De acuerdo con The SAGE Encyclopedia of Social Science Research Methods ...
[a] el efecto techo ocurre cuando una medida posee un límite superior distinto para posibles respuestas y una gran concentración de participantes puntúa en o cerca de este límite. La atenuación de escala es un problema metodológico que ocurre cuando la varianza está restringida de esta manera. … Por ejemplo, puede producirse un efecto de techo con una medida de actitudes en la que una puntuación alta indica una actitud favorable y la respuesta más alta no logra capturar la evaluación más positiva posible. ... La mejor solución al problema de los efectos de techo es la prueba piloto, que permite identificar el problema temprano . Si un efecto de techo [énfasis agregado] se encuentra , [y] la medida de resultado es la ejecución de tareas, la tarea puede hacerse más difícil aumentar el rango de respuestas posibles. 1
Parece que hay una gran cantidad de consejos y preguntas ( y aquí ) que se ocupan de analizar los datos que muestran los efectos techo similar a la descrita en la cita anterior.
Mi pregunta puede ser simple o ingenua, pero ¿cómo se detecta realmente que hay un efecto de techo en los datos? Más específicamente, digamos que se crea una prueba psicométrica y se sospecha que conduce a un efecto de techo (solo examen visual) y luego la prueba se revisa para producir un mayor rango de valores. ¿Cómo se puede demostrar que la prueba revisada ha eliminado el efecto techo de los datos que genera? ¿Hay alguna prueba que muestre que hay un efecto techo en el conjunto de datos a pero no hay efecto de techo en el conjunto de datos b ?
Mi enfoque ingenuo sería simplemente examinar el sesgo de distribución y, si no está sesgado, concluir que no hay efecto de techo. ¿Es eso demasiado simplista?
Editar
Para agregar un ejemplo más concreto, digamos que desarrollo un instrumento que mide algún rasgo latente x que aumenta con la edad, pero finalmente se nivela y comienza a disminuir en la vejez. Hago la primera versión, que tiene un rango de 1 a 14, realizo algunas pruebas piloto y descubro que parece que puede haber un efecto de techo (una gran cantidad de respuestas en o cerca de 14, el máximo ... Concluyo esto simplemente por mirando los datos, pero ¿por qué? ¿Existe algún método riguroso para respaldar esa afirmación?
Luego reviso la medida para tener un rango de 1 a 20 y recopilo más datos. Veo que la tendencia coincide más con mis expectativas, pero ¿cómo sé que el rango de medición es lo suficientemente grande? ¿Necesito revisarlo nuevamente? Visualmente, parece estar bien, pero ¿hay alguna forma de probarlo para confirmar mis sospechas?
Quiero saber cómo puedo detectar este efecto de techo en los datos en lugar de solo mirarlo. Los gráficos representan datos reales, no teóricos. Ampliar el alcance del instrumento creó una mejor difusión de datos, pero ¿es suficiente? ¿Cómo puedo probar eso?
1 Hessling, R., Traxel, N. y Schmidt, T. (2004). Efecto techo. En Michael S. Lewis-Beck, A. Bryman y Tim Futing Liao (Eds.), The SAGE Encyclopedia of Social Science Research Methods . (pág. 107). Thousand Oaks, CA: Sage Publications, Inc. doi: 10.4135 / 9781412950589.n102