1. Carga de Datos

Seleccione un archivo Excel con sus datos. Las columnas deben representar los ítems/variables.

2. Especificación de Modelos

Use la sintaxis de lavaan para especificar el modelo bifactor. El modelo unidimensional se extraerá automáticamente del factor general.

Ejemplo de modelo bifactor:

General =~ Item1 + Item2 + Item3 + Item4 + Item5 + Item6 +
           Item7 + Item8 + Item9 + Item10 + Item11 + Item12
Especifico1 =~ Item1 + Item2 + Item3 + Item4
Especifico2 =~ Item5 + Item6 + Item7 + Item8
Especifico3 =~ Item9 + Item10 + Item11 + Item12

3. Interpretación de Índices

Índices a Nivel de Modelo:

• ECV: Varianza común explicada por el factor general (>0.70 sugiere unidimensionalidad)
• PUC: Proporción de correlaciones únicas no contaminadas
• Omega (ωS): Confiabilidad de la escala total considerando el factor general
• OmegaH (ωH): Confiabilidad atribuible únicamente al factor general (>0.80 es alto)
• ARPB: Sesgo relativo promedio absoluto (<0.10-0.15 es aceptable)

Índices a Nivel de Factor:

• ECV_SS: Varianza explicada dentro del subconjunto de ítems
• ECV_SG: Varianza explicada relativa al modelo completo
• ECV_GS: Varianza del factor general en el subconjunto
• Omega (ωS): Confiabilidad de la subescala (incluye factor general + específico)
• OmegaH: Para el factor general: ωH; Para factores específicos: ωHS
• H: Índice H de replicabilidad del constructo (>0.70 es bueno)
• FD: Determinación factorial (>0.90 permite estimación de puntajes)

4. Criterios de Interpretación

• ECV > 0.70 y PUC > 0.70: El modelo puede tratarse como esencialmente unidimensional
• ωH > 0.80: Alta confiabilidad del factor general
• ωHS ≥ 0.30: Confiabilidad sustancial del factor específico
• 0.20 ≤ ωHS < 0.30: Confiabilidad moderada del factor específico
• ωHS < 0.20: Confiabilidad baja del factor específico
• ARPB < 0.10-0.15: Poco sesgo al ignorar la multidimensionalidad
• H > 0.70: El factor está bien definido y es replicable
• FD > 0.90: Se pueden estimar puntajes factoriales confiables

5. Notas sobre la implementación de BifactorCalc

BifactorCalc implementa las fórmulas según Rodriguez et al. (2016):

• ωH (omega jerárquico): Confiabilidad atribuible solo al factor general
• ωS (omega subescala): Confiabilidad de cada subescala incluyendo el factor general
• ωHS (omega jerárquico subescala): Confiabilidad atribuible solo al factor específico
• Los valores de omega están limitados entre 0 y 1
• Para datos ordinales, se aplican correcciones según Green & Yang (2009)
• Se recomienda usar solución estandarizada para interpretación

6. Referencias

Rodriguez, A., Reise, S. P., & Haviland, M. G. (2016). Evaluating bifactor models: Calculating and interpreting statistical indices. Psychological Methods, 21 (2), 137-150.

Green, S. B., & Yang, Y. (2009). Reliability of summed item scores using structural equation modeling: An alternative to coefficient alpha. Psychometrika, 74 (1), 155-167.

Referencia en formato APA

Copiar citación

Información adicional

• BifactorCalc implementa los métodos descritos en el artículo citado
• La versión actual incluye las actualizaciones y mejoras más recientes
• Para más información sobre los índices bifactor, consulte el artículo original