Modelo de Rasch y Teoría de Respuesta al Ítem (TRI) en la Tesis 2026: Calibración, Ajuste de Ítems y Mapa de Wright
Cuando validas un cuestionario en tu tesis —ya sea en ciencias de la educación, psicología, ciencias de la salud o cualquier disciplina que mida constructos latentes— el modelo de Rasch y la teoría de respuesta al ítem (TRI) te ofrecen una alternativa profunda y más exigente que los enfoques clásicos. Frente a la omnipresente teoría clásica de los tests (TCT) basada en puntuaciones brutas, la TRI modela explícitamente la relación probabilística entre la habilidad de la persona y la dificultad de cada ítem, produciendo estimaciones en una escala de intervalos (los logits) que son, en principio, independientes de la muestra utilizada. Para el doctorando o el investigador que aspira a publicar en revistas de alto impacto, dominar estos conceptos ya no es optativo: los evaluadores de metodología los exigen con creciente frecuencia.
Este artículo te guía por los fundamentos del modelo de Rasch, los modelos 1PL, 2PL y 3PL, el procedimiento de calibración, los estadísticos de ajuste infit y outfit, el mapa de Wright, y los supuestos de unidimensionalidad e invarianza. Se detalla también qué software utilizar (R con los paquetes eRm, TAM y mirt; y Winsteps) y en qué condiciones metodológicas tu tesis se beneficia de incorporar la TRI.
TCT vs. TRI: por qué la puntuación bruta no siempre es suficiente
La teoría clásica de los tests (TCT) —la base del coeficiente alfa de Cronbach y de la mayoría de los análisis de fiabilidad tradicionales— opera sobre puntuaciones totales y supone que los ítems tienen propiedades constantes para todos los grupos. Sus limitantes son conocidas: la fiabilidad depende de la varianza de la muestra, la dificultad del ítem es una proporción de respuestas correctas que cambia con el grupo, y la puntuación bruta es ordinal, no de intervalo.
La TRI supera estas limitaciones al modelar la probabilidad de una respuesta correcta (o de una categoría determinada en ítems politómicos) en función de dos parámetros independientes: la habilidad de la persona (θ, theta) y la dificultad del ítem (b). Esta relación se describe mediante la función característica del ítem (FCI), cuya forma típica es una curva sigmoide que sube de izquierda a derecha: personas con habilidad baja tienen poca probabilidad de responder correctamente a un ítem difícil, y personas con habilidad alta tienen probabilidad elevada incluso en ítems exigentes.
La consecuencia práctica más relevante es la independencia de la muestra: en condiciones ideales, la dificultad de un ítem calibrado con el modelo de Rasch no varía si el ítem se aplica a una muestra más capaz o menos capaz. Esto permite, por ejemplo, comparar grupos distintos en una misma escala sin que el nivel de la muestra contamine las estimaciones —algo de gran valor en investigaciones longitudinales, estudios de validación transcultural o diseños de equiparación de tests.
Para comparar los dos enfoques de manera directa, la siguiente tabla resume las diferencias clave:
| Dimensión | TCT | TRI / Modelo de Rasch |
|---|---|---|
| Unidad de medida | Puntuación bruta (ordinal) | Logits (escala de intervalo) |
| Dependencia de la muestra | Alta (dificultad y fiabilidad varían) | Baja (invarianza si el modelo ajusta) |
| Parámetros del ítem | Dificultad (p) y correlación ítem-total | b, a, c (según modelo) |
| Evaluación de ajuste por ítem | Limitada | Detallada (infit, outfit, residuales) |
| Software habitual | SPSS, R (psych), jamovi | R (eRm, TAM, mirt), Winsteps |
| Curva de aprendizaje | Moderada | Alta |
Fundamentos de la TRI: la función característica del ítem
El núcleo matemático de la TRI es la función característica del ítem (FCI), también llamada curva característica del ítem (CCI). Para ítems dicotómicos (correcto/incorrecto o sí/no), la FCI modela la probabilidad P(Xij = 1 | θj) de que la persona j con habilidad θ responda correctamente al ítem i. La forma estándar para el modelo logístico de dos parámetros es:
donde a es el parámetro de discriminación, b es el parámetro de dificultad y D es una constante de escalado (habitualmente 1,0 en la parametrización logística, o 1,702 para aproximar la distribución normal acumulada). El parámetro b se expresa en la misma escala que θ: cuando θ = b, la probabilidad de respuesta correcta es exactamente 0,5 en el modelo 1PL y 2PL.
Para ítems politómicos —cuestionarios tipo Likert, escalas de acuerdo, rúbricas— se utilizan extensiones como el Rating Scale Model (RSM) o el Partial Credit Model (PCM), ambos dentro de la familia Rasch, que modelan la probabilidad de seleccionar cada categoría de respuesta mediante funciones características de categoría.
Modelos 1PL, 2PL y 3PL
La TRI no es un único modelo sino una familia. Los tres modelos más empleados en investigación aplicada se distinguen por el número de parámetros que estiman para cada ítem:
Modelo de un parámetro (1PL) — Modelo de Rasch
Solo se estima el parámetro de dificultad (b). La discriminación es constante e igual para todos los ítems (fijada a 1 en la métrica logit). Es el modelo más parsimonioso y el que impone más restricciones al ajuste. Si los datos se ajustan al 1PL, se obtienen estimaciones objetivas e invariantes —una propiedad que el creador del modelo, Georg Rasch, elevó a requisito normativo.
Modelo de dos parámetros (2PL)
Además de la dificultad, se estima el parámetro de discriminación (a), que refleja cuán bien diferencia el ítem entre personas con habilidad alta y baja. Un ítem con discriminación elevada (a > 1,5) produce una curva característica empinada; uno con discriminación baja (a < 0,5) produce una curva más plana, indicando que el ítem es poco útil para diferenciar entre niveles de habilidad próximos.
Modelo de tres parámetros (3PL)
Añade el parámetro de pseudo-azar (c, también llamado parámetro de adivinanza), que modela la probabilidad de que alguien con habilidad muy baja responda correctamente por azar. Es habitual en tests de opción múltiple con corrección al azar. Requiere muestras grandes (N > 500) para estimaciones estables y es poco utilizado en investigación de cuestionarios de actitudes o habilidades no cognitivas.
El modelo de Rasch: lógica, logits y propiedades especiales
El modelo de Rasch fue propuesto por el matemático danés Georg Rasch en 1960 a partir de su trabajo con pruebas de lectura en escolares daneses. Su formulación establece que la probabilidad de una respuesta correcta depende únicamente de la diferencia entre la habilidad de la persona y la dificultad del ítem:
El término izquierdo es el logit de la probabilidad: el logaritmo natural del cociente entre la probabilidad de éxito y la de fracaso. Cuando θ = b, el logit es 0 y la probabilidad de éxito es exactamente 0,5. Cuando θ supera b en 1 logit, la probabilidad de éxito asciende a aproximadamente 0,73; cuando la diferencia es de 2 logits, alcanza cerca de 0,88.
La escala logit convierte lo que en TCT era una escala ordinal en una escala de intervalos iguales, en la que una diferencia de 1 logit tiene el mismo significado en cualquier parte de la escala. Esto hace posible calcular diferencias, medias y varianzas con pleno sentido matemático, algo que la puntuación bruta no permite.
La propiedad más relevante del modelo de Rasch —y que lo distingue filosóficamente del 2PL y 3PL— es que si los datos se ajustan al modelo, las estimaciones de dificultad de los ítems son invariantes respecto a la distribución de habilidades de la muestra, y las estimaciones de habilidad de las personas son invariantes respecto al subconjunto de ítems utilizado. Esta doble invarianza es la condición de medición objetiva.
Calibración: cómo se estiman los parámetros
La calibración es el proceso mediante el cual se estiman simultáneamente los parámetros de dificultad de los ítems (b) y, en los modelos 2PL/3PL, los parámetros de discriminación (a) y pseudo-azar (c). Para el modelo de Rasch existen tres métodos principales de estimación:
- Máxima verosimilitud condicional (CML): elimina los parámetros de habilidad de las personas mediante la condición suficiente (la puntuación total), lo que produce estimaciones de dificultad libres de supuestos distribucionales sobre θ. Es el método implementado en el paquete
eRmde R y es teóricamente superior para el modelo de Rasch puro. - Máxima verosimilitud marginal (MML): integra los parámetros de habilidad asumiendo una distribución a priori (habitualmente normal). Es el método de
TAM,mirtyltm, y permite estimar los modelos 2PL y 3PL. - Máxima verosimilitud conjunta (JML): estima simultáneamente ítems y personas, pero produce estimaciones sesgadas en muestras pequeñas. Winsteps lo utiliza internamente con correcciones de sesgo.
El resultado de la calibración es un conjunto de parámetros en logits para cada ítem. Por convención, la escala se ancla de modo que la media de las dificultades de los ítems sea 0 logits (aunque Winsteps permite elegir otros anclajes). Los parámetros de habilidad de las personas se expresan en la misma unidad, lo que permite la comparación directa en el mapa de Wright.
- Modelo de Rasch (1PL): N ≥ 150–200 para estimaciones estables.
- Modelo 2PL: N ≥ 300–400.
- Modelo 3PL: N ≥ 500–1000.
Estos valores son referencias orientativas de la literatura psicométrica; el tamaño óptimo depende del número de ítems, la distribución de habilidades y el método de estimación.
Para elegir el procedimiento de muestreo que garantice representatividad en tu muestra de calibración, la guía sobre tipos de muestreo en investigación ofrece un marco de decisión claro según el diseño de tu estudio.
Estadísticos de ajuste: infit, outfit y MNSQ
Una vez calibrado el modelo, es imprescindible evaluar si cada ítem se comporta de acuerdo con las predicciones del modelo. Los estadísticos de ajuste más utilizados en la familia Rasch son el infit y el outfit, expresados habitualmente como estadísticos de media cuadrática (mean-square, MNSQ).
Ambos se calculan a partir de los residuales estandarizados, es decir, la diferencia entre la respuesta observada y la predicha por el modelo, dividida por la desviación típica esperada bajo el modelo:
- Infit MNSQ (information-weighted fit): otorga mayor peso a las personas cuya habilidad es cercana a la dificultad del ítem, es decir, a las observaciones más informativas. Es más sensible a patrones de respuesta inesperados en el rango central del ítem.
- Outfit MNSQ (outlier-sensitive fit): da igual peso a todas las observaciones, lo que lo hace más sensible a respuestas atípicas de personas cuya habilidad es muy distante de la dificultad del ítem (p.ej., una persona muy capaz que falla un ítem fácil).
El valor esperado de ambos estadísticos bajo ajuste perfecto es 1,0. Los rangos de interpretación más extendidos en la literatura son:
| MNSQ | Interpretación | Acción recomendada |
|---|---|---|
| < 0,7 | Sobreajuste: el ítem es demasiado predictible (posible redundancia) | Revisar si el ítem aporta información única; puede conservarse |
| 0,7 – 1,3 | Ajuste aceptable | El ítem funciona bien dentro del modelo |
| 1,3 – 1,5 | Desajuste moderado: varianza inesperada | Analizar el contenido del ítem; valorar revisión |
| > 1,5 | Desajuste grave: el ítem no funciona según el modelo | Considerar la eliminación o revisión profunda del ítem |
Algunos autores utilizan un criterio más estricto (0,8–1,2) en tests de alto impacto, mientras que Winsteps y el manual de Wright & Masters (1982) plantean umbrales de 0,5–1,5 como aceptables para propósitos de investigación. Lo importante es que el criterio quede explicitado y justificado en la sección de metodología de tu tesis.
Junto al MNSQ, los outputs de software suelen incluir una versión estandarizada (ZSTD), también llamada estadístico t de Wilson-Hilferty. Con muestras grandes, el ZSTD tiende a ser significativo incluso para desviaciones triviales del ajuste, por lo que se recomienda priorizar el MNSQ sobre el ZSTD en la interpretación sustantiva.
El mapa de Wright (persona-ítem)
El mapa de Wright —llamado así en honor a Benjamin D. Wright, quien popularizó el modelo de Rasch en el ámbito anglosajón— es una representación gráfica en la que ítems y personas se sitúan en la misma escala vertical de logits. En el lado izquierdo aparece la distribución de habilidades de las personas; en el lado derecho, los ítems ordenados de más fácil (abajo) a más difícil (arriba).
El mapa de Wright permite responder a preguntas sustanciales de validación:
- Cobertura del rango de habilidad: ¿hay ítems en toda la distribución de habilidades de tu muestra, o existe un vacío de ítems en algún rango? Un cuestionario que solo tiene ítems de dificultad media no diferencia bien a las personas con habilidad alta ni a las de habilidad baja.
- Ítems redundantes: dos ítems con dificultades muy próximas (diferencia < 0,5 logits) pueden estar midiendo prácticamente lo mismo. Si además tienen contenido similar, es candidato a eliminar uno.
- Desfase entre la muestra y el instrumento: si la distribución de habilidades está desplazada hacia la derecha (personas más hábiles que los ítems), el test resulta demasiado fácil; el efecto techo reduce la fiabilidad para los niveles altos. Lo contrario ocurre cuando la muestra está por debajo de los ítems (efecto suelo).
Ejemplo ilustrativo (los datos son ficticios): supongamos que calibras una escala de 20 ítems de actitud hacia la investigación en una muestra de estudiantes de máster. El mapa de Wright muestra que los ítems del 1 al 12 se concentran entre −1 y +0,5 logits, mientras que la media de la muestra se sitúa en +1,2 logits. Esto indicaría que el instrumento es demasiado fácil para ese grupo y que deberías añadir ítems de actitud más exigentes —o interpretar los resultados con la cautela de un efecto techo parcial.
Unidimensionalidad e invarianza de la medición
El modelo de Rasch, como toda la familia TRI, presupone unidimensionalidad: todos los ítems miden un único constructo latente. Violar este supuesto invalida las estimaciones y la interpretación del mapa de Wright. Para evaluarlo en tu tesis dispones de varias estrategias:
- Análisis factorial exploratorio (AFE) previo: si el primer factor explica una proporción dominante de la varianza (p.ej., > 30 %) y los factores adicionales son residuales, la unidimensionalidad es plausible. Consulta nuestra guía sobre el análisis factorial exploratorio con SPSS para el TFG para el procedimiento paso a paso.
- Análisis de componentes principales de los residuales (ACPR): implementado en Winsteps y en el paquete
eRm. Examina si los residuales tras el ajuste del modelo de Rasch muestran estructura factorial adicional. Si el primer contraste residual tiene autovalor < 2, la unidimensionalidad es sostenible. - Prueba de invarianza de los parámetros: compara las estimaciones de dificultad obtenidas en dos subgrupos (p.ej., hombres/mujeres). Una correlación de Pearson > 0,95 entre las estimaciones en ambos grupos y la ausencia de ítems con funcionamiento diferencial significativo (DIF) apoya la invarianza. Un análisis de análisis factorial confirmatorio complementario puede reforzar o refutar la estructura unidimensional antes de proceder con la calibración Rasch.
El funcionamiento diferencial del ítem (DIF) —cuando un ítem tiene distinta dificultad para grupos con igual habilidad— es un indicador de sesgo y se detecta mediante estadísticos específicos (Mantel-Haenszel, regresión logística o el estadístico de Rasch-Welch en Winsteps). Informar sobre el DIF en estudios de validación transcultural es una exigencia de calidad metodológica que los revisores de revistas JCR valoran explícitamente.
Software: eRm, TAM, mirt y Winsteps
Para aplicar la TRI en tu tesis tienes dos grandes alternativas: R (gratuito y reproducible) y Winsteps (comercial, de uso extendido en educación y salud). A continuación se describen las características principales de cada opción:
Paquete eRm (R)
eRm (Extended Rasch Models) implementa el modelo de Rasch dicotómico, el PCM y el RSM mediante estimación por máxima verosimilitud condicional (CML), sin supuestos distribucionales sobre θ. Ofrece gráficos de perfil de persona, mapas de Wright y tests de ajuste (estadístico de Martin-Löf). Es el más fiel a la filosofía de Rasch. La sintaxis básica es:
rm <- RM(data_matriz) # Rasch dicotómico
summary(rm)
plotICC(rm) # Curvas características
plotPWmap(rm) # Mapa de Wright
Paquete TAM (R)
TAM (Test Analysis Modules) es el paquete más completo para análisis de evaluación educativa a gran escala. Permite modelos multidimensionales, calibración de ítems con anclajes fijos, y análisis de DIF. Usa MML y es el de referencia en estudios PISA/TIMSS. Requiere algo más de configuración que eRm pero ofrece mayor flexibilidad para ítems mixtos (dicotómicos y politómicos en el mismo instrumento).
Paquete mirt (R)
mirt (Multidimensional IRT) es el más flexible: cubre desde el 1PL hasta modelos multidimensionales, ítems de respuesta nominal, y modelos mixtos. Su función itemfit() calcula infit y outfit en el sentido Rasch, y itemplot() genera las curvas características. Para el 2PL y 3PL con muestras medianas–grandes es la opción más potente en R. La comparativa con otras herramientas de análisis estadístico como Jamovi vs JASP vs SPSS para TFG cuantitativo puede ayudarte a decidir el ecosistema de análisis más adecuado para tu estudio.
Winsteps
Winsteps es el software comercial de referencia para el análisis Rasch en ciencias de la salud y educación. Produce automáticamente el mapa de Wright, tablas de ajuste con infit/outfit MNSQ y ZSTD, análisis de DIF por grupos, y curvas características con sobreposición de los datos observados. Su interfaz no requiere programar y genera outputs muy completos para incluir directamente en la tesis. El inconveniente es el coste de la licencia y la menor reproducibilidad respecto a R.
eRm para la reproducibilidad. Si tu tesis se enmarca en un entorno totalmente open-source, eRm + mirt cubren todos los análisis necesarios. Tanto los análisis cualitativos de ajuste de ítems como las pruebas de significación clásicas pueden coexistir en el capítulo de resultados siempre que se distingan claramente los marcos interpretativos.
Cuándo conviene usar la TRI en tu tesis
No toda tesis que incluye un cuestionario necesita recurrir al modelo de Rasch. El uso está justificado cuando se cumple al menos una de las condiciones siguientes:
- Desarrollas o validas un instrumento nuevo y necesitas demostrar que los ítems funcionan de manera coherente en toda la escala de habilidad o actitud.
- Realizas comparaciones entre grupos (p.ej., estudiantes de distintas universidades o países) y necesitas garantizar que el instrumento funciona de manera equivalente en todos ellos (análisis de DIF).
- El instrumento original fue desarrollado con Rasch y tu tesis replica o extiende ese trabajo, lo que obliga a mantener la misma métrica.
- El constructo tiene escala ordinal (Likert de 5 o 7 puntos) y necesitas transformarlo a una escala de intervalo para aplicar análisis paramétricos con plena justificación.
- Estudias el funcionamiento de ítems individuales, por ejemplo en el diseño de bancos de ítems para evaluaciones adaptativas.
Por el contrario, si tu tesis únicamente usa un cuestionario validado y bien establecido para medir variables en un modelo de mediación o moderación, es probable que la TCT —con su arsenal de pruebas no paramétricas o paramétricas complementarias— sea suficiente. La adopción de la TRI debe responder a una necesidad metodológica real, no a la búsqueda de sofisticación por sí misma.
Preguntas frecuentes
¿El modelo de Rasch es lo mismo que el modelo 1PL de la TRI?
Sí y no. Matemáticamente, el modelo de Rasch y el modelo 1PL producen la misma función característica del ítem cuando la discriminación se fija a 1. Sin embargo, hay una diferencia filosófica importante: en la tradición Rasch, el modelo no es una descripción estadística de los datos sino una prescripción de cómo deben comportarse los datos para que la medición sea objetiva. Si los datos no se ajustan al modelo de Rasch, la conclusión es que el instrumento no mide bien, no que el modelo deba relajarse. En la tradición 2PL/3PL, se busca el modelo que mejor describe los datos. Esta distinción tiene consecuencias en cómo se justifica el análisis en la tesis y en las revistas a las que se dirige el trabajo.
¿Qué tamaño muestral necesito para calibrar un cuestionario con el modelo de Rasch?
La literatura señala que para el modelo de Rasch dicotómico con estimación CML son necesarios al menos 150–200 participantes para obtener estimaciones de dificultad con un error estándar moderado (±0,3 logits). Para ítems politómicos con el PCM o RSM se recomiendan al menos 200–250. La precisión mejora con muestras más grandes, pero el modelo puede aplicarse a muestras pequeñas si se asume un error estándar mayor. En cualquier caso, documenta el método de estimación y los errores estándar de los parámetros en la sección de resultados.
¿Cómo interpreto el mapa de Wright en la tesis?
El mapa de Wright se describe en la tesis señalando: (1) el rango de dificultad de los ítems en logits y si cubre adecuadamente el rango de habilidades de la muestra; (2) si existen huecos importantes entre ítems consecutivos que indiquen falta de cobertura en algún rango; (3) si hay ítems superpuestos (dificultad muy similar) que sugieran redundancia; y (4) si la media de la distribución de personas está próxima a la media de los ítems (0 logits), lo que indica que el instrumento está bien calibrado para esa muestra.
¿Qué hago si un ítem no ajusta (infit o outfit MNSQ > 1,5)?
Un ítem con desajuste grave debe analizarse sustantivamente antes de tomar ninguna decisión. Primero examina el contenido del ítem: ¿es ambiguo? ¿introduce un constructo distinto? ¿tiene redacción confusa? Si el problema es conceptual, elimínalo y documenta la decisión. Si no encuentras una explicación sustantiva, consúltalo con tu director y considera reportar los estadísticos de ajuste con y sin el ítem. La eliminación de ítems únicamente por criterios estadísticos, sin justificación de contenido, es metodológicamente débil.
¿Se puede combinar el análisis Rasch con el análisis factorial confirmatorio (CFA)?
Sí. De hecho, es una práctica recomendable en tesis de validación de instrumentos. El CFA proporciona índices de ajuste global del modelo (CFI, RMSEA, TLI) y permite testear distintas estructuras factoriales. El análisis Rasch complementa con estadísticos de ajuste a nivel de ítem, el mapa de Wright y la estimación en logits. Usar ambos enfoques refuerza la evidencia de validez y es valorado positivamente por los revisores. Puedes consultar la guía sobre IA y análisis factorial confirmatorio (CFA) en tesis doctorales para los aspectos técnicos del CFA.
¿Es la TRI adecuada para cuestionarios Likert de 5 puntos?
Sí. Para ítems Likert se utilizan las extensiones politómicas del modelo de Rasch: el Partial Credit Model (PCM), adecuado cuando los umbrales entre categorías pueden variar entre ítems, o el Rating Scale Model (RSM), que asume umbrales iguales en todos los ítems. Ambos están disponibles en eRm, TAM y Winsteps. El RSM es la opción más parsimoniosa para escalas de respuesta uniforme (p.ej., todas las preguntas con el mismo formato de acuerdo). La elección entre PCM y RSM debe justificarse con una prueba de hipótesis (p.ej., likelihood-ratio test entre modelos).
Referencias y recursos de referencia
- Rasch, G. (1960). Probabilistic models for some intelligence and attainment tests. Danish Institute for Educational Research.
- Wright, B. D., & Masters, G. N. (1982). Rating scale analysis. MESA Press.
- Bond, T., Yan, Z., & Heene, M. (2020). Applying the Rasch model: Fundamental measurement in the human sciences (4.ª ed.). Routledge.
- Chalmers, R. P. (2012). mirt: A multidimensional item response theory package for the R environment. Journal of Statistical Software, 48(6), 1–29. https://doi.org/10.18637/jss.v048.i06
- Mair, P., Hatzinger, R., & Maier, M. J. (2025). eRm: Extended Rasch Models. R package. https://cran.r-project.org/package=eRm
- Robitzsch, A., Kiefer, T., & Wu, M. (2024). TAM: Test Analysis Modules. R package. https://cran.r-project.org/package=TAM
- Linacre, J. M. (2024). Winsteps Rasch Measurement Computer Program. Winsteps.com. https://www.winsteps.com
Escribe tu TFG o tesis con IA
Pasa de la teoría a tu documento terminado
Tesify estructura, redacta y formatea tu TFG, TFM o tesis en normas APA y Vancouver, con bibliografía automática y verificación antiplagio integrada. Regístrate gratis, sin tarjeta.
Leave a Reply