas tipo Likert u otras escalas | Los ítems pesan lo mismo en la dimensión (equivalencia tau) | Dimensiones cortas y homogéneas, cuando el asesor lo pide y para comparar con estudios previos | Puede subestimar o sobrestimar si los pesos difieren; no demuestra unidimensionalidad |
| Omega de McDonald | Respuestas tipo Likert u otras escalas | Usa las cargas factoriales de cada ítem, sin exigir pesos iguales | Cuando tienes un modelo factorial o cargas desiguales; cada vez más recomendado | Requiere estimar cargas (análisis factorial); exige más muestra y software |
| KR-20 (Kuder y Richardson, 1937) | Ítems dicotómicos (correcto o incorrecto, sí o no) | Equivale al alfa para respuestas dicotómicas | Pruebas de conocimientos y cuestionarios con respuestas binarias | No uses alfa con ítems binarios sin saber que es el caso especial KR-20 |
El alfa se debe a Cronbach (1951, Psychometrika, 16[3], 297-334) y el KR-20 a Kuder y Richardson (1937, Psychometrika, 2[3], 151-160). Las ventajas y problemas del alfa se han discutido ampliamente: Sijtsma (2009, Psychometrika, 74[1], 107-120) cuestiona su uso como indicador único; Dunn, Baguley y Brunsden (2014, British Journal of Psychology, 105[3], 399-412) proponen el omega como alternativa práctica y explican cómo calcularlo con software libre; McNeish (2018, Psychological Methods, 23[3], 412-433) plantea que hay alternativas que superan los supuestos del alfa; y Raykov y Marcoulides (2019, Educational and Psychological Measurement, 79[1], 200-210) defienden que el alfa sigue siendo útil bajo ciertas condiciones. Hayes y Coutts (2020, Communication Methods and Measures, 14[1], 1-24) sintetizan por qué recomiendan el omega, con salvedades. Para tu tesis, lo importante es que entiendas el debate y que justifiques tu elección.
Ejemplo 1: alfa de Cronbach calculado a mano
El alfa se calcula como α = [k / (k − 1)] × [1 − (Σσᵢ² / σₜ²)], donde k es el número de ítems, Σσᵢ² la suma de las varianzas de cada ítem y σₜ² la varianza de la puntuación total. Con datos ilustrativos: una dimensión de k = 5 ítems, con una suma de varianzas de ítems de 4.0 y una varianza del total de 12.5. Entonces α = (5 / 4) × (1 − 4.0 / 12.5) = 1.25 × (1 − 0.32) = 1.25 × 0.68 = 0.85. El resultado dice que, con esos datos ilustrativos, los ítems de la dimensión se comportan de manera consistente. Observa que el alfa depende del número de ítems: con más ítems, el coeficiente tiende a subir aunque la calidad de los ítems no mejore.
Ejemplo 2: KR-20 con ítems dicotómicos
Para una prueba de conocimientos con k = 10 preguntas correctas o incorrectas, el KR-20 es [k / (k − 1)] × [1 − (Σpq / σₜ²)], donde p es la proporción que responde correctamente cada pregunta, q = 1 − p y σₜ² la varianza de los puntajes totales. Con datos ilustrativos, si Σpq = 2.0 y σₜ² = 7.5, entonces KR-20 = (10 / 9) × (1 − 2.0 / 7.5) = 1.1111 × (1 − 0.2667) = 1.1111 × 0.7333 ≈ 0.81. Si tu prueba tiene respuestas dicotómicas, este es el coeficiente que corresponde, y el software suele darte el mismo resultado con la opción de alfa.
Ejemplo 3: omega con cargas factoriales
El omega total para un modelo de un factor se calcula como ω = (Σλ)² / [(Σλ)² + Σ(1 − λ²)], donde λ son las cargas factoriales estandarizadas. Supón cuatro ítems con cargas ilustrativas de 0.7, 0.6, 0.8 y 0.5. Entonces Σλ = 2.6 y (Σλ)² = 6.76. La suma de las varianzas únicas es (1 − 0.49) + (1 − 0.36) + (1 − 0.64) + (1 − 0.25) = 0.51 + 0.64 + 0.36 + 0.75 = 2.26. Así, ω = 6.76 / (6.76 + 2.26) = 6.76 / 9.02 ≈ 0.75. Con esos mismos datos, el alfa estandarizado, calculado con la correlación promedio entre ítems (0.42 aproximadamente), es cerca de 0.74. La diferencia es pequeña porque las cargas no son muy distintas; cuando varían mucho, el alfa y el omega se separan más. Lo importante es que el omega se apoya en un modelo: necesita cargas, y estas se obtienen de un análisis factorial, como explica la guía de análisis factorial exploratorio para validar tu instrumento.
Cómo calcularlos con software
- Alfa y KR-20: en SPSS, Analizar, Escala, Análisis de fiabilidad; en jamovi, el módulo de análisis de confiabilidad; en R, funciones de paquetes como psych.
- Omega: en jamovi y en R existen opciones para calcularlo; Dunn et al. (2014) presentan una guía para estimar el omega y sus intervalos con un entorno de software libre. En SPSS suele requerirse una macro o un complemento. La guía de SPSS vs jamovi vs R te ayuda a elegir el programa.
- Siempre por dimensión: calcula el coeficiente para cada dimensión además del total, y reporta cuántos ítems tiene cada una.
Cómo elegir para tu tesis
- Si tus ítems son dicotómicos, usa KR-20 (o alfa, reconociendo que es equivalente).
- Si tu asesor o tu facultad piden alfa, repórtalo, y si puedes, agrega omega para fortalecer la evidencia.
- Si ya tienes un modelo factorial con cargas, reporta omega y explica por qué.
- Si tienes pocas dimensiones cortas y poca muestra, alfa suele ser lo viable; menciona la limitación.
- Si comparas con estudios previos que usan alfa, reporta alfa para poder comparar.
Para justificar la decisión ante el sínodo, usa una frase breve en tu metodología: «Se reporta el coeficiente alfa de Cronbach por dimensión por ser el indicador más utilizado en los estudios previos con este instrumento, y se complementa con el coeficiente omega, que no requiere que los ítems tengan el mismo peso». Esa justificación muestra que conoces la discusión sin necesidad de resumirla en tu texto.
Cómo reportarlo en la metodología y los resultados
Reporta el nombre del coeficiente, el valor con dos o tres decimales, la dimensión a la que corresponde, el número de ítems y el tamaño de la muestra en la que se calculó. Si usas intervalo de confianza, inclúyelo. Un ejemplo ilustrativo: «La confiabilidad de la dimensión de atención emocional, calculada con el coeficiente alfa de Cronbach en la muestra del estudio (N = 180), fue α = .85». Y si agregas omega: «El coeficiente omega fue ω = .86». No digas que un valor «es bueno» sin citar el criterio y su fuente: señala el criterio de tu referencia, reconociendo que es una convención. La guía de cómo reportar pruebas estadísticas en APA 7 muestra cómo escribir cifras y estadísticos.
| Dimensión | Ítems | Alfa (ilustrativo) | Omega (ilustrativo) |
|---|---|---|---|
| Atención emocional | 8 | .85 | .86 |
| Claridad emocional | 8 | .82 | .83 |
| Reparación emocional | 8 | .80 | .81 |
Una tabla así, con una nota que indique la muestra y el método de cálculo, ocupa poco espacio y responde la pregunta del sínodo de un vistazo. Los valores son solo un ejemplo del formato.
Cómo interpretar los valores sin exagerar
Un coeficiente no es una calificación del instrumento. Es una estimación que depende de tu muestra, del número de ítems y de qué tan homogénea es la dimensión. Por eso conviene interpretar con tres cuidados. Primero, compara con el valor reportado en los estudios previos del mismo instrumento: si el tuyo es mucho menor, explica posibles razones, como una población distinta o una muestra pequeña. Segundo, recuerda que un coeficiente extremadamente alto en una dimensión corta puede indicar ítems casi repetidos, lo que no mejora la medición. Tercero, no uses el coeficiente de la escala total para justificar dimensiones que no calculaste. En la discusión, señala la confiabilidad como una de las fortalezas o limitaciones del estudio con una frase concreta y evita adjetivos como «excelente» sin respaldo.
Qué hacer si el coeficiente sale bajo
Un coeficiente bajo puede deberse a pocos ítems, a ítems inversos que no se recodificaron, a una muestra pequeña, a una dimensión que mezcla ideas distintas o a respuestas poco variadas. Antes de eliminar ítems, revisa la tabla de estadísticos «si se elimina el elemento» y las correlaciones ítem-total, y pregúntate si el ítem tiene sentido para la dimensión. Si eliminas ítems, documenta cuáles y por qué, y repite el cálculo. No reportes un valor distinto al que obtuviste ni uses el coeficiente de otro estudio como si fuera el tuyo. Si el coeficiente sigue bajo, declara la limitación y considera si tu instrumento necesita más trabajo antes de aplicarse a toda la muestra; la escala tipo Likert bien construida, que se explica en escala de Likert para tu tesis, ayuda a evitar el problema.
Errores frecuentes
- Reportar solo el alfa total y omitir las dimensiones.
- Usar alfa con ítems dicotómicos sin mencionar que corresponde a KR-20.
- Interpretar un alfa alto como prueba de validez o de unidimensionalidad.
- Calcular omega sin haber estimado un modelo factorial.
- Presentar umbrales («.70 es bueno») sin fuente.
- Cambiar de coeficiente entre capítulos sin explicarlo.
Cómo te ayuda Tesify en esta tesis
Tesify es la plataforma con la que escribes tu propia tesis, capítulo por capítulo: más de 9,000 estudiantes ya han escrito más de 15,000 capítulos con ella, y el texto final queda 100% escrito por ti. Cuando debes justificar decisiones metodológicas como la elección del coeficiente de confiabilidad, Tesify te ayuda a organizar el capítulo de metodología con coherencia, sin sustituir tus cálculos ni tus datos.
Empieza tu tesis con Tesify y organiza tu capítulo de metodología.
Preguntas frecuentes
¿El omega de McDonald reemplaza al alfa de Cronbach?
No siempre. Muchos autores recomiendan el omega por sus supuestos menos estrictos, pero el alfa sigue siendo ampliamente usado y útil bajo ciertas condiciones. Justifica tu elección.
¿Qué coeficiente uso con respuestas de sí o no?
El KR-20, que es el caso especial del alfa para ítems dicotómicos.
¿Puedo reportar alfa y omega juntos?
Sí. Reportar ambos fortalece la evidencia y permite comparar con estudios que usan uno u otro.
¿Qué valor mínimo debe tener el coeficiente?
No hay un valor universal. Muchas tesis citan criterios convencionales; reporta el valor obtenido, cita la fuente del criterio que uses y explica su interpretación.