Dirección Del Programa Académico de Investigación Universidad César Vallejo

DIRECCIÓN DEL PROGRAMA ACADÉMICO DE INVESTIGACIÓN UNIVERSIDAD CÉSAR VALLEJO
INSTRUMENTO DE MEDICION
Según Hernandez (2010) un instrumento adecuado es

aquel que registra datos observables que representan
verdaderamente los conceptos o variables que el
investigador tiene en mente. Es decir capturó
verdaderamente la realidad que deseó capturar.
Bostwick y Kyte (2005) señalan que : “La función de la
medición es establecer una correspondencia entre el “mundo
real” y el “mundo conceptual”.
El primero provee evidencia empírica, el segundo proporciona
modelos teóricos para encontrar sentido a ese segmento del
mundo real que estamos tratando de describir.

PRUEBA PILOTO
Malhotra(2008) define la prueba piloto como la aplicación de
un cuestionario a una pequeña muestra de encuestados para
identificar y eliminar los posibles problemas de elaboración de
un cuestionario.
En primer lugar, sirve como la prueba “en vivo” inicial.
En segundo lugar, es el último paso para finalizar las preguntas
y el formato del instrumento.
Evalúa la idoneidad del instrumento.
Calcula la extensión de la administración o el tiempo necesario
para completarla.

Requisitos de
la Medición
Validez Confiabilidad
Validez de Validez de Validez de

Contenido Criterio Constructo
Factores Que Atentan Contra La Validez Y Confiabilidad

RELACIÓN ENTRE LA CONFIABILIDAD Y VALIDEZ
Un instrumento de medición puede ser confiable pero no necesariamente
válido (un aparato puede ser consistente en los resultados que produce pero
puede no medir lo que pretende).
Tirador 1: Ni Tirador 2: Tirador 3:

confiabilidad Confiabilidad, pero Confiabilidad y
ni validez no validez validez

CONFIABILIDAD DEL INSTRUMENTO DE
RECOLECCIÓN DE DATOS:
• La confiabilidad responde a la pregunta ¿con cuánta

exactitud los ítems, reactivos o tareas representan al
universo de donde fueron seleccionados?.
• Un cuestionario, es confiable cuando su aplicación

repetida al mismo sujeto u objeto, produce los mismos
resultados y es operativo cuando su vocabulario es
entendido en un sentido unívoco, o sea exactamente
con el significado definido por el diseñador del
instrumento.

Los procedimientos más utilizados son:
1. Test-retest( Medida de Estabilidad) Un mismo
instrumento es aplicado dos o más veces a un mismo
grupo de personas en condiciones similares. Si la
correlación entre los resultados de las diferentes
aplicaciones es altamente positiva, el instrumento se
considera confiable.
2. Medidas paralelas o formas equivalentes (Dos

versiones diferentes pero equivalentes, se administra a
un mismo grupo de personas ).
3. División por mitades o mitades partidas (Una prueba

fragmentada en dos partes equivalentes).
4. Alfa de Cronbach, Kuder Richarson, Alpha ordinal y

coeficiente omega( cumpliendo las condiciones para su
aplicación)
EJEMPLOS DE CONFIABILIDAD

ALPHA DE CRONBACH
Es un coeficiente que sirve para medir la fiabilidad de una
escala de medida, y cuya denominación Alfa fue realizada por
Cronbach en 1951. Considerada también una medida de
coherencia o consistencia interna, su cálculo sólo incluye una
aplicación.
CONDICIONES DE APLICACIÓN
1. Estar formado por un conjunto de ítems que se combinan
aditivamente para hallar una puntuación global (esto es, la
puntuaciones se suman y dan un total que es el que se interpreta).
2. Todos los ítems miden la característica deseada en la misma
dirección. Es decir, los ítems de cada una de las escalas tienen el
mismo sentido de respuesta (a mayor puntuación, más ansiedad,
por ejemplo)

EJEMPLO 1: REALIZAR LA CONFIABILIDAD PARA EL SIGUIENTE CUESTIONARIO:
(ESCALA DE LIKERT)

En este caso, el análisis se realizo a través del Alpha de Cronbach (10% de la
población objeto de estudio ):
Para el puntaje de los ítems, se utilizó la escala de Likert, de la siguiente forma:
Totalmente De Acuerdo: 5 puntos
De Acuerdo: 4 puntos
Neutral: 3 puntos
En Desacuerdo: 2 puntos
Totalmente en Desacuerdo: 1 punto

Tabla: Escala de Valoración del Alfa de Cronbach
Valor Alfa de Cronbach Apreciación
[0.95 a + > Muy elevada o Excelente

[0.90 - 0.95> Elevada
[0.85 - 0.90> Muy buena
[0.80 - 0.85> Buena
[0.75 - 0.80> Muy Respetable
[0.70 - 0.75> Respetable
[0.65 - 0.70> Mínimamente Aceptable
[0.40 - 0.65> Moderada
[0.00 - 0.40> Inaceptable
Fuente: De Vellis (1991)

En el paquete estadístico SPSS , seleccionamos : Analizar, escala, análisis de fiabilidad:

Estadísticos de fiabilidad
Alfa de
Cronbach N de elementos
0.810 10
Se alcanzó un Nivel de
Confiabilidad Bueno con un
Alpha = 0.81, siendo este test
consistente y adecuado para el
estudio
La correlación debe ser superior a

0.35 (Cottien-Manium ,1990) para
ser considerado en el cuestionario.
El ítem 10 no cumple

Para la motivación intrínseca:
Alfa de Cronbach N de elementos
0.839 5
Se alcanzo un Nivel de Confiabilidad

Bueno con un Alpha = 0.839
Para la motivación extrínseca :
Alfa de Cronbach N de elementos
0.523 5
Se alcanzo un Nivel de Confiabilidad

Moderado con un Alpha = 0.523
EJEMPLO 2: REALIZAR LA CONFIABILIDAD PARA EL SIGUIENTE CUESTIONARIO (
DICOTÓMICA)
TESINA: GESTIÓN DE RESIDUOS SÓLIDOS Y SU INFLUENCIA EN LA CONCIENCIA AMBIENTAL DE LA INSTITUCIÓN EDUCATIVA SANTA MARÍA DE LA
ESPERANZA,2015 AUTOR: CULQUITANTE VIGO, JEISSEN RONALD
CUESTIONARIO DE ACTITUD HACIA LOS RESIDUOS SÓLIDOS

RESPUESTAS
ITEM PREGUNTAS SI NO
¿Consideras que los tipos de residuos solidos que se generan en tu
1 Institución Educativa pueden ser reaprovechados?
¿Considera Usted que al reducir, reusar, reciclar sus propios residuos
2 sólidos, está mejorando su ambiente?
¿Te molesta que en tu Institución Educativa se genere bastantes residuos
3 sólidos?
4 ¿Corriges a las personas que arrojan sus residuos sólidos al suelo?
¿Crees que es importante caracterizar y reaprovechar los residuos sólidos

5 que se generen en tu Institución Educativa ?
6 ¿Colabora Usted con el reciclaje de los residuos sólidos?
¿Consideras que es importante separar los residuos sólidos?

7
¿Estas dispuesto a colaborar con el estudio de caracterización y reciclaje
8 que se realizará dentro de tu Institución Educativa?

KUDER RICHARSON
La confiabilidad Kuder Richardson es similar al alpha de Crombach pero se utiliza
para respuestas dicotómicas, como se muestra en el siguiente ejemplo:
Items en el instrumento
Encuestados 1 2 3 4 5 6 7 8 sumatoria de los aciertos de los items
1 1 1 1 1 1 1 1 1 8
2 1 1 1 1 1 1 1 1 8
3 0 0 1 1 0 1 0 0 3
4 1 1 0 0 1 0 1 0 4
5 1 1 0 1 1 1 1 1 7
6 0 0 1 1 0 0 1 1 4
7 1 1 1 0 1 1 1 1 7
8 1 1 1 1 0 1 1 1 7
9 1 0 1 1 1 0 0 1 5
10 0 1 0 0 1 1 0 1 4
11 1 1 0 1 0 1 0 0 4
12 1 0 0 0 0 0 1 1 3
13 1 1 1 1 1 1 1 1 8
14 1 1 1 1 1 1 1 1 8
15 1 1 1 1 1 1 1 1 8
Total 12 11 10 11 10 11 11 12 4.12 varianza de los aciertos
p 0.8 0.7 0.7 0.7 0.7 0.7 0.7 0.8
q 0.2 0.3 0.3 0.3 0.3 0.3 0.3 0.2
pxq 0.2 0.2 0.2 0.2 0.2 0.2 0.2 0.2 1.55 sumatoria pxq
p: proporción de aciertos
Varianza de los aciertos
por parte de los encuestados q: 1-p

k   p*q K: Número de ítems del
Kr  1   cuestionario
k 1  St 2 
8  1.55 
Kr  1
8  1  4.12 

Kr  0.71
Confiabilidad Respetable según Escala de Vellis

VALIDEZ DEL INSTRUMENTO DE RECOLECCIÓN DE DATOS

VALIDEZ DEL INSTRUMENTO DE RECOLECCIÓN DE DATOS:
Según Hernández(2010) la validez se refiere, al grado en que un instrumento

realmente mide las variables que pretende medir.
Una pregunta es válida si estimula información exacta y relevante.
La selección y la redacción influyen en la validez de la pregunta.
Algunas preguntas que son válidas para un grupo de personas, pueden no
serlo para otro grupo.
Entre menos tenga que reflexionar el sujeto, más válida será la respuesta. La
validez implica congruencia en la manera de plantear las preguntas.
La validez puede ser :
De contenido
De criterio
De constructo

VALIDEZ DE CONTENIDO
Se basa en el método a juicio de expertos, que

consiste en un examen sistemático de cada de uno de
los ítems - preguntas del mismo, para determinar si
miden las variables que se espera medir, la pertinencia
del contenido, la claridad de los enunciados de cada
uno de ellos, y el nivel de concordancia entre los
evaluadores.

Coeficiente V de Aiken (Aiken,1985)
Es un coeficiente que se computa como la razón de un dato obtenido
sobre la suma máxima de la diferencia de los valores posibles. Puede ser
calculado sobre las valoraciones de un conjunto de jueces con relación a
un ítem o como las valoraciones de un juez respecto a grupo de ítem.
Asimismo las valoraciones asignadas pueden ser dicotómicas (recibir
valores de O y 1) o politómicas (recibir valores de 0 a 5), haciendo para
ello uso de la siguiente fórmula:
siendo:
S = la sumatoria de si
si= Valor asignado por el juez i
n = Número de jueces
c = Número de valores de la escala de valoración

EJEMPLO: Artículo “Validación y confiabilidad del Cuestionario AQ-27 de actitudes
estigmatizadoras hacia pacientes con esquizofrenia en un Hospital General – 2015”.
Bolívar-Paredes, E., & Villanueva-Ruska, A. (2017).
Este coeficiente puede obtener valores entre O y 1, a medida que sea más
elevado el valor computado, el ítem tendrá una mayor validez de contenido. Se
considera que la V de cada item debe ser de 0.80 a mas y la V general mayor a 0.90

V de Aiken ( USADA PARA CALIFICACIONES
Coeficiente que busca cuantificar el acuerdo entre jueces considerando como
POLITÓMICAS)
un indicador importante el promedio de calificaciones (X), pero toma en cuenta
además la calificación mínima posible (l) y el rango de calificaciones posibles
(k= máx - min).
Ecuación, algebraicamente modificada por

Penfield y Gia-cobbi (2004)
El valor de la V puede oscilar entre cero y la unidad, y mientras más próximo se

encuentre a 1, se infiere que el acuerdo entre los jueces es mayor, y por tanto,
las evidencias de validez de contenido serán mayores
Domínguez(2016)

INTERVALOS DE CONFIANZA PARA LA
V DE AIKEN
Como cualquier estadístico, la V está influida por el error muestral, por lo cual es
necesario establecer el rango de posibles valores que asumiría el parámetro. Ante
esa posibilidad, los IC son una aproximación más útil. Existe un método para
construir intervalos de confianza asimétricos para la V, y con esos resultados
podría valorarse de forma mas precisa el acuerdo entre los jueces
Límite Inferior
Límite Superior
Z : valor en distribución estándar correspondiente al 90%, 95% o 99%

n: número de jueces.
Dominguez(2016)

INTERPRETACION PARA LOS INTERVALOS DE CONFIANZA
Si bien no hay un consenso respecto a qué valor del límite

inferior del IC de la V puede ser considerado como
aceptable, la evidencia parece indicar que 0,7 sería
adecuado, ya que no permite que sea valorado como
representativo un ítem cuando el acuerdo entre jueces no es
lo suficientemente alto.
Por ejemplo, si una V es de 0,72, pero su límite inferior es
0,63, se consideraría que ese ítem presenta un contenido
poco representativo.
Dominguez(2016)

EN EXCEL VEAMOS EL EJEMPLO (Para el cuestionario de Residuos sólidos )
4: MUY DE ACUERDO
Calificaron 5 jueces en una escala de esta forma: 3: DE ACUERDO
2: EN DESACUERDO
1: MUY EN
DESACUERDO
SOLO EL LIMITE INFERIOR DEL INTERVALO DE CONFIANZA PARA EL ITEM 5, ES

MENOR A 0.70, POR LO QUE SE CONSIDERA QUE ESTE ITEM DEBE SER
REFORMULADO.

VALIDEZ DE CONSTRUCTO :
Según Sánchez y Reyes (2009) la validez de constructo se refiere al grado
en que un test mide la construcción teórica elaborada respecto de la
conducta que se mide. Un test posee validez de constructo teórico si el
resultado obtenido es el esperado de acuerdo a la teoría formulada. Las
técnicas más usadas son:
1.- Técnicas correlacionales:

Las técnicas correlacionales empleadas en la validez de constructo son
procedimientos de correlación entre:
Item – Test
Item – Escala (Subtests)
Escala – Test o Test – Subtests

Ejemplo: Del Artículo: Propiedades Psicométricas del test de empatía cognitiva y afectiva en estudiantes no
universitarios (Ruiz, 2016)
Se ha correlacionado el puntaje de
cada ítem con el puntaje que resulta
de la suma total de todos los items.
ESCALA DE VALORACIÓN PARA INTERPRETAR LA

CORRELACIÓN EN LA VALIDACIÓN
ri.t Nivel de discriminación
0.40 a más Muy bueno

0.30 – 0.39 Bueno
0.20 – 0.29 Deficiente
0 – 0.19 Insuficiente
Fuente: Elosua Oliden y Bully Garay ( 2012)
En la Tabla 2 se aprecia un índice de validez

muy bueno en los ítems 3, 4, 9, 15, 19, 20 24 y
25 y un índice de validez bueno en los demás
ítems del Test de Empatía Cognitiva y Afectiva
TECA.

2. ANÁLISIS FACTORIAL:
El análisis factorial nos indica cómo tienden a agruparse los ítems o variables.
Examinando el contenido conceptual de los ítems que pertenecen al mismo factor
podemos comprender qué factores [o constructos] subyacentes explican las
correlaciones entre los ítems.
El análisis factorial de un instrumento de medición ayuda a establecer la validez de
constructo de lo que estamos midiendo, en el sentido de que nos analiza la
estructura del constructo que estamos pretendiendo medir.
Existen 2 tipos:
2.1: Exploratorio :
Se caracteriza porque no se conoce apriori el número de factores, y es en la
aplicación empírica donde se determina este número.
2.2: Confirmatorio:
En el análisis de tipo confirmatorio, los factores están fijados a priori, utilizándose
contrastaciones empíricas para su corroboración.

NÚMERO DE SUJETOS PARA CONSTRUIR UN
INSTRUMENTO DE MEDICIÓN
Para hacer bien el análisis de ítems debe de haber al menos unos cinco
sujetos por ítem inicial; por lo tanto si se parte de 60 ítems, con este
criterio (Nunnally, 1978, que lo propone como número mínimo) harán falta
300 sujetos.
Como criterio general es preferible tener más sujetos que menos; con más
sujetos los resultados de los análisis serán más estables; si son pocos los
sujetos es más probable que los ítems discriminen de manera distinta en
otras muestras.
Si además pensamos llevar a cabo un análisis factorial (validez de
constructo) del instrumento tenemos que pensar también en el número de
sujetos necesario para hacer este análisis. (Kline, 1994:74, 79, pone el
número mínimo en unos 100 sujetos)
(Morales ,2012).

ANÁLISIS FACTORIAL EXPLORATORIO
(AFE)
Definición:
Es una técnica estadística multivariada que busca identificar una
estructura subyacente de un mínimo número de factores que
expliquen la máxima cantidad de información contenida en las
variables analizadas (ítems) en base a la variabilidad común (r2)
que hay (en proporción) entre ellas (De la Fuente, 2011).
Principios:
Parsimonia: Un gran número de ítems puede ser explicado por un
número reducido de factores. Los factores deben tener al menos 3
ítems con cargas factoriales mayores a .30.
Interpretabilidad: La estructura hallada debe ser susceptible de
interpretación teórica.

/estadisticoraf
EL ANÁLISIS DE COMPONENTES PRINCIPALES
Según Johnson(2000), el ACP comprende un procedimiento

matemático que transforma un conjunto de variables
correlacionadas de respuesta en un conjunto menor de variables
no correlacionadas llamadas componentes principales. También
menciona que la mayoría de libros sobre Métodos Multivariados
sugieren que los objetivos principales de un ACP son :
1) Reducir la dimensionalidad de un conjunto de datos,
2) Identificar nuevas variables significativas subyacentes
Uriel, E. y Aldas, J. (2005) plantean que el método de

Componentes Principales tiene por objeto transformar un
conjunto de variables, a las que denominan variables originales
en un nuevo conjunto de variables denominadas componentes
principales. Estas últimas se caracterizan por estar
intercorrelacionadas entre sí. Agregan que como medida de la
cantidad de información incorporada en una componente se
utiliza su varianza.

PROCEDIMIENTO PARA HALLAR LOS COMPONENTES PRINCIPALES
1.- Analizar si los datos cumplen con las condiciones mínimas para la
aplicación de la prueba (Prueba KMO y de Esfericidad de Bartlett)
KMO: La medida de la adecuación muestral de Kaiser-Meyer-Olkin

contrasta si las correlaciones parciales entre las variables son pequeñas
o.9 <= KMO <= 1 muy bueno
0.8 <= KMO < 0.9 meritorio
0.7 <= KMO < 0.8 mediano
0.6 <= KMO < 0.7 mediocre
0.5 <= KMO < 0.6 bajo
KMO < 0.5 inaceptable
Bartlett: La prueba de esfericidad de Bartlett contrasta si la matriz de
correlaciones es una matriz de identidad, que indicaría que el modelo
2.- Hallar comunalidades, es decir, la proporción de la varianza del
factorial es inadecuado.
indicador que es explicada por los componentes o factores
comunes.

PROCEDIMIENTO PARA HALLAR LOS COMPONENTES PRINCIPALES
3.- Obtención de los componentes principales, seleccionando el

método de rotación (que sirven para obtener un mejor ángulo de
los factores adyacentes al rotarlos, haciéndolos más visibles y
fáciles de interpretar)
4. Selección del Número de Componentes, el cual puede ser

según :
• Criterio de los auto valores: Káiser (1960), Factores cuyos valores propios
(eigenvalues) son mayores a la unidad
• % global varianza explicada
• Caída notoria de los autovalores (gráfico de Sedimentación)
5. Interpretación de los Componentes
6. Aplicación de los resultados al análisis

En el paquete estadístico SPSS, analizaremos el cuestionario de Motivación para evaluar
los ítems que pertenecen a las dos dimensiones: Motivación Intrínseca y Extrínseca:
Nos vamos a Analizar , Reducción de dimensiones , Factor

Para realizar esta prueba es necesario analizar si los datos cumplen
las condiciones mínimas para la aplicación de la técnica, por tal
motivo señalamos :

Se presenta una buena adecuación
muestral a los datos, ya que el
estadístico de Keiser-Meyer-Olkin
(KMO), que nos indica la proporción
de la varianza que tienen en común
las variables analizadas, presenta un
valor de 0.802, coeficiente cercano
a la unidad que es lo más
aconsejado para este tipo de análisis
(MERITORIO)
La prueba de esfericidad de Bartlett comprueba las variables están correlacionadas (p<0.05).
Esto nos indicaría una buena adecuación de los datos a un modelo de análisis factorial.
Es la proporción de su varianza que puede ser

explicada por el modelo factorial obtenido En
el modelo el ítem 2 es el mejor explicado y el
ítem 10 es el menos explicado por el modelo

Seleccionamos el método de extracción : Componentes principales y elegimos el
factor de rotación : Varimax (maximiza la varianza):

TABLA : VARIANZA TOTAL EXPLICADA
Dos componentes explicaron el 55.02 % de la varianza total
Fuente: Cálculos Propios

EN EL GRÀFICO SE PUEDE OBSERVAR QUE
EXISTEN 2 COMPONENTES CON
AUTOVALORES SUPERIORES A 1, POR LO
QUE SE PODRIA DECIR QUE LOS ITEMS SE
AGRUPAN EN 2 DIMENSIONES

Al llevar a cabo la rotación de factores, encontramos que los dos
componentes con autovalores mayores a uno explicaron el 55.01 %
de la varianza total
TABLA MATRIZ DE COMPONENTES ROTADOS
Fuente: Cálculos Propios
Los ítems del 1 al 5 entrarían a la primera dimensión( Motivación Intrínseca) mientras que
los ítems de la 6 a la 9 a la segunda ( Motivación Extrínseca) . Habría que evaluar la
modificación del ítem 10 para considerarlo en la segunda dimensión.

VALIDEZ DE CRITERIO
• Se establece al validar un instrumento de medición

al compararlo con algún criterio externo que
pretende medir lo mismo.
• Si el criterio se fija en el presente de manera
paralela se habla de validez concurrente (los
resultados se correlacionan con el criterio en el
mismo momento o punto de tiempo).
• Si el criterio se fija en el futuro se habla de validez
predictiva (ejem: una prueba para determinar la
capacidad gerencial de candidatos a ocupar
puestos ejecutivos se validaría comparando los
resultados con el desempeño posterior de los
ejecutivos)
ESCALA DE VALORACIÓN DEL COEFICIENTE DE CORRELACIÓN DE PEARSON
R INTERPRETACIÓN
De ±0.01 a ±0.19 Correlación Muy Baja

De ±0.20 a ±0.39 Correlación Baja
De ±0.40 a ±0.69 Correlación Moderada
De ±0.70 a ±0.89 Correlación Alta
De ±0.90 a ± 0.99 Correlación Muy Alta
1 Perfecta Positiva
-1 Perfecta Negativa
0 Correlación Nula
Pacheco(2003)

Factores que pueden afectar la
confiabilidad y la Validez
La improvisación. Algunas personas creen que elegir un
instrumento de medición o desarrollar uno es algo fácil y
que no requiere de supervisión alguna.
La traducción, aún cuando adaptemos los términos a
nuestro lenguaje esto no es ni remotamente validarlo.
La inadecuación o falta de empatía. Hay instrumentos que
tienen un lenguaje muy elevado para el entrevistado o no
toma en cuenta diferencias de sexo, edad, nivel
ocupacional y educativo.
Las condiciones de aplicación. El ruido, presionar para que
una persona conteste un instrumento largo en un período
de tiempo corto, el hambre o falta de motivación para
responder influirá negativamente en la validez y
confiabilidad de la medida.
Los aspectos mecánicos. Que el instrumento tenga
instrucciones precisas, que se lea bien (si se trata de un
cuestionario escrito), que no le falten páginas, que haya un
espacio adecuado para contestar.
REFERENCIAS BIBLIOGRÁFICAS
Malhotra, N.(2008). Investigación de Mercados. México: Pearson Educación. 2008 .
Hernández, R(2010). Metodología de la Investigación. Quinta Edición. México: Mc Graw
Hill.
Bolivar-Paredes, E., & Villanueva-Ruska, A. (2017). Validación y confiabilidad del
Cuestionario AQ-27 de actitudes estigmatizadoras hacia pacientes con esquizofrenia en
un Hospital General – 2015.. Revista de Neuro-Psiquiatría, 80 (3), 165-171.
Ruiz, P. (2015)Propiedades Psicométricas del test de empatía cognitiva y afectiva en
estudiantes no universitarios. Disponible en
http://revistas.unfv.edu.pe/index.php/RCV/article/view/127
Morales, P. (2012) Estadística aplicada a las Ciencias Sociales. Disponible en

http://www.upcomillas.es/personal/peter/investigacion/Tama%F1oMuestra.pdf.
Domínguez, S. (2016). Archivos argentinos de pediatría, 114(3), e221-e223.

Recuperado en 11 de marzo de 2018, de
http://www.scielo.org.ar/scielo.php?script=sci_arttext&pid=S0325-
00752016000300035&lng=es&tlng=es.
Uriel, E. & Aldás, J(2005) Análisis Multivariante Aplicado . España

Dirección Del Programa Académico de Investigación Universidad César Vallejo

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Dirección Del Programa Académico de Investigación Universidad César Vallejo

Uploaded by

Copyright:

Available Formats

DIRECCIÓN DEL PROGRAMA ACADÉMICO DE INVESTIGACIÓN UNIVERSIDAD CÉSAR VALLEJO

Según Hernandez (2010) un instrumento adecuado es