Control de datos de escalas
Control de encuestas antes de EFA/CFA
Descripción
Esta habilidad audita sistemáticamente los datos brutos de una encuesta recopilados como parte de un estudio de desarrollo de escalas, teniendo en cuenta los datos ausentes, las observaciones atípicas, las respuestas descuidadas (straightlining, longstring, random responding), las distribuciones anómalas por ítem y las condiciones previas de fiabilidad y factorizabilidad. No produce los resultados finales de EFA/CFA; ofrece una decisión fundamentada en evidencia de «go/no-go» sobre si los datos están preparados para las siguientes fases del análisis, así como una propuesta de división estratificada de la muestra (EFA/CFA split). Todos los cálculos se realizan mediante la ejecución de código real (Python: pandas, scipy, factor_analyzer, pingouin); no se generan cifras hipotéticas.
Habilidades relacionadas
Ver todo
Auditoría previa de escalas
"Se activa cuando es necesario evaluar la calidad psicométrica de datos brutos de desarrollo de escalas (Excel/CSV) recopilados por una empresa profesional de encuestas, antes de pasar a EFA/CFA o a los análisis finales de fiabilidad. Evalúa exhaustivamente los datos faltantes, los valores atípicos, las respuestas descuidadas, el sesgo de respuesta, la calidad de los ítems y la suficiencia de la muestra, y genera una decisión Go/No-Go; no modifica los datos, solo proporciona un informe de diagnóstico y auditoría."
Validez y fiabilidad
Genera un texto completo, listo para incluir en un artículo, a partir de los resultados de análisis EFA o CFA (KMO, prueba de Bartlett, cargas factoriales, índices de ajuste, alfa de Cronbach/CR/AVE). Clasifica correctamente los valores umbral de los índices de ajuste (CFI/TLI≥.90, RMSEA≤.08, etc.) e informa de los problemas de validez, como AVE<0.50, sin ocultarlos. Adecuado para: académicos y estudiantes de posgrado que realizan estudios de desarrollo o adaptación de escalas.
Control de datos de escalas
Control de encuestas antes de EFA/CFA
Descripción
Esta habilidad audita sistemáticamente los datos brutos de una encuesta recopilados como parte de un estudio de desarrollo de escalas, teniendo en cuenta los datos ausentes, las observaciones atípicas, las respuestas descuidadas (straightlining, longstring, random responding), las distribuciones anómalas por ítem y las condiciones previas de fiabilidad y factorizabilidad. No produce los resultados finales de EFA/CFA; ofrece una decisión fundamentada en evidencia de «go/no-go» sobre si los datos están preparados para las siguientes fases del análisis, así como una propuesta de división estratificada de la muestra (EFA/CFA split). Todos los cálculos se realizan mediante la ejecución de código real (Python: pandas, scipy, factor_analyzer, pingouin); no se generan cifras hipotéticas.
Habilidades relacionadas
Ver todoAuditoría previa de escalas
"Se activa cuando es necesario evaluar la calidad psicométrica de datos brutos de desarrollo de escalas (Excel/CSV) recopilados por una empresa profesional de encuestas, antes de pasar a EFA/CFA o a los análisis finales de fiabilidad. Evalúa exhaustivamente los datos faltantes, los valores atípicos, las respuestas descuidadas, el sesgo de respuesta, la calidad de los ítems y la suficiencia de la muestra, y genera una decisión Go/No-Go; no modifica los datos, solo proporciona un informe de diagnóstico y auditoría."
Validez y fiabilidad
Genera un texto completo, listo para incluir en un artículo, a partir de los resultados de análisis EFA o CFA (KMO, prueba de Bartlett, cargas factoriales, índices de ajuste, alfa de Cronbach/CR/AVE). Clasifica correctamente los valores umbral de los índices de ajuste (CFI/TLI≥.90, RMSEA≤.08, etc.) e informa de los problemas de validez, como AVE<0.50, sin ocultarlos. Adecuado para: académicos y estudiantes de posgrado que realizan estudios de desarrollo o adaptación de escalas.
Encuentra tu próxima habilidad favorita
Explora más habilidades de IA seleccionadas para investigación, creación y trabajo cotidiano.