Descripción

Esta habilidad revisa sistemáticamente los datos brutos de una encuesta recopilados como parte de un estudio de desarrollo de escalas, considerando datos faltantes, observaciones atípicas, respuestas descuidadas (straightlining, longstring y respuestas aleatorias), distribuciones problemáticas por ítem, confiabilidad y los requisitos previos para la factorizabilidad. No produce resultados finales de EFA/CFA; ofrece una decisión basada en evidencia de "go/no-go" sobre si los datos están listos para las siguientes etapas del análisis y recomienda una división estratificada de la muestra (EFA/CFA split). Todos los cálculos se realizan ejecutando código real (Python: pandas, scipy, factor_analyzer, pingouin); no se generan cifras hipotéticas.