Rendimiento de estimadores de la teoría de la respuesta al ítem y análisis factorial ordinal en escalas tipo

Resumen

¿Cuál es el método más adecuado para estimar modelos de cuestionarios de respuesta graduada? El argumento de que los métodos de estimación basados en la Teoría de la Respuesta al Ítem (TRI) tienen mejores propiedades en muestras infinitas y que utilizan mayor cantidad de información ha relegado a los métodos de Análisis Factorial de Ítems (AFI). Sin embargo, cuál sea el método más adecuado en muestras finitas es una cuestión que todavía no tiene una respuesta clara. MÉTODO Utilizando datos categóricos modelizados según el modelo de Samejima, comparamos el rendimiento del estimador TRI de Máxima Verosimilitud Marginal con el algoritmo EM (MVM-EM) con el estimador AFI de mínimos cuadrados no ponderados (ungweighted least squares, ULS). Este último fue comparado utilizando dos parametrizaciones en la estimación: en métrica TRI y en métrica estandarizada. Se llevó a cabo un extenso estudio de simulación Monte Carlo para comparar el rendimiento de estos estimadores en función de: 1,- Número de observaciones (200, 500 y 2000) 2,- Número de ítems del test (9, 21 y 42) 3,- Número de categorías del ítem (2 y 5) 4,- Asimetría de las respuestas observadas (centrado, asimétrico y alta asimetría). 5,- Carga Factorial de los ítems: 0,4, 0,6 y 0,8. 6,- número de variables latentes (1 y 3). Para cada condición se llevaron a cabo 1000 replicaciones. Los criterios de rendimientos de los estimadores fueron el número de replicaciones convergentes, el sesgo relativo de los parámetros y de sus errores típicos, la cobertura de parámetros y errores típicos y el tiempo medio por cada replicación. APORTACIÓN El principal interés del estudio reside en comparar el rendimiento de un estimador con buenas propiedades en muestras finitas (ULS) con el estimador de propiedades asintóticas óptimas (MVM-EM), este último mucho más extendido. Tres son las principales aportaciones. En primer