Como calcular el coeficiente alpha de Cronbach

Calcula coeficiente alpha de Cronbach para fiabilidad consistencia interna de cuestionarios y escalas Likert. Formula k/(k-1)*(1 - sum sigma^2_i / sigma^2_t), interpretacion Nunnally, ejemplos clinicos.

Parámetros de cálculo
¿Te ha sido útil esta calculadora?

Como calcular el coeficiente alpha de Cronbach: medida de fiabilidad (consistencia interna) de un cuestionario o escala compuesto por k items, formula alpha = (k / (k - 1)) * (1 - Σ sigma^2_i / sigma^2_T), donde sigma^2_i es varianza del item i y sigma^2_T varianza puntuaciones totales. Rango [0, 1] (puede ser negativo). Umbrales tipicos: alpha >= 0,70 aceptable (Nunnally 1978), >= 0,80 buena (investigación clinica), >= 0,90 excelente. Coeficiente fundamental en psicometria, validación escalas Likert, baterías tests cognitivos, encuestas satisfacción cliente.

Formula del coeficiente

Alpha bruto: alpha = (k / (k-1)) * (1 - Σ sigma^2_i / sigma^2_T). Equivalente: alpha = (k * media_cov) / (media_var + (k-1) * media_cov).

Alpha estandarizado (basado correlaciones): alpha_std = (k * r_bar) / (1 + (k-1) * r_bar). Preferido si items tienen escalas diferentes; estandarizar a z-scores antes.

Intervalo confianza: Feldt 1965 propuso CI 95% basado distribución F. R psych::alpha() implementa, Python pingouin.cronbach_alpha. Util para replicabilidad.

Descomposición: alpha aumenta con (a) numero items k (Spearman-Brown), (b) correlaciones inter-item altas, (c) varianza total alta. Item-total correlation r_it >= 0,30 indica item contribuyente; r_it < 0,20 candidato eliminación. R psych::alpha() output "alpha if item dropped" identifica items problematicos.

Historia y contexto

Lee J. Cronbach (1916-2001), psicologo Stanford, publico "Coefficient alpha and the internal structure of tests" en Psychometrika 1951, definiendo formalmente el coeficiente que generalizaba la formula KR-20 (Kuder-Richardson 1937) para items dicotomicos a items politomicos (Likert). Cronbach trabajo en Educational Testing Service Princeton e University of Illinois antes de Stanford. La formula se convirtio rapidamente en estándar de facto en psicometria educativa y clinica. Hoy alpha es la metrica mas citada en investigación psicologica (mas de 50.000 citas Google Scholar). Criticas modernas: McDonald omega (1999) y Revelle GLB (2009) frecuentemente mas precisos para dimensionalidad multiple. APA Standards (AERA-APA-NCME 2014) requieren fiabilidad >= 0,80 para decisiones individuales high-stakes, >= 0,70 para investigación. ICH E9 y AEMPS recomiendan alpha para PRO en ensayos clinicos. UNE-EN ISO 9001 encuestas satisfacción cliente usan alpha.

Tabla interpretación y valores umbrales

  • alpha >= 0,90: excelente, posible redundancia
  • 0,80 <= alpha < 0,90: buena fiabilidad, recomendada investigación publicable
  • 0,70 <= alpha < 0,80: aceptable (Nunnally 1978)
  • 0,60 <= alpha < 0,70: discutible
  • 0,50 <= alpha < 0,60: pobre
  • alpha < 0,50: inaceptable
  • alpha negativo: items reverse-coded no corregidos
  • k efecto: 5 items alpha 0,70 dificil; 20 items 0,90 frecuente
  • r_bar 0,30: alpha = 0,68 (k=5), 0,90 (k=20)
  • Media inter-item r: 0,15 - 0,50 optimal

Ejemplos numericos detallados

Ejemplo 1 - cuestionario satisfacción laboral JSS España. Escala 5 items Likert 1-5, n = 100 empleados empresa manufacturera (Convenio Metal). Varianzas item: 0,82; 0,76; 0,91; 0,68; 0,85, suma 4,02. Varianza total 14,5. alpha = (5/4) * (1 - 4,02/14,5) = 0,904. Excelente. Media inter-item r = 0,65.

Ejemplo 2 - Beck Depression Inventory adaptado COP. 21 items, n = 200 pacientes ambulatorio. R psych::alpha(): alpha = 0,87, IC 95% [0,84; 0,90]. Item 13 r_it = 0,18 problematico, alpha if dropped = 0,89, sugiere eliminación. Validación CIE-11 depresión.

Ejemplo 3 - SUS System Usability Scale. 10 items Likert estándar, dataset 50 usuarios app banking BBVA/Santander. alpha = 0,82 (rango 0,80-0,93 Bangor 2008). Conformidad UNE-EN ISO 9241-11 usabilidad.

Ejemplo 4 - MMSE INSS evaluación incapacidad. 11 items dicotomicos (KR-20). alpha = 0,73 (literatura 0,70-0,80, Lobo 1999 adaptación espanola). Cutoff demencia 24/30. INSS LGSS R.D.L. 8/2015 pensión incapacidad.

Ejemplo 5 - cuestionario clima organizacional OCS. 15 items, 4 sub-escalas. Sub-escala alpha 0,82-0,89, total 0,93. McDonald omega_h = 0,87 confirma factor general. Estudio INE competencias digitales empresas.

Limitaciones

  1. Alpha asume tau-equivalencia: McDonald omega mas robusto.
  2. Sensible al numero items k.
  3. Items escalas diferentes: estandarizar antes.
  4. Items dicotomicos: KR-20 o tetracorica.
  5. Reverse-coded no recodificados: alpha bajo.
  6. Multidimensionalidad: factor analysis EFA/CFA.
  7. Item-rest r_it >= 0,30 obligatorio.
  8. n mínimo 100 (Streiner 2003).
  9. Outcomes binarios: ICC mas apropiado.
  10. APA Standards 2014, COSMIN 2018 requieren CI.

Errores comunes

  1. Reportar alpha sin CI.
  2. No recodificar reverse-coded.
  3. Confundir alpha con validez.
  4. alpha en escala multidimensional sin factor analysis previa.
  5. Mezclar Likert 5 y 7 puntos sin estandarización.
  6. alpha en escalas 1-2 items.
  7. Ignorar r_it baja.
  8. Eliminar items solo para aumentar alpha.
  9. Confundir raw con standardized.
  10. alpha en datos ordinales pocas categorías.

Aplicaciones practicas

  1. Psicometria clinica: COP tests, Beck Depression, MMPI-2-RF, SCL-90.
  2. Educación: validación tests INE, OECD PISA, EVAU acceso universidad.
  3. Salud: PRO, SF-36, EQ-5D-5L AEMPS.
  4. Marketing: encuestas satisfacción, NPS, brand image.
  5. RRHH: clima organizacional, engagement, 360° liderazgo.
  6. Ergonomia: SUS, NASA-TLX, UNE-EN ISO 9241-11.
  7. Sociologia: INE escalas bienestar, CIS encuestas.
  8. Deporte: motivación, Borg RPE, CSD psicologia.
  9. Customer experience: UNE-EN ISO 10004, SERVQUAL.
  10. Investigación: validación escalas, AEMPS regulatory.

Soporte

Preguntas: info@calcoi.com. Herramienta educativa fiabilidad escalas. Aplicaciones profesionales: Streiner-Norman-Cairney "Health Measurement Scales" 5a ed (Oxford 2015), R psych::alpha(), Python pingouin.cronbach_alpha.

Actualizado a julio de 2026

Preguntas frecuentes

Que mide exactamente alpha de Cronbach?

Mide cuanto los k items de una escala/cuestionario covarian entre si: cuanto las puntuaciones de items individuales correlacionan con la puntuacion total. Alpha = 0,9 significa correlación interna alta, items miden mismo constructo. NO mide validez (correccion medida constructo), solo fiabilidad. APA Standards 2014 distinguen de validez contenido, constructo, criterio.

Diferencia entre alpha bruto y estandarizado?

Alpha bruto: basado en covarianzas, depende de varianzas items. Estandarizado: basado en correlaciones inter-item, independiente de escala. Difieren si items tienen varianzas muy diferentes. R psych::alpha() reporta ambos. Para escalas Likert misma escala 1-5 casi identicos. Para escalas mixtas (ej. mix Likert 5 y 7 puntos) estandarizado recomendado. APA Standards favorecen bruto.

Que umbral mínimo para publicacion?

Nunnally (1978) propuso 0,70 mínimo investigación exploratoria, 0,80 aplicada, 0,90 decisiones high-stakes individuales (tests clinicos, seleccion personal, EVAU acceso universidad). APA Standards 2014 y COSMIN 2018 confirman 0,80 mínimo para validation studies. Para publicacion PsycINFO/JSTOR alpha < 0,70 generalmente no aceptable sin justificacion (ej. constructo heterogeneo).

Como gestionar items reverse-coded?

Items formulados negativamente (ej. 'NO estoy satisfecho') deben recodificarse antes del calculo: x_new = (max + min) - x_old. Ejemplo Likert 1-5: 1 -> 5, 2 -> 4, 3 -> 3, 4 -> 2, 5 -> 1. Sin recodificacion covarianzas negativas reducen drasticamente alpha (puede ser negativo). R: keys = c(1, -2, 3, -4, 5) automatiza en psych::alpha(keys=...). Error #1 en tesis psicologia.

Cuando usar McDonald omega en lugar de alpha?

Omega mas robusto cuando: (a) escala multidimensional (alpha subestima reliability), (b) items con diferentes cargas factoriales (tau-congenerica), (c) presencia factor general + especificos (omega_h jerarquico). Alpha requiere tau-equivalencia (asuncion frecuentemente violada). Revelle-Zinbarg (2009) recomiendan omega por defecto. R psych::omega(), Python pingouin omega. Mplus para CFA confirmatoria.

Cuanto importa el numero de items k?

Profecia Spearman-Brown: alpha crece con k. Pasando de 5 a 20 items con misma correlación media r_bar = 0,30, alpha pasa de 0,68 a 0,90. Alpha alto con k > 30 items no sorprendente. Inversamente, alpha = 0,80 con k = 5 es excelente (r_bar > 0,44). Guia: 5-15 items escala unidimensional, 20-50 baterías multifactor. EFA/CFA determinan k óptimo. Spearman 1910 derivo formula original.

Puedo usar alpha para items dicotomicos?

Si, caso especial: KR-20 (Kuder-Richardson 1937, predecesor alpha). Formula KR-20 = (k/(k-1)) * (1 - Σ p_i*q_i / sigma^2_T) donde p_i proporción correctos item i, q_i = 1-p_i. KR-21 versión simplificada (asume dificultad igual). Para items con pocas categorías (3-4 niveles) preferir ordinal alpha o omega ordinal. R psych::alpha() gestiona automaticamente. APA Standards 2014 recomiendan ordinal alpha Likert <5 puntos.

Fórmula

alpha = (k/(k-1)) * (1 - sum sigma^2_i / sigma^2_T)
alpha_std = (k * r_bar) / (1 + (k-1) * r_bar)
>=0.9 eccellente, >=0.8 buona, >=0.7 accettabile (Nunnally 1978)
KR-20 (item dicotomici) = (k/(k-1)) * (1 - sum p_i*q_i / sigma^2_T)
Cronbach 1951 Psychometrika; KR-20 Kuder-Richardson 1937; APA Standards 2014

Comentarios (0)

Sin comentarios aún. ¡Sé el primero!