¿Qué puede (y qué no) decir un modelo sobre un constructo psicológico?

¿Qué puede (y qué no) decir un modelo sobre un constructo psicológico?

Esteban Navarro Díaz

Contenido

Un modelo que predice bien no necesariamente mide bien. Antes de interpretar una puntuación hay que preguntarse por su validez.

Predecir no es medir

La fiabilidad de una escala suele resumirse con el alfa de Cronbach:

α=kk−1(1−∑i=1kσi2σX2)\alpha = \frac{k}{k-1}\left(1 - \frac{\sum_{i=1}^{k}\sigma_i^2}{\sigma_X^2}\right)

Una fiabilidad alta no garantiza que el instrumento mida el constructo que creemos medir.

Ejemplo mínimo

from sklearn.linear_model import LogisticRegression
from sklearn.model_selection import cross_val_score

modelo = LogisticRegression(max_iter=1000)
puntajes = cross_val_score(modelo, X, y, cv=5, scoring="roc_auc")
print(puntajes.mean())

El AUC dice cuán bien se separan las clases, no si la variable tiene sentido clínico.

Preguntas antes de confiar en el modelo

  1. ¿Está validado el instrumento en esta población?
  2. ¿El rendimiento es similar entre grupos?
  3. ¿Quién se beneficia y a quién podría perjudicar una predicción errónea?