Aplicaste el cuestionario, digitaste las 96 respuestas, corriste la fiabilidad y la salida dice 0,58. Entregas en nueve días. La tentación inmediata es borrar ítems hasta que el número suba, y es exactamente lo que no debes hacer: un alfa inflado a punta de recortes es más fácil de desarmar en la sustentación que un alfa bajo bien explicado.
Un alfa bajo casi nunca significa «mi cuestionario no sirve». Significa una de cuatro cosas muy concretas, y las cuatro se diagnostican en la misma salida que ya tienes abierta.
Antes de tocar nada: qué mide realmente el alfa
El coeficiente alfa, propuesto por Lee J. Cronbach en Psychometrika en 1951 (doi:10.1007/BF02310555), estima la consistencia interna: hasta qué punto los ítems de una misma escala se comportan como si midieran lo mismo. No mide validez, no mide si tu instrumento captura el constructo correcto y no mide estabilidad en el tiempo. Solo mide coherencia entre ítems.
Dos propiedades del alfa explican la mitad de los sustos:
- Crece con el número de ítems. Una escala de 6 ítems y una de 30 con la misma calidad no dan el mismo alfa. Un 0,62 con 6 ítems no es lo mismo que un 0,62 con 30.
- Supone que todos los ítems aportan por igual y que la escala es de una sola dimensión. Cuando eso no se cumple, el alfa subestima la fiabilidad real. Es el caso más frecuente en trabajos de grado.
El umbral de 0,70 es una convención práctica, no una ley. Se usa como piso razonable en ciencias sociales, y por debajo de 0,60 la mayoría de comités lo considera insuficiente para tomar decisiones sobre puntajes individuales. Si vienes de construir el instrumento desde cero, la guía de cómo diseñar un cuestionario válido y fiable cubre el proceso completo; aquí vamos directo al rescate.
Paso 0: verifica que estás calculando el alfa correcto
Antes del diagnóstico, tres verificaciones de treinta segundos que resuelven una parte enorme de los casos.
¿Calculaste el alfa del total cuando tu escala tiene dimensiones?
Este es el error número uno. Si tu instrumento mide «satisfacción laboral» con tres dimensiones (condiciones, relaciones, reconocimiento), el alfa se calcula por dimensión, no sobre los 30 ítems juntos. Un alfa global bajo sobre una escala multidimensional no dice nada: dice que las dimensiones son distintas, que es justo lo que tu marco teórico afirma.
¿Recodificaste los ítems invertidos?
Si tu escala incluye ítems redactados en negativo («me cuesta concentrarme en mi puesto») junto a ítems en positivo, hay que invertir la puntuación de los negativos antes de calcular nada. En una Likert de 1 a 5 se convierte con la fórmula 6 − valor (en general, máximo + mínimo − valor). Un solo ítem invertido sin recodificar puede tumbar el alfa varias centésimas; tres o cuatro pueden dejarlo cerca de cero o incluso negativo.
Señal inequívoca: si tu alfa salió negativo, casi con certeza tienes ítems invertidos sin recodificar. Un alfa negativo no es «muy mala fiabilidad»: es un error de codificación.
¿Tienes valores perdidos tratados por defecto?
Muchos programas excluyen el caso completo si falta una sola respuesta. Si de 96 encuestados el análisis dice que usó 41, tu alfa se está calculando sobre menos de la mitad de la muestra y es inestable. Revisa cuántos casos entraron realmente antes de interpretar el número.
El diagnóstico: dos columnas de la salida
Cualquier programa estadístico —SPSS, jamovi, JASP, R o el complemento de análisis de Excel con una fórmula propia— produce, junto al alfa, una tabla de estadísticos por ítem. Dos columnas hacen todo el trabajo.
Columna 1: correlación elemento-total corregida
Es la correlación de cada ítem con la suma de los demás ítems (por eso «corregida»: no se incluye a sí mismo). Lectura práctica:
| Valor | Qué significa | Qué hacer |
|---|---|---|
| ≥ 0,30 | El ítem aporta a la escala | Déjalo |
| 0,10 – 0,29 | Aporta poco; puede estar mal redactado o medir otra cosa | Léelo de nuevo antes de decidir |
| Cercana a 0 | El ítem es ruido | Candidato claro a eliminación |
| Negativa | Ítem invertido sin recodificar, o el ítem contradice la escala | Vuelve al paso 0 |
Columna 2: alfa si se elimina el elemento
Dice cuánto valdría el alfa si borraras ese ítem. La regla de lectura es la única que importa: si algún valor de esta columna es notablemente mayor que tu alfa actual, ese ítem está restando. Si todos los valores son iguales o menores que tu alfa, no hay un ítem culpable y el problema es estructural: la escala no es unidimensional o la muestra es demasiado heterogénea.
Las cuatro causas reales, en orden de frecuencia
1. La escala mide más de una cosa
Es la causa más común y la más fácil de defender. Si tus 20 ítems abarcan tres temas distintos, el alfa global va a ser bajo por diseño. La solución no es borrar ítems: es reconocer la estructura, calcular un alfa por dimensión y reportarlos por separado. Si tu marco teórico ya definía esas dimensiones, la coherencia entre marco, instrumento y análisis queda intacta — que es exactamente lo que revisa una matriz de consistencia.
2. Hay dos o tres ítems malos
Ítems con doble negación, ítems que preguntan dos cosas a la vez («¿está satisfecho con su salario y su horario?»), ítems que casi todos responden igual (sin varianza no hay correlación posible). Estos aparecen con correlación elemento-total baja y con un valor alto en la columna de «alfa si se elimina».
Regla de eliminación defendible: puedes eliminar un ítem si se cumplen las tres condiciones a la vez —correlación elemento-total baja, mejora clara del alfa al quitarlo, y una razón conceptual que puedas escribir en una frase—. Y hay un límite: eliminar más del 20 % de los ítems ya no es depuración, es un instrumento distinto, y hay que declararlo como tal.
3. La muestra es pequeña o muy homogénea
El alfa depende de la varianza. Si aplicaste la escala a 30 personas muy parecidas entre sí, las respuestas se parecen, la varianza baja y el alfa baja con ella. No es culpa del cuestionario. Aquí no hay arreglo estadístico: hay que declararlo como limitación y, si es posible, ampliar la muestra.
4. El instrumento se tradujo o se adaptó sin validar
Una escala validada en otro país o en otro idioma puede perder consistencia al aplicarse tal cual. Si adaptaste ítems, cambiaste el número de opciones de respuesta o tradujiste, tu alfa no es comparable con el original y hay que decirlo.
La alternativa que casi nadie reporta: omega de McDonald
El alfa asume tau-equivalencia: que todos los ítems se relacionan con el constructo con la misma intensidad. En la práctica eso casi nunca se cumple, y cuando no se cumple el alfa subestima la fiabilidad. El coeficiente omega (ω) de McDonald no exige ese supuesto y suele dar un valor algo más alto y más realista.
El argumento metodológico está desarrollado en el artículo de Dunn, Baguley y Brunsden, «From alpha to omega: A practical solution to the pervasive problem of internal consistency estimation», publicado en British Journal of Psychology (doi:10.1111/bjop.12046), que propone omega como estimador por defecto en lugar de alfa.
Consecuencia práctica para tu trabajo de grado:
- Omega está disponible directamente en jamovi y JASP (casilla junto a la de alfa en el análisis de fiabilidad) y en R con el paquete
psych. Ambos programas son gratuitos; la comparación entre ellos está en la guía de SPSS, R, jamovi y JASP. - Reporta los dos, no cambies el que te conviene. Escribir «α = 0,68; ω = 0,74» es honesto y demuestra que sabes por qué difieren. Presentar solo omega después de haber visto que el alfa no daba es la versión estadística de escoger el resultado.
- Explica en una frase por qué añades omega: «se reporta también ω porque no se asume tau-equivalencia entre los ítems».
Qué NO hacer, aunque funcione
- Eliminar ítems uno por uno hasta llegar a 0,70. Es capitalización sobre el azar: estás ajustando el instrumento a tu muestra concreta. Un jurado que pregunte «¿cuántos ítems eliminó y con qué criterio?» va a llegar ahí en dos preguntas.
- Eliminar el ítem que sostiene una dimensión completa. Si el ítem 14 es el único que mide «reconocimiento», borrarlo sube el alfa y destruye la validez de contenido. Fiabilidad ganada, validez perdida.
- Quitar encuestados «raros» para que suba. Eso ya no es depuración de la escala; es intervenir los datos.
- Reportar el alfa del estudio original en vez del tuyo. El alfa es una propiedad de la aplicación, no del instrumento. El del autor original va en el marco teórico; el tuyo va en resultados. Los dos, y si difieren, se comenta.
Cómo se escribe un alfa bajo sin perder la nota
Un trabajo de grado no se hunde por un alfa de 0,64. Se hunde por esconderlo. La redacción que funciona tiene tres movimientos:
Reporta el dato completo. Coeficiente, número de ítems y número de casos válidos, por dimensión si aplica. Por ejemplo: «La dimensión de condiciones laborales (8 ítems, n = 94) obtuvo α = 0,81; la dimensión de reconocimiento (4 ítems, n = 94) obtuvo α = 0,64».
Explica la causa más probable. Pocos ítems en la dimensión, muestra homogénea, adaptación del instrumento. Una frase, con el argumento correcto.
Ajusta la interpretación, no el dato. Con fiabilidad moderada, los resultados de esa dimensión se presentan como indicativos y no se usan para conclusiones fuertes ni para comparaciones finas. Escribirlo tú, antes de que lo pregunten, cambia por completo el tono de la sustentación.
Y decláralo también en el apartado de limitaciones, no solo en resultados. Los dos sitios, con la misma cifra.
Si todavía estás a tiempo de recoger datos
Cuando el problema aparece en la prueba piloto y no en la aplicación definitiva, tienes margen real:
- Reescribe los ítems flojos en lugar de eliminarlos: divide los dobles, quita las negaciones, concreta el referente temporal («en el último mes» en vez de «habitualmente»).
- Sube el número de opciones de respuesta. Pasar de 3 a 5 niveles suele aumentar la varianza y con ella la consistencia. Los criterios de diseño están en la guía de la escala Likert.
- Añade dos o tres ítems por dimensión. Las dimensiones de tres ítems son estructuralmente frágiles.
- Amplía la heterogeneidad de la muestra piloto si aplicaste solo a un grupo muy uniforme.
Preguntas frecuentes
¿Qué hago si mi alfa de Cronbach es menor que 0,70?
Primero descarta errores: ítems invertidos sin recodificar, alfa calculado sobre una escala multidimensional y casos excluidos por valores perdidos. Después revisa la correlación elemento-total y la columna «alfa si se elimina el elemento» para ver si hay ítems concretos que restan. Si no los hay, el problema es estructural y se reporta como limitación, ajustando la fuerza de las conclusiones.
¿Puedo eliminar ítems para subir el alfa?
Sí, pero solo con las tres condiciones cumplidas a la vez: correlación elemento-total baja, mejora clara del alfa al eliminarlo y una justificación conceptual escrita. Todo ítem eliminado debe declararse en el capítulo de método con su criterio. Eliminar más del 20 % de los ítems convierte tu instrumento en uno distinto del original.
¿Por qué mi alfa de Cronbach salió negativo?
Casi siempre porque hay ítems redactados en sentido inverso que no fueron recodificados antes del cálculo. Invierte la puntuación de esos ítems (máximo + mínimo − valor) y vuelve a correr el análisis. Un alfa negativo indica un error de codificación, no una fiabilidad extremadamente mala.
¿Es mejor reportar omega de McDonald que alfa?
Omega no exige el supuesto de tau-equivalencia y suele ser un estimador más realista, por lo que es buena práctica reportarlo. Lo correcto es presentar ambos coeficientes y explicar en una frase por qué se incluye omega, no sustituir uno por otro después de ver cuál sale más alto.
¿El alfa de Cronbach se calcula por dimensión o sobre toda la escala?
Por dimensión, siempre que tu marco teórico define dimensiones. El alfa asume unidimensionalidad, así que calcularlo sobre una escala multidimensional produce un valor bajo que no significa lo que parece. Si además reportas el alfa global, indica explícitamente que la escala es multidimensional.
¿Cuántas personas necesito para calcular la fiabilidad?
No hay un número universal, pero con menos de 30 casos el coeficiente es muy inestable y su intervalo de confianza es amplio. Para una prueba piloto suelen usarse entre 20 y 30 participantes similares a la población objetivo, entendiendo que ese alfa es orientativo y debe recalcularse con la muestra definitiva.
El siguiente paso
Con el diagnóstico hecho, lo que queda es escribirlo: el párrafo de fiabilidad en el capítulo de método, la tabla de coeficientes por dimensión en resultados y la frase honesta en limitaciones. Para decidir qué prueba viene después con esos puntajes, la guía de qué prueba estadística elegir te lleva del tipo de variable al análisis.
Escribe tu capítulo de método en Tesify y deja los coeficientes, las tablas y las referencias ordenados mientras avanzas. Más de 9.000 estudiantes ya escriben así, y cada palabra sigue siendo cien por ciento tuya.