Raschalyzer

Carlos Pérez Garmendia

Arrastra tu archivo aquí o haz clic para seleccionar

Formatos compatibles: .xlsx · .xls · .csv · .tsv · .txt
Si tu archivo usa DATA=fichero.txt, arrastra o pega ambos archivos juntos.

Estimando parámetros Rasch (JMLE)…

! Error:
Tipo de escala:
Mapa de Wright — Personas e Ítems en la escala logit
Ítems
—
Clic en cabecera de ítem para excluirlo · Clic en nombre de sujeto para excluirlo · Los excluidos aparecen tachados y en gris
Ítem
—
# Ítem Punt./N Dif. Infit Outfit PTMEA

Clic en una fila para ver el nombre completo

Personas
—
# Persona Punt./N Hab. Infit Outfit

Clic en una fila para ver el nombre completo

Ajuste de Ítems — Infit MNSQ vs Dificultad
Ítems
Función de información del test (TIF) y error estándar SE(θ)
Excelente SE<0.32 Bueno SE<0.50 Aceptable SE<1.0 Pobre SE≥1.0
Fiabilidad marginal R(θ)
Contribución de cada ítem al TIF (IIF apilados)
Niveles de Wright — Estratos independientes de muestra
Estratos de medida estadísticamente distinguibles (Wright)

Criterio: dos puntuaciones pertenecen a niveles distintos si su diferencia supera el error combinado de medida — umbral = θ_ancla + 2·√(SE_ancla² + SE_i²). Independiente de la muestra; solo depende de la calibración del instrumento.

Comparación de estratos: Wright vs. (4G+1)/3 vs. Rango total

Tres perspectivas en la misma escala logit: niveles totales del instrumento (Wright, independiente de muestra), niveles dentro del rango útil (SE<0.50) y estratos calculados con (4G+1)/3 (dependiente de muestra).

Escala de medida — Conversión de puntuaciones
Curva de conversión puntuación → medida con niveles de Wright

La curva S mapea cada puntuación bruta a su medida en logits. Las bandas de color muestran qué puntuaciones corresponden a cada nivel de Wright.

Correspondencia puntuación — medida — nivel
Funcionamiento de las Categorías de Respuesta
Sensibilidad y Especificidad
Especifica la separación esperada entre grupos (casos vs. controles) y la prevalencia para calcular la curva ROC, el punto de corte óptimo y los valores predictivos.
Diferencia de medias (logits) entre grupo "casos" y "controles"
Variabilidad dentro de cada grupo (típicamente 0.8–1.5 logits)
Porcentaje de casos reales en la población evaluada
Curva ROC
Sensibilidad, Especificidad y Youden J por punto de corte θ
Valores predictivos positivo (VPP) y negativo (VPN) por punto de corte θ
VPP y VPN dependen de la prevalencia del trastorno en la población evaluada. Ajusta el deslizador de prevalencia para obtener estimaciones adaptadas a tu contexto clínico. El error de medida (SE medio) se incorpora al cálculo de la varianza observable.
Ajuste de Personas — Infit MNSQ vs Habilidad
Personas
Análisis de Dimensionalidad (PCAR)

Análisis de Componentes Principales de los Residuos (PCAR) de Rasch. Evalúa si la escala mide un único constructo. Un eigenvalor del primer contraste <2.0 indica unidimensionalidad aceptable.

Configuración de grupos para DIF

Extrae el grupo de los caracteres de la etiqueta de persona (posición inicial y longitud).

Vista previa aparecerá aquí…
Simulación de reducción de escala

Elimina ítems uno a uno siguiendo un criterio estadístico y observa cómo evoluciona la fiabilidad, la separación y el apuntamiento. Útil para encontrar la escala mínima con prestaciones aceptables.