Sr. Editor:

La estructura interna de un instrumento de autoinforme es clave para el proceso de generación de conocimiento en torno a la variable estudiada, ya que una sobrestimación o subestimación de dimensiones puede tener consecuencias directas en su interpretación y, por ende, en las conclusiones vertidas.

En un estudio reciente¹ donde se analiza el cuestionario CVP-35 se emplea un pack analítico conocido como Little Jiffy (componentes principales, autovalores mayor que la unidad [regla de Kaiser], y rotación varimax) que no es recomendado por la literatura especializada debido a múltiples desventajas², entre ellas el empleo de la regla de Kaiser, que tiende a sobrestimar la cantidad componentes/factores que serán extraídos³. En contraste, el análisis paralelo de Horn³ es una alternativa con mayor respaldo, ya que no sobrestima el número de componentes/factores. Su procedimiento es sencillo: se trata de comparar los autovalores reales con aquellos generados aleatoriamente, y el número de factores/dimensiones que serán extraídos es representado por la cantidad de autovalores reales mayores que los aleatorios, es decir, no puede considerarse como válido aquello que no explica mayor variabilidad que el azar.

A partir de los datos observados en la figura 3 del manuscrito mencionado¹, pudieron recalcularse todos los autovalores (autovalor = proporción de varianza explicada* número de ítems [35]). A su vez, los autovalores aleatorios fueron generados con el programa FACTOR v.10 con una base de datos ficticia construida en base al mismo número de ítems y sujetos (35 y 338, respectivamente). Los resultados se resumen en la Tabla 1.

Si bien con la lógica de la regla de Kaiser fueron obtenidos ocho componentes, una vez que se implementa el análisis paralelo el número de componentes que serán extraídos se reduce drásticamente a tres. Esta es una cantidad compatible con la estructura original del instrumento¹ y que tendría, en consecuencia, un mayor respaldo teórico. Además, siendo el objetivo del análisis factorial obtener una estructura parsimoniosa, resulta claro que extraer tres factores será más ventajoso que ocho (además, los últimos presentaban coeficientes de confiabilidad bastante bajos), y brindaría a los investigadores que deseen emplear ese instrumento evidencia más robusta sobre su dimensionalidad.

Para concluir, es necesario considerar procedimientos que puedan ofrecer información más precisa sobre la estructura interna de los instrumentos de evaluación, a fin de que las conclusiones alcanzadas presenten mayor fortaleza y puedan ser generalizables a otras poblaciones similares.